Par /

Imagerie médicale et IA, entre promesses et réalités

Le 18 juin 2026, une annonce fait le tour des médias technologiques. Midjourney, pionnier reconnu de la génération d’images par intelligence artificielle, dévoile une nouvelle division baptisée Midjourney Medical. Le projet ambitionne de créer un scanner corporel présenté comme une alternative à l’IRM classique.

En France, cette actualité reste peu relayée. Elle touche pourtant directement le domaine de l’imagerie médicale, où l’intelligence artificielle occupe une place grandissante et où les algorithmes progressent chaque année un peu plus vite. Entre les annonces spectaculaires et la réalité clinique, il existe souvent un écart qu’il est utile de mesurer. C’est l’objet de cet article.

Midjourney Medical lance « Ultrasonic CT », un appareil qui veut remplacer l’IRM en 60 secondes

Le projet imaginé par Midjourney repose sur une technologie d’échographie corporelle complète, développée avec Butterfly Network, un partenaire spécialiste de l’imagerie par ultrasons sur puce. Le principe est simple : le patient est immergé dans un bassin d’eau, puis balayé par un anneau composé d’environ 500 000 capteurs ultrasonores, capables d’émettre et de recevoir des ondes sonores à haute fréquence. L’objectif final est d’obtenir une image de chaque partie du corps en 60 secondes, là où un examen d’IRM corps entier nécessite généralement entre 60 et 90 minutes.

Pour l’instant, la réalité reste plus modeste que l’ambition affichée. Le prototype actuel demande encore une vingtaine de minutes par scan, et aucune autorisation de la Food and Drug Administration (FDA) n’a été obtenue pour un usage diagnostique. Seule une mesure automatique de la composition corporelle, comme le volume de graisse ou de muscle, est disponible à ce stade. Un premier « Midjourney Spa » doit ouvrir à San Francisco fin 2027, avec un objectif de long terme ambitieux : installer 50 000 scanners dans le monde d’ici 2031, soit plusieurs milliers de nouvelles installations chaque année.

Fait notable, les images présentées à ce stade n’utilisent pas encore d’intelligence artificielle, et aucun algorithme d’apprentissage automatique n’intervient dans l’interprétation des résultats. Un paradoxe qui illustre bien l’écart entre l’annonce et la réalité du déploiement clinique : l’expérience proposée reste, pour l’instant, plus proche du bien-être que du soin médical, et l’utilisateur final n’obtient encore aucun vrai diagnostic.

Où en est vraiment l’intelligence artificielle en imagerie médicale aujourd’hui ?

Loin des effets d’annonce, l’Académie nationale de médecine, a publié en mars 2026 un rapport de référence sur l’apport réel de l’IA en imagerie médicale. Ce travail rappelle que l’intelligence artificielle aide déjà le radiologue dans l’interprétation diagnostique des images, en contribuant à réduire certains risque d’erreurs et d’inattention, tout en améliorant la qualité des images et en aidant à identifier les zones à analyser.

Le rapport insiste toutefois sur des limites structurelles. La performance d’un algorithme dépend directement de la qualité des données utilisées pour l’entraîner, et une application développée pour une population donnée ne fonctionne pas forcément dans un environnement différent. Créer un simple prototype de logiciel reste relativement accessible ; intégrer une application fiable et fonctionnelle dans la pratique quotidienne représente un investissement autrement plus important, qui demande du temps, de la formation et une vraie sécurité des données. L’utilisateur final, souvent un radiologue ou un technicien, doit aussi pouvoir utiliser l’outil facilement, sans formation complexe.

En France, la profession ne s’est pas contentée d’attendre les innovations venues d’ailleurs. Dès 2018, à l’occasion des Journées francophones de radiologie tenues à Paris, le Conseil national de la radiologie a lancé DRIM France IA, un projet fédérant les principales structures de la radiologie française. Sa mission consiste à créer une base de données d’imagerie de qualité à partir des quelque 100 millions d’examens réalisés chaque année en France, sous le contrôle d’un comité scientifique et d’un comité d’éthique. Les entreprises partenaires du projet utilisent ce réseau de données pour développer des solutions d’IA utiles aux radiologues, qu’il s’agisse d’outils de formation, de recherche ou d’aide au diagnostic. Cette initiative illustre une volonté claire de la profession : garder le contrôle sur les usages de l’intelligence artificielle plutôt que de la subir.

Quelles sont les utilisations de l’IA en radiologie ?

