Les travaux de Microsoft AI sur le diagnostic médical ont franchi l'étape de la relecture par les pairs. Un article paru le 22 octobre dans Science présente MAI-DxO, le Diagnostic Orchestrator de l'entreprise, et conclut que, sur des cas rétrospectifs, il trouve le bon diagnostic bien plus souvent que des médecins généralistes. Mustafa Suleyman, directeur général de Microsoft AI, y voit une étape vers ce que le groupe appelle la superintelligence médicale, tout en reconnaissant que l'outil doit encore être validé cliniquement.
MAI-DxO n'est pas un modèle unique. Il orchestre plusieurs agents d'IA qui se comportent comme un petit collège de cliniciens : ils interrogent le patient simulé, choisissent les examens, débattent des hypothèses puis tranchent. L'étude mesure la justesse du diagnostic mais aussi le coût estimé des examens demandés. Microsoft a conçu pour cela son propre banc d'essai, SDBench, à partir de cas publiés dans The New England Journal of Medicine et d'admissions aux urgences issues d'une vaste base du Beth Israel Deaconess Medical Center de Boston ; selon The Verge, l'entreprise compte le publier en open source.
Sur les cas complexes du NEJM, le système a vu juste dans environ 83 % des cas. Des médecins de premier recours et internistes travaillant seuls plafonnaient à 36 % avec des ouvrages de référence, et à 22 % sans. Aux urgences, MAI-DxO atteint 80 %, contre une moyenne d'environ 47 % pour les praticiens, et, d'après Microsoft, avec des examens moins nombreux et moins chers. TechCrunch souligne une limite de taille : des cas aussi ardus relèvent d'ordinaire de spécialistes ou d'équipes, absents de la comparaison.
L'article montre aussi tout ce que le résultat doit au modèle sous-jacent. La configuration publiée reposait sur GPT-5 d'OpenAI, et Microsoft a testé des modèles d'OpenAI, de Google, d'Anthropic, de Meta et de DeepSeek. Selon les chiffres rapportés par TechCrunch, GPT-5 avec une consigne basique atteignait déjà 78,9 % sur les cas complexes pour un coût estimé d'environ 8 400 dollars par cas ; l'orchestrateur a réduit ce coût d'à peu près 3 000 dollars en ajoutant environ quatre points de précision. Avec GPT-5.5, la justesse sur les cas complexes passe de 72 % à près de 87 %, mais le gain est quasi nul aux urgences, où les deux variantes tournent autour de 85 %. Ce sont les modèles les plus faibles qui progressent le plus : Gemini 2.5 Flash grimpe de 46,4 % à près de 69 %.
Prochaine étape : quitter les archives pour les patients. Dans le cadre d'un nouveau partenariat avec le Beth Israel Deaconess, Microsoft lancera une étude prospective où des patients dialogueront directement avec le système, dont les conclusions seront confrontées aux évaluations indépendantes des médecins dans différents services. Suleyman a par ailleurs indiqué à TechCrunch que Microsoft travaille avec la Mayo Clinic sur un modèle de fondation dédié à la santé, attendu l'an prochain.
Pour les cliniciens et les directions d'hôpitaux, l'étude propose une manière structurée d'envisager l'IA comme deuxième avis diagnostique, jugée sur son coût autant que sur sa justesse. Pour les concepteurs d'IA, elle suggère que l'orchestration d'agents apporte un plus sur les problèmes de raisonnement difficiles, même si l'avantage s'amenuise à mesure que les modèles de base progressent.
Plusieurs réserves accompagnent ces chiffres. Tous les auteurs sont salariés de Microsoft, le banc d'essai est maison, les spécialistes sont absents de la comparaison et tous les cas sont historiques. Les modèles de pointe les plus récents ne figurent pas dans l'article. Tant que l'essai prospectif n'aura pas livré ses résultats, les performances cliniques réelles restent à démontrer.