Le 22 juillet 2026, Cochrane a publié une tribune signée par sa directrice générale, Karla Soares-Weiser. Son argument tient en une phrase : produire des preuves fiables ne suffit plus, il faut désormais préserver la confiance qui rend ces preuves utiles.
Le contexte est simple. Les questions de santé ne passent plus seulement par un professionnel ou une recherche en ligne. Elles passent de plus en plus par un assistant conversationnel, qui répond vite, en langage naturel, sans toujours rendre explicite, exhaustif ou reproductible le processus de sélection des sources.
Pour vous qui produisez ou consommez de la littérature scientifique, l’enjeu n’est pas anecdotique : il touche à l’attribution, au niveau de certitude et à la traçabilité de la preuve.
Ce que dit Cochrane, et ce que cela change
Cochrane ne conteste pas l’utilité des assistants d’IA. L’organisation reconnaît qu’ils rendent l’information plus accessible, notamment pour les non-anglophones.
Le problème identifié porte sur la chaîne de transmission de la preuve. Cochrane pointe quatre mécanismes :
- une récupération non systématique des sources : une information fiable peut être écrasée par une information erronée ;
- des références hallucinées : articles inexistants, DOI fabriqués, revues fictives ;
- une amplification des biais présents dans les données d’entraînement, avec un effet de boucle lorsque les utilisateurs les internalisent ;
- une assurance excessive dans la formulation, qui rend les erreurs difficiles à détecter.
Cochrane ajoute un signal plus discret, mais structurant pour l’écosystème : des dizaines de milliers de personnes accèdent désormais aux résumés en langage clair de l’organisation via des plateformes assistées par IA, sans cliquer vers la source originale. La preuve circule, mais elle se détache de son contexte méthodologique.
Ce qu’une revue systématique fait, et qu’une réponse générée ne fait pas
La tribune rappelle un point souvent oublié dans le débat : la valeur d’une synthèse de preuves ne tient pas qu’à sa conclusion.
Une revue systématique rapporte ses incertitudes. Elle indique le degré de confiance que vous pouvez accorder à chaque résultat. Cochrane s’appuie pour cela sur une évaluation formelle de la certitude des preuves. Elle ne présente pas un résultat comme définitif lorsqu’il ne l’est pas.
Elle documente aussi ce qui n’est pas su : études en cours, lacunes de la littérature, zones où la recherche manque. Là où un texte généré tend à combler le vide, une synthèse rigoureuse le nomme.
C’est cette information de second niveau : la certitude, l’absence, le périmètre qui se perd le plus facilement au passage par un intermédiaire algorithmique.
LIRE AUSSI : Données trafiquées : 5 contrôles essentiels pour vos agents IA
Les chiffres qui cadrent le débat
L’usage est massif. Une analyse publiée dans Nature Health a porté sur plus de 500 000 conversations de santé anonymisées avec Microsoft Copilot en janvier 2026. Près d’une conversation sur cinq relève d’une évaluation de symptômes personnels ou de la discussion d’une pathologie.
La qualité des réponses reste inégale. Un audit publié dans BMJ Open en avril 2026 a évalué 250 réponses générées par cinq assistants grand public sur des thèmes particulièrement exposés à la désinformation. Près de la moitié des réponses (49,6 %) ont été jugées problématiques, dont 19,6 % hautement problématiques. La complétude médiane des références s’établit à 40 %, et aucun modèle n’a produit une liste de références entièrement exacte. Détail révélateur : sur 250 questions, seuls deux refus de répondre ont été enregistrés (0,8 %).
Deux caractéristiques expliquaient le plus souvent le déclassement d’une réponse : la non-conformité au consensus scientifique, et un langage nuancé instaurant une fausse symétrie entre données scientifiques et affirmations non scientifiques. Ce second mécanisme est le plus insidieux : la prudence apparente du texte y produit l’effet inverse de la rigueur.
La confiance, elle, reste réservée. Dans une enquête britannique portant sur la recherche d’informations en ligne (et non spécifiquement sur la santé) 31 % des répondants déclaraient faire confiance aux informations fournies par les assistants d’IA, contre 77 % pour les moteurs de recherche. Ce niveau atteignait 49 % chez les utilisateurs réguliers.
