#27 - Mathématicienne, Professeure, startup founder dans la DeepTech - les mille vies de Stéphanie Allassonnière

Comment passer des mathématiques pures à la création d'une startup qui sauve des vies ?
Dans ce nouvel épisode de IA pas que la Data, nous recevons Stéphanie Allassonnière, une mathématicienne d'exception qui a mis ses équations au service de la santé. Cofondatrice de la deep tech Sonio.io, elle nous dévoile comment l'IA peut révolutionner la médecine, même en partant de très peu de données.

Un échange passionnant à la croisée de la recherche fondamentale, de l'entrepreneuriat et des grands débats éthiques qui animent le secteur.

Dans cet épisode, vous découvrirez :

• Données synthétiques vs artificielles : L'art de créer des "patients numériques" pour accélérer la recherche et fiabiliser les essais cliniques, notamment sur les maladies rares.
  
  
• De la thèse à l'exit : Les coulisses de Sonio, la startup qui a révolutionné le diagnostic prénatal grâce à l'IA, de sa création pendant le Covid à son rachat par Samsung Medison.
  
  
• "Le médecin sans IA sera remplacé" : Pourquoi l'IA n'est pas une menace mais un outil d'augmentation qui transformera en profondeur tous les métiers de la santé, de l'infirmière au secrétaire médical.
  
  
• Le paradoxe de l'explicabilité : Faut-il exiger plus de transparence d'un algorithme que d'un médicament ? Un débat sur les biais, les régulations et le principe de précaution qui freine parfois l'innovation.
  
  

Bonne écoute 
> Partagez vos impressions, laissez un commentaire et aidez-nous à faire entendre la voix de "IA pas que la data".

• (00:00) - Introduction et présentation de Stéphanie Allassonnière
• (03:44) - La science pour la science vs la science pour l'appliquer
• (09:06) - Qu'est-ce que les maths appliquées à la médecine ?
• (12:37) - Créer des données artificielles à partir de petits échantillons
• (15:06) - La différence cruciale entre données synthétiques et artificielles
• (20:46) - L'IA à l'hôpital : où est le véritable impact ?
• (24:23) - Wearables, mutuelles et le futur de la surveillance santé
• (29:15) - Sonio.io : la naissance d'une deep tech en diagnostic prénatal
• (33:14) - De la startup créée pendant le Covid à l'acquisition par Samsung
• (37:51) - L'IA, une menace pour l'emploi ? Le défi de l'inclusion
• (43:38) - Gérer les biais de l'IA : maladies rares et populations sous-représentées
• (48:03) - Le paradoxe : pourquoi on demande plus d'explicabilité à l'IA qu'aux médicaments
• (50:48) - Le principe de précaution : qui a vraiment peur de l'IA en médecine ?
• (55:20) - Question de l'invité précédent : la French Tech sait-elle jouer collectif ?
• (57:04) - Le mot de la fin : "Faites des maths pour la santé !"

Créateurs et invités

Hôte

Pierre Vannier

Fondateur et PDG Flint, Dev Backend / IA, agitateur Tech ✨

Hôte

Thomas Meimoun

Machine Learning Engineer / Data Scientist

Invité

Stéphanie Allassonnière

Professor and Vice-President Valorisation, University Paris Cité, Chaire PR[AI]RIE chez Institut PR[AI]RIE, co-founder of Sonio.ai

Qu'est-ce que IA pas que la Data - Reprendre le contrôle sur tout ce qui se dit autour de l’intelligence artificielle ?

Reprendre le contrôle sur tout ce qui se dit autour de l’intelligence artificielle, voilà pourquoi nous avons créé ce podcast IA pas que la Data !

Tous les mois, nous aurons le plaisir d’accueillir des experts de l’IA, de la data et de la tech, qui nous partageront leur opinion et regard critique sur cette révolution.

Technophiles, ce podcast vous apportera un éclairage sur ce qui se cache derrière l’IA et vous permettra de prendre de la hauteur sur ce que l’on entend quotidiennement.

#IA #GenAI

Pierre Vannier (00:01.803)
Bonjour à tous et bienvenue dans IA pas que la Data, un nouvel épisode. Je suis Pierre Vanier, suis le fondateur et PDG de la société Flint. Flint qui est une ESN de data, de tech, d'IA, bref tout ce qui nous intéresse. On fait du conseil et aujourd'hui je suis accompagné comme d'habitude de mon accolée Thomas Maymoon qui est Lead Data Science pour la compagnie BRP. Salut Thomas.

Thomas (00:30.588)
Salut Pierre, salut salut.

Pierre Vannier (00:32.085)
Et on a le grand honneur aujourd'hui de recevoir une femme que je suis et que j'apprécie beaucoup dans tout ce qu'elle fait, est Stéphanie Alassonière, est VP Innovation Transfer à l'Université de Paris Cité, qui est directrice adjointe de Prairy, l'Institut Prairy, et elle est aussi professeure de mathématiques appliquée au milieu médical.

Et enfin, cofondatrice de Sonio, est une startup IA dans l'échographie obstéticale. Donc, elle a quand même beaucoup, beaucoup de casquettes, beaucoup de titres, beaucoup d'activités. Bonjour, Stéphanie. Merci d'être avec nous.

Stéphanie (01:01.774)
Bonjour Pierre, bonjour Thomas, avec plaisir.

Thomas (01:10.076)
Stéphanie.

Pierre Vannier (01:10.543)
Bon super, oui je disais que je suivais déjà beaucoup tout ce que tu faisais, notamment parce que ton parcours est assez intéressant, ce sens où tu te décris toi-même comme une mathématicienne, tu d'abord démarré par les maths, tu as écumé les bancs de l'institut polytechnique je crois, ou tu as même été prof.

aussi.

Stéphanie (01:40.11)
J'étais élève normalienne et j'ai été prof à l'école polytechnique.

Pierre Vannier (01:42.626)
élèves normaliennes.

prof polytechnique. D'accord, donc il a beaucoup de tokens dans ta tête. Comment t'as d'abord démarré dans les maths ? Parce que ça je trouve que c'est intéressant aussi de faire ce point là, non pas dans resasser les filles et les femmes dans la tech et dans les sciences etc. Mais quand même je pense que c'est important. Et puis de l'autre côté savoir comment à un moment donné tu as switché.

pour arriver vers le côté santé médicale.

Stéphanie (02:18.67)
Alors j'ai commencé par les maths de manière très très naturelle en fait. J'étais bonne en maths au lycée, j'ai aussi des antécédents, mon père a été prof de maths, ma sœur a été prof de maths. voilà, c'était une famille de mateux et j'avais d'un autre côté ma mère qui était infirmière, donc j'avais aussi ce côté médical et probablement pour réconcilier les deux, je me suis retrouvée à faire des maths pour la santé.

Pierre Vannier (02:29.105)
oui, c'est une famille de matheux.

Stéphanie (02:44.334)
de manière un petit peu théorique au départ, que de nouveau je suis toujours mathématicienne uniquement, l'idée c'était de développer des modèles, de pouvoir essayer de comprendre ce qui se passait dans des phénomènes de santé. Et puis comment j'ai vraiment basculé vers la santé, c'est qu'au bout d'un moment, on fait des modèles un peu hors sol, on se confronte à une problématique très simple, c'est qu'en fait il ne à rien.

et que quand on veut adresser un vrai problème, il faut qu'ils viennent du terrain. la plupart des cas, on n'arrive pas à comprendre et à proposer une vraie solution utile si elle ne pas du terrain. Alors, je n'ai pas complètement basculé. Il m'arrive encore de faire des maths pour faire des jolies maths, parce que ça me plaît, parce que les concepts sont jolis, parce que c'est quelque chose qui me motive. Mais de l'autre côté aussi, j'essaie de m'appuyer sur des problématiques et des questions qui viennent des médecins.

des soignants ou du domaine médical, en particulier l'optimisation des essais cliniques et ce genre de choses.

