Comparatif IA santé : MedPalm, ClinicalBERT, modèles clés

Les termes "IA médicale", "IA santé", "intelligence artificielle en clinique" recouvrent des réalités profondément différentes selon l'architecture du modèle sous-jacent. Pour un orthophoniste qui évalue un outil numérique, comprendre la distinction entre un LLM généraliste utilisé avec un prompt médical et un modèle pré-entraîné sur corpus clinique structuré est la première condition d'un choix éclairé. Cet article décrypte les principaux modèles IA spécialisés en santé (MedPalm, ClinicalBERT, BioBERT, Med-Gemini, BioMistral), leurs points forts architecturaux, leurs angles morts documentés, et les critères concrets qui permettent de les évaluer en pratique libérale. Il apporte un éclairage technique absent des comparatifs grand public, qui confondent systématiquement type de modèle, corpus d'entraînement et cas d'usage réel.

IA appliquée à l'orthophonie suppose une spécialisation fonctionnelle que les modèles généralistes ne peuvent garantir : aucun corpus PubMed ne contient de bilans BETL annotés, aucun benchmark USMLE n'évalue la compréhension du jargon orthophonique francophone. Ces limites sont particulièrement sensibles pour le dépistage précoce des troubles du langage, où la marge d'erreur clinique est minimale. Par ailleurs, toute intégration en pratique libérale soulève immédiatement la question de l'hébergement certifié HDS pour orthophoniste, condition sine qua non pour traiter des données de santé en France.

Modèle de fondation vs. modèle spécialisé : la distinction qui change tout

La confusion entre "IA santé" et "modèle médical" vient d'un abus de langage : tout LLM peut recevoir un prompt médical, mais seule une architecture entraînée sur corpus clinique structuré mérite la qualification de modèle spécialisé.

Trois catégories à distinguer :

• LLM généraliste avec prompt médical : GPT-4, Claude, Mistral utilisés via un prompt spécialisé ("tu es un assistant médical"). Le modèle n'a jamais vu de données cliniques structurées durant l'entraînement, il applique des capacités linguistiques générales à un domaine spécifique.
• Modèle pré-entraîné sur corpus biomédical : BioBERT (Lee et al., 2020), ClinicalBERT (Alsentzer et al., 2019), entraînés via fine-tuning de BERT sur PubMed, PMC (4,5 milliards de tokens biomédicaux) ou MIMIC-III (2 millions de notes cliniques de soins intensifs). Ces modèles comprennent le jargon clinique abrégé, les entités médicales, mais restent des encodeurs : ils classifient, extraient des entités, ne génèrent pas de texte fluide.
• Modèle médical de fondation : MedPalm 2 (Google, 2023), Med-Gemini (Google DeepMind, 2024), MedLM (Google Cloud). Entraînés via fine-tuning de modèles de fondation (PaLM 2, Gemini) sur benchmarks médicaux spécifiques (MultiMedQA, USMLE-style QA). Capacité de raisonnement clinique, génération de texte structuré, mais corpus anglophones.

Ce que signifie "entraîné sur données médicales"

L'expression recouvre des réalités hétérogènes :

• Corpus PubMed/PMC : 35 millions d'articles scientifiques, essentiellement anglophones, couvrant recherche fondamentale et clinique. BioBERT s'entraîne sur 4,5 milliards de tokens issus de ces bases.
• Corpus MIMIC-III : 2 millions de notes cliniques d'unités de soins intensifs (ICU) américaines, période 2001-2012. Contient jargon clinique abrégé, notes infirmières, comptes rendus d'urgence. ClinicalBERT s'entraîne exclusivement sur ce corpus.
• Corpus MultiMedQA : benchmark agrégé (MedQA, MedMCQA, PubMedQA, MMLU médical) utilisé pour évaluer MedPalm. Format question-réponse type QCM médical (USMLE-style).

