Objectif : Évaluer la valeur ajoutée des modèles d'intelligence artificielle (IA) sur les performances diagnostiques de lecteurs juniors (internes) pour détecter les ruptures partielles du LCA en IRM. Matériel et méthode : L’ensemble des données d'évaluation comprenait 100 IRM du genou (âge moyen 36.6 ans, 51% d'hommes), pour lesquelles le diagnostic de référence pour les ruptures partielles du ligament croisé antérieur (LCA) a été établi par un consensus d'experts de deux radiologues ostéoarticulaires. Il a été demandé à cinq lecteurs juniors de classer chacune des 100 IRM sans l'aide de l'IA dans un premier temps, puis quatre semaines plus tard, de reclasser ces 100 examens avec l'aide de l'IA. Le modèle d'IA était un produit marqué CE (Keros - Incepto médical (c)). Les performances des lecteurs et de l'IA ont été évaluées à l'aide de métriques comme la sensibilité et la spécificité et de courbes ROC. Le temps de lecture pour chaque IRM a également été enregistré et comparé sans et avec l'IA. Résultats : La prévalence de la pathologie pour la rupture partielle du LCA était de 39% Les valeurs de sensibilité des lecteurs (sans / avec IA) étaient de 0,788/0,727 (IC 95 % [0,737; 0,833]/[0,69 ; 0,0775], p=0,166). Les valeurs de spécificité des lecteurs (sans / avec IA) étaient de 0,793/0,961 (IC à 95 % [0,753 ;0,819]/[0,942 ; 0,985], p=0). Les taux de prédiction correct des lecteurs (sans/avec IA) étaient de 0.791/0.87 (IC 95% [0.756;0.819]/[0.843 0.897], p=0.001). Conclusion : L'assistance de l'IA a conduit à une augmentation statistiquement significative de la spécificité, une variation non significative de la sensibilité et dans l’ensemble une augmentation de l’accuracy. Les algorithmes d'IA ont un impact positif global sur les performances radiologiques.