Pierre Vannier (03:44.687)
C'est un truc assez intéressant parce que moi me vient aussi quand même la question de... Tu disais, bon ben les maths au bout d'un moment on fait des modèles mais finalement on les applique pas à des vraies données etc. Est-ce que ça veut dire qu'il y a beaucoup beaucoup de recherches qui restent quand même beaucoup dans leur propre éprouvette et en fait finalement ma question elle est un petit peu plus loin. Est-ce qu'on gagnerait pas beaucoup...

si d'une manière générale dans les sciences comme ça relativement abstraite on avait plus de liens avec la réalité et le monde réel pour être capable d'appliquer parce qu'on a l'impression qu'on manque d'application de certaines sciences et que tu allé chercher ça finalement le manque de... j'ai de la data mais finalement c'est des chiffres sur des cases des data set mais ça représente pas grand chose

Stéphanie (04:39.49)
Alors oui, c'est vrai, il y a beaucoup de recherche qui reste dans les tiroirs. Après, elle reste pas juste dans les tiroirs. Il y a des publications scientifiques qui sortent. C'est des modèles qui permettent de décrire des phénomènes et qui permettent d'accroître la connaissance finalement. C'est pas complètement inutile. Donc, accroître la connaissance, qu'elle soit mathématique juste pour les maths ou mathématique pour la santé, ça accroît la connaissance. Après, elle répond pas forcément à un besoin de terrain. Elle répond pas à...

un pain point qui viendrait des médecins qui tous les jours endurent la difficulté du diagnostic quand on parle des maladies rares ou la difficulté de la prise en charge, l'optimisation de parcours de soins. Il y a énormément de questions qui si on ne se penche pas avec eux pour comprendre où est le véritable besoin, on fait des choses qui ne sont pas transposables à leurs besoins. Donc en fait, ça ne reste pas dans les cartons.

C'est pas complètement inutile parce qu'on fait quand même, on accroît la connaissance, donc c'est pas du tout inutile. Par contre, ça se heurte à l'utilisation concrète de ce qu'on a produit.

Pierre Vannier (05:47.759)
J'avais un petit peu cette impression qu'il y a une certaine dont la science est une fin en soi et une autre science dont la science est un moyen en elle-même pour atteindre autre chose. C'est un peu ça que je disais finalement et de dire que la science, pour la science uniquement mais sans avoir une finalité dans l'utilisation d'un algorithme, d'une recherche, d'une méthode, d'une...

d'un théorème, sur l'après et l'autre chose, qu'elles deviennent un moyen pour l'étape d'après.

Stéphanie (06:23.8)
C'est exactement ça, c'est faire de la science soit pour la beauté de la science et la connaissance je dirais, ou alors faire de la science pour l'appliquer, utiliser la science pour l'appliquer.

Pierre Vannier (06:36.935)
Et du coup, qu'est-ce qui t'a, quand t'es arrivé dans ce monde médical, bon en fait t'as fait médical d'un côté pour... En fait t'as voulu plaire à ta mère et t'as voulu plaire à ton père en fait. C'est ça. T'as voulu déplaire à l'aucun des deux. Ça doit être ça. On faire une séance de psy.

Stéphanie (06:49.614)
Inconsciemment peut-être. Peut-être inconsciemment. En fait, ma mère m'a toujours dit de psych.

Pierre Vannier (06:58.239)
Exactement. Non mais par contre quand tu disais que toute la famille était à un match, j'étais en train de réfléchir et me dire mais comment ils font le soir quand ils sont à table et tout ? C'est mange l'intégralité. L'intégralité, l'intégralité. Oui mais l'intégralité qu'est que ça peut être etc. Est qu'on est vraiment sûr ? La dichotomie ? Enfin ça devait être compliqué quand même vos repas à table avec tout le monde là.

Stéphanie (07:06.446)
Ha

Stéphanie (07:16.142)
Non, ça va. pense qu'on était encore capables de faire la différence. puis, de nouveau, il y avait l'entropie quand ma mère arrivait avec sa compréhension du monde très différente. voilà, ça m'était...

Pierre Vannier (07:27.009)
Donc quand t'es arrivé, t'as les maths que tu maîtrises, que tu comprends, cet environnement dans lequel tu baignes, tu comprends bien les stats, etc. Et du coup, le monde médical qui est quand vraiment aussi complètement différent.

même si de la recherche, même si scientifique etc. Et qu'est-ce qui t'a surprise le plus quand t'es arrivé finalement dans ce monde médical par rapport aussi au monde académique, de la recherche etc. et professoral et de normal sup, polytechnique etc.

Stéphanie (08:04.672)
Alors en fait, le monde médical dans lequel j'évolue est très académique aussi, parce que je suis essentiellement avec des médecins qui sont aussi des chercheurs. Je suis assez peu en contact avec les médecins qui sont des médecins libéraux, par exemple. Donc je dirais que le contraste est peut-être moins fort que ce que j'aurais pu vivre si j'étais devenu interlocuteur avec des médecins libéraux. Par contre, ce qui m'a quand même...

beaucoup beaucoup marquée, c'est qu'on parle pas le même langage et que les attentes des uns peuvent être complètement orthogonales aux capacités des autres. Quand un médecin va faire une demande, en fait je vais pas forcément réussir à répondre à cette demande là. Il va falloir discuter, comprendre les sous-jacents de la demande et peut-être qu'on va réussir à répondre à des questions intermédiaires et peut-être...

Pierre Vannier (08:57.303)
Une sorte de question référentielle en fait, d'alignement de vos référentiels à vous.

Stéphanie (09:01.299)
Exactement, exactement. C'est exactement ça.

Thomas (09:06.11)
J'avais une question, peut paraître un peu idiote, mais qu'est-ce que c'est que les mathématiques appliquées à la médecine ? Pour moi, j'ai toujours associé... Alors ça peut... Des fois je fais un abus de langage, mais pour moi les mathématiques en médecine c'est des statistiques. Et peut-être que je me trompe complètement vu le début de l'échange.

Stéphanie (09:12.031)
!

Stéphanie (09:22.968)
Alors, les mathématiques en médecine, c'est les statistiques, c'était des statistiques, parce qu'effectivement, au départ, quand on compare des populations et qu'on fait un essai clinique, on cherche une p-value, donc en fait, on fait des stats. Mais de plus en plus, on est en train de s'orienter vers des modèles très différents maintenant. On va mettre en équation des phénomènes. Ce que j'aime bien donner comme exemple, c'est la croissance des enfants dans les... Vous savez, les carnets de santé où on voit la courbe de croissance des enfants, c'est une équation mathématique, en fait.

Et donc on a mis en équation le phénomène de croissance. C'est un phénomène simple, l'équation est très simple, la variabilité est peut-être un peu plus complexe, donc ça demande un peu plus de travailler, mais on peut modéliser des phénomènes beaucoup plus complexes. Et là, on arrive encore sur des statistiques, parfois, mais pas que. Par exemple, sur la contraction musculaire du cœur, on a des modèles de mécanique de rétraction de fibres, de contraction de fibres, etc., qui permettent mécaniquement d'expliquer la chose. Et donc, les maths pour la...

médecine, peut aussi être ça. Utiliser les équations de la mécanique, de la mécanique des fluides, du transfert de particules physico-chimiques, etc. pour modéliser un phénomène. Et après, quand on n'a pas les équations sur des tâches qui vont être un petit peu plus complexes, voire beaucoup plus complexes, par exemple, l'exemple qu'on a beaucoup travaillé, c'était les maladies neurodégénératives où là, n'y a pas de phénomène de disparition de neurones, etc. Enfin, ça, on n'arrive pas à le modéliser. Donc en fait, on va mimer le phénomène.

On va mimer l'observation qu'on a, c'est-à-dire on a des scores cognitifs, on a des atrophies du cortex, on va mimer ce qui se passe sans avoir les vraies équations et à partir de ça, on va avoir des équations qui ne pas être forcément extrêmement fines parce qu'elles vont dépendre de paramètres et avec une base de données, on va ajuster les paramètres et du coup, on va avoir les bonnes équations pour la bonne population. Donc ça redevient des stats parce qu'en fait, on n'a pas...

Pierre Vannier (11:14.546)
Ça ressemble beaucoup à l'entraînement de LLM aussi, quelque part. Où en fait on a un dataset où on le fait passer sur ce dataset, il s'entraîne et puis au fur et mesure pour toute la back propagation et toute l'entraînement, on repasse dessus et on va ajuster tous les poids avec les descentes de gradient, la fonction de reward, etc. Ça ressemble beaucoup à ça.

Stéphanie (11:18.119)
oui oui oui, bien sûr !

Stéphanie (11:43.174)
En fait, apprendre les paramètres d'un LLM, des réseaux qui sont dans les transformeurs, c'est de l'apprentissage statistique sur un modèle très particulier. Nous, a fait des modèles différents qui expliquent autre chose, mais c'est pareil, on prend le modèle, alors il implique ou non des réseaux de neurones, on prend le modèle, on a des données, on a une fonction de coût de la même manière qu'on minimise.

ou qu'on maximise en fait. on maximise une vraisemblance, on minimise pas une... coup on maximise une vraisemblance, mais peu importe. Et du coup on obtient des paramètres et des équations qui vont décrire le modèle et mimer finalement la génération. Jamais TLLM n'ont appris la grammaire française et pourtant ils sont capables de la mimer. Et bien c'est exactement la même chose avec des maladies neurodégénératives, des phénomènes différents. Voilà.