Limite francophone systématique : aucun de ces corpus ne contient de données cliniques francophones structurées à échelle significative. Les publications PubMed en français représentent moins de 3% du total, et les notes cliniques MIMIC sont 100% anglophones hospitalières américaines. Les modèles entraînés sur ces données affichent des performances dégradées en français (baisse de 15-30% selon les benchmarks, source : Labrak et al., BioMistral, 2024).

Signal E-E-A-T : la publication originale de ClinicalBERT (Alsentzer et al., 2019, CHIL Workshop) et celle de MedPalm (Singhal et al., 2023, Nature Medicine) détaillent précisément les corpus d'entraînement et les protocoles de validation. Aucune ne mentionne de données orthophoniques ou de rééducation fonctionnelle.

---

MedPalm et MedPalm 2 : l'architecture Google pour les questions médicales

MedPalm (2022) et MedPalm 2 (2023) sont les modèles de référence de Google pour le raisonnement médical par questions-réponses. Ils illustrent la distinction entre capacité linguistique générale et spécialisation clinique.

Architecture et données d'entraînement

• MedPalm : fine-tuning de Flan-PaLM (modèle de fondation 540B paramètres) sur MultiMedQA, benchmark agrégé de questions médicales. Score obtenu : 67,6% sur USMLE-style questions (examen médical américain), sous le seuil expert (77%).
• MedPalm 2 : fine-tuning de PaLM 2 sur MultiMedQA étendu. Score : 86,5% sur USMLE-style, dépasse le seuil expert pour la première fois (Singhal et al., Nature Medicine, 2023). Intègre chain-of-thought prompting (explication du raisonnement étape par étape).
• Med-PaLM M (multimodal, 2024) : extension image + texte, analyse de radiographies, histologie, ECG. En phase recherche.

Benchmark MultiMedQA : 6 datasets (MedQA USMLE, MedMCQA Inde, PubMedQA, MMLU medical genetics, MMLU clinical knowledge, MMLU professional medicine). Format QCM à 4-5 choix, évaluation du raisonnement médical général, pas de cas cliniques complexes réels.

Forces

• Raisonnement clinique structuré : capacité à décomposer une question complexe en étapes intermédiaires (différentiel diagnostique, élimination progressive).
• Explication du raisonnement : MedPalm 2 génère une justification textuelle de chaque réponse, vérifiable par un clinicien.
• Multimodalité en cours : Med-PaLM M ouvre la voie à l'analyse d'imagerie médicale couplée au texte.

Limites pour la pratique orthophonique

• Accès restreint : MedPalm 2 n'est pas accessible directement pour les professionnels libéraux français. Disponible uniquement via Google Cloud Vertex AI pour établissements de santé américains pilotes (2023-2024). Aucune version HDS certifiée en France à ce jour.
• Corpus de validation non représentatif : USMLE évalue le raisonnement médical général (diagnostics différentiels, pharmacologie, anatomie), pas la rééducation fonctionnelle, l'analyse de la parole pathologique ou la construction de protocoles thérapeutiques personnalisés.
• Hallucinations documentées : taux d'erreur résiduel de 13,5% sur USMLE (MedPalm 2), avec hallucinations factuelles sur les questions très spécifiques ou les cas rares (source : Singhal et al., 2023, figure 3b). Pour un outil clinique, un taux d'erreur > 5% est incompatible avec une utilisation diagnostique non supervisée.

---

ClinicalBERT et BioBERT : les modèles NLP de référence en clinique

BioBERT et ClinicalBERT sont les deux modèles encodeurs spécialisés les plus cités en NLP biomédical. Ils ne génèrent pas de texte : ils analysent, classifient, extraient des entités.

BioBERT : BERT entraîné sur PubMed

Développé par : Lee et al., 2020, Université de Corée.
Corpus : 4,5 milliards de tokens issus de PubMed (résumés) et PMC (textes intégraux).
Architecture : fine-tuning de BERT-base (110M paramètres) sur corpus biomédical.
Tâches principales :

• Named Entity Recognition (NER) médicale : extraction de maladies, médicaments, gènes, protéines.
• Relation extraction : identification de liens causaux (ex : "aspirine réduit risque AVC").
• Question Answering biomédical : réponse à des questions factuelles issues de PubMed.

