L’intelligence artificielle est un sujet d’intérêt en médecine et particulièrement en imagerie médicale, ou de larges bases de données sont disponibles. Toutefois, l’utilisation des algorithmes de deep learning d’analyse des images en vie réelle peut s’avérer moins perforante que sur les données d’entraînement. L’objectif de cette étude a été d’analyser l’intérêt diagnostique, en conditions de pratique clinique, de l’utilisation d’une solution d’intelligence artificielle dans le cadre du dépistage de la tuberculose à Rennes, sujet d’intérêt compte tenu du volume de radiographies réalisées. 13 radiologues et internes ont testé la précision diagnostique de l’algorithme pour l’interprétation des radiographies thoraciques et ont été chronométrés. L’étude a montré un gain significatif, du fait de l’algorithme, de sensibilité sans perte de spécificité et un gain significatif de valeur prédictive négative. Le temps d’interprétation n’a pas été significativement allongé. Ces performances synergiques ont été supérieures à celles de l’IA seule ou de l’humain seul. Cette étude montre donc la complémentarité des solutions d’intelligence artificielle et des radiologues pour la lecture des radiographies thoracique dans cette situation.