Alibaba open-source DAMO Radar : l'IA qui lit les scanners abdominaux et bat 23 radiologues sur 26, étude publiée dans Science
🔎 Une IA médicale experte, validée par les pairs, et gratuite
Le timing est presque ironique. Le 20 septembre 2026, le Financial Times rapportait que les cliniciens freinent l'expansion de l'IA médicale au-delà du diagnostic et de l'imagerie, invoquant le manque de données cliniques et de performances vérifiables par les pairs. Deux jours plus tôt, l'Académie DAMO d'Alibaba venait de publier dans Science — donc sous revue par les pairs — exactement le type de preuve qu'ils réclament.
Ce modèle, baptisé RADAR (Rapid Abdominal Diagnosis with AI and Radiology), lit des scanners CT abdominaux avec produit de contraste couvrant 18 organes et identifie près de 150 conditions, cancers compris. Entraîné sur plus de 420 000 examens réels, il affiche un AUC moyen de 0,913 sur 146 conclusions cliniques et a surpassé 23 des 26 radiologues experts en lecture comparative, selon TechTimes.
Et le détail qui change tout : Alibaba a open-source les poids, le code et le framework d'entraînement. Le modèle est disponible sans coût pour les hôpitaux et les chercheurs du monde entier. Dans un marché de l'IA santé estimé à 36,67 milliards de dollars en 2026 (MarketsandMarkets, via Cryptopolitan), c'est un coup de canon.
L'essentiel
- Un VLM médical généraliste : RADAR analyse des scanners CT abdominaux avec produit de contraste sur 18 organes et identifie 146 conclusions cliniques, dont des tumeurs malignes.
- Des chiffres expert-level : AUC moyen de 0,913 sur 146 conclusions (contre 0,776 pour le meilleur VLM concurrent), et une victoire contre 23 des 26 radiologues spécialistes en lecture comparative.
- Validé dans Science : étude publiée et annoncée le 18 septembre 2026, testée sur environ 40 000 examens du monde réel, avec évaluations internes et externes multi-centres.
- 100 % open source : poids, code et framework d'entraînement publiés sur GitHub et Hugging Face, gratuit pour hôpitaux et chercheurs.
- Des limites assumées : CT abdominal avec contraste uniquement, pas de clearance FDA, infrastructure de calcul locale nécessaire pour l'inférence volumétrique.
Outils recommandés
| Ressource | Usage principal | Prix (septembre 2026) | Idéal pour |
|---|---|---|---|
| DAMO Radar sur GitHub | Poids, code et framework d'entraînement | Gratuit (open source, vérifiez sur github.com) | Chercheurs, hôpitaux avec infra GPU |
| Abstract Science via PubMed | Méthodologie et évaluations complètes | Gratuit | Vérifier les chiffres à la source |
| Communiqué EurekAlert | Détails du dataset et du benchmark | Gratuit | Comprendre l'alignement organ-level |
| AI Weekly | Veille quotidienne IA et santé | Gratuit | Suivre les déploiements à venir |
Qu'est-ce que DAMO Radar, exactement ?
C'est un vision-language model (VLM) médical généraliste, entraîné par l'Académie DAMO d'Alibaba pour lire des scanners CT abdominaux et produire des conclusions cliniques couvrant 18 organes et près de 150 conditions — des tumeurs malignes aux anomalies plus banales.
Là où la plupart des IA médicales excellent sur une seule tâche (détecter un nodule, mesurer une lésion), RADAR revendique la généralité. Le nom complet publié sur PubMed — RADAR, pour Rapid Abdominal Diagnosis with AI and Radiology — assume l'ambition : un système unique pour tout l'abdomen.
Le détail technique le plus intéressant : le modèle a appris directement des rapports de radiologie, sans annotation manuelle. Pas d'équipes de cliniciens payés pendant des années pour étiqueter des images. Les rapports existants servent de supervision, ce qui explique l'ampleur du dataset : plus de 420 000 examens et plus de 15 millions de paires image-texte au niveau anatomique, selon le communiqué officiel.
Cette approche résout deux problèmes d'un coup. Le goulot d'étranglement de l'annotation, d'abord : plus besoin de créer des jeux de données étiquetés, on exploite ceux qui existent déjà. La qualité du signal, ensuite : un rapport de radiologie encode le raisonnement d'un expert, pas juste une réponse binaire.
L'astuce qui change tout : l'alignement au niveau de l'organe
Pourquoi les VLM généralistes existants échouent-ils en radiologie ? Parce qu'un scanner CT n'est pas une image, c'est un volume 3D épars — des centaines de coupes, des organes de tailles et de densités radicalement différentes. Les modèles pensés pour des images 2D plates s'y noient.
