De nos jours, l’air du numérique s’installe à grande échelle et cherche aujourd’hui à répondre à des objectifs de diagnostic dans le domaine de la médecine vétérinaire. Dans ce contexte, l’étude que nous avons menée cherche à développer un nouvel algorithme de Deep Learning pour la détection des métastases pulmonaires, via une approche de localisation, afin de proposer une meilleure prise en charge aux patients et à leur propriétaire. Dans ce but, cette étude a utilisé 711 radiographies thoraciques de chiens et de chats dont les métastases ont été préalablement annotées par l’auteur afin d’entraîner un modèle de détection automatisée. Les performances de ce modèle ont ensuite été évaluées sur 20% des 366 radiographies offrant la meilleure détection possible. Le score F1 obtenue lors de ce dernier test est de 0,494 avec une précision de 50%. L’algorithme de DL ainsi développé propose des performances moyennes à ce jour. Ces performances sont insuffisantes pour permettre un usage immédiat, mais offrent des perspectives prometteuses.