OpenEvidence lance une famille de modèles d’IA médicale avec l’aperçu de Darwin

OpenEvidence a publié une nouvelle famille de modèles d’IA médicale de recherche le 3 septembre 2026, mettant trois modèles de production à disposition gratuitement des cliniciens vérifiés et ouvrant un quatrième, qu’elle décrit comme son modèle le plus avancé, aux chercheurs uniquement sur candidature.

Les trois modèles de production portent le nom de figures historiques de la médecine. Osler, que l’entreprise décrit comme son modèle le plus rapide avec environ cinq secondes par réponse, succède au modèle qui alimentait auparavant les réponses d’OpenEvidence et devient le modèle par défaut de la plateforme. Sackett est présenté comme un modèle de recherche plus approfondi, nécessitant environ 30 secondes par réponse pour les questions dont la réponse dépend du poids des preuves. Snow, le successeur de la fonction OpenEvidence Deep Consult, est le modèle de production le plus profond avec environ cinq minutes par réponse, effectuant une investigation complète de la littérature médicale avant de produire un rapport.

Les modèles sont déployés auprès de tous les utilisateurs d’OpenEvidence sur openevidence.com ainsi que sur les applications iOS et Android de la société, les cliniciens pouvant choisir parmi eux via un sélecteur de modèle intégré à l’interface. OpenEvidence indique que chaque modèle de la famille respecte le même niveau de précision clinique, la différence résidant dans le temps de réflexion du modèle et la profondeur de sa recherche.

Les porte‑noms sont William Osler, qui a déplacé l’enseignement médical de la salle de cours au chevet du patient ; David Sackett, considéré comme le père de la médecine fondée sur les preuves ; et John Snow, qui a identifié la source de l’épidémie de choléra de Broad Street en 1854 à une seule pompe à eau et a contribué à la création de l’épidémiologie moderne.

Darwin en aperçu de recherche

Le quatrième modèle, Darwin, est en aperçu de recherche et n’est pas encore diffusé de façon générale. Dans l’annonce, OpenEvidence décrit Darwin comme le modèle d’IA médicale le plus avancé au monde et affirme qu’il est le premier modèle d’IA à obtenir un score parfait sur MedQA, que l’entreprise qualifie de référence entièrement indépendante pour l’IA médicale. La société indique également que Darwin atteint un niveau d’excellence sur MedXpertQA avec 72,8 %, sur HealthBench Professional avec 82,7 % et sur NOHARM avec 87,2 %, devançant les modèles suivants, qu’elle nomme Claude Fable 5 et Gemini 3.7.

L’accès se fait uniquement sur candidature. OpenEvidence précise que son raisonnement concerne le risque à double usage: un modèle capable de raisonner aux frontières de la virologie, de l’immunologie et de la génétique humaine pourrait, entre de mauvaises mains, accélérer des travaux fortement réglementés, tels que la recherche liée aux armes biologiques ou l’édition germinale hors du cadre de la surveillance scientifique traditionnelle. L’accès actuel couvre des partenaires institutionnels comme la National Organization for Rare Disorders, qui fournit à Darwin ses cas les plus complexes, des collaborateurs de recherche et des chercheurs en IA accrédités dans des institutions académiques évaluant la précision et la sécurité de l’IA en médecine clinique. La société a indiqué que les capacités de Darwin seront intégrées à Osler, Sackett et Snow au fur et à mesure que ses garde‑fous seront validés avec ces partenaires.

Méthodologie du benchmark

Dans un article technique compagnon, OpenEvidence détaille la configuration de l’évaluation. Pour MedQA, l’entreprise a démarré à partir des re‑annotations réalisées par des médecins sur le test de 1 273 questions à quatre options du benchmark, puis a appliqué des critères d’exclusion pour les informations manquantes, les ambiguïtés et les erreurs d’étiquetage, suivi d’une seconde passe de révision en août 2026 par trois médecins d’OpenEvidence couvrant chaque question à laquelle un modèle évalué a répondu de façon incorrecte. Cela a produit un ensemble final de 660 questions, auxquelles Darwin a répondu sans aucune erreur. L’entreprise publie ses annotations ainsi que les réponses complètes de Darwin pour les quatre benchmarks.

Sur MedXpertQA, Darwin a été évalué sur l’ensemble complet de 2 450 questions du texte, en excluant le sous‑ensemble multimodal. Pour HealthBench Professional, la société a utilisé le jeu de test public en excluant les cas à multiples tours, ne conservant que 410 des 525 tâches, et a noté les réponses avec la configuration LLM‑as‑a‑judge publiée par Anthropic, en utilisant Claude Opus 4.8 avec un budget de réflexion maximal de 32 000 tokens. NOHARM, un benchmark mesurant la fréquence et la gravité des recommandations nuisibles dans des cas de consultation réels, a été noté avec son paquet officiel open‑source sur le sous‑ensemble ouvert de 30 cas.

Les références de base ont été exécutées en tant que claude‑fable‑5 avec réflexion adaptative, gpt‑5.6‑sol avec effort de raisonnement par défaut, et gemini‑3.7‑flash avec effort de raisonnement par défaut, en utilisant les paramètres par défaut des API de chaque fournisseur sans outils ni invites système personnalisées. Les scores de HealthBench Professional ont été moyennés sur au moins cinq essais indépendants par modèle, tandis que les autres ensembles de données ont été notés sur une seule passe, les scores moyens étant rapportés tout au long.

Selon l’article, le score de Darwin sur MedXpertQA dépasse de 7,7 points le meilleur référentiel, son score HealthBench Professional dépasse de 12,1 points le modèle suivant, et son F1 pondéré par la gravité sur NOHARM atteint 0,872 contre 0,740 pour le référentiel le plus proche. La société a reconnu que la précision non pondérée de Darwin sur NOHARM est inférieure à celle de plusieurs référentiels, expliquant que la métrique compte chaque recommandation absente du référentiel comme un faux positif et que Darwin est réglé pour offrir aux médecins l’ensemble complet d’options pertinentes. Elle a rapporté une précision pondérée par la gravité de 0,9.

Disponibilité et prochaines étapes

Osler, Sackett et Snow sont disponibles avec une utilisation illimitée pour tous les cliniciens vérifiés, sans frais. Darwin est disponible pour les chercheurs via un processus de candidature sur le site de la société.

OpenEvidence a déclaré qu’elle continuera d’améliorer, d’étendre et d’accroître l’accès à la famille de modèles au fil du temps, notamment en développant des modèles dédiés à la pratique spécialisée, à commencer par l’oncologie, la radiologie et la génétique clinique.