---
title: "Ce corps virtuel se laisse disséquer parce que sa physique est volontairement fausse"
locale: "fr"
url: "https://irz.fr/fr/articles/dissectible-anatomy-fake-physics-fr"
markdown_url: "https://irz.fr/fr/articles/dissectible-anatomy-fake-physics-fr.md"
category: "tech"
tags: ["SIGGRAPH", "simulation", "anatomie", "GPU", "Visible Human Project"]
published_at: "2026-08-23T18:40:00.000Z"
author: "Hugo Marchal"
translation: "https://irz.fr/en/articles/dissectible-anatomy-fake-physics-en.md"
---

# Ce corps virtuel se laisse disséquer parce que sa physique est volontairement fausse

Dissectible Anatomy coupe, déchire et retire des organes en temps réel. Pour y parvenir, Purdue a choisi une mécanique visuellement crédible plutôt qu'une simulation physique de la chair.

À SIGGRAPH, Jack Myers fend un corps virtuel, écarte l'incision puis retire une structure sans attendre qu'un solveur finisse ses calculs. La démonstration a remporté le prix Audience Choice de Real-Time Live! 2026,[1](https://polytechnic.purdue.edu/newsroom/purdue-polytechnic-researchers-win-audience-choice-siggraph-virtual-anatomy-tool)[3](https://s2026.conference-schedule.org/presentation/?id=real_101&sess=sess315) mais le détail le plus intéressant se trouve dans le papier de Tim McGraw et Myers : **la mécanique affichée n'essaie pas de reproduire fidèlement celle des tissus humains**.[2](https://doi.org/10.1145/3820013)

Le mot important du papier est presque embarrassant pour une démo médicale : les auteurs parlent d'**animation non physique**. Pour apprendre un geste chirurgical, le compromis serait mauvais. Pour ouvrir un volume anatomique, tirer dessus, retirer une pièce et continuer aussitôt, il devient au contraire le cœur de la méthode.[2](https://doi.org/10.1145/3820013)

## Fausse matière

Une incision est un sale cas pour un modèle numérique. Avant la lame, deux régions appartiennent au même volume ; juste après, il faut inventer deux surfaces neuves, laisser les bords s'écarter et parfois autoriser un morceau à partir seul. Si chaque tissu doit en plus obéir à une mécanique réaliste, la facture de calcul grimpe au moment précis où l'utilisateur attend une réponse immédiate.

McGraw et Myers prennent une route plus légère avec les **position-based dynamics**. Leur grille rassemble les particules par régions qui se chevauchent ; des contraintes les ramènent vers une forme cohérente et, détail décisif, ces contraintes savent casser.[2](https://doi.org/10.1145/3820013)

> **Deux objectifs**
> - Reproduire des propriétés mécaniques et des forces assez fidèles pour travailler le geste clinique: Simulation chirurgicale
> - Garder un corps stable et manipulable pendant qu'on le coupe, le tire ou retire une partie: Dissectible Anatomy
> Le papier assume explicitement ce compromis entre précision physique et cadence interactive.

Lorsqu'une coupe traverse une région, le système divise les contraintes concernées ; les particules situées de part et d'autre cessent alors d'être tenues comme un bloc unique. Ce mécanisme suffit pour ouvrir une incision ou laisser une partie se séparer, sans demander au programme de résoudre la mécanique réelle de la chair à chaque image.[2](https://doi.org/10.1145/3820013)

La limite est écrite noir sur blanc : les paramètres qui donnent sa rigidité apparente au modèle ne correspondent ni au module de Young ni à d'autres propriétés physiques mesurées d'un tissu.[2](https://doi.org/10.1145/3820013) **Le faux est dans la matière, pas dans les images anatomiques.**

## Vraies coupes

Et c'est là que le projet devient franchement bizarre : la mécanique est inventée, mais l'image vient de corps réels. Purdue réutilise le **Visible Human Project** de la National Library of Medicine, constitué dans les années 1990 à partir de deux cadavres photographiés en cryosections, avec CT et IRM associés.[4](https://www.nlm.nih.gov/research/visible/getting_data.html)

Le corps masculin a été photographié par tranches anatomiques espacées d'un millimètre ; le jeu féminin descend à 0,33 mm et dépasse 5 000 images.[4](https://www.nlm.nih.gov/research/visible/getting_data.html) Trois décennies plus tard, ces photographies fournissent encore une texture beaucoup plus détaillée que la grille mécanique qui les anime.

