Tout ce dont une salle de rédaction a besoin.

1. En une phrase

DeepSensi est le Cognitive Medical OS — un système d'intelligence clinique vérifié qui apporte à l'IA médicale la seule chose qui lui a toujours manqué : une limite quantitative et technique à sa faille la plus dangereuse.

2. Présentation standard — « À propos de DeepSensi » (prêt à copier-coller)

Court (35 mots). DeepSensi est un système d'intelligence clinique vérifié — le Cognitive Medical OS — conçu autour d'une limite de sécurité quantitative dérivée d'arbres de défaillances concernant les hallucinations de l'IA. Il est développé par DeepSensi PBC, une Public Benefit Corporation située à Dover, dans le Delaware.

Complet (~120 mots). DeepSensi est un système d'intelligence clinique vérifié — un « Cognitive Medical OS » — qui traite les hallucinations de l'IA comme un problème d'ingénierie de la fiabilité plutôt que comme un problème de prompt. Son architecture de vérification multicouche comporte une limite publiée pour le pire des cas d'erreur clinique non détectée de 3,23 × 10⁻¹¹ par assertion. Celle-ci est dérivée grâce aux méthodes d'arbres de défaillances utilisées pour certifier les avions et les centrales nucléaires, et a été validée sur 301 des cas de diagnostic publiés les plus difficiles en médecine. Il s'agit du premier Cognitive Medical OS — indépendant des fournisseurs et entièrement auditable — conçu pour renforcer les cliniciens plutôt que pour les remplacer, en réduisant le temps de diagnostic et en offrant aux médecins un dossier défendable de qualité juridique pour chaque décision. DeepSensi est développé par DeepSensi PBC, une Public Benefit Corporation du Delaware fondée par Tomasz Jan Gomoła, auteur du DeepSensi Standard, ouvert et libre de droits.

3. Fiche d'information — chiffres canoniques

Sécurité (dérivée de manière analytique). - Limite dans le pire des cas : 3,23 × 10⁻¹¹ hallucinations non détectées par assertion clinique (≈ 1 sur 30 milliards). - Limite nominale : 1,69 × 10⁻¹² par assertion sous ajustement de cause commune (facteur β). - Méthode : Analyse par arbre de défaillances selon la norme IEC 61025, sur une cascade de vérification déterministe multicouche à trois niveaux. - La limite dans le pire des cas répond à la cible numérique du mode de sollicitation SIL-4 avec une marge d'environ 31× (équivalence de cible numérique uniquement ; la limite est une quantité analytique).

Précision (empirique, cohorte de développement). - Ensemble de validation : 301 cas publiés de la Clinicopathological Conference du NEJM (2014–2023) — parmi les cas de diagnostic les plus difficiles en médecine. - 86,0 % dans le top 1 (IC 95 % 82,1–89,9) · 93,7 % dans le top 3 (IC 95 % 91,0–96,4) après calibration axée sur la sécurité. - Référence figée avant calibration : 80,0 % dans le top 1 / 88,0 % dans le top 3. - Taux de manquements critiques : 4,6 % → 0,0 %, pour un coût de seulement 2,3 secondes supplémentaires de délibération médiane. - Temps médian de délibération : 14,3 s. Rapporté comme un résultat de la cohorte de développement ; une étude de confirmation est prévue.

Vitesse. - Une délibération multi-spécialistes complète s'effectue en 12 secondes à quelques minutes pour les cas complexes — par rapport aux jours nécessaires pour réunir manuellement un comité humain équivalent.

Le standard. - Le DeepSensi Standard (DSS), également appelé le Gomola Framework : le premier standard quantitatif de certification de sécurité pour l'IA clinique. Cinq piliers auditables, quatre niveaux de certification avec des limites explicites d'hallucination par assertion. Ouvert et libre de droits (attribution requise). L'implémentation de référence est propriétaire.

Entreprise et conformité. - DeepSensi PBC, une Public Benefit Corporation. 8 The Green STE A, Dover, DE 19901, États-Unis. - Zero PHI par architecture · HIPAA · RGPD · Législation sur l'IA de l'UE (architecture conforme aux articles 9 à 17) · Souveraineté : le niveau supérieur est un nœud hospitalier entièrement isolé, sans dépendance au cloud et sans qu'aucune donnée de patient ne quitte les locaux. - Propriété intellectuelle : 15 demandes de brevet déposées, d'autres en préparation — la majorité destinée à être publiée ouvertement sous forme de livres blancs techniques. - Fonctionne dans le cloud ou entièrement hors ligne, isolé si nécessaire, d'un nœud d'informatique en périphérie de réseau de base à un serveur départemental.

