Selon Microsoft, un acteur lié à la Chine automatise une attaque ConnectWise grâce à ARTEX

Le 22 octobre 2026, la revue Science a publié une étude de Microsoft sur le Microsoft AI Diagnostic Orchestrator (MAI-DxO), un système d'IA qui procède par étapes, comme un clinicien, et qui s'appuyait dans l'étude sur GPT-5 d'OpenAI. Le système coordonne les étapes diagnostiques pour les cas médicaux complexes, notamment en posant des questions, en commandant des tests et en révisant les diagnostics possibles. Plusieurs agents jouent le rôle d'un panel de spécialistes et défendent leurs hypothèses avant de conclure. Le test porte sur deux corpus de dossiers passés. L'article présente le Sequential Diagnosis Benchmark, ou SDBench, qui convertit 304 cas de conférences clinicopathologiques du New England Journal of Medicine et 325 passages du service des urgences à l'admission de la base MIMIC-IV-ED en rencontres diagnostiques interactives et progressives. Sur les cas du New England Journal of Medicine, la précision atteint 83,2 % contre 36,1 % pour des médecins généralistes disposant de ressources de référence (22,3 % sans ces outils). Sur les passages aux urgences, le système atteint 80,3 % contre 46,8 % pour les généralistes. L'étude mesure aussi le coût des examens prescrits. Ces montants sont des estimations, non des factures. Sous contrainte budgétaire, le système réduit ces dépenses au prix d'une légère baisse de précision : sur les cas clinicopathologiques, il a atteint 80,9 % de précision à 2 241 $ par cas et 79,6 % à 1 303 $. Microsoft dit ouvrir le code de SDBench pour une partie des cas, avec ses modules Gatekeeper et Judge et l'estimation des coûts. Les travaux ont un historique. L'étude de Microsoft, intitulée « Sequential Diagnosis with Language Models », a d'abord été publiée en ligne l'année dernière sur arXiv comme une prépublication non évaluée par les pairs. La publication dans Science est donc la version évaluée par des pairs d'un travail présenté dès 2025. Ces résultats ne mesurent pas encore les soins réels : le bénéfice pour les patients n'est pas établi. Les auteurs évoquent comme prochaine étape des circuits où cliniciens et IA travaillent ensemble, seuls à même d'apporter les preuves cliniques que ces dossiers historiques ne fournissent pas.