L’Intelligence Artificielle en Podologie : état des lieux, applications cliniques et enjeux pour la profession

L’IA transforme progressivement la pratique podologique, de la détection des plaies du pied diabétique à la conception des orthèses plantaires. Cet article fait le point sur les avancées scientifiques, les outils disponibles et le cadre réglementaire en vigueur.

pourquoi l’IA intéresse-t-elle la podologie ?

L’intelligence artificielle (IA) désigne un ensemble de technologies capables d’apprendre à partir de données et d’en déduire des résultats pertinents. En santé, elle s’applique déjà à l’imagerie médicale, à l’aide au diagnostic et à la gestion administrative. La podologie n’échappe pas à cette mutation : notre discipline, à l’interface entre biomécanique, dermatologie et médecine vasculaire, est particulièrement bien placée pour bénéficier des capacités d’analyse visuelle et prédictive de l’IA.

Les enjeux sont concrets. La France compte plus de 4 millions de diabétiques, et le risque de plaie du pied représente l’une des premières causes d’amputation non traumatique. La détection précoce, le suivi des lésions et la personnalisation des soins constituent des défis quotidiens pour le praticien. L’IA propose des outils capables de traiter des volumes de données impossibles à analyser manuellement — photographies, données de pression plantaire, dossiers patients — pour produire une aide à la décision clinique.

L’objectif de cet article n’est pas de dresser un tableau idyllique de l’IA en podologie, mais d’en exposer les applications réelles, les preuves scientifiques disponibles, et les limites que tout professionnel de santé doit garder à l’esprit.

L’IA au service du pied diabétique

C’est dans la prise en charge du pied diabétique que la recherche en IA est la plus avancée. Les plaies du pied diabétique (DFU, Diabetic Foot Ulcers) nécessitent une surveillance régulière : suivi de la superficie, de la profondeur, de l’infection et de la cicatrisation. Cette surveillance est traditionnellement réalisée manuellement par des cliniciens expérimentés, avec les aléas liés à la subjectivité d’observation et à la disponibilité des équipes.

Détection et classification automatisées des plaies

Des algorithmes de deep learning entraînés sur des milliers d’images de plaies sont désormais capables de détecter, segmenter et classifier les DFU à partir de photographies réalisées avec un simple smartphone. Une revue systématique publiée dans Healthcare (MDPI, 2025), portant sur les études de 2020 à 2025, montre que l’IA peut contribuer de façon significative à la classification, la prédiction, la segmentation et la détection des DFU. L’approche par deep learning, en particulier les architectures de type CNN (réseaux de neurones convolutifs) comme ResNet-50, offre des performances prometteuses pour l’automatisation de l’analyse d’images de plaies.

Détection de l’ostéomyélite par radiographie

Une équipe de l’Université Complutense de Madrid, au sein de la Clinique Podiatrique Universitaire, a développé et validé un modèle ResNet-50 pour la détection automatique de l’ostéomyélite du pied diabétique (DFO) sur des clichés radiographiques simples, confirmée par biopsie osseuse. Cette étude, publiée dans Applied Sciences (MDPI, août 2025), illustre le potentiel de l’IA pour assister les podologues cliniciens dans l’interprétation des examens d’imagerie, tâche habituellement réservée aux radiologues ou aux spécialistes du pied diabétique.

Thermographie plantaire et détection précoce

La thermographie infrarouge plantaire, couplée à des algorithmes de machine learning, permet de détecter des zones d’hyperthermie localisée, signe précoce d’inflammation et de risque d’ulcération, avant même l’apparition de symptômes visibles. Une étude publiée dans le Journal of Diabetes Science and Technology (2025) a montré l’efficacité du deep learning appliqué aux thermogrammes plantaires pour la classification du risque de pied diabétique. Des dispositifs portables IoT combinant capteurs de pression et de température permettent même un suivi quotidien à domicile.

Suivi à distance et télédermatologie podologique

Des applications mobiles intégrant des algorithmes d’IA permettent au patient de photographier régulièrement sa plaie. Ces images sont analysées en temps réel et transmises au praticien avec un rapport automatisé sur l’évolution de la lésion. L’IWGDF (International Working Group on the Diabetic Foot) reconnaît dans ses recommandations 2023 l’importance du suivi photographique systématique des DFU.

