IA au cabinet dentaire : quand l’algorithme se trompe, qui porte le risque clinique ?
Une IA peut signaler une lésion sur une radiographie, suggérer une orientation diagnostique ou générer un compte rendu en quelques secondes. Mais que se passe-t-il lorsqu’elle se trompe ? Une publication des enseignants-chercheurs de la Faculté d’odontologie de Tours remet au premier plan une question importante pour les cabinets : jusqu’où peut-on s’appuyer sur l’IA sans lui abandonner une part du jugement clinique qui reste celle du praticien ?
Une radiographie panoramique est analysée par un logiciel. L’algorithme ne signale rien d’anormal. Le chirurgien-dentiste, conforté par cette lecture, ne relève pas non plus une image qui aurait mérité des investigations complémentaires. Quelques mois plus tard, la lésion est diagnostiquée.
Dans cette situation, l’IA a-t-elle commis une erreur ? Le praticien aurait-il dû la détecter ? Et surtout : qui porte le risque lorsque la décision clinique a été influencée par un algorithme ?
C’est précisément le type de question soulevé par les Pr Frédéric Denis, doyen de la Faculté d’odontologie de Tours et chef du service de médecine et de chirurgie bucco-dentaire du CHU de Tours, et Gaël Rochefort, assesseur à la recherche de la faculté et du CHU. Leur analyse, publiée par La Prévention Médicale puis mise en avant le 9 septembre 2026 par la Faculté d’odontologie de Tours, porte sur l’intégration de l’intelligence artificielle sous l’angle de la sécurité des soins et de la gestion des risques.
Le sujet répond directement à la ligne éditoriale DentaireS : parler au chirurgien-dentiste comme à un professionnel qui doit arbitrer entre possibilités technologiques, risques et responsabilités, plutôt que lui réexpliquer son métier.
Une aide au diagnostic ne devient pas le diagnostic
Les applications possibles sont déjà nombreuses : analyse d’imagerie, dépistage de lésions carieuses ou périapicales, évaluation de la perte osseuse, priorisation de patients, aide à la décision… Les auteurs de Tours prennent notamment l’exemple d’un praticien qui souhaiterait associer téléconsultation et analyse automatisée des panoramiques dans le suivi de résidents d’EHPAD.
Mais leur point de vigilance est net. Un résultat algorithmique ne doit pas être confondu avec une décision clinique. Ils rappellent que la détection automatisée d'une anomalie radiographique ne peut remplacer ni l’examen clinique, ni l’interrogatoire, ni l’interprétation du chirurgien-dentiste.
Cette distinction devient essentielle à mesure que l’outil paraît performant.
Le risque n’est en effet pas seulement qu’une IA produise un résultat faux. Il est aussi que le praticien accorde trop de poids à un résultat parce qu’il provient d’un système présenté comme performant. Un faux négatif peut conduire à ne pas approfondir une anomalie. Un faux positif peut, à l’inverse, pousser vers des examens ou des soins qui n’auraient pas été retenus après la seule analyse clinique.
L’enjeu n’est donc plus seulement de savoir si l’algorithme est « bon ». Il faut savoir dans quelles situations il l’est, avec quelles limites et ce que le praticien fait lorsque son propre jugement diverge de sa proposition.
Une IA performante sur une population peut l’être moins sur une autre
L’analyse des chercheurs de Tours pointe un autre risque moins visible : celui des données ayant servi à construire l’algorithme.
Un logiciel d’analyse radiographique principalement entraîné sur des images d’adultes jeunes pourrait, par exemple, être moins performant chez des personnes âgées dépendantes. Restaurations prothétiques fréquentes, modifications anatomiques liées à l’âge ou qualité différente des clichés peuvent modifier les conditions dans lesquelles le modèle travaille. Un système développé dans un environnement hospitalo-universitaire peut également produire des résultats moins pertinents lorsqu’il est utilisé dans un contexte clinique différent.
Et la performance n'est pas nécessairement figée. Les auteurs évoquent la possibilité d'une « dérive algorithmique » : un modèle initialement pertinent peut devenir moins fiable lorsque la population, les données ou les pratiques évoluent. D'où la nécessité, selon eux, d'évaluer et de surveiller les systèmes dans la durée. Pour le cabinet, cela déplace la question. Il ne suffit pas qu’un éditeur annonce un taux de performance élevé. Encore faut-il savoir sur quelles données cette performance a été obtenue et si les conditions réelles d’utilisation correspondent à celles dans lesquelles le système a été évalué.