Thomas (12:37.104)
J'ai souvent entendu parler de data augmentation dans le domaine de la santé pour avoir plus de données transformées. On reviendra peut-être dessus un peu plus tard, mais j'ai aussi vu de ton côté que développais des modèles statistiques génératifs pour créer des données artificielles à partir de petits échantillons. Est-ce que c'est à peu près la même chose ou on touche encore à un nouveau sujet ?

Stéphanie (12:56.826)
Non, c'est exactement la même chose. fait, c'est juste qu'on change les modèles. Les modèles qu'on a utilisés pour décrire les maladies neurodégénératives sont des modèles sur lesquels on a réussi à écrire des équations pour mimer le phénomène. Donc un peu comme écrire l'équation de croissance des enfants. Donc ça, c'était encore des équations qu'on arrivait à écrire. a un moment où on n'arrive plus à écrire les équations quand on décrit des phénomènes et donc on passe à une complexité accrue en introduisant des réseaux de neurones.

Et donc c'est ce qu'on a fait. problème du réseau de neurones, c'est que c'est des dizaines de milliers de paramètres. Donc ça demande beaucoup de données. le cas où moi je... Enfin, sur lequel moi je me suis penchée, c'est véritablement le cas où je n'ai pas assez de données pour entraîner un LLM, pour entraîner un réseau de neurones, ce genre de modèles. Alors je dis LLM, mais en fait, on le fait pour de l'imagerie, on fait pour quoi que ce soit. Donc tous ces modèles génératifs basés sur des modèles de fondation sont très gourmands en données. Donc moi, j'ai pas assez de données parce que je...

travaille sur des petites populations de maladies rares, populations fragiles, etc. Et donc ce qu'on a développé, c'est une façon de tordre le cou à ces modèles-là, en regardant les maths dedans, de nouveau, on écrit les équations, on contraint avec des contraintes mathématiques de structuration des données. Et à partir de là, en fait, c'est comme quand vous avez un système, quand vous étiez petit, vous aviez « si j'ai 10 inconnus, il me faut 10 équations minéaires

Là, c'est pareil, à peu près. Si j'ai beaucoup de paramètres, je vais avoir besoin de beaucoup d'équations et donc beaucoup de données. Sauf si je dis que je pas d'équations, j'en ai moins, mais je sais que mes paramètres sont interdépendants, il a des trucs qui vont se passer. Donc je vais contraindre la solution, et c'est exactement ce qu'on a fait dans ces dimensions beaucoup plus importantes et ces modèles plus complexes, mais on a juste contraint à ce qu'il se passe pas n'importe quoi et que ça reflète quelque chose d'important dans les données, en particulier des notions de distance et de proximité.

Thomas (14:50.236)
Très très clair et justement souvent tu insiste sur la différence entre les données synthétiques et les données artificielles. Je pense qu'on rejoint la réponse précédente. Est-ce que tu as besoin des deux à chaque fois ? Est-ce que l'un permet de nourrir l'autre finalement ?

Stéphanie (15:06.434)
Alors, en fait, la notion de données synthétiques, date, elle vient pas de nous. Elle a été utilisée par la FDA. Et c'est pour ça que je l'oppose un peu à données artificielles, c'est que la FDA, la Food and Drug Agency, celle qui va autoriser les médicaments, les dispositifs médicaux sur le sol américain. Donc la FDA regarde les essais cliniques, par exemple.

Thomas (15:20.028)
C'est quoi FDI ?

Stéphanie (15:34.414)
Et quand ils ont regardé des essais cliniques, ils ont appelé cohortes synthétiques, une cohorte de patients qui étaient en fait des patients d'anciens essais cliniques qu'on était allés agrégés de nouveau ensemble pour créer une nouvelle cohorte. Donc j'avais un essai 1 avec des patients de l'essai 1, j'avais un essai 2 avec des patients de l'essai 2, pour mon essai 3, je ne vais pas refaire un bras-control, je vais aller chercher quelques patients du 1, quelques patients du 2, je vais correctement les agencer pour faire ma cohorte. Et donc ça, ils ont appelé ça cohortes synthétiques.

Et du coup...

Pierre Vannier (16:04.505)
est stupide parce qu'en fait c'est pas synthétique c'est une cohorte réorganisée ou une cohorte mixée ou une cohorte augmentée peut-être mais pas synthétique

Stéphanie (16:08.225)
Exactement.

Stéphanie (16:13.92)
On est d'accord. Le problème, c'est que maintenant, quand vous allez à la FDA pour un essai clinique avec un pharma derrière, et si le promoteur, c'est une entreprise pharmaceutique, si vous dites que vous faites des cohorts synthétiques, pour eux, il part du principe que vous faites ce genre de choses. Et donc, du coup, on a basculé sur, voilà, on fait de l'intelligence artificielle, donc on va créer des cohorts artificiels à partir d'un petit jeu de données. On est capable de créer des patients de manière complètement...

numériques, en fait ils ont jamais existé ceux-là. Pour le coup c'est pas ni des anciens, des nouveaux. Par contre on les crée.

Pierre Vannier (16:47.192)
des sortes de jumeaux numériques, des patients numériques.

Stéphanie (16:50.05)
Alors, ce pas des jumeaux parce qu'ils correspondent à personne. En fait, on fait une population gemmélère, si tu veux. Ça veut dire la population va partager les mêmes caractéristiques que la population initiale, mais ce ne pas les mêmes individus exactement. Et l'avantage que ça a, c'est que cette fois-ci, on part de patients qui ne pas des anciens patients, de précédents essais qui pourraient avoir été collectés dans des conditions très différentes. Prenez un essai clinique qui est avant 2019.

Pierre Vannier (16:53.679)
Ouais.

Stéphanie (17:19.158)
il n'y a pas eu le Covid, donc les gens n'étaient pas en télétravail, il y avait plein de choses qui se sont modifiées depuis. Prenez aussi un essai clinique d'il a deux ans sur des problématiques cardiovasculaires, il n'y avait pas les gens qui étaient en train de prendre le médicament miracle qui fait maigrir aux États-Unis. Et donc du coup, on était dans des conditions extrêmement différentes. donc récupérer des patients antérieurs pourrait biaiser un peu le recrutement. Alors que là, on dit stop.

On prend les mêmes patients dans le bras contrôle et dans le bras traité, on en prend juste moins dans le bras contrôle, on en crée un peu plus pour augmenter la taille de la population et qui va venir compléter l'échantillon et qui permettra de faire l'étude statistique correctement. Et donc vraiment, on crée des faux patients, finalement, qui partagent les mêmes caractéristiques que la population qu'on a étudiée.

Thomas (18:11.644)
Mais ça ouvre une question et je pense qu'en fait tu y réponds un petit peu mais juste pour bien saisir si tu penses que ton système il a 10 inconnus mais que en fait on a complètement omis, on s'est pas rendu compte que le système en réalité avait 11 inconnus mais on a créé un système à 10 inconnus. Comment, est-ce que ça te rèverait pas du biais d'utiliser des données que ça soit synthétique ou artificielle ?

Stéphanie (18:32.332)
Alors, les données qu'on crée, elles vont représenter la variabilité de la population initiale. Donc, ce n'est pas moi qui décide de combien je vais avoir de degré de liberté finalement. La façon dont on a réussi à tordre le cou au truc, c'est que justement, je n'impose pas une dimension particulière de la représentation des données, mais je la capture.

Pierre Vannier (19:01.583)
Et tu peux expliquer ce que ça veut dire ?

Stéphanie (19:04.91)
Imaginez que vous avez des disques dont la seule variabilité, vous observez des images de disques noirs sur fond blanc. La seule variabilité, ça va être la taille du diamètre. Donc je vais observer des tas de disques dont la seule variabilité c'est la taille du diamètre. Ce sont des images, donc je pourrais dire ça vit en grande dimension ce machin. Parce que c'est des images, je sais pas moi, 100 % ça vit en très grande dimension. En fait ça vit pas du tout en très grande dimension, ça vit en dimension 1.

À partir du moment où je suis capable de définir qu'il un disque quelque part avec la seule variabilité, c'est l'augmentation du diamètre, j'ai décrit entièrement la population. Et en fait, c'est ça qu'on est en train de capturer. Ce qu'on capture dans les méthodes qu'on a développées, c'est être en capacité de reconnaître qu'en fait, il a quelque chose de très linéaire dans la position des individus. Ils sont tous proches les uns des autres. Si je mets les diamètres croissants, par exemple.

Pierre Vannier (19:42.031)
...