Point de vigilance clinique

Si l’IA offre des outils d’aide précieux, les revues scientifiques soulignent que la qualité des images (éclairage, mise au point, artefacts) reste déterminante pour la fiabilité des résultats. Les petites plaies, les ulcères très profonds ou les lésions localisées entre les orteils demeurent des zones de faiblesse pour les algorithmes actuels. L’expertise clinique du podologue reste irremplaçable pour l’interprétation contextuelle.

Analyse biomécanique et conception d’orthèses plantaires

Plateformes de pression et apprentissage automatique

Les plateformes de pression modernes — comme les systèmes Footwork Pro — collectent en temps réel de grands volumes de données sur la répartition des charges plantaires en statique et en dynamique. Des algorithmes d’apprentissage automatique peuvent analyser ces données pour identifier des patterns pathologiques, quantifier les zones de surcharge et proposer des corrections orthopédiques personnalisées, optimisant ainsi la prise en charge de pathologies telles que les métatarsalgies, les aponévrosites plantaires ou les hallux valgus.

Modélisation par éléments finis et IA

Des travaux de recherche conduits en France, notamment à l’Université d’Aix-Marseille, ont développé des modèles numériques du pied par éléments finis couplés à des stratégies d’apprentissage automatique pour réduire les temps de calcul et permettre une simulation en temps réel du comportement biomécanique du pied. Ces outils constituent des aides à la décision thérapeutique prometteuses pour la planification des orthèses chez les patients à pied plat ou creux.

Conception 3D assistée par IA

Des start-ups comme Human Performance Lab (primée au CES 2024) proposent des applications mobiles guidées par IA permettant, à partir de photographies du pied, de générer un modèle 3D précis pour concevoir une semelle orthopédique personnalisée. Si ces approches présentent un intérêt en termes d’accessibilité, elles nécessitent une validation clinique rigoureuse avant d’être considérées comme équivalentes à un bilan podologique complet réalisé par un professionnel.

La Fédération rappelle que la prescription d’orthèses plantaires repose sur un examen clinique complet — posture debout, analyse de la marche, palpation, interrogatoire — que nul algorithme ne peut remplacer à ce jour. L’IA doit être appréhendée comme un outil d’aide, non comme un substitut au jugement clinique du pédicure-podologue.

Onychologie et dermatologie podologique

La pathologie unguéale représente une part majeure de l’activité du pédicure-podologue. Onychomycoses, onyxis, mélanomes sous-unguéaux : le diagnostic différentiel est parfois délicat et les erreurs ont des conséquences cliniques importantes.

IA et diagnostic des affections unguéales

Une revue narrative publiée dans l’Indian Dermatology Online Journal (fin 2024) souligne que l’IA présente une voie prometteuse pour diagnostiquer les anomalies des ongles, analyser les schémas complexes et améliorer la précision du diagnostic en onychologie. Des algorithmes entraînés sur des milliers d’images cliniques peuvent distinguer une onychomycose d’un psoriasis sous-unguéal ou d’un traumatisme, pathologies qui ont des aspects visuels parfois très proches.

Analyse dermoscopique augmentée

Les systèmes d’analyse d’images dermoscopiques appuyés sur le deep learning atteignent des performances comparables, voire supérieures, à celles de dermatologues expérimentés pour le dépistage du mélanome dans certaines conditions expérimentales. Pour la podologie, l’application de ces technologies à l’examen des lésions cutanées plantaires et unguéales ouvre des perspectives réelles, notamment dans les zones sous-dotées en dermatologues. Ces outils peuvent inciter le podologue à orienter plus précocement vers un spécialiste en cas de lésion suspecte.

Aucun outil d’IA n’est actuellement en mesure de poser seul un diagnostic de mélanome ou d’onychomycose. Ces systèmes servent de triage augmenté : ils alertent sur une anomalie et orientent la décision clinique. La décision finale appartient toujours au praticien ou au médecin spécialiste.

Gestion du cabinet et aide administrative

Au-delà du soin, l’IA transforme également l’organisation des cabinets de santé. Ces applications, moins spectaculaires sur le plan clinique, ont souvent l’impact le plus immédiat sur la pratique quotidienne.

Dictée médicale et comptes-rendus automatisés

Des solutions de traitement automatique du langage naturel (NLP) permettent de transcrire les consultations, de remplir automatiquement les comptes-rendus et de structurer les données patient. Des systèmes similaires à ceux développés pour les cliniques hospitalières permettent de réduire considérablement le temps consacré à la documentation et d’augmenter le temps dédié au patient.

