4 août 2026

Le vétérinaire ne décide plus, il valide. La phrase peut sembler caricaturale, mais elle décrit un glissement bien réel, déjà documenté en médecine humaine et dont les premiers signaux affleurent en pratique vétérinaire. La diffusion rapide d'outils d'aide au diagnostic, d'analyse d'image et d'assistance clinique générative ne change pas seulement la productivité du cabinet, elle redéfinit la nature même de l'acte intellectuel du praticien. Mais sous l'apparence d'une efficacité accrue se cache une trajectoire en trois temps, intime puis professionnelle puis stratégique, dont des études récentes commencent à dessiner la mécanique précise.

Une déresponsabilisation douce, mécanisme intime de la dérive

Le premier risque est cognitif et porte un nom déjà bien installé dans l'étude des facteurs humains : le biais d'automatisation (automation bias). Ce biais désigne la tendance à accepter sans la contester la recommandation d'un système automatisé, y compris lorsqu'elle est manifestement fausse. Une revue exploratoire publiée en juin dernier dans une revue d'oncologie propose de désigner sous le terme de déresponsabilisation douce (soft deresponsibilization) la dérive comportementale qui en résulte chez le clinicien.

Les données rassemblées dans cette revue sont éloquentes. Dans une expérience contrôlée portant sur 27 radiologues lisant 720 mammographies avec et sans assistance algorithmique, la précision de lecture chez les très expérimentés a chuté de 82,3 % à 45,5 % lorsque l'outil suggérait une catégorie BI-RADS incorrecte. Les radiologues modérément expérimentés sont passés de 81,3 à 24,8 %, et les inexpérimentés de 79,7 à 19,8 %. Ainsi, aucun groupe, pas même celui des plus aguerris, n'a résisté pleinement à la suggestion algorithmique erronée.

En coloscopie, un essai multicentrique a documenté un recul du taux de détection des adénomes de 28,4 à 22,4 % chez des médecins gastro-entérologues habitués à l'assistance algorithmique mais revenus à une procédure manuelle, signe direct d'une dépendance comportementale. Et en anatomo-pathologie, une étude expérimentale conduite auprès de 28 pathologistes confirmés a observé que sous contrainte de temps, 7 % des jugements initialement corrects étaient abandonnés au profit d'une suggestion algorithmique erronée, avec aggravation de la sévérité des erreurs diagnostiques.

Vers la perte silencieuse de compétence

La perte de compétence (deskilling) s'installe d'autant plus silencieusement qu'elle ne se manifeste qu'à la coupure de l'outil IA. Les auteurs de la revue d'oncologie identifient une typologie en cinq dimensions – technique, cognitive, morale, sociale et sémiotique –, qui dépassent largement la simple atrophie procédurale. Un audit systématique publié début 2026 met en évidence un point décisif pour la profession vétérinaire : la protection cognitive apportée par l'expertise n'est pas transférable. Un radiologue diplômé conserve un effet protecteur contre le biais d'automatisation lorsqu'il utilise un outil dans sa propre discipline ; ce filet de sécurité disparaît lorsque l'utilisateur est un généraliste s'appuyant sur un outil de spécialiste. L'audit oppose ainsi humain-en-boucle (human-in-the-loop) et expert-de-domaine-en-boucle (domain-expert-in-the-loop), distinction lourde de conséquences pour une profession majoritairement constituée de praticiens généralistes.

À l'usage, la dérive se décline en quatre stades.

• Le premier stade reste bénin : le praticien introduit la formule « l'analyse automatique recommande… » dans son raisonnement.
• Au deuxième, l'argument bascule vers « le modèle indique clairement… », signe que l'outil IA est devenu une autorité plus qu'un assistant.
• Au troisième stade, le glissement s'opère vers « les données montrent… », formulation impersonnelle qui dépossède le praticien de son rôle d'interprète.
• Enfin, au quatrième, le plus difficile à inverser, s'exprime la phrase suivante : « ce n'est pas moi qui ai pris cette décision, c'est l'outil qui l'a demandé ». La réappropriation du raisonnement à partir de ce dernier stade demande un effort cognitif considérable.

Le vétérinaire-validateur, une espèce en voie d'automatisation

Un validateur, par définition, n'apporte aucune différenciation : il confirme ce qu'un autre a produit. Tant que cet autre était un confrère ou un technicien, la validation impliquait un jugement critique. Lorsque ce qui doit être validé sort d'un algorithme dont la précision rivalise avec celle des meilleurs experts humains, la fonction même de validation tend à devenir automatisable. Cette évolution trouve désormais sa traduction chiffrée dans la littérature vétérinaire.

Publiée en février 2025, une comparaison rigoureuse a mis face-à-face 11 vétérinaires radiologues (diplômés ECVDI ou ACVR) et un logiciel commercial reposant sur l'apprentissage profond (deep learning), sur l'analyse d'un échantillon de 50 clichés radiographiques anonymisées (pris chez des chiens et des chats). Les conclusions sont édifiantes : l'IA égale en précision globale le meilleur radiologue humain de l'échantillon, et le surpasse même en spécificité. Sa sensibilité demeure, en revanche, inférieure à celle des humains, et l'outil ne produit pas de diagnostics différentiels. Les auteurs de l'étude soulignent que la valeur principale de l'outil réside dans la confirmation de la normalité plutôt que dans la détection des anomalies subtiles. Ils concluent que l'IA complétera, plus qu'elle ne remplacera, l'expertise humaine. Cette conclusion rejoint le consensus formulé conjointement par l'ACVR et l'ECVDI en 2025, qui préconise l'IA comme complément du diagnostic vétérinaire, non comme substitut. La nuance est juste, mais elle ne supprime pas la question posée au généraliste qui, sur une radiographie normale, n'apporte rien qu'un algorithme ne fasse plus rapidement et plus spécifiquement.

Des outils IA autonomes ?

Le débat sur l'autonomie complète de l'IA ne relève plus de la prospective. Dès avril 2022, la société lituanienne Oxipit a obtenu, sous le règlement européen sur les dispositifs médicaux (MDR 2017/745) et avec la validation d'un organisme notifié local, un marquage CE Class IIb pour son logiciel ChestLink, capable d'examiner, de classer et de rédiger seul les comptes rendus de radiographies thoraciques humaines présentées comme normales, sans relecture par un radiologue.

Dans un commentaire scientifique publié en 2024 dans une revue de radiologie humaine, deux professeurs de l'Université de Séoul ont popularisé sous le terme d'autonomie émergente (emerging AI autonomy) cette stratégie qui vise à libérer du temps médical en automatisant intégralement les examens sans anomalie. La logique économique est imparable lorsque l'attente pour un examen d'imagerie sophistiqué atteint plusieurs mois et que le volume de résultats normaux représente une part majoritaire de la file active.

La limite n'est pas tracée par la précision diagnostique brute, mais par tout ce que l'algorithme ne sait pas faire. L'IA ignore la dernière phrase échangée avec le propriétaire sur le pas de la porte, le budget de la famille, le contenu des trois consultations précédentes au cabinet, la culture clinique de l'équipe, l'odeur d'une plaie, le ressenti à la palpation… Ces éléments contextuels, non structurés et difficilement modélisables, constituent l'information manquante que le praticien apporte au-delà de la lecture des résultats d'examen. Confirmer qu'une radiographie est normale, mesurer une vertèbre, comptabiliser des éléments figurés du sang : ces tâches descriptives sont en cours d'absorption par les outils IA. Mais construire un diagnostic différentiel intégrant le mode de vie, hiérarchiser les examens complémentaires en fonction des moyens financiers du propriétaire, gérer l'incertitude d'un cas ambigu, accompagner une décision d'euthanasie, demeurent des tâches profondément humaines.

Souveraineté intellectuelle : choisir ses dépendances algorithmiques

Une formule fait son chemin dans les conférences consacrées à la prise de décision à l'ère de l'IA : la souveraineté n'est pas l'indépendance, c'est la capacité de choisir ses dépendances. Elle prolonge une réflexion éthique déjà bien engagée en médecine humaine.

Un article de référence paru en juin place cette notion au cœur du débat sur l'usage clinique des intelligences artificielles génératives et propose le terme de souveraineté cognitive (cognitive sovereignty) pour la désigner. Elle y est définie comme la capacité des professionnels à évaluer de manière critique et à contextualiser les informations générées par les algorithmes. Car trois principaux risques la menacent : le biais d'automatisation déjà documenté, la délégation épistémique (epistemic delegation) par laquelle le praticien renonce à se forger une opinion indépendante avant de consulter l'outil, et l'érosion progressive des compétences par défaut d'usage.