4. L'histoire en un paragraphe

Chaque industrie critique pour la sécurité mesure la fiabilité avant tout déploiement : les moteurs d'avion, les réacteurs nucléaires et les nouveaux médicaments doivent tous franchir un seuil quantitatif. L'IA clinique — une technologie dont les erreurs se comptent en vies humaines — n'a eu à en franchir aucun. DeepSensi comble cette lacune. L'entreprise applique les mathématiques des arbres de défaillances de l'aviation à une architecture de vérification multicouche, produisant la première limite quantitative publiée sur les hallucinations de l'IA médicale ; la valide sur les cas diagnostiques publics les plus difficiles en médecine, réduisant le taux d'erreurs critiques à zéro ; et publie le standard de certification sous-jacent, ouvert et libre de droits, pour que l'ensemble de l'industrie l'adopte ou le remette en question.

4a. La référence, en contexte

Précision du diagnostic exact sur les cas accessibles au public de la Clinicopathological Conference (CPC) du NEJM — parmi les cas de diagnostic les plus difficiles en médecine, la même référence utilisée dans tout le domaine :

Système	Précision du diagnostic exact	Source
DeepSensi — Cognitive Medical OS	86,0 % (93,7 % top-3)	301 cas, 2014–2023, cohorte de développement
Microsoft MAI-DxO (o3)	85,5 %	Nori et al. 2025 (SDBench, 304 cas)
OpenAI o3	78,6 %	Nori et al. 2025
OpenAI GPT-4o	49,3 %	Nori et al. 2025
OpenAI GPT-4	39 %	Kanjee et al. 2023 (70 cas)
Médecins en exercice (non assistés)	19,9 %	Nori et al. 2025 (21 médecins américains/britanniques)

Les autres devinent la réponse. DeepSensi la déduit — une architecture anti-hallucination de niveau SIL-4 en instance de brevet, auditable à chaque étape. Un score que vous ne pouvez pas auditer n'est toujours qu'une supposition.

4b. Ce que seul DeepSensi apporte

Capacité	DeepSensi	LLM de pointe*	IA orchestrée	Scribe ambiant
Architecture anti-hallucination de niveau SIL-4	3,23×10⁻¹¹	✗	✗	✗
Standard de certification de sécurité ouvert (DSS)	✓	✗	✗	✗
Vérification déterministe multicouche	✓	✗	partiel	✗
Chaîne déductive vérifiée — auditable, pas une supposition	✓	✗	✗	✗
« Je ne sais pas » structuré (LIMBO)	✓	✗	✗	—
Conception contradictoire anti-biais	✓	✗	✗	✗
Audit de qualité juridique + répartition des responsabilités	✓	✗	✗	partiel
Score du médecin + redevances liées aux résultats (GCPS)	✓	✗	✗	✗
Précision du diagnostic exact (NEJM-CPC)	86,0 %	39–79 %	80–85,5 %	n/a

*LLM de pointe = modèles à usage général et médicaux d'OpenAI, Anthropic, Google, xAI, DeepSeek et autres. Catégories, pas une évaluation d'un produit unique ; « ✗ » = aucun publié en juillet 2026. Le certificat DSS de DeepSensi se lit en deux dimensions : architecture Platinum · limite certifiée dans le pire des cas de 3,23×10⁻¹¹ (niveau SIL-4).

4c. Les erreurs humaines qui disparaissent — un comité sans ego

Pas de fatigue, pas de hiérarchie, pas de souvenir d'un « patient difficile », et un adversaire obligatoire dans chaque cas. Les biais diagnostiques humains classiques que l'architecture de DeepSensi est conçue pour éliminer : ancrage, confirmation, conclusion prématurée, disponibilité, négligence du taux de base, satisfaction de la recherche, cadrage, constatation/stéréotypes, excès de confiance, gradient d'autorité, pensée de groupe, et fatigue. Les biais de la machine sont contrés par une indépendance inter-fournisseurs et des vérifications déterministes des preuves.

Sources de la référence : Nori et al., Sequential Diagnosis with Language Models, arXiv:2506.22405 (2025) ; Kanjee et al., JAMA (2023). Les chiffres de DeepSensi correspondent à une cohorte de développement sur 301 cas CPC du NEJM ; une étude de confirmation est prévue.

