Diagnostic IA : quand l'argumentation remplace la boîte noire

Des chercheurs d'arXiv proposent un cadre d'interprétabilité pour les diagnostics image basés sur l'IA, en appliquant le modèle d'argumentation de Toulmin. Au lieu de présenter une prédiction brute, le système la décompose en composants : la claim (diagnostic), les grounds (biomarqueurs détectés), et surtout le warrant—le lien logique entre preuves et conclusion—validé par un agent MedGemma doté de connaissance médicale. Cette approche remplace les méthodes XAI classiques par une structure argumentative explicite, où chaque étape peut être contestée (rebuttal) ou renforcée (backing). L'intérêt opérationnel est direct : un médecin n'accepte plus un résultat sur la foi du modèle, mais peut auditer le raisonnement étape par étape. En retinopathie diabétique ou détection de tumeurs, cela crédibilise l'outil auprès des cliniciens habitués à justifier leurs décisions. Le coût reste académique—pas d'annonce de déploiement clinique—et la limite majeure tient à la fiabilité du warrant validé par l'agent LLM : hallucine-t-il des connexions logiques plausibles mais fausses ? Ce cadre anticipe une exigence réglementaire croissante (IA Act EU, FDA) : l'IA médicale ne sera jamais déployée sans trace argumentée. Plutôt que des saliency maps opaques, le Toulmin offre un format auditible par des juristes, des pairs et des patients.