Dernière mise à jour : 8 mars 2026

Intelligence artificielle en dermatologie : état des lieux en 2025

L’intelligence artificielle en dermatologie a connu une accélération spectaculaire depuis 2022 avec l’avènement des grands modèles de langage (LLM) et des modèles multimodaux capables d’analyser des images. En quelques années, elle est passée du laboratoire de recherche à l’usage clinique quotidien — avec des performances qui interrogent sur la place respective de la machine et du dermatologue.

Un grain de beauté suspect ou une lésion qui évolue ? L’IA ne remplace pas le diagnostic médical. Consultez le Dr Rousseau, dermatologue, en téléconsultation :
📅 Téléconsultation avec le dermatologue

Qu’est-ce que l’intelligence artificielle en médecine ?

L’intelligence artificielle (IA) désigne des systèmes informatiques capables d’accomplir des tâches qui requièrent normalement l’intelligence humaine — analyse d’images, raisonnement, génération de texte. En médecine, deux grandes familles sont utilisées :

• Réseaux de neurones convolutifs (CNN) — spécialisés dans l’analyse d’images. Ils transforment une image en une représentation vectorielle compacte tout en conservant ses informations visuelles. Bien adaptés à la dermatoscopie et aux photos cliniques
• Grands modèles de langage multimodaux (LLM) — comme GPT-4V (OpenAI), Gemini (Google) ou Claude (Anthropic). Capables depuis 2022-2023 d’analyser simultanément texte et images, et de raisonner sur des données cliniques complexes

La dermatologie est, avec la radiologie, la spécialité médicale la plus adaptée à l’analyse par IA — car elle repose en grande partie sur la reconnaissance visuelle de patterns.

IA et détection des cancers cutanés — le point en 2025

La cancérologie cutanée est le domaine où l’IA en dermatologie a le plus progressé et où les enjeux sont les plus importants. Le mélanome tue chaque année plus de 1 700 personnes en France — et son pronostic dépend directement de la précocité du diagnostic. L’IA pourrait transformer le dépistage, notamment dans les déserts médicaux.

Performances par type de cancer — ce que disent les études

Cancer cutané	Performances IA (meilleurs algorithmes)	Vs dermatologue expérimenté	Données clés
Mélanome	Sensibilité 86–91% / Spécificité 75–82% (CNN spécialisés) GPT-4V : sensibilité 52,5%, spécificité 72,5%	CNN spécialisés ≥ dermatologue expérimenté LLM généralistes < dermatologue	Esteva et al. Nature 2017 ; étude GPT-4V Plastic Surgery 2025
Carcinome basocellulaire	Sensibilité 90–95% sur dermatoscopie (CNN)	Comparable au dermatologue expert pour les formes typiques	Forte prévalence → bases d’entraînement volumineuses
Carcinome épidermoïde	Sensibilité 80–87% (CNN)	Légèrement inférieur au dermatologue — formes atypiques difficiles	Confusion fréquente avec kératose actinique et kératose séborrhéique
Ensemble des lésions (triage)	Meilleure que les non-spécialistes dans 80% des études	Inférieur au dermatologue expérimenté — supérieur au médecin généraliste	Intérêt majeur pour pré-tri en médecine générale

💡 Distinction essentielle : les CNN entraînés spécifiquement sur des millions d’images dermatoscopiques annotées (comme ceux de Google DeepMind ou de l’équipe d’Esteva) atteignent des performances comparables au dermatologue expert. Les LLM généralistes (ChatGPT, Gemini, Claude) ont des performances nettement inférieures en diagnostic de cancers cutanés — ils n’ont pas été entraînés sur des bases dermatoscopiques spécialisées.

L’étude fondatrice — Nature 2017

La première étude marquante, publiée dans Nature en 2017 par Esteva et al., a soumis un algorithme d’IA à la classification de 129 450 images de lésions cutanées en 2 032 pathologies. Sur la distinction mélanome/lésion bénigne, l’algorithme s’est montré plus performant que 21 dermatologues certifiés sur 3 des 4 cas testés. Cette étude a ouvert le débat mondial sur l’avenir du dermatologue.

