Unité porteuse : UMR EPIA (INRAE – VetAgro Sup)
Partenaires : Plateforme ESA (Epidémiosurveillance en Santé Animale), Association ASA (Association Animal Société Alimentation), UMR ISP (Infectiologie et Santé Publique), VetAgro Sup

Objectif du projet

Améliorer la surveillance de la tuberculose bovine en abattoir grâce à l’intelligence artificielle.

L’UMR EPIA, en collaboration avec ses partenaires, développe un système d’analyse d’images capable de détecter automatiquement les lésions suspectes de tuberculose bovine. L’ambition est d’aider à la détection et d’apporter un soutien à la décision sanitaire sur le terrain.
 

L’intelligence artificielle au service de la santé animale

Le cœur du projet repose sur l'entraînement d’un réseau de neurones convolutif (CNN) à partir de d’images collectées dans des abattoirs. Ces images, annotées par des experts, permettront au système d’apprendre à :

• Aider à la reconnaître les lésions typiques et atypiques de la tuberculose bovine ;
• Aider à identifier les lésions discrètes, souvent sources d’erreurs ;
• Aider à mieux caractériser le risque épidémiologique pour orienter les mesures de lutte.
   

Un projet fondé sur des collaborations solides

Ce projet associe plusieurs expertises complémentaires :

• Modélisation épidémiologique à EPIA, pour intégrer les résultats dans une logique de gestion de filière ;
• Expertise terrain des acteurs de la plateforme ESA et de l’association ASA pour s’assurer de répondre aux besoins des futurs utilisateurs. Ils permettront l’accès à des banques d’images issues d’abattoirs et de mallettes pédagogiques ;
• Immunologie et histologie des lésions avec l’équipe ISP d’INRAE.

Les données mobilisées incluront les bases SI2A, BDNI et SIGAL, afin de cibler prioritairement les zones à forte prévalence.

Une application concrète pour les services vétérinaires

À terme, l’outil développé constituera un assistant numérique pour les inspecteurs en abattoir, capable d’aider à la reconnaissance en temps réel des lésions et à la caractérisation du risque associé, afin :

• d’améliorer la réactivité des dispositifs de surveillance,
• de renforcer la traçabilité,
• et de faciliter la formation continue des agents via des outils visuels enrichis par l’IA.

Prochaines étapes

• Finalisation et annotation de la banque d’images diversifiée (lésions tuberculeuses et non tuberculeuses).
• Développement du modèle de deep learning.
• Évaluation terrain dans des abattoirs pilotes.
• Intégration dans des outils pédagogiques et d’aide à la décision.

Ce projet représente une opportunité d’intégration opérationnelle des technologies d’intelligence artificielle en santé publique vétérinaire, au service d’une détection plus précoce, plus fiable et plus efficace de la tuberculose bovine.