L'équipe de Qi Zhang a contourné le problème en deux temps, détaillés par Pandaily. D'abord, chaque volume 3D est décomposé en structures anatomiques individuelles. Ensuite, images et textes de rapport sont associés à l'échelle de l'organe via un apprentissage contrastif à grande échelle, affiné par un contraste modeling adaptatif.
Résultat : le modèle ne « voit » pas un abdomen indistinct, il voit 18 organes, chacun relié au vocabulaire clinique qui le décrit. C'est ce fine-grained alignment qui expliquerait l'écart de performance avec les VLM concurrents — 0,913 contre 0,776 d'AUC moyen.
Les chiffres qui comptent — et ceux qu'il ne faut pas confondre
RADAR a passé deux évaluations distinctes, et les mélanger est la première source de contresens sur ce modèle.
La première est un benchmark multi-centres, interne et externe, portant sur 146 conclusions CT abdominales. RADAR y atteint un AUC moyen de 0,913, contre 0,776 pour le meilleur VLM concurrent, selon EurekAlert. L'AUC mesure la capacité à discriminer les cas positifs des négatifs ; 0,913 en moyenne sur 146 conditions hétérogènes est un score de très haut niveau.
La seconde est une étude de lecture comparative, publiée dans Science : en tête-à-tête sur les mêmes cas, RADAR a surpassé 23 des 26 radiologues spécialistes, rapporte TechTimes. C'est ce chiffre qui fait la une — et il provient d'une étude séparée du benchmark contre les autres IA.
Enfin, le test grandeur nature : environ 40 000 examens du monde réel, selon le South China Morning Post. Pas un benchmark académique aseptisé, mais des scanners d'hôpitaux, avec leur bruit et leurs cas limites.
| Évaluation | Résultat | Ce que ça mesure |
|---|---|---|
| Benchmark VLM multi-centres (146 conclusions) | AUC moyen 0,913 vs 0,776 pour le meilleur concurrent | Discrimination diagnostique vs autres IA |
| Étude de lecture comparative (Science) | RADAR devant 23 des 26 radiologues experts | Performance vs spécialistes humains |
| Conditions réelles | ~40 000 examens du monde réel | Robustesse hors laboratoire |
Mon conseil de lecture : citez toujours l'évaluation avec le chiffre. « 0,913 » sans « AUC moyen sur 146 conclusions » ne veut rien dire, et « 23 sur 26 » sans « étude de lecture publiée dans Science » non plus.
Pourquoi l'open source est le vrai coup d'éclat
Parce que poids, code et framework d'entraînement sont publiés, RADAR n'est pas une démo — c'est une infrastructure de recherche que n'importe quel hôpital ou laboratoire peut auditer, reproduire et améliorer.
Dans l'IA médicale fermée, le modèle économique habituel est l'abonnement par examen ou la licence par établissement. Ici, le coût marginal se réduit à votre infrastructure de calcul. Pour des hôpitaux publics à budget contraint — la majorité des hôpitaux de la planète —, la différence n'est pas marginale, elle est existentielle.
L'audibilité compte double en médecine. Un modèle dont les poids sont publics peut être testé sur les données locales d'un établissement, sur ses propres populations de patients, avant toute décision clinique. C'est précisément le type de validation locale que les cadres réglementaires émergents commencent à exiger.
Cette publication s'inscrit dans une vague plus large. L'open source ne concerne plus seulement les modèles de code comme Qwen3 Coder Next, qui tourne sur un simple Mac 64 Go ou Kimi K2.7-Code et son trillion de paramètres, ni les agents de recherche comme DeerFlow de ByteDance. Il touche désormais le domaine le plus réglementé qui soit : la santé.
Mon opinion : c'est la décision la plus stratégique d'Alibaba dans cette histoire. En open-sourçant un modèle expert-level, DAMO Academy achète ce qu'aucun budget marketing ne peut acheter — la confiance de la communauté scientifique. AI Weekly y a vu le fait marquant de la semaine, et c'est mérité.
Le contexte : la médecine IA a un problème de preuve
RADAR arrive au moment exact où la littérature clinique commence à documenter l'écart entre l'exactitude des IA médicales et la preuve de meilleurs résultats pour les patients.
Le Financial Times du 20 septembre 2026 le résume : les cliniciens expriment d'importantes réserves sur l'expansion de l'IA au-delà du diagnostic et de l'imagerie, faute de données cliniques suffisantes pour vérifier l'efficacité réelle de ces technologies.
