Savoir où regarder : des chercheurs développent une IA capable d’analyser les images médicales comme un radiologue expérimenté L’apport d’experts radiologues peut améliorer significativement le développement d’outils d’intelligence artificielle (IA) fiables et performants, selon une nouvelle étude. Cette recherche met en lumière une approche innovante : elle utilise les mouvements oculaires des radiologues pour guider les systèmes d’IA vers les zones les plus pertinentes sur les images médicales. En analysant précisément où les radiologues posent leur regard lors de l’interprétation d’images comme des scanners ou des radiographies, les chercheurs ont pu recueillir des données sur les zones cliniquement significatives — celles qui portent le plus d’informations diagnostiques. Ces données ont ensuite été utilisées pour entraîner des modèles d’IA, leur permettant d’imiter non seulement la capacité de détection, mais aussi la stratégie d’attention humaine. Le résultat est une IA qui ne se contente pas d’analyser l’image dans son ensemble, mais qui apprend à se concentrer sur les éléments cruciaux, comme les lésions, les anomalies ou les structures anatomiques critiques. Cette approche, fondée sur le comportement réel des experts, rend les décisions de l’IA plus transparentes, compréhensibles et, surtout, plus fiables. Cette méthode représente une avancée majeure par rapport aux approches traditionnelles d’entraînement de l’IA, où les modèles sont souvent formés sur des données étiquetées sans considérer le processus cognitif humain. En intégrant les habitudes d’observation des radiologues, les systèmes d’IA deviennent non seulement plus précis, mais aussi plus proches des pratiques cliniques réelles. Les chercheurs soulignent que cette collaboration entre experts humains et intelligence artificielle pourrait accélérer l’adoption de l’IA en milieu médical. En effet, les professionnels de santé sont plus enclins à faire confiance à des outils qui fonctionnent selon des logiques proches des leurs, plutôt qu’à des « boîtes noires » inexplicables. Cette étude ouvre la voie à une nouvelle génération d’outils d’aide au diagnostic, capables de s’adapter aux spécificités des experts tout en renforçant la précision et la fiabilité des analyses médicales. Elle montre que, pour que l’IA soit véritablement utile en santé, il ne suffit pas de la rendre plus intelligente : il faut aussi qu’elle apprenne à voir comme un humain expérimenté.