Stéphanie (20:02.402)
ça peut être une courbe, mais en tout cas c'est unidimensionnel. Et donc ce qu'on essaie de capturer c'est ça, c'est-à-dire que j'ai beau être en 3 ou en dimension 10 ou 15, il a un moment je vais réussir à capturer le fait qu'il vive sur ce qu'on appelle un outil mathématique assez sympathique qui une variété rimanienne, deux dimensions, un, et qui va en fait décrire cette linéarité dans l'espace des variétés.

Pierre Vannier (20:26.615)
On cherche à définir l'espèce de plus petit dénominateur commun des features de la population. Avec un jargon qui est absolument pas de mathématicien. Mais c'est très très intéressant. Thomas, tu voulais... On t'a perdu ou... Non non, vas-y !

Thomas (20:46.236)
Non vas-y je t'en prie. Non pas du tout. Je suis entrain de réfléchir au concept. Non non j'aime bien mais je crois qu'on a rarement autant réfléchi pendant un échange. Je change un tout petit peu de sujet mais on parle souvent d'IA pour optimiser les hôpitaux, les cabinets médicaux et ce genre de choses. Mais selon toi l'impact il est où en réalité ? Est-ce que c'est vraiment là dedans ? Est-ce c'est sûr ? En fait, est-ce qu'on doit toucher quelqu'un en particulier ? Les médecins, les patients ? J'ai aussi le terme protocol mais bon c'est peut-être un peu...

...

Stéphanie (21:16.568)
Alors, la question est vaste. Où est-ce qu'il faudrait mettre de l'IA pour que ce soit efficace ? Évidemment partout. L'optimisation des hôpitaux en termes administratifs, c'est un vrai problème. On a toujours des problèmes de patients qui sont, si vous allez dans les urgences, avez toujours des problèmes de patients qu'on appelle les pré-portes, qui sont entre deux portes, ils sont pas encore, ils ont quitté les urgences parce qu'on a bien compris ce qu'ils avaient, mais ils peuvent pas intégrer leurs services.

alors que vous allez avoir des places dans des chambres, dans les services qui sont vides. Mais comme la correspondance n'est pas faite en temps réel, les gens restent dans les couloirs. Donc il y a toute cette optimisation de transfert de patients qui pourrait être fait. Evidemment, alors ça c'est de manière un peu plus administrative, les plannings en fonction des activités prévues au cours de l'année, des nuits, des week-ends, des fêtes, des attention c'est les GEO ou « attention justement c'est les vacances, tout le monde est parti ».

il y aurait tout ça aussi à faire. donc ça c'est vraiment la partie gestion administrative qui serait bénéfique à tous. La partie médicale, on a déjà énormément de choses qui se fait sur l'aide aux diagnostics, l'aide à l'optimisation de la prise en charge, donc quel est le meilleur examen à faire après, on est en train d'avoir plein de choses qui se développent. Mais pour l'instant, ça se bloque un peu parce que ce sont des dispositifs médicaux numériques, donc ils doivent être marqués.

Et le marquage, c'est un essai clinique et ça coûte une fortune, un essai clinique. Le marquage FDA est un peu plus facile parce qu'il a pas d'intermédiaire, mais le marquage CE, donc européen, demande de passer par un intermédiaire et vous avez 18 mois d'attente pour passer à peu près par certains intermédiaires. Donc les organismes notifiés sont vraiment difficiles d'accès.

Tout ça, rend les choses extrêmement lentes. Par contre, ce qui est en train de se développer, c'est le speech to texte, c'est-à-dire capturer le dialogue entre le médecin et le patient, le retranscrire, organiser un compte rendu et organiser la collecte de données pour qu'elle soit structurée et réutilisable. Et ça, c'est un gain de temps et un gain d'efficience qui est notable. On sait très bien que ça va énormément aider le médecin qui va de nouveau se reconcentrer sur le dialogue avec son patient et pas...

Stéphanie (23:37.842)
Tiens, je devrais lui poser une question. Donc le patient est en train d'écouter, mais je suis en train de noter la prochaine question parce que j'ai pensé à quelque chose. Et puis finalement, j'ai raté l'information qu'il m'avait donnée, donc je lui repose une autre question. Et en fait, on va énormément y gagner. Donc je pense qu'il y a cet aspect-là. Et pour le patient, je dirais même plus pour le citoyen, là où on va y gagner en IA, c'est quand on arrivera à faire des modules de prévention.

où comme on a tous des smartphones, voire des montres connectées, des dispositifs connectés, etc., on va réussir à anticiper des phénomènes qui seraient délétères pour les citoyens, qui les feraient passer du côté patient.

Pierre Vannier (24:23.215)
pour avoir des wrist-turns sur son sa mutuelle par exemple. Vanier, ce mois-ci vous n'avez fait votre gym que 0,43 fois sur une journée. à que vous avez fait 15 minutes de workout dans le mois. Votre prochaine mutuelle sera donc de 273 euros pour le mois suivant.

Stéphanie (24:28.075)
Alors, c'est pas autorisé.

Stéphanie (24:46.048)
Alors c'est interdit. En fait il y a des interdictions en Europe, en tout cas en Europe.

Pierre Vannier (24:52.719)
La question n'est pas de savoir si c'est interdit ou pas, question est de combien de temps ça reste encore interdit.

Stéphanie (24:58.316)
Alors ça c'est une bonne question, je n'ai pas la réponse, je ne rentrerai pas dans ces débats.

Pierre Vannier (25:01.087)
Voilà, parce qu'en si on regarde après les entreprises dont le but est de gagner énormément avec ce type de technologies là, notamment l'IA, la surveillance, l'automatisation, etc. Leur méthode de fonctionnement, c'est de casser et d'aller très vite, et notamment d'aller très vite pour pouvoir aller sur des flous juridiques ou des trous.

et être capable de prendre des parts de marché très très vite sans que le législateur puisse avoir le temps de se retourner. Mais donc du coup, je voulais... Oui.

Thomas (25:33.692)
Mais Pierre, attends, je me permets quand même sans trop ouvrir le débat, en fait, ça peut aller dans les deux sens, aussi, parlais des montres connectées, Stéphanie, je suis plutôt d'accord, les outils, enfin, je ne même pas comment on peut appeler ça les wearables, que ce soit les bags, que ce soit les... Aujourd'hui, ce n'est que du domaine du privé, donc à un moment, le problème, sera toujours le même, c'est que si on veut obtenir ces données-là, et j'imagine que je pense à la France par simplicité, ça reste l'État.

elle doit acheter ses données à un moment. Et il y a cette notion de privé et de coût associé à toute cette information si précieuse sur sa population, ?

Stéphanie (26:11.596)
Alors, on a une chance incroyable, c'est que dès que vous avez un acte fait par un professionnel de santé, quel qu'il soit, médecin, pharmacien, infirmière, kiné, etc., vous allez avoir un remboursement, donc les données sont remontées au niveau de l'État. Parce qu'il a un remboursement. En fait, comme c'est payé par le frais du contribuable, ça revient à l'État au bénéfice du contribuable. Donc ça, c'est une première chose.

Après effectivement, sur les montres connectées, sur les téléphones qui comptent le nombre de pas qu'on a fait dans la journée, etc. Ce sont des données qui vont évidemment appartenir à celui qui... Normalement, la donnée appartient à celui qui la génère, attention, sur le sol français en tout cas, mais il n'empêche qu'elle peut être exploité parce qu'hébergée par le promoteur du device en question. il va... Par exemple.

Thomas (26:51.1)
normalement.

Pierre Vannier (27:01.269)
nos abigafames.

Stéphanie (27:03.072)
Donc il va y avoir, mais il déjà, ils ont fait des études, c'était un prof que je connaissais bien qui était dans le Minnesota, qui s'appelle Guillermo Sapiro, qui avait fait justement des études sur les montres connectées Apple pour savoir si le fait que la montre sonne, alors je n'ai pas une montre connectée, moi j'ai une montre, vieille montre, enfin une vieille, vieille, mais une montre normale, si la montre sonne toutes les 50 minutes pour vous dire qu'il faut vous lever si vous avez été assis pendant 50 minutes,

Est-ce que ça permettait d'augmenter le taux de mobilité des personnes portant ces dispositifs ? Et en fait, ils se sont aperçus que si vous êtes très sédentaire et que vous bougez très peu, si ça sonne très bien, allez le faire sonner. Ça va sonner une deuxième fois cinq minutes après, puis en fait, vous n'allez pas vous lever parce que ce n'est pas votre trip. Par contre, si vous êtes déjà un peu sportif, un peu machin, vous allez...

