La prédiction qui a échoué : comment la radiologie a défié l'apocalypse de l'IA

En 2016, Geoffrey Hinton, le lauréat du prix Nobel et le "parrain de l'IA", a lancé un avertissement cinglant qui a fait trembler la communauté médicale. « Les gens devraient arrêter de former des radiologues maintenant », a-t-il déclaré. « C’est tout simplement évident qu’en cinq ans, l’apprentissage profond fera mieux que les radiologues. » La logique semblait solide : l’IA excelle dans la reconnaissance de motifs, et la radiologie consiste fondamentalement à identifier des motifs dans les images médicales. Des étudiants ont changé de spécialité ; les programmes de résidence se sont préparés à l’obsolescence.

Avance rapide jusqu’en janvier 2026, et la réalité ne pourrait pas être plus différente. Au lieu d’un effondrement de la demande, le domaine connaît un boom sans précédent. De nouvelles données révèlent que la Mayo Clinic emploie désormais plus de 400 radiologues — une augmentation de 55 % stupéfiante depuis la sombre prévision de Hinton. Loin de remplacer les médecins, l’intelligence artificielle est devenue le catalyseur d’une expansion massive de leur effectif, un phénomène désormais appelé « l’effet radiologue » (The Radiologist Effect).

Cette tendance contre-intuitive remet en question le récit dominant selon lequel l’automatisation par l’IA conduit inévitablement à des pertes d’emplois. Elle offre plutôt une étude de cas convaincante en théorie économique et en adaptabilité humaine, suggérant que la révolution de l’IA générative (Generative AI) peut créer bien plus de postes qu’elle n’en élimine.

Le paradoxe de Jevons (Jevons Paradox) en action

Pour comprendre pourquoi l’IA a créé des emplois plutôt que de les détruire, il faut se tourner vers l’économie du XIXe siècle. Le phénomène est connu sous le nom de paradoxe de Jevons (Jevons Paradox). Lorsque le progrès technologique augmente l’efficacité avec laquelle une ressource est utilisée, la consommation totale de cette ressource augmente plutôt que de diminuer.

Dans le contexte de l’imagerie médicale, l’IA a considérablement réduit le temps nécessaire pour traiter et analyser les examens. Les algorithmes gèrent désormais la lecture initiale, signalant les anomalies et mesurant la croissance avec une précision pixel par pixel. Dans un jeu à somme nulle, cela signifierait qu’il faut moins d’humains. Mais les soins de santé ne sont pas un jeu à somme nulle.

Les gains d’efficacité ont abaissé le « coût » (en temps et en effort) de l’imagerie diagnostique, la rendant viable pour un éventail beaucoup plus large d’affections. Là où un patient aurait autrefois attendu des semaines pour un examen pour une plainte mineure, les flux de travail accélérés par l’IA permettent un dépistage préventif rapide. Le volume d’examens a explosé, dépassant les gains d’efficacité.

Principaux moteurs du boom des radiologues :

• Dépistage préventif : Des coûts moindres permettent des campagnes de dépistage à l’échelle de la population (par exemple, des IRM corps entier) qui étaient auparavant économiquement impossibles.
• Cas complexes : Avec l’IA prenant en charge les mesures de routine, les radiologues se concentrent sur les maladies complexes touchant plusieurs systèmes et nécessitant un contexte médical approfondi.
• Intervention : Les radiologues réalisent de plus en plus de chirurgies mini-invasives guidées par imagerie, un domaine que l’IA ne peut pas toucher.

Le diagnostic de Jensen Huang : tâche vs emploi

S’exprimant au Forum économique mondial de Davos plus tôt ce mois-ci, le PDG de NVIDIA, Jensen Huang, a abordé ce phénomène exact. Il a soutenu que la peur initiale provenait d’une incompréhension fondamentale de ce qu’est réellement un emploi.

« Le but du travail d’un radiologue n’est pas d’étudier des images, » a expliqué Huang. « Le but est de diagnostiquer des maladies et de traiter des patients. Étudier des images n’est qu’une tâche. »

En déléguant la tâche d’analyse d’images à l’IA, les radiologues ont été libérés pour se concentrer sur le métier de soigner les patients. Ils passent désormais plus de temps à consulter des oncologues, à expliquer les résultats aux patients et à concevoir des plans de traitement. Le rôle est passé d’« analyste d’images » à « intégrateur d’informations ». Ce changement a augmenté la valeur du radiologue pour le système hospitalier, poussant les institutions à en embaucher davantage pour maximiser le débit de patients et la qualité des soins.

Au-delà de l’imagerie : « l’effet radiologue » dans d’autres industries

Les implications de ce changement s’étendent bien au-delà des soins de santé. « L’effet radiologue » commence à apparaître en génie logiciel, dans les services juridiques et dans les industries créatives. Tout comme les radiologues n’ont pas disparu, les développeurs ne sont pas remplacés par des agents de codage ; ils deviennent des « architectes systèmes » qui gèrent des équipes d’agents IA pour développer des logiciels plus rapidement.

Les économistes suggèrent que nous entrons dans une ère d’emplois stimulés par l’abondance. Lorsqu’un service devient moins cher et plus rapide, la demande latente se libère.

• Logiciel : L’IA réduit le coût de l’écriture de code, entraînant une explosion de logiciels personnalisés pour des problèmes de niche auparavant trop coûteux à traiter.
• Droit : L’IA prend en charge la revue documentaire, permettant aux avocats de prendre en charge des litiges plus complexes et de servir des clients qui auparavant ne pouvaient pas se permettre une représentation juridique.

Le tableau ci‑dessous contraste la peur de 2016 avec la réalité de 2026, mettant en évidence la manière dont le marché s’est adapté à l’intégration de l’IA.

L’effet radiologue : mythe vs réalité

Ce que cela signifie pour la main‑d’œuvre future

La leçon tirée des chiffres de la Mayo Clinic est claire : l’IA ne concurrence pas les humains sur les emplois ; elle concurrence sur les tâches. Les professionnels qui adoptent l’IA pour déléguer les tâches routinières voient leur valeur s’envoler alors qu’ils gravissent la chaîne de valeur cognitive.

L’« effet radiologue » sert de modèle d’espoir pour l’ère de l’IA. Il suggère que, bien que certaines tâches seront sans aucun doute automatisées, la demande pour le jugement humain, l’empathie et la résolution de problèmes complexes est élastique. À mesure que l’IA abaisse la barrière d’accès à des services de haute qualité, le monde en consomme davantage, créant un marché du travail dynamique, quoique différent.

Pour l’instant, les étudiants en médecine qui ont ignoré les avertissements de 2016 obtiennent leur diplôme dans l’un des marchés de l’emploi les plus robustes de l’histoire, armés d’outils sur‑intelligents qui font d’eux de meilleurs médecins que n’importe quelle génération précédente.