Les données les plus récentes (2024-2025)

• GPT-4V et mélanome (2025) — Une étude publiée en février 2025 dans Plastic Surgery a évalué GPT-4V sur des images dermoscopiques. Le modèle a montré une exactitude de 68,5%, une sensibilité de 52,5% et une spécificité de 72,5% — significativement inférieurs aux normes cliniques
• ChatGPT vs équipe médicale (2025) — Une étude française sur 86 cas (64 carcinomes basocellulaires et 22 mélanomes) a comparé ChatGPT à une équipe spécialisée : 61,6% de diagnostic correct en première position pour l’IA, contre 88,3% pour l’équipe médicale
• DermaSensor (2024) — Autorisé par la FDA en 2024, cet outil de spectroscopie lumineuse utilise l’IA pour aider à détecter mélanome, carcinome épidermoïde et basocellulaire. Destiné aux médecins généralistes en zones sans dermatologue
• Vectra 360 en France (2024) — Scanner de cartographie cutanée intégrant l’IA pour documenter l’ensemble de la surface cutanée et suivre l’évolution des nævus dans le temps

Suivi longitudinal des nævus — l’apport majeur de l’IA

Au-delà du diagnostic ponctuel, l’IA apporte une valeur ajoutée considérable dans le suivi dans le temps des grains de beauté. Un mélanome naissant peut être imperceptible à un examen unique mais révèle son évolution quand on compare deux images espacées de 3 à 12 mois.

Les systèmes de cartographie cutanée IA (Vectra 360®, FotoFinder®, 3DermSpot®) permettent de :

• Photographier en haute résolution la totalité de la surface cutanée
• Identifier automatiquement tous les nævus et les numéroter
• Détecter les changements de taille, couleur, forme entre deux examens
• Alerter le dermatologue sur les lésions ayant changé — qui sont prioritaires à l’examen clinique

Cette approche est particulièrement adaptée aux patients à haut risque : antécédents personnels ou familiaux de mélanome, syndrome du nævus dysplasique (nombreux grains de beauté atypiques), immunodépression.

Limites critiques : l’IA sous-performe sur les peaux noires et asiatiques

⚠️ Biais algorithmique majeur : la quasi-totalité des bases d’entraînement des algorithmes de détection de cancers cutanés ont été construites sur des images de phototypes clairs (I à III). Les performances de l’IA chutent significativement sur les peaux noires et asiatiques (phototypes IV à VI), précisément les populations où le mélanome acrolentigineux — sous-diagnostiqué — est surreprésenté. Ce biais est reconnu comme l’un des problèmes éthiques majeurs de l’IA médicale en dermatologie.

Ce que l’IA ne voit pas — limites diagnostiques

Même les meilleurs algorithmes ont des angles morts :

• Mélanome amélanotique — sans pigmentation visible, il ressemble à un simple bouton rose. Les CNN entraînés sur les critères ABCDE le manquent souvent
• Mélanome des muqueuses — bouche, génitaux, muqueuse nasale — absent des bases d’entraînement standard
• Mélanome unguéal (sous l’ongle) — peu représenté dans les bases d’images
• Contexte clinique — un nævus apparemment bénin sur un patient immunodéprimé ou avec antécédents familiaux de mélanome doit être géré différemment. L’IA ne connaît pas le dossier médical
• Palpation — l’induration, la consistance, l’adhérence d’une lésion sont des informations captées par l’examen clinique, pas par une photo

Ce que dit la recherche : performances globales de l’IA en dermatologie

💡 Conclusion des études récentes : l’IA est plus performante que les non-spécialistes pour le dépistage, mais reste inférieure à un dermatologue expérimenté. Son rôle optimal est l’aide au tri et au dépistage, pas le diagnostic autonome. La Société française de dermatologie souligne que ces dispositifs doivent compléter, jamais remplacer, l’évaluation médicale spécialisée.

