// Sommaire
Pendant quelques jours d’hospitalisation, 13 patients épileptiques ont reçu sur leur téléphone des alertes de crise et ont répondu à chacune par un oui ou un non. Ils ont répondu à plus des deux tiers d’entre elles. L’algorithme a été réentraîné sur ces courtes réponses, et dans une simulation ses fausses alarmes ont diminué d’environ 80 %. Les annotations de spécialistes chevronnés n’ont ajouté que 2 % de mieux. Mais il y a un bémol : la nouvelle version ne détectait pas mieux les vraies crises que l’ancienne.
Tous les participants séjournaient dans l’unité de surveillance de l’épilepsie de l’hôpital de l’université de Pennsylvanie, et chacun disposait d’une application avec un assistant d’IA relié à son propre EEG. Le travail du groupe du neurologue Brian Litt a paru dans Nature Medicine le 13 octobre 2026. Les auteurs parlent de preuve de concept : l’échantillon est minuscule et tout s’est déroulé à l’intérieur de l’hôpital. Les doctorants en bio-ingénierie Zack Goldblum et Haoer Shi, du laboratoire de Litt, ont construit la plateforme.
Le service où tout le monde attend une crise
On n’est pas admis dans une unité de ce type pour être soigné, mais pour faire une crise sous surveillance. Le patient passe plusieurs jours filmé, des électrodes sur la tête, afin que les médecins puissent saisir une crise sur l’enregistrement et voir d’où elle part. L’EEG, ou électroencéphalographie, enregistre l’activité électrique du cerveau, et pendant une crise le rythme du tracé change d’une façon qu’un médecin expérimenté repère aussitôt. Onze participants avaient des électrodes sur le cuir chevelu et deux à l’intérieur du cerveau, d’après la description du jeu de données ouvert .
Un programme détecteur surveille l’enregistrement. Il sonne souvent l’alarme pour rien, par exemple quand quelqu’un se gratte la tête ou se retourne dans son sommeil et que le mouvement laisse du bruit sur le tracé. Si l’on appelle une infirmière à chaque fois, le soir venu plus personne ne croira les alarmes.
D’ordinaire, médecins et ingénieurs règlent un tel détecteur pour une personne précise, ce qui exige des mois de programmation en présentiel. L’équipe de Litt a proposé de demander à celui qui sait de façon sûre si une crise a eu lieu. L’enjeu est plus grand qu’il n’y paraît : selon l’OMS, jusqu’à 70 % des personnes épileptiques pourraient vivre sans crise si elles étaient correctement diagnostiquées et traitées. Un relevé précis des crises est le point de départ de ce diagnostic.
Trois boutons au lieu de mois de réglages
Le principal résultat se cache dans le geste le plus modeste. Chaque fois que le détecteur signalait une crise possible, le téléphone demandait : cela s’est-il vraiment produit ? Le patient pouvait répondre oui, non ou pas sûr. Les patients ont répondu à plus des deux tiers de ces questions, rapporte MedicalXpress .

Ces réponses sont devenues des indices pour l’algorithme, un peu comme les légendes sous les photos qui apprennent à un réseau de neurones à reconnaître des chats. Une fois réentraîné avec elles, le détecteur a produit environ 80 % d’alarmes inutiles en moins pendant le séjour à l’hôpital. Ce chiffre vient d’une simulation : l’équipe a fait repasser les enregistrements dans le modèle réentraîné après coup et compté combien d’alarmes il aurait déclenchées. Reste donc ouverte la question de son comportement en conditions réelles.
La nouvelle version est devenue plus calme, pas plus affûtée. Elle ne fait plus de bruit pour rien, mais elle rate autant de vraies crises qu’avant.
Ce que l’on demande à son propre cerveau
L’application fonctionne dans les deux sens. Le patient tape une question, et l’agent d’IA répond à partir de l’enregistrement EEG en direct, parfois avec un graphique. Derrière la conversation se trouvait une version de GPT-4o-mini d’OpenAI, accessible par un canal privé dont le contrat interdit de conserver les données des patients ou de s’en servir pour l’entraînement. Chaque message, dans un sens comme dans l’autre, passait par un contrôle de sécurité automatique, écrit Medical Economics .