> Illustration: Coupe couleur de la tête du Visible Human Male montrant cerveau, voies nasales et tissus environnants. Une coupe du Visible Human Male. Purdue utilise ces photographies anatomiques comme matière visuelle du volume, puis les anime avec une grille mécanique beaucoup plus grossière. Credit: [U.S. National Library of Medicine](https://www.nlm.nih.gov/research/visible/photos.html).

Dans Dissectible Anatomy, des **splats volumétriques** portent la couleur et le détail tirés des cryosections, tandis qu'une grille moins dense de particules contrôle la déformation.[2](https://doi.org/10.1145/3820013) Les deux résolutions n'ont pas besoin de coïncider : un petit nombre de degrés de liberté mécaniques peut déplacer une représentation visuelle beaucoup plus riche.

> **Trois niveaux**
> - Cryosections : les photographies anatomiques: 1
> - Splats : les échantillons volumiques visibles: 2
> - Particules + contraintes : la mécanique simplifiée: 3
> Le détail montré à l'écran reste plus fin que le détail réellement simulé.

Voilà l'astuce : les pixels peuvent rester précis sans que la mécanique le soit autant. Les photographies des années 1990 fournissent l'intérieur du corps ; une couche dynamique beaucoup plus économique suffit ensuite pour le plier, l'ouvrir ou en détacher une partie.

## Couper vite

Un maillage triangulaire classique devient pénible dès qu'on le lacère à répétition. Après chaque rupture, il faut conserver une topologie valide et fabriquer correctement les nouvelles surfaces ; le problème s'aggrave quand l'utilisateur peut immédiatement tirer sur ce qu'il vient de couper.

L'équipe passe par une **signed distance function** échantillonnée sur les splats. Les opérations de rupture mettent à jour cette représentation et les contraintes mécaniques plutôt que de reconstruire un maillage propre après chaque geste.[2](https://doi.org/10.1145/3820013) Le papier formalise trois actions adaptées à l'anatomie : coupe, déchirure et excision.

Lorsque le volume comporte une segmentation anatomique, le logiciel sait en plus associer des noms et des limites aux structures ; Purdue montre qu'un organe retiré peut recevoir de nouvelles contraintes afin de rester manipulable après séparation.[1](https://polytechnic.purdue.edu/newsroom/purdue-polytechnic-researchers-win-audience-choice-siggraph-virtual-anatomy-tool)

Les compute shaders font le gros du travail. Les mesures du papier ont été prises sur une GeForce RTX 4070 ; dans ce cadre, la méthode devance les implémentations MPM et FEM comparées par les auteurs.[2](https://doi.org/10.1145/3820013) Pas de record marketing à retenir ici. Le résultat utile, c'est qu'on peut continuer à manipuler le corps après avoir précisément détruit ce qui rend d'ordinaire un modèle 3D facile à calculer : sa topologie fixe.

## Le prix

Une grille mécanique plus grossière que les données visibles finit forcément par se faire remarquer. Les auteurs signalent des artefacts près des frontières entre tissus durs et mous, car le paramètre de « matière » appartient aux splats alors que le comportement mécanique est ramené aux particules par moyenne.[2](https://doi.org/10.1145/3820013) Un volume non segmenté perd davantage d'information encore : il reçoit des propriétés homogènes au lieu de comportements distincts pour chaque tissu.

