Microsoft met en avant les résultats de MAI-DxO, un système de diagnostic médical fondé sur plusieurs agents d’intelligence artificielle. Selon une étude publiée dans Science, l’outil a correctement traité des cas médicaux complexes simulés plus de deux fois plus souvent que les médecins généralistes et internistes mobilisés dans la comparaison.
Le résultat est présenté par Mustafa Suleyman, directeur général de Microsoft AI, comme une étape vers une « superintelligence médicale ». Cette formulation relève de la vision portée par le dirigeant. Le fait établi par l’étude est plus circonscrit : MAI-DxO a été évalué sur des cas complexes issus du New England Journal of Medicine, et non dans le cadre d’une prise en charge courante de patients.
Un panel d’agents pour raisonner sur un cas
MAI-DxO coordonne plusieurs agents d’IA qui fonctionnent comme un panel de médecins. Ils interrogent le patient dans la simulation, demandent des examens et confrontent leurs hypothèses avant de proposer un diagnostic. Microsoft décrit ainsi un système d’orchestration plutôt qu’un modèle unique répondant à une question isolée.
Sur les cas étudiés, MAI-DxO a atteint un taux de réussite de 83 %. Les médecins de soins primaires et les internistes généralistes ont obtenu 36 %, en travaillant individuellement avec des documents de référence. La comparaison comporte toutefois une limite importante : des situations aussi complexes sont généralement prises en charge par des spécialistes ou par des équipes médicales, qui ne faisaient pas partie de l’évaluation citée.
Le modèle sous-jacent reste déterminant
Le résumé des résultats suggère que l’orchestration de Microsoft n’explique pas à elle seule l’amélioration. Les chercheurs ont testé MAI-DxO avec des modèles provenant notamment d’OpenAI, de Google, d’Anthropic, de Meta et de DeepSeek. Les meilleurs résultats ont été obtenus avec GPT-5 et GPT-5.5.
Avec une consigne courte et basique, GPT-5 a atteint 78,9 % sur les cas complexes, pour un coût estimé à environ 8 400 dollars par cas. L’ajout de DxO a réduit ce coût d’environ 3 000 dollars et augmenté la précision d’environ quatre points. Pour les cas des services d’urgence, l’amélioration de la précision et du coût était en revanche faible entre GPT-5 seul et GPT-5 assisté par DxO.
Les résultats diffèrent avec GPT-5.5. Sur les cas complexes, DxO a fait passer son score de 72 % à près de 87 %, avec un coût légèrement inférieur. Sur les cas d’urgence, les deux configurations ont obtenu environ 85 % à un coût similaire. Avec Gemini 2.5 Flash, le score est passé de 46,4 % seul à près de 69 % avec DxO. D’après les données présentées, l’écart entre les modèles les plus performants et les autres reste cependant supérieur au gain apporté par l’orchestration.
De la simulation à l’évaluation clinique
Microsoft prévoit de confronter MAI-DxO à des situations hospitalières réelles grâce à un partenariat avec Beth Israel Deaconess Medical Center, à Boston. Le protocole annoncé doit comparer les recommandations du système avec celles des médecins, tandis que les patients recevront les soins habituels. Les personnes qui y consentiront interagiront également avec DxO en parallèle.
Cette étape ne constitue pas encore une validation clinique. Elle doit permettre d’évaluer les capacités de raisonnement de l’outil dans différents environnements hospitaliers. Dominic King, vice-président de la santé chez Microsoft AI, a déclaré que la technologie était prête pour des évaluations en conditions réelles. La portée exacte des résultats dépendra donc de cette étude et de ses conditions d’exécution.
Microsoft indique aussi travailler avec Mayo Clinic à l’entraînement d’un modèle de fondation dédié à la santé, dont la sortie est prévue l’année prochaine. Cette annonce est un projet, et non un produit déjà disponible. Suleyman estime par ailleurs que les modèles de santé pourraient progresser fortement au cours des 24 à 36 prochains mois, mais cette projection ne constitue pas un résultat expérimental.
Une ambition plus large pour Microsoft
Microsoft souhaite dépasser les évaluations centrées sur une tâche, comme répondre à une question médicale ou produire un diagnostic. L’entreprise décrit une ambition d’intégration avec les cliniciens et les systèmes de santé, afin d’améliorer la coordination et les résultats sur l’ensemble du parcours de soins. Elle commercialise déjà des outils de dictée et de radiologie destinés aux professionnels de santé, et présente DxO comme une extension de ces activités.
La conséquence concrète, à ce stade, est donc double. Pour Microsoft, l’étude fournit un argument en faveur d’une architecture multiagents associée à des modèles de langage avancés et ouvre la voie à des évaluations hospitalières. Pour les établissements de santé, elle ne remplace pas encore l’expertise médicale : les résultats concernent des simulations, certaines comparaisons excluent les spécialistes et les performances varient selon les modèles et les situations. L’enjeu immédiat sera de déterminer si ces scores peuvent se maintenir dans des soins réels, avec leurs contraintes de coût, de sécurité et de responsabilité.
