Bien que les modèles d'intelligence artificielle comme ChatGPT montrent une capacité diagnostique remarquable, surpassant parfois celle des médecins pour identifier des pathologies, ils restent inférieurs aux professionnels de santé pour déterminer la prise en charge thérapeutique. Une étude publiée en avril 2026 concernant le modèle o1 d'OpenAI a démontré un taux de précision de 78 % sur des cas diagnostiques complexes tirés de revues médicales, dépassant même l'expertise des médecins dans le contexte des urgences hospitalières. De même, une étude de 2024 a montré que ChatGPT outperformait les médecins lors du diagnostic de cas complexes, y compris lorsque ces derniers pouvaient utiliser l'outil. Cependant, le diagnostic ne constitue qu'une partie du travail médical. La seconde partie, la gestion du patient, consiste à décider des actions appropriées, ce qui constitue un défi que l'intelligence artificielle a encore du mal à relever. Pour des affections simples, un diagnostic IA peut suffire à orienter vers un traitement basique. En revanche, la pratique clinique est marquée par une incertitude fréquente. La gestion d'un patient, une fois le diagnostic établi, reste une question complexe nécessitant une priorisation des options de soins. Les médecins expérimentés s'appuient sur des schémas mentaux, appelés scripts de maladie, construits sur des années de pratique. Ces scripts leur permettent de reconnaître rapidement des motifs et d'adapter leur raisonnement. Les grands modèles de langage fonctionnent sur un principe similaire de reconnaissance de motifs, ce qui explique leur efficacité dans le diagnostic. Néanmoins, la décision thérapeutique ne repose pas sur une réponse unique, mais sur la sélection de la meilleure option parmi plusieurs possibilités raisonnables, en fonction du patient spécifique. L'argumentaire humain réside dans la personnalisation des décisions. Prenons l'exemple de deux hommes de 68 ans diagnostiqués avec un cancer de la prostate à un stade précoce. Tous deux ont les mêmes options : traitement immédiat par chirurgie ou radiation, ou surveillance active. Si l'IA peut présenter les statistiques générales, le médecin apporte une connaissance intime du patient. Pour Marcus, en bonne santé et intolérant à l'incertitude, le traitement actif est préféré car il ne peut supporter l'idée d'attendre une progression du cancer. Pour Tomás, atteint d'insuffisance cardiaque avancée et ayant vu un ami souffrir des effets secondaires de la radiothérapie, la surveillance active est la meilleure option pour éviter des risques immédiats sans bénéfice clair. La gestion médicale repose sur la capacité à naviguer dans le risque et l'incertitude. Alors que des outils de scoring peuvent calculer des probabilités de manière rapide et objective, la réalité clinique implique des facteurs subjectifs. Les systèmes de recommandation visent le patient idéal, qui n'existe pas, tandis que la perception du risque est façonnée par l'expérience individuelle et parfois par une méfiance justifiée envers le système de santé. L'intelligence artificielle ne comprend pas l'histoire de vie du patient ni ses tolérances personnelles face aux compromis de traitement. Ainsi, si l'IA excelle dans la catégorisation des symptômes, la prise de décision thérapeutique nécessite une communication honnête, une prise de décision partagée et une reconnaissance de l'incertitude que seul un médecin humain peut offrir. Le diagnostic est souvent une question de données, mais le traitement reste une conversation humaine fondamentale entre le soignant et le patient.