La pathologie numérique est une révolution technologique majeure pour l’anatomie et cytologie pathologiques. Elle modernise les pratiques de routine et ouvre la voie à l’intégration de solutions d’intelligence artificielle (IA) à visée diagnostique et de recherche. Au CHU de Rennes, la pathologie numérique est déployée en routine depuis 2020, et une solution d’IA pour la détection de l’adénocarcinome prostatique (Galen® Prostate, Ibex) est intégrée depuis juillet 2023. Nous proposons à travers cet article un retour sur notre expérience rennaise et une évaluation tant de l’impact de la numérisation sur les différents corps de métier du service que de l’utilisation prospective d’une IA à visée diagnostique en routine. La concordance entre l’IA et les pathologistes était de 93,2 % pour la détection de cancer à forte probabilité, et de 99 % pour les lames à faible probabilité. Parmi les lames à probabilité intermédiaire (43 % du total), le cancer a été confirmé dans 4,7 % des cas. Pour le grading de Gleason, la concordance atteignait 76,6 %. L’intégration de l’IA n’a pas à ce jour modifié le recours à l’immunohistochimie. Un taux d’échec de 10 % lié à des artefacts pré-analytiques a été observé et est un axe d’amélioration de nos pratiques. Ainsi, l’efficacité de la pathologie numérique et de l’utilisation de modèles d’IA dépend étroitement de la qualité pré-analytique et de son intégration organisationnelle.

Digital pathology is a major technological revolution for pathology. It modernizes routine practices and paves the way for the integration of artificial intelligence (AI) solutions for diagnostic and research purposes. At Rennes University Hospital, digital pathology has been routinely deployed since 2020, and an AI solution for the detection of prostate adenocarcinoma (Galen® Prostate, Ibex) has been integrated since July 2023. In this article, we review our experience in Rennes and assess both the impact of digitization on the various professions within the department and the prospective use of AI for routine diagnosis. The concordance between AI and pathologists was 93.2% for the detection of high-probability cancer and 99% for low-probability slides. Among slides with intermediate probability (43% of the total), cancer was confirmed in 4.7% of cases. For Gleason grading, the concordance rate was 76.6%. To date, the integration of AI has not changed the use of immunohistochemistry. A 10% failure rate related to pre-analytical artifacts was observed and is an area for improvement in our practices. Thus, the effectiveness of digital pathology and the use of AI models are closely dependent on pre-analytical quality and its organizational integration.