Dans le numéro du 14 octobre 2026 de la Revue Médicale Suisse, la Pre Stéphanie Sidorkiewicz (Université Paris Cité) signe une tribune intitulée « Les patients vont-ils remplacer leur médecin généraliste par l’intelligence artificielle ? » [1]. Sa réponse tient en un renversement : les patients ont déjà commencé à le faire, et la vraie question est de savoir quelle part du métier nous accepterons de laisser remplacer.
Son argument mérite d’être transposé à la néphrologie. Notre spécialité est sans doute l’une des plus exposées à l’automatisation — elle vit de chiffres, de formules et de protocoles. Elle est aussi l’une de celles où la complémentarité entre l’outil et le clinicien peut être la plus féconde.
Ce que dit la tribune
L’autrice part de faits concrets : un programme pilote dans l’Utah où un agent conversationnel renouvelle certaines prescriptions chroniques [2], une plateforme autorisée par la FDA pour ajuster des posologies entre deux consultations, et un patient qui a mené son sevrage de benzodiazépines avec un chatbot jugé « plus empathique » que son psychiatre. Elle rappelle qu’en 2023, des réponses de ChatGPT à des questions de patients avaient été jugées plus empathiques que celles de médecins [3].
Sa thèse : si notre métier se réduit à appliquer des arbres décisionnels, renouveler des traitements et valider des bilans, l’IA nous remplacera — et elle ne remplacera alors qu’une médecine déjà dégradée. Ce qu’elle ne remplace pas, c’est la capacité à décider avec une personne réelle quand les recommandations se contredisent, quand les preuves sont fragiles, quand il faut assumer l’incertitude.
La néphrologie, spécialité « automatisable » ?
Regardons honnêtement notre quotidien. Une bonne partie de ce que nous faisons ressemble à une procédure :
- calculer un DFGe et classer selon KDIGO G/A ;
- estimer un risque d’insuffisance rénale terminale (KFRE) [4] ;
- adapter les posologies à la fonction rénale ;
- ajuster ASE, fer, chélateurs du phosphore et calcimimétiques selon les bilans mensuels de dialyse ;
- vérifier Kt/V, poids sec, accès vasculaire, potassium pré-dialyse ;
- dérouler un algorithme d’hyponatrémie ou d’hyperkaliémie.
Tout cela est structuré, répétitif, codifiable. Un outil bien conçu le fera plus vite, de façon plus systématique, sans fatigue de fin de garde. Il repérera une interaction médicamenteuse que nous aurions manquée, une tendance de la créatinine noyée dans un dossier de 300 pages, un phosphore qui dérive depuis trois mois.
Il serait absurde de le refuser. Ce serait même, dans certains cas, une perte de chance pour le patient.
Là où l’outil seul échoue : quelques leçons néphrologiques
L’alerte n’est pas le soin. Les alertes électroniques d’insuffisance rénale aiguë en sont l’illustration la plus nette. Un premier essai randomisé n’a montré aucun bénéfice clinique [5]. L’essai multicentrique ELAIA-1 (6 030 patients) n’a pas non plus amélioré le critère principal ; dans deux hôpitaux non universitaires, la mortalité était même de 15,6 % avec alerte contre 8,6 % sans [6]. Détecter n’est utile que si quelqu’un comprend le contexte et agit à bon escient.
Le patient multimorbide fait éclater les recommandations. Un patient de 82 ans avec MRC stade 4, insuffisance cardiaque, diabète et fibrillation auriculaire coche simultanément les cases de quatre guidelines qui, appliquées ensemble, produisent une ordonnance de quinze lignes [7]. Le rôle du néphrologue n’est pas d’additionner les recommandations mais de hiérarchiser — et souvent de retirer. C’est l’esprit de la « médecine minimalement perturbatrice » [8] : le fardeau du traitement est lui-même un facteur de risque.
La décision de dialyse n’est pas un calcul. Chez le sujet très âgé et polymorbide, le bénéfice de survie de la dialyse par rapport au traitement conservateur s’amenuise : dans une cohorte néerlandaise, il n’était plus significatif après 80 ans, et la comorbidité le réduisait encore [9]. Le KFRE donne une probabilité ; il ne dit pas ce que la personne est prête à vivre trois fois par semaine pendant quatre heures, ni ce que signifie pour elle « vivre plus longtemps ». La médecine fondée sur les preuves, telle que Sackett la définissait, réunit trois éléments : les meilleures données disponibles, l’expertise du clinicien et les valeurs du patient [10]. La décision de dialyse est précisément le lieu où les trois doivent se rencontrer — et cette rencontre reste un acte clinique (voir Dialyse en 2026 : ce que le médecin non-néphrologue doit savoir et Greffer à 75 ans).
Le contexte invisible. Un potassium à 6,2 chez un dialysé peut traduire une erreur diététique, une hémolyse du prélèvement, une dialyse écourtée parce que le patient travaille, ou un deuil récent qui a tout désorganisé. Les données ne contiennent pas la raison. La personne, si.