5. Messages clés

1. Un chiffre, pas une simple impression. DeepSensi donne à l'IA clinique une limite de sécurité quantitative — de la même manière que l'aviation et l'ingénierie nucléaire mesurent la fiabilité depuis des décennies.
2. Autonomisation, pas remplacement. DeepSensi renforce le clinicien : il réduit le temps de diagnostic de plusieurs jours à quelques minutes et remet au médecin un dossier défendable de qualité juridique de ce qui a été vérifié. Le clinicien signe, et reste aux commandes.
3. La sécurité et la précision ne sont pas en tension. La calibration axée sur la sécurité a réduit le taux de diagnostics critiques manqués de 4,6 % à 0,0 % au prix de 2,3 secondes supplémentaires.
4. La preuve est publique ; les plans ne le sont pas. Les publications, le standard et la piste d'audit sont ouverts. L'implémentation de référence reste propriétaire.
5. L'honnêteté est une fonctionnalité. Le système est conçu pour dire « Je ne sais pas » — et pour nommer le seul test qui permettrait de lever le doute.
6. Un standard, pas seulement un produit. Le DeepSensi Standard est ouvert et libre de droits, de sorte que tout fournisseur, régulateur ou système de santé peut l'utiliser.

5a. Le médecin, renforcé — et non remplacé

DeepSensi est conçu pour rendre un clinicien plus fort, et non pour remplacer un département entier.

• Plus rapide vers une réponse vérifiée. Une délibération qui prend des jours à être organisée en tant que comité humain est restituée en 12 secondes à quelques minutes pour les cas complexes — le délai de diagnostic passe de plusieurs jours à quelques minutes.
• Un dossier défendable — une première. Pour la première fois, le médecin dispose d'un dossier scellé cryptographiquement et de qualité juridique, indiquant exactement ce qui a été vérifié, par qui et pourquoi, avec une responsabilité répartie par décision (IA, médecin ou règle). La décision qu'il signe est documentée selon un niveau d'exigence qu'aucun dossier n'offrait auparavant.
• Le clinicien reste aux commandes. DeepSensi est une aide à la décision clinique ; le médecin traitant signe chaque décision. Il augmente le jugement — il ne l'annule pas.
• Le premier Cognitive Medical OS. Diagnostic, documentation, mémoire longitudinale du patient et économie de la réputation et des redevances du médecin sur un substrat vérifié.
• Indépendant des fournisseurs et auditable. Ce n'est pas une surcouche sur un modèle unique — un meilleur modèle de base donne une meilleure réponse vérifiée — et chaque étape est auditable de manière indépendante, y compris vis-à-vis de l'opérateur.

Le résultat net est une autonomisation avec un filet de sécurité : le clinicien gagne la profondeur d'un consilium complet de spécialistes et un dossier qui protège la décision, tout en restant, sans ambiguïté, la personne en charge.

6. Citations approuvées — attribuables à Tomasz Jan Gomoła, Fondateur

« L'aviation ne demande pas à un moteur à réaction de sembler sûr. Elle demande un chiffre. Nous avons donné son chiffre à l'IA clinique. »

« Nous avons publié le standard et conservé l'implémentation. Une catégorie appartient à celui qui en écrit les règles — alors nous les avons écrites, et nous les avons offertes. »

« La phrase la plus dangereuse en médecine est une erreur affirmée avec confiance. Nous avons construit un système autorisé à dire 'Je ne sais pas' — et récompensé pour cela. »

« Toute profession du savoir paie ses meilleurs esprits pour la réutilisation de leurs meilleures idées. La médecine était simplement la dernière, car son problème d'attribution était le plus difficile. Ce n'est plus le cas. »

« Nous rapportons les résultats de la cohorte de développement et nommons l'étude de confirmation que nous devons encore réaliser. La preuve accompagne l'affirmation. C'est là tout l'enjeu. »

« Nous n'avons pas construit une IA pour contredire le médecin. Nous en avons construit une pour donner à un seul clinicien la profondeur d'un panel complet de spécialistes en quelques minutes — et, pour la première fois, un dossier qui prouve exactement ce qui a été vérifié. »

7. Biographie du fondateur

Courte. Tomasz Jan Gomoła est le Founder & Master Architect de DeepSensi PBC. Il est l'auteur du DeepSensi Standard (le Gomola Framework, DSS-001) ouvert, pour la sécurité quantitative de l'IA clinique, et le seul architecte derrière sa cascade de vérification déterministe multicouche, ses limites d'erreur de niveau SIL-4 et son cadre de préservation de la confidentialité Zero PHI. (ORCID : 0009-0001-5222-6154).