Et puis en fait, n'a fait que renforcer les écarts entre les gens qui se levaient, enfin les sportifs et les non sportifs. Donc bon, ils ont fait des études, c'est sympa, pour montrer qu'en fait leur truc, servait à rien, en tout cas pas à ce qu'ils espéraient, c'est-à-dire faire bouger plus les gens qui bougeaient pas. Les résultats, crois que sont publics. De nouveau, il chercher Guillermo Sapiro. Et donc, c'était très intéressant de voir ce qu'il avait fait parce que ça prouve qu'aux États-Unis, les données qui sont collectées, elles sont utilisées effectivement par le propriétaire qui était Apple.

Donc on aura ce genre de truc. De là à ce que, en tout cas en Europe, aux États-Unis, pense aussi ça va être compliqué, ce soit utilisés par les assureurs ou les mutuels, il va falloir qu'elles déboursent. Parce que si elles veulent les données d'Apple, Apple va pas les vendre à bon marché, parce qu'eux peuvent en faire des choses aussi. oui, il y aura une monétisation de la donnée et ça, sur le seul américain ça existe déjà, ce ne serait pas nouveau.

Pierre Vannier (28:57.549)
Super, j'ai jeté mon Apple Watch depuis 5 minutes, je saute dessus à pieds joints. Non mais bon, avec tous ces wearables, on va avoir un avenir assez sympa. Moi ce que j'attends avec impatience, c'est les super lunettes de Mark Zuckerberg. Au passage, je lui fais un gros bisou. Mark, si tu nous écoutes, non je déteste ces lunettes mais bon. Tu as fait aussi Sogno.

diagno-snick prénatal. Déjà est-ce que tu peux nous en dire un peu plus sur ce projet Sonio parce que je crois qu'il est assez protéiforme et il y a pas mal de choses dedans. a pas que l'échographie obstétrique etc. mais il a tout un tas d'autres choses. Et est-ce qu'il de l'IA dedans ? Et voilà.

Stéphanie (29:44.009)
Et est-ce qu'il y a de temps ? Alors, Soniaud est née d'une manière très à la mode, ce qu'on appelle la Deep Tech maintenant. C'est-à-dire qu'en fait, c'était un projet de recherche. Le chef de service de la maternité de Necker-Yves Ville avec un de ses collègues, s'appelle Julien Cernoman, sont venus nous voir en nous disant voilà, on a un problème d'engorgement des centres de diagnostic prénatal. Il y a des gens qui n'ont pas grand-chose et qui harcèlent la secrétaire parce qu'en fait,

mine de rien, même pas grand-chose sur un bébé en devenir, ça inquiète les parents. c'est évident que si vous dites aux parents « il faut un deuxième avis, ça devient la catastrophe », alors il faut rassurer ces patients-là. Et du coup ça laisserait la place à des patients qui en ont vraiment besoin pour une intervention inutérale ou pour un complément diagnostique qui nécessiterait une intervention diverse. Donc ça c'était le texte médical.

La contrainte mathématique, c'est d'apprendre à partir d'un premier signe échographique, donc 6 orteils au pied gauche, à dérouler un arbre de décision qui est de très très grande dimension parce qu'on a à peu près 1000 signes échographiques, plus de 400 maladies du fœtus, et puis on a beaucoup d'incertitudes sur les prévalences des maladies, sur les prévalences des phénotypes conditionnellement aux maladies, des co-occurrences de phénotypes, parce qu'une maladie rare...

C'est malheureusement très souvent des co-occurrences qui permettent de la détecter. Et donc on a travaillé, alors oui, avec de l'apprentissage, de l'apprentissage par renforcement, donc c'est de l'IA. Et à la fin de la thèse de Rémi Besson, que j'ai supervisé avec Erwan Le Penek qui était prof à l'X avec moi, et puis moi j'ai déménagé entre temps à Paris Cité mais lui il est resté à l'X.

Donc on a co-encadré cette thèse. Rémi avait à la fin de sa thèse un outil qui fonctionnait en temps réel, qui gérait 80 pathologies déjà. Et donc on s'est dit à l'égo. On a eu la chance de sur notre chemin Cécile Brosset, qui est devenue la CEO, qui nous a embarqués. D'abord Rémi, comme CSO, vraiment développait la technologie pour passer à plus de pathologies, pour passer à...

Pierre Vannier (31:47.311)
...

Stéphanie (32:04.654)
les séquenis nécessaires en rétrospectif pour valider la méthodologie, etc. Et puis nous, comme co-fondateurs, les deux scientifiques et trois médecins qui étaient donc Yves-Julien et Emmanuel Spagari. C'est une super histoire ! Rémi a fait une super thèse !

Pierre Vannier (32:15.641)
c'est une super histoire ça. Non mais je prends juste le temps parce que d'habitude je suis tout le temps en train de bâcher, d'être pessimiste, d'être au ronchon etc. Mais là j'ai envie de dire c'est quand même une super histoire d'un truc qui marche. Non mais je veux dire on a quand même un gouvernement qui marche pas depuis 9 mois par exemple ou plusieurs années. Ça ça marche, on a eu de la recherche, un doctorat, un encadrement, une thèse qui se passe bien et après un passage de l'académique.

Stéphanie (32:29.23)
Ouais.

Pierre Vannier (32:45.035)
finalement une naissance, j'ai aussi envie de dire aussi, une naissance du coup de Sonio dans cet accompagnement académico-privé qui fait qu'on passe de quelque chose de scientifique à une preuve de concept, à quelque chose de validé et à une application de la découverte de la recherche et à un vrai nouveau produit issu de la recherche appliquée. Donc bravo.

Stéphanie (33:08.59)
C'est ça. Merci. Mais c'est Rémi qui a fait le boulot. Donc Rémi a intégré Soniaux.

Pierre Vannier (33:14.153)
Non, c'est jamais une seule personne, c'est toujours un travail d'équipe et du coup maintenant Sonia, on est où ?

Stéphanie (33:23.79)
Alors Sonia a été créée... donc Rémi a soutenu en 2019, Sonia a été créée en 2020.

Pierre Vannier (33:30.144)
super en plus en plein Covid et tout quoi.

Stéphanie (33:31.886)
Oui, on a fait tout ça très bien. On a créé Sonio en 2020 avec Cécile à sa tête et Rémi comme bras droit scientifique. Depuis, la startup a beaucoup grossi. a fait d'autres modules. Il a ce module de diagnostic des maladies rares, il y a eu d'autres modules intermédiaires, en particulier le contrôle qualité de l'examen. Quand vous avez une série d'images qui sont recueillies pour l'examen échographique.

En fait, il a des standards qui sont fournis par les sociétés savantes. Et donc là, on fait un contrôle qualité. Vous avez pris toutes les coupes, sauf que celle-là, elle n'est pas extrêmement pertinente. Elle ne correspond pas aux standards. Donc il y a un contrôle qualité, ce qui permet d'augmenter le niveau de la qualité de l'examen. Exactement. Après... Exactement. Puis ça permet maintenant aussi d'avoir un module qui va détecter les anomalies. Donc sur une coupe...

Pierre Vannier (34:01.454)
Mmh-hmm.

Pierre Vannier (34:15.22)
de qualité de l'examen lui-même, et donc du service rendu aux patients.

Stéphanie (34:27.424)
où vous êtes censé voir les quatre cavités du cœur, on va dire attention, visiblement il a une des cavités qui n'est pas complètement délimitée, donc il y a peut-être une fuite.

Pierre Vannier (34:35.588)
C'est grâce à l'entraînement du modèle d'imagerie sur des gros datasets d'images de ventricule, de fœtus, etc.

Stéphanie (34:44.64)
Tout à fait, tout à fait. Et là, on a eu des bases de données à la fois américaines et européennes.

Pierre Vannier (34:50.531)
Et du coup, projet s'est développé, l'entreprise peut-être a levé des fonds classiquement, etc. Et maintenant est sur un trend d'internationalisation et de gagner des parts de marché et de se faire acheter par une grosse Américain. C'est fait.

Stéphanie (35:06.398)
C'est fait. On a été rachetés il y a un an et pas par un Américain, par un Coréen. On a été rachetés par Samson Madison il y un an. Mais effectivement, Cécile est aux États-Unis en train de monter la filiale américaine pour avoir les parts de marché sur le sol américain, sachant qu'il déjà des parts de marché au Brésil aussi et en Inde.

Pierre Vannier (35:13.013)
Ok, ok, ok.

Thomas (35:14.428)
Toi, le pire. Oups.

Pierre Vannier (35:24.943)
Donc faut que tu montres une autre entreprise maintenant Stéphanie.

