Méthodologie de Head Lice Checker
Head Lice Checker est conçu comme un outil de triage pratique pour les familles qui ont besoin d'une orientation rapide. La plateforme associe la sortie d'un modèle d'image, des règles de décision déterministes et des formulations de sécurité claires, afin que chacun comprenne ce qui a été détecté, où cela a été détecté et ce qu'il est raisonnable de faire ensuite. Cette page présente notre méthodologie en langage simple.
Dernière révision : 16 févr. 2026
Objectif et limites de la méthode
Notre démarche de repérage vise à réduire l'incertitude, pas à remplacer un professionnel de santé. Son objectif principal est d'aider les parents à décider s'il faut donner la priorité à une confirmation professionnelle et d'éviter les retards lorsque plusieurs signaux de risque sont visibles en même temps.
Le système est le plus efficace sur des photos rapprochées du cuir chevelu, cheveux séparés et lumière forte. Il n'est pas optimisé pour les portraits éloignés, les images très floues de mouvement ou les zones masquées. Quand la qualité est faible, nous restons prudents dans les mots et invitons à refaire une photo de meilleure qualité.
Les résultats sont donc présentés comme une orientation indicative. Nous évitons les affirmations médicales définitives et orientons vers un accompagnement clinique qualifié dès que la confiance est faible, que les symptômes persistent ou que les constats semblent importants.
Réception et préparation de l'image
Lors de l'envoi d'une image, le fichier est contrôlé (validité, dimensions minimales) avant le repérage. Cela protège la stabilité du modèle et évite des niveaux de confiance faussés par des fichiers trop petits ou corrompus.
La même version préparée de l'image sert à l'analyse et à l'affichage du résultat. Cette cohérence compte, car les repères sont projetés dans le système de coordonnées de l'image d'origine, et la confiance visuelle dépend du fait que chaque repère tombe au bon endroit sur l'image affichée.
La préparation est volontairement minimale : nous n'appliquons pas de filtres agressifs qui pourraient modifier des détails visibles. Nous préférons encourager une meilleure prise de vue plutôt qu'un renforcement artificiel.
Extraction et normalisation des détections
Les réponses du fournisseur peuvent contenir des prédictions imbriquées, des alias de classe et des clés de confiance différentes. Nous normalisons ces structures dans une liste interne stable, afin que l'interface reste cohérente tant que les données de délimitation reçues sont valides.
Les alias de classe sont convertis en libellés standard, comme poux et lentes. Nous écartons les détections mal formées, imposons des coordonnées numériques valides et appliquons un seuil minimal de confiance avant d'afficher des éléments dans les résumés.
Pour chaque détection acceptée, nous conservons les coordonnées du centre, la largeur, la hauteur, la confiance d'origine et le niveau attribué. Cet objet normalisé alimente les repères sur la photo, les comptages, les libellés de synthèse et la mesure d'usage.
Politique de confiance et libellés des résultats
Les niveaux de confiance sont regroupés pour rester lisibles pour les parents. Une confiance élevée indique des éléments forts du modèle, une confiance moyenne des éléments utiles mais moins sûrs, et une confiance faible signale que la qualité de l'image ou une ambiguïté visuelle peut peser sur l'interprétation.
Lorsque des détections valides existent, le libellé principal du résultat suit la classe détectée la plus forte. En l'absence de détection, la logique de repli renvoie un résultat sans signalement, avec un message de soutien et l'invitation à revérifier si les symptômes persistent.
Cette politique évite les promesses excessives tout en donnant une direction claire. Chacun peut examiner les repères et les résumés avant de décider s'il faut demander une confirmation en cabinet.
Des résultats pensés pour les personnes
Les cartes de résultat privilégient la preuve visible. Nous affichons la photo envoyée, les repères, le nombre total d'indices et le niveau de confiance dans une hiérarchie compacte, pour que l'on comprenne pourquoi une suggestion apparaît.
Le texte d'accompagnement traduit ensuite le résultat en prochaines étapes concrètes : surveiller, refaire un scan avec un meilleur éclairage ou demander un suivi en cabinet. Nous évitons volontairement le langage alarmiste et les formulations qui sonnent comme un diagnostic.
En associant preuve visible et propos calmes, la méthodologie favorise la confiance tout en laissant, lorsque c'est justifié, la décision à une confirmation professionnelle.
Mesure et amélioration continue
Nous enregistrons des événements d'interaction anonymisés pour améliorer la fiabilité et la compréhension des résultats. Citons l'affichage des repères, le filtrage de la légende, les scans répétés et l'usage du bouton cabinet.
Ces signaux nous aident à évaluer si les résultats sont compris et si les conseils sur l'étape suivante sont utiles. Nous priorisons les améliorations lorsque nous repérons des signes de confusion, comme des scans immédiatement répétés après un résultat positif net.
Les changements de méthode sont relus avant publication et datés dans le contenu, afin que les utilisateurs et les partenaires puissent voir quand les repères ont été mis à jour pour la dernière fois.
Gouvernance de la méthode et contrôle des versions
Chaque changement suit une liste de contrôle qui vérifie la stabilité de l'analyse, l'attribution des niveaux de confiance et la cohérence des mots avant mise en ligne. Cela évite qu'une évolution de la structure de détection modifie discrètement la façon dont le résultat est présenté.
Chaque version comprend des tests déterministes sur l'extraction des prédictions imbriquées, la conversion des alias et le rejet des détections mal formées. Nous vérifions aussi que les repères sont dessinés sur exactement la même variante d'image que celle analysée, pour préserver la confiance dans la vue des preuves.
Lorsque des changements importants de comportement sont introduits, les conseils et les questions fréquentes sont mis à jour dans le même cycle, pour que l'information reste alignée sur ce que fait le produit.
Questions fréquentes
Cette méthodologie établit-elle un diagnostic ?
Non. Elle fournit une orientation indicative de repérage et doit être complétée par une confirmation clinique professionnelle lorsque le risque est élevé ou que les symptômes persistent.
Pourquoi la confiance peut-elle être faible alors que des repères apparaissent ?
Une confiance faible peut venir d'un flou, d'un éclairage insuffisant ou d'éléments du cuir chevelu qui se ressemblent. Dans ce cas, nous conseillons un nouveau scan plus net ou un avis en cabinet.
Les repères viennent-ils de vraies coordonnées du modèle ?
Oui. Les repères reposent sur les coordonnées de détection normalisées issues de l'analyse et sont reportés sur l'image du scan affichée.
À quelle fréquence le contenu de la méthodologie est-il revu ?
Le contenu de la méthodologie est revu à chaque cycle de publication et daté, afin que chacun puisse vérifier sa fraîcheur.
Prêt pour l’étape suivante ?
Commencez par une analyse photo gratuite, puis utilisez la recherche de cliniques si vous souhaitez une confirmation professionnelle.
Cet outil fournit uniquement un résultat indicatif de dépistage par IA et ne constitue pas un diagnostic médical.
