Posez-nous les questions difficiles.

Aujourd'hui : auto-évaluation selon la méthodologie ouverte DSS, publiée dans son intégralité dans les documents WP-001 et DSS-001, avec la dérivation de l'arbre de défaillances, les hypothèses et les données supplémentaires publiques afin que quiconque puisse refaire les calculs. Et voici la partie que nous avons conçue à dessein : notre propre standard exige un audit par une tierce partie pour ses niveaux Gold et Platinum. Nous avons fixé un niveau que nous devons publiquement franchir, et un audit indépendant est formellement invité. Un fournisseur s'auto-évaluant par rapport à une grille secrète fait du marketing ; un fournisseur qui publie la grille et invite un examinateur crée un standard.

Non, et la distinction est inscrite sur le certificat. Elle est délibérément bidimensionnelle : architecture · probabilité. DeepSensi met en œuvre l'architecture Platinum complète, avec les cinq piliers au niveau le plus élevé. Du point de vue probabiliste, sa limite du pire cas, dérivée de manière prudente à 3,23×10⁻⁶, atteint l'objectif du mode de sollicitation SIL-4 de la norme CEI 61508 (<10⁻⁴) avec une marge d'environ 31 fois ; le chiffre nominal, ajusté pour les causes communes, est de 1,6875×10⁻⁷. Les niveaux de probabilité DSS sont intentionnellement plus stricts que ceux de la CEI, ce qui signifie que nous nous évaluons plus sévèrement que l'industrie ne le fait. Nous aurions pu publier un tableau que notre pire cas domine largement. Nous en avons publié un qu'il ne domine pas, pour l'instant.

Nous revendiquons uniquement l'objectif numérique du mode de sollicitation, et nous le disons explicitement dans nos publications : il s'agit d'une analogie de mesure, et non d'une prétendue certification CEI. La méthodologie sous-jacente, l'analyse par arbre de défaillances selon la CEI 61025 sur 23 barrières indépendantes avec un facteur de cause commune justifié, relève de mathématiques neutres vis-à-vis du domaine. Notre position est simple : si l'aéronautique et le génie nucléaire ont acquis des objectifs de fiabilité quantitatifs il y a cinquante ans, la discipline qui détermine si votre douleur thoracique est une déchirure musculaire ou une dissection aortique mérite la même grammaire.

En cours, publique et réfutable à chaque étape. Les neuf publications sont publiques ; le supplément de référence (S1) publie les données d'entrée, de sortie et les arbitrages pour chaque cas ; la soumission à NEJM AI est en cours aux côtés des prépublications sur medRxiv ; une étude confirmatoire prospective sur une configuration figée est prévue ; et un audit tiers est invité. Chaque chiffre que nous publions porte l'étiquette de cohorte de développement dans la même phrase, pas en bas de page. Un dernier point : le système est encore en phase de calibrage, nous considérons donc les chiffres actuels comme un plancher, non comme un plafond.

Ce le serait, pour un système qui répond toujours. La trajectoire publiée est 4,6 % → 1,3 % → 0,0 % sur 301 cas, et le mécanisme n'est pas l'omniscience, c'est la discipline : un étalonnage privilégiant la sécurité couplé à LIMBO, le refus structuré de deviner. Dans 4,0 % des cas (12 sur 301), le système a refusé de rendre un verdict diagnostique et a plutôt identifié ce qui permettrait de résoudre le cas. Le prix de ce zéro a été de 2,3 secondes supplémentaires de délibération médiane. Résultat de la cohorte de développement, intervalles de confiance publiés, étude de confirmation prévue.

Sur le top-1 seul, avec de tels échantillons, nous ne contesterions pas, et nous publions nos intervalles de confiance précisément pour que vous puissiez vérifier. Mais la revendication n'a jamais porté sur ce demi-point. La revendication est la combinaison : une précision au sommet du domaine, plus une limite de sécurité certifiée dans le pire des cas, plus un taux de manquements critiques de 0,0 %, plus une piste d'audit jusqu'à la dernière assertion, plus un standard ouvert que quiconque peut vérifier. Retirez l'un d'eux à un concurrent et la comparaison s'effondre. Personne d'autre ne réunit tous ces éléments à la fois.

Les données de référence publiques évaluent déjà les alternatives. Dans la propre étude SDBench de Microsoft (Nori et al. 2025, la même famille de cas NEJM CPC), parvenir à un diagnostic a entraîné des milliers de dollars de tests prescrits par cas : en moyenne 7 850 $ pour o3, 7 184 $ pour la meilleure configuration MAI-DxO de Microsoft (à 85,5 %), et 2 963 $ pour les médecins. Le protocole diffère, SDBench commandant les tests de manière séquentielle, nous ne revendiquons donc pas une comparaison à protocole identique. Mais c'est bien l'économie qui importe : DeepSensi atteint 86,0 % en top-1 à partir du dossier clinique lui-même, en 12 secondes à quelques minutes, et lorsque des preuves manquent vraiment, il ne prescrit pas une batterie de tests à l'aveugle, LIMBO désigne l'unique test qui permettra de trancher. Le raisonnement lui-même s'exécute sur une infrastructure standardisée pour un coût de calcul qui relève de l'erreur d'arrondi par rapport à un seul panel de laboratoire. Les prix de déploiement sont fixés par projet pilote.

