Generative AI systems conflate two distinct pregnancy-dating algorithms

Résumé technique : Les systèmes d'IA générative confondent deux algorithmes distincts de datation de la grossesse

Énoncé du problème
L'article identifie une divergence critique dans la manière dont les systèmes d'IA générative traitent les calculs cliniques, plus précisément concernant l'estimation de la date prévue de l'accouchement (DPA) et l'âge gestationnel. Bien que la communauté médicale traite souvent la « règle de Naegele » (une heuristique basée sur le calendrier) et un « décompte fixe de 280 jours » comme étant identiques, il s'agit de deux algorithmes mathématiquement distincts. La règle de Naegele, formulée en 1812, ordonne aux cliniciens de soustraire trois mois calendaires de la première date des dernières règles (LMP) et d'ajouter sept jours. En revanche, le décompte fixe de 280 jours consiste simplement à ajouter 280 jours à la date des dernières règles. Comme le calendrier grégorien contient des mois de durées variables (28 à 31 jours), ces deux méthodes produisent fréquemment des résultats différents. Les auteurs soutiennent que les modèles d'IA générative, entraînés sur des manuels qui ont historiquement confondu ces méthodes, peuvent reproduire cette confusion en récitant les étapes d'un algorithme tout en calculant le résultat de l'autre, masquant ainsi le chemin de calcul.

Méthodologie
Les auteurs ont employé une approche d'audit déterministe pour évaluer cette hypothèse :

1. Génération de la vérité de terrain (Ground Truth) : Un script a énuméré chaque date possible de la date des dernières règles du 1er janvier 1812 au 31 décembre 2025 (N = 78 163 dates). Pour chaque date, deux DPA ont été calculées : l'une utilisant la règle calendaire de Naegele ($DPA = \text{Date}(\text{année}+1, \text{mois}-3, \text{jour}+7)$) et l'autre utilisant le décompte fixe de 280 jours ($DPA = \text{LMP} + 280 \text{ jours}$). La différence ($\Delta$) entre les deux méthodes a été calculée.
2. Audit de l'IA : Le 17 juin 2026, cinq systèmes d'IA générative largement utilisés (ChatGPT 5.5, Claude Opus 4.8, Gemini 3.5 Flash, Perplexity Sonar 2 et Open Evidence) ont été interrogés avec deux requêtes standardisées :
   • Requête 1 (Convergente) : Date des dernières règles au 21 janvier 2026 (une date où les deux méthodes donnent le même résultat).
   • Requête 2 (Divergente/Passage d'année bissextile) : Date des dernières règles au 21 janvier 2024 (une date où les méthodes divergent en raison de l'inclusion du 29 février dans l'intervalle gestationnel).
3. Évaluation : Les réponses ont été analysées pour vérifier la DPA retournée, la méthode de calcul énoncée, et si le système distinguait la règle calendaire du décompte de 280 jours.

Résultats clés

• Divergence algorithmique : Sur les 78 163 dates, les deux méthodes n'ont produit des résultats identiques que dans 44,3 % des cas. Dans 55,7 % des cas, la règle de Naegele donnait une date 1 à 3 jours plus tard que le décompte fixe de 280 jours. La divergence était unidirectionnelle ; la règle de Naegele ne produisait jamais une date plus précoce.
• Impact de l'année bissextile : Dans les intervalles traversant le 29 février (n = 14 828), les méthodes ne se sont jamais accordées (0,0 % d'accord). Le décompte de 280 jours absorbe le jour intercalaire, contrairement à la soustraction calendaire.
• Performance de l'IA :
  • ChatGPT 5.5 et Claude Opus 4.8 ont correctement distingué les méthodes pour la date divergente, fournissant le résultat de 280 jours (27 oct.) tout en reconnaissant que la règle calendaire donnerait le 28 oct.
  • Gemini 3.5 Flash, Perplexity Sonar 2 et Open Evidence n'ont pas réussi à distinguer les méthodes. Ils ont soit étiqueté le résultat de 280 jours comme étant la « règle de Naegele » (malgré l'affichage d'étapes calendaires menant à une date différente), soit affirmé que la date calendaire était égale au décompte de 280 jours.
• Nature de l'erreur : L'échec était conceptuel plutôt qu'arithmétique. Trois systèmes ont présenté la règle calendaire et le décompte de 280 jours comme une seule et même procédure, reproduisant ainsi la confusion historique présente dans les manuels médicaux.

Signification et revendications
Les auteurs affirment que, bien qu'une différence de 1 à 3 jours soit cliniquement négligeable compte tenu de la variabilité biologique de la gestation humaine (écart-type ~13 jours), l'audit révèle une faille fondamentale dans le comportement de l'IA générative : le système peut retourner une valeur clinique plausible tout en occultant ou en étiquetant incorrectement la méthode utilisée pour la produire.

L'article soutient qu'il s'agit d'une « erreur de méthode-étiquette » où les modèles s'appuient sur la reconnaissance de formes (pattern-matching) plutôt que sur la cohérence logique. Les auteurs soulignent que ce cas de datation de la grossesse sert de « cas de test déterministe » avec une vérité de terrain claire pour exposer un problème plus large. Ils émettent l'hypothèse que des décalages similaires entre méthode et étiquette dans des scénarios cliniques à enjeux plus élevés, tels que le dosage des médicaments ou l'évaluation des risques, pourraient être bien moins bénins, bien que ce travail ne démontre pas directement un tel préjudice.

La principale contribution est un appel à la transparence des méthodes. Les auteurs soutiennent que les outils d'IA médicale doivent divulguer leurs chemins de calcul (par exemple, en précisant explicitement s'ils ajoutent 280 jours ou s'ils utilisent l'arithmétique calendaire) ainsi que leurs hypothèses et leur incertitude, plutôt que de présenter une date unique, trop précise, qui masque le choix algorithmique sous-jacent.