Une équipe de chercheuses de l’Université Carlos III de Madrid (UC3M) a évalué différents modèles de langage basés sur l’intelligence artificielle (IA) afin de simplifier les comptes rendus médicaux et d’en adapter le langage pour le grand public. Ces travaux aideront les patients à mieux comprendre leurs problèmes de santé et à suivre correctement les traitements prescrits.
L’étude, publiée dans la revue Scientific Reports, s’attaque à un problème très répandu : de nombreuses personnes éprouvent des difficultés à comprendre leurs propres bilans médicaux, ce qui nuit à leur capacité à gérer leur santé. « Nous avons constaté que 46 % des citoyens européens ont du mal à comprendre un document médical. C’est pourquoi nous avons développé un ensemble d’outils visant à améliorer la communication entre médecin et patient », explique Paloma Martínez, coautrice de l’étude et professeure des universités au département d’informatique de l’UC3M. « Pour résoudre ce problème, les modèles de langage peuvent générer une version du document destinée au médecin et une autre adaptée au patient, lui permettant d’assimiler les abréviations ou les tournures complexes figurant dans le compte rendu. »
Cette étude arrive à point nommé selon l’équipe de recherche, puisque le décret royal 707/2026 entrera en vigueur le 2 janvier 2027. Publiée au Journal officiel de l’État espagnol (BOE) le 3 septembre, cette texte approuve le premier règlement fixant les conditions fondamentales d’accessibilité cognitive. Cette norme définit les exigences rendant plus compréhensibles les documents, démarches et services administratifs, et s'imposera aux administrations publiques dans des domaines tels que la justice, la santé, l’emploi, les services numériques ou les transports.
« Le langage clair est un cadre méthodologique normalisé qui garantit une information facile à trouver, à comprendre et à utiliser. Il ne s’agit pas seulement de raccourcir les phrases ou de simplifier le vocabulaire, mais de structurer le contenu de manière cohérente, d’adapter le lexique spécialisé et d’orienter explicitement l’utilisateur selon ses besoins d’information », souligne Lourdes Moreno, également professeure des universités au département d’informatique de l’UC3M et coautrice de l’étude.
La recherche repose sur l’étude de 50 comptes rendus médicaux issus de cas cliniques fournis par la Société andalouse de médecine familiale et communautaire. Chaque rapport a fait l’objet de trois adaptations indépendantes, rédigées par des experts en accessibilité cognitive conformément à la norme internationale sur le langage clair ISO 24495-1:2023, soit un total de 150 textes adaptés. Les textes originaux et leurs adaptations ont permis de fine-tuner et d’évaluer les modèles.
Les chercheuses ont évalué la simplification, la similitude sémantique, la cohérence factuelle, la lisibilité et l’impact environnemental de quatre familles de modèles de langage (Llama 3.2 1B et 3B, Salamandra 2B et 7B, RigoChat-v2 7B et Medical-mT5 3B). Les résultats montrent qu’il n’existe pas de modèle parfait : Llama-3.2-3B présente le profil le plus équilibré en matière d’efficacité, de robustesse et de performance globale, tandis que RigoChat-v2-7B se distingue lorsque la qualité rédactionnelle et la lisibilité sont prioritaires.
L’analyse des textes générés a mis en évidence trois types d’erreurs communs aux quatre familles de modèles : la sur-simplification (qui élimine des détails cliniques essentiels pour le patient), les hallucinations cliniques (qui inventent ou altèrent des données du texte d'origine) et l’incohérence (marquée par des phrases fragmentées ou des ruptures nuisant à la lecture). « C’est précisément en raison de ce type d’erreurs qu'une supervision humaine reste indispensable, d'autant plus dans un domaine aussi sensible que la santé », précise Paloma Martínez.
Les chercheuses ont mis l’ensemble des ressources à la disposition de la communauté scientifique afin d’encourager une recherche reproductible. « Nos modèles sont en accès libre. L’ensemble des données, les modèles adaptés et les prompts sont disponibles sur les plateformes publiques GitHub et Zenodo afin que chacun puisse poursuivre nos travaux », conclut Paloma Martínez.
Ces travaux ont été réalisés dans le cadre du projet HumanAI (Human-Centered AI: Towards Accessible and Personalized Language Models), inscrit au Plan national de recherche scientifique, technique et d’innovation d’Espagne (PEICTI) et financé par l’Agence nationale de la recherche (PID2023-148577OB-C21). Plus d'informations : https://humanai.uc3m.es/
Référence bibliographique :
Martínez, P., Sánchez-Gómez, J. M., & Moreno, L. (2026). Benchmark of small language models for plain-language simplification in Spanish clinical texts. Scientific Reports. DOI : https://doi.org/10.1038/s41598-026-65740-w e-Archivo de la UC3M: https://hdl.handle.net/10016/51142
Vidéo: https://youtu.be/cF0DYHY07KU