L’intelligence artificielle (IA) se développe de façon incrémentale en médecine, en chirurgie orthopédique et en particulier en chirurgie de l’épaule. Elle nécessite la mise à disposition de données de santé massives, l’accès à une puissance de calcul informatique conséquente, et l’accès à des algorithmes. Les modèles IA utiles impliquent le Machine Learning (apprentissage automatique), supervisé ou non, et ses sous-classes (apprentissage profond, SVM [Support Vector Machine], Sentiment Analysis, arbre décisionnel, CNN [Convolutional Neural Network]. Les apports potentiels de l’IA concernent l’ensemble des pathologies de l’épaule chirurgicale. L’amélioration du diagnostic clinique et paraclinique, le développement d’outils de prédiction, l’assistance à la planification préopératoire, l’aide à la technique chirurgicale, l’amélioration du positionnement des implants, et l’optimisation du suivi postopératoire pour la prévention des complications constituent en 2023 des voies de recherche prometteuses. Aujourd’hui, la performance des modèles utilisés reste modeste et leur adoption nécessite une implémentation de l’ensemble du système (de la collecte des données, au développement d’outils informatiques puissants et pertinents). En pratique clinique, des logiciels d’aide à la détection de fractures, d’aide à la planification préopératoire de prothèses d’épaule et d’aide à l’implantation d’un composant glénoïdien représentent les premiers modèles validés. Plusieurs limites freinent l’essor de cette technologie, liée à la performance des modèles d’IA, à l’absence de validation externe, aux multiples biais concernant les bases de données. Des obstacles réglementaires, éthiques et l’impact culturel lié au changement en régulent l’usage, le chirurgien conservant cependant la maîtrise de la décision finale, en acceptant les incertitudes dans la relation qui le lie au patient.

III.