Comment l'IA note les images
Une présentation en langage clair de la chaîne de traitement — conçue pour la transparence, la confidentialité et la précision.
Le pipeline d'analyse
Réception de l'image
Votre image est téléversée directement vers un serveur chiffré via TLS 1.3. Elle n'est jamais transmise à un service tiers, à un service d'analyse d'images externe ni à un évaluateur humain. L'image n'existe qu'en mémoire, le temps de l'analyse.
Modèle d'analyse visuelle local
Un modèle d'analyse visuelle spécialisé s'exécute entièrement sur nos serveurs privés. Ce modèle a été entraîné à partir de milliers d'images annotées cliniquement, afin d'évaluer les attributs physiques selon des conventions de mesure standardisées.
Résultats structurés
Le modèle produit un ensemble de données structurées — une série de scores numériques et d'étiquettes catégorielles pour chaque attribut. Aucune donnée d'image brute n'y figure. Ces résultats structurés sont anonymisés et ne contiennent aucune information personnelle identifiable.
Génération du rapport
Les données structurées sont transmises à un moteur de rédaction afin de générer un rapport écrit personnalisé. Point essentiel : ce moteur ne voit que des chiffres et des étiquettes — jamais votre image. Le rapport replace vos résultats dans le contexte des données de population issues de la recherche évaluée par les pairs.
Suppression de l'image
Une fois l'analyse terminée, votre image est définitivement supprimée de la mémoire. Nous ne conservons aucune image originale. Seuls vos résultats structurés et anonymisés sont conservés, et uniquement si vous choisissez de les enregistrer.
L'architecture technique
Ce qui est évalué
Le modèle évalue 36 attributs distincts. Les mesures estimées reposent sur une analyse des proportions visuelles et sont calibrées par rapport à notre cohorte de référence de 5 000 images annotées cliniquement. Un échantillon des attributs évalués :
Comment on mesure la précision
Le modèle a été entraîné à partir d'un ensemble de 5 000 images, chacune annotée selon 36 attributs par plusieurs évaluateurs suivant un protocole d'annotation standardisé. La fiabilité inter-évaluateurs a été mesurée afin de garantir la cohérence des annotations avant l'entraînement.
Les mesures estimées (longueur, circonférence) reposent sur une approche fondée sur les proportions — et non sur la détection d'une règle — calibrée par rapport à des points de référence connus dans les données d'entraînement. La précision est exprimée sous forme d'intervalle de confiance, et non d'une valeur unique.
Transparence sur les limites
L'estimation visuelle par IA comporte des limites intrinsèques. La précision des mesures dépend de l'angle de l'image, de l'éclairage et du cadrage. Les rapports incluent des intervalles de confiance et indiquent clairement les cas où les estimations sont approximatives. Nous ne présentons pas les résultats de l'IA comme des mesures de qualité médicale.
Données d'entraînement et éthique
Les données d'entraînement proviennent de sources consenties et anonymisées. Aucune information personnelle identifiable n'a été conservée. Toutes les images utilisées pour l'entraînement ont fait l'objet d'une vérification du consentement et de la conformité légale avant leur inclusion.
Le processus d'annotation a été conçu pour exclure tout jugement esthétique subjectif de la chaîne d'annotation. Les annotateurs ont évalué les attributs physiques selon des critères objectifs, et non selon des préférences personnelles. Les échelles d'évaluation étaient prédéfinies et calibrées.
← Précédent
La taille, ça compte vraiment ? →À lire ensuite →
Statistiques de taille