8 octobre 2026

Le 26 août 2026, Bill Gates, cofondateur de Microsoft, a publié sur son site personnel un essai consacré à l'intelligence artificielle (IA). Le ton tranche avec ses prises de parole antérieures : il y décrit la transition en cours comme l'une des périodes les plus instables de l'histoire humaine, et considère qu'aucun plan sérieux n'est en préparation pour l'accompagner. Un passage de ce texte concerne indirectement l'exercice vétérinaire.

Une réserve, pas un refuge

Bill Gates y introduit la notion de réserve humaine (« Human Reserved ») : un ensemble de tâches que les machines sauront exécuter sur le plan technique, mais que la société choisira de ne pas leur confier. L'image retenue est celle d'une réserve naturelle, un terrain que l'on pourrait bâtir et que l'on décide de ne pas bâtir, parce que la perte serait trop lourde.

L'exemple donné est médical : annoncer à un patient une maladie incurable. Rien ne l'interdit techniquement à une machine ; cela ne signifie pas pour autant qu'elle devrait le faire. Cette conviction de l'auteur est rattachée aux soignants qui ont accompagné son père atteint de maladie d'Alzheimer, et qui comprenaient ses besoins alors qu'il ne parvenait plus à les formuler.

La transposition à la médecine vétérinaire est aisée. L'annonce d'un pronostic sombre, la conduite d'une consultation d'euthanasie, l'accompagnement d'un propriétaire qui hésite entre poursuivre les soins et arrêter : ces moments ne relèvent pas d'un déficit de capacité de l'outil, mais d'un choix. La distinction est déterminante. Une compétence que l'on conserve « faute de mieux » sera cédée dès que la technologie progressera ; une compétence que l'on se réserve, on la défend.

Risque de perte d'apprentissage

Le second point qui concerne les structures vétérinaires porte sur les postes d'emploi. Les fonctions les plus exposées, souligne Bill Gates, sont celles de début et de milieu de carrière, tandis que les emplois créés demanderont des compétences longues à acquérir.

Or, en clinique, les tâches des jeunes employés sont précisément formatrices. La première lecture d'un cliché radiographique ou d'une lame cytologique, la rédaction d'un compte rendu, comme le tri téléphonique, sont des activités sur lesquelles un jeune praticien conforte voire construit son jugement. Les confier d'emblée à un algorithme revient à retirer les barreaux inférieurs de l'échelle sur laquelle le novice doit monter.

Le risque a été mesuré en médecine humaine. Une étude observationnelle multicentrique conduite dans quatre centres d'endoscopie a comparé les analyses de coloscopies réalisées par les cliniciens avant et après l'introduction d'un outil de détection automatisée des polypes. Sur 1 443 examens (coloscopies standards), le taux de détection en autonomie des adénomes est passé de 28,4 à 22,4 % après trois mois d'assistance quotidienne par l'IA, soit une différence absolue de 6 points. L'aide de l'IA demeure significativement associée à ce recul de compétences dans l'analyse multivariée (odds ratio : 0,69). Les auteurs y voient un signal de désapprentissage (deskilling).

Cette étude est rétrospective et se limite à un seul pays, et le résultat ne se transpose pas mécaniquement à l'imagerie vétérinaire. Elle constitue toutefois la première mesure documentée du phénomène en conditions réelles, et porte sur des opérateurs expérimentés.

Une technologie adoptée avant d'être maîtrisée

Le constat central de l'essai – l'absence de préparation à l'IA – trouve aussi écho dans la profession vétérinaire. En effet, une enquête transversale a été menée auprès de spécialistes en médecine interne, 301 diplômés du collège américain (ACVIM) et 155 du collège européen (ECVIM-CA), sur leur usage et leurs connaissances déclarées de l'IA.

Parmi eux, 53 % des répondants ACVIM et 63 % des répondants ECVIM se déclarent peu ou pas informés sur le sujet tandis que respectivement 67 et 66 % estiment que ces outils deviendront un standard de soin. L'application la plus utilisée en pratique à ce jour est le scribe médical assisté par IA. L'écart entre l'adoption et la maîtrise est donc déjà installé, au moins chez des vétérinaires spécialistes.

Le groupe de travail à l'origine de cette enquête, l'ACVIM AI Task Force, a publié simultanément une prise de position appelant la profession à renforcer ses connaissances en IA. Il y propose une grille de vérification, l'AI Validation Factor checklist, destinée à évaluer un outil avant son usage clinique. C'est un premier cadre, et il est disponible.

Perspectives pour le vétérinaire praticien

Quatre décisions peuvent être prises par le vétérinaire praticien sans attendre de cadre réglementaire (voir illustration principale).

• Déterminer la réserve humaine de la structure : lister les actes et les situations qui demeurent intégralement conduits par un vétérinaire, quel que soit le niveau de performance atteint par les outils IA.
• Préserver la lecture première : le vétérinaire formule sa propre interprétation avant d'ouvrir la proposition algorithmique, ce qui maintient la capacité de jugement et rend les désaccords visibles.
• Réserver des cas non assistés à la formation des jeunes diplômés, comme on réserve des gardes ou des chirurgies encadrées.
• Documenter qui valide : consigner, pour chaque outil, la personne qui assume la décision finale et conserver la trace de cette validation dans le dossier de l'animal.

Bill Gates ne prétend pas détenir les réponses, il écrit au contraire que ces questions sont trop lourdes de conséquences pour être laissées à un petit groupe de technologues. La profession vétérinaire dispose ici d'un avantage : elle est de taille modeste, elle connaît les contours de son exercice, et elle sait déjà faire la différence entre un geste technique et un moment de relation avec le propriétaire. Définir sa réserve humaine ne relève donc pas d'un débat lointain. C'est une décision d'organisation, et elle se prend avant l'installation des outils.