C'est la première question que nous nous sommes posée, et la défense est architecturale, et non chronologique. La barrière anti-contamination supprime les identifiants, auteurs, dates et citations de chaque cas avant même le début du raisonnement, forçant l'inférence à partir de la physiopathologie plutôt que le rappel de la mémoire. L'écart mesuré est parlant : les modèles de base (baselines) simples sur ces mêmes cas obtiennent environ 39-49 % en top-1 ; le consilium orchestré atteint 93,7 % en top-3. Si la mémorisation expliquait ce résultat, les modèles de base ne seraient pas à quarante points d'écart. De plus, un vérificateur de fondation (input-grounding watchdog) s'assure que les conclusions découlent bien du cas présenté, et l'audit complet au niveau de chaque cas est publié dans le supplément S1.

La version 90 est en production sur une infrastructure couvrant quatre continents, et l'accès est délibérément restreint : projets pilotes et partenariats en priorité, avec des lettres d'intention en discussion active au sein de systèmes de santé, de payeurs et d'organismes de santé publique. Nous avons choisi de publier la preuve, le standard et l'audit avant les logos de clients, et non à leur place, car en médecine, c'est l'ordre honnête des choses. Les annonces suivent les signatures, pas l'inverse.

Cette objection prend l'histoire à l'envers. Les percées médicales sont souvent venues d'une seule personne s'opposant au consensus institutionnel : Semmelweis contre la fièvre puerpérale, Fleming remarquant une boîte de culture contaminée, Marshall buvant la bactérie Helicobacter pour prouver que l'establishment avait tort, et le web lui-même était le protocole d'un seul architecte avant de devenir l'industrie de tous. Les comités livrent du consensus. Les architectes livrent des inventions. Être un seul esprit n'est pas un handicap pour ce projet ; c'est la raison de son existence. La piste d'audit est la suivante : un architecte a écrit le système d'exploitation, douze demandes de brevet en instance avec vingt-quatre autres en préparation, neuf publications et un standard de certification ouvert, tous livrés et opérationnels, et non sous forme de diapositives de présentation. Il y a aussi un avantage structurel qu'aucun grand groupe ne peut s'offrir : un seul esprit maîtrisant l'ensemble de la chaîne peut l'optimiser sans comité, sans fardeau historique et sans politique interne. L'économie des benchmarks publics montre ce que les architectures non optimisées consument : dans la propre étude de Microsoft, des milliers de dollars de coût par diagnostic (o3 : 7 850 $ ; la meilleure configuration MAI-DxO : 7 184 $ par cas ; Nori et al. 2025). L'architecture de DeepSensi, régie par le Gomola Framework, le standard de certification ouvert qui porte le nom de son architecte, a été conçue par un esprit sachant exactement où se situait le gaspillage : la même classe de résultats, à un coût de calcul proche de zéro par rapport à un panel de laboratoire, sans relâcher le moindre seuil de sécurité. Et l'expansion en cours relève aussi de sa conception : l'arrivée de responsables de partenariats cliniques et de représentants régionaux sur les cinq continents, ainsi qu'une plateforme qui transforme des milliers de médecins en co-auteurs rémunérés. Ce n'est pas une entreprise d'une seule personne cherchant à combler une faiblesse. C'est un architecte qui déploie son architecture à grande échelle, de manière réfléchie.

Non. Les NeuroTokens sont une unité de compte transparente pour le travail cognitif au sein de la plateforme : ils mesurent le coût de calcul et règlent la rémunération des médecins au millième de centime près. Il n'y a pas de cryptomonnaie publique, pas de spéculation, rien à échanger. Et le point le plus important : les considérations économiques n'interfèrent jamais avec le jugement clinique. La rémunération est subordonnée aux résultats, scellée par l'audit, et conçue dans le respect des limites anti-corruption (anti-kickback). Le staking (mise) d'hypothèses relève de la couche de recherche, et n'intervient en aucun cas dans les soins prodigués à un patient.

Le médecin détient la signature, et avec elle la responsabilité, sur chaque cas. Mais nous refusons d'idéaliser ce processus : une signature est une autorité, non une infaillibilité, et sur les cas publics les plus difficiles, les médecins non assistés n'obtiennent que 19,9 %. C'est pourquoi DeepSensi est fondé sur un contrat plus honnête : les deux esprits sont mesurés, les deux sont auditables. Le consilium peut contester le clinicien de manière consignée ; le clinicien peut outrepasser le consilium de manière consignée ; le système GCPS évalue les performances de l'humain avec la même objectivité que l'arbre de défaillances encadre celles de la machine ; et la responsabilité est partagée par décision (qu'elle soit issue de l'IA, du médecin ou d'une règle) puis cryptographiquement scellée. Le patient tire profit du désaccord, et le modèle commercial basé sur cette mesure — considérant l'expertise comme un actif mesuré et rémunéré plutôt que comme un simple acquis — est délibérément inédit en médecine. Posture réglementaire : conforme aux normes HIPAA et RGPD, aligné dès la conception sur la loi européenne sur l'IA (EU AI Act), avec une pré-soumission (Q-Sub) à la FDA en cours ; le déploiement suit le parcours réglementaire des logiciels cliniques de chaque juridiction.

Parce qu'un standard de sécurité soumis à un péage (paywall) n'est pas un standard, c'est un produit. Le seul piège, si vous en cherchez un, est stratégique et nous l'assumons ouvertement : l'adoption constitue notre avantage concurrentiel (moat). Chaque hôpital qui intègre un niveau DSS dans ses appels d'offres, chaque assureur qui tarife en fonction d'une limite certifiée, chaque régulateur qui se réfère au Gomola Framework rend ce mètre étalon plus concret, et DeepSensi en est l'implémentation de référence. Nos concurrents sont invités à se faire certifier selon cette norme. Nous avons placé la barre et nous sommes ravis de la compétition à ce niveau.