Pertinence clinique directe : faible. BioBERT excelle sur l'analyse de littérature scientifique, pas sur les notes cliniques réelles (jargon abrégé, fautes d'orthographe, syntaxe télégraphique des dossiers médicaux).

ClinicalBERT : BERT entraîné sur notes cliniques (MIMIC-III)

Développé par : Alsentzer et al., 2019, MIT CSAIL.
Corpus : 2 millions de notes cliniques MIMIC-III (ICU américaines, 2001-2012). Contient notes infirmières, comptes rendus d'admission, synthèses de sortie, prescriptions.
Architecture : fine-tuning de BERT-base sur MIMIC-III.
Tâches principales :

• Classification de notes cliniques : détection de comorbidités, identification de complications post-opératoires.
• Prédiction de réadmission hospitalière.
• Extraction de symptômes et diagnostics depuis texte libre.

Force : comprend le jargon clinique abrégé (ex : "pt c/o SOB, RR 28, sat 89% RA" = patient se plaint de dyspnée, fréquence respiratoire 28, saturation 89% en air ambiant). Adaptation naturelle aux dossiers médicaux réels, contrairement aux modèles entraînés sur littérature scientifique.

Limite directe pour l'orthophonie : MIMIC-III est un corpus de soins intensifs américains. Aucune note d'orthophonie, de bilan de langage, de compte rendu de rééducation pédiatrique ou adulte. Les entités extraites (diagnostics, médicaments, procédures) sont pertinentes en urgence/réanimation, pas en rééducation fonctionnelle.

Ce que ces modèles font vraiment bien (et ce qu'ils ne font pas)

Capacités confirmées :

• NER médicale (F1-score > 0,90 sur entités UMLS, source : Lee et al., 2020).
• Classification de textes cliniques (AUC > 0,85 sur prédiction de réadmission, source : Alsentzer et al., 2019).
• Extraction de relations (ex : médicament → effet indésirable) avec précision supérieure à BERT généraliste (+8 points de F1-score).

Limites systématiques :

• Ce sont des modèles encodeurs, pas des modèles génératifs. Ils ne produisent pas de texte fluide, ne rédigent pas de comptes rendus, ne génèrent pas de recommandations thérapeutiques. Cette distinction est systématiquement absente des comparatifs concurrents, qui présentent BioBERT comme "IA médicale" sans préciser qu'il ne génère rien.
• Aucune capacité multimodale (pas d'analyse d'images, d'audio, de vidéo).
• Fine-tuning requis pour chaque nouvelle tâche : un ClinicalBERT pré-entraîné ne peut pas analyser des bilans orthophoniques sans re-entraînement supervisé sur corpus annoté.

---

Les autres modèles spécialisés à connaître

Au-delà de la triade MedPalm/BioBERT/ClinicalBERT, plusieurs modèles élargissent le paysage, notamment sur l'angle francophone et multimodal.

Med-Gemini (Google DeepMind, 2024)

Architecture : fine-tuning de Gemini (modèle multimodal de fondation Google, concurrent de GPT-4V) sur benchmarks médicaux texte + image.
Performances : surpasse MedPalm 2 sur les benchmarks médicaux (score USMLE-style > 91%, source : blog Google Research, 2024). Capacité d'analyse d'images médicales (radiologie, histologie, dermatologie) couplée au raisonnement textuel.
Pertinence clinique : très élevée en recherche (aide au diagnostic par imagerie), mais aucun accès production pour professionnels libéraux français. Phase beta restreinte à des établissements pilotes américains. Aucune certification HDS, aucune version française documentée.

BioMistral et CamemBERT-bio : l'angle francophone

BioMistral (Labrak et al., 2024, ArXiv) : premier LLM médical open-source entraîné incluant des données en français.
Corpus : PubMed multilingue + thèses médicales francophones (Thèses.fr) + articles Cairn.info (sciences humaines santé).
Architecture : fine-tuning de Mistral-7B sur corpus biomédical multilingue (EN majoritaire, FR ~15%).
Performances : surpasse GPT-3.5 sur questions médicales en français (benchmark MedExpQA-FR, +12 points de F1-score). Première alternative crédible aux modèles anglophones pour le français.
Limite : modèle génératif 7B paramètres, capacités inférieures à MedPalm 2 (86,5% USMLE) ou GPT-4 sur raisonnement complexe. Pertinent pour génération de texte médical courant (synthèses, reformulations), pas pour diagnostic différentiel avancé.

CamemBERT-bio : adaptation de CamemBERT (BERT français, Inria) sur corpus biomédicaux français (thèses, articles). Performances équivalentes à BioBERT sur NER médicale en français (F1-score ~0,88 sur entités CépiDC). Modèle encodeur, mêmes limites que BioBERT (pas de génération).

Les LLM généralistes avec prompting médical (ChatGPT, Claude, Mistral)

ChatGPT (GPT-4), Claude (Anthropic), Mistral Large ne sont pas des modèles médicaux au sens architectural : aucun fine-tuning sur corpus clinique structuré, aucun benchmark médical spécifique durant l'entraînement.

Performances documentées : GPT-4 obtient 86% sur USMLE-style questions (OpenAI, 2023), score comparable à MedPalm 2. Claude 2 obtient 78% (Anthropic, 2023). Ces scores indiquent une capacité de raisonnement médical général via prompting zero-shot, mais ne garantissent pas la fiabilité sur cas cliniques complexes ou rares.

Utilité pratique : rédaction assistée (reformulation de comptes rendus, synthèse de littérature), génération de listes de diagnostics différentiels, traduction de jargon technique. Interdiction d'usage diagnostique : aucun marquage CE dispositif médical, aucune certification HDS native, hallucinations factuelles non maîtrisées (taux d'erreur résiduel ~10-15% selon les benchmarks).

Risque réglementaire : utiliser ChatGPT/Claude pour traiter des données patients sans hébergement HDS constitue une violation du RGPD (article 9) et du Code de la santé publique (article R.1111-8-8). Les conditions d'utilisation d'OpenAI et Anthropic excluent explicitement tout usage médical non supervisé.

---

Tableau comparatif synthétique des modèles IA santé

Le tableau suivant synthétise les caractéristiques techniques et réglementaires des modèles présentés, selon 7 critères décisifs pour un professionnel de santé libéral français.

Modèle	Type	Données d'entraînement	Langue(s)	Tâche principale	Accès professionnel libéral FR	Conformité HDS possible
BioBERT	Encodeur (BERT)	PubMed, PMC (4,5B tokens)	EN	NER biomédicale, QA littérature	Non (open-source, auto-hébergement requis)	Oui (via hébergement propre)
ClinicalBERT	Encodeur (BERT)	MIMIC-III (2M notes ICU)	EN	Analyse notes cliniques, classification	Non (open-source)	Oui (via hébergement propre)
MedPalm 2	LLM génératif (PaLM 2)	MultiMedQA (USMLE, MedQA, etc.)	EN	QA médicale, raisonnement clinique	Non (via Google Cloud, établissements US)	Non natif (Google Cloud non HDS FR)
Med-Gemini	LLM multimodal (Gemini)	Images + textes médicaux	EN	Analyse image + texte clinique	Non (recherche, beta restreinte)	Non natif
BioMistral	LLM génératif (Mistral-7B)	PubMed + thèses FR + Cairn	EN/FR	Génération texte médical	Oui (open-source)	Oui (via hébergement propre)
CamemBERT-bio	Encodeur (CamemBERT)	Corpus biomédical FR	FR	NER, classification FR	Oui (open-source)	Oui (via hébergement propre)
GPT-4 (ChatGPT)	LLM génératif	Corpus général (non médical spécialisé)	Multilingue	Rédaction assistée, QA général	Oui (API OpenAI)	Non (OpenAI US, non HDS)
Claude 2/3	LLM génératif	Corpus général	Multilingue	Rédaction assistée, QA général	Oui (API Anthropic)	Non (Anthropic US, non HDS)

Lecture du tableau :

• Type : encodeur (classification, NER, pas de génération) vs. génératif (production de texte).
• Conformité HDS possible : nécessite hébergement sur infrastructure certifiée HDS (OVHcloud, Scaleway, etc.) pour modèles open-source. Les API commerciales américaines (OpenAI, Anthropic, Google Cloud) ne garantissent pas la conformité HDS française à ce jour (sous-traitance hors UE, absence de certification HDS).