Dans la pratique quotidienne, l’intelligence artificielle intervient déjà à plusieurs niveaux du parcours d’imagerie, pour optimiser le travail du radiologue et traiter davantage de cas chaque jour. Elle permet notamment :

  • La détection d’anomalies sur des radiographies, des mammographies ou des scanners cérébraux
  • La mesure automatique de lésions, avant et après un traitement, grâce à des outils de lecture dédiés
  • Le dépistage du cancer du sein, avec des logiciels entraînés à identifier des microcalcifications sur une mammographie
  • L’amélioration de la qualité des images, ce qui facilite le travail des techniciens en structure hospitalière
  • L’aide à la prise en charge en contexte d’urgence, par exemple pour détecter une fracture rapidement

Cette aide à la détection ne remplace jamais l’interprétation finale du médecin : elle vient renforcer son analyse et accélérer chaque diagnostic. Selon le Professeur Pierre-Alexandre Poletti, chef du service de radiologie des Hôpitaux universitaires de Genève, dans une interview donnée au magazine Pulsations, l’intelligence artificielle ne remplace pas le travail du radiologue mais le transforme en profondeur. Elle augmente l’efficience sur les tâches répétitives, ce qui libère du temps pour les échanges entre professionnels de santé et pour l’explication des résultats aux patients dans un langage accessible.

Est-ce que l’IA va remplacer les radiologues ?

C’est la question qui revient le plus souvent, et la réponse fait consensus dans la littérature disponible : non, l’intelligence artificielle ne va pas remplacer le radiologue, mais elle change sa pratique et la relation de soin dans son ensemble.

Le véritable enjeu se situe ailleurs. Des travaux consacrés à l’éthique de l’IA en santé soulignent un risque plus discret que celui du remplacement : celui d’une influence involontaire sur le consentement du patient ou sur la décision du médecin, sans que personne n’en ait clairement conscience. C’est pour répondre à cette question que la Haute Autorité de Santé a intégré, dès 2020, la notion de garantie humaine dans sa grille d’évaluation des dispositifs médicaux intégrant de l’intelligence artificielle. Concrètement, un professionnel de santé reste responsable de la décision finale, quelle que soit la performance affichée par l’algorithme.

Les limites qu’il ne faut pas oublier

Si les algorithmes font parfois des erreurs, l’esprit humain a lui aussi ses limites. C’est ce qu’a mis en lumière une célèbre étude de l’université Harvard : face à des scanners thoraciques, 83 % de radiologues expérimentés n’ont pas remarqué la présence d’un gorille miniature, pourtant 48 fois plus grande qu’un nodule moyen, inséré volontairement sur les images. Ce phénomène de cécité attentionnelle rappelle que la fatigue ou une concentration trop ciblée n’empêche pas un manque d’attention face à une anomalie pourtant évidente une fois révélée.

Mais l’inverse est aussi vrai : la machine a des limites que l’humain n’a pas. Des chercheurs ont ainsi démontré que des pigeons entraînés parvenaient à distinguer des lésions bénignes de lésions malignes sur des échantillons histologiques, et à reconnaître des microcalcifications sur des mammographies, avec une performance approchant celle d’observateurs humains.

Quelle est la leçon à en tirer ? La reconnaissance automatique de motifs visuels (ce que font le pigeon et les algorithmes d’IA) est une compétence automatisable qui peut être apprise indépendamment de tout raisonnement médical. En revanche, la capacité à analyser un résultat dans le contexte clinique complet d’un patient requiert une intelligence clinique qu’une machine ne peut pas encore effectuer. C’est précisément sur ce point que le radiologue reste irremplaçable : l’IA analyse des pixels, le médecin soigne un patient.

La position de CityScan face à ces innovations

Chez CityScan, nous suivons ces évolutions avec la plus grande attention, avec une conviction simple : une innovation n’a de valeur que si elle sert concrètement le patient et la qualité du diagnostic. Notre mission reste inchangée depuis notre création, faciliter l’accès à l’imagerie médicale pour tous, partout où les besoins se font sentir, avec des examens fiables réalisés dans des conditions équivalentes à celles des établissements hospitaliers.

Ainsi, nous restons attentifs aux solutions susceptibles, à terme, d’améliorer la qualité des examens, de faciliter le diagnostic, d’optimiser la prise en charge ou encore de renforcer le travail des radiologues et des manipulateurs. Notre priorité reste inchangée : offrir un service de qualité et consacrer davantage de temps à l’accompagnement des patients ainsi qu’aux échanges avec les professionnels de santé qui nous font confiance au quotidien.

L’exemple de Midjourney Medical rappelle une évidence : l’imagerie médicale ne se résume pas à la performance d’un capteur ou d’un algorithme. Elle repose avant tout sur l’expertise humaine, la rigueur clinique et la confiance construite avec chaque patient, jour après jour. C’est cette conviction qui continue de guider CityScan dans l’intégration des innovations technologiques au service du parcours de soin et de la prise en charge de nos patients.

Sources

Retour en haut