[{"data":1,"prerenderedAt":23},["ShallowReactive",2],{"news-fr-why-dental-llm":3},{"slug":4,"lang":5,"title":6,"summary":7,"date":8,"category":9,"tags":10,"cover":15,"order":16,"author":17,"authorTitle":18,"authorSlug":19,"people":20,"bodyLang":5,"html":22},"why-dental-llm","fr","Benyou Wang : pourquoi nous entraînons un grand modèle dédié à la dentisterie","Les grands modèles généralistes sont de plus en plus puissants, mais ils trébuchent encore en dentisterie. À partir des données de nos articles sur DentalGPT et GlobalDentBench, nous expliquons pourquoi nous entraînons un modèle spécifique à la dentisterie.","2026-11-16","观点",[11,12,13,14],"DentalGPT","GlobalDentBench","grand modèle dentaire","point de vue","/images/news/why-dental-llm/cover.jpg",0,"Benyou Wang","Directeur scientifique IA de FreedomAI","wang-benyou",[21],"王本友","\u003Cp>Depuis trois ans, je participe à la recherche sur les grands modèles médicaux : de HuatuoGPT et HuatuoGPT-II à HuatuoGPT-Vision, qui lit les images médicales, puis à HuatuoGPT-o1, capable de raisonnements médicaux complexes. Depuis que nous nous sommes tournés vers la santé bucco-dentaire, la question qu&#39;on nous pose le plus souvent est la suivante : puisque les modèles généralistes sont de plus en plus puissants, pourquoi entraîner un modèle dédié à la dentisterie ?\u003C/p>\n\u003Cp>Ma réponse : en dentisterie, le « généraliste » ne suffit pas. Plutôt que de défendre une opinion, je m&#39;en tiendrai aux données de nos propres articles.\u003C/p>\n\u003Ch2>1. La dentisterie est presque un angle mort des données généralistes\u003C/h2>\n\u003Cp>Les capacités d&#39;un grand modèle viennent de ses données, et la dentisterie n&#39;occupe qu&#39;une part infime des données généralistes. Dans la prépublication de DentalGPT, nous avons constaté que dans PubMedVision, un très grand jeu de données médicales image–texte, les images concernant les dents ne représentent qu&#39;environ \u003Cstrong>0,3 %\u003C/strong>.\u003C/p>\n\u003Cp>Or l&#39;imagerie dentaire exige une grande finesse. Une radiographie panoramique montre toute la denture, tandis que les obturations, les traitements de canal, les dents incluses ou les lésions périapicales n&#39;en occupent souvent qu&#39;une petite zone. Photos intra-buccales, radiographies rétro-alvéolaires, téléradiographies de profil et CBCT ont chacune leur propre lecture. Un modèle qui a rarement vu ces images ne peut guère les comprendre.\u003C/p>\n\u003Ch2>2. Les modèles généralistes « voient », mais comptent et jugent mal\u003C/h2>\n\u003Cp>Sur MMOral-OPG-Bench, un benchmark de questions-réponses sur radiographies panoramiques, des modèles de pointe comme GPT-5, Gemini-2.5-Pro et Claude-Sonnet-4.5 restent tous sous les 60 % de précision. Nous avons aussi constaté que, même avec le « mode réflexion » activé, leurs progrès sur les tâches bucco-dentaires sont nettement plus faibles que dans les autres domaines médicaux.\u003C/p>\n\u003Cp>L&#39;article de DentalGPT donne un exemple parlant : on demande au modèle de compter les dents obturées sur une radiographie panoramique, la bonne réponse étant 10. GPT-5 en compte environ 6, la version sans réflexion de Qwen3-VL-235B en compte 16, et sa version avec réflexion s&#39;arrête à 8 après plusieurs vérifications. Les modèles repèrent les indices visuels pertinents, mais n&#39;en tirent pas la bonne réponse. Le problème n&#39;est pas seulement de « ne pas voir » : il manque la capacité de relier les détails visuels aux connaissances dentaires.\u003C/p>\n\u003Ch2>3. Plus on se rapproche des cas réels, plus le modèle peine\u003C/h2>\n\u003Cp>Pour mettre ces faiblesses en lumière, nous avons construit avec des experts dentaires du monde entier le benchmark GlobalDentBench : 8 978 questions vérifiées par des experts, issues de 88 pays et régions et de 14 spécialités dentaires. Sur 12 modèles de pointe, les résultats sont nets :\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>Plus la question ressemble à la pratique clinique réelle, plus le score baisse\u003C/strong> : les QCM atteignent en moyenne 81,34 %, les questions à réponse courte 64,53 % et les questions de cas tirées de rapports de cas réels seulement \u003Cstrong>22,34 %\u003C/strong>.