L’algorithme auto-apprenant de DreamQuark au cœur des solutions de santé, de finance et d’assurance de demain

Quelle est la genèse de votre offre de services ?

Lors du lan­ce­ment de Dream­quark, une nou­velle famille d’algorithmes avait ren­du l’intelligence arti­fi­cielle acces­sible au sec­teur de la san­té notam­ment, avec des résul­tats tan­gibles quant à la prise de déci­sion. Néan­moins, la com­plexi­té des cal­culs ren­dait le pro­ces­sus opaque, posant des enjeux impor­tants de fia­bi­li­té du diagnostic. 

Pour y répondre, nous avons déve­lop­pé des algo­rithmes plus matures, capables d’expliciter le pro­ces­sus de prise de déci­sion et réduire ain­si les erreurs de diag­nos­tic. Le cœur de notre tech­no­lo­gie offrait ain­si plus de pré­ci­sion, de per­for­mance et de trans­pa­rence aux uti­li­sa­teurs métiers. 

Nos avan­cées dans le domaine de la san­té se sont révé­lées trans­po­sables dans d’autres sec­teurs comme la banque et l’assurance, qui cherchent éga­le­ment des sys­tèmes de prise de déci­sion plus per­for­mants et sécu­ri­sés. Nous avons ain­si déve­lop­pé un logi­ciel per­met­tant d’analyser les don­nées dis­po­nibles et d’automatiser cer­taines tâches afin de mettre en place, en quelques clics, une appli­ca­tion repo­sant sur un moteur d’IA per­for­mant, capable d’apprendre par lui-même à par­tir des infor­ma­tions dis­po­nibles pour four­nir un résul­tat fiable. 

L’outil est donc capable de faire des pré­dic­tions très ajus­tées, avec les don­nées métiers des uti­li­sa­teurs en banque, assu­rance et san­té, sou­te­nant le pro­ces­sus de prise de déci­sion pour mieux appré­cier les risques encou­rus avec des variables complexes. 

Pour autant, à aucun moment l’algorithme ne prend la déci­sion face à l’humain, il s’agit de rendre dis­po­nible l’information per­ti­nente pour l’utiliser au mieux dans la prise de déci­sion. Par exemple, à par­tir d’informations comme l’âge, les fac­teurs phy­sio­lo­giques, l’historique de san­té, l’historique ban­caire, etc., le modèle va maxi­mi­ser la capa­ci­té à détec­ter en avance si une per­sonne va faire défaut à un cré­dit ou déve­lop­per une mala­die pour aider l’utilisateur dans sa prise de déci­sion finale. 

Votre travail portait initialement sur la détection de maladies. Qu’en est-il ?

En effet, en matière de détec­tion des mala­dies par ima­ge­rie médi­cale, Dream Upvi­sion, socié­té créée par Dream­quark, a déve­lop­pé une appli­ca­tion mobile ou web four­nis­sant un diag­nos­tic pré­coce très per­for­mant de la réti­no­pa­thie dia­bé­tique et du glau­come, mala­dies en très fort déve­lop­pe­ment en rai­son de l’explosion du dia­bète avec 450 mil­lions de cas diag­nos­ti­qués dans le monde. 

Grâce à un objec­tif ins­tal­lé sur la camé­ra d’un smart­phone, il est pos­sible de réa­li­ser en une seconde un fond d’œil de très haute qua­li­té et d’analyser l’image.

Ce sys­tème aus­si per­for­mant qu’un exa­men chez un oph­tal­mo­logue et bien moins coû­teux per­met de pal­lier le manque de spé­cia­listes pour diag­nos­ti­quer la maladie. 

En col­la­bo­ra­tion avec LIMSI, nous tra­vaillons éga­le­ment sur la détec­tion d’émotions via le déve­lop­pe­ment d’algorithmes per­met­tant d’analyser des échan­tillons sonores pour y détec­ter des émo­tions de colère, frus­tra­tion, joie, peur, tris­tesse, en temps réel, pou­vant trou­ver des appli­ca­tions dans les centres d’appel par exemple pour pré­dire le com­por­te­ment du consommateur. 

Comment se déroule concrètement la mise en œuvre de votre solution ?

Même si notre logi­ciel fonc­tionne de façon très auto­nome, accom­pa­gner tem­po­rai­re­ment les clients est sou­vent néces­saire. En effet, les entre­prises dis­posent de beau­coup de don­nées, géné­ra­le­ment non uni­for­mi­sées et beau­coup d’algorithmes ont été mal conçus et com­portent des biais, abou­tis­sant à des déci­sions erronées. 

Nous tra­vaillons donc ini­tia­le­ment à iden­ti­fier les pro­blé­ma­tiques, reti­rer les biais des algo­rithmes pour gagner en per­for­mance et extraire les don­nées per­ti­nentes pour cibler l’information à pré­dire. Il s’agit après de défi­nir avec le client com­ment les don­nées sont et seront ras­sem­blées pour un patient, un assu­ré ou un client de banque. 

Elles sont alors char­gées dans le logi­ciel, qui va les ana­ly­ser et les com­prendre en fonc­tion de la qua­li­té de la base de don­nées dis­po­nible. Nous aidons l’utilisateur de son côté à uti­li­ser la pla­te­forme, afin de faire les pre­miers essais per­met­tant d’évaluer les algorithmes. 

Nous pou­vons inter­ve­nir pour com­plé­ter les infor­ma­tions de façon à opti­mi­ser la com­pré­hen­sion de la dyna­mique métier par le logi­ciel et la modé­li­sa­tion des com­por­te­ments. Une fois le modèle per­for­mant, il va pou­voir être déployé dans une appli­ca­tion pou­vant être ins­tal­lée chez le client ou sur le cloud, para­mé­trable avec les don­nées uti­li­sa­teurs pour adres­ser la pro­blé­ma­tique souhaitée. 

Quels sont les bénéfices de vos solutions pour les utilisateurs ?

Nos solu­tions pré­sentent plu­sieurs avan­tages pour nos clients et uti­li­sa­teurs directs, banques, assu­rances et ins­ti­tu­tions médicales : 

• Leur rapi­di­té d’implémentation, capable d’adresser en quelques semaines des pro­blé­ma­tiques extrê­me­ment complexes. 
• La per­for­mance éle­vée de nos algo­rithmes, per­met­tant d’identifier des biais igno­rés par d’autres solu­tions, de lut­ter contre des pro­blé­ma­tiques de fraude par exemple, entraî­nant in fine un meilleur retour sur investissement. 
• L’intégration de toute la dimen­sion de pro­tec­tion des don­nées per­son­nelles, confor­mé­ment au nou­veau règle­ment euro­péen de pro­tec­tion des données. 

Nos solu­tions pré­sentent aus­si des atouts pour les béné­fi­ciaires finaux : clients des banques et assu­rances et patients : 

• Grâce à la détec­tion pré­coce des mala­dies, nous contri­buons à mieux répondre au risque de san­té et donc la prévention. 
• Les risques encou­rus par les clients en banque et assu­rance sont plus pré­dic­tibles et donc mieux trai­tés, per­met­tant de meilleures actions de pré­ven­tion et une meilleure expé­rience client au final. 

L’équipe Dream­quark 2017.

Vous aspirez à créer un algorithme surpassant l’intelligence humaine.
Quelle est votre vision de l’alliance entre intelligence humaine et intelligence artificielle ?

L’intelligence humaine est bien supé­rieure à l’intelligence arti­fi­cielle. