Comment les études existantes évaluent-elles l'impact environnemental de l'IA en imagerie médicale et quelles en sont les principales limites ?

Details

Supervisors

Marichal, Xavier

Faculty

Louvain School of Management

Degree label

Master [120] : ingénieur de gestion, à finalité spécialisée

Abstract

frCe mémoire analyse la manière dont l’impact environnemental de l’intelligence artificielle (IA) est évalué dans le domaine de l’imagerie médicale. Alors que l’IA est de plus en plus utilisée pour améliorer la qualité des images, accélérer certains examens et aider au diagnostic, son développement soulève aussi des questions environnementales importantes, notamment en termes de consommation d’énergie, d’émissions de gaz à effet de serre et d’utilisation de ressources matérielles. Basé sur une revue de littérature critique et méthodologique, ce travail cherche à répondre à la question de recherche suivante : comment l'impact environnemental de l'IA en imagerie médicale est-il évalué dans la littérature scientifique, et quelles en sont les principales limites méthodologiques ? Pour y répondre, les études sélectionnées ont été comparées selon plusieurs critères : dimensions environnementales évaluées, étapes du cycle de vie prises en compte, méthodes et outils utilisés, effets indirects considérés, principaux résultats et limites méthodologiques. L'analyse révèle que les études se concentrent principalement sur la consommation d'énergie et les émissions de CO₂, que peu de travaux ont une perspective de cycle de vie complète et que les effets indirects, comme l'effet rebond, restent rarement intégrés. Ce mémoire met ainsi en évidence un manque de normalisation des méthodes d’évaluation et montre la nécessité de développer des approches plus globales, harmonisées et multidimensionnelles pour mieux comprendre les impacts environnementaux de l’IA en imagerie médicale.