SlideShare une entreprise Scribd logo
1  sur  14
Télécharger pour lire hors ligne
L’apport du cognitif
dans la santé
Conférence Télécom ParisTech du 16 juin 2016 - Big Data en santé
Georges Uzbelger - IBM France
1900 1950 2011
Nous sommes entrés dans une nouvelle ère !
Ere cognitive
• Convergence entre (NBIC)
• Nanotechnologie
• Biotechnologie
• Informatique
• Sciences cognitives
• Approche bio-inspirée
• Apprentissage: machine et deep learning
• Méthode de « raisonnement » de type baysien (plausibilité des causes à
partir des effets constatés)
• Modèle d’architecture de type « neuronal » inspiré des réseaux de
neurones biologiques
Nanotechnologie Biotechnologie
Informatique
Sciences
cognitives
NBIC
Intelligence Artificielle
• Naissance en 1956 lors de la conférence de Dartmouth College
• Pères: John McCarthy et Marvin Minsky
• Qu’est-ce que c’est (pas du tout exhaustif ) ?
• Modélisation/simulation de comportements cognitifs
• Exemple: Approche capacité d’adaptation vs l’environnement extérieur
• IA faible et forte
Capteurs Effecteurs
Objectifs
Agent IA
Actions adaptatives
effecteurs à partir de capteurs
pour atteindre un objectif
Entrée Sortie
Algorithmes avec adaptation
de la prise en compte des entrées
et des comportements en réponse
en fonction d’objectifs à atteindre
Prise en compte des réponses
pour amélioration future
Le machine learning
• Le machine learning est un ensemble d’outils mathématiques et d’algorithmes
permettant, par un processus itératif, d’améliorer les performances de
prédictions et de prescriptions par rapport à un objectif à atteindre
• Certaines implémentations de machine learning s’inspirent du fonctionnement
et de l’architecture des neurones biologiques.
Statistiques
Optimisation
Algorithmique
Er
Classification
Regression
Entrée Sortie
Algorithmes avec adaptation
de la prise en compte des entrées
et des comportements en réponse
en fonction d’objectifs à atteindre
Oracle
Superviseur
Ensemble de valeurs
d’apprentissage
et de test
Sortie attendue
Entrée
Prise en compte des réponses
pour amélioration future
Apprentissage supervisé - Entrainement
3 phases:
Apprentissage
tests
Production
Statistiques
Optimisation
Algorithmique
Er
Classification
Regression
Minimisation risque empirique
consistance
Minimisation risque structurel
Conceptualisation - Modélisation - Généralisation
• Conceptualisation - modélisation pour comprendre et représenter un phénomène
• Généralisation à partir de la représentation pour prévoir le comportement d’un phénomène
• Exemple: Comportement de fraude, vieillissement d’un système, attrition, décrochage
scolaire, aide au diagnostique/pronostique, thérapie, épidémiologie, essai clinique, …
Décisions
Actions
Résultats
Analyse Descriptive
Analyse Prédictive
Optimisation
Règles métier
Analyse Prescriptive
Du descriptif au prescriptif
Des décisions plus objectives
1- Observer 2- Interpréter 3- Evaluer 4- Décider
• Applications: Aide au diagnostique/pronostique, thérapie, épidémiologie, essais cliniques, …
Mais qu’est-ce que Watson ?
• Watson créé une relation nouvelle avec les systèmes d’informations
• Watson accompagne les décideurs et renforce la relations avec les
clients
• Watson me comprend.
• Watson échange avec
moi.
• Watson apprend et
s’améliore avec le temps
• Watson m’aide à
découvrir.
• Watson justifie ses
arguments.
• Watson à des capacités
encore inexploitées.
• Watson est rapide et pense
en temps réel.
Watson produit et évalue
des hypothèses
Watson comprend le
langage naturel
Watson s’adapte
et apprend
Comment Watson « raisonne » ?
MERCI !
Conférence Télécom ParisTech du 16 juin 2016 - Big Data en santé
Georges Uzbelger - IBM France