Stéphanie (35:27.246)
C'est fait ? Non disons que je participe plutôt. J'ai transféré l'augmentation de données dont on parlait tout à l'heure pour les essais cliniques, j'ai transféré toute la méthodologie chez BOD Design qui a développé toute la plateforme d'augmentation de données justement qui s'appelle ORIGA et qui est en train d'essayer de prouver justement la valeur de ces données augmentées pour permettre à des essais cliniques qui seraient en

en risque de ne pas aboutir à cause du recrutement. Donc on ne parle pas des essais cliniques sur lesquels les recrutements vont bien, mais on parle du petit tiers des essais cliniques, ce qui est quand beaucoup sur le nombre d'essais cliniques artiaires.

Pierre Vannier (35:58.895)
Mmh.

Pierre Vannier (36:04.783)
ils leur manquent de la data, ils ont 60-70 % mais en fait ça ne pas marcher, ne vont pas passer, ça va être retoqué, ils vont perdre beaucoup d'argent et beaucoup de temps.

Stéphanie (36:10.065)
Voilà.

Exactement. donc là voilà, c'est au rigueur.

Thomas (36:16.546)
J'avais une toute petite question vis-à-vis de ça, c'est les données, datent de quand sur ce genre de solutions et d'outils, puisque si vous utilisez de l'imagerie médicale, est-ce qu'on a des données depuis 30 ans, 40 ans, 50 ans qui ne pas de la même qualité ? Non mais c'est...

Pierre Vannier (36:28.919)
depuis 1823, mais les images étaient quand moins qualitatives avant.

Stéphanie (36:29.775)
Non mais c'est une vraie question parce que ça se trouve il a 10 ans...

Thomas (36:32.763)
Non mais c'est une vraie question puisque ça se trouve il y a 10 ans de données c'est déjà merveilleux mais aussi en 10 ans je pense qu'il y des pathologies qui se sont créées, les comportements, on n'est plus les mêmes humains qu'il y a 40 ans ou 50 ans, du moins les naissances j'imagine, 100 ans c'est encore autre chose. Est-ce que c'est quelque chose que vous avez peut-être dû considérer ?

Stéphanie (36:51.53)
Il a fallu considérer une chose beaucoup plus basique, c'est les différents appareils qui font l'échographie. Quand vous avez une marque ou une autre, il y a des qualités d'image différentes, vous allez avoir des résolutions différentes. donc du coup, il a fallu déjà gérer ça, même à l'instant présent, si on collecte de l'imagerie.

Pierre Vannier (37:04.297)
résolution différente.

Pierre Vannier (37:12.616)
normaliser quelque part toutes ces images.

Stéphanie (37:15.04)
il fallait prendre en compte toute cette variabilité d'imagerie. me souviens d'un test qui avait été fait, je crois que c'était Rapixel qui l'avait fait, sur la mammographie. Ils arrivaient à avoir une discrimination sur non seulement la machine, mais l'opérateur qui avait utilisé la machine. Parce qu'en fait, quand on place en mammographie... Exactement. Et donc, il fallait absolument être en capacité de lisser tout ça. Donc, c'est hyper important d'avoir accès à des bases de données représentatives. C'est-à-dire qu'il s'en manque, on sera...

Pierre Vannier (37:32.405)
Il y a des biais dans l'opérateur aussi, les images, bien sûr.

Stéphanie (37:44.938)
pas en capacité de comprendre cette frange-là des données qui n'auraient été vues.

Thomas (37:51.772)
C'est hyper intéressant. Je me permets d'aller sur un autre sujet. j'ai franchement hâte de débuter ici. C'est que souvent, la médecine de façon très très large, il a beaucoup d'administratifs. Tu l'as mentionné un peu auparavant. Ce n'est pas que ça, bien sûr. Il y a beaucoup d'administratifs et donc l'intelligence artificielle, c'est quelque chose qui peut faire peur comme un grand remplaçant. Donc, je n'utiliserai pas d'autres termes, mais un grand remplaçant et ça irait faire perdre de l'emploi pour les pays et ce genre de choses.

J'ai vu auparavant que disais souvent que l'enjeu ce n'est pas l'automatisation mais l'inclusion. Est-ce que c'est peu connecté ces deux choses, le fait de ne avoir peur et d'accepter le changement ?

Stéphanie (38:32.696)
Oui, je pense qu'en fait les métiers vont changer. Quand on a eu la révolution industrielle et l'automacisation, c'est sûr que si vous reprenez le film de Charlie Chaplin où il est en train de serrer les boulons, ça, n'existe plus. Mais il a des métiers autres et des métiers qualifiés qui sont apparus, en fait. Et là, on va avoir des interfaces entre l'outil d'intelligence artificielle et le médecin. Parce que ce n'est pas le médecin qui va comprendre la technicité du truc. Il aura...

comme dans un service de radiologie, il a des manip radio qui positionnent la personne, qui font attention à ce qu'il a besoin ou non de produit de contraste, etc. C'est pas le radiologue que vous voyez quand vous rentrez dans votre scanner ou dans votre IRM, c'est un manip radio. Parce que c'est lui qui connaît comment gérer et configurer la machine. Ce sera pareil. Il y aura, oui, pense, des métiers qui vont disparaître, mais il en aura d'autres, des métiers tout aussi qualifiés, voire davantage qualifiés, qui vont apparaître parce qu'on va avoir besoin...

d'interface, va avoir besoin de justement que tout monde réussisse à se parler pour pas qu'il des cloisonnements dont j'entendais hier dans un événement un médecin, un oncologue, Fabrice Denis qui disait le médecin sans IA sera remplacé lui n'existera plus par contre un médecin qui utilise correctement l'IA lui il va rester et lui il va se développer et c'est ça qui va se passer une infirmière par exemple elle va avoir à gérer

des données qui vont lui remonter de dispositifs connectés, des pacemakers, des choses comme ça. Ce pas le médecin forcément qui va analyser ces données-là, il qu'elles soient en capacité de le faire. Donc on va avoir des infirmières de pratique avancées qui vont avoir des compétences en IA. Les kinés de la même manière, comment ils vont gérer le fait qu'avec simplement quelques données sur la motricité, la marche, etc., ils vont être en capacité d'adapter la rééducation. Mais tout ça, ça va faire que les kinés vont aussi avoir leur métier qui va évoluer.

Je pense que la secrétaire médicale risque de disparaître dans sa façon de faire là. Mais je connais le métier de secrétaire médicale pour l'avoir vu. De nouveau, ma mère était en milieu hospitalier. Elle récupérait le dictaphone du médecin, elle avait les écouteurs et elle tapait ce que disait le médecin et le médecin relisait derrière. Ça, mais ça n'existe déjà plus en fait. La secrétaire médicale ne fait déjà plus ça. Donc, ça a déjà évolué.

Stéphanie (40:53.13)
Par contre, va falloir être en capacité de vraiment embarquer tout le monde parce que tout le monde va être concerné. Si on se dit, on n'a pas besoin de former les infirmières, c'est faux. Elles vont être en première ligne. Donc il va falloir embarquer tout le monde. Donc l'inclusion, exactement, c'est l'inclusion de tous.

Thomas (41:10.172)
Mais comment on fait, comment on inclut des personnes qui ont travaillé dans un domaine pendant 20, 25 ans, 30 ans ? Moi, c'est un peu ça la question que je me pose et oui, je suis complètement d'accord, les personnes aux accueils qui sont vraiment essentiels ou des personnes qui accompagnent les médecins, qui font ça et qui ont créé des compétences au niveau du cerveau et même moteur sur la façon de faire, comment on les fait passer à l'étape suivante, dire bon, ça vous allez le déléguer, ça on n'a plus besoin de cette compétence, vous allez vous concentrer sur autre chose.

bien sûr les gens de 20, 25 ans, 30 ans ils devront accepter le changement mais les personnes qui ont plus de bouteilles c'est difficile

Stéphanie (41:50.329)
Et bien oui, mais en même temps, pense que les gens, je ne pas, sont assez contents de changer un peu de leur petite routine. donc évidemment, et ça, c'est toujours ce qu'il faut considérer. Quand vous avez une innovation, le coût du changement doit être à considérer avant l'apport et le bénéfice que ça pourrait créer. Parce que si la marche à monter, elle est trop haute, vous n'arriverez pas à les faire monter la marche et donc votre truc ne jamais accepté.

il va falloir des outils qui font monter les marches petit à petit, ce qui vont permettre aux gens de s'adapter petit à petit aux effets. Et évidemment, si vous leur dites bon, alors du jour au lendemain, tu passes de secrétaire médical à IPA, non, ça, c'est absolument impossible. Par contre, si petit à petit, on explique que c'est plus le dictaphone, mais ça va être de la relecture médicale, mais vraiment médicale. Donc c'est elle, la secrétaire médicale, qui va faire la relecture.

