Testez les connaissances en santé des IA
Comparez deux IA à l’aveugle sur vos questions médicales et évaluez leurs réponses
Pourquoi tester les IA auprès des soignants ?
Un outil dédié aux professionnels de santé pour évaluer l’IA générative dans vos pratiques quotidiennes.
Toutes les IA ne se valent pas
Développez votre esprit critique face à l’IA en évaluant les réponses côte à côte
Détecter les hallucinations et erreurs médicales
Identifiez les limites et risques des modèles d’IA sur des questions de santé
Mesurer l’impact écologique des questions posées aux IA
Découvrez l’impact environnemental de vos discussions avec chaque modèle
Pourquoi votre vote est important ?
L’outil s’adresse également aux experts IA et aux formateurs pour des usages plus spécifiques
Vos évaluations cliniques
Après avoir discuté avec les IA, vous indiquez votre préférence selon des critères cliniques : fiabilité, clarté, risque d’hallucination.
Les jeux de données par spécialités
Toutes les questions posées et les votes sont compilés dans des jeux de données et publiés librement après anonymisation.
Des modèles affinés par thématique santé
À terme, les entreprises et les acteurs universitaires peuvent exploiter les jeux de données pour entrainer de nouveaux modèles plus respectueux des préoccupations réelles des professionnels de santé.
Des usages adaptés aux soignants
L’outil s’adresse aux médecins, infirmiers, pharmaciens et autres professionnels de santé
Contribuer à la recherche
Vos votes alimentent une base de données sur les usages et les limites de l’IA en santé
Explorer les modèles disponibles
Comparez les capacités et limites des modèles sur des cas de santé concrets
Se former à l’IA médicale
Développez une culture critique de l’IA générative pour mieux accompagner vos patients
Qui sommes-nous ?
Bayes Impact est une ONG spécialisée dans l’usage de la data science et de l’IA pour l’intérêt général. Elle accompagne les hôpitaux publics dans l’évaluation et l’adoption responsable de l’IA générative.
Projet original
Cette plateforme est un fork de compar:IA, projet initialement développé par le Ministère de la Culture et la DINUM.
Vos questions les plus courantes
Non. compar:IA santé est un outil expérimental d’évaluation et de comparaison. Les réponses générées par les modèles peuvent être incomplètes, erronées ou périmées : elles ne constituent pas un avis médical et ne remplacent ni l’expertise d’un professionnel de santé, ni les recommandations en vigueur. Toute information doit être vérifiée au regard des sources de référence et de votre jugement clinique avant tout usage.
Non. Ne saisissez aucune donnée sensible ni aucune information permettant d’identifier un patient (nom, date de naissance, numéro de sécurité sociale, etc.). Les échanges sont partagés à des fins de recherche et publiés sous forme de jeux de données après anonymisation : ils ne doivent jamais contenir de données personnelles de santé.
Nous choisissons les modèles en fonction de leur popularité, de leur diversité et de la pertinence pour les utilisateurs. Nous veillons particulièrement à rendre accessibles des modèles dits open weights (semi-ouverts) et de taille différentes.
La spécificité des données collectées sur la plateforme compar:IA est qu’elles sont en français et qu’elles correspondent à des tâches réelles des utilisateurs. Ces données reflètent des préférences humaines dans le contexte du système de santé français. Elles permettent dans un second temps d’ajuster les modèles pour qu’ils soient plus pertinents, précis et adaptés aux usages des utilisateurs, tout en comblant les éventuels biais ou lacunes des modèles actuels.
compar:IA utilise la méthodologie développée par Ecologits (GenAI Impact) pour fournir un bilan énergétique qui permet aux utilisateurs de comparer l’impact environnemental de différents modèles d’IA pour une même requête. Cette transparence est essentielle pour encourager le développement et l’adoption de modèles d’IA plus éco-responsables.
Ecologits applique les principes de l’analyse du cycle de vie (ACV) conformément à la norme ISO 14044 en se concentrant pour le moment sur l’impact de l’inférence (c’est-à-dire l’utilisation des modèles pour répondre aux requêtes) et de la fabrication des cartes graphiques (extraction des ressources, fabrication et transport).
La consommation électrique du modèle est estimée en tenant compte de divers paramètres tels que la taille du modèle d’IA utilisé, la localisation des serveurs où sont déployés les modèles et le nombre de tokens de sortie. Le calcul de l’indicateur de potentiel de réchauffement climatique exprimé en équivalent CO2 est dérivé de la mesure de consommation électrique du modèle.
Il est important de noter que les méthodologies d’évaluation de l’impact environnemental de l’IA sont encore en développement.
Abonnez-vous à notre lettre d'information
Retrouvez les dernières actualités du projet : partenariats, intégration de nouveaux modèles, publications de jeux de données et nouvelles fonctionnalités !