Contenu connexe

Similaire à Conf ibm big data en santé télécom paris tech 16062016 v1

IBM Paris Bluemix Meetup #12 - Ecole 42 - 9 décembre 2015
IBM Paris Bluemix Meetup #12 - Ecole 42 - 9 décembre 2015IBM Paris Bluemix Meetup #12 - Ecole 42 - 9 décembre 2015
IBM Paris Bluemix Meetup #12 - Ecole 42 - 9 décembre 2015IBM France Lab
 
Séminaire IA & VA- Dominique Gruyer, Univ Gustave Eiffel
Séminaire IA & VA- Dominique Gruyer, Univ Gustave EiffelSéminaire IA & VA- Dominique Gruyer, Univ Gustave Eiffel
Séminaire IA & VA- Dominique Gruyer, Univ Gustave EiffelMahdi Zarg Ayouna
 
Comment le Data et Deep Learning révolutionnent la science
Comment le Data et Deep Learning révolutionnent la scienceComment le Data et Deep Learning révolutionnent la science
Comment le Data et Deep Learning révolutionnent la sciencehabib200
 
Module 9 méthodologie incef pour une session éducative
Module 9 méthodologie incef pour une session éducative Module 9 méthodologie incef pour une session éducative
Module 9 méthodologie incef pour une session éducative William Finnegan
 
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...ENSET, Université Hassan II Casablanca
 
Session flash - Rencontre Inria Industrie Bio-informatique et outils numériq...
Session flash  - Rencontre Inria Industrie Bio-informatique et outils numériq...Session flash  - Rencontre Inria Industrie Bio-informatique et outils numériq...
Session flash - Rencontre Inria Industrie Bio-informatique et outils numériq...iCOMMUNITY
 
Module 8 méthodologie incef pour une session éducative
Module 8 méthodologie incef pour une session éducative Module 8 méthodologie incef pour une session éducative
Module 8 méthodologie incef pour une session éducative William Finnegan
 
Comment devenir Data Scientist - Nicolas Garcia, Data Scientist @ Le Kiosk
Comment devenir Data Scientist - Nicolas Garcia, Data Scientist @ Le KioskComment devenir Data Scientist - Nicolas Garcia, Data Scientist @ Le Kiosk
Comment devenir Data Scientist - Nicolas Garcia, Data Scientist @ Le KioskJedha Bootcamp
 
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...I MT
 
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...aOS Community
 
Learning analytics, projet Hubble
Learning analytics, projet HubbleLearning analytics, projet Hubble
Learning analytics, projet HubbleVanda Luengo
 
Introduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptxIntroduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptxwhatinspiremyworld
 
Annonce de poste_vitadx_ingenieur_cvml
Annonce de poste_vitadx_ingenieur_cvmlAnnonce de poste_vitadx_ingenieur_cvml
Annonce de poste_vitadx_ingenieur_cvmlCharlotte Guinard
 
Présentation_IA.pptx
Présentation_IA.pptxPrésentation_IA.pptx
Présentation_IA.pptxmelissa943854
 
Introduction Apprentissage.ppt
Introduction Apprentissage.pptIntroduction Apprentissage.ppt
Introduction Apprentissage.pptFirasBoucedra
 
La détection de la fraude par la connaissance des données - Carte Blanche Par...
La détection de la fraude par la connaissance des données - Carte Blanche Par...La détection de la fraude par la connaissance des données - Carte Blanche Par...
La détection de la fraude par la connaissance des données - Carte Blanche Par...Jean-François Tripodi
 
11774267 cours-de-strategie-2009-chapitre-1-diagnostic-externe
11774267 cours-de-strategie-2009-chapitre-1-diagnostic-externe11774267 cours-de-strategie-2009-chapitre-1-diagnostic-externe
11774267 cours-de-strategie-2009-chapitre-1-diagnostic-externeYehiya Toure
 

Similaire à Conf ibm big data en santé télécom paris tech 16062016 v1 (20)

IBM Paris Bluemix Meetup #12 - Ecole 42 - 9 décembre 2015
IBM Paris Bluemix Meetup #12 - Ecole 42 - 9 décembre 2015IBM Paris Bluemix Meetup #12 - Ecole 42 - 9 décembre 2015
IBM Paris Bluemix Meetup #12 - Ecole 42 - 9 décembre 2015
 
test
testtest
test
 
Le Machine Learning... tous aux fourneaux !
Le Machine Learning... tous aux fourneaux !Le Machine Learning... tous aux fourneaux !
Le Machine Learning... tous aux fourneaux !
 
