Une radiographie analysée sur place, même sans connexion internet : l’IA médicale prend ici une forme très concrète. Dans un bilan publié le 23 octobre, Google Research décrit ses travaux sur le dépistage de la tuberculose, des outils déployés avec des partenaires aux modèles adaptables par les systèmes de santé. L’intérêt de cette démarche se mesure au parcours du patient : repérer une anomalie assez tôt pour organiser les examens nécessaires.
Des radiographies interprétées au plus près des patients
Le cas le plus abouti présenté est celui de Nexus Intelligence, à Pretoria. Son logiciel Nexus AI utilise le modèle d’imagerie thoracique CXR de Google. Il aide les professionnels à repérer des anomalies pulmonaires et des signes compatibles avec une tuberculose, avec une analyse annoncée en seulement 45 secondes dans certaines conditions.
Dans sa présentation du partenaire publiée en juin, Google faisait déjà état de plus de 25 000 radiographies traitées dans une quarantaine de sites de six pays. Ces chiffres décrivent une expérience de terrain ; ils ne constituent pas une mesure indépendante de l’efficacité clinique ni une progression nouvelle depuis juin.
Le fonctionnement hors ligne est particulièrement intéressant. Il permet de traiter l’image là où elle est acquise, sans attendre une liaison vers un serveur distant. Google rapporte notamment l’utilisation d’équipements portables dans la mine sud-africaine de Mponeng, à environ quatre kilomètres sous terre.
L’enjeu dépasse la vitesse du logiciel. Une réponse disponible pendant la consultation peut faciliter l’organisation de la suite du parcours, à condition que les examens de confirmation et les professionnels nécessaires soient accessibles.
Quarante-cinq secondes ne signifient pas un diagnostic confirmé
Le temps annoncé concerne l’analyse de l’image. Il ne résume ni la prise de radiographie, ni l’ensemble des examens, ni le délai avant traitement. Cette distinction évite de transformer un résultat technique en promesse médicale excessive.
L’OMS rappelle qu’un dépistage positif ne confirme pas une tuberculose. Il signale qu’une investigation complémentaire peut être nécessaire. Une radiographie suspecte est donc une étape d’orientation, qui doit déboucher sur une évaluation adaptée.
Pourquoi le dépistage de la tuberculose se prête à l’IA
L’analyse automatisée d’une radiographie vise à estimer si l’image présente des signes évocateurs de la maladie. Le logiciel peut ainsi aider à sélectionner les personnes à examiner davantage. Cette tâche précise offre un cadre d’évaluation plus défini que celui d’un assistant médical généraliste répondant à toutes les questions.
L’OMS recommande depuis 2021 l’utilisation de logiciels de détection assistée par ordinateur pour certains usages de dépistage. Son évaluation publiée en 2025 a identifié six produits répondant à ses critères de performance pour les personnes de 15 ans et plus. Cela ne vaut pas validation automatique de tout logiciel d’IA, ni extension de l’usage aux enfants.
Il faut aussi choisir le seuil qui déclenche une investigation. Un réglage très sensible peut orienter davantage de personnes vers des examens supplémentaires ; un réglage plus restrictif risque de manquer des cas. Le guide de connaissances de l’OMS souligne la nécessité d’intégrer les ressources et les examens de confirmation au dispositif.
Pour un programme de santé, la question devient donc opérationnelle : combien de personnes pourra-t-on réellement examiner après le signalement ? Un outil qui produit des alertes plus vite que le système ne peut les prendre en charge risque de déplacer l’attente plutôt que de la réduire.
MedGemma ouvre une autre voie pour les équipes locales
Le bilan d’octobre évoque également l’Indonésie, où le ministère de la Santé adapte MedGemma et MedSigLIP à des radiographies nationales. Google relie ces travaux à l’ambition de dépister 50 millions de personnes par an. Il s’agit d’un objectif de programme, pas d’un volume de patients déjà examinés grâce à ces modèles.
Ces briques ont des fonctions différentes. MedSigLIP rapproche les images médicales et leurs descriptions textuelles ; il peut servir à classer ou rechercher des images. MedGemma peut produire du texte à partir de données médicales, selon la variante utilisée. Les équipes peuvent adapter ces modèles et les exécuter sur leur propre infrastructure.
Un modèle disponible doit encore devenir un outil clinique
Google précise que MedGemma et MedSigLIP constituent des points de départ pour le développement. Leurs résultats demandent adaptation, validation et vérification ; ils ne sont pas destinés à guider directement les décisions cliniques dans leur état initial. Leur disponibilité ne leur confère donc pas le statut du logiciel Nexus AI déployé avec son partenaire.
Le calcul local peut aider à maîtriser les flux de données. Il laisse cependant aux responsables du dispositif le travail de sécuriser les postes, organiser les accès, suivre les versions et évaluer le comportement du système sur les patients concernés. La souveraineté technique prend de la valeur lorsqu’elle s’accompagne de cette capacité de contrôle.
La preuve décisive se trouvera dans l’accès aux soins
Google présente aussi des recherches sur l’analyse des sons de toux avec HeAR. Cette piste reste à distinguer des outils radiographiques utilisés sur le terrain. L’appel à données lancé par l’OMS en mars 2026 prévoit justement d’évaluer les outils nouveaux et existants en vue d’une mise à jour des recommandations de dépistage.
Le bilan du 23 octobre montre surtout les différentes étapes qui séparent un modèle d’un service de santé utilisable. La rapidité d’analyse est une première mesure. Le nombre de personnes orientées vers un examen de confirmation, les cas manqués, les coûts et l’accès effectif au traitement sont d’autres résultats essentiels à documenter.
Pour juger ces projets, il faudra suivre ce qui arrive après l’alerte affichée sur l’écran. Une IA de dépistage remplit son rôle lorsque la personne identifiée peut poursuivre son parcours de soins, y compris loin d’un centre hospitalier ou d’une connexion fiable.
Références
- Google Research — Bilan sur le dépistage de la tuberculose, 23 octobre 2026.
- Google Africa — Présentation de Nexus Intelligence, 16 juin 2026.
- OMS — Dépistage systématique de la tuberculose : questions et réponses.
- OMS — Politique sur les logiciels de détection assistée par ordinateur, 10 juin 2025.
- OMS — Dépistage et examens de confirmation.
- Google Research — MedGemma et MedSigLIP : capacités et limites, 9 juillet 2025.
- OMS — Appel à données pour l’actualisation des recommandations, 17 mars 2026.