Alors je suis pas très politiquement correcte entre les L et les I, le secrétaire Jémy-L, désolée. Voilà, les biais, mais c'est pas grave. J'assume, tant pis. Donc la secrétaire médicale va avoir probablement un métier beaucoup plus intéressant en termes de... intellectuels, c'est-à-dire c'est plus juste frapper un texte, voilà, elle va avoir à relire, savoir s'il a une cohérence, peut-être détecter sur...

Thomas (42:55.962)
Merci.

Stéphanie (43:15.754)
les documents qu'elle aura eus au préalable, qu'il y eu d'incohérence, corriger, les hallucinations ou des choses comme ça. Mais si on arrive à le faire progressivement et que l'embarquer ne se fait pas en disant « débrouille-toi », mais vraiment en embarquant, c'est-à-dire on la forme, on l'aide, on l'accompagne, et bien là on aura une adoption.

Thomas (43:38.556)
Est-ce qu'on aura l'argent pour faire ça en France ? Je rigole, on passe à autre chose. J'ai aussi une autre question. On a parlé en intelligence artificielle et tout le monde le sait, il a beaucoup de biais. y a beaucoup de biais. Encore une fois, on parle d'IA qui peut aider les personnes à travailler dans le milieu hospitalier, milieu médical et tout ça. La difficulté aujourd'hui, c'est que l'IA, a besoin de beaucoup de... De voir beaucoup de données similaires pour comprendre un cas. Comment...

on pourrait faire si on passe par des IA pour le cas des, et les biais il y en a plein, les maladies rares qu'on voit très peu, les femmes qui sont sous-représentées, les enfants qui sont aussi sous-représentés par rapport aux hommes adultes, les personnes âgées, les personnes tête de couleur ça a des impacts différents, je sais pas du tout, mais comment on fait puisqu'il faudra des milliers des milliers de cas que l'IA voit

pour pouvoir peut-être remplacer un humain alors qu'un médecin il voit deux trois cas il comprend qu'il une nouvelle pathologie j'en sais rien tu vois et comment on fait ?

Stéphanie (44:43.726)
Alors ça c'est une vraie question. ce que l'on demande, donc on travaille sur des petits échantillons, donc les petits échantillons c'est assez facilement biaisé de nouveau. l'idée c'est d'avoir toujours un médecin qui soit en capacité de nous valider la représentativité de la base. Parce que comme j'ai pas beaucoup de données, d'abord j'ai besoin qu'elle soit très bonne qualité.

parce que quand elles sont de mauvaise qualité, si j'en ai beaucoup, en fait le nombre va gommer les erreurs locales. Donc finalement, ça ira. Mais quand j'en ai pas beaucoup, j'ai besoin qu'elles soient de bonne qualité. Et puis après, j'ai besoin qu'ils me certifient que si je suis en train de considérer un cancer du sein, j'ai bien 2 % d'hommes dans ma population, parce que la prévalence du cancer du sein chez les hommes, c'est à peu près 2%. Enfin, je sais pas exactement le pourcentage, mais si c'est un exemple. Si évidemment, dans ma base de données génique des femmes,

Moi, je veux un médecin qui me dise ok, je t'ai donné une base de données, je sais qu'elle est biaisée, je sais qu'il n'y a pas d'homme, moi je note. Ce que je vais faire avec sera conditionné au fait que je n'ai vu que des femmes. Mais il faudra l'annoncer, c'est-à-dire que c'est comme dans Sogno. Sogno, a couvert 400 maladies rares chez le fœtus, les 400 plus probables. Quand on dit a priori il n'y a rien, on dit pas il n'y a rien, on dit votre bébé

ne souffrent d'aucune des 400 pathologies qui sont référencées dans notre algorithme. Évidemment, une maladie rare où il a 10 cas sur le monde entier, ce n'est pas dans le sonio.

Et ça, on ne pas le faire. Mais il a un moment où, en fait, il ne faut pas forcément avoir une quantité de données astronomiques, il faut juste avoir ce qu'on est capable de faire et revendiquer uniquement ce qu'on est capable de faire. C'est-à-dire que si j'ai développé quelque chose qui fait de la détection de lésions sur la mammographie des cancers du sein chez la femme, je dois le dire. En fait, il a une certaine honnêteté intellectuelle à avoir.

Stéphanie (46:55.298)
on n'arrivera pas à gommer tous les biais. De nouveau, et c'est très vrai, les femmes sont sous-représentées, les minorités, alors aux États-Unis en plus en ce moment, les projets de recherche qui sont orientés aux minorités ont été complètement coupés. Donc en fait, ils ont perdu tous les financements pour faire des projets de recherche. Voilà, c'est ça. Donc en fait, ils avaient des projets de recherche pour justement regarder sur des populations sous-représentées, ce qui se passait et comment ça se passait différemment. Tout ça, ça a été coupé. Mais maintenant,

Pierre Vannier (47:10.451)
Ça va améliorer les biais.

Stéphanie (47:24.962)
tout ce qui va être développé, il faudra que ce soit conditionné au fait qu'on avait accès à telle base de données, qu'il y avait tel biais et dont on est conscient.

Thomas (47:31.622)
Mais comment on peut faire ça sachant que même le doliprane par exemple c'est des prises pour des hommes par exemple, ça n'a pas été testé sur... Je ne plus comment on dit ça, je désolé, je pas du tout les termes mais le doliprane c'est plus fait pour le poids d'un homme, la taille d'un homme et ce genre de choses. Comment on fait si aujourd'hui on va mettre en place de l'IA qui coûte beaucoup plus cher, qui nécessite encore plus de travail ?

On peut pas être transparent, super honnête avec des outils d'IA alors que les autres... Alors je parle dans le domaine du médicament, peut-être que je me confonds aussi, je m'en excuse. Mais on peut pas... C'est impossible.

Stéphanie (48:03.682)
Non, c'est très vrai. En fait, on en demande à plus qu'on en demande aux médicaments. alors ? On est d'accord ou pas ? Moi, je suis pas d'accord. Typiquement, a deux choses importantes pour l'utilisation de l'IA. C'est l'information. Un médecin qui utilise un algorithme à un moment est obligé de le déclarer à son patient.

Thomas (48:10.406)
et c'est ça.

Stéphanie (48:26.656)
Et deux, on nous demande l'explicabilité, c'est-à-dire que le médecin soit capable de comprendre ce qui s'est passé dans l'algorithme pour sortir telle décision. En fait, quand il donne un médicament à un patient, il ne lui dit pas. Alors attention, le médicament, c'est telle molécule qui va agir comme ça sur vos petites cellules et qui vont produire telle protéine, qui vont faire que toute cette cascade machin et que vous allez avoir moins de cholestérol à la fin. Je ne même pas sûre qu'il le sache. Donc en termes...

que tout ce processus chimique est quand même extrêmement complexe. Je ne pas sûre que les médecins soient en capacité de l'expliquer pour tous les médicaments qui prescrivent. Donc un, on en demande plus en termes d'explicabilité aux IA qu'aux médicaments. Et deux, quand vous dites à un patient « by the way, la décision que j'ai prise a été aidée de l'IA », vous insinuez le doute dans la tête du patient. Il n'a pas été capable de prendre sa décision tout seul, donc en fait il n'est pas capable de faire le truc.

Mais personne ne se demande aujourd'hui pourquoi le médecin généraliste vous envoie faire un IRM quand vous avez mal au genou. Et puis, pourquoi il va utiliser l'imagerie d'IRM pour prendre une décision ? Il a juste utilisé un outil supplémentaire. Et by the way, il va pas non plus dire aux patients « Vous allez rentrer dans l'IRM, tous vos spines vont s'aligner dans une certaine direction et nous allons attendre le temps de relaxation ».

Si vous faites ça, la personne n'ira jamais dans l'IRM. Qu'est-ce que ça veut dire ? Et on met le doute, on met l'angoisse, on met le stress. Et on est en train de faire de l'IA exactement ce qu'on ne pas faire avec le reste. Trop d'explicabilité qui finit par faire que même les médecins eux-mêmes, savent plus très bien ce qu'ils doivent savoir sur la méthodologie.

Pierre Vannier (50:07.487)
Et pourquoi alors ça ?

Stéphanie (50:09.491)
Parce que les gens ont peur, c'est nouveau, c'est... Je sais pas. En fait, je sais pas pourquoi.

Pierre Vannier (50:14.691)
C'est assez, oui oui, je veux bien comprendre que c'est nouveau, que ça fasse peur, etc. d'un autre côté, on a quand même des fabuleux chercheurs qui pourraient être de bons conseils par rapport aux législateurs, aux politiques et aux différents corporatismes scientifiques de la santé, etc. pour essayer d'aller plus vite et...

de passer par-delà ces espèces de peurs irrationnelles et qui peuvent être des fois infondées finalement.

