L'IA diagnosticienne apprend comme un étudiant en médecine avant l'examen. On lui donne une radio et les plaintes du patient. Mais parfois, dans le matériel d'entraînement, se glisse le rapport complet du médecin — la réponse toute faite. Le réseau neuronal la mémorise, et sa précision au test bondit à 98 %. Sauf que c'est de la triche : la vraie compétence ne se développe pas.

Sans indices, la précision à partir des seuls symptômes atteint 75 %. En ajoutant l'image, on passe à 78 %. Mais une fuite de quelques mots du rapport peut doubler les performances, créant un « effet de clairvoyance » — l'IA semble géniale, mais seulement dans les limites de son échantillon d'entraînement. Les modèles honnêtes apprennent à fusionner les données avec souplesse, en écartant les antisèches.