Complète. Tomasz Jan Gomoła est le Founder & Master Architect de DeepSensi PBC (une Public Benefit Corporation du Delaware qui construit une intelligence clinique vérifiée). Il est le créateur du Gomola Framework (DSS-001) — un standard de certification de sécurité ouvert et libre de droits pour les systèmes d'IA clinique. Ses innovations architecturales comprennent la cascade de vérification déterministe multicouche, la limite de sécurité anti-hallucination de niveau SIL-4 dérivée formellement, le protocole d'incertitude structuré LIMBO et une architecture de préservation de la confidentialité Zero PHI qui anonymise l'intelligence clinique à la source. Il agit en tant qu'auteur correspondant pour la série de livres blancs techniques de DeepSensi (prépublications sur medRxiv) et dirige un portefeuille de 15 demandes de brevets déposées (avec d'autres en préparation) couvrant l'orchestration du diagnostic et l'économie de la réputation clinique. Aujourd'hui, son architecture fondamentale est déployée à l'échelle mondiale par la Cognitive OS Division de DeepSensi PBC sous sa direction directe. (ORCID : 0009-0001-5222-6154).

8. Glossaire des capacités (langage courant, noms publics)

• Hyper Consilium — une délibération d'IA multi-spécialistes qui raisonne comme un comité des tumeurs d'un hôpital, en quelques secondes, avec la participation de médecins comme contributeurs évalués.
• LIMBO — le « Je ne sais pas » structuré : lorsque les preuves sont insuffisantes, le système déclare l'incertitude au lieu de deviner.
• Active Sensing — recommande l'examen ou le test unique qui résoudrait de la manière la plus décisive un cas ambigu.
• GCPS (Global Clinical Performance Score) — une mesure objective et résistante aux biais de la performance d'un médecin ; une intuition validée donne droit à des redevances indexées sur les résultats.
• Golden Horizon — mise en relation avec des essais cliniques et défense des patients, gratuit pour les patients sur mandat architectural.
• GERN — une couche de surveillance syndromique préservant la confidentialité : un signal d'alerte précoce dérivé d'une documentation clinique désidentifiée (méthodes uniquement ; aucun résultat de détection n'est revendiqué).
• Alerte rétroactive / jumeau numérique — lorsque de nouvelles connaissances médicales modifient le tableau d'un ancien patient, le médecin traitant est automatiquement alerté, même des années plus tard.

9. Les publications (neuf)

Prépublications destinées à medRxiv ; manuscrits en cours de soumission à des revues à comité de lecture (y compris NEJM AI). Textes intégraux : www.deepsensi.com/papers.

• WP-001 — Analyse par arbre de défaillances de la vérification multicouche (le dossier de sécurité)
• WP-002 — The Flawed Yardstick (pourquoi les références statiques pénalisent la sécurité ; le Paradoxe du Triage Sûr)
• WP-003 — L'Hyper Consilium (les médecins en tant que nœuds évalués ; LIMBO ; redevances indexées sur les résultats)
• WP-004 — Le Global Clinical Performance Score (réputation objective du médecin)
• WP-005 — AutoResearcher-HYPO (génération d'hypothèses autonome ; aucune découverte biomédicale revendiquée)
• WP-006 — Golden Horizon (accès compassionnel, gratuit pour les patients)
• WP-007 — GERN (surveillance syndromique préservant la confidentialité ; méthodes uniquement)
• DSS-001 — Le DeepSensi Standard (le standard de certification ouvert et libre de droits)
• Perspective NEJM AI — pourquoi l'IA médicale a besoin d'une certification de sécurité quantitative

10. Ce que nous n'affirmons PAS (merci de nous y tenir)

• Nous ne revendiquons pas l'approbation de la FDA. DeepSensi est un outil d'aide à la décision clinique ; le médecin traitant signe chaque décision. Un dialogue de pré-soumission (Q-Submission) avec la FDA est engagé.
• Nous ne prétendons pas que les chiffres de précision sont validés par des pairs ou définitifs. Ce sont des résultats de cohorte de développement ; une étude de confirmation est prévue ; le protocole au niveau du cas est ouvert aux auditeurs.
• Nous ne prétendons pas avoir vérifié empiriquement une probabilité de l'ordre de 10⁻⁷–10⁻⁹. La limite est analytique ; les études de précision valident la capacité de déploiement, et non la probabilité elle-même. La certification est délibérément bidimensionnelle (architecture · probabilité).
• Nous ne prétendons pas que GERN détecte des épidémies aujourd'hui. WP-007 est un article de méthodologie pré-enregistré pour une évaluation prospective dédiée.
• Nous ne remplaçons pas les médecins. DeepSensi est une aide à la décision clinique : le clinicien traitant signe chaque décision et reste aux commandes. Il renforce le jugement — des réponses plus rapides, un dossier défendable — il ne s'y substitue pas.

