Contexte : Le cancer colorectal est un des cancers les plus fréquents. En France, il est le deuxième cancer chez les femmes et le troisième chez les hommes. La prise en charge dépend du stade de la maladie. Quand les conditions le permettent, la résection chirurgicale est réalisée. Pour compléter la prise en charge oncologique, le statut mutationnel RAS et BRAF ainsi que le statut MRR/MSI sont nécessaires. L’institut national du cancer recommande actuellement une évaluation du statut MMR/MSI soit par l’immunohistochimie de 4 protéines (MLH1, PMS2, MSH2 et MSH6) soit par réalisation d’une polymérase chain reaction (PCR). Le travail de ma thèse se déroule en 2 parties : la première consistait à faire un état des lieux du testing MSI au CHU de Rennes entre 2017 et 2022 et la seconde à réaliser une revue de la littérature systématique sur la prédiction du statut MSI par l’intelligence artificielle (IA). Etat des lieux : De mai 2017 jusqu’à octobre 2022, 1838 tumeurs colorectales ont été prises en charge en pour testing MMR/MSI au CHU de Rennes. Les biopsies étaient minoritaires (40%) comparées aux pièces opératoires (60%).Parmi les tumeurs, 13,9 % présentaient statut d-MMR (non contributifs 3%) et 15 % un statut MSI (non contributifs 5.6%). On observait 1,6 % de cas discordants entre les deux techniques. Revue de la littérature : Elle a été réalisée pour évaluer le rôle de l'IA pour prédire le statut MSI, les mutations KRAS et BRAF dans le cancer colorectal. Les études publiées dans PubMed jusqu'en juin 2023 ont été incluses (n=16) et nous avons rapporté le risque de biais et la performance de chaque étude. Certaines études ont été affectées par le nombre réduit d’images incluses dans l'ensemble de données et l'absence de cohortes de validation externes. Les modèles de deep learning pour le statut d-MMR/MSI ont montré une bonne performance sur les cohortes d'entraînement (AUC moyenne = 0,89, [0,74-0,96]) mais légèrement moins que prévu sur les cohortes de validation lorsqu'elles étaient disponibles (AUC moyenne = 0,82, [0,63-0,96]). Contrairement au statut MSI, la prédiction des mutations KRAS et BRAF a été moins étudiée avec une méthodologie moins robuste. La performance était plus faible avec un maximum de 0,77 dans la cohorte d'entraînement et de 0,58 dans la cohorte de validation pour KRAS et une AUC de 0,82 dans la cohorte d'entraînement pour BRAF