OpenAI o3 aide des médecins à résoudre 18 cas de maladies rares

Une étude publiée le 18 juin 2026 dans NEJM AI apporte un signal plus intéressant que le slogan attendu sur “l’IA médecin”. Des chercheurs du Boston Children’s Hospital, de Harvard et d’OpenAI ont utilisé le modèle de raisonnement OpenAI o3 Deep Research pour réexaminer 376 cas de maladies rares restés sans réponse après des analyses génétiques et cliniques spécialisées. Après revue humaine, tests complémentaires et confirmation clinique, 18 diagnostics ont été établis, soit un gain additionnel de 4,8 %.

Le chiffre peut sembler modeste. Il est pourtant significatif dans ce contexte précis : ces dossiers n’étaient pas des cas jamais explorés, mais des situations déjà passées par des pipelines et des équipes expertes. L’enjeu n’est donc pas de remplacer le médecin par un chatbot. Il est de rendre plus scalable une tâche lente, ingrate et cruciale : relire régulièrement d’anciens génomes à la lumière de publications, bases de variants et associations gène-maladie qui évoluent sans cesse.

Le fait nouveau : 18 diagnostics confirmés, pas 18 réponses automatiques

Selon OpenAI, le workflow a été appliqué à quatre cohortes : 100 cas neurodéveloppementaux, 61 cas de maladies neuromusculaires rares, 200 cas de mort subite pédiatrique inexpliquée et 15 cas de psychose précoce. Les diagnostics confirmés se répartissent ainsi : 10 dans la cohorte neurodéveloppementale, 4 dans les maladies neuromusculaires, 2 dans les morts subites pédiatriques et 2 dans la psychose précoce.

La méthode est importante. Le modèle n’a pas reçu pour mission de rendre un verdict médical. Il a analysé des informations désidentifiées, combinant phénotypes standardisés, notes cliniques quand elles étaient disponibles, données familiales et tableau filtré de variants. Sa sortie attendue était une hypothèse moléculaire argumentée : quel variant, quel mode de transmission, quelle cohérence biologique, quelles preuves dans la littérature.

Ensuite, le travail redevenait entièrement clinique. Les chercheurs ont évalué les propositions avec le cadre ACMG/AMP utilisé pour classifier les variants génétiques. Un diagnostic n’était comptabilisé qu’après revue par des spécialistes, tests additionnels, confirmation par un laboratoire certifié CLIA et retour du résultat à la famille par l’équipe médicale. Cette chaîne de validation est la différence entre un outil de priorisation et une promesse dangereuse de diagnostic automatique.

Pourquoi cette étude compte maintenant

Les maladies rares illustrent un problème que l’IA généraliste peut parfois attaquer mieux qu’un simple algorithme de classement : la connaissance change plus vite que les dossiers ne sont relus. Un enfant peut avoir été séquencé avant qu’un gène pertinent ne soit associé à une pathologie. Un variant peut être reclassé plus tard. Une publication isolée peut fournir l’indice manquant. Et les données utiles sont souvent dispersées entre notes cliniques, bases de variants, phénotypes codés et littérature scientifique.

C’est précisément là que l’approche devient intéressante. Le modèle n’est pas seulement utilisé comme moteur de recherche. Il sert de couche de synthèse explicative, capable de relier des éléments hétérogènes et de produire une justification vérifiable par un expert. Dans un domaine où le goulot d’étranglement est souvent le temps humain disponible, cette capacité peut aider à rouvrir des dossiers qui resteraient autrement dans une file d’attente invisible.

OpenAI insiste sur un point que les reprises rapides risquent de gommer : o3 Deep Research n’a pas “diagnostiqué” les patients. Il a généré des pistes. C’est moins spectaculaire, mais beaucoup plus crédible. En médecine, la valeur d’un système d’IA ne se mesure pas seulement à sa capacité à trouver une réponse plausible ; elle dépend aussi de la traçabilité, du taux de faux positifs, de la charge imposée aux cliniciens, de la confidentialité des données et de la capacité à reproduire les résultats.