En pratique vétérinaire, la souveraineté intellectuelle se construit simultanément à trois niveaux qu'il serait illusoire de séparer.

• Le premier niveau est individuel : maintenir une capacité de raisonnement clinique autonome, exercée régulièrement, qui résiste à la facilité de la délégation immédiate à l'outil. Cela passe par la discipline simple de formuler son hypothèse avant toute consultation algorithmique et d'oser maintenir un avis divergent lorsque le contexte clinique le justifie.
• Le deuxième niveau est collectif. À l'échelle de la clinique, la souveraineté s'incarne dans la gouvernance des outils. La désignation d'un référent IA, la tenue d'un registre des outils autorisés, la traçabilité des usages cliniques et la formation continue des équipes ne sont pas des contraintes administratives mais les conditions pratiques d'une utilisation maîtrisée. Une charte interne formalisant ces principes constitue désormais un outil de référence (voir LeFil du 13 février 2026).
• Le troisième niveau est écosystémique. Confier l'intégralité de ses données cliniques à un prestataire unique d'IA, fut-il intégré au logiciel de gestion de cabinet, revient à céder la maîtrise de l'intelligence commerciale, diagnostique et organisationnelle de la structure. Lorsque le fournisseur impose ensuite ses conditions tarifaires ou techniques, la récupération de cette intelligence devient extrêmement coûteuse, voire impossible.

Plusieurs textes récents fournissent au vétérinaire des points d'appui concrets pour exiger des outils qu'il utilise les garanties minimales d'une supervision humaine effective. Le règlement européen sur l'IA (IA Act, voir LeFil du 4 novembre 2025) classe les outils d'aide au diagnostic médical en catégorie à risque limité ou à haut risque selon leur usage, et impose des obligations de transparence vis-à-vis de l'utilisateur. Les principes de bonne pratique d'apprentissage automatique (Good Machine Learning Practice) formulés conjointement par les agences européenne, américaine et britannique du médicament précisent les exigences de validation, de traçabilité et de gestion de la dérive de performance (performance drift). L'Organisation mondiale de la santé a publié aussi plusieurs recommandations spécifiques à l'usage clinique des grands modèles de langage. Ces textes ne ciblent pas spécifiquement la médecine vétérinaire, mais leur logique s'y transpose et inspire déjà les premières chartes professionnelles.

Perspectives pour le vétérinaire praticien

Préserver le raisonnement clinique autonome ne signifie pas refuser l'intelligence artificielle. Les recherches actuelles convergent plutôt sur une discipline en trois gestes, transposable à toute clinique.

1. Geste cognitif : formuler explicitement son hypothèse, par écrit ou à voix haute, avant toute sollicitation d'un outil algorithmique. Cette première opinion devient un point d'ancrage qui résiste mieux à l'influence d'un résultat éventuellement erroné.
2. Geste collectif : structurer la gouvernance des outils au sein de la clinique, désigner un référent, formaliser les protocoles d'usage et tracer les incidents.
3. Geste stratégique : choisir avec lucidité les écosystèmes auxquels la structure confie ses données, en privilégiant la portabilité, la transparence et la possibilité de réversibilité.

Un exercice proposé par plusieurs experts de la décision augmentée mérite d'être pratiqué individuellement. Il consiste à se projeter en 2031 et à se demander, en regardant ses décisions cliniques de 2026 : pourrai-je encore dire « j'assume entièrement, c'est moi qui ai décidé » ? La question n'a rien de rhétorique. Elle constitue un miroir éthique qui mesure l'écart entre la pratique réelle et l'idéal professionnel, et oriente concrètement les choix d'outils, les protocoles d'usage et la formation continue.

L'avenir du métier de vétérinaire ne réside pas dans la résistance à l'IA, mais dans le déplacement de sa propre valeur ajoutée. Continuer à se définir comme celui qui lit la radiographie ou interprète la cytologie expose à terme à la concurrence d'outils plus rapides et progressivement plus accessibles. Se redéfinir comme celui qui orchestre les outils, intègre le contexte de l'animal et de son propriétaire, et assume la décision dans les zones d'ombre que l'algorithme contourne, ouvre un espace que la machine ne sait pas occuper. Le vétérinaire ne tend pas à être remplacé : c'est le validateur, en lui, qui disparaît.