La radiographie est un examen complémentaire très couramment utilisé par les praticiens vétérinaires en vue de l’obtention d’un diagnostic, et ce pour toutes sortes de motifs de consultation. Les technologies ont beaucoup évolué et de plus en plus de cabinets et cliniques vétérinaires sont aujourd’hui équipés de capteurs plans dotés d’un système d’analyse reposant sur la détection automatique par l’intelligence artificielle d’indices radiographiques évocateurs d’une pathologie. Il est néanmoins fondamental que la qualité de la radiographie soit suffisante afin d’éviter les erreurs d’interprétation, que ce soit pour l’opérateur ou même par la machine. C’est en vue d’améliorer la qualité diagnostique que nous nous sommes proposés d’établir un réseau de neurones permettant un scoring se voulant objectif, et permettant de rejeter tout cliché dont un des paramètres qualitatif pourrait induire une interprétation diagnostique erronée. A l’aide de critères rigoureusement choisis, plusieurs banques de clichés thoraciques puis abdominaux ont été annotées pour aboutir à une automatisation de leur évaluation technique.