Les LLMs en dermatologie : ChatGPT, GPT-4V, Gemini, Claude

Depuis fin 2022, les grands modèles de langage multimodaux ont transformé l’usage de l’IA en médecine. Leurs apports en dermatologie sont multiples :

Analyse d’images cliniques et dermoscopiques

GPT-4V, Gemini et Claude peuvent analyser une photo de lésion cutanée et proposer des diagnostics différentiels. Cependant, comme le montrent les études de 2025, leurs performances restent inférieures à celles d’un dermatologue formé — ils ne doivent pas être utilisés pour établir un diagnostic final.

Aide à la décision thérapeutique

Les LLMs peuvent synthétiser la littérature scientifique mondiale et proposer des options thérapeutiques conformes aux dernières recommandations. Utilisés avec discernement, ils constituent une aide précieuse pour vérifier une décision ou explorer des alternatives thérapeutiques rares.

Formation et information patient

Les LLMs peuvent générer des explications claires sur les maladies de peau, les traitements et les signes d’alerte — utile pour l’information patient et la formation médicale continue.

⚠️ Limites importantes : les LLMs peuvent « halluciner » — générer des informations fausses avec une apparente confiance. Toute décision médicale basée sur une IA généraliste doit être supervisée par un médecin. Ces outils ne sont pas des dispositifs médicaux certifiés CE ou FDA pour le diagnostic autonome.

Applications IA en dermatologie disponibles en 2025

Applications mobiles de dépistage

SkinVision — fondée en 2011, basée sur plus d’un million d’images. Classe les lésions en risque faible, moyen ou élevé. Sensibilité 80% / spécificité 78% — utile pour un premier tri mais ne se substitue pas à la dermatoscopie médicale.

Skin IO — deep learning pour le dépistage du cancer cutané via smartphone, avec suivi longitudinal des lésions dans le temps.

Skinive et Ada Health — bases de données de millions d’images annotées pour reconnaître les motifs de maladies cutanées — orientation pour lésions bénignes/suspectes, eczéma, psoriasis, acné.

Outils pour professionnels de santé

MoleScope (MetaOptima) — dermatoscopie connectée au smartphone avec algorithme d’apprentissage automatique pour analyser et suivre les nævus. Destiné aux professionnels de santé.

Skin Image Search (FirstDerm) — aide au diagnostic différentiel sur photos cliniques, à destination des médecins généralistes.

DermaSensor — autorisé par la FDA en 2024, spectroscopie lumineuse IA pour identifier les lésions nécessitant un avis dermatologique urgent chez les médecins non-spécialistes.

IA et découverte de nouveaux traitements

En 2025, l’IA ne se contente plus d’aider au diagnostic : elle accélère aussi l’arrivée de nouvelles thérapies. Takeda a annoncé des résultats de phase III positifs pour le zasocitinib (TAK-279), une petite molécule contre le psoriasis en plaques dont la sélection initiale a été guidée par des algorithmes de découverte médicamenteuse.

Le point de vue du dermatologue

La question qui revient souvent est : « L’IA va-t-elle remplacer le dermatologue ? » Les études et l’usage clinique répondent clairement : non, mais elle va le transformer.

L’IA est aujourd’hui surtout utile pour :

• Le dépistage de masse dans les zones sans dermatologue — tri des lésions qui nécessitent un avis urgent
• Le suivi longitudinal des nævus — détection automatique des changements dans le temps
• L’aide à la décision — vérification d’une hypothèse diagnostique ou thérapeutique
• La télémédecine — pré-analyse des photos envoyées avant une téléconsultation

Ce qui reste du ressort exclusif du médecin :

• Le dialogue avec le patient — anamnèse, vécu, histoire clinique complète
• La palpation et l’examen clinique — informations non captables par une photo
• Le jugement médical global — intégrant le contexte, les comorbidités, les préférences du patient
• La décision thérapeutique finale et l’engagement éthique envers le patient

En tant que dermatologue, j’utilise ces outils pour appuyer mes diagnostics et vérifier mes décisions thérapeutiques — en gardant toujours le dernier mot sur ce que me proposent les machines.