La décision clinique reste celle du chirurgien-dentiste
En droit français, le cadre professionnel existant fournit déjà quelques repères importants, même s’il n’a pas été écrit spécifiquement pour l’intelligence artificielle.
Le Code de la santé publique inclut le diagnostic et le traitement dans la pratique de l’art dentaire. Le code de déontologie impose par ailleurs au chirurgien-dentiste qui prend en charge un patient de lui assurer des soins éclairés et conformes aux données acquises de la science. Il lui interdit également d’exercer dans des conditions susceptibles de compromettre la qualité des soins ou la sécurité des patients. Autrement dit, l’utilisation d’un logiciel ne fait pas disparaître les obligations professionnelles du praticien.
Cela ne signifie pas pour autant que toute défaillance d’un système d’IA pourrait automatiquement lui être imputée. La question de la responsabilité peut aussi concerner le fabricant, l’éditeur ou l’organisation ayant déployé le système, selon l’origine du dommage et le statut de l’outil. Le cadre européen évolue lui-même avec l’AI Act, qui prévoit notamment des exigences renforcées pour certains systèmes d’IA considérés à haut risque, en particulier lorsqu'ils constituent un composant de sécurité d'un produit dont la défaillance pourrait mettre en danger la santé. Mais au fauteuil, une frontière reste particulièrement importante : une recommandation produite par une IA ne doit pas devenir automatiquement une décision thérapeutique.
Du compte rendu à ChatGPT : toutes les IA ne présentent pas le même risque
Le risque change aussi selon l’usage.
Utiliser un outil pour reformuler un courrier administratif n’engage pas les mêmes conséquences que lui demander d’interpréter une radiographie ou d’orienter un plan de traitement. Entre les deux se trouvent de nombreux usages : rédaction d’un compte rendu clinique, synthèse du dossier d’un patient, préparation d’un courrier au correspondant, recherche d’informations ou génération d’hypothèses diagnostiques.
Plus l’IA intervient près d’une décision susceptible de modifier la prise en charge, plus la vérification humaine devient déterminante.
Les IA génératives ajoutent une difficulté particulière : elles peuvent produire un texte cohérent et convaincant tout en introduisant une information inexacte. Une erreur dans un compte rendu généré automatiquement peut ainsi se retrouver dans le dossier, puis être reprise lors d'une consultation ultérieure si personne ne l'a identifiée.
À cela s’ajoute la question des données utilisées. Une radiographie, une photographie clinique ou un dossier patient contiennent des données de santé particulièrement protégées. La CNIL rappelle que les exigences applicables aux traitements de données de santé concernent aussi les professionnels libéraux et a publié en mars 2026 des recommandations spécifiques au développement et à l’évaluation des systèmes d’IA en santé.
Copier les données identifiantes d’un patient dans un outil grand public sans avoir vérifié les conditions de traitement, d’hébergement et de réutilisation de ces informations ne relève donc pas d’un simple choix pratique.
La bonne question n’est peut-être plus « puis-je utiliser l’IA ? »
Pour les auteurs de Tours, l’intégration de l’IA suppose une véritable gestion des risques : identifier les dangers, évaluer leur impact, mettre en place des mesures de prévention et suivre les incidents ou événements indésirables. Ils insistent également sur la formation des professionnels et sur leur capacité à comprendre les limites des outils utilisés.
Pour un cabinet, cette logique conduit à des questions beaucoup plus opérationnelles : quelle tâche confie-t-on réellement au logiciel ? Sur quelles informations fonde-t-il son résultat ? Dans quelles situations faut-il reprendre entièrement son analyse ? Qui vérifie un texte généré avant qu’il entre dans le dossier patient ? Et que conserve-t-on comme trace lorsque l’IA intervient dans le processus de décision ?
Le changement est peut-être là. Tant que l’intelligence artificielle restait périphérique, son utilisation pouvait être considérée essentiellement comme une question d’équipement ou de productivité. Lorsqu’elle commence à intervenir dans l’interprétation d’une image, la formulation d’un diagnostic ou la préparation d’une décision thérapeutique, elle devient aussi un sujet de sécurité des soins et de responsabilité professionnelle.
Et la performance de l’algorithme ne suffit plus à répondre à la question la plus importante : que fait le praticien lorsqu’il a tort ?
22/09/2026
Par Audrey Sberro, Directrice de la rédaction DentaireS.
