Cancer du sein : l’IA peut-elle lire les mammographies ?

Dans certains centres, une mammographie peut déjà être analysée par un logiciel d’intelligence artificielle, en complément du radiologue. [11] Est-ce un regard supplémentaire utile ou une façon de confier trop vite votre santé à une machine ? La question mérite mieux qu’une opposition entre technologie et médecin.

Les grands travaux européens montrent qu’une IA associée à des radiologues peut améliorer la détection du cancer du sein. L’essai suédois MASAI a aussi testé une organisation où l’IA permet de réduire une partie des secondes lectures humaines. Mais l’usage évalué, le logiciel et le parcours comptent autant que le mot « IA ». [1] [2] [3]

En France, les documents officiels consultés au 26 octobre 2026 décrivent toujours une seconde lecture par un autre radiologue pour les mammographies normales ou bénignes du dépistage organisé. Des équipes utilisent ou évaluent des logiciels, sans que cela signifie un remplacement national du second lecteur. Voici ce qui est démontré, ce qui reste incertain et ce que cela change pour les patientes. [7] [8] [11] [12]

Les points clés

• Dans MASAI, chaque mammographie restait lue par au moins un radiologue : l’IA ne décidait pas seule.
• Le dépistage assisté détectait 6,4 cancers pour 1 000 femmes dépistées, contre 5,0 avec la double lecture classique, sans hausse statistiquement significative des faux positifs. [2]
• Le nombre de lectures humaines diminuait de 44,2 %, pas l’ensemble du travail des services. [2]
• Le suivi publié en 2026 est rassurant pour les cancers d’intervalle, mais ne démontre ni leur diminution statistique ni une baisse de mortalité. [3]
• Verdict : prometteur à validé selon l’usage, avec un cadre français qui reste distinct des parcours suédois.

Pourquoi les mammographies sont-elles lues deux fois ?

Le dépistage recherche un cancer chez une personne qui n’a pas de symptôme. En France, le programme organisé concerne les femmes de 50 à 74 ans à risque moyen, avec une invitation tous les deux ans. Les femmes ayant des symptômes ou un risque particulier relèvent d’un parcours adapté, et non simplement de ce calendrier. [7] [8]

Lors du rendez-vous, le radiologue réalise un examen clinique des seins et interprète les clichés. S’il découvre une anomalie suspecte, il organise les explorations nécessaires. Si les images sont normales ou montrent seulement des anomalies bénignes, une autre lecture est organisée par le centre régional de coordination des dépistages des cancers, ou CRCDC. [7] [8]

Cette seconde lecture par un autre radiologue est une garantie supplémentaire : elle peut repérer une anomalie passée inaperçue lors de la première lecture. Elle n’est pas une seconde mammographie et n’ajoute donc pas, par elle-même, une nouvelle exposition aux rayons X. Le cahier des charges prévoit des lecteurs formés et des exigences d’activité. [7] [8]

L’IA intéresse ce parcours parce qu’elle peut signaler une zone suspecte, mais aussi sélectionner les examens qui nécessitent davantage d’attention. La question n’est donc pas seulement « la machine voit-elle bien ? ». Il faut également savoir comment son avis est utilisé et qui tranche un désaccord. [1] [4] [5]

IA et mammographie : trois usages à ne pas confondre

Une IA de mammographie est un logiciel spécialisé dans l’analyse d’images. Selon le produit, elle indique des zones suspectes et attribue un score de suspicion. Un score élevé n’est pas un diagnostic de cancer, et un score faible ne garantit pas l’absence de cancer. Le diagnostic et les décisions médicales ne se résument pas à ce chiffre. [1] [4] [5]

Le premier usage est l’aide à la lecture. Le radiologue examine la mammographie et peut consulter les indications du logiciel. L’IA sert alors de soutien, sans supprimer nécessairement un lecteur humain. C’est notamment le type de double lecture assistée évalué dans l’étude allemande PRAIM. [4]