\u003C/li>\n\u003Cli>\u003Cstrong>Plus le jugement doit être individualisé, plus c&#39;est difficile\u003C/strong> : le score moyen passe de 74,01 % pour le « rappel de connaissances » à 55,64 % pour le « raisonnement courant », puis à 35,71 % pour le « raisonnement individualisé » ; tous les modèles restent sous 50 % en raisonnement individualisé.\u003C/li>\n\u003C/ul>\n\u003Cp>\u003Cspan class=\"news-figure\">\u003Cimg src=\"/images/globaldentbench/fig-results.png\" alt=\"Figure 1 : Résultats de 12 modèles de pointe sur GlobalDentBench : types de questions, niveaux de raisonnement, classement général et coût du raisonnement (source : article GlobalDentBench)\" loading=\"lazy\" />\u003Cspan class=\"news-caption\">Figure 1 : Résultats de 12 modèles de pointe sur GlobalDentBench : types de questions, niveaux de raisonnement, classement général et coût du raisonnement (source : article GlobalDentBench)\u003C/span>\u003C/span>\u003C/p>\n\u003Cp>Autrement dit, les grands modèles actuels ressemblent davantage à un étudiant qui connaît son manuel par cœur qu&#39;à un praticien capable de décider pour un patient donné.\u003C/p>\n\u003Ch2>4. En dentisterie, certaines erreurs sont irréversibles\u003C/h2>\n\u003Cp>Ce qui me préoccupe le plus, c&#39;est la sécurité. GlobalDentBench a évalué le risque de 19 080 réponses à 1 590 questions de cas : \u003Cstrong>31,01 %\u003C/strong> ont été jugées dangereuses, dont \u003Cstrong>4,51 %\u003C/strong> pouvant causer un préjudice irréversible ; l&#39;orthodontie présente la plus forte proportion de réponses dangereuses, avec 44,30 %.\u003C/p>\n\u003Cp>Les dents ne repoussent pas. Notre mission est de « permettre à chacun de garder ses dents naturelles et de vivre en bonne santé jusqu&#39;à 120 ans ». Une extraction inutile ou une recommandation de traitement excessive a un coût définitif. C&#39;est pourquoi nous estimons qu&#39;aujourd&#39;hui, les grands modèles peuvent aider à rechercher et organiser les connaissances sous la supervision d&#39;experts, mais ne peuvent pas encore prendre seuls des décisions cliniques en dentisterie.\u003C/p>\n\u003Cp>\u003Cspan class=\"news-figure\">\u003Cimg src=\"/images/globaldentbench/fig-risk.png\" alt=\"Figure 2 : Analyse du risque des réponses aux questions de cas. S1 désigne un préjudice réversible possible, S2 un préjudice irréversible possible (source : article GlobalDentBench)\" loading=\"lazy\" />\u003Cspan class=\"news-caption\">Figure 2 : Analyse du risque des réponses aux questions de cas. S1 désigne un préjudice réversible possible, S2 un préjudice irréversible possible (source : article GlobalDentBench)\u003C/span>\u003C/span>\u003C/p>\n\u003Ch2>5. Un modèle spécialisé peut être petit et performant\u003C/h2>\n\u003Cp>La bonne nouvelle, c&#39;est que l&#39;entraînement spécialisé fonctionne. DentalGPT ne compte que \u003Cstrong>7B\u003C/strong> paramètres. Nous avons d&#39;abord utilisé plus de 120 000 images dentaires pour l&#39;alignement multimodal, afin que le modèle apprenne à « voir », puis l&#39;apprentissage par renforcement pour susciter un raisonnement complexe, afin qu&#39;il apprenne à « réfléchir ». Sur cinq benchmarks bucco-dentaires, sa précision moyenne atteint \u003Cstrong>67,1 %\u003C/strong>, contre 59,2 % pour GPT-5 ; en classification de radiographies panoramiques, il atteint 84,0 %, contre 50,0 % pour son modèle de base et 63,5 % pour GPT-5. Pour revenir aux obturations : après entraînement, DentalGPT a vérifié son travail à plusieurs reprises et a fini par en compter correctement 10.\u003C/p>\n\u003Cp>Les expériences d&#39;ablation montrent aussi que l&#39;ordre compte. L&#39;alignement multimodal seul fait passer la précision moyenne de 46,7 % à 63,2 % ; l&#39;ajout de l&#39;apprentissage par renforcement la porte à 67,1 %. Sans alignement dentaire, l&#39;apprentissage par renforcement n&#39;apporte que des gains limités, et plus il y a de données d&#39;alignement, plus le plafond atteignable est élevé. Les connaissances spécialisées sont le socle du raisonnement, pas un simple ornement.\u003C/p>\n\u003Cp>Lors d&#39;une évaluation à l&#39;aveugle par 4 dentistes en exercice, DentalGPT a le plus souvent fait jeu égal avec GPT-5 et Gemini-2.5-Pro, avec plus de victoires que de défaites ; face à Claude-Sonnet-4.5 et Qwen3-VL-235B, ses taux de victoire atteignent respectivement 63,9 % et 87,5 %.