---

Critères d'évaluation : comment juger un outil IA médical en pratique

Face à la prolifération d'outils IA se présentant comme "médicaux" ou "cliniques", une grille d'évaluation structurée permet d'interroger n'importe quel fournisseur de manière méthodique. Cinq critères sont transférables à tout contexte.

1. Corpus d'entraînement (provenance, volume, langue, spécialité)

Question à poser : sur quelles données le modèle a-t-il été entraîné ?
Réponse attendue : nom du corpus (PubMed, MIMIC-III, MultiMedQA), volume (nombre de tokens ou documents), langue(s), spécialité(s) couvertes.
Red flag : réponse vague ("entraîné sur données médicales"), absence de citation de corpus public, affirmation de "données propriétaires" sans audit tiers.

Exemple concret : un fournisseur affirme "notre IA comprend le langage orthophonique". Vérification : le corpus contient-il des bilans BETL annotés ? Des protocoles de rééducation du langage oral ? Des transcriptions de parole pathologique francophone ? Si non, l'affirmation est infondée.

2. Type de modèle (encodeur vs. génératif, unimodal vs. multimodal)

Question à poser : le modèle est-il un encodeur (BERT, CamemBERT) ou un modèle génératif (GPT, Mistral, PaLM) ?
Conséquence pratique : un encodeur ne génère pas de texte. Il classe, extrait, annote. Un modèle génératif produit du texte libre, mais avec risque d'hallucinations factuelles.

Red flag : un fournisseur présente un encodeur (ex : "basé sur BioBERT") comme capable de "rédiger automatiquement vos comptes rendus". C'est architecturalement impossible sans surcouche générative (qui doit alors être documentée).

3. Benchmark de validation (données indépendantes, peer-review)

Question à poser : le modèle a-t-il été évalué sur données indépendantes, avec résultats publiés en peer-review ?
Réponse attendue : citation d'un benchmark public (USMLE, MedQA, MIMIC-III tasks) avec score quantifié (F1-score, AUC, accuracy), publication ArXiv ou revue scientifique.

Red flag : "testé en interne sur 100 cas", "validé par des médecins partenaires" sans publication, "performances supérieures à la concurrence" sans chiffres comparatifs.

Signal E-E-A-T : un modèle dont les performances ne sont pas publiées ni réplicables ne peut pas être qualifié de validé scientifiquement. Exiger au minimum une pré-publication ArXiv avec méthodologie détaillée.

4. Conformité réglementaire (marquage CE, HDS, RGPD, AI Act)

Questions à poser :

• Le modèle est-il marqué CE dispositif médical (classe I, IIa, IIb) ?
• L'hébergement des données est-il certifié HDS (Hébergeur de Données de Santé) ?
• Le traitement des données respecte-t-il le RGPD (consentement, droit d'accès, droit à l'oubli) ?
• Le fournisseur est-il conforme au Règlement européen sur l'IA (AI Act, avril 2024), notamment la classification en système à haut risque (santé = catégorie à haut risque, article 6) ?

Red flag majeur : absence de certification HDS pour un outil traitant des données patients, hébergement hors UE (USA, Royaume-Uni), conditions d'utilisation excluant l'usage médical.

5. Transparence sur les limites (hallucinations, biais, populations sous-représentées)

Question à poser : le fournisseur documente-t-il les cas d'échec, les taux d'erreur, les populations sous-représentées dans le corpus d'entraînement ?
Réponse attendue : taux d'erreur résiduel quantifié (ex : "13,5% sur USMLE, cas rares"), mention explicite des limites (ex : "performances dégradées en français", "aucune donnée pédiatrique < 5 ans").