Le deuxième usage est le tri des examens. Le logiciel oriente les mammographies vers une lecture par un seul radiologue ou vers deux lectures humaines, selon leur niveau de suspicion. C’est l’organisation testée dans MASAI, où l’IA fournissait aussi une aide à la détection. [1] [2]

Le troisième usage est celui d’un lecteur indépendant : l’avis de l’IA est comparé à celui d’un radiologue. Les examens signalés peuvent ensuite être discutés par des médecins. ScreenTrustCAD a étudié cette approche. Remplacer un avis de seconde lecture ne revient donc pas à délivrer un résultat à la patiente sans aucun médecin. [5]

MASAI : davantage de cancers détectés avec moins de lectures

MASAI signifie Mammography Screening with Artificial Intelligence, autrement dit dépistage mammographique avec intelligence artificielle. Cet essai a réparti au hasard les participantes entre deux parcours, dans quatre sites suédois. Cette randomisation limite les différences entre groupes qui pourraient fausser la comparaison. [1] [2]

Le groupe témoin bénéficiait d’une double lecture classique sans IA. Dans l’autre groupe, Transpara, version 1.7.0, attribuait un score de suspicion de 1 à 10. Les examens notés de 1 à 9 étaient lus par un radiologue ; ceux notés 10 par deux radiologues. Le score était accessible aux lecteurs. Les marques signalant les zones suspectes étaient affichées pour les scores de 8 à 10. Le protocole prévoyait aussi un rappel par défaut pour la fraction des examens la plus suspecte, soit environ 1 %, sauf faux positif évident. L’arbitrage restait médical. [1] [2] [14]

L’analyse de performance publiée en 2025 portait sur 105 934 femmes randomisées, dont 105 915 analysées après exclusions. Les résultats ne concernent donc pas une machine testée seule sur une collection d’images : ils évaluent un parcours de dépistage effectivement appliqué. [2]

Un gain de détection à exprimer correctement

Avec l’IA, 338 cancers ont été détectés parmi 53 043 participantes, contre 262 parmi 52 872 dans le groupe témoin. Les taux étaient de 6,4 contre 5,0 cancers pour 1 000 femmes dépistées. Le gain relatif était de 29 %, soit environ 1,4 cancer supplémentaire pour 1 000 femmes dépistées, d’après les taux arrondis. [2]

Ce « 29 % » ne signifie pas que près d’une femme sur trois reçoit un diagnostic supplémentaire. Il compare deux taux peu élevés dans une population dépistée. Donner la différence absolue permet de mieux comprendre le bénéfice observé.

Le gain concernait des cancers invasifs, c’est-à-dire ayant franchi les limites du tissu où ils étaient apparus, mais aussi des cancers in situ, encore localisés. Les cancers invasifs détectés en plus étaient principalement de petite taille et sans atteinte ganglionnaire. C’est un résultat encourageant, sans être à lui seul une preuve de vies sauvées. [2]

Pas de hausse significative des faux positifs

Un rappel signifie que des examens complémentaires sont proposés. Ce n’est pas l’annonce d’un cancer. Un faux positif correspond à une alerte de dépistage qui ne conduit finalement pas à un diagnostic de cancer. [2] [6]

Dans MASAI, il y avait 1 110 rappels avec IA contre 1 027 sans IA. Cette différence n’était pas statistiquement significative. Le taux de faux positifs était lui aussi comparable entre les groupes. Cela répond à une crainte légitime : détecter davantage ne s’est pas accompagné, dans cet essai, d’une hausse statistiquement significative des alertes inutiles. [2]

Cette conclusion reste liée à l’organisation et aux seuils testés. Elle ne garantit pas que tout logiciel, réglé de n’importe quelle façon, produira le même équilibre.

