Vision par ordinateur au pré-analytique : photo d'échantillon comme témoin
Un préleveur prend déjà des photos sur le terrain. Ce qu'on en fait change tout. La vision par ordinateur transforme ces clichés en témoins actifs : elle détecte hémolyse, lipémie, glace fondue, étiquette illisible, contenant non conforme, avant même que l'échantillon n'arrive au laboratoire. Le rejet d'analyse devient une décision rapide, pas une découverte à la réception.
La phase pré-analytique concentre la majorité des causes de rejet d'échantillon. Toutes les études convergent : entre 60% et 75% des non-conformités proviennent de ce qui se passe avant l'analyse. Et la plupart sont invisibles pour qui n'est pas devant l'échantillon. Le laboratoire les découvre à la réception, parfois après transport, parfois après plusieurs heures.
Une photo prise par le préleveur, juste après le prélèvement, lue par un modèle de vision, change la nature de cette découverte. Elle déplace le contrôle qualité de la réception laboratoire vers le terrain.
Ce que la photo voit avant le laboratoire
Les capacités utiles à un laboratoire ne sont ni futuristes ni théoriques. Elles tournent aujourd'hui sur des modèles bien établis. Voici les détections les plus pertinentes, par contexte.
En laboratoire médical et biologie clinique
Hémolyse, lipémie, ictère
Trois indicateurs visuels classiques (couleur du sérum, turbidité, teinte jaune) que la vision automatisée chiffre avec une fiabilité comparable à un index sérique d'automate. L'intérêt n'est pas la précision absolue, on garde l'automate pour ça, mais la détection précoce sur le lieu de prélèvement, permettant de re-prélever immédiatement.
Volume insuffisant et niveau de remplissage
Un tube EDTA mal rempli fausse les résultats d'hématologie. Une mesure du niveau sur photo, comparée au volume cible du tube, déclenche l'alerte avant le départ vers le laboratoire.
En laboratoire environnemental et eaux
Glace fondue dans la glacière
Une photo de l'intérieur de la glacière à la fermeture, une autre à l'ouverture côté laboratoire. La vision compare la quantité visible de glace solide et alerte si la chaîne du froid 2–8°C est rompue. Combiné à un datalogger, c'est une double preuve.
Contenant non conforme
Un préleveur fatigué saisit un flacon brun au lieu d'un flacon stérile, ou inverse deux types de bouteilles pour deux paramètres. La photo lue par le modèle compare au plan de prélèvement attendu et alerte immédiatement.
Pour tout contexte
Étiquette illisible ou incomplète
Avant que l'OCR ne tente de lire, la vision évalue la lisibilité elle-même : flou, contraste insuffisant, étiquette pliée, masquée. Si la lisibilité est mauvaise, on ré-étiquette et re-photographie sur place, pas trois heures plus tard.
Cohérence date/heure/géolocalisation
La métadonnée EXIF de la photo (date, GPS) est comparée au plan prévisionnel de tournée. Une photo prise à 16h alors que le prélèvement est planifié à 10h, à 25 km du point attendu, déclenche une demande de justification, pas un blocage, juste une alerte au superviseur.
Hors-ligne et bandes passantes faibles : la réalité du terrain marocain
Le terrain marocain n'est pas une démo californienne. Un préleveur dans la province de Ouarzazate, sur un forage de la région de Tata, ou sur une exploitation aquacole d'Oualidia, n'a pas de 4G fiable. Une vision par ordinateur qui exige un envoi cloud à chaque photo échoue immédiatement.
La conception réaliste combine deux niveaux :
- Détections critiques en local, sur l'appareil mobile lui-même : étiquette, contenant, niveau, couleur grossière. Les modèles légers tournent en quelques secondes sur un smartphone moyen de gamme.
- Détections fines en différé, dès retour de connexion : hémolyse fine, comparaison de glace fondue avant/après, lecture OCR de l'étiquette.
Le préleveur n'attend jamais le réseau pour décider. Il décide sur le terrain, avec les détections locales. Le laboratoire confirme en différé.
Ce que la vision ne fait pas
La tentation de tout confier à la machine est forte. Elle est mauvaise conseillère. Trois lignes que la vision par ordinateur ne franchit pas, et qu'elle ne devrait jamais franchir :
La vision détecte. Elle n'invalide pas seule. Elle n'émet pas de bulletin d'analyse. Elle ne remplace pas le jugement du responsable qualité.
- Décision finale d'acceptation/rejet. La détection est une alerte. La validation reste humaine, documentée, signée. C'est la lecture stricte de la norme NM ISO/CEI 17025 §7.4 (manipulation des objets d'essai).
- Lecture quantitative à la place de l'instrument. Une photo peut indiquer une suspicion d'hémolyse. Elle ne donne pas la concentration de potassium libéré. Le tube part au laboratoire, où il sera mesuré.
- Identification du donneur ou du patient. La photo regarde le contenant, pas la personne. Toute reconnaissance faciale dans ce contexte serait disproportionnée au sens de la loi 09-08 et déclencherait des obligations CNDP lourdes pour un gain nul.
Ce qui change dans la chaîne de traçabilité
Une photo lue par la vision n'est pas une jolie image dans un dossier. C'est un maillon de la chaîne de traçabilité, à condition d'être bien intégrée :
- Horodatage GPS, agent, point, intégrés au moment de la prise.
- Conservation de l'image originale (non recompressée) avec hash de signature.
- Résultats de la détection enregistrés à côté, avec score de confiance et version du modèle.
- Validation manuelle si nécessaire, tracée comme tout autre acte technique.
- Disponibilité de l'ensemble à l'audit, en quelques clics.
L'auditeur SEMAC qui demande « comment avez-vous décidé d'accepter cet échantillon arrivé à 11h32 ? » obtient la photo, la détection automatique, et la signature du superviseur. C'est cinq fois plus solide qu'un bordereau papier coché.
Souveraineté de l'image
Une photo de site industriel, de poste de prélèvement clinique ou de point de captage stratégique est une donnée sensible. Elle ne se traite pas avec la même légèreté qu'une photo de réunion.
- Stockage au Maroc, sous juridiction marocaine, par défaut.
- Modèles de vision exécutés localement dès que possible, pour limiter les envois.
- Anonymisation des éléments accessoires (visages incidemment présents, plaques d'immatriculation) avant tout partage externe, geste simple, exigé par la CNDP.
Le retour sur investissement réel
Un laboratoire qui passe à la photo lue par vision constate, sur 12 à 18 mois :
- Réduction de 30 à 50% des rejets détectés à réception, parce qu'ils sont désormais détectés au prélèvement.
- Diminution des re-prélèvements coûteux : une seconde tournée évitée pour cause de tube cassé, c'est plusieurs heures et un véhicule qui ne brûlent pas de gasoil pour rien.
- Crédibilité accrue à l'audit : une chaîne pré-analytique justifiée par image automatique est nettement plus rassurante qu'un bordereau coché.
Pour aller plus loin
- IA au laboratoire : 5 usages concrets, la vue d'ensemble.
- Pré-analytique : 12 causes de rejet, pour cadrer les causes que la vision peut adresser.
- GPS, photo géolocalisée et preuves opposables, la valeur juridique des métadonnées d'image.
- Demander une démo, pour voir une détection en direct sur une photo de prélèvement.