95,4 % puis 74,3 % : ce que la precision d une IA ne dit pas

🔬 95,4 % sur une question. 74,3 % sur la suivante. Même modèle, même lame, même chien. Une équipe de l'Université de Floride a entraîné un ResNet-50 sur 2 600 images de cytoponction ganglionnaire, chez 184 chiens. ✅ Lymphome ou hyperplasie lymphoïde réactionnelle : jusqu'à 95,4 % d'exactitude, 95 % de sensibilité. Le niveau d'un pathologiste. ⚠️ Phénotype B ou T : 74,3 % en moyenne, et une valeur prédictive positive qui tombe à 48 %. On pourrait conclure à un modèle mal entraîné. Cleverson de Souza, cosignataire de l'étude, en tire une autre lecture dans le JVDI. 🧠 La première question est cytomorphologique, c'est de la routine. La seconde exige un immunophénotypage, PARR ou cytométrie de flux. La chute de performance signale autre chose : la lame ne contient pas l'information demandée. D'où sa proposition. Avant de brancher un outil, décider par écrit ce que sa sortie a le droit de faire. Trier un cas ? Rédiger un brouillon ? Libérer un résultat ? Trois autorisations distinctes, et la précision affichée n'en accorde aucune. 🖊️ Sa règle pour la cytologie : le résultat n'atteint le client qu'à travers un compte rendu relu et signé par un pathologiste. Détail qui compte, de Souza écrit que ses modèles restent réservés à la recherche. Un seul hôpital, sept chiens dans l'échantillon de test T. Ce cadre visait les laboratoires. Il vaut pour votre clinique le jour où vous ouvrez un outil de lecture d'images. 🐾 L'IA identifie une signature, le vétérinaire pose le diagnostic. 📚 Référence : de Souza C. (2026). « From accuracy to service: deciding what artificial intelligence outputs may do in veterinary diagnostic laboratories ». J Vet Diagn Invest. https://doi.org/10.1177/10406387261480635 🎧 Le podcast VETO-IA : https://open.spotify.com/show/5wlGAVBuJwv0a1QFepdwoX