La plupart des conversations portaient sur les crises, le sommeil, l’humeur et l’énergie. Question typique : ai-je fait une crise cette nuit ? C’est le système lui-même qui parlait le plus, environ 69 % des messages : alertes, questionnaires trois fois par jour et réponses. Une réponse simple revenait en 2 secondes environ, plus vite qu’une infirmière ne traverse le couloir. Une question qui obligeait le système à fouiller dans l’enregistrement EEG, comme « combien ai-je dormi ? », prenait environ 9 secondes. Cinq des treize participants ont demandé d’eux-mêmes s’ils pouvaient emporter le système chez eux. La réponse de l’équipe a été : pas encore, mais c’est la direction du travail, se souvient Goldblum dans un entretien avec Medical Economics. Seuls cinq participants ont rempli le questionnaire d’utilisabilité, et ils ont donné à l’application en moyenne 83 points sur 100.
// L'essai en chiffres
Pourquoi les dispositifs médicaux restent muets
Litt résume l’idée simplement : les patients comprennent souvent des aspects de leur maladie que les capteurs ne peuvent pas mesurer directement. Ce sont ses mots dans le communiqué de l’université de Pennsylvanie . Une personne sait qu’elle a mal dormi avant une crise ou qu’elle a oublié un comprimé. L’appareil, lui, ne voit qu’une ligne sur un tracé.
Le canal en sens inverse n’existe presque pas non plus. Aux États-Unis, trois dispositifs implantés sont autorisés contre l’épilepsie : la stimulation du nerf vague, la neurostimulation réactive (RNS) et la stimulation cérébrale profonde. Aucun ne peut partager d’informations avec les patients en temps réel, écrivent les auteurs. Autrement dit, une personne ne peut apprendre quelque chose de son propre appareil que par l’intermédiaire d’un médecin. Litt le dit sans détour : les données recèlent de nombreux indices sur l’effet du comportement sur la santé, mais les patients n’ont aujourd’hui aucun moyen de les découvrir sur le moment, comme le cite le NIH .
Comment le système est construit
Le système comprend trois parties. Un logiciel capte en continu le signal des électrodes d’EEG. Un environnement cloud sécurisé, conforme aux règles américaines de confidentialité médicale, analyse l’enregistrement quasiment en temps réel. La troisième partie est une application pour smartphone par laquelle le patient écrit à l’agent d’IA, qui répond aux questions et envoie ses propres notifications. Les enregistrements des participants sont librement accessibles aux autres chercheurs. Le travail est financé par un Pioneer Award du NIH de 5,6 millions de dollars, et une première version est parue en janvier 2026 en préprint sur medRxiv sous un titre encore plus audacieux : « An Implantable Device that Converses with Patients and Learns to Co-Manage Epilepsy ».
Ce que l’essai n’a pas encore montré
Environ 50 millions de personnes dans le monde vivent avec l’épilepsie, selon l’OMS . Il est donc tentant de lire ce travail comme une nouvelle sur le traitement. Il porte sur autre chose. Treize patients ont passé quelques jours dans un seul hôpital sous la surveillance du personnel, et l’essai n’était pas conçu pour montrer si les gens feraient moins de crises.
C’est aux prochains essais, en ambulatoire, avec des EEG peu invasifs et des capteurs portables, d’en juger. Ils compteront ce qui importe dans la vie quotidienne : la fréquence et la gravité des crises, le nombre d’appels aux urgences et de passages à l’hôpital. Ensuite, les auteurs veulent utiliser ce type de dialogue pour régler automatiquement la stimulation cérébrale profonde dans la maladie de Parkinson. Ils pensent que cela pourrait aussi aider les porteurs de stimulateurs cardiaques et de pompes à insuline. Ils s’attendent à ce que les autorités de santé approuvent de tels systèmes par étapes, en commençant par ceux qui se contentent de conseiller et ne décident rien seuls.
Ces appareils passent des années à collecter en silence des données sur le corps. Dans cet essai, un appareil a demandé à son propriétaire ce qui se passait, et les réponses de ce dernier l’ont rendu plus précis.







