Les radiologues se font berner par l’IA : les médecins se font avoir à 59 % par des deepfakes de radiographies

Les deepfakes ne se limitent plus aux vidéos virales : ils envahissent désormais les salles de radiologie. Des clichés thoraciques ou osseux fabriqués par des modèles comme ChatGPT-4o paraissent si authentiques qu’ils bernent les spécialistes habitués à traquer les moindres détails anatomiques. Cette avancée technologique, à double tranchant, soulève des questions cruciales sur la confiance accordée aux images numériques en santé.

Images synthétiques indétectables même pour les experts

Une enquête menée auprès de 17 radiologues issus de six pays différents met en lumière la difficulté à différencier les vraies radiographies des versions artificielles. Sans indice préalable, seuls 41 % d’entre eux ont repéré spontanément les contrefaçons issues de GPT-4o, sur un lot mêlant 77 images réelles et autant de synthétiques. Une fois alertés sur la présence de faux, leur précision moyenne grimpe à 75 %, avec des écarts notables selon l’expérience : de 58 à 92 % pour les productions GPT-4o, et 62 à 78 % face à celles d’un modèle spécialisé comme RoentGen.

Les modèles d’IA multimodaux ne font pas mieux. GPT-4o identifie 85 % de ses propres créations, GPT-5 en repère 83 %, tandis que Gemini 2.5 Pro et Llama 4 Maverick plafonnent à 56-59 %. Ces résultats, publiés en mars 2026 par la Radiological Society of North America, soulignent un réalisme bluffant, renforcé par des structures anatomiques cohérentes. En parallèle, 81 % des services de radiologie intègrent déjà l’IA pour des tâches comme la détection d’AVC, signe d’une adoption massive malgré les pièges.

Menaces réelles : fraude, litiges et intrusions numériques

Les enjeux dépassent le laboratoire. Un faux scanner pourrait gonfler une déclaration d’assurance pour une fracture fictive, fausser un procès médical ou aggraver un dossier patient inexistant. Pire, des cybercriminels pourraient infiltrer les réseaux hospitaliers pour y insérer ces illusions, altérant diagnostics et archives – un scénario qualifié de risque cybersécurité majeur par les chercheurs.

Le marché de l’IA en radiologie, évalué à près d’un milliard de dollars en 2026, accélère ces vulnérabilités alors que 74 % des hôpitaux américains déploient des outils diagnostiques automatisés. Pour les geeks tech, cela rappelle les deepfakes en gaming ou cinéma : quand l’œil humain et les algos flanchent, la chaîne de confiance numérique vacille. Les hôpitaux deviennent des cibles prioritaires, avec des perturbations potentielles sur les flux critiques de soins.

Outils et vigilance : la course à la protection s’accélère

Face à ces défis, des pistes émergent. Les faux trahissent souvent une symétrie excessive, des os anormalement lisses, un bruit uniforme ou des textures mousses suspectes – des indices appelant à une formation dédiée. Un dataset public, issu de l’étude, permet déjà d’entraîner les pros. Côté tech, le développement d’outils de détection spécialisés s’impose, alors que l’emploi des radiologues croît de 9 % d’ici 2034 malgré l’automatisation.

Les avancées en IA pour l’imagerie, comme une détection accrue de cancers de 17,6 %, montrent le potentiel positif, mais exigent des garde-fous robustes. L’urgence : protocoles d’authentification renforcés et collaboration entre humains et machines pour préserver l’intégrité des soins.

L’IA révolutionne la médecine, mais ces deepfakes rappellent que la vigilance reste irremplaçable. Les pros de la santé, comme les passionnés de tech, doivent anticiper pour que l’innovation serve sans trahir.