Séminaire IA & VA- Dominique Gruyer, Univ Gustave Eiffel
Séminaire IA & VA- Dominique Gruyer, Univ Gustave EiffelSéminaire IA & VA- Dominique Gruyer, Univ Gustave Eiffel
Séminaire IA & VA- Dominique Gruyer, Univ Gustave Eiffel
 
Comment le Data et Deep Learning révolutionnent la science
Comment le Data et Deep Learning révolutionnent la scienceComment le Data et Deep Learning révolutionnent la science
Comment le Data et Deep Learning révolutionnent la science
 
Module 9 méthodologie incef pour une session éducative
Module 9 méthodologie incef pour une session éducative Module 9 méthodologie incef pour une session éducative
Module 9 méthodologie incef pour une session éducative
 
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
Conférence: Catalyseurs de l'Intelligence Artificielle et Écosystème des Fram...
 
Debuteraveclesmls
DebuteraveclesmlsDebuteraveclesmls
Debuteraveclesmls
 
Session flash - Rencontre Inria Industrie Bio-informatique et outils numériq...
Session flash  - Rencontre Inria Industrie Bio-informatique et outils numériq...Session flash  - Rencontre Inria Industrie Bio-informatique et outils numériq...
Session flash - Rencontre Inria Industrie Bio-informatique et outils numériq...
 
Module 8 méthodologie incef pour une session éducative
Module 8 méthodologie incef pour une session éducative Module 8 méthodologie incef pour une session éducative
Module 8 méthodologie incef pour une session éducative
 
Comment devenir Data Scientist - Nicolas Garcia, Data Scientist @ Le Kiosk
Comment devenir Data Scientist - Nicolas Garcia, Data Scientist @ Le KioskComment devenir Data Scientist - Nicolas Garcia, Data Scientist @ Le Kiosk
Comment devenir Data Scientist - Nicolas Garcia, Data Scientist @ Le Kiosk
 
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
 
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
 
Learning analytics, projet Hubble
Learning analytics, projet HubbleLearning analytics, projet Hubble
Learning analytics, projet Hubble
 
Introduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptxIntroduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptx
 
Annonce de poste_vitadx_ingenieur_cvml
Annonce de poste_vitadx_ingenieur_cvmlAnnonce de poste_vitadx_ingenieur_cvml
Annonce de poste_vitadx_ingenieur_cvml
 
Présentation_IA.pptx
Présentation_IA.pptxPrésentation_IA.pptx
Présentation_IA.pptx
 
Introduction Apprentissage.ppt
Introduction Apprentissage.pptIntroduction Apprentissage.ppt
Introduction Apprentissage.ppt
 
La détection de la fraude par la connaissance des données - Carte Blanche Par...
La détection de la fraude par la connaissance des données - Carte Blanche Par...La détection de la fraude par la connaissance des données - Carte Blanche Par...
La détection de la fraude par la connaissance des données - Carte Blanche Par...
 
