Publié le 25 novembre 2026–Mis à jour le 20 novembre 2026
Aujourd’hui, des tumeurs peuvent être détectées dans des images médicales par des logiciels IA mais ces logiciels restent réservés à des experts. Biom3d est un outil généraliste tout aussi performant, destiné à être pris en main par des non-programmeurs.
Vous connaissez les CAPCHA, ces petites vignettes dans lesquelles vous devez cliquer sur un phare de voiture ou une sonnette de vélo ? Ce sont des tests destinés à entraîner des intelligences artificielles à reconnaître elles-mêmes ces objets dans des images qu’elles n’ont jamais vues. Identifier précisément un objet visible à l’œil nu sur une image et repérer quels pixels font partie cet objet s’appelle la segmentation. Cette tâche qui semble à la portée d’un enfant est difficile à automatiser. C’est le cas sur les images biomédicales, particulièrement quand elles sont en trois dimensions (3D)… comme les tumeurs dans des organes.
Malgré des performances inégalées par rapports aux logiciels d’analyse dit déterministes (sans IA), les logiciels IA ne franchissent que timidement la porte des laboratoires de biologie. En effet, la plupart sont trop complexes à mettre en œuvre par des non programmeurs et trop spécialisés pour s'adapter à la diversité des images de biologie ou des objets à segmenter. De plus, les logiciels les plus aboutis peinent à suivre l’évolution très rapide du domaine.
Un informaticien plongé dans un laboratoire de biologie
Sous la supervision de l’Institut Pascal, un informaticien, Guillaume Mougeot, a été immergé pendant sa thèse au sein même des laboratoires de biologie, dans l’institut GReD à Clermont-Ferrand et au département de biologie végétale d’Oxford, pour confronter son logiciel à des images acquises par différentes techniques (microscopie photonique, électronique et imagerie médicale). Cette intégration est le secret de la réussite de ce projet car elle a permis de mieux prendre en compte la diversité des besoins spécifiques des utilisateurs finaux (médecins, biologistes).
Biom3d peut s’adapter à des objets très différents : des formes compactes, comme des noyaux cellulaires ou des tumeurs ; des structures fines et allongées, comme certaines membranes ; ou encore de petits points, appelés spots. Même sans expertise IA, l’utilisateur peut obtenir des segmentations de qualité en quelques clics.
Figure 1 : La polyvalence de Biom3d.Cette figure démontre la capacité de Biom3d à reconnaître et à délimiter des structures biologiques complexes. On y observe une grande diversité de domaines : de la médecine humaine (comme la détection de tumeurs dans le cerveau, l'abdomen ou les poumons via des scanners et IRM) à la biologie cellulaire (comme l'identification de noyaux dans des cellules végétales ou de mitochondries via des microscopes de haute précision). Pour chaque exemple, le système superpose une vue en 3D et une coupe en 2D, prouvant qu'il peut isoler avec une précision chirurgicale les contours des organes ou des cellules, quel que soit l'appareil utilisé pour les photographier.
Passer le premier obstacle : installer le logiciel
La première difficulté pour un biologiste commence dès qu’il souhaite installer un logiciel IA car ce n’est pas aussi simple que pour une application sur son téléphone, il y a beaucoup de prérequis non intuitifs qui rebutent les non spécialistes. Après l’installation, la difficulté continue pour l’utilisation et le nombre de réglages à faire pour l’adaptation aux données. Biom3d répond à ces deux freins dans une version par défaut, figée dans un environnement informatique, qui s’installe avec un simple clic. Cette version donne accès à une interface graphique épurée et des paramètres d’auto-configuration limitant les choix. Elle répond aux usages courants des utilisateurs finaux pour traiter tout type d’images afin de segmenter tout type d’objets.
