Publiée le 10 mars 2026 dans Nature Health, leur étude* indique qu’une double lecture (avant et après l’IA) diminue significativement le risque que le radiologue soit jugé fautif.
L’intégration de l’intelligence artificielle en radiologie s’accélère, avec des outils capables d’analyser des images médicales et de signaler des anomalies, comme des hémorragies cérébrales sur scanner. Si ces systèmes sont principalement évalués sur leurs performances diagnostiques, leur impact sur les pratiques professionnelles et la responsabilité médicale reste encore peu documenté.
A l’ère de l’interaction radiologues et algorithmes
Dans ce contexte, l’usage concret de l’IA — notamment le moment où elle intervient dans l’interprétation des images — pourrait influencer la manière dont une erreur est jugée. Cette question est d’autant plus centrale que les décisions médicales reposent de plus en plus sur une interaction entre le radiologue et des systèmes algorithmiques.
Des chercheurs du Penn State College of Medicine, de l’université Brown et de Seton Hall ont donc mené une expérience auprès de 282 participants recrutés aux États-Unis, considérés comme des jurés fictifs. Chaque participant devait évaluer un cas hypothétique de faute médicale impliquant un radiologue.
Dans ce scénario, un patient subissait des lésions cérébrales irréversibles après qu’une hémorragie n’a pas été détectée sur un scanner, alors qu’un système d’intelligence artificielle avait correctement signalé l’anomalie.
Deux conditions étaient testées. Dans la première, le radiologue interprétait l’image une seule fois après avoir pris connaissance de l’analyse de l’IA. Dans la seconde, il réalisait une double lecture : une première sans IA, puis une seconde après avoir consulté le résultat de l’IA. Les participants devaient indiquer si le radiologue avait respecté son obligation de diligence (« duty of care »), en répondant par oui ou non.
Les résultats de leur travail ont été publié le 10 mars dans Nature Health
Résultats : une probabilité de mise en cause plus élevée en cas de lecture unique
- 74,7 % des participants jugent le radiologue responsable lorsqu’il interprète le scanner une seule fois après l’avis de l’IA
- 52,9 % le jugent responsable lorsqu’il réalise une double lecture (avant puis après l’IA) ; une différence statistiquement significative, avec un risque multiplié par 2,6) en cas de lecture unique.
Ces résultats suggèrent que la manière d’intégrer l’IA dans le workflow en radiologie pourrait devenir un levier de gestion du risque médico-légal. En pratique, des protocoles de double lecture — avant puis après l’avis de l’IA — pourraient être privilégiés pour sécuriser la prise de décision.
Suivre l’IA pour se protéger…
Les auteurs de l’étude alertent également sur un possible effet de bord : « Les cliniciens pourraient se sentir incités à suivre les recommandations de l’IA afin de réduire leur exposition juridique, même lorsque leur jugement clinique pourrait les conduire à une conclusion différente ». Une telle évolution pourrait générer une augmentation des examens complémentaires, des coûts de santé et de l’anxiété chez les patients.
Menée aux États-Unis, où les jurys populaires jouent un rôle central, cette étude ne reflète certes pas directement le fonctionnement de la justice française, davantage fondée sur l’expertise médicale. Elle met néanmoins en lumière un enjeu appelé à se poser dans tous les systèmes de santé : la place de l’IA dans la définition du standard de soin, et les conditions de son intégration dans les pratiques cliniques.
* The radiologist–AI workflow and the risk of medical malpractice claims.
Bernstein, M.H., Sheppard, B., Bruno, M.A. et al.
Nat. Health (2026). https://doi.org/10.1038/s44360-026-00085-2
https://www.nature.com/articles/s44360-026-00085-2


![Global Average Weekly Cyber Attacks per Organization by Industry, 2025 [% of Change from 2024] - @Check Point](https://healthandtech.fr/wp-content/uploads/2026/03/Capture-decran-2026-03-04-a-17.18.51.png)


