Deux spécialistes examinent la même image du sein. L'un est un médecin expérimenté, l'autre un programme d'intelligence artificielle. Parfois leurs avis coïncident, parfois ils divergent. La fréquence à laquelle ils sont d'accord détermine la précision avec laquelle ils distinguent ensemble un tissu sain d'une tumeur.

Dans cette nouvelle étude, les chercheurs ont utilisé un outil mathématique — les copules — pour analyser comment les erreurs de ces deux « rameurs » sont liées dans deux tâches différentes. La première tâche consiste à exclure la maladie : si les deux disent « sain », la patiente repart sans inquiétude inutile. La seconde consiste à confirmer la maladie : si les deux disent « malade », la patiente est orientée vers un traitement. Il s'avère que pour exclure la maladie, il est préférable que le médecin et l'IA soient plus souvent d'accord sur les images présentant une véritable tumeur. En revanche, pour confirmer, il est plus utile que leurs avis divergent sur les images de femmes saines.

Cela a été vérifié sur trois ensembles de mammographies où l'IA aidait les médecins à réduire leur charge de travail ou à améliorer leur précision. Les résultats concordent avec la théorie. La conclusion pratique est simple : en paramétrant un assistant IA, il faut décider à l'avance pour quelle tâche il est destiné — écarter les patientes saines ou repérer les malades. Et adapter le degré de « consonance » avec le médecin en conséquence.