LIRE AUSSI : Fausses citations scientifiques : 4 046 cas détectés
Le vrai angle mort : la performance en interaction humain–modèle
C’est probablement la donnée la plus utile pour votre pratique, et elle ne figure pas dans la tribune de Cochrane.
Une étude randomisée, dont le protocole portant sur les participants humains avait été préenregistré, a été publiée dans Nature Medicine (Bean et al., février 2026). Elle a suivi 1 298 participants britanniques répartis sur dix vignettes cliniques.
Testés seuls, les modèles identifiaient correctement les pathologies pertinentes dans 94,9 % des cas et la bonne orientation dans 56,3 %. Les participants assistés par ces mêmes modèles identifiaient les pathologies pertinentes dans moins de 34,5 % des cas et la bonne orientation dans moins de 44,2 % sans faire mieux que le groupe contrôle.
Autrement dit : la performance d’un modèle isolé ne prédit pas la performance du binôme humain-modèle. L’écart se joue dans l’interaction, pas dans le score de référence.
Par analogie, ce résultat invite à ne pas confondre la performance d’un modèle sur une tâche isolée avec la fiabilité d’un processus complet de veille scientifique. Il plaide pour des procédures traçables et contrôlées, même s’il ne compare pas directement différents dispositifs de recherche bibliographique.
Les limites à garder en tête
La rigueur impose de nuancer, y compris quand les conclusions vont dans le sens attendu.
- Il s’agit d’une tribune institutionnelle, pas d’une nouvelle recommandation méthodologique. Cochrane y défend une mission, ce qui est légitime mais n’a pas le statut d’une preuve.
- L’étude sur les vignettes cliniques ne porte pas sur de vrais patients. Les participants, recrutés en ligne, réagissaient à des scénarios contrôlés. Les auteurs indiquent eux-mêmes que ce dispositif ne reproduit ni l’urgence, ni le stress, ni la complexité d’une situation vécue. Les données ont par ailleurs été recueillies entre août et octobre 2024, avec GPT-4o, Llama 3 et Command R+ : l’étude est publiée en 2026, mais ne teste pas les modèles disponibles en 2026. Enfin, les expérimentations évaluant les modèles seuls ont été ajoutées après le préenregistrement.
- L’audit BMJ Open repose sur un protocole quasi-adversarial, conçu pour mettre les modèles en difficulté sur des thèmes particulièrement exposés à la désinformation. Les auteurs reconnaissent que cette approche peut surestimer la prévalence des réponses problématiques. Les interfaces grand public testées l’ont été en février 2025 et ne correspondent plus à l’état actuel des modèles.
- L’étude Nature Health porte exclusivement sur Microsoft Copilot et tous ses auteurs sont employés par Microsoft, qui développe et exploite la plateforme. Elle décrit les usages, mais n’évalue ni la qualité des réponses ni leurs conséquences sur les décisions de santé : elle observe les requêtes, pas les réponses obtenues.
- Le chiffre parfois relayé d’un langage « 34 % plus assuré » lors des hallucinations mérite prudence : la chaîne de citation renvoie à un agrégateur secondaire, non à une publication primaire vérifiable. Nous ne le reprenons pas.
Ce que les données permettent d’affirmer est plus circonscrit, mais solide. Dans les conditions étudiées, les assistants testés ont produit de nombreuses réponses formulées avec assurance mais insuffisamment référencées. Dans l’étude sur vignettes cliniques, l’utilisation des trois modèles évalués n’a pas amélioré les décisions des participants par rapport à leurs méthodes habituelles.
Une limite structurelle rarement évoquée
Un point mérite l’attention des équipes R&D et des responsables d’état de l’art.
Les auteurs de l’audit BMJ Open rappellent que, lorsque du contenu scientifique figure dans les données d’entraînement, il se limite généralement aux articles en accès libre ou publiquement disponibles soit une estimation de 30 à 50 % de la littérature mondiale, selon un travail qu’ils citent.
