L’intelligence artificielle générative s’installe progressivement dans le paysage vétérinaire. Recherche d’informations, synthèse de dossiers, rédaction de comptes rendus ou aide au raisonnement clinique : les grands modèles de langage (LLM) offrent des perspectives intéressantes. Mais que valent-ils réellement face à un cas clinique ?
Une étude française récente d’Audouin et al. (2026) apporte des éléments de réponse. Dix modèles d’IA dont six généralistes et quatre spécialisés en médecine vétérinaire, ont été confrontés à dix cas cliniques réels couvrant huit spécialités. Leurs réponses, anonymisées, ont été évaluées en aveugle par des vétérinaires spécialistes.
Des performances prometteuses, mais encore insuffisantes
Premier enseignement : les performances des IA correspondaient globalement à celles d’un étudiant vétérinaire en dernière année, tout en restant inférieures au niveau attendu d’un praticien autonome. Plus surprenant, les modèles généralistes ont obtenu de meilleurs résultats que les modèles spécifiquement dédiés à la médecine vétérinaire. La spécialisation affichée d’un outil ne constitue donc pas, à elle seule, un gage de performance.
L’étude met également en évidence un point essentiel : les IA sont meilleures pour générer des diagnostics différentiels que pour proposer une stratégie thérapeutique ou réaliser une synthèse clinique intégrée. Surtout, la qualité de la forme dépasse celle du contenu. Une réponse parfaitement rédigée, structurée et convaincante peut donc masquer des erreurs ou des « hallucinations ». C’est probablement l’un des principaux risques pour l’utilisateur : confondre aisance rédactionnelle et pertinence médicale.
Ce constat rejoint celui d’Abani et al. (2023), qui ont testé ChatGPT sur des cas neurologiques vétérinaires. Les auteurs envisagent son utilisation comme un « second regard » susceptible d’aider le clinicien plutôt que comme un outil diagnostique autonome. Ils soulignent également que les réponses peuvent varier selon la manière dont la question est formulée, voire lorsque le même cas est soumis plusieurs fois, ce qui pose la question de leur reproductibilité. La qualité du prompt devient ainsi un élément important dans l’utilisation de ces outils.
Des applications qui dépassent le diagnostic
Réduire l’IA au diagnostic serait cependant passer à côté d’une grande partie de son potentiel. Chu (2024) décrit de nombreuses applications possibles en clinique, en enseignement et en recherche : extraction de données, synthèse de dossiers, rédaction de notes cliniques, analyse documentaire ou soutien au raisonnement.
L’auteure rappelle aussi que de nombreuses applications de l’IA sont aujourd’hui beaucoup plus étudiées et encadrées en santé humaine, alors que la validation scientifique et le cadre réglementaire des outils vétérinaires restent plus limités.
Certaines applications très ciblées donnent néanmoins déjà des résultats remarquables. Wulcan et al. ont par exemple utilisé GPT-4o pour rechercher six signes cliniques dans 250 dossiers de chats atteints d’entéropathie chronique. Comparé à l’avis majoritaire d’évaluateurs humains, le modèle atteignait une sensibilité de 96,9 % et une spécificité de 97,6 %. Les auteurs concluent que l’automatisation de l’extraction d’informations est envisageable, à condition de valider l’outil pour l’usage concerné.
Une nouvelle compétence pour les vétérinaires
La question devient alors moins « faut-il utiliser l’IA ? » que « comment bien l’utiliser ? ».
Une enquête menée par Oropesa et al. (2026) auprès de 340 étudiants vétérinaires espagnols et portugais montre que la formation reste encore limitée. Or les étudiants ayant déjà bénéficié d’une formation à l’IA présentent une meilleure connaissance déclarée de ces outils, des attitudes plus positives et surtout se sentent davantage préparés à les utiliser dans leur future activité professionnelle. La formation semble ainsi contribuer à transformer une technologie parfois perçue avec incertitude en un outil utilisé avec davantage d’assurance et de discernement.
Huang et Chu (2026) proposent dans cette logique d’intégrer une compréhension critique de l’IA (« AI literacy ») au cursus vétérinaire : comprendre son fonctionnement, ses possibilités, ses biais et ses limites, mais aussi apprendre à évaluer de manière critique ses réponses.
L’IA ne réduit donc pas la place du vétérinaire : elle peut au contraire renforcer la valeur de son expertise. En automatisant certaines tâches, en facilitant l’accès à l’information et en offrant de nouvelles pistes de réflexion, elle peut devenir un véritable partenaire du quotidien. Le vétérinaire conserve ce qu’aucun outil ne peut lui déléguer : la capacité à contextualiser les informations, à exercer son jugement clinique, à prendre une décision adaptée à chaque animal et à construire une relation de confiance avec son propriétaire. La compétence de demain sera peut-être moins de savoir travailler sans IA que de savoir tirer le meilleur parti de l’IA tout en restant maître de la décision.
Références
Audouin T., Asimus E., Béata C., Blanchard G., Michaud B. et al. (2026). Comparative evaluation of generalist and veterinary specialized large language models for clinical reasoning support in veterinary medicine: A blinded multi-expert assessment. Revue Vétérinaire Clinique.
Abani S. et al. (2023). Can ChatGPT diagnose my collapsing dog? Frontiers in Veterinary Science. Accéder à l’article
Chu C.P. (2024). ChatGPT in veterinary medicine: a practical guidance of generative artificial intelligence in clinics, education, and research. Frontiers in Veterinary Science. Accéder à l’article
Wulcan J.M. et al. (2025). Classification performance and reproducibility of GPT-4 omni for information extraction from veterinary electronic health records. Frontiers in Veterinary Science. Accéder à l’article
Huang Y.T. & Chu C.P. (2026). Curriculum framework for artificial intelligence literacy in veterinary education. Frontiers in Veterinary Science. Accéder à l’article
Oropesa A.L. et al. (2026). Artificial intelligence in veterinary education: self-perceived knowledge, use, and attitudes among veterinary students in Spain and Portugal. Frontiers in Veterinary Science. Accéder à l’article
Article rédigé par Joséphine Verhaeghe
