Computer vision pour l'imagerie équine : étude exploratoire

Delara Vision propose un outil complet de gestion et de suivi pour vétérinaires équins. Parmi leurs tâches quotidiennes : l'analyse des scanners aux rayons X, réalisée à l'œil nu.

La fondatrice voulait aller plus loin : ajouter une analyse automatisée des scanners pour assister le diagnostic. Mais avant d'investir dans un développement complet, il fallait répondre à une question : les techniques actuelles de computer vision sont-elles adaptées à l'imagerie équine ?

C'est là que notre bagage académique est entré en jeu.

Un problème de recherche, pas juste un problème de code

Analyser des radiographies équines par ordinateur, ce n'est pas une simple fonction qu'on ajoute à une application existante. C'est un vrai problème de recherche. Aucune étude ne documentait la détection d'anomalies sur ce type d'imagerie. Les données étaient réelles mais limitées. Et les standards de précision sont élevés : un faux négatif peut avoir des conséquences sur la santé animale.

Avant de construire un produit, il fallait d'abord savoir si c'était faisable, et avec quelle fiabilité.

C'est exactement le genre de problème pour lequel on a passé plusieurs années en laboratoire de recherche universitaire à faire du machine learning : analyser des images médicales, comprendre les signaux faibles, concevoir des méthodes de détection robustes avec peu de données.

Ce qu'on a fait

1. Exploration des techniques disponibles

On a étudié plusieurs méthodes de détection d'anomalies adaptées aux petits jeux de données, une contrainte classique en recherche médicale. On a sélectionné les plus prometteuses et on les a appliquées au cas spécifique des scanners équins.

2. Validation sur données réelles

Pas de démonstration sur des données synthétiques. Les méthodes ont été testées sur les vraies radiographies propriétaires de Delara Vision, avec une évaluation quantitative de leur performance.

3. Un assistant visuel pour le vétérinaire

Le système analyse un scanner et produit une carte thermique (heatmap) qui met en évidence les zones suspectes. Le vétérinaire conserve le diagnostic final, mais il dispose d'un second regard systématique, basé sur les données.

Ce que ça prouve

Pour Delara Vision, cette étude exploratoire valide une chose simple : la computer vision peut être appliquée à l'imagerie équine, avec des résultats exploitables dès aujourd'hui. De quoi prendre une décision d'investissement éclairée pour la suite.

Mais pour nous, ce projet dit autre chose.

Sila ne construit pas que des interfaces. On a un vrai bagage de recherche. On sait analyser des images médicales, travailler avec des données rares, concevoir des méthodes de détection - bref, attaquer des problèmes qui demandent autre chose que du code bien écrit.