Le rendu se complique aussi au fur et à mesure que la dissection ouvre le modèle. Davantage de surfaces internes deviennent visibles, donc davantage de splats doivent être dessinés ; le papier cite explicitement ce coût parmi les points à améliorer.[2](https://doi.org/10.1145/3820013)

> **Ce que le papier établit**
> - modes : coupe, déchirure, excision: 3
> - GPU utilisé pour les mesures publiées: RTX 4070
> - étude pédagogique publiée dans ce papier: 0
> Le système privilégie la plausibilité visuelle ; il n'est pas validé comme simulateur chirurgical.

Le piège n'apparaît dans aucun benchmark : quand la texture vient de vraies coupes anatomiques, notre œil accorde volontiers le même crédit au mouvement. Or le système connaît bien la forme, la couleur, la position et parfois le nom d'une structure ; sa réponse mécanique, elle, reste une approximation assumée. Sur un stand de conférence, ce détail ne gêne personne. Dans un cours, il doit rester clair.

## Pas chirurgien

Cette différence interdit de confondre la démonstration avec un entraînement au geste opératoire. McGraw et Myers disent qu'une application chirurgicale demanderait justement un niveau de précision mécanique qu'ils abandonnent ici ; leur modèle vise une animation visuellement plausible et suffisamment rapide pour l'exploration.[2](https://doi.org/10.1145/3820013)

Le choix est moins choquant qu'il n'en a l'air. Un outil pédagogique n'a pas nécessairement besoin de prédire la force qu'exigerait une vraie incision pour aider à comprendre qu'une structure passe derrière une autre, où se situe un organe ou ce qu'une coupe révèle dans la profondeur. En revanche, dès que l'apprenant doit transférer une sensation, une résistance ou un geste clinique vers le monde réel, cette approximation devient centrale.

La scène SIGGRAPH résume très bien le premier usage : on coupe, on ouvre, on regarde. Six secondes suffisent pour comprendre. Le transfert vers un vrai geste clinique est une autre question, et cette démonstration ne cherche même pas à y répondre.

## Test manquant

L'équipe ne prétend pas encore avoir démontré que les étudiants apprennent mieux. La conclusion du papier annonce au contraire la construction future d'un banc d'essai pour mener des études utilisateurs sur les résultats d'apprentissage en anatomie.[2](https://doi.org/10.1145/3820013) Purdue présente de son côté le logiciel comme une manière sûre et accessible de pratiquer ou réviser, tout en précisant que ses auteurs ne s'attendent pas à remplacer entièrement la dissection physique.[1](https://polytechnic.purdue.edu/newsroom/purdue-polytechnic-researchers-win-audience-choice-siggraph-virtual-anatomy-tool)

Le prix du public à SIGGRAPH récompense donc quelque chose de plus modeste, mais déjà réussi : la manipulation se comprend presque sans mode d'emploi et tient sur scène. Le prochain test sera beaucoup moins photogénique. Il faudra regarder ce que l'étudiant retient, ce qu'il confond et ce qu'il comprend mieux après avoir refermé le corps virtuel.

La suite intéressante ne sera peut-être pas une coupe plus réaliste. Si les études prévues montrent qu'une mécanique volontairement approximative aide les étudiants à mieux se représenter l'anatomie, le résultat dira quelque chose de plus large : **la fidélité la plus utile peut se cacher dans une couche que la démonstration ne montre presque pas**.

## References

1. [Purdue Polytechnic, Purdue researchers win Audience Choice at SIGGRAPH for virtual anatomy tool](https://polytechnic.purdue.edu/newsroom/purdue-polytechnic-researchers-win-audience-choice-siggraph-virtual-anatomy-tool)
2. [McGraw & Myers, Real-Time Dissectible Deformable Models Using High-Performance Breakable Shape Constraints](https://doi.org/10.1145/3820013)
3. [SIGGRAPH 2026, Dissectible Anatomy: Embodied Exploration for Education](https://s2026.conference-schedule.org/presentation/?id=real_101&sess=sess315)
4. [National Library of Medicine, Visible Human Project](https://www.nlm.nih.gov/research/visible/getting_data.html)