Stéphanie (50:48.927)
En fait, nous demandent... C'est surtout les régulateurs. C'est le principe de précaution. On se cache derrière pour ne pas avancer.

Pierre Vannier (50:53.295)
C'est l'espèce de principe de précaution ? Ok.

Pierre Vannier (51:01.871)
Mais à ce moment-là, il faudrait peut-être qu'ils évitent de développer et de mettre le all-in sur toutes les activités de défense avec l'IA, parce que je pourrais dire que ça peut être aussi important au niveau du principe de précaution. Pourquoi on continue à développer des drones et des solutions anti-drone avec l'IA ? Pourquoi tout le système de défense et la ligne défense et l'industrie défense n'est pas noir sur blanc et exonéré de l'AI Act ?

Stéphanie (51:13.863)
Je rentrerai pas.

Stéphanie (51:18.286)
Pourquoi tout système de défense, la ligne défense et l'industrie défense n'est pas noir sur blanc et exonéré de l'ARIA

Pierre Vannier (51:27.085)
C'est marrant comme on a des principes de précaution pour certaines industries et peut-être moins pour d'autres.

Stéphanie (51:33.644)
Je rentrerai pas dans le débat, je suis d'accord qu'on active le principe de précaution un peu trop. oui, mais... Et si on n'avait pas utilisé l'IA, qu'est-ce qui se serait passé ? Vous auriez pas terminé votre essai clinique.

Pierre Vannier (51:45.999)
Est-ce que ça peut être une peur de la part de tout le corps médical aussi ? Parce qu'on sait qu'il peut y avoir une grosse corporation qui est quand même assez puissante, assez bien installée. Est-ce qu'il peut y avoir une espèce de freiné, de décat de fer sur toutes ces technologies-là par peur de... Est-ce qu'un médecin peut être simplement remplacé par une énorme arme de décision et un énorme LLM ?

Stéphanie (52:07.732)
Moi je les vois pas.

Stéphanie (52:12.064)
Non, parce qu'il y a toujours cet aspect très personnel, humain, empathique, pas seulement empathique en fait, la détection de signes faibles quand vous discutez avec quelqu'un, quand on se voit...

Pierre Vannier (52:18.027)
humains, empathiques.

Pierre Vannier (52:24.079)
Quand on se voit, qui fait que là on a même moins de signaux faibles que si on se voyait en réel.

Stéphanie (52:29.234)
Exactement. donc, je pense que, de nouveau, le médecin seul sera remplacé, le médecin qui utilise l'IA va se développer. Et il restera là, il restera présent, d'abord parce que le patient aura besoin de cet interlocuteur. Il ne pas y avoir juste, prenez du doliprane point, il faut expliquer pourquoi, y a ce langage, ce besoin de...

de verbalisation, la pathologie, de la prise en charge, de tout ça qui va continuer à être nécessaire et qui doit être humain parce que de nouveau on n'est pas en train de parler d'aller acheter des oranges.

Pierre Vannier (53:03.725)
Parce qu'on n'a pas envie d'avoir un LLM qui dise, écoutez, asseyez-vous, je suis désolé, mais en fait, il vous reste trois mois.

Stéphanie (53:07.789)
Voilà, c'est ça.

C'est ça, exactement. là, je pense que jamais un médecin ne sera remplacé comme ça. Enfin, c'est pas possible. Par contre, il en a qui ont peur, mais c'est une frange assez mineure. Moi, tout ce que je vois, même dans des congrès de médecins libéraux, ils sont plutôt appétents. Ils sont vraiment plutôt appétents. Et donc, ce n'est pas une crainte des médecins.

Pierre Vannier (53:29.775)
plutôt assez...

Stéphanie (53:37.185)
Je pense que c'est une crainte des régulateurs d'autoriser quelque chose qui finalement aurait un effet délétère à posteriori. On imaginait un essai clinique, on est en train de tester un médicament. C'était le temps de crise, c'était un moment très compliqué et où on est passé outre le principe de précaution. Mais un essai clinique où vous allez avoir...

Pierre Vannier (53:44.687)
Pourtant, on s'est quand même tous fait vacciner contre le Covid. Et moins de précautions à ce moment-là aussi.

Stéphanie (54:03.95)
des patients artificiels qui ont été créés pour compléter le bras contrôle, un résultat qui est sorti. Et en fait, on s'aperçoit que ce n'est pas finalement mieux que le contrôle quand on l'utilise dans la vie réelle. Mais en fait, existe déjà. Les phases 4 des pharma, elles le font déjà. Elles ont mis sur le marché après la phase 3 et elles font une phase 4 pour vérifier que ce qui s'est passé en phase 3, c'était bien ce qui se passe sur le terrain. Parce que quand vous avez dernier ces cliniques...

Tout est standardisé, les recueils de données, les protocoles, les patients sont dans des tuyaux, ils sont dans le tunnel. Alors que dans la vraie vie, ils ne pas dans le tunnel, ce n'est pas du tout pareil, donc les effets sont toujours différents. Et si on avait utilisé plus de patients dans le bras contrôle, on aurait peut-être vu que finalement, il n'y avait pas une si grande différence. mais si on avait essayé d'avoir autant de patients dans le bras contrôle, fait, on n'aurait jamais mis ce médicament sur le marché parce qu'on n'aurait pas pu finir le décès clinique. Donc en fait...

Pierre Vannier (54:37.775)
...

Stéphanie (54:59.438)
C'est assez ambivalent. Alors je dois bien dire qu'il y a certains qui ont envie d'y aller, dans les autorités, d'autres qui sont beaucoup moins appétentes, voire même très réticentes. Et ce n'est pas des médecins, c'est des régulateurs.

Thomas (55:20.06)
continuer encore longtemps, très longtemps la discussion. On arrive à la fin de de l'épisode Stéphanie, on a une question du précédent invité. je pense déjà avoir ta réponse mais sa question était est-ce qu'on est est-ce que l'on est capable euh au niveau de l'écosystème de la French Tech de faire des choses ensemble? Pour l'interrogation.

Stéphanie (55:39.15)
Ma réponse c'est j'espère. je crois fondamentalement au collectif. C'est-à-dire que si moi je suis arrivée dans une université où la fac de médecine est développée, où je suis dans un labo avec des médecins, où je parle avec des médecins, c'est parce que je pense qu'il faut faire collectif. Il faut jouer collectif, il faut se mélanger, il faut y aller ensemble. Et la French Tech c'est un bel écosystème qui montre la puissance de ce qu'on est capable de faire en France en termes d'innovation.

Pierre Vannier (55:40.946)
Gilles Babinet pour info.

Stéphanie (56:07.768)
en de transfert, en termes de techno. Et donc je pense qu'effectivement, il faut y aller ensemble. Il n'y que comme ça qu'on y arrivera.

Pierre Vannier (56:16.277)
Sonio est un bel exemple.

Thomas (56:20.838)
Et donc en conclusion, est-ce que toi tu aurais une dernière question, enfin tu aurais une question pour le prochain invité ?

Stéphanie (56:25.976)
Oui, alors je ne pas qui est le prochain invité, on parle énormément maintenant de l'IAGE qui va devenir finalement, les modèles LLM, les modèles de fondation sont devenus presque obsolètes. On est vraiment en train de parler d'IAGE antique. Et donc là, ma question au prochain invité, serait, qu'en pensez-vous que nous verrons les premiers effets de l'IAGE antique dans la vie quotidienne ?

Thomas (56:49.852)
pas en médecine,

Stéphanie (56:51.134)
Non pas forcément en médecine, non non non, là là, doucement ! Et encore ! Voilà !

Pierre Vannier (56:53.835)
En médecine en 2073.

Thomas (56:59.706)
Bah écoute c'est parfait, tu veux passer à un dernier message, une information supplémentaire.

Stéphanie (57:04.014)
Faites des maths pour la santé. On a besoin de gens comme ça.

Pierre Vannier (57:07.023)
C'est faire des structures de Rindmann en deux dimensions. sais pas si c'était... variété Riemannienne. Écoute, moi j'en prendrai sûrement le midi avant d'aller faire mon sport. Merci beaucoup Stéphanie, c'était super de t'avoir. Et merci beaucoup Thomas, j'espère que vous avez apprécié ce petit moment d'échange. À très bientôt et bonne chance pour la poursuite Stéphanie. Merci.

Stéphanie (57:14.188)
Les variétaires humaniennes.

Stéphanie (57:21.326)
Tu as raison.

Stéphanie (57:33.751)
Merci beaucoup !

Thomas (57:34.086)
Merci beaucoup.