11774267 cours-de-strategie-2009-chapitre-1-diagnostic-externe
11774267 cours-de-strategie-2009-chapitre-1-diagnostic-externe11774267 cours-de-strategie-2009-chapitre-1-diagnostic-externe
11774267 cours-de-strategie-2009-chapitre-1-diagnostic-externe
 

Plus de Alain Tassy

Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019Alain Tassy
 
Ignilife telecom
Ignilife telecomIgnilife telecom
Ignilife telecomAlain Tassy
 
E-médecine du travail
E-médecine du travailE-médecine du travail
E-médecine du travailAlain Tassy
 
Besoins des grands groupes en innovation pour la santé au travail
Besoins des grands groupes en innovation pour la santé au travailBesoins des grands groupes en innovation pour la santé au travail
Besoins des grands groupes en innovation pour la santé au travailAlain Tassy
 
Assurances Santé prévention et apport des technologies numériques
Assurances Santé prévention et  apport des technologies numériquesAssurances Santé prévention et  apport des technologies numériques
Assurances Santé prévention et apport des technologies numériquesAlain Tassy
 
Introduction à la réunion de Telecom Paris Santé du 21/11/2019
Introduction à la réunion de Telecom Paris Santé du 21/11/2019Introduction à la réunion de Telecom Paris Santé du 21/11/2019
Introduction à la réunion de Telecom Paris Santé du 21/11/2019Alain Tassy
 
Docndoc burn out en sante 2019
Docndoc burn out en sante 2019Docndoc burn out en sante 2019
Docndoc burn out en sante 2019Alain Tassy
 
Alain tassy(sport)
Alain tassy(sport)Alain tassy(sport)
Alain tassy(sport)Alain Tassy
 
Presentation i mitox pseudonymisation 2018-06 v2
Presentation i mitox pseudonymisation 2018-06 v2Presentation i mitox pseudonymisation 2018-06 v2
Presentation i mitox pseudonymisation 2018-06 v2Alain Tassy
 
Le Big Data au service de l’imagerie
Le Big Data au service de l’imagerieLe Big Data au service de l’imagerie
Le Big Data au service de l’imagerieAlain Tassy
 
Collecte des données génétique humaines en France
Collecte des données génétique humaines en FranceCollecte des données génétique humaines en France
Collecte des données génétique humaines en FranceAlain Tassy
 
Utilisation des données du patient Perspective internationale
Utilisation des données du patient Perspective internationaleUtilisation des données du patient Perspective internationale
Utilisation des données du patient Perspective internationaleAlain Tassy
 
Démystifier l'IA en Santé - Perception des Français & Tendances sociétales
Démystifier l'IA en Santé - Perception des Français & Tendances sociétalesDémystifier l'IA en Santé - Perception des Français & Tendances sociétales
Démystifier l'IA en Santé - Perception des Français & Tendances sociétalesAlain Tassy
 
Intelligence Artificielle vue de l'anesthésie réanimation
Intelligence Artificielle vue de l'anesthésie réanimationIntelligence Artificielle vue de l'anesthésie réanimation
Intelligence Artificielle vue de l'anesthésie réanimationAlain Tassy
 
Les freins aux développement de IA en santé
Les freins aux développement de IA en santéLes freins aux développement de IA en santé
Les freins aux développement de IA en santéAlain Tassy
 
Application de l’intelligence artificielle à la prédiction et au diagnostic e...
Application de l’intelligence artificielle à la prédiction et au diagnostic e...Application de l’intelligence artificielle à la prédiction et au diagnostic e...
Application de l’intelligence artificielle à la prédiction et au diagnostic e...Alain Tassy
 
IA en imagerie médicale…mythes, réalités & opportunités
IA en imagerie médicale…mythes, réalités & opportunitésIA en imagerie médicale…mythes, réalités & opportunités
IA en imagerie médicale…mythes, réalités & opportunitésAlain Tassy
 
Démystifier l’Intelligence Artificielle en Santé - Introduction
 Démystifier l’Intelligence Artificielle en Santé - Introduction Démystifier l’Intelligence Artificielle en Santé - Introduction
Démystifier l’Intelligence Artificielle en Santé - IntroductionAlain Tassy
 
Big Data en santé : De la technologie à la thérapie, en passant par la confi...
Big Data en santé :  De la technologie à la thérapie, en passant par la confi...Big Data en santé :  De la technologie à la thérapie, en passant par la confi...
Big Data en santé : De la technologie à la thérapie, en passant par la confi...Alain Tassy
 
