L'ESSENTIEL EN 30 SECONDES

  • Neuf modèles très utilisés sortis en 2026, que Doximity ne nomme pas, ont répondu à plus de 8 000 questions de posologie portant sur 2 204 médicaments.
  • Au moins 2,3 % des doses étaient fausses ; 43,8 % des erreurs détectées ont été jugées graves et 3,4 % potentiellement mortelles, les médicaments récents étant bien plus exposés.
  • Ces résultats proviennent de recherches internes de Doximity et n'ont pas été vérifiés de façon indépendante ; on ignore s'ils ont été évalués par des pairs.

Doximity, réseau professionnel américain destiné aux médecins qui propose aussi un assistant d'IA aux soignants, a publié le 29 octobre des travaux indiquant que les modèles de langage généralistes commettent un nombre non négligeable d'erreurs lorsqu'on les interroge sur des doses de médicaments. L'entreprise a lancé en même temps un outil de vérification.

Ce qui a été testé

D'après Doximity, neuf modèles de langage largement utilisés, tous sortis en 2026, ont reçu plus de 8 000 questions de posologie inspirées de demandes réelles de médecins, couvrant 2 204 médicaments et 261 508 dosages. L'entreprise ne précise pas de quels modèles il s'agit.

Les modèles se sont trompés sur au moins 2,3 % des doses, un chiffre que Doximity présente comme une estimation basse. Selon une première échelle de gravité, près de 20 réponses sur 1 000 contenaient une erreur de dosage grave ; une seconde échelle situe à environ 30,5 pour 1 000 les réponses comportant une erreur ayant causé un dommage ou nécessité une intervention. Parmi l'ensemble des erreurs détectées, 43,8 % ont été classées graves et 3,4 % potentiellement mortelles.

Les défaillances les plus fréquentes : ne pas ajuster la dose aux caractéristiques du patient, comme l'âge, le poids, la fonction rénale ou hépatique et les interactions médicamenteuses, même quand ces informations figuraient dans la question, et des confusions d'unités ou de décimales. Les médicaments autorisés en 2024 ou après présentaient environ cinq fois plus de risques d'erreur, ce que Doximity relie au manque de données d'usage réel.

L'outil

Doximity lance aussi DoseCheck, une couche gratuite intégrée à son assistant Doximity Ask. L'outil extrait chaque dose citée dans une réponse d'IA et la compare à la base de données structurée de l'entreprise, construite notamment à partir des notices de la FDA, sans recourir à un autre modèle de langage. Les doses vérifiées reçoivent un badge renvoyant à leur source. Doximity précise que l'outil ne remplace pas le jugement clinique et ne couvre pas encore les schémas les plus complexes.

Réserves

Ces travaux émanent d'une entreprise qui vend un produit d'IA clinique concurrent, et Healthcare Dive note qu'on ignore s'ils ont été publiés dans une revue ou en prépublication. Les études divergent par ailleurs sur la supériorité des outils cliniques spécialisés face aux modèles généralistes. Les types d'erreurs décrits, en particulier sur l'adaptation au patient, signalent néanmoins un risque concret, alors que médecins et patients interrogent de plus en plus les assistants conversationnels sur leurs traitements.