Cette étude présente une approche interdisciplinaire de la reformulation sous-phrastique médicale en linguistique et les enjeux dans le contexte actuel du Traitement Automatique des Langues (TAL) et de la génération automatique de textes avec des Grands Modèles de Langues (LLMs). Nous mettons en avant les difficultés d’identification automatique de la reformulation sous-phrastique et l’importance de l’équivalence sémantique entre le terme médical et sa reformulation. Les outils d’IA générative de type CHATGPT sont utilisés par le grand public pour obtenir des explications à des questions de santé, ce qui attire l’attention sur le risque de considérer des textes incorrects, dits « hallucinatoires », comme étant la vérité médicale. Dans le TAL, des méthodes hybrides de recherche d’information de type Retrieval Augmented Generation (RAG) peuvent assurer l’accès à une reformulation médicale correcte.