Type de document : article scientifique publié dans Scientific Reports
Auteurs : Feighelstein M, Tomacheuski RM, Elias G, Shashoua N, van der Linden D, Luna SPL, Zamansky A
Résumé en français : Comparaison des performances de modèles d’apprentissage profond basés sur la vidéo et de vétérinaires expérimentés dans l’évaluation de la douleur chez les bovins
Une évaluation précise de la douleur chez les animaux est essentielle pour garantir leur bien-être et orienter les interventions vétérinaires. L’évaluation traditionnelle de la douleur repose sur la notation des comportements liés à la douleur par les vétérinaires, qui peut être influencée par la variabilité des observations et l’expertise individuelle. L’utilisation d’outils d’IA suscite un intérêt croissant, et la question de savoir si l’intelligence artificielle (IA) peut surpasser les humains dans la reconnaissance de la douleur chez les animaux commence seulement à être explorée. Cette étude est la première à aborder la reconnaissance de la douleur chez les bovins dans ce contexte. Plus précisément, nous comparons les performances de vétérinaires expérimentés dans la tâche de reconnaissance de la douleur chez les bovins à l’aide d’une analyse vidéo. Nos résultats montrent que les modèles d’apprentissage automatique atteignent une grande précision dans la classification de la douleur et affichent des performances comparables à celles des vétérinaires expérimentés, avec certains avantages dans les évaluations basées sur la vidéo. Ces résultats soulignent le potentiel de l’apprentissage automatique pour améliorer l’évaluation de la douleur en médecine vétérinaire, en offrant un outil évolutif et plus objectif pour améliorer le bien-être animal.
Résumé en anglais : Accurate pain assessment in animals is crucial for ensuring animal welfare and guiding veterinary interventions. Traditional pain evaluation relies on scoring of pain behaviours by veterinarians, which can be influenced by observational variability and individual expertise. There is a growing interest in using AI tools, and the question whether Artificial Intelligence (AI) can outperform humans in animal pain recognition is only beginning to be explored. This study is the first to address cattle pain recognition in this context. Namely, we compare the performance of trained veterinarians in the task of pain recognition in cattle using video-based analysis. Our results show that machine learning models achieve high accuracy in pain classification and demonstrate performance comparable to trained veterinarians, with some advantages in video-based assessments. These findings highlight the potential of machine learning to enhance pain assessment in veterinary medicine, offering a scalable and more objective tool for improving animal welfare.
Publication ayant donné lieu à un article dans Faunalytics le 16/06/2026 : AI Can Detect Cow Pain Better Than Humans — What Now?