Les exemples chiffrés, compilés par Cryptopolitan, sont éloquents. L'essai Penda Health au Kenya, publié dans Nature Medicine le 26 juin 2026 sur 9 691 patients : taux d'échec de traitement à 14 jours de 2,2 % avec IA contre 2 % sans — une différence non significative (aOR 0,77). L'essai RAPIDx AI de 2024 sur 3 029 patients : 26 % contre 26,4 % d'issues composites à 6 mois, même si l'angiographie invasive était 47 % moins fréquente avec l'IA.
Autrement dit : l'IA diagnostique bien, mais améliorer le diagnostic ne suffit pas à améliorer le sort du patient. C'est le nœud du problème.
L'étude de Li Zhang, Jakob Kather et al., également dans Nature Medicine, esquisse une piste : une accuracy de 90,04 % sur un benchmark de sept maladies, avec un agent sur site qui ne garde que 49,4 % des cas — mais sur ces cas filtrés, l'accuracy grimpe à 98,9 %. Le tri des cas vaut mieux que la prétention à tout traiter.
Le marché, lui, n'attend pas les preuves : de 36,67 milliards de dollars en 2026 à 194,79 milliards en 2031, soit 39,7 % de croissance annuelle composée selon MarketsandMarkets. Et la recherche s'organise : Stanford a fait fonder une biotech virtuelle par 37 000 agents IA pour prédire le succès des essais cliniques — parce que prédire l'issue d'un essai avant de le lancer devient un enjeu économique majeur.
Côté régulation, la revue britannique publiée le 10 septembre 2026 par la National Commission into the Regulation of AI in Healthcare propose un modèle pragmatique : approbation provisoire des systèmes innovants (usage réel contrôlé avant certification complète), monitoring continu post-déploiement et transparence accrue sur les incidents de sécurité.
Dans ce paysage, RADAR fait figure d'exception bienvenue : un modèle d'imagerie — le seul domaine où les cliniciens acceptent déjà l'IA — avec une publication dans Science, des évaluations multi-centres et des poids ouverts. La preuve par les pairs que réclamait le FT, livrée clé en main.
Ce que RADAR ne sait pas (encore) faire
Trois limites, assumées par l'équipe elle-même, devraient tempérer les titres triomphants.
Un seul type d'examen. RADAR ne fonctionne que sur des CT abdominaux avec produit de contraste. Pas d'IRM, pas de scanner sans contraste, pas d'imagerie hors abdomen. Un patient pour qui le produit de contraste est contre-indiqué sort simplement du périmètre du modèle.
Des tokenizers à double fond linguistique. Le modèle embarque des tokenizers BERT chinois en plus des versions anglaises, reflet des rapports de radiologie utilisés à l'entraînement. Un hôpital francophone devra évaluer la fiabilité des conclusions dans son propre contexte linguistique avant tout usage sérieux.
Une infrastructure locale exigeante. L'inférence volumétrique nécessite une infrastructure de calcul locale, rappelle TechTimes. Contrairement à une API qu'on appelle depuis un navigateur, RADAR demande des GPU sur place — un investissement que tous les établissements ne peuvent pas consentir.
Ajoutez-y l'absence de clearance FDA aux États-Unis, et le tableau est clair : RADAR est un outil de recherche et de déploiement contrôlé, pas un produit médical certifié prêt à l'emploi.
Quant au « human in the loop », l'evidence map de Joy Xu, Justin Ko et Joseph Kvedar le rappelle via Cryptopolitan : il ne suffit pas si le clinicien n'est pas équipé pour questionner et stopper le système. Sans formation et sans droit d'arrêt réel, l'humain dans la boucle n'est qu'une « zone de crush morale » — le moral crumple zone qui absorbe la responsabilité quand la machine se trompe.
La suite : chest CT, brain MRI, et la course à l'IA scientifique
Selon Zhang Ling, senior algorithm expert du projet cité par TechTimes, l'alignement au niveau de l'organe n'est pas limité à l'abdomen ni au CT.
Les extensions visées : chest CT, brain MRI, photographie du fond d'œil rétinien. Si la méthode tient ses promesses hors de son périmètre d'origine, RADAR ne restera pas un modèle mais deviendra une famille — et le papier de Science le template méthodologique de l'IA radiologique généraliste.
Ce mouvement s'inscrit dans une accélération plus large de l'IA scientifique. DeepMind a précalculé l'effet moléculaire de 9 milliards de variantes génétiques avec son atlas AlphaGenome, et Anthropic a installé en silence un laboratoire de biologie physique. Les géants tech ne se contentent plus de vendre de l'IA aux laboratoires — ils font la science eux-mêmes.
Mon pari : dans dix-huit mois, l'alignement organ-level sera cité dans une bonne partie des papiers d'IA radiologique générale. La question n'est pas de savoir si la méthode se diffusera, mais qui l'appliquera le premier aux organes les plus stratégiques — et sous quel régime réglementaire.