Ce chiffre est une estimation générale, pas une mesure du corpus d’un modèle donné. Mais il pose une question de fond : un système qui n’a jamais vu la moitié de la littérature ne peut pas signaler ce qui lui manque. L’exhaustivité affichée n’est jamais auditable de l’extérieur.
Autre observation concrète du même audit : l’ensemble des réponses évaluées se situaient dans la catégorie de lisibilité « difficile », équivalente à un niveau universitaire. Un point à retenir si vous envisagez ce type de contenu pour de l’information patient.
Ce que vous pouvez mettre en place
Quelques points de vigilance directement applicables à votre veille bibliographique :
- Exigez la source primaire, pas le résumé du résumé. Un DOI ou un PMID vérifiable, pas une paraphrase.
- Traitez toute référence générée comme non vérifiée jusqu’à contrôle effectif dans une base indexée.
- Vérifiez le niveau de certitude, pas seulement la conclusion. Une synthèse rigoureuse dit ce qu’elle ne sait pas.
- Méfiez-vous de la fausse symétrie. Une formulation équilibrée n’est pas neutre si elle place à parité une donnée robuste et une affirmation non étayée.
- Consignez aussi les sources écartées et les motifs d’exclusion lorsque la recherche se veut systématique.
- Documentez le processus : requête, périmètre, critères, date. Sans cela, votre état de l’art n’est pas rejouable.
En synthèse
La question n’est plus « faut-il utiliser l’IA ? ».
Elle est devenue : comment préserver le sens, l’attribution et le niveau d’incertitude d’une preuve lorsqu’un intermédiaire algorithmique la résume ?
L’IA accélère la collecte et la structuration du flux scientifique mondial. Elle ne valide pas. C’est cette frontière que la tribune de Cochrane vient rappeler.
Le point de vue docmeup
C’est précisément la logique de notre modèle hybride. L’IA absorbe le volume, collecte multi-sources (PubMed, Google Scholar, revues spécialisées), recherche sémantique, structuration pour extraire les signaux faibles et réduire le bruit informationnel.
Mais ce que vous recevez n’est pas une réponse conversationnelle : c’est un document structuré, avec résumé, indice de fiabilité et impact opérationnel, adossé à une traçabilité native de chaque source.
Et lorsque l’enjeu le justifie, une revue méthodologique humaine peut être demandée : un méthodologiste expert en Lecture Critique d’Articles reprend le dossier sous 2 à 5 jours ouvrés.
Cette relecture reste à la demande, jamais systématique parce que tous les sujets n’exigent pas le même niveau de contrôle.
La rapidité de l’IA, le contrôle méthodologique humain.
Références :
Soares-Weiser K. Why evidence synthesis matters in the age of AI. Cochrane, 22 juillet 2026 : billet d’actualité argumenté. → https://www.cochrane.org/about-us/news/why-evidence-synthesis-matters-age-ai
Tiller NB, Marcon AR, Zenone M, et al. Generative artificial intelligence-driven chatbots and medical misinformation: an accuracy, referencing and readability audit. BMJ Open. 2026;16(4):e112695. DOI : 10.1136/bmjopen-2025-112695 : PMID : 41980854
Bean AM, Payne RE, Parsons G, et al. Reliability of LLMs as medical assistants for the general public: a randomized preregistered study. Nat Med. 2026;32(2):609-615. DOI : 10.1038/s41591-025-04074-y (Publisher Correction : Nat Med. 2026;32:1937 : DOI : 10.1038/s41591-026-04404-8 ; préenregistrement OSF)
Costa-Gomes B, Tolmachev P, Taysom E, et al. Public use of a generalist LLM chatbot for health queries. Nat Health. 2026;1:689-696. DOI : 10.1038/s44360-026-00117-x (l’ensemble des auteurs sont employés de Microsoft ; conflits d’intérêts déclarés dans l’article)
Day S, Rennie S, Luo D, et al. Open to the public: paywalls and the public rationale for open access medical research publishing. Res Involv Engagem. 2020;6:8 : source de l’estimation 30-50 %, citée par Tiller et al.
YouGov. UK Web Search & AI Report 2026 : enquête sur la recherche d’informations en ligne, non spécifique à la santé ; citée par Cochrane.