Un résultat utile, mais encore incomplet

L’étude elle-même fixe plusieurs limites. Elle est rétrospective, les cohortes sont hétérogènes et les évaluateurs n’étaient pas aveugles aux scores de confiance du modèle. Les chercheurs n’ont pas mesuré le temps économisé, le coût, la charge de faux positifs, l’impact sur la prise en charge ni la comparaison directe avec un processus standard en conditions prospectives. Autrement dit, elle montre un potentiel sérieux, mais pas encore un produit clinique prêt à être généralisé.

Le rendement varie aussi beaucoup selon les cohortes. Les 2 diagnostics sur 15 cas de psychose précoce donnent un pourcentage élevé, mais l’échantillon est trop petit pour en tirer une conclusion robuste. Les 2 diagnostics sur 200 cas de mort subite pédiatrique montrent au contraire que certaines cohortes restent particulièrement difficiles, même avec une couche de raisonnement supplémentaire.

Pour l’Europe, la lecture doit être encore plus prudente. Un logiciel d’IA utilisé à des fins médicales peut entrer dans le champ des systèmes à haut risque du règlement européen sur l’IA, avec des exigences de supervision humaine, de gestion des risques, de qualité des données et d’information des utilisateurs. Une expérimentation de recherche désidentifiée n’a donc pas le même statut qu’un outil déployé dans un hôpital français ou européen.

Ce que cela révèle de la stratégie d’OpenAI

Cette publication s’inscrit dans un mouvement plus large d’OpenAI vers les sciences de la vie et les usages professionnels encadrés. La société met en avant Boston Children’s comme un cas d’usage d’IA intégrée à l’infrastructure hospitalière, avec des gains opérationnels et plus de 40 diagnostics rares jusque-là non résolus à l’échelle de ses travaux. Elle cite aussi GPT-Rosalind, un modèle spécialisé pour la recherche en biologie et découverte scientifique, comme une étape distincte qui n’a pas été évaluée dans cette étude.

Le message stratégique est clair : l’IA médicale la plus crédible à court terme ne ressemble pas à un assistant grand public qui répond à tout. Elle ressemble plutôt à un copilote spécialisé, auditable, branché sur des données contrôlées, et utilisé par des équipes qui savent déjà interpréter les résultats. C’est moins vendeur qu’une application miracle, mais c’est le format qui a le plus de chances de franchir les contraintes réelles de la médecine.

La vraie avancée : une relecture génomique plus systématique

Le résultat le plus fort de cette étude n’est pas “18 diagnostics”. C’est la démonstration qu’un modèle de raisonnement peut aider à transformer la relecture de dossiers génomiques en processus plus systématique. Dans les maladies rares, les familles attendent parfois des années parce que l’information utile n’existait pas encore, ou parce qu’elle était trop dispersée pour être repérée à temps.

Si des études prospectives multicentriques confirment le gain, l’impact pourrait être concret : moins de dossiers oubliés, une priorisation plus efficace pour les généticiens, et peut-être une meilleure équité d’accès à la relecture des cas complexes. Mais le seuil de preuve reste élevé. Il faudra démontrer que ces systèmes améliorent réellement la pratique clinique, sans déplacer la charge vers des équipes déjà saturées ni créer une nouvelle dépendance à des modèles opaques.

La bonne lecture est donc double. Oui, l’étude donne un exemple solide d’IA utile dans un domaine médical difficile. Non, elle ne valide pas l’idée qu’un modèle généraliste puisse poser un diagnostic à la place d’un médecin. La vraie avancée est plus subtile : faire remonter, au bon moment, une hypothèse assez argumentée pour mériter l’attention d’un spécialiste.

Sources principales

• OpenAI, présentation de l’étude sur les maladies rares
• NEJM AI, étude publiée le 18 juin 2026
• Becker’s Hospital Review, synthèse des résultats par cohorte
• Commission européenne, IA et santé

Crédit image : OpenAI, visuel officiel issu des Design Guidelines de l’entreprise.