❌ Erreurs courantes
Erreur 1 : Confondre AUC moyen et taux de diagnostic
Le 0,913 est un AUC moyen sur 146 conclusions — une mesure de discrimination statistique, pas un « taux de réussite à 91,3 % ». Un AUC de 0,913 sur une condition fréquente et sur une maladie rare n'ont pas la même portée clinique. La solution : toujours citer « AUC moyen sur 146 conclusions, évaluations multi-centres » et renvoyer vers le papier.
Erreur 2 : Mélanger les deux études
« RADAR bat 23 radiologues sur 26 » et « AUC 0,913 vs 0,776 » viennent de deux évaluations différentes : la première est une étude de lecture comparative publiée dans Science, la seconde un benchmark contre d'autres VLM. Les fusionner (« il bat les radiologues ET les IA avec 0,913 ») est factuellement faux. Deux chiffres, deux sources, deux phrases.
Erreur 3 : Déployer sans cadre réglementaire
« Expert-level » ne veut pas dire « certifié ». RADAR n'a pas de clearance FDA, et la revue britannique recommande précisément des approbations provisoires avec monitoring continu avant toute certification complète. Déployer un tel modèle en décision clinique sans cadre équivalent expose l'établissement et les patients. La solution : usage recherche et lecture assistée d'abord, validation sur données locales ensuite.
Erreur 4 : Croire que « human in the loop » suffit
Poser un radiologue devant l'écran ne règle rien s'il n'a ni les moyens de questionner le modèle, ni le pouvoir de l'arrêter. L'evidence map de Xu, Ko et Kvedar est formelle : le clinicien doit être équipé pour contester le système, sinon il devient une zone d'absorption des responsabilités. La solution : protocoles d'escalade, seuils de rejet et traçabilité des désaccords homme-machine.
❓ Questions fréquentes
DAMO Radar remplace-t-il les radiologues ?
Non. Il a surpassé 23 des 26 spécialistes dans une étude de lecture publiée dans Science, mais uniquement sur des CT abdominaux avec contraste, sans clearance FDA et sur un périmètre de 146 conclusions. Le scénario réaliste est la lecture assistée : le modèle pré-filtre, le radiologue confirme ou contredit. Le métier se déplace, il ne disparaît pas.
Le modèle est-il vraiment gratuit ?
Oui. Les poids, le code et le framework d'entraînement sont publiés en open source sur GitHub et Hugging Face, et le modèle est immédiatement disponible sans coût pour les hôpitaux et chercheurs du monde entier. La gratuité s'arrête à l'infrastructure : l'inférence volumétrique exige des GPU locaux, dont le coût reste à votre charge.
RADAR peut-il détecter le cancer ?
Oui. Parmi les près de 150 conditions abdominales couvertes sur 18 organes figurent des tumeurs malignes. Le South China Morning Post précise que le modèle a été testé sur près de 40 000 examens du monde réel et a surpassé la plupart des radiologues selon l'étude publiée dans Science. Limite : détection sur CT avec produit de contraste uniquement.
Dans quelles langues fonctionne-t-il ?
Le modèle embarque des tokenizers BERT chinois en plus des versions anglaises, reflet des rapports de radiologie utilisés à l'entraînement. Pour un hôpital francophone, la qualité des conclusions dans un contexte linguistique différent reste une question ouverte, à évaluer sur données locales avant tout usage clinique sérieux.
Quand verrons-nous RADAR sur d'autres organes ?
Zhang Ling indique que l'alignement au niveau de l'organe n'est pas limité à l'abdomen ni au CT : les extensions visées sont le chest CT, le brain MRI et la photographie du fond d'œil rétinien. Aucun calendrier n'est publié, mais la méthode étant open source, d'autres équipes peuvent la reproduire dès maintenant.
Quelle différence avec les IA médicales fermées ?
Trois différences : l'auditabilité (poids publics, testables sur les données locales de chaque hôpital), le coût (gratuit contre licences par examen ou par établissement) et la preuve (publication dans Science avec évaluations multi-centres). Les fournisseurs fermés gardent l'avantage sur l'intégration clinique clé en main et l'accompagnement réglementaire — pour l'instant.
✅ Conclusion
En publiant dans Science un modèle médical expert-level, testé sur 40 000 examens réels et open-sourcé poids inclus, l'Académie DAMO d'Alibaba apporte aux cliniciens exactement la preuve par les pairs qu'ils réclamaient — à vous, hôpitaux et chercheurs, de la transformer en déploiements responsables. Téléchargez les poids sur GitHub et suivez la suite via AI Weekly.