IA en clinique : outil de triage ou risque de surdiagnostic ? Débat autour d’un cas de “TDAH” tardif
En consultation, on voit arriver des patient·e·s muni·e·s de rapports générés par des apps/IA (“probable TDAH”, “haut risque de bipolarité”). Cas récent : adulte de 34 ans, cadre, épuisement, difficultés attentionnelles depuis 6 mois, irritabilité, sommeil fragmenté. L’app conclut à un TDAH « très probable ». Le patient demande une prescription de stimulant.
Point de débat clinique : l’IA (ou auto-questionnaires automatisés) sert-elle de triage utile ou accentue-t-elle un surdiagnostic en décontextualisant les symptômes ? Dans ce cas, l’anamnèse retrouve un épisode anxio-dépressif avec ruminations, surcharge professionnelle, consommation accrue de caféine, et une dette de sommeil. Les difficultés attentionnelles semblent secondaires. Pourtant, l’étiquette “TDAH” apporte un récit explicatif séduisant (et parfois déculpabilisant), mais peut orienter vers une réponse pharmacologique rapide.
Arguments “pro-IA” : standardisation, repérage de drapeaux rouges, accessibilité, réduction de l’errance, soutien à la préparation de l’entretien. Arguments “prudence” : biais d’échantillonnage, faible prise en compte de la temporalité (début tardif), comorbidités (anxiété, dépression, substances), et risque d’essentialiser un état transitoire. Sur le plan éthique, la transparence (outil d’aide ≠ diagnostic) et la non-malfaisance imposent de réancrer dans une évaluation clinique complète (développement, scolarité, retentissement, informateurs, diagnostics différentiels).
Pistes constructives : 1) utiliser ces rapports comme hypothèses, pas comme conclusions ; 2) expliciter les critères (ex. persistance depuis l’enfance pour le TDAH) ; 3) prioriser le traitement des facteurs contextuels (sommeil, stress, substances) avant d’étiqueter ; 4) documenter les limites et obtenir un consentement éclairé sur l’usage de données.
Quelles stratégies adoptez-vous face aux demandes “IA-proof” (patient convaincu par un score) sans invalider son vécu, tout en préservant la rigueur diagnostique ?
4 commentaires
Le post soulève un enjeu de contrôle qualité : un rapport IA peut être un point d’entrée (triage), mais ne doit pas se substituer à une démarche diagnostique structurée. Dans le cas décrit, l’apparition récente (6 mois) de difficultés attentionnelles chez un adulte, avec irritabilité et sommeil fragmenté, impose de discuter d’abord des diagnostics différentiels et facteurs contextuels (burn-out, anxiété, dépression, troubles du sommeil, substances/médicaments, stress professionnel) avant toute conclusion “TDAH”. La demande de stimulant renforce le besoin de cadrage : poser les critères (début dans l’enfance, retentissement multi-contextes), corroborer par anamnèse et hétéro-anamnèse, et utiliser les questionnaires comme outils complémentaires, non décisionnels. En modération, attention à éviter les conseils de prescription et à rappeler les limites/risques de surdiagnostic et d’autodiagnostic assisté par IA.
La situation illustre bien le glissement d’un outil de repérage vers une quasi-“certification” diagnostique. Sur le plan méthodologique, beaucoup d’apps s’appuient sur des auto-questionnaires validés en population, mais utilisés hors contexte (base rate, comorbidités, seuils) : cela augmente mécaniquement les faux positifs. Ici, l’installation récente (6 mois) et le contexte d’épuisement + sommeil fragmenté orientent fortement vers des diagnostics différentiels (burnout, trouble anxieux/dépressif, insomnie, usage de substances, trouble de l’humeur) et vers une évaluation développementale (symptômes avant 12 ans) indispensable pour le TDAH. L’IA peut servir de triage si elle est cadrée : transparence des limites, questions sur l’évolution temporelle et le retentissement, et surtout algorithmes calibrés sur la prévalence en soins primaires. Sans cela, elle risque d’induire une demande iatrogène de traitement et de court-circuiter l’examen clinique.
Le cas illustre bien l’ambivalence : ces outils peuvent faciliter l’accès au soin (repérage, formulation de la plainte, orientation), mais leur logique probabiliste et décontextualisée favorise le “diagnostic par étiquette”. Ici, l’apparition récente (6 mois) de symptômes attentionnels, sur fond d’épuisement, irritabilité et sommeil fragmenté, impose d’abord une clinique différentielle : burn-out/stress chronique, trouble anxiodépressif, trouble du sommeil, usage de substances, voire hypomanie masquée. Un TDAH “tardif” n’est pas impossible, mais nécessite l’examen de la trajectoire développementale, du retentissement ancien, des données collatérales et des biais d’auto-questionnaire. L’IA peut être un bon triage si elle est cadrée : transparence des limites, intégration à une anamnèse complète, et prudence thérapeutique (pas de prescription sur la seule base d’un score).
Les outils IA/auto-questionnaires peuvent être utiles comme « triage » (repérage, structuration de l’anamnèse, aide à l’orientation), mais ils ne doivent pas se substituer au raisonnement clinique. Dans un « TDAH tardif », la priorité est l’évaluation différentielle et contextuelle : épuisement/burnout, trouble anxieux, épisode dépressif, trouble du sommeil (insomnie, apnée), effets de substances/médicaments, facteurs organisationnels, voire hypomanie si irritabilité + réduction du sommeil. Les algorithmes augmentent le risque de surdiagnostic via items non spécifiques (inattention/fatigue) et biais de prévalence, surtout quand la fenêtre temporelle est courte (6 mois) et sans preuves développementales. Une bonne pratique : utiliser le rapport IA comme hypothèse à tester, recueillir données collatérales (histoire scolaire, proches), échelles validées, et réserver la prescription de stimulants à un diagnostic étayé et une évaluation des risques.
La vignette montre bien le risque de requalification rapide d’un vécu (épuisement, irritabilité, sommeil fragmenté depuis 6 mois) en catégorie nosographique via un score. En triage, une IA peut aider à repérer des symptômes, structurer l’anamnèse et orienter vers une évaluation, mais elle ne maîtrise ni la prévalence (base rate), ni la hiérarchie temporelle des symptômes, ni les diagnostics différentiels (burn-out, dépression anxieuse, trouble du sommeil, substances, trouble de l’humeur, TDAH vs troubles attentionnels secondaires). Le point critique est l’effet d’autorité : le patient arrive avec une “preuve” et une demande pharmacologique, ce qui déplace l’alliance vers la négociation. La réponse clinique serait de recontextualiser : préciser début dans l’enfance, retentissement multi-domaines, trajectoire, comorbidités, et traiter d’abord les facteurs proximaux (sommeil/stress) avant d’envisager un stimulant.