Intelligence artificielle dans les examens de vue : ce qui change réellement
Un patient tend la tête vers un appareil photographié de face. En quelques secondes, une image de son fond d'œil est analysée par un logiciel qui signale des anomalies. Cette scène se déroule déjà dans certains cabinets d'ophtalmologie. Mais que fait précisément l'intelligence artificielle lors d'un examen de la vue, et où s'arrête son rôle ?
Le dépistage automatisé des maladies rétiniennes
L'usage le plus répandu de l'IA en ophtalmologie concerne l'analyse d'images du fond d'œil. Des algorithmes entraînés sur des milliers de clichés annotés apprennent à repérer les signes de la rétinopathie diabétique, de la dégénérescence maculaire liée à l'âge ou encore du glaucome. Ces logiciels comparent les images du patient à des motifs connus et signalent les zones suspectes.
Ce type d'outil est utilisé en premier recours, notamment dans des centres de dépistage ou des cabinets de ville. L'IA ne pose pas un diagnostic final : elle classe les images en deux catégories, « à surveiller » ou « sans anomalie majeure ». Le médecin examine ensuite les clichés signalés et décide de la marche à suivre. Cette approche permet de traiter plus rapidement les dossiers prioritaires, mais elle ne remplace pas l'œil humain pour les cas complexes, les images de mauvaise qualité ou les pathologies rares.
La mesure de la réfraction et la prescription de lunettes
Un autre champ d'application concerne l'autoréfracteur, l'appareil qui estime la correction optique nécessaire. Les modèles récents intègrent des modules d'IA qui croisent plusieurs mesures : la courbure de la cornée, la longueur de l'œil et la réponse du patient à des stimuli visuels. Le logiciel propose une prescription préliminaire, que l'ophtalmologiste ou l'opticien ajuste ensuite lors de l'examen subjectif, celui où le patient répond « mieux » ou « moins bien » aux lentilles de test.
Cette automatisation accélère la phase de mesure, mais elle se heurte à une limite pratique : la prescription finale dépend de la sensibilité visuelle de chaque personne, de ses habitudes de lecture ou de conduite, et de son ressenti face à la correction. L'IA propose une base chiffrée, pas une solution adaptée à la vie quotidienne du patient. Les cas de forte myopie, d'astigmatisme irrégulier ou de presbytie combinée à d'autres défauts restent difficiles à traiter par un algorithme seul.
Le suivi de l'évolution des pathologies chroniques
Pour les maladies qui évoluent lentement, comme le glaucome ou la rétinopathie diabétique, la comparaison d'examens successifs est essentielle. Des outils d'IA comparent les images prises à plusieurs mois d'intervalle et mesurent des changements subtils : élargissement d'une tache aveugle, épaississement de la rétine, modification du nerf optique. Ces variations, parfois invisibles à l'œil nu, sont quantifiées et présentées au médecin sous forme de courbes ou de cartes de différence.
Cette fonction est utile pour décider d'ajuster un traitement ou de programmer un nouveau contrôle. Mais elle repose sur la qualité des données : si les clichés sont pris avec des appareils différents, sous un éclairage variable ou après une dilatation inégale de la pupille, les comparaisons deviennent moins fiables. Les praticiens signalent aussi le risque de faux positifs, qui entraînent des examens complémentaires inutiles et de l'anxiété pour le patient.
Les limites pratiques et la place du professionnel de santé
L'intégration de l'IA dans les examens de vue pose plusieurs questions concrètes. La première concerne la responsabilité : si un algorithme manque une anomalie, qui est responsable ? En l'état actuel des cadres réglementaires, le médecin reste le seul décideur. L'IA est un outil d'aide, pas un acteur autonome. La deuxième question touche à la protection des données : les images du fond d'œil sont des données de santé sensibles, et leur traitement par des serveurs externes doit respecter des règles strictes de confidentialité.
Enfin, tous les cabinets ne disposent pas d'équipements compatibles avec ces logiciels. Les appareils plus anciens produisent des images que les algorithmes analysent moins bien. La formation des personnels est aussi un facteur limitant : interpréter les sorties d'un logiciel demande une connaissance de ses points faibles et de ses biais. L'IA ne supprime donc pas la nécessité d'un examen clinique complet, ni le dialogue entre le patient et le praticien. Elle modifie la répartition des tâches, mais la décision médicale, elle, reste humaine.
