L’IA va-t-elle remplacer les radiologues ? Repérage des anomalies, comparaisons et comptes rendus types s’automatisent ; l’interprétation clinique, non.
Les organisations auront toujours besoin de radiologues. Ce qui s’accélère, ce sont plutôt l’aide à la détection, les comptes rendus types, les comparaisons et l’extraction des mesures.
Le travail d’un radiologue va bien au-delà de la lecture d’images. Il consiste à interpréter les observations issues du scanner, de l’IRM, de la radiographie, de l’échographie et d’autres modalités à la lumière des symptômes du patient, de ses résultats d’examens, de ses antécédents médicaux et de l’objet de l’examen, puis à transformer ces observations en informations réellement exploitables par les autres cliniciens. Le radiologue est responsable à la fois de l’inventaire des anomalies et de la clarification de ce qui compte et de ce qui est urgent.
La radiologie est l’une des spécialités les plus souvent évoquées à propos de l’IA, mais la véritable valeur de ce métier tient moins au repérage de motifs isolés qu’à la détermination de leur signification clinique. Même si l’IA accélère la détection et la rédaction de comptes rendus types, la responsabilité finale de l’interprétation reste humaine.
Calculé par ai-job-risk.net à partir de quatre jeux de données publics, sur une échelle de 0 à 100 relative aux 188 métiers que nous couvrons. Plus le chiffre est élevé, plus les tâches du métier sont des tâches que l’IA générative peut accomplir ou pour lesquelles elle est déjà utilisée. Ce n’est pas une probabilité de perdre son emploi.
Analyse des tâches par des chercheurs (Eloundou et al. ; OIT). Exprimée en centile parmi tous les métiers qu’ils évaluent.
Usage observé de Microsoft Copilot et d’Anthropic Claude pour les tâches de ce métier. Exprimé en centile parmi tous les métiers qu’ils évaluent.
Le BLS n’indique aucun facteur propre à ce métier : la projection suit donc surtout la croissance ou le recul des secteurs qui l’emploient.
Chiffres américains pour la catégorie professionnelle du BLS « Radiologists ». Les projections du BLS supposent que la technologie continue d’évoluer à son rythme historique ; elles ne constituent pas une prévision de l’effet de l’IA à elle seule.
Sources
Indice d’exposition calculé par ai-job-risk.net à partir des jeux de données ci-dessous (données au 15 octobre 2026). Les chiffres du travail américains proviennent du BLS, sans modification.
Les éditeurs de ces données n’ont ni préparé, ni relu, ni approuvé ce site. Citations complètes, licences et méthode
La radiologie est souvent présentée comme l’une des spécialités médicales les plus susceptibles d’être transformées par l’IA. Le marquage des anomalies possibles, la comparaison avec les examens antérieurs, la rédaction de comptes rendus types et l’extraction des mesures deviennent de plus en plus faciles à automatiser.
Pour autant, la lecture d’images n’est pas un simple problème de reconnaissance de motifs. Une même observation n’a pas la même signification selon la raison pour laquelle l’examen a été prescrit, les symptômes du patient et la question clinique d’ensemble. Les radiologues ne se contentent pas de détecter : ils interprètent, hiérarchisent et communiquent.
Les radiologues font bien plus que décrire des images : ils transforment les observations d’imagerie en orientations cliniquement pertinentes. La ligne de partage concrète sépare les tâches que l’IA devrait accélérer du travail qui reste fermement humain.
L’IA est particulièrement efficace pour l’aide à la détection, les comptes rendus structurés, l’aide à la comparaison et l’extraction des mesures. Plus le travail repose sur une reconnaissance répétitive et une mise en forme standard, plus il devient facile à automatiser.
L’IA peut aider à signaler les opacités, lésions ou structures anormales suspectes comme candidates à un examen approfondi, ce qui peut améliorer l’efficacité et contribuer à éviter les oublis. Mais décider quels marquages comptent sur le plan clinique reste la responsabilité du radiologue.
Les comptes rendus de radiologie construits autour de modèles standard se prêtent naturellement à l’assistance de l’IA, ce qui peut réduire le temps de rédaction. Le radiologue doit néanmoins toujours décider de ce qui mérite d’être mis en avant et avec quelle insistance le formuler.
L’IA peut aider à comparer les images actuelles avec les examens antérieurs et à mettre en évidence l’évolution entre les deux, ce qui accélère la relecture. Mais déterminer si ce changement est significatif, urgent ou fortuit dépend toujours de l’interprétation d’un expert.
Les mesures, la taille des lésions et certaines informations structurelles peuvent être extraites plus efficacement grâce à l’IA, ce qui fluidifie le travail. La qualité des mesures et leur pertinence clinique doivent toutefois être vérifiées par un radiologue.
Ce qui reste fermement du ressort des radiologues, c’est l’interprétation dans le contexte clinique, l’évaluation de l’urgence, la frontière entre découverte fortuite et surinterprétation, et la concertation avec les médecins prescripteurs. Plus la tâche dépend du sens plutôt que de la détection, plus elle reste humaine.
Les radiologues doivent toujours déterminer ce que signifie une image au regard de l’objet de l’examen, des symptômes du patient et de la question clinique plus large. Un même aspect à l’image peut avoir une portée différente selon le contexte.
Certaines observations exigent une communication urgente le jour même, d’autres non. Les radiologues doivent toujours déterminer lesquelles relèvent réellement de l’urgence et veiller à ce que les bonnes personnes soient rapidement informées.
Toutes les anomalies visibles ne doivent pas être signalées de la même manière. Les radiologues doivent toujours juger ce qui mérite d’être mentionné, ce qui justifie un suivi et ce qui risque de provoquer une inquiétude inutile. Cet équilibre reste une responsabilité humaine.
