J'ai utilisé Claude Code pour obtenir un second avis sur mon IRM

L'expérience rapportée illustre un usage concret et documenté des LLM dans un contexte médical personnel : soumettre des images IRM brutes à Claude Code (modèle Opus 4.8) pour obtenir une interprétation indépendante d'un diagnostic posé par un médecin.

Le point de départ est une douleur à l'épaule droite ayant conduit à une IRM en clinique. Le diagnostic humain retenu : une déchirure partielle de grade III (supérieure à 50% de largeur) au niveau de l'insertion apicale du tendon subscapulaire. Le traitement proposé et partiellement déjà administré comprenait de la thérapie par ondes de choc et une injection de Traumeel. C'est précisément cette séquence — diagnostic posé, traitement démarré dans la foulée — qui a éveillé la méfiance de l'auteur, l'incitant à solliciter un deuxième regard, non humain cette fois.

La démarche technique mérite d'être précisée. Le fichier source est une exportation DICOM standard de plusieurs centaines de fichiers sans extension, pour un total d'environ 266 Mo. L'auteur a choisi d'utiliser Claude Code plutôt que l'interface de chat Claude.ai, un choix délibéré : Claude Code permet au modèle d'exécuter du code, d'installer des librairies et de traiter des volumes de données significatifs de manière autonome. La différence entre les deux interfaces, souligne-t-il, est considérable même lorsqu'elles s'appuient sur le même modèle sous-jacent. La seule information contextuelle fournie au modèle était "right shoulder pain for 2–3 weeks" — moins que ce qu'avaient reçu les médecins.

Après environ une heure de traitement, Opus 4.8 a produit un rapport détaillé. Le résultat est frappant : là où le radiologue voyait une déchirure partielle de grade III, le modèle concluait à un tendon intact. L'écart n'est pas marginal ; il est fondamental.

Pour tenter de trancher, l'auteur a demandé à Claude de conduire une phase d'arbitrage entre les deux lectures. Cette fois, il a fourni davantage de contexte : le rapport médical humain, ainsi qu'une discussion menée séparément avec GPT-4.5 Pro portant sur les mouvements symptomatiques. L'approche adoptée par le modèle a consisté à déployer plusieurs sous-agents indépendants afin d'éviter les biais liés au contexte accumulé. Au terme d'une nouvelle heure de traitement, la conclusion de l'arbitrage penchait nettement en faveur de la lecture d'Opus : tendinose insertionnelle légère, sans déchirure partielle ou totale identifiable, y compris à l'insertion apicale. Le verdict est qualifié de "confiance modérée à élevée" en faveur de cette interprétation.

Deux éléments parallèles viennent renforcer le scepticisme vis-à-vis du traitement proposé. GPT-4.5 Pro, consulté séparément sur les documents cliniques, avait déjà signalé que la thérapie par ondes de choc est déconseillée par des recommandations cliniques récentes pour les tendinopathies de la coiffe des rotateurs sans calcification — calcification absente dans ce cas selon l'échographie. Il avait également relevé que le Traumeel injecté est enregistré en Allemagne comme médicament homéopathique sans indication thérapeutique démontrée.

Ce que cette expérience met en lumière dépasse le cas individuel. Elle illustre une tension réelle : les LLM multimodaux atteignent un niveau de traitement qui permet d'analyser des données médicales complexes avec une apparente rigueur méthodologique, mais les divergences qu'ils produisent avec les diagnostics humains restent inexpliquées et non arbitrables de manière fiable. L'auteur lui-même le formule clairement : il ne sait pas s'il peut faire confiance à l'IA, mais il ne sait pas non plus s'il peut accorder une confiance totale au diagnostic clinique. Ce cas soulève aussi la question de la granularité des données d'entrée — un modèle recevant moins de contexte qu'un médecin peut-il produire une lecture équivalente ou supérieure ? — et de la reproductibilité : une même analyse soumise deux fois produirait-elle le même résultat ?

La question ouverte reste entière : dans combien de générations de modèles ce type d'usage sera-t-il suffisamment fiable pour informer une décision médicale sans générer davantage d'incertitude qu'il n'en résout ?