Une économie importante, mais ciblée

Le groupe avec IA nécessitait 61 248 lectures humaines, contre 109 692 dans le groupe témoin : une diminution de 44,2 %. Une mammographie peut donner lieu à plusieurs lectures ; ces nombres ne correspondent donc pas au nombre de femmes. [2]

Ce résultat peut aider à organiser le dépistage, mais il ne mesure pas une baisse équivalente de tous les actes ou des délais d’attente. L’accueil, la réalisation des images, l’examen clinique, les investigations supplémentaires et les échanges avec les patientes restent nécessaires.

Moins de cancers ratés ? Ce qu’apporte le suivi de 2026

La détection au moment de la mammographie ne suffit pas pour juger un parcours. Il faut aussi suivre les cancers diagnostiqués après un résultat négatif, entre deux dépistages : les cancers d’intervalle. Certains étaient difficiles à voir ; d’autres se développent rapidement après l’examen. Ils ne sont donc pas tous des anomalies visibles que le lecteur aurait manquées. [3]

L’analyse publiée dans The Lancet en 2026 rapporte un taux de cancers d’intervalle de 1,55 pour 1 000 participantes dans le groupe IA, contre 1,76 pour 1 000 dans le groupe témoin. La différence numérique favorise l’IA, mais la diminution n’est pas statistiquement démontrée. [3]

L’essai a en revanche atteint son objectif de non-infériorité. Cela signifie que le résultat n’était pas moins bon que celui du parcours classique au-delà de la marge fixée à l’avance. Ici, la marge autorisait un taux de cancers d’intervalle jusqu’à 20 % plus élevé ; la borne supérieure de l’intervalle de confiance restait sous cette limite. Ce n’est ni une preuve d’identité parfaite, ni une preuve de supériorité. [3]

La sensibilité, c’est-à-dire la proportion de cancers identifiés au dépistage parmi ceux pris en compte dans le suivi, était de 80,5 % avec IA contre 73,8 % sans IA. La spécificité, la capacité à ne pas déclencher d’alerte chez les participantes sans cancer selon les critères de l’étude, était de 98,5 % dans les deux groupes. [3]

Ces données soutiennent l’intérêt du parcours assisté. Elles ne justifient pas la formule « 12 % de cancers ratés en moins », qui transformerait une différence non significative en bénéfice certain. Aucun de ces résultats ne démontre encore une réduction de mortalité attribuable à l’IA. [3]

Les autres grandes études européennes vont-elles dans le même sens ?

PRAIM en Allemagne : une aide à la double lecture

PRAIM a étudié 463 094 femmes de 50 à 69 ans dans 12 sites allemands. Les taux ajustés de détection étaient de 6,70 cancers pour 1 000 avec IA contre 5,70 sans IA, soit une hausse relative de 17,6 %. Les rappels étaient de 37,4 contre 38,3 pour 1 000. Le logiciel Vara MG proposait notamment une alerte de sécurité lorsqu’un examen jugé normal par un radiologue paraissait suspect à l’IA. [4]

C’est une grande étude prospective, où les informations sont recueillies au cours du parcours, mais non randomisée. Les radiologues choisissaient d’utiliser ou non l’interface IA. Les ajustements statistiques réduisent certains biais sans les éliminer. PRAIM soutient une aide clinique en pratique réelle ; elle ne démontre pas, par son parcours principal, le remplacement d’un radiologue. [4]

ScreenTrustCAD en Suède : un radiologue associé à l’IA

Dans ScreenTrustCAD, les mêmes 55 581 examens étaient lus indépendamment par deux radiologues et par Lunit INSIGHT MMG. Les examens signalés par au moins un radiologue ou par l’IA étaient discutés par des radiologues, qui décidaient du rappel. Les chercheurs ont ainsi comparé plusieurs stratégies à partir des lectures. [5]

L’association d’un radiologue et de l’IA aurait détecté 261 cancers, contre 250 avec deux radiologues. Les rappels étaient de 2,80 % contre 2,93 %. Cette étude prospective appariée est encourageante, mais n’est pas une randomisation de femmes entre deux parcours comme MASAI. [5]