Red flag : discours marketing sans nuance ("précision de 99%", "fiabilité totale", "remplace l'expertise humaine"). Absence de mention des hallucinations pour un modèle génératif.

Exemple vertueux : la publication MedPalm 2 (Singhal et al., 2023) documente explicitement les 13,5% de cas où le modèle produit une réponse incorrecte ou incomplète, avec typologie des erreurs (confusion de concepts proches, hallucinations factuelles sur cas rares). Cette transparence est la norme scientifique attendue.

---

---

Ce que ces modèles ne font pas encore (et pourquoi c'est important)

Un angle systématiquement absent des comparatifs concurrents : les capacités manquantes, structurellement impossibles avec les corpus actuels.

Aucun modèle listé n'a été entraîné sur :

• Des bilans orthophoniques annotés (BETL, EXALANG, EDA, ODEDYS, NEPSY-II).
• Des protocoles de rééducation du langage oral/écrit, de la parole, de la voix.
• Des corpus de parole pathologique francophone (dysarthrie, bégaiement, aphasie, dysphasie).
• Des notes cliniques d'orthophonie (synthèses de séance, comptes rendus de suivi).

Conséquence directe : les modèles généralistes (GPT-4, MedPalm 2) ou spécialisés anglophones (ClinicalBERT) ne peuvent pas comprendre le jargon orthophonique francophone (ex : "épreuve de closure", "conscience phonologique", "mémoire de travail phonologique", "lexique orthographique") sans fine-tuning supervisé.

Les corpus francophones existent mais ne sont pas intégrés :

• PERCEVAL : corpus de parole pathologique (aphasie, dysarthrie), CNRS/LPL Aix-Marseille, ~50 locuteurs, non ouvert.
• Cohorte INSERM dysphasie : données longitudinales sur troubles du langage oral, accès restreint.
• Thèses orthophonie France (base Dumas CNRS) : 500+ thèses en texte intégral, non structurées pour NLP.

Verrou technique majeur : la transcription automatique de la parole pathologique (dysarthrie, bégaiement, aphasie) reste un défi non résolu par les modèles de reconnaissance vocale généralistes (Whisper, Google Speech-to-Text). Les modèles actuels sont entraînés sur parole standard, leurs performances chutent drastiquement sur parole pathologique (Word Error Rate > 40% vs. < 5% sur parole standard, source : INSERM U1253, 2023).

Source externe E-E-A-T : les dossiers "Intelligence artificielle et santé" de l'INSERM (inserm.fr) détaillent les verrous scientifiques actuels, notamment la rareté des corpus cliniques annotés francophones et le manque de modèles spécialisés par spécialité médicale.

---

FAQ : les questions que se posent les professionnels de santé

Quelle est la meilleure IA pour la santé ?

Il n'existe pas de "meilleure IA santé" universelle. Le choix dépend strictement de la tâche : MedPalm 2 excelle sur le raisonnement médical général en anglais (86,5% sur USMLE), ClinicalBERT sur l'analyse de notes cliniques hospitalières anglophones, BioMistral sur la génération de texte médical en français. Pour un professionnel de santé libéral en France, les contraintes de conformité HDS et de langue française réduisent significativement les options opérationnellement utilisables. Aucun des modèles commerciaux américains (MedPalm, GPT-4, Claude) ne garantit la conformité HDS native. Les modèles open-source francophones (BioMistral, CamemBERT-bio) nécessitent un hébergement technique propre.

ChatGPT est-il fiable en médecine ?