\u003C/p>\n\u003Cp>\u003Cspan class=\"news-figure\">\u003Cimg src=\"/images/news/dentalgpt/fig2.png\" alt=\"Figure 3 : Évaluation par paires par des dentistes en exercice : part des victoires, égalités et défaites de DentalGPT (%) (source : article DentalGPT)\" loading=\"lazy\" />\u003Cspan class=\"news-caption\">Figure 3 : Évaluation par paires par des dentistes en exercice : part des victoires, égalités et défaites de DentalGPT (%) (source : article DentalGPT)\u003C/span>\u003C/span>\u003C/p>\n\u003Ch2>6. Un modèle spécialisé ne se construit pas en vase clos\u003C/h2>\n\u003Cp>La difficulté d&#39;entraîner un grand modèle dentaire n&#39;a jamais tenu au seul algorithme :\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>Les experts doivent s&#39;impliquer en profondeur.\u003C/strong> Six dentistes seniors diplômés ont supervisé la construction de GlobalDentBench du début à la fin, pour un total de 297 heures-personnes. Dans les données annotées par des experts de DentalGPT, toute annotation dont l&#39;accord en validation croisée est inférieur à 85 % est écartée.\u003C/li>\n\u003Cli>\u003Cstrong>L&#39;évaluation doit couvrir plusieurs pays et référentiels.\u003C/strong> Les recommandations cliniques et les examens d&#39;exercice diffèrent d&#39;un pays à l&#39;autre ; nous avons donc évalué dans plusieurs pays dès le départ. OmniDentBench, en cours de construction, sélectionne des questions difficiles dans des rapports de cas réels, chacune relue par des experts dentaires chinois et étrangers, afin d&#39;évaluer la prise de décision clinique de niveau expert.\u003C/li>\n\u003Cli>\u003Cstrong>Les modèles doivent utiliser des outils et justifier leurs conclusions.\u003C/strong> Notre DentalAgent permet au modèle d&#39;appeler des outils professionnels de numérotation dentaire, de classification des lésions et de mesure, et de consulter manuels, recommandations et cas comme éléments de preuve, afin que ses jugements soient vérifiables.\u003C/li>\n\u003Cli>\u003Cstrong>Le dentiste prend toujours la décision finale.\u003C/strong> Dans nos collaborations avec le Shenzhen Stomatology Hospital (Pingshan) of Southern Medical University et l&#39;Hôpital stomatologique de Foshan, l&#39;IA propose, cite ses éléments de preuve et signale ce qui manque, tandis que le diagnostic et les décisions thérapeutiques restent toujours entre les mains du dentiste.\u003C/li>\n\u003C/ul>\n\u003Ch2>Pour conclure\u003C/h2>\n\u003Cp>Nous ne développons pas DentalGPT pour « remplacer les dentistes ». Nous voulons que le jugement bucco-dentaire professionnel arrive plus tôt et touche davantage de personnes : repérer les problèmes tant qu&#39;ils sont petits, sauver les dents tant qu&#39;elles peuvent l&#39;être. Les modèles généralistes continueront de progresser, mais dans un domaine aussi spécialisé, où les erreurs sont irréversibles, des données dédiées, un entraînement dédié et une évaluation dédiée, menés avec les dentistes, sont indispensables.\u003C/p>\n\u003Ch2>Articles de référence\u003C/h2>\n\u003Cul>\n\u003Cli>DentalGPT: Incentivizing Multimodal Reasoning in Dentistry, Findings of ACL 2026 : \u003Ca href=\"https://aclanthology.org/2026.findings-acl.135/\" target=\"_blank\" rel=\"noopener noreferrer\">https://aclanthology.org/2026.findings-acl.135/\u003C/a>\u003C/li>\n\u003Cli>GlobalDentBench: A Multinational Benchmark for Evaluating LLM Clinical Reasoning in Dentistry with Expert Calibration, npj Digital Medicine (accepté) ; prépublication : \u003Ca href=\"https://arxiv.org/abs/2605.24636\" target=\"_blank\" rel=\"noopener noreferrer\">https://arxiv.org/abs/2605.24636\u003C/a>\u003C/li>\n\u003Cli>Towards Medical Complex Reasoning with LLMs through Medical Verifiable Problems (HuatuoGPT-o1), Findings of ACL 2025 : \u003Ca href=\"https://aclanthology.org/2025.findings-acl.751/\" target=\"_blank\" rel=\"noopener noreferrer\">https://aclanthology.org/2025.findings-acl.751/\u003C/a>\u003C/li>\n\u003Cli>En savoir plus : \u003Ca href=\"/fr/dentalgpt\">DentalGPT et technologies clés\u003C/a>, \u003Ca href=\"/fr/globaldentbench\">évaluation dentaire : GlobalDentBench et OmniDentBench\u003C/a>\u003C/li>\n\u003C/ul>\n",1794841747840]