L’intelligence artificielle (IA) impacte fortement la médecine et particulièrement la radiologie. L’IA a la capacité de fournir jour et nuit une aide au radiologue ou au médecin clinicien dans l’interprétation diagnostique des images radiologiques en limitant les risques d'erreur, d'inattention ou de méconnaissance et de faciliter la décision médicale. L’IA permet aussi d’améliorer la qualité des images, de segmenter des zones d’intérêt et d’effectuer des mesures.Les applications de l’IA en imagerie comportent de nombreuses limites et risques qu’il est nécessaire de prévenir : les performances d’un algorithme dépendent de la qualité des données qui ont servi à l’entraîner. Les domaines de compétence et les champs d’application d’une application d’IA donnée sont dépendants de son « apprentissage » et sont très étroits. Elles ne doivent pas être utilisées hors de ce cadre. Leurs performances ne sont pas extrapolables à des populations différentes de celles qui ont servi à son apprentissage ou dans un environnement nouveau. Les fabricants d’application d’IA doivent respecter une charte de responsabilité garantissant la qualité des applications. Une utilisation non conforme et l’absence de validation de ses résultats par un médecin font courir un risque au patient.Les structures d’imagerie doivent localement, et à leur échelle, veiller au maintien des performances des applications d’IA, à l’absence de dérive, au recensement et à la communication aux constructeurs de ses erreurs, et à la protection des données des patients. La compréhension du potentiel de l’outil IA en imagerie, mais également de ses biais, de ses limites, de ses risques, de la nécessité de son actualisation continue et des questions éthiques que son usage pose, doit faire partie intégrante de la formation initiale et continue des professionnels de santé.

Artificial intelligence (AI) is having a major impact on medicine, particularly in radiology. AI has the ability to provide round-the-clock assistance to radiologists and clinicians in the diagnostic interpretation of radiological images, reducing the risks of error, inattention, or lack of knowledge, and facilitating medical decision-making. AI also improves image quality, segments areas of interest, and performs measurements.However, the applications of AI in imaging come with numerous limitations and risks that must be addressed : the performance of an algorithm depends on the quality of the data used to train it. The areas of expertise and fields of application of a given AI tool are dependent on its “training” and are very narrow. They should not be used outside this framework. Their performance cannot be extrapolated to populations different from those used in their training or in new environments. Manufacturers of AI applications must adhere to a responsibility charter ensuring the quality of their products. Non-compliant use and the lack of validation of results by a physician pose a risk to patients.Imaging facilities must, at their local level, ensure the maintenance of AI application performance, the absence of drift, the recording and reporting of errors to manufacturers, and the protection of patient data.Understanding the potential of AI tools in imaging, as well as their biases, limitations, risks, the need for continuous updating, and the ethical questions their use raises, must be an integral part of the initial and continuing education of healthcare professionals.