Quand les robots apprennent les gestes des chirurgiens
Un robot qui observe, enchaîne des gestes et corrige une prise : la chirurgie autonome progresse par étapes. Une expérience sur des tissus porcins montre ce que l’apprentissage par imitation change concrètement.
Découvertes · 4 min de lecture
Poser un petit clip, retirer l’instrument, revenir au bon endroit, couper. Sur la vidéo de laboratoire, les gestes s’enchaînent avec une apparente simplicité. Mais un tissu se déforme, glisse et masque parfois la zone que l’on cherche. Pour un robot, savoir où aller une première fois ne suffit pas : il faut encore comprendre ce qui a changé après son propre mouvement.
C’est ce défi qu’aborde SRT-H, un système étudié par une équipe de Johns Hopkins avec des collaborateurs de Stanford. Leurs résultats ont été publiés le 9 juillet 2025 dans Science Robotics. La scène n’est pas celle d’un robot opérant seul une personne. Il s’agit d’une phase précise d’une intervention, réalisée sur des vésicules biliaires de porc hors du corps. Cette précision donne sa juste dimension à l’avancée : limitée dans son périmètre, mais passionnante dans sa méthode.
Observer pour apprendre à agir
Dans la chirurgie robotisée habituelle, le chirurgien dirige les instruments à l’aide de commandes, tout en regardant l’opération sur un écran. Le robot reproduit ses mouvements. Ici, les chercheurs cherchent à lui apprendre à réaliser lui-même certains gestes. L’apprentissage consiste à relier une situation visible à l’action appropriée, plutôt qu’à écrire une règle particulière pour chaque position possible.
Le mot « imitation » peut sembler modeste. Essayez pourtant d’expliquer uniquement avec des instructions écrites comment saisir un tissu souple sans le perdre : il faut préciser la position, la force, le mouvement de l’autre main, puis adapter le tout si la prise change. Les démonstrations offrent une autre porte d’entrée. Elles donnent au logiciel des exemples de coordination, avec toute la difficulté de les reproduire sur une scène légèrement différente.
Une organisation à deux étages
Pour entraîner le robot, les chercheurs ont enregistré des démonstrations sur des vésicules biliaires de porc, de petites poches qui stockent la bile produite par le foie. Ces organes étaient prélevés hors du corps. Après cet apprentissage, le robot a été testé sur huit autres vésicules qu’il n’avait jamais rencontrées.
La prépublication technique décrit une organisation hiérarchique : un niveau choisit la tâche suivante en langage, un autre transforme cette consigne en mouvements. On peut y voir, pour se représenter le mécanisme, un conducteur de travaux et un exécutant qui échangent en permanence. Cette comparaison ne prête pas une conscience à la machine ; elle rend lisible la division du travail.
Le robot réalisait lui-même la pose des clips, de petites pinces servant à fermer les conduits avant de les couper. Une personne restait nécessaire pour recharger les clips, changer les instruments et relancer les séquences. Il s’agissait donc d’automatiser une étape de l’intervention, pas une opération complète.
Le plus intéressant : savoir reprendre
Dans sa présentation de l’étude, Johns Hopkins souligne la capacité à composer avec des variations d’apparence et des perturbations préparées pour l’expérience. Une prise imparfaite ne condamne pas nécessairement toute la séquence. Le système peut tenter une correction. C’est une différence importante entre réciter une trajectoire et travailler à partir de ce que montrent les caméras.
Cette recherche s’inscrit dans une progression plus ancienne. En 2022, le système STAR avait déjà étudié la suture de l’intestin chez le porc, avec des interventions humaines prévues dans le protocole. L’article original détaillait notamment la surveillance et les validations imposées à l’opérateur. Ces expériences ne forment pas une compétition où un robot deviendrait soudain chirurgien. Elles explorent différentes briques : percevoir, planifier, tenir un tissu, suturer, vérifier.
La suite se mesurera au-delà du laboratoire
La perspective est enthousiasmante : déléguer, un jour, certains gestes bien définis tout en gardant une équipe capable de superviser et de reprendre la main. Pour devenir utile, cette délégation devra apporter un bénéfice au patient et au travail collectif, pas seulement une belle démonstration. Il faudra éprouver sa fiabilité dans des situations beaucoup plus variées et déterminer quand le système doit s’arrêter.
Le résultat de SRT-H donne surtout une raison de suivre ce domaine : les machines commencent à relier ce qu’elles voient à une suite d’actions ajustables. Le progrès ne tient pas à la disparition du chirurgien dans le cadre. Il tient à cette nouvelle manière de transmettre un savoir gestuel à un outil.