Au Danemark : une expérience de déploiement

Une évaluation danoise a comparé 60 751 femmes avant l’introduction de l’IA et 58 246 après. Le logiciel triait les examens vers une ou deux lectures humaines et apportait une aide à la détection. Les rappels ont diminué de 3,09 % à 2,46 %, et les faux positifs de 2,39 % à 1,63 %. Les cancers détectés sont passés de 0,70 % à 0,82 % des femmes dépistées, tandis que le nombre de lectures diminuait de 33,5 %. [6]

Cette comparaison rétrospective avant/après est moins solide qu’un essai randomisé. L’intervalle médian entre dépistages était notamment plus long après l’introduction de l’IA, ce qui peut augmenter le nombre de cancers présents au dépistage. Les résultats ne peuvent donc pas être attribués intégralement au logiciel. [6]

Quelles limites restent importantes pour les patientes ?

Plus de détection ne signifie pas toujours plus de bénéfice

Le surdiagnostic est différent du faux positif. Dans le premier cas, un vrai cancer est découvert, mais il n’aurait pas entraîné de symptômes pendant la vie de la personne. Dans le second, l’alerte ne correspond finalement pas à un cancer. [2] [4]

Une IA plus sensible peut découvrir des lésions utiles à traiter précocement, mais aussi accroître le surdiagnostic. Les cancers in situ détectés en plus dans les études rendent le suivi à long terme important. Il faut examiner les stades, les cancers d’intervalle, les traitements reçus et, à terme, la mortalité. [2] [3] [4]

Un logiciel ne représente pas toutes les IA

MASAI testait une version précise de Transpara dans un contexte suédois. PRAIM et ScreenTrustCAD utilisaient d’autres produits et d’autres circuits. Les performances peuvent varier avec les appareils, la population, l’expérience des lecteurs et les seuils. Le résultat d’un essai ne valide pas automatiquement toutes les IA, ni toutes leurs mises à jour. [1] [3] [4] [5]

La façon dont les professionnels réagissent à une alerte compte aussi. Dans ScreenTrustCAD, ajouter l’IA aux deux radiologues augmentait la détection, mais aussi les rappels, par rapport à la double lecture standard. « Ajouter un avis » et « remplacer un second avis » ne sont donc pas deux interventions équivalentes. [5]

Un résultat négatif ne doit pas faire ignorer un symptôme

Une mammographie assistée par IA peut rester faussement rassurante. Si vous constatez une boule dans le sein ou l’aisselle, une modification inhabituelle de la peau, un changement du mamelon ou un écoulement, consultez un professionnel de santé sans attendre la prochaine invitation. Ces signes ne signifient pas nécessairement un cancer, mais justifient une évaluation. [3] [13]

Vous pouvez aussi demander au centre quel rôle joue l’IA : aide au radiologue, tri ou avis indépendant ? La question utile n’est pas seulement « avez-vous une IA ? », mais « qui lit mes images et qui prend la décision ? ».

En France, où en est-on réellement ?

Le cahier des charges français et les informations de l’Institut national du cancer, ou INCa, décrivent une seconde lecture humaine des mammographies normales ou bénignes. Ces documents ne recommandent pas de remplacer nationalement le second radiologue par une IA. Il ne faut pas transformer cette constatation en affirmation d’interdiction générale de toute aide par IA. [7] [8]

La Haute Autorité de santé, ou HAS, a publié en 2023 une recommandation sur la tomosynthèse, une technique d’imagerie fournissant des vues en coupes du sein. Elle envisage son intégration avec une image 2D synthétique sous conditions. Cette recommandation concerne l’imagerie et sa place dans le dépistage, pas la validation d’un logiciel d’IA comme second lecteur. [9]

