$ skip to content
IA7PathoSage : l'IA apprend à justifier ses diagnostics
update

PathoSage : l'IA apprend à justifier ses diagnostics

PathoSage : l'IA apprend à justifier ses diagnostics
// illustration générée — IA7
0:00 / 0:00
/

Des chercheurs proposent PathoSage, un système d'IA capable de raisonner sur des images pathologiques en séparant explicitement la collecte d'indices de leur vérification. Le problème : les modèles de vision actuels hallucinent des détails morphologiques qui n'existent pas, biaisant le diagnostic. PathoSage contourne ça en trois étapes : récupérer la connaissance, collecter les preuves visuelles et outils, puis arbitrer entre elles indépendamment avant de conclure. L'approche « Structured Evidence Deliberation » force le modèle à justifier chaque pas, limitant les décisions hâtives sur contexte pollué. C'est un petit pas vers des IA médicales explicables — pas juste plus rapides, mais capables de dire pourquoi.

// à savoir

MLLM (Multimodal Large Language Model)

Modèle IA capable de traiter à la fois du texte et des images pour répondre à des questions complexes.

Hallucination en IA

Quand le modèle invente des détails, des faits ou des éléments visuels qui n'existent pas dans la source.

Agentic workflow

Système où l'IA décompose une tâche en étapes autonomes, utilise des outils intermédiaires et prend des décisions étape par étape.
source
/ feed ↩