Les applications de l’intelligence artificielle (IA) en anatomie et cytologie pathologiques (ACP) se multiplient, notamment en analyse d’images. Les agents conversationnels (ACs) reposant sur des grands modèles de langage pourraient également avoir un intérêt dans l’aide à l’analyse des éléments sémiologiques d’ACP mais leur évaluation dans ce domaine demeure nécessaire. Nous avons soumis des textes de requêtes standardisés et contextualisés de descriptions sémiologiques d’ACP à ChatGPT, Copilot, Gemini et Mistral pour évaluer leurs réponses. Sur 200 textes soumis, les qualités des réponses étaient hétérogènes entre les 4 ACs avec jusqu’à 82 % (ChatGPT) de diagnostics exacts dès la première réponse (91 % après nouvelle sollicitation). Des erreurs diagnostiques graves ("hallucinations") étaient répondues dans jusqu’à 9 % des cas (Gemini). D’autres éléments de classifications, interprétations et demandes d’examens complémentaires et informations sur les pathologies étaient parfois fournies par les ACs en plus des propositions diagnostiques. L’hétérogénéité des réponses n’était pas liée à des critères d’organes, de types ou de fréquences des pathologies ni de rédaction des textes soumis. Par contre, pour les 4 ACs, les qualités des réponses étaient corrélées aux nombres de résultats de recherches par pathologie sur les moteurs Google, GoogleScholar et PubMed, ici considérés comme indicateurs indirects de la volumétrie de documentation numérique accessible sur internet. Une critique experte des réponses des ACs dans leurs analyses de données textuelles d’ACP demeure cruciale face au risque de réponses inexactes et d’hallucinations graves de ces outils d’IA aujourd’hui largement disponibles et utilisés par les soignants et les patients.

The applications of artificial intelligence (AI) in anatomical and cytological pathology (ACP) are growing, particularly in image analysis. Conversational agents (CAs) based on large language models may also be useful as helps in the analysis of ACP semeiological features, but their evaluation in this field remains necessary. We submitted standardized, contextualized semeiological descriptions of ACP to ChatGPT, Copilot, Gemini, and Mistral in order to evaluate their responses. Out of 200 texts submitted, response quality varied among the four CAs, with up to 82% (ChatGPT) of correct diagnoses on the first attempt (91% after a follow-up prompt). Serious diagnostic errors (“hallucinations”) occurred in as many as 9% of cases (Gemini). In addition to diagnostic suggestions, the CAs sometimes offered classification details, interpretative comments, recommendations for additional analyses, and information on the pathologies. Response heterogeneity was not related to organs, pathology types or frequencies, or the origin of the submitted texts. However, for all four CAs, response quality correlated with the number of search results per pathology on Google, Google Scholar, and PubMed—here used as indirect indicators of the volume of digital documentation accessible online. Expert review of CA outputs in the analysis of ACP text data remains crucial given the risk of inaccurate answers and serious hallucinations from these widely available AI tools, which are already being used by healthcare professionals and patients.