62% contre 42% : la semaine où un réseau de neurones de 2015 a battu GPT-6 Astra et Claude au diagnostic du cancer de la peau
Le dermatologue Magnus Lynch (Guy's Hospital, King's College London) a publié le 25 octobre 2026 un test sur 200 lésions de peau confirmées par biopsie : un réseau Inception v3 de 2015, réentraîné en une vingtaine de minutes, a posé le bon diagnostic dans 62% des cas, contre 42% pour GPT-6 Astra et pour Claude Fable 5.1. La même semaine, des modèles ouverts de taille moyenne comme Nanbeige4.3-33B et IQuest-Q1 ont revendiqué des scores de code proches des modèles fermés. Le message est le même des deux côtés : pour une tâche précise, le plus gros modèle n'est pas forcément le meilleur outil.
- Le test de Magnus Lynch publié le 25 octobre 2026 montre qu'un Inception v3 spécialisé identifie correctement 125 lésions de peau sur 200 (62%), contre 84 pour GPT-6 Astra et 85 pour Claude Fable 5.1 (42%).
- Sur 30 mélanomes confirmés par biopsie, le réseau spécialisé en reconnaît 13, Claude Fable 5.1 en reconnaît 11 et GPT-6 Astra en reconnaît 8.
- Nanbeige a publié sous licence Apache 2.0 un modèle de code de 33 Md de paramètres qui annonce 80,9 sur Terminal-Bench 2.1, contre 73,0 pour Qwen3.8-27B (chiffres non reproduits de façon indépendante).
- Lenovo a présenté le 24 octobre 2026 l'AI Host P7, un boîtier d'environ 300 grammes et 30 W conçu pour faire tourner en local des modèles jusqu'à 125 Md de paramètres compressés en 4 bits, sans prix ni date de sortie.
- Amazon a renoncé le 20 octobre 2026 à construire des datacenters sur un terrain de Virginie payé environ 427,3 M$, après l'opposition des élus et des riverains du comté de Loudoun.
Pourquoi un réseau de neurones de 2015 a-t-il battu GPT-6 Astra et Claude Fable 5.1 sur des cancers de la peau ?
Un Inception v3, architecture publiée par Google en 2015, a correctement diagnostiqué 125 des 200 lésions du test publié le 25 octobre 2026 par Magnus Lynch, contre 84 pour GPT-6 Astra et 85 pour Claude Fable 5.1. Magnus Lynch est dermatologue et chirurgien de Mohs au Guy's Hospital de Londres, et chercheur honoraire au King's College London. Il a tiré au hasard 200 lésions de la base publique MILK10k, toutes confirmées par biopsie : 30 mélanomes, 25 carcinomes basocellulaires, 25 carcinomes épidermoïdes, 20 kératoses actiniques, puis 50 grains de beauté et 50 kératoses séborrhéiques sans danger.
La différence tient à la spécialisation. Le réseau de 2015, d'abord entraîné sur des photos ordinaires, a été réentraîné sur 68 011 images de peau de l'archive ISIC, sur une seule carte H100, en une vingtaine de minutes selon l'auteur. Les deux modèles de pointe, eux, ont reçu les deux photos de chaque lésion sans autre information, avec leurs réglages par défaut. Ils devaient choisir parmi les mêmes six diagnostics.
Les erreurs des modèles généralistes sont révélatrices. GPT-6 Astra a classé 75 lésions en carcinome basocellulaire alors qu'il n'y en avait que 25, dont 14 des 30 mélanomes. Claude Fable 5.1 a vu 53 kératoses actiniques pour 20 réelles. Sur les mélanomes, le réseau spécialisé en reconnaît 13 sur 30, Claude Fable 5.1 en reconnaît 11 et GPT-6 Astra en reconnaît 8. Aucun des trois n'atteint un niveau clinique sur ce jeu difficile, mais l'écart entre un outil dédié et un assistant généraliste est net.
Un assistant IA généraliste peut-il trier les patients à la place d'un médecin ?
GPT-6 Astra et Claude Fable 5.1 n'auraient renvoyé chez eux que 32 et 22 des 100 patients aux lésions sans danger du test de Magnus Lynch, alors qu'ils gardaient 97 et 96 des 100 lésions à surveiller. Autrement dit, les deux modèles jouent la prudence : ils évitent de laisser partir un cancer, mais au prix de presque tous les patients sains, qui resteraient dans la file d'attente.
Le réseau spécialisé se règle différemment. À son seuil par défaut, il laisse sortir 76 patients sains sur 100, mais aussi 18 des 30 mélanomes, ce qui serait inacceptable en consultation. Quand l'auteur cale son seuil pour garder autant de lésions dangereuses que les modèles de pointe (98 ou 99 sur 100), il ne laisse plus partir que 1 ou 2 mélanomes. C'est ce réglage, impossible avec un assistant généraliste qui répond en texte, qui fait l'intérêt d'un outil dédié : il produit un score que l'on peut ajuster à son niveau de risque.
Le test « patient » confirme la limite. Face à 100 autres mélanomes prouvés par biopsie, avec une seule photo et la question « dois-je voir un médecin ? », GPT-6 Astra répond oui 99 fois et Claude Fable 5.1 répond oui 98 fois. Mais ils disent aussi oui pour presque toutes les lésions bénignes. Le conseil est sûr, il ne trie rien. Pour une entreprise, la leçon dépasse la médecine : un assistant qui répond « par précaution » à chaque cas n'automatise pas une décision, il la renvoie à un humain.
Quelles limites faut-il garder en tête avant de conclure ?
Magnus Lynch précise lui-même dans son test du 25 octobre 2026 que 200 lésions, dont 30 mélanomes, suffisent à montrer une tendance mais pas à classer des résultats proches. Chaque modèle de pointe n'a été interrogé qu'une seule fois, et ses réponses peuvent varier d'une exécution à l'autre. Les chiffres sur les mélanomes portent donc une marge d'incertitude large.
Deux autres réserves comptent. La base MILK10k est publique depuis 2025 : GPT-6 Astra et Claude Fable 5.1 ont pu la voir pendant leur entraînement, ce qui, s'il y a un biais, les avantagerait plutôt. Le jeu de test est aussi volontairement difficile, puisque toutes les lésions, même bénignes, ont été biopsiées : sur des images ordinaires de l'archive, le réseau spécialisé atteint une aire sous la courbe de 0,96 pour séparer les lésions à garder des autres, contre 0,86 sur ce test.
Enfin, Inception v3 n'est qu'une base de comparaison. Les systèmes de référence actuels combinent plusieurs modèles de vision entraînés sur bien plus de données, et les produits médicaux certifiés construits sur eux font nettement mieux, selon l'auteur. Le test ne dit donc pas qu'un vieux réseau suffit pour soigner. Il dit qu'un modèle généraliste, même très récent, ne remplace pas un outil entraîné pour une tâche. L'auteur signale aussi avoir utilisé Claude Code pour l'analyse et les premiers jets, la notation étant faite par script contre l'histologie. Les cas, les prompts, les réponses et le code sont téléchargeables.
Les modèles ouverts de taille moyenne rattrapent-ils les grands sur le code ?
Nanbeige a publié sous licence Apache 2.0 Nanbeige4.3-33B, un modèle de 33 Md de paramètres qui revendique 80,9 sur Terminal-Bench 2.1, contre 73,0 pour Qwen3.8-27B et 47,2 pour Gemma4-31B. Le modèle accepte un contexte de 524 288 tokens. Il ne gagne pas partout : sur SWE-Bench Pro, il obtient 60,3 contre 61,7 pour Qwen3.8-27B. Ces chiffres viennent de son créateur et n'ont pas été reproduits de façon indépendante.
Le papier d'IQuest-Q1 publié le 23 octobre 2026 va dans le même sens avec une autre architecture : 320 Md de paramètres au total, mais seulement 15 Md actifs à chaque token, grâce à 256 experts dont 8 sont sollicités à la fois. Ses auteurs annoncent 83,2 sur Terminal-Bench 2.1 et 93,3 sur GPQA Diamond, avec des poids ouverts.
Au sommet de la gamme ouverte, Moonshot AI a présenté le 23 octobre 2026 Kimi K3.1 Pro, qui annonce 65,7% sur Terminal-Bench 4.0, devant GPT-6 Astra (58,2%) et juste derrière Claude Opus 5.5 (66,4%). Ses poids complets sont promis d'ici le 4 novembre 2026, et le modèle est disponible le jour même via l'AI Gateway de Vercel. La tendance rejoint le test dermatologique : un modèle plus petit, ciblé sur le code ou sur des agents, peut tenir tête à un généraliste de pointe sur sa tâche, à condition de vérifier les scores sur ses propres cas.
Peut-on vraiment faire tourner un modèle de 125 Md de paramètres sur un boîtier de 300 grammes ?
Lenovo a présenté le 24 octobre 2026, lors de la journée des programmeurs de CSDN, l'AI Host P7, un boîtier d'environ 300 grammes et 30 W annoncé pour des modèles jusqu'à 125 Md de paramètres compressés en 4 bits, avec un contexte de 256K tokens. L'appareil associe un accélérateur Houmo M50 (160 TOPS) et une puce CIX P1 (30 TOPS côté NPU), pour 190 TOPS au total et jusqu'à 80 Go de mémoire.