Le cadre HAS consacré aux dispositifs médicaux numériques à usage professionnel souligne l’importance de l’évaluation clinique et de l’utilisation réelle. Un marquage CE ne vaut pas, à lui seul, recommandation HAS ou INCa, modification du programme national ou remboursement dédié. La prise en charge à 100 % de la mammographie de dépistage ne documente pas automatiquement le financement d’un logiciel séparé. [7] [8] [10]

Pour les soignants : place exacte dans le parcours

Aujourd’hui dans le programme français : examen clinique et première lecture, bilan immédiat si nécessaire, puis seconde lecture par un autre radiologue des examens normaux ou bénins. Les classifications BI-RADS ACR 1 et 2 correspondent respectivement à un examen normal et à des anomalies bénignes. La seconde lecture relève du CRCDC ; une anomalie suspecte ne doit pas attendre ce circuit pour être explorée. [7] [8]

Usages français documentés : l’Assistance publique–Hôpitaux de Paris, ou AP-HP, indique travailler, notamment à l’hôpital Tenon, avec plusieurs logiciels d’IA en mammographie pour la détection et l’appréciation du risque. La source insiste sur la maîtrise du radiologue, sans nommer les produits ni établir un remplacement du second lecteur national. Il s’agit d’usages institutionnels documentés, pas d’une cartographie exhaustive des centres équipés. [11]

Évaluation française : ELIAS a étudié rétrospectivement MammoScreen sur 55 589 examens historiques, afin d’identifier des mammographies à très faible risque susceptibles d’être soustraites à la seconde lecture. Le registre indique une étude terminée, sans résultats affichés. Cela documente une évaluation, non une généralisation autorisée. [12]

Avant une implémentation : vérifier l’usage prévu, la version, les images et populations de validation, les seuils et l’arbitrage des désaccords. Suivre les rappels, les biopsies et les cancers d’intervalle. L’aide à la lecture ne doit pas être confondue avec une substitution au second lecteur prévu par le programme. [7] [10]

Verdict : prometteur à validé selon l’usage

Pour l’aide à la lecture et certains parcours de tri avec radiologue, les preuves cliniques sont désormais solides sur les indicateurs de dépistage étudiés : détection, rappels, cancers d’intervalle et nombre de lectures. Elles ne démontrent pas un bénéfice sur la mortalité ni sur le surdiagnostic à long terme. MASAI apporte une validation clinique d’un parcours précis, avec davantage de cancers détectés, moins de lectures humaines et un taux de cancers d’intervalle non inférieur selon la marge prédéfinie. [2] [3]

Pour le remplacement encadré d’une partie des secondes lectures, les résultats sont prometteurs et suffisamment étayés pour envisager une mise en œuvre adaptée dans les contextes étudiés. Leur transposition au dépistage français ne découle pas automatiquement de l’essai suédois. [3] [7] [8]

Pour un dépistage entièrement autonome ou une réduction démontrée des décès grâce à l’IA, on ne peut pas conclure à une validation à partir des études présentées. Le mot « validé » désigne ici une performance clinique étudiée, pas une homologation universelle de tous les logiciels. [2] [3]

L’IA en mammographie peut donc être utile sans décider seule. Le bénéfice le plus crédible vient d’une organisation où ses indications sont intégrées à une responsabilité médicale claire. Cette distinction vaut aussi pour d’autres innovations présentées dans notre article sur les tendances et avancées médicales à surveiller en 2026.

Pour aller plus loin

Découvrez une autre aide spécialisée dans DermaSensor et la détection des cancers de la peau. Ses performances ne se transposent pas à la mammographie.

Notre article sur les cancers rares aborde d’autres difficultés diagnostiques et l’intérêt des parcours experts. Il ne s’agit pas de cancers dépistés par une IA de mammographie.

Références

[1] Lång K, Josefsson V, Larsson AM, et al. Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening accuracy study. Lancet Oncol. 2023;24(8):936–944. DOI : 10.1016/S1470-2045(23)00298-X.