Un logiciel modulaire capable d’évoluer avec les progrès techniques
Biom3d a été créé pour étendre ses usages (pourquoi le limiter à la segmentation ?) et lui permettre de s’adapter aux évolutions rapides des techniques d’intelligence artificielle (pourra-t-on se passer de construire un jeu de données pour l’entraîner ?). C’est pourquoi le logiciel est structuré en modules, chacun réalisant une étape du processus (entraînement, prédiction, préparation des images, …). C’est un peu comme en cuisine : on a un module de nettoyage qui peut intervenir au début et à la fin d’une recette, un autre pour préparer les ingrédients comme éplucher les légumes, des options comme le mixer et enfin un module cuisson avec plusieurs choix : plaque, four ou cuit-vapeur. Dans la version complète de Biom3d, plusieurs modules peuvent réaliser la même fonction, d’autres sont optionnels comme l’exécution du logiciel sur des serveurs distants à partir d'un gestionnaire d’images.
La boîte à outils modulaire de Biom3d
Biom3d est composé de plusieurs modules indépendants capables chacun de réaliser une étape du processus. Pour offrir une flexibilité totale, un module est proposé dans différentes versions interchangeables qui seront sélectionnées au moment de l’exécution du programme par l’assembleur. Parmi les modules on a des outils de prétraitement des images pour organiser les fichiers (Jeux de données), des Modèles (le cœur de l'intelligence artificielle), des Métriques (pour mesurer la précision), des Entraîneurs (pour l'apprentissage) et le Prédicteur (pour l'application sur de nouvelles images). Des fonctions automatiques appelées callback complètent le module d’entraînement pour suivre ou optimiser le processus de façon dynamique. Cette structure permet de composer une solution sur mesure pour chaque défi biologique.
Un logiciel ouvert
Biom3d s’intègre dans une logique de transparence en répondant aux normes actuelles de la science ouverte : son code est accessible et partagé sur un outil de versionnage. Cela signifie que chacun peut s’en saisir, le faire évoluer, l’utiliser de façon gratuite, ce qui est essentiel pour comparer des résultats et assurer leur reproductibilité : un des piliers de la recherche.
Identifier une forme ou une cellule peut paraître naturel, presque instinctif, pour l'œil humain. Pourtant, transformer cette intuition en un algorithme capable de reproduire cette précision est l'un des plus grands défis de l'intelligence artificielle actuelle. C'est précisément là que réside la force de Biom3d : transformer cette complexité mathématique invisible en une interface intuitive, prouvant qu'il est possible de démocratiser la détection de pointe sans jamais sacrifier la performance. Avec cet outil, la détection de tumeurs n'est plus seulement une question de code complexe, mais devient à portée de clic !
[1] Institut Pascal, UCA CNRS UMR 6602, Aubière
[2] Institut Génétique Reproduction et Développement, UCA CNRS UMR 6293, Inserm U1103, Clermont-Ferrand
Biom3d, a modular framework to host and develop 3D segmentation methods. Guillaume Mougeot, Sami Safarbati, Hervé Alégot, Pierre Pouchin, Clément Colmerauer, Nadine Field, Sébastien Almagro, Émilie Péry, Aline V. Probst, Christophe Tatout, David E. Evans, Katja Graumann, Frédéric Chausse, Sophie Desset. Medical Image Analysis, 113:104184, 2026, doi: 10.1016/j.media.2026.104184
Guillaume Mougeot a reçu le prix Clermont-Auvergne Innovation lors de l'édition 2024 du Prix Jeunes Chercheurs organisé par la Ville de Clermont-Ferrand pour ce travail.
La Minute Recherche est un dispositif porté par l'Université Clermont Auvergne. A l'occasion d'un atelier d'écriture, plusieurs chercheurs et chercheuses ont proposé un résumé vulgarisé d'une de leur publication récente. Ce résumé a été ensuite relu, avec un croisement des disciplines, par l'un ou l'une des membres du comité éditorial, composé lui-même de professionnelles de la recherche.
Sophie Desset
Ingénieure de recherche en bio-imagerie au sein de l'Institut Génétique, Reproduction et Développement (iGRED, UCA/CNRS/Inserm)