La promesse mérite d'être lue de près. Les 80 Go sont répartis en deux réserves séparées, reliées par un lien PCIe Gen4 x4, et non en une mémoire unifiée. CIX annonce 50 tokens par seconde sur un modèle de 122 Md de paramètres, mais Intelligent Living estime que ce débit n'est réaliste que pour un modèle à experts, où seule une petite partie des paramètres travaille à chaque token. Pour un modèle dense de cette taille, le site calcule moins de 2 tokens par seconde, soit une lecture plus lente qu'un humain.
Aucun prix ni date de commercialisation n'a été donné, seulement un programme d'accès anticipé pour les développeurs, et aucun chiffre n'a été testé de façon indépendante. Le signal reste intéressant pour les entreprises qui ne veulent pas envoyer leurs données dans le cloud : couplé à des modèles ouverts de taille moyenne comme ceux de la section précédente, ce type de matériel rend crédible un assistant de bureau qui tourne en local, dans une pièce et sans abonnement.
Pourquoi la course aux datacenters bute-t-elle désormais sur les riverains ?
Amazon a renoncé le 20 octobre 2026 à construire quatre bâtiments de datacenters, plus de 800 000 pieds carrés, sur un terrain d'Ashburn (Virginie) acheté environ 427,3 M$ en mars 2026, soit environ quatre fois sa valeur estimée, selon 24/7 Wall St. L'accord passé avec le comté de Loudoun, baptisé « Project Potomac Promise », prévoit qu'Amazon cède environ 25 acres pour un centre culturel et un équipement sportif. Le vote sur un moratoire d'un an maximum pour les nouveaux projets du comté a été repoussé au 17 novembre 2026.
Le Texas montre la même tension. Au moins 17 permis de chantier de datacenters ont été suspendus après avoir été délivrés automatiquement par le portail de l'agence environnementale, malgré la pause ordonnée par le gouverneur Greg Abbott le 21 septembre 2026, a rapporté Hardware Busters le 24 octobre. La revue des raccordements au réseau électrique texan doit se terminer mi-décembre.
Pendant ce temps, la concentration continue au sommet. SpaceX a bouclé 40 Md$ de dette pour des GPU NVIDIA livrés au premier semestre 2027, selon TipRanks, et Elon Musk prédit la disparition ou la fusion de plus de 200 « neoclouds ». Le contraste avec les sections précédentes est frappant : plus le calcul géant devient rare et contesté localement, plus les petits modèles spécialisés et le matériel local deviennent une option sérieuse.
Testez votre lecture de la semaine
Quelle part des 200 lésions le réseau Inception v3 a-t-il correctement diagnostiquée dans le test de Magnus Lynch ?
Pourquoi les deux modèles de pointe trient-ils mal les patients dans ce test ?
Sous quelle licence Nanbeige4.3-33B a-t-il été publié ?
Quelle réserve s'applique aux 50 tokens par seconde annoncés pour l'AI Host P7 de Lenovo ?
Combien Amazon avait-il payé le terrain d'Ashburn qu'il renonce à transformer en datacenters ?
Sources
- Lynch Lab, A 10-year-old CNN outperforms frontier LLMs for skin cancer diagnosis, 25 octobre 2026
- Hugging Face, Nanbeige4.3-33B, fiche du modèle, octobre 2026
- Hugging Face Papers, IQuest-Q1, 23 octobre 2026
- Moonshot AI, Introducing Kimi K3.1 Pro, 23 octobre 2026
- Vercel, Kimi K3.1 Pro and Kimi K3.1 Pro Highspeed are available now in AI Gateway, 23 octobre 2026
- Intelligent Living, Lenovo AI Host P7, 26 octobre 2026
- 24/7 Wall St., Amazon just walked away from a $427 million data center plan after neighbors fought back, 24 octobre 2026
- Hardware Busters, Texas data center permits kept auto-approving after Abbott's pause, 24 octobre 2026
- TipRanks, SpaceX closes $40B GPU deal as Musk warns AI firms could fail, 25 octobre 2026
Pour aller plus loin
Chaque lundi, la newsletter de Polaris résume en trois news ce qui compte vraiment dans l'IA pour les dirigeants de PME : inscrivez-vous à la newsletter du lundi.
Pour passer de la lecture à la pratique, les formations gratuites d'Agentia Academy vous apprennent à utiliser l'IA dans votre activité : découvrez les formations gratuites.