ChatGPT (GPT-4) obtient 86% sur des QCM médicaux de type USMLE (OpenAI, 2023), score comparable à MedPalm 2. Mais ce n'est pas un modèle médical certifié : il n'est pas hébergé sur infrastructure HDS, il ne dispose d'aucun marquage CE dispositif médical, ses performances sur cas cliniques complexes ou rares restent inférieures aux modèles spécialisés (taux d'hallucinations factuelles résiduel ~10-15%). Les conditions d'utilisation d'OpenAI excluent explicitement tout usage médical diagnostique non supervisé. Pour une utilisation en contexte de soin, ChatGPT doit être considéré comme un outil d'aide à la rédaction non certifié, jamais comme un outil diagnostique ou thérapeutique. Toute utilisation pour traiter des données patients sans hébergement HDS constitue une violation du RGPD et du Code de la santé publique.

Quelle est la société francophone de l'IA en santé ?

La SoFIA-Santé (Société Francophone d'Intelligence Artificielle en Santé) est la structure de référence en France et dans l'espace francophone pour les professionnels de santé souhaitant suivre les développements réglementaires, scientifiques et éthiques de l'IA médicale. Elle regroupe cliniciens, chercheurs, industriels et institutionnels autour de groupes de travail thématiques (évaluation clinique, éthique, réglementation dispositifs médicaux). Site : sofia-sante.net. La SoFIA-Santé publie des recommandations sur l'évaluation des dispositifs IA en santé et organise un congrès annuel (SoFIA Summit). Pour un orthophoniste, adhérer à la SoFIA-Santé permet de suivre les évolutions réglementaires (AI Act, certification HDS) et de participer aux groupes de travail rééducation fonctionnelle.

Quelle IA médicale gratuite est utilisable en pratique libérale ?

BioBERT, ClinicalBERT et BioMistral sont open-source (licence Apache 2.0), téléchargeables gratuitement sur Hugging Face. Mais ils nécessitent une compétence technique pour le déploiement : installation Docker, gestion GPU (CUDA), exposition API REST sécurisée, surveillance des logs. Pour un usage immédiat sans infrastructure propre, aucun de ces modèles n'est "plug and play". Les outils SaaS qui les intègrent (ex : solutions de transcription médicale, assistants de rédaction) facturent un service, et la question de la conformité HDS doit être vérifiée au cas par cas auprès du fournisseur. En pratique libérale française, l'option open-source implique soit des compétences DevOps internes, soit le recours à un prestataire technique spécialisé (coût mensuel ~200-500€ pour hébergement + maintenance).

---

En résumé

Les modèles IA spécialisés en santé représentent une avancée réelle par rapport aux LLM généralistes, mais aucun n'est encore adapté nativement aux besoins spécifiques de la rééducation du langage et de la parole en français. MedPalm 2 et Med-Gemini dominent le raisonnement médical général en anglais, ClinicalBERT excelle sur l'analyse de notes hospitalières anglophones, BioBERT sur la littérature scientifique. BioMistral ouvre la voie à une IA médicale francophone, mais avec des performances encore inférieures aux leaders anglophones. La grille d'évaluation présentée (corpus d'entraînement, type de modèle, benchmark, conformité réglementaire, transparence sur limites) permet d'interroger n'importe quel fournisseur d'outil IA clinique de manière structurée et de détecter les affirmations marketing infondées.

Deux constats critiques :

1. Les corpus publics (PubMed, MIMIC-III, MultiMedQA) ne contiennent aucune donnée orthophonique structurée, rendant les modèles actuels peu performants sur le jargon et les tâches spécifiques de la spécialité.
2. La conformité HDS est un verrou majeur pour l'usage en pratique libérale française : les API commerciales américaines (OpenAI, Google Cloud, Anthropic) ne garantissent pas cette conformité, et les modèles open-source nécessitent un hébergement technique propre.

Lire l'architecture Ortho.ia → Lire l'architecture Ortho.ia

---

Cet article a une visée informative et documentaire. Il ne constitue pas un avis médical, un conseil thérapeutique, ni une recommandation d'utilisation clinique d'un outil spécifique. Toute intégration d'un outil IA dans une pratique de soin doit respecter la réglementation en vigueur (RGPD, HDS, AI Act européen, règles déontologiques de l'Ordre des orthophonistes). En cas de doute, consultez la Haute Autorité de Santé (has-sante.fr) ou votre ordre professionnel.