11. FAQ

DeepSensi est-il approuvé par la FDA ? Non. Il s'agit d'une aide à la décision clinique ; le médecin signe. Un dialogue de pré-soumission (Q-Submission) avec la FDA sur la certification quantitative des architectures de vérification est engagé.

Les chiffres de précision sont-ils validés par des pairs ? Des prépublications sont en cours de dépôt sur medRxiv et des manuscrits sont soumis à des revues à comité de lecture, dont NEJM AI. Les chiffres (N = 301) sont des estimations de cohorte de développement avec une étude de confirmation prévue ; les auditeurs peuvent demander le protocole au niveau du cas.

Le terme « SIL-4 » signifie-t-il qu'il est certifié comme une centrale nucléaire ? Cela signifie que la limite dans le pire des cas par assertion répond à la cible numérique du mode de sollicitation SIL-4 avec une marge d'environ 31×. Il s'agit d'une équivalence de cible numérique, et non d'un certificat SIL tiers.

Remplace-t-il les médecins ? Non — il les renforce. DeepSensi réduit le temps de diagnostic et fournit au clinicien un dossier auditable de qualité juridique — avec une responsabilité répartie par décision — de ce qui a été vérifié et pourquoi exactement. Il s'agit d'une aide à la décision clinique : le médecin signe et reste aux commandes.

Quels modèles d'IA utilise-t-il ? DeepSensi est par conception indépendant des modèles et inter-fournisseurs ; ce n'est pas une surcouche sur un modèle unique, et un meilleur modèle de base donne une meilleure réponse vérifiée. Les fournisseurs spécifiques ne sont pas divulgués.

Le standard est-il vraiment gratuit ? Oui — le DeepSensi Standard est ouvert et libre de droits (attribution requise). Seule l'implémentation de référence est propriétaire.

Comment la confidentialité des patients est-elle gérée ? Zero PHI par architecture ; anonymat k ≥ 5 pour les travaux de cohorte ; alignement sur les normes HIPAA et RGPD. L'identité ne fait jamais partie de l'analyse.

Où l'entreprise est-elle basée ? DeepSensi PBC, une Public Benefit Corporation du Delaware, 8 The Green STE A, Dover, DE 19901, États-Unis.

12. Actifs dans ce dossier

Voir images/ pour les fichiers de logo, d'icône et de carte sociale, et images/README_IMAGES.txt pour les noms de fichiers exacts, les dimensions, le texte alternatif et l'utilisation. Une photographie du fondateur est fournie séparément sur demande ([email protected]). Les articles de fond et le communiqué de presse se trouvent dans articles/ (Markdown) et dans ready-to-send/ au format Word (.docx) et PDF, prêts à être joints.

13. Utilisation, marque déposée et licences

• Le texte de ce dossier (présentation standard, citations, fiche d'information, biographies) peut être reproduit librement dans une couverture éditoriale.
• Le DeepSensi Standard / Gomola Framework est ouvert et libre de droits ; attribution requise. L'implémentation de référence (DeepSensi Medical OS) est propriétaire.
• « DeepSensi » et la marque DeepSensi sont des marques déposées de DeepSensi PBC ; veuillez ne pas modifier les proportions ou les couleurs de la marque, ni sous-entendre une approbation ou un partenariat sans accord écrit.
• Les chiffres sont canoniques — veuillez les reproduire tels qu'ils sont écrits, avec la mention de la cohorte de développement le cas échéant.

14. Politique de contact et d'embargo

• Presse, interviews, accès auditeur : [email protected]
• Partenariats et institutions : [email protected]
• Auteur / correspondance (publications) : [email protected]
• Les documents partagés « sous embargo » ne peuvent pas être publiés avant la date indiquée. Une fois les prépublications en ligne sur medRxiv, les DOI seront communiqués et l'embargo sera levé.

---

DeepSensi PBC est une Public Benefit Corporation. La mise en relation gratuite des patients avec des essais cliniques, la recherche ouverte et le standard de sécurité ouvert DSS sont inscrits dans ses statuts. Nous publions la preuve, le standard et l'audit. Nous ne publions pas les plans.