La tuberculose tue plus de 1,23 million de personnes par an, et dans de nombreuses zones très touchées, le goulot d'étranglement n'est pas le traitement mais le dépistage : il manque de radiologues pour lire les radiographies thoraciques. Google Research a expliqué, lors du congrès IDWeek 2026, comment ses travaux sur la tuberculose sont passés des articles aux cliniques, et comment ils reposent désormais sur des modèles ouverts que les systèmes de santé locaux peuvent faire tourner eux-mêmes.
La voie clinique passe par Nexus AI, une entreprise de technologies médicales de Pretoria qui a transformé les algorithmes de radiographie thoracique de Google en produit certifié. Il dispose d'une certification de classe IIb au titre du règlement européen sur les dispositifs médicaux, vise la préqualification de l'Organisation mondiale de la santé grâce à un accord avec FIND et progresse vers une autorisation de la FDA américaine. L'outil est utilisé en Afrique du Sud, en Sierra Leone et en Côte d'Ivoire, avec des extensions en cours en République démocratique du Congo, en Zambie et au Cameroun. Dans environ 40 établissements, plus de 90 cliniciens ont examiné plus de 25 000 radiographies, avec des résultats en moins de 45 secondes au lieu de plusieurs semaines. Un déploiement associe un appareil de radiographie portable à l'IA à Mponeng, l'une des mines d'or les plus profondes du monde.
C'est la partie ouverte qui permet de passer à l'échelle. Google a publié MedSigLIP, qui relie les images médicales au langage employé pour les décrire, et MedGemma, des modèles à poids ouverts de 4B et 27B paramètres, que nous testons dans sa version 4B. L'Indonésie, qui selon Google porte la deuxième plus lourde charge de tuberculose au monde et veut dépister 50 millions de personnes par an, affine les deux sur ses propres radiographies afin que les données des patients restent dans le pays. Là où il n'y a pas d'imagerie, HeAR, entraîné sur plus de 300 millions de segments audio, dépiste à partir de toux enregistrées sur un téléphone.
Pour qui évalue l'IA médicale, c'est un exemple utile de modèle qui fonctionne hors ligne et s'adapte localement au lieu de partir vers un cloud étranger. MedGemma a dépassé les 10 millions de téléchargements, selon Google.
Ce que le billet ne donne pas, c'est le chiffre essentiel : la précision des outils déployés. Aucune sensibilité ni spécificité n'est fournie pour le produit de radiographie ni pour HeAR, qui accumule encore des preuves cliniques avec ses partenaires. La préqualification de l'OMS et l'autorisation de la FDA restent en attente, et les chiffres d'activité viennent de Google et de son partenaire. Tant que des données de précision indépendantes manquent, l'ampleur du déploiement est plus claire que son effet clinique.