[2] Hernström V, Josefsson V, Sartor H, et al. Screening performance and characteristics of breast cancer detected in the Mammography Screening with Artificial Intelligence trial (MASAI): a randomised, controlled, parallel-group, non-inferiority, single-blinded, screening accuracy study. Lancet Digit Health. 2025;7(3):e175–e183. DOI : 10.1016/S2589-7500(24)00267-X.

[3] Gommers J, Hernström V, Josefsson V, et al. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study: a randomised, controlled, non-inferiority, single-blinded, population-based, screening-accuracy trial. Lancet. 2026;407(10527):505–514. DOI : 10.1016/S0140-6736(25)02464-X.

[4] Eisemann N, Bunk S, Mukama T, et al. Nationwide real-world implementation of AI for cancer detection in population-based mammography screening. Nat Med. 2025;31:917–924. DOI : 10.1038/s41591-024-03408-6.

[5] Dembrower K, Crippa A, Colón E, et al.; ScreenTrustCAD Trial Consortium. Artificial intelligence for breast cancer detection in screening mammography in Sweden: a prospective, population-based, paired-reader, non-inferiority study. Lancet Digit Health. 2023;5(10):e703–e711. DOI : 10.1016/S2589-7500(23)00153-X.

[6] Lauritzen AD, Lillholm M, Lynge E, et al. Early Indicators of the Impact of Using AI in Mammography Screening for Breast Cancer. Radiology. 2024;311(3):e232479. DOI : 10.1148/radiol.232479.

[7] République française. Arrêté du 16 janvier 2024 relatif aux programmes de dépistages organisés des cancers. Annexe III : cahier des charges du dépistage du cancer du sein, version consultée au 26 octobre 2026. Légifrance.

[8] Institut national du cancer. Le programme de dépistage organisé des cancers du sein. Mise à jour du 28 septembre 2026 ; consulté le 26 octobre 2026. INCa.

[9] Haute Autorité de santé. Évaluation de la performance et de la place de la mammographie par tomosynthèse dans le programme national de dépistage organisé du cancer du sein. Volet 2. Validé le 9 février 2023, mis à jour en avril 2023. Consulté le 26 octobre 2026. Rapport HAS.

[10] Haute Autorité de santé. Dispositifs médicaux numériques à usage professionnel : état des lieux et perspectives d’aide au choix. Novembre 2022. Consulté le 26 octobre 2026. HAS.

[11] Assistance publique–Hôpitaux de Paris. L’AP-HP, acteur majeur de la cancérologie en Île-de-France engagé pour Octobre rose. Mise à jour du 1er octobre 2024. Section IA et cancer du sein. Consulté le 26 octobre 2026. AP-HP.

[12] ClinicalTrials.gov. Evaluation of the Potential Impact of an Artificial Intelligence Solution in Second Reading of Organized Screening (ELIAS). NCT06479772. Mise à jour affichée du 28 juin 2024 ; consulté le 26 octobre 2026. Registre ELIAS.

[13] Institut national du cancer. Je m’informe sur ces cancers : cancers du sein. Section symptômes. Consulté le 26 octobre 2026. INCa — signes justifiant une consultation.

[14] ClinicalTrials.gov. MASAI : protocole de dépistage avec intelligence artificielle. NCT04838756. Consulté le 26 octobre 2026. Registre MASAI.

Article rédigé par le Dr Michel Bensadoun, L’auteur ne déclare aucun conflit d’intérêts concernant cet article.

Note : Cet article a été rédigé avec l’aide de l’intelligence artificielle, notamment pour l’assistance à la rédaction et à l’illustration. Le contenu a été soigneusement relu, validé et complété par l’auteur pour garantir sa fiabilité et sa pertinence.

Important : Cet article n’a pas vocation à remplacer une consultation médicale. Chaque situation est unique et nécessite une prise en charge individualisée.

Le texte de cet article, les infographies et les photos sont protégés par les droits d’auteur ©okimydoc, et ne peuvent être utilisés sans l’accord de l’auteur.