Ce que montre la littérature récente
La néphrologie a longtemps été en retard dans l’adoption de l’IA. En 2026, le mouvement s’accélère, et la plupart des travaux vont dans le sens de la complémentarité plutôt que du remplacement.
- Un cadre institutionnel. L’American Society of Nephrology a présenté fin 2025 une déclaration sur l’usage responsable de l’IA, dont le principe fondateur est que le médecin reste impliqué à chaque étape, avec pour objectif le bénéfice du patient rénal [11].
- Des outils validés en dialyse. L’Anemia Control Model, dispositif médical certifié développé par Fresenius Medical Care et utilisé depuis 2014 dans son réseau européen de centres NephroCare, propose des doses d’ASE et de fer personnalisées. Il est associé à davantage de patients dans la cible d’Hb, moins d’ASE et moins d’hospitalisations — sur des données observationnelles, publiées par les équipes du fabricant [12,13]. C’est l’exemple type d’un outil qui propose et d’un néphrologue qui dispose. Une revue récente note toutefois que, malgré de nombreux modèles prédictifs, la traduction en pratique courante reste rare [12].
- La pathologie computationnelle. Des modèles d’apprentissage profond segmentent glomérules et tubules, quantifient la glomérulosclérose et la fibrose interstitielle, et aident au classement des rejets de greffe [14]. Ils rendent la lecture plus reproductible, sans remplacer l’interprétation clinico-pathologique.
- Les agents conversationnels face aux patients. Les grands modèles de langage (large language models, LLM) sont les outils de type ChatGPT, Gemini ou Claude, qui génèrent du texte en réponse à une question. Une étude a soumis 123 questions réelles de patients MRC à ChatGPT et Gemini, évaluées par des néphrologues. Exactitude et pertinence étaient comparables entre les deux modèles, avec des forces différentes selon les domaines (nutrition, symptômes) ; les auteurs les voient comme des outils complémentaires d’éducation thérapeutique [15]. Les revues de synthèse insistent sur la transparence, la validation et l’intégration dans le flux clinique comme conditions préalables [16].
Une complémentarité à construire, pas à subir
La complémentarité n’est pas un partage figé « la technique à la machine, la relation à l’humain ». La tribune le dit bien : notre expertise réside dans la capacité à faire de la relation le socle d’une décision complexe. Concrètement, en néphrologie, une répartition raisonnable pourrait ressembler à ceci :
| L’IA peut prendre en charge | Le néphrologue reste indispensable pour |
|---|---|
| Calculs (DFGe, KFRE, clairance, Kt/V) | Interpréter un chiffre discordant avec la clinique |
| Surveillance des tendances biologiques | Décider s’il faut agir — ou ne rien faire |
| Adaptation posologique standard | Déprescrire chez le multimorbide |
| Synthèse de dossier, préparation de consultation | Hiérarchiser les priorités avec le patient |
| Rédaction de courriers, résumés pour le patient | Annoncer, accompagner, discuter du traitement conservateur |
| Veille bibliographique, résumés d’études | Juger si une étude s’applique à ce patient |
| Information patient reformulée et disponible 24 h/24 | Assumer la responsabilité de la décision |
Trois conditions me paraissent nécessaires pour que cette complémentarité profite réellement aux patients :
- Libérer du temps, pas augmenter le débit. Si l’IA rédige le courrier et prépare la synthèse, le temps gagné doit retourner au patient — pas à cinq consultations de plus. Sinon, nous aurons simplement industrialisé ce que la tribune dénonce.
- Garder la main sur le raisonnement. Un outil probabiliste n’a ni responsabilité clinique ni connaissance de la personne. Il propose ; le médecin dispose — et doit pouvoir expliquer pourquoi il s’en écarte.
- Former davantage, pas moins. Si la machine prend en charge la part mécanique, la formation doit se concentrer sur ce qui est le plus exigeant : l’incertitude, la multimorbidité, la lecture critique des preuves, la décision partagée. Un néphrologue qui ne sait plus calculer une fraction d’excrétion ne saura pas non plus repérer quand l’outil se trompe.
Et l’empathie ?
Le constat qui dérange le plus dans la tribune est celui de l’IA jugée « plus empathique ». Il ne faut pas l’écarter trop vite. Une IA ne se lasse pas, ne regarde pas l’horloge, reformule autant de fois que nécessaire. Pour un patient qui découvre une MRC et rentre chez lui avec une liste d’aliments interdits, un outil capable de répondre à 22 h à la question « est-ce que je peux encore manger une banane ? » rend un vrai service.
Mais cette disponibilité dit surtout quelque chose de nos conditions d’exercice. L’IA comble un vide que nous avons laissé se creuser. La bonne réponse n’est pas de la concurrencer sur la patience, mais de l’utiliser pour ce qu’elle fait bien — l’information, la répétition, la reformulation — et de réserver notre présence à ce qu’elle ne peut pas faire : être là quand il faut décider, et quand il faut accompagner.
En conclusion
La néphrologie a toujours vécu avec la technologie : le rein artificiel est, au sens propre, une machine qui remplace un organe. Personne n’a jamais pensé que le dialyseur remplaçait le néphrologue. Il a déplacé notre rôle — vers la prescription, l’accompagnement, la décision de commencer, de poursuivre ou d’arrêter.
