La détection précoce des lésions carieuses est un élément primordial dans le traitement de la maladie carieuse afin de pouvoir intervenir au plus vite et préserver les tissus dentaires. Le diagnostic de la maladie carieuse se fonde sur l’examen clinique mais la détection des lésions peut intervenir lors de l’examen radiographique. Depuis quelques années, le domaine de l’intelligence artificielle s’est étendu avec le développement des réseaux de neurones à convolution, dont certains spécialisés dans la détection et la segmentation d’images médicales. Le but de cette thèse était de programmer un réseau de neurones à convolution capable à partir d’une radiographie intrabuccale de détecter et segmenter les lésions carieuses. Mille trois cent soixante-quinze radiographies ont été analysées et les lésions carieuses segmentées. Ces données ont permis d’entraîner le réseau à segmenter les lésions et à tester ses performances. Les résultats obtenus montrent qu’il est possible d’obtenir un réseau fonctionnel avec des résultats exploitables. Cependant, les valeurs de sensibilité et spécificité mesurées traduisent trop d’erreurs de sous-diagnostic et donc une impossibilité de l’utiliser cliniquement. Ces résultats ont néanmoins démontré que les réseaux de neurones à convolution sont fonctionnels, applicables dans le domaine dentaire et qu’il apparaît nécessaire de continuer les recherches afin d’optimiser les résultats. La littérature s’accorde pour le moment sur le fait que l’intelligence artificielle ne peut remplacer l’humain dans le diagnostic des lésions carieuses.