Enjeux éthiques et protection des données

• Protection des données de santé — les données médicales sont les plus sensibles qui soient. La question de leur exploitation par les grandes plateformes technologiques est centrale
• Biais algorithmiques — la plupart des bases d’entraînement sont construites sur des peaux claires, ce qui réduit la performance de l’IA sur les peaux noires et asiatiques
• Faux diagnostics — un mélanome non détecté par une application peut créer une fausse sécurité dangereuse. Une lésion bénigne classée suspecte génère anxiété et consultations inutiles
• Responsabilité médicale — qui est responsable d’une erreur diagnostique d’une IA ? Le cadre réglementaire européen (AI Act) est en cours de construction

Sources

• GPT-4 accuracy in detecting melanoma — PubMed 2025
• IA vs équipe médicale en dermatologie — EM Consulte 2025
• DermaSensor FDA 2024 — Skin Cancer Foundation
• Esteva et al. Dermatologist-level classification of skin cancer — Nature 2017
• Société Française de Dermatologie

Questions fréquentes sur l’IA en dermatologie

L’IA peut-elle diagnostiquer un mélanome à partir d’une photo ?

Les CNN spécialisés entraînés sur des millions d’images dermatoscopiques atteignent des sensibilités de 86 à 91% pour la détection du mélanome — comparables au dermatologue expert. En revanche, les LLM généralistes comme GPT-4V n’atteignent que 52,5% de sensibilité selon l’étude publiée en 2025 dans Plastic Surgery. Les applications grand public (SkinVision, Skin IO) se situent entre les deux. Aucune ne remplace la consultation chez un dermatologue pour une lésion suspecte — elles sont utiles pour un premier tri, pas pour un diagnostic final.

Quels patients bénéficient le plus du suivi des nævus par IA ?

Les systèmes de cartographie cutanée IA sont particulièrement indiqués pour : les patients avec antécédents personnels ou familiaux de mélanome, le syndrome du nævus dysplasique (plus de 50 grains de beauté atypiques), les patients immunodéprimés (transplantés, VIH), et ceux qui ont subi de nombreux coups de soleil intensifs. La cartographie permet de comparer l’ensemble des lésions dans le temps et de détecter les changements précoces — là où l’œil humain, face à des dizaines de nævus similaires, peut passer à côté d’une évolution subtile.

Quelles applications IA existent pour analyser les grains de beauté ?

Plusieurs applications sont disponibles : SkinVision (analyse le risque de cancer cutané, sensibilité 80%), Skin IO (suivi longitudinal des lésions), Skinive et Ada Health (orientation diagnostique). Pour les professionnels : MoleScope (dermatoscopie connectée), DermaSensor (spectroscopie lumineuse FDA 2024), Vectra 360 (cartographie cutanée totale). Ces outils sont utiles pour un premier tri mais ne se substituent pas à la dermatoscopie par un dermatologue.

ChatGPT peut-il aider à diagnostiquer une maladie de peau ?

ChatGPT (GPT-4V) peut analyser des photos de lésions cutanées et proposer des diagnostics différentiels. Cependant, une étude française de 2025 montre que sa précision (61,6%) reste nettement inférieure à celle d’une équipe médicale (88,3%). Il peut être utile comme aide à la réflexion ou pour obtenir des informations générales, mais ne doit jamais servir de diagnostic final — et particulièrement pas pour les lésions pigmentées suspectes où une erreur peut être fatale.

Les données envoyées à une application de diagnostic cutané sont-elles protégées ?

En Europe, le RGPD encadre le traitement des données de santé — qui sont des données « sensibles » au sens juridique. Vérifiez toujours la politique de confidentialité de l’application, si elle est certifiée dispositif médical CE, et si vos données sont hébergées sur des serveurs européens. Méfiez-vous des applications gratuites qui exploitent vos photos à des fins commerciales. La certification dispositif médical CE implique un niveau d’exigence bien supérieur aux applications grand public non certifiées.

Voir aussi : Mélanome — reconnaître les signes d’alerte / Grains de beauté / Bouton qui ne guérit pas / Cancers de la peau

📅 Consulter le Dr Rousseau en téléconsultation