Aide à la décision thérapeutique et veille réglementaire

Des outils comme PulseLife AI fournissent aux professionnels de santé des réponses instantanées sur les protocoles, les interactions médicamenteuses et les recommandations officielles, en citant systématiquement leurs sources. Ces assistants peuvent aider le podologue à accéder rapidement aux données probantes lors d’une consultation ou à vérifier un protocole de prescription.

Gestion des rendez-vous et prédiction de la charge de travail

Des algorithmes prédictifs peuvent analyser les données de fréquentation pour anticiper les pics d’activité, réduire les délais d’attente et améliorer la planification des soins, notamment pour les patients diabétiques nécessitant un suivi régulier.

Enjeux éthiques et limites pour le podologue

L’enthousiasme légitime pour ces technologies ne doit pas occulter les questionnements éthiques que tout professionnel de santé doit se poser avant d’adopter un outil d’IA dans sa pratique.

La responsabilité clinique reste au praticien

L’AI Act européen impose une supervision humaine obligatoire pour les systèmes d’IA à haut risque en santé. En pratique, cela signifie que le podologue qui utilise un outil d’aide au diagnostic demeure le seul responsable de la décision thérapeutique. L’IA ne peut pas être invoquée comme justification d’une erreur diagnostique.

Biais algorithmiques et représentativité des données

Les algorithmes sont aussi bons que les données sur lesquelles ils ont été entraînés. Si ces données surreprésentent certaines populations (type de peau, morphologie, comorbidités), les performances de l’IA seront dégradées pour les autres groupes. La recherche doit veiller à constituer des bases de données représentatives de la diversité des patients.

Protection des données des patients

L’utilisation d’une application d’IA implique souvent le transfert de données vers des serveurs extérieurs. Le podologue doit s’assurer que le patient a donné son consentement éclairé et que l’hébergement est conforme aux exigences HDS et au RGPD. En cas de doute, il convient de ne pas utiliser l’outil concerné.

Transparence et explicabilité

L’AI Act exige désormais que les algorithmes soient explicables, et non pas seulement performants. Un outil qui produit un résultat sans indiquer sur quels critères il s’appuie — le fameux « effet boîte noire » — est problématique sur le plan clinique et juridique. Le praticien doit pouvoir comprendre les limites du système qu’il utilise.

Perspectives pour la profession podologique

L’intégration de l’IA dans la pratique podologique est un processus progressif. Les prochaines années verront probablement l’émergence de plusieurs évolutions majeures.

Vers une podologie prédictive

L’analyse de données multimodales — génétiques, cliniques, biomécaniques, comportementales — permettra bientôt de stratifier le risque podologique individual avec une précision inédite. Identifier les patients à risque avant l’apparition de symptômes, comme le risque d’ulcération chez le diabétique ou de fracture de fatigue chez le sportif, est l’horizon que vise la médecine prédictive.

Intégration dans le parcours de soins numérique

Le déploiement de l’Espace Européen des Données de Santé (EEDS, en vigueur depuis février 2025) et du Dossier Médical Partagé français va faciliter l’intégration des données podologiques dans le parcours de soins global du patient. Les outils d’IA pourront ainsi croiser les données du podologue avec celles du médecin traitant, du diabétologue ou du cardiologue pour une prise en charge coordonnée.

Formation et montée en compétences

La FNP encourage les professionnels à se former aux outils numériques et à développer un regard critique sur les technologies proposées. Comme tout acte clinique, l’utilisation d’un outil d’IA requiert une compétence, une formation et une veille réglementaire continues. Des modules de formation à l’IA en santé sont progressivement intégrés dans les cursus universitaires de podologie.

L’IA comme levier de valorisation de la profession

En automatisant certaines tâches répétitives — documentation, analyse d’images standardisées — l’IA peut libérer du temps pour ce qui constitue l’essence de la pratique podologique : l’examen clinique approfondi, l’écoute du patient, l’expertise manuelle et la relation thérapeutique. Bien utilisée, elle valorise le rôle central du pédicure-podologue dans le parcours de soins.

Conclusion

L’intelligence artificielle est déjà présente en podologie, même si sa diffusion reste inégale selon les applications. Les preuves scientifiques sont les plus solides dans le domaine du pied diabétique — détection des plaies, prédiction de cicatrisation, thermographie — et les plus émergentes en onychologie et en conception d’orthèses.

