La sécheresse oculaire est devenue un motif de plainte courant dans les magasins d’optique. Sensation de sable dans les yeux, picotements, fluctuations de la vision ou inconfort en fin de journée sont régulièrement rapportés par les porteurs de lunettes comme par les utilisateurs de lentilles. Derrière ces symptômes très généraux peuvent se trouver des mécanismes différents, mais la dysfonction des glandes de Meibomius occupe une place centrale dans la sécheresse évaporative.
Ces petites glandes situées dans les paupières produisent la composante lipidique du film lacrymal. Leur rôle est de limiter l’évaporation des larmes. Lorsqu’elles deviennent dysfonctionnelles ou que leur architecture se dégrade, le film lacrymal devient moins stable et la surface oculaire peut se retrouver rapidement exposée.
Pendant longtemps, l’évaluation de ces glandes a reposé essentiellement sur l’examen clinique. La meibographie a changé la donne en permettant de visualiser directement leur morphologie. La prochaine étape est désormais l’analyse automatisée des images.
Une photographie qui devient une mesure
La meibographie infrarouge fournit une image assez spectaculaire pour le patient. Les glandes apparaissent sous la forme de structures allongées dans l’épaisseur de la paupière. Une perte glandulaire importante devient ainsi immédiatement visible.
Mais l’intérêt clinique ne réside pas seulement dans cette image.
Les logiciels peuvent chercher à transformer cette photographie en une série de paramètres mesurables. Longueur des glandes, surface occupée, densité, tortuosité ou pourcentage de glandes manquantes peuvent notamment être calculés automatiquement.
Cette évolution est importante car elle pourrait permettre de comparer plus facilement deux examens réalisés à plusieurs mois d’intervalle. L’image ne serait plus seulement un support visuel destiné à expliquer un problème au patient. Elle deviendrait une donnée susceptible d’être suivie dans le temps.
C’est précisément là que l’intelligence artificielle commence à intervenir.
Une revue systématique et méta-analyse publiée en 2026 dans Cornea a étudié les performances des systèmes d’IA utilisés pour analyser la meibographie. Les chercheurs ont retenu 14 études portant sur 5 511 participants et 18 926 images. Les modèles étudiés étaient principalement des systèmes de deep learning destinés à distinguer des glandes normales de situations compatibles avec une dysfonction meibomienne.
Sur les trois évaluations externes disponibles, la sensibilité combinée atteignait 97,5 %, tandis que la spécificité était de 85,5 %. Ces chiffres pourraient sembler annoncer une automatisation presque prête pour la pratique courante. Les auteurs invitent pourtant à beaucoup plus de prudence.
La majorité des études présentaient au moins un risque élevé de biais et les chercheurs considèrent que le niveau de certitude des données disponibles reste faible à très faible. Ils concluent également que les systèmes d’IA étudiés sont encore moins précis que les évaluateurs humains.
Le problème n’est pas seulement l’algorithme
Cette réserve est particulièrement importante pour comprendre l’avenir de ces technologies.
Une IA n’analyse pas une image abstraite. Elle analyse une image produite par un appareil, avec une certaine résolution, une certaine méthode d’acquisition et une certaine population de patients.
Un modèle entraîné sur plusieurs milliers d’images provenant d’un système de meibographie donné peut donc rencontrer des difficultés lorsqu’il est confronté à des images provenant d’un autre appareil.
Le problème est bien connu en intelligence artificielle médicale. Un modèle peut obtenir d’excellents résultats dans les conditions dans lesquelles il a été développé et perdre une partie de ses performances lorsqu’il change d’environnement.
C’est pourquoi la validation externe est aussi importante que la performance annoncée lors du développement.
Pour l’opticien, le message est simple. Une image produite par une caméra ou une meibographie ne doit pas être transformée automatiquement en diagnostic. L’intérêt réside davantage dans la capacité à objectiver certains signes et à faciliter le dialogue avec le professionnel de santé.
Une donnée particulièrement intéressante chez les porteurs de lentilles
La surface oculaire est un sujet particulièrement sensible en contactologie.
Un porteur peut parfaitement voir avec ses lentilles et pourtant présenter une dégradation progressive de son confort. Les symptômes peuvent apparaître surtout en fin de journée et devenir difficiles à relier à une cause précise.
Une imagerie permettant de documenter la surface oculaire peut alors apporter une information supplémentaire.
Elle ne remplacera évidemment pas l’examen ophtalmologique. Elle peut en revanche contribuer à mieux caractériser une plainte et à identifier les situations dans lesquelles une orientation vers l’ophtalmologiste ou un professionnel de santé visuelle est pertinente.
C’est probablement dans cette fonction d’interface que l’imagerie intelligente possède aujourd’hui le plus d’intérêt pour la filière.
Ce que l’opticien doit retenir
La tentation serait de voir dans l’IA une machine capable de dire automatiquement si un patient souffre ou non de sécheresse oculaire. Les données disponibles ne permettent pas encore d’aller aussi loin.
La véritable évolution est ailleurs.
La meibographie devient progressivement quantitative. Et lorsque plusieurs examens peuvent être comparés dans le temps, l’opticien dispose potentiellement d’un langage beaucoup plus précis pour parler de la surface oculaire.
La prochaine étape sera donc moins celle d’une IA qui remplace l’expert que celle d’une IA qui transforme une image complexe en informations facilement interprétables.