How digital affects the world of health
How digital affects the world of healthHow digital affects the world of health
How digital affects the world of healthAlain Tassy
 

Plus de Alain Tassy (20)

Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
 
Ignilife telecom
Ignilife telecomIgnilife telecom
Ignilife telecom
 
E-médecine du travail
E-médecine du travailE-médecine du travail
E-médecine du travail
 
Besoins des grands groupes en innovation pour la santé au travail
Besoins des grands groupes en innovation pour la santé au travailBesoins des grands groupes en innovation pour la santé au travail
Besoins des grands groupes en innovation pour la santé au travail
 
Assurances Santé prévention et apport des technologies numériques
Assurances Santé prévention et  apport des technologies numériquesAssurances Santé prévention et  apport des technologies numériques
Assurances Santé prévention et apport des technologies numériques
 
Introduction à la réunion de Telecom Paris Santé du 21/11/2019
Introduction à la réunion de Telecom Paris Santé du 21/11/2019Introduction à la réunion de Telecom Paris Santé du 21/11/2019
Introduction à la réunion de Telecom Paris Santé du 21/11/2019
 
Docndoc burn out en sante 2019
Docndoc burn out en sante 2019Docndoc burn out en sante 2019
Docndoc burn out en sante 2019
 
Alain tassy(sport)
Alain tassy(sport)Alain tassy(sport)
Alain tassy(sport)
 
Presentation i mitox pseudonymisation 2018-06 v2
Presentation i mitox pseudonymisation 2018-06 v2Presentation i mitox pseudonymisation 2018-06 v2
Presentation i mitox pseudonymisation 2018-06 v2
 
Le Big Data au service de l’imagerie
Le Big Data au service de l’imagerieLe Big Data au service de l’imagerie
Le Big Data au service de l’imagerie
 
Collecte des données génétique humaines en France
Collecte des données génétique humaines en FranceCollecte des données génétique humaines en France
Collecte des données génétique humaines en France
 
Utilisation des données du patient Perspective internationale
Utilisation des données du patient Perspective internationaleUtilisation des données du patient Perspective internationale
Utilisation des données du patient Perspective internationale
 
Démystifier l'IA en Santé - Perception des Français & Tendances sociétales
Démystifier l'IA en Santé - Perception des Français & Tendances sociétalesDémystifier l'IA en Santé - Perception des Français & Tendances sociétales
Démystifier l'IA en Santé - Perception des Français & Tendances sociétales
 
Intelligence Artificielle vue de l'anesthésie réanimation
Intelligence Artificielle vue de l'anesthésie réanimationIntelligence Artificielle vue de l'anesthésie réanimation
Intelligence Artificielle vue de l'anesthésie réanimation
 
Les freins aux développement de IA en santé
Les freins aux développement de IA en santéLes freins aux développement de IA en santé
Les freins aux développement de IA en santé
 
Application de l’intelligence artificielle à la prédiction et au diagnostic e...
Application de l’intelligence artificielle à la prédiction et au diagnostic e...Application de l’intelligence artificielle à la prédiction et au diagnostic e...
Application de l’intelligence artificielle à la prédiction et au diagnostic e...
 
IA en imagerie médicale…mythes, réalités & opportunités
IA en imagerie médicale…mythes, réalités & opportunitésIA en imagerie médicale…mythes, réalités & opportunités
IA en imagerie médicale…mythes, réalités & opportunités
 
Démystifier l’Intelligence Artificielle en Santé - Introduction
 Démystifier l’Intelligence Artificielle en Santé - Introduction Démystifier l’Intelligence Artificielle en Santé - Introduction
Démystifier l’Intelligence Artificielle en Santé - Introduction
 
Big Data en santé : De la technologie à la thérapie, en passant par la confi...
Big Data en santé :  De la technologie à la thérapie, en passant par la confi...Big Data en santé :  De la technologie à la thérapie, en passant par la confi...
Big Data en santé : De la technologie à la thérapie, en passant par la confi...
 
