C'est en forgeant qu'on devient forgeron. Mais que devient ce proverbe quand la machine rédige le premier jet à notre place, et comment un jeune diplômé forge-t-il encore son jugement ? Mathieu et Julie partent de cette question pour affronter une tribune du New England Journal of Medicine qui soutient que l'IA ne videra pas les cabinets, et regardent ce que cet argument économique devient en clientèle vétérinaire, où c'est le propriétaire qui paie. Puis une étude parue dans PNAS vient tout déplacer : des participants conseillés par un assistant secrètement orienté ont suivi le mauvais choix, et l'ont trouvé utile. Trois sujets, trois frictions assumées, et une question qu'on ne pense jamais à poser à un outil : qu'est-ce que tu cherches à optimiser ?

Un modèle d'IA affiche quatre-vingt-onze pour cent de précision dans son laboratoire d'origine, puis tombe à trente pour cent sur les images d'une autre clinique. Dans cet épisode, Mathieu et Julie partent de la revue de Sahu et Mishra, qui a passé au crible quarante-cinq études d'IA en imagerie vétérinaire, pour en tirer une grille de lecture simple. Ils l'appliquent ensuite à une équipe napolitaine qui apprend à une IA à reconnaître les tumeurs testiculaires du chien sur lame numérisée, puis à un registre brésilien du cancer où un modèle de langage code les diagnostics, et peine encore à dire « je ne sais pas ». Un épisode pour comprendre ce que ces outils savent faire, ce qu'ils ne savent pas faire, et les questions à poser avant de leur faire confiance.

Un lapin bélier qui ne mange plus un samedi matin, une tique identifiée sur photo, une cytoponction de ganglion photographiée au smartphone, un os fragilisé par un ostéosarcome qu'on casse virtuellement : dans cet épisode, Mathieu Lamant et Julie passent au crible des outils et des études qui repèrent, trient et calculent, en cherchant à chaque fois où se situe la vraie limite. Ils écoutent aussi ce que près de douze mille propriétaires disent du cancer de leur chien sur les réseaux sociaux, et se demandent à quoi sert un tableau de bord d'activité si personne ne décide quoi en faire. Puis ils prennent de la hauteur avec la démission très commentée d'un chercheur d'Anthropic, et posent la question qui reste à la portée de la profession : qui construira l'IA vétérinaire, et avec les données de qui ? Un épisode pour comprendre ce que ces outils savent faire, ce qu'ils ne savent pas faire, et comment les vétérinaires peuvent garder la main.

Un samedi matin, la quatrième ligne tombe sur occupé. Le propriétaire ne rappelle pas : il compose le numéro de la clinique suivante, et personne dans l'équipe ne saura jamais que ce client est parti. Dans cet épisode, Mathieu Lamant et Julie remontent le fil de cet appel perdu jusqu'à une question bien plus large : à qui appartient vraiment la relation entre une clinique et ses propriétaires ? IA téléphonique, page de rendez-vous aux couleurs de la structure, passerelle vers le logiciel métier, dépendance aux éditeurs et autonomie du praticien, chaque promesse est passée au crible, limites comprises. Un épisode sans discours miracle, où l'outil repère une demande et où le vétérinaire garde la décision.

Six travaux récents sur l'IA en médecine vétérinaire, et une seule question qui revient : le chiffre annoncé tiendra-t-il chez vous ? Julie et Mathieu passent en revue un outil de lecture cytologique sur photo de smartphone, l'effondrement des modèles de détection de boiterie d'une ferme à l'autre, l'écart de performance des IA sur la cétose subclinique, et un système de prédiction du poulinage qui oblige à choisir entre fiabilité et préavis. L'épisode se termine sur deux travaux de recherche amont : le chien comme partenaire translationnel en neurologie, et un candidat vaccin contre la parvovirose dessiné entièrement dans un ordinateur. Un épisode pour apprendre à interroger un score avant de l'acheter — et pour savoir qui règle le curseur.

Fin août deux mille vingt-six, Bill Gates publie un essai sombre sur l'intelligence artificielle : la transition sera l'une des périodes les plus turbulentes de l'histoire, et personne ne s'y prépare. Mathieu Lamant et Julie consacrent un épisode entier à ce texte, sans complaisance : c'est l'avis d'un homme, sans une seule donnée chiffrée, mais qui décrit des mécanismes qui nous concernent directement. Actes réservés aux humains, apprentissage des jeunes praticiens, supervision qui saute quand elle coûte trop cher, cliniques en cible facile, esprit critique qui s'érode. Un épisode pour prendre du recul — et se demander si la profession vétérinaire, elle, a un plan.

Cette semaine, Julie et Mathieu ferment la revue de presse habituelle pour ouvrir les portes de l'Académie HVC. Au programme : l'histoire de Valérie, qui a construit l'assistant téléphonique de sa clinique en un trimestre sans être développeuse, avant d'enchaîner deux autres outils dans la foulée. Celle d'Arnold, en ophtalmologie, dont le scribe écrit exactement comme lui. Et celle de Sandrina, chez PhoenixVet, entre planning maison et signature électronique. Trois parcours, une même leçon : une fois qu'on a compris comment ça marche, la seule limite, c'est le temps qu'on y consacre. Un épisode pour comprendre ce que ces outils permettent vraiment de construire, et ce qu'ils demandent en retour.

Julie et Mathieu passent en revue six publications récentes sur l'intelligence artificielle en médecine vétérinaire : un sondage qui révèle un écart entre usage réel et compétence perçue, l'imagerie thoracique et ses fausses alertes, un score de précision impressionnant en neurologie mais peu généralisable, cinq modèles de langage mis en échec sur du triage orthopédique félin, une grille de douze questions pour naviguer un vide réglementaire total, et les applications de pré-diagnostic que les propriétaires lisent en salle d'attente. Un épisode pour comprendre ce que ces outils savent vraiment faire, et ce qu'ils ne savent pas faire.

Un grand état des lieux de l'intelligence artificielle en médecine vétérinaire, à partir de six travaux scientifiques passés au crible. Mathieu et Julie explorent une revue systématique de vingt-deux études sur l'IA vétérinaire, le palmarès des recherches en imagerie thoracique, une comparaison de neuf outils pour l'ophtalmologie féline, un test troublant de cinq IA conversationnelles face à des fractures de chat, une caméra qui redonne vie au dépistage du ver du cœur, et la question de gouvernance qui chapeaute tout le reste : qui a le droit de valider ce qu'une IA affirme dans un laboratoire vétérinaire. Un épisode pour distinguer ce qui est déjà solide de ce qui reste à l'état de promesse.

Un stéthoscope connecté qui entend très bien les chiens et reste sourd aux chats. Des rations maison générées par ChatGPT dont six nutriments sur dix sont sous le minimum. Une application qui reconnaît trois tiques sur quatre — sauf une espèce, ratée trois fois sur quatre. Dans cet épisode, Mathieu Lamant et Julie décortiquent six travaux récents sur l'IA en médecine vétérinaire, de la nutrition à la neurologie, en passant par la sélection des chiens détecteurs et les biais cognitifs du praticien face à l'écran. Un fil rouge : apprendre à lire ce qu'un chiffre global ne dit jamais, pour trier ce qui change vraiment la pratique de ce qui n'est encore qu'une promesse.