Les radiologues doivent toujours échanger avec les autres services pour que les observations d’imagerie soient correctement comprises dans le contexte du traitement. Ce rôle de passerelle interprétative reste au cœur de la spécialité.
Pour les radiologues, la valeur future dépendra moins de la détection brute de motifs que de l’interprétation en contexte, de l’évaluation de l’urgence et de la communication. L’essentiel est d’utiliser l’IA comme appui tout en renforçant la capacité à transformer les images en décisions cliniques.
Les radiologues doivent lire les images en gardant à l’esprit le parcours du patient et l’objectif clinique, et non comme des énigmes visuelles isolées. Plus l’IA progresse dans la détection, plus cette lecture fondée sur le contexte prend de la valeur.
Les radiologues doivent savoir à la fois ce qui est anormal et ce qui ne peut pas attendre. Ce jugement sur l’urgence reste un facteur de différenciation majeur.
Les bons radiologues ne se contentent pas de signaler davantage. Ils savent éviter les surinterprétations inutiles tout en préservant la sécurité. Cet équilibre reste difficile à automatiser.
L’IA peut marquer de nombreuses observations possibles, mais les radiologues doivent toujours décider lesquelles comptent vraiment et lesquelles ne sont que du bruit. Plus la détection s’améliore, plus le jugement prend de l’importance.
L’expérience en radiologie forge des compétences en interprétation d’images, en hiérarchisation, en explication clinique et en coordination diagnostique. Il est donc plus facile d’évoluer vers des métiers voisins où le jugement diagnostique reste central.
Les radiologues qui souhaitent se rapprocher de la prise en charge clinique globale peuvent évoluer vers des fonctions médicales plus larges, en y apportant de solides compétences d’interprétation diagnostique.
Indice d’exposition 51/100 · Emploi É.-U. 2025–35 +3,3%
L’expérience de la lecture des observations au regard de la nécessité d’une intervention peut aussi servir dans les fonctions chirurgicales centrées sur les décisions d’intervention.
Indice d’exposition 39/100 · Emploi É.-U. 2025–35 +4,0%
Pour ceux qui souhaitent s’orienter vers une spécialité très différente mais tout aussi exigeante en matière de jugement, la psychiatrie reste une voie médicale voisine.
Indice d’exposition 55/100 · Emploi É.-U. 2025–35 +7,2%
L’expérience du raisonnement diagnostique et du contexte thérapeutique peut aussi mener à des fonctions axées sur la sécurité médicamenteuse, en particulier pour ceux qui sont attirés par la prise en charge pharmacologique.
Indice d’exposition 72/100 · Emploi É.-U. 2025–35 +5,2%
Les radiologues qui souhaitent se rapprocher de la coordination des soins et du soutien à l’organisation clinique peuvent aussi bien s’adapter aux fonctions d’assistance médicale.
Indice d’exposition 46/100 · Emploi É.-U. 2025–35 +12,9%
Les personnes qui souhaitent structurer leurs connaissances diagnostiques et les transmettre peuvent aussi s’orienter vers une carrière universitaire dans l’enseignement et la recherche.
Indice d’exposition 75/100 · Emploi É.-U. 2025–35 +2,0%
Les organisations auront toujours besoin de radiologues. Ce qui s’accélère, ce sont plutôt l’aide à la détection, les comptes rendus types, les comparaisons et l’extraction des mesures. Ce qui reste, c’est le travail consistant à interpréter les observations dans leur contexte clinique, à évaluer l’urgence, à éviter la surinterprétation et à harmoniser la compréhension avec les autres cliniciens. Dans les années à venir, la solidité d’une carrière dépendra moins de la détection isolée que du jugement diagnostique en contexte.
Ces métiers appartiennent au même secteur que Radiologue. Ils ne recouvrent pas exactement le même travail, mais ils permettent de comparer plus facilement l’exposition à l’IA et la proximité de parcours.
Radiologue obtient 67 sur 100 sur notre indice d’exposition à l’IA générative (rang 116 sur 188). Cela mesure quelle part du travail l’IA peut accomplir ou sert à accomplir, et non si le métier va disparaître. Le BLS prévoit une évolution de +3,4% de l’emploi de Radiologue aux États-Unis entre 2025 et 2035.
L’IA est particulièrement efficace pour l’aide à la détection, les comptes rendus structurés, l’aide à la comparaison et l’extraction des mesures. Plus le travail repose sur une reconnaissance répétitive et une mise en forme standard, plus il devient facile à automatiser. Par exemple : Marquer les anomalies candidates; Rédiger des comptes rendus structurés; Aider à la comparaison avec les images antérieures; Extraire les mesures et les données structurelles.
Ce qui reste fermement du ressort des radiologues, c’est l’interprétation dans le contexte clinique, l’évaluation de l’urgence, la frontière entre découverte fortuite et surinterprétation, et la concertation avec les médecins prescripteurs. Plus la tâche dépend du sens plutôt que de la détection, plus elle reste humaine. Par exemple : Interpréter les observations à la lumière de la question clinique; Évaluer l’urgence et communiquer sans délai; Tracer la frontière entre découverte fortuite et surinterprétation; Harmoniser la compréhension avec les autres spécialités.
Pour les radiologues, la valeur future dépendra moins de la détection brute de motifs que de l’interprétation en contexte, de l’évaluation de l’urgence et de la communication. L’essentiel est d’utiliser l’IA comme appui tout en renforçant la capacité à transformer les images en décisions cliniques. Par exemple : Une interprétation des images ancrée dans le contexte clinique; Évaluer la priorité des observations urgentes; Le sens de l’équilibre nécessaire pour éviter le surdiagnostic; Savoir lire les résultats de détection de l’IA avec un œil critique.