How digital affects the world of health
How digital affects the world of healthHow digital affects the world of health
How digital affects the world of health
 

Conf ibm big data en santé télécom paris tech 16062016 v1

  • 1. L’apport du cognitif dans la santé Conférence Télécom ParisTech du 16 juin 2016 - Big Data en santé Georges Uzbelger - IBM France
  • 2. 1900 1950 2011 Nous sommes entrés dans une nouvelle ère !
  • 3. Ere cognitive • Convergence entre (NBIC) • Nanotechnologie • Biotechnologie • Informatique • Sciences cognitives • Approche bio-inspirée • Apprentissage: machine et deep learning • Méthode de « raisonnement » de type baysien (plausibilité des causes à partir des effets constatés) • Modèle d’architecture de type « neuronal » inspiré des réseaux de neurones biologiques Nanotechnologie Biotechnologie Informatique Sciences cognitives NBIC
  • 4. Intelligence Artificielle • Naissance en 1956 lors de la conférence de Dartmouth College • Pères: John McCarthy et Marvin Minsky • Qu’est-ce que c’est (pas du tout exhaustif ) ? • Modélisation/simulation de comportements cognitifs • Exemple: Approche capacité d’adaptation vs l’environnement extérieur • IA faible et forte Capteurs Effecteurs Objectifs Agent IA Actions adaptatives effecteurs à partir de capteurs pour atteindre un objectif
  • 5. Entrée Sortie Algorithmes avec adaptation de la prise en compte des entrées et des comportements en réponse en fonction d’objectifs à atteindre Prise en compte des réponses pour amélioration future Le machine learning • Le machine learning est un ensemble d’outils mathématiques et d’algorithmes permettant, par un processus itératif, d’améliorer les performances de prédictions et de prescriptions par rapport à un objectif à atteindre • Certaines implémentations de machine learning s’inspirent du fonctionnement et de l’architecture des neurones biologiques. Statistiques Optimisation Algorithmique Er Classification Regression
  • 6. Entrée Sortie Algorithmes avec adaptation de la prise en compte des entrées et des comportements en réponse en fonction d’objectifs à atteindre Oracle Superviseur Ensemble de valeurs d’apprentissage et de test Sortie attendue Entrée Prise en compte des réponses pour amélioration future Apprentissage supervisé - Entrainement 3 phases: Apprentissage tests Production Statistiques Optimisation Algorithmique Er Classification Regression Minimisation risque empirique consistance Minimisation risque structurel
  • 7. Conceptualisation - Modélisation - Généralisation • Conceptualisation - modélisation pour comprendre et représenter un phénomène • Généralisation à partir de la représentation pour prévoir le comportement d’un phénomène • Exemple: Comportement de fraude, vieillissement d’un système, attrition, décrochage scolaire, aide au diagnostique/pronostique, thérapie, épidémiologie, essai clinique, …
  • 8. Décisions Actions Résultats Analyse Descriptive Analyse Prédictive Optimisation Règles métier Analyse Prescriptive Du descriptif au prescriptif
  • 9. Des décisions plus objectives 1- Observer 2- Interpréter 3- Evaluer 4- Décider • Applications: Aide au diagnostique/pronostique, thérapie, épidémiologie, essais cliniques, …
  • 10.
  • 11. Mais qu’est-ce que Watson ? • Watson créé une relation nouvelle avec les systèmes d’informations • Watson accompagne les décideurs et renforce la relations avec les clients • Watson me comprend. • Watson échange avec moi. • Watson apprend et s’améliore avec le temps • Watson m’aide à découvrir. • Watson justifie ses arguments. • Watson à des capacités encore inexploitées. • Watson est rapide et pense en temps réel. Watson produit et évalue des hypothèses Watson comprend le langage naturel Watson s’adapte et apprend
  • 13.
  • 14. MERCI ! Conférence Télécom ParisTech du 16 juin 2016 - Big Data en santé Georges Uzbelger - IBM France