L’IA fera probablement de même. La charte de ce blog le dit depuis longtemps à propos de l’information en ligne : elle est destinée à encourager, et non à remplacer, la relation entre patients et soignants. La même règle vaut pour l’IA. La question n’est pas de savoir si elle nous remplacera, mais ce que nous ferons du temps et de l’attention qu’elle nous rendra.
Messages clés
- Tout ce qui, en néphrologie, ressemble à une procédure (calculs, ajustements, surveillance) sera de plus en plus pris en charge par des outils — c’est souhaitable.
- Détecter n’est pas soigner : les alertes d’IRA n’ont pas amélioré le pronostic en essai randomisé.
- Multimorbidité, déprescription, décision de dialyse ou de traitement conservateur restent des actes cliniques.
- Les meilleurs outils actuels (Anemia Control Model) proposent ; le néphrologue dispose.
- Le temps libéré par l’IA doit retourner au patient.
Bibliographie
[1] Sidorkiewicz S. Les patients vont-ils remplacer leur médecin généraliste par l’intelligence artificielle ? Rev Med Suisse. 2026;22:1688-9. doi:10.53738/REVMED.2026.22.979.49467
[2] Mello MM. Utah’s experiment with AI-driven prescription renewals. JAMA Health Forum. 2026;7(3):e261001. doi:10.1001/jamahealthforum.2026.1001
[3] Ayers JW, Poliak A, Dredze M, et al. Comparing physician and artificial intelligence chatbot responses to patient questions posted to a public social media forum. JAMA Intern Med. 2023;183(6):589-96. doi:10.1001/jamainternmed.2023.1838
[4] Tangri N, Stevens LA, Griffith J, et al. A predictive model for progression of chronic kidney disease to kidney failure. JAMA. 2011;305(15):1553-9. doi:10.1001/jama.2011.451
[5] Wilson FP, Shashaty M, Testani J, et al. Automated, electronic alerts for acute kidney injury: a single-blind, parallel-group, randomised controlled trial. Lancet. 2015;385(9981):1966-74. doi:10.1016/S0140-6736(15)60266-5
[6] Wilson FP, Martin M, Yamamoto Y, et al. Electronic health record alerts for acute kidney injury: multicenter, randomized clinical trial. BMJ. 2021;372:m4786. doi:10.1136/bmj.m4786
[7] Boyd CM, Darer J, Boult C, et al. Clinical practice guidelines and quality of care for older patients with multiple comorbid diseases: implications for pay for performance. JAMA. 2005;294(6):716-24. doi:10.1001/jama.294.6.716
[8] May C, Montori VM, Mair FS. We need minimally disruptive medicine. BMJ. 2009;339:b2803. doi:10.1136/bmj.b2803
[9] Verberne WR, Geers AB, Jellema WT, et al. Comparative survival among older adults with advanced kidney disease managed conservatively versus with dialysis. Clin J Am Soc Nephrol. 2016;11(4):633-40. doi:10.2215/CJN.07510715
[10] Sackett DL, Rosenberg WM, Gray JA, et al. Evidence based medicine: what it is and what it isn’t. BMJ. 1996;312(7023):71-2. doi:10.1136/bmj.312.7023.71
[11] Tangri N, Cheungpasitporn W, Crittenden SD, et al.; ASN AI Workgroup. Responsible use of artificial intelligence to improve kidney care: a statement from the American Society of Nephrology. J Am Soc Nephrol. 2026;37(4):881-90. doi:10.1681/ASN.0000000929
[12] Neri L, et al. Artificial intelligence in kidney disease and dialysis: from data mining to clinical impact. Curr Opin Nephrol Hypertens. 2026;35(1):30-5. doi:10.1097/MNH.0000000000001132
[13] Garbelli M, Baro Salvador ME, Rincon Bello A, et al. Usage of the Anemia Control Model is associated with reduced hospitalization risk in hemodialysis. Biomedicines. 2024;12(10):2219. doi:10.3390/biomedicines12102219
[14] Farris AB, van der Laak J, van Midden D. Artificial intelligence-enhanced interpretation of kidney transplant biopsy: focus on rejection. Curr Opin Organ Transplant. 2025;30(3):201-7. doi:10.1097/MOT.0000000000001213
[15] Bati Sutcu Y, Ozcan SG, et al. Comparative analysis of ChatGPT and Gemini in addressing questions from chronic kidney disease patients. Kidney Dial. 2026;6(1):9. doi:10.3390/kidneydial6010009
[16] Zoccali C, et al. Artificial intelligence-driven nephrology: the role of large language models in kidney care. Am J Nephrol. 2026;57(4):476-90. doi:10.1159/000548208
J’ai rédigé cet article avec l’aide de Claude (Anthropic), à partir d’une tribune de la Revue Médicale Suisse, pour la synthèse et la recherche bibliographique. La sélection des sources, les positions cliniques et la responsabilité éditoriale restent les miennes.
Laisser un commentaire