Grands Troupeaux Magazine Le magazine d'élevage qui voit grand
Articles liés
La tuberculose bovine reste un enjeu majeur de surveillance sanitaire. À l’abattoir, où l’inspection des carcasses constitue un maillon essentiel du dispositif de détection, un projet associant recherche, administration et acteurs de terrain explore les possibilités offertes par l’intelligence artificielle. L’objectif est de développer un assistant numérique capable d’identifier, sur les images de carcasses, des lésions susceptibles d’être liées à la tuberculose.
L’intelligence artificielle n’a pas vocation à remplacer l’inspecteur vétérinaire. Il doit fournir un avis complémentaire en temps réel, afin d’attirer l’attention sur des lésions qui pourraient nécessiter un prélèvement et des analyses de confirmation. La décision sanitaire reste donc entièrement humaine.
Apprendre à reconnaître les lésions
Le système repose sur un réseau de neurones convolutif, ou CNN, entraîné à partir d’images collectées dans les abattoirs. La constitution de cette base d’apprentissage constitue un enjeu déterminant. Elle doit intégrer des lésions tuberculeuses typiques, mais également des formes atypiques ou discrètes, plus difficiles à repérer lors de l’inspection. Des images de lésions non tuberculeuses et de tissus sains sont également intégrées afin de permettre à l’algorithme de distinguer les différentes situations rencontrées sur le terrain. Les clichés sont associés aux conclusions de l’inspection et, lorsque cela est possible, aux résultats des analyses biologiques. Cette combinaison entre données visuelles et données sanitaires doit permettre d’améliorer progressivement la pertinence du modèle.
Le ciblage des abattoirs et des animaux à intégrer dans la base de données constitue un autre levier du projet. Les données issues des systèmes d’information sanitaires et d’élevage, notamment SI2A, BDNI et SIGAL, peuvent être mobilisées pour identifier en priorité les secteurs où la prévalence de la tuberculose est plus élevée. L’objectif est de concentrer les efforts de collecte sur les situations susceptibles d’apporter le plus d’informations au modèle.
Un outil d’aide, pas de remplacement
L’intérêt attendu est double. Sur le plan sanitaire, l’assistant pourrait contribuer à améliorer la sensibilité de la surveillance en attirant l’attention de l’inspecteur sur des lésions difficiles à identifier. Il pourrait ainsi favoriser la réalisation de prélèvements et la confirmation biologique de cas suspects.
L’outil pourrait également devenir un support de formation continue. La constitution d’une banque d’images documentées permettrait aux inspecteurs de confronter leur expérience à une grande diversité de lésions et de renforcer leur capacité de reconnaissance.
Le projet réunit pour cela des compétences complémentaires. Les travaux associent notamment des étudiants et spécialistes de l’intelligence artificielle, des équipes de recherche en épidémiologie et en infectiologie, ainsi que des agents du ministère de l’Agriculture et des acteurs de terrain. Cette approche pluridisciplinaire doit permettre de rapprocher les performances technologiques des contraintes concrètes de l’inspection en abattoir.
Une phase de test attendue en 2026
En 2026, les travaux portent encore sur l’enrichissement de la base photographique et sur le développement simultané du modèle de reconnaissance visuelle et de l’application destinée aux utilisateurs. La prochaine étape sera le passage au terrain, avec des essais dans des abattoirs pilotes. Ces tests devront permettre d’évaluer non seulement les performances de détection, mais aussi l’ergonomie et l’intuitivité de l’application dans les conditions réelles d’inspection. Un retour d’expérience sera ensuite réalisé pour déterminer les conditions d’une éventuelle utilisation opérationnelle. L’enjeu sera notamment de vérifier que l’algorithme apporte une réelle valeur ajoutée sans créer de surcharge ou de fausses alertes pour les inspecteurs. Si les résultats sont conformes aux attentes, le dispositif pourra évoluer vers un déploiement opérationnel. Dans le cas contraire, les travaux se poursuivront dans un cadre de recherche.
