Nikon a réexaminé les informations et les éléments techniques relatifs à une vidéo microscopique arrivée en tête du concours « Small World in Motion », après que des chercheurs en microscopie ont soulevé des questions sur la fidélité avec laquelle elle représentait ce que le microscope avait effectivement capturé, ainsi que sur la frontière entre l’amélioration d’une image scientifique par l’intelligence artificielle et l’ajout de détails ne reposant pas sur les mesures originales.
Le chercheur Ning Shu était arrivé en tête du concours en septembre dernier, avec une vidéo microscopique montrant le mouvement anormal de cils dans un échantillon prélevé sur un enfant atteint de dyskinésie ciliaire primitive.
Les cils sont des structures semblables à des poils qui tapissent les voies respiratoires. La dyskinésie ciliaire primitive est une maladie génétique qui affecte leur mouvement et le fonctionnement de l’appareil respiratoire. Après l’annonce du résultat, des spécialistes de la microscopie ont posé des questions sur certains détails visibles dans la vidéo.
Ils ont indiqué que certaines structures y apparaissaient sous des formes et avec des comportements difficiles à expliquer sur le plan biologique, tandis que d’autres ont relevé que certains éléments semblaient apparaître dans la scène avant d’en disparaître. Ces interrogations ne prouvent pas que la vidéo a été générée par l’intelligence artificielle.
Niong Shu explique le recours à l’intelligence artificielle
Shu a expliqué que cette technologie n’avait pas été utilisée pour générer la vidéo originale, ni pour créer les cils ou leur mouvement, mais qu’elle était intervenue à une étape ultérieure pour traiter des données microscopiques en niveaux de gris, faire ressortir les structures similaires et les colorer, afin d’améliorer leur présentation visuelle. Cette affaire s’inscrit dans une évolution plus large de l’imagerie scientifique et médicale.
Alors que le processus consistait auparavant essentiellement à capturer ce qui se trouvait devant l’objectif du microscope, puis à traiter l’image pour en améliorer la clarté et la lisibilité, les algorithmes sont désormais capables de réduire le bruit et d’améliorer les détails, mais aussi de reconstruire des parties d’images et d’inférer ce qui pourrait s’y trouver.
Le problème ne réside pas dans l’utilisation de l’intelligence artificielle en elle-même, les algorithmes étant devenus des outils importants dans ce domaine. Ils peuvent servir à réduire le bruit, augmenter la résolution, corriger les mouvements et reconstruire des images à partir de données incomplètes.
Le désaccord porte toutefois sur la question de savoir si le traitement révèle des informations déjà présentes dans les données originales ou s’il produit des détails que la mesure initiale n’a pas enregistrés. Lorsqu’un algorithme améliore une image de faible résolution, le résultat final peut paraître beaucoup plus net que l’original, mais une meilleure netteté ne signifie pas nécessairement que le microscope a effectivement capturé chaque détail visible dans l’image produite.
La question se complique lorsque l’algorithme peut produire des structures convaincantes pour l’œil humain, sans qu’elles reposent sur une quantité suffisante de données expérimentales. Des travaux récents en imagerie médicale mettent en garde contre ce type d’« hallucination visuelle »: les algorithmes de restauration d’images peuvent ajouter des structures absentes de l’original ou supprimer des structures réelles, sans que la différence soit facilement détectable par un observateur humain.
La fiabilité du résultat final se trouve ainsi soumise à une évaluation qui va au-delà de la seule qualité de présentation. Ce critère diffère de celui qui s’applique aux images artistiques, où modifier les couleurs ou ajouter des éléments peut relever de la nature même de l’œuvre.
Les limites des traitements acceptables pour les images scientifiques
L’image scientifique, en revanche, est liée à des données censées représenter un phénomène ou une expérience pouvant être examinés et vérifiés à nouveau. L’intégrité des données originales et la transparence sur les étapes de traitement sont donc essentielles à son évaluation. Dans ce contexte, des directives scientifiques récentes insistent sur la protection des données originales et la description des opérations de traitement numérique utilisées.
Les directives relatives aux publications médicales, notamment celles mises à jour par la revue médicale américaine « JAMA », autorisent des ajustements uniformes de la luminosité, du contraste et des couleurs, mais soulignent que ces modifications ne doivent pas mettre en évidence, dissimuler ou altérer le sens d’éléments scientifiques. Elles préconisent également de déclarer les outils utilisés pour le traitement et de rendre les images originales disponibles pour examen si nécessaire.
Des chercheurs de la revue scientifique britannique « Nature Methods » ont également élaboré des listes de recommandations visant à améliorer la clarté et la reproductibilité des images microscopiques. Elles comprennent la documentation des traitements appliqués aux images et des méthodes utilisées pour les analyser. Le réexamen de la vidéo revêt une sensibilité particulière, car le règlement du concours Nikon interdit les images ou vidéos générées par l’intelligence artificielle et autorise l’entreprise à demander le travail original pour le vérifier.
Nikon réexamine les éléments techniques de la vidéo
Après le lancement de ces interrogations, Nikon a déclaré réexaminer les informations fournies par Shu lors de l’évaluation initiale, ainsi que des éléments techniques supplémentaires remis ultérieurement. Ces éléments comprennent des détails sur le matériel d’imagerie utilisé par le chercheur, les méthodes suivies pour obtenir les images et la manière dont elles ont été traitées.
La question ne porte donc pas seulement sur l’utilisation de l’intelligence artificielle, que Shu a reconnue au stade du traitement, mais sur la nature des changements apportés par les algorithmes aux données après leur capture.
L’affaire teste la traçabilité des images scientifiques
L’affaire dépasse le cadre d’un concours de microscopie, car l’essor de l’intelligence artificielle dans l’imagerie scientifique et médicale impose de considérer l’image comme le résultat d’une chaîne complète, qui commence par les données brutes, passe par les étapes de traitement et d’analyse, puis aboutit à la version finale présentée aux chercheurs ou au public.
Cela pourrait conduire les chercheurs, les revues scientifiques et les concours à demander des informations plus détaillées sur le type d’algorithme utilisé, ce qu’il a modifié dans l’image, les éléments restés inchangés et la possibilité de comparer le résultat final aux données originales. Le critère de confiance serait alors lié à la possibilité de rattacher chaque détail visible à une mesure réelle, et non au seul fait que l’image paraît réaliste et convaincante.
Le défi posé par les algorithmes à la microscopie réside dans leur capacité à produire des images extrêmement convaincantes, ce qui rend plus difficile la distinction entre ce que l’objectif a enregistré et ce que l’intelligence artificielle a inféré. Le réexamen par Nikon des informations et des éléments techniques fournis par Shu constitue ainsi un test concret de la manière dont ces limites s’appliquent aux images scientifiques traitées numériquement.