L’IA ne remplace pas le pédicure-podologue. Elle amplifie ses capacités diagnostiques, l’aide à objectiver ses observations et lui permet d’assurer un suivi plus serré de patients chroniques. Mais la décision clinique, l’interprétation contextuelle et la relation de soin restent et doivent rester entre les mains du praticien.

Le cadre réglementaire européen, en pleine structuration, impose des exigences croissantes de transparence, de traçabilité et de supervision humaine pour les systèmes d’IA en santé. S’approprier ces règles, choisir des outils conformes et s’y former constituent des impératifs professionnels pour exercer de manière éthique et sécurisée dans un environnement numérique en mutation rapide.

La Fédération Nationale des Podologues s’engage à accompagner ses membres dans cette transition, en proposant des ressources de formation, en veillant à la défense des intérêts de la profession dans les instances réglementaires et en favorisant un usage éclairé, responsable et centré sur le patient des nouvelles technologies.

Sources et références

1. INSERM – Intelligence artificielle et santé. Dossier thématique, mis à jour 2024. inserm.fr
2. Haute Autorité de Santé (HAS) – Numérique et intelligence artificielle à la HAS. Mis en ligne le 09 avr. 2025, mis à jour le 30 janv. 2026. has-sante.fr
3. Misir A. et al. – Artificial Intelligence and Machine Learning in Diabetic Foot Ulcer Care: Advances in Diagnosis, Treatment, Prognosis, and Novel Therapeutic Strategies. Journal of Diabetes Science and Technology, 2025. doi.org
4. MDPI Healthcare / PMC – Advancing Diabetic Foot Ulcer Care: AI and Generative AI Approaches for Classification, Prediction, Segmentation, and Detection. Healthcare, vol. 13, n° 6, 2025. pmc.ncbi.nlm.nih.gov
5. Calvo-Wright M.D.M. et al. – Using Artificial Intelligence for Detecting Diabetic Foot Osteomyelitis: Validation of Deep Learning Model for Plain Radiograph Interpretation. Applied Sciences, 15(15), 8583, août 2025. mdpi.com
6. PMC / World Journal of Diabetes – The role of artificial intelligence technology in the care of diabetic foot ulcers: the past, the present, and the future. pmc.ncbi.nlm.nih.gov
7. Gaurav V., Grover C., Tyagi M. et al. – Artificial intelligence in diagnosis and management of nail disorders: a narrative review. Indian Dermatol Online J, 2024;16:40-49. Cité dans Réalités thérapeutiques en Dermato-Vénérologie, juillet 2025. realites-dermatologiques.com
8. Thèse – Université d’Aix-Marseille – Conception et fabrication additive de semelles orthopédiques : simulation numérique, évaluation biomécanique et système expert. NNT : 2020AIXM0379. theses.fr
9. Agence du Numérique en Santé (ANS) – Stratégie Intelligence Artificielle et Données de Santé 2025-2028. Doctrine du numérique en santé. esante.gouv.fr
10. Agence du Numérique en Santé (ANS) – Intelligence artificielle en santé : une concertation publique pour un déploiement éthique. Mai 2025. esante.gouv.fr
11. Parlement et Conseil de l’UE – Règlement (UE) 2024/1689 sur l’intelligence artificielle (AI Act). Entré en vigueur le 1er août 2024. health.ec.europa.eu
12. MedTech France / Clémence Minota – IA médicale : Conformité, certification et audits. Comment éviter les sanctions ? Mis à jour le 3 novembre 2025. medtechfrance.fr
13. Houdart & Associés – L’IA en santé : entre cadre réglementaire et prolifération des guides, comment s’y retrouver ? Octobre 2025. houdart.org
14. Ordre National des Pharmaciens (CNOP) – Règlement européen sur l’IA : première réglementation au monde des usages d’IA. Juillet 2024. ordre.pharmacien.fr
15. International Working Group on the Diabetic Foot (IWGDF) – Guidelines on the prevention and management of diabetic foot disease, 2023. iwgdfguidelines.org
16. Pododrome – La plaque de pression Footwork : analyser précisément les pressions plantaires. Février 2026. pododrome.fr
17. La Médecine Libre – Quels outils IA pour les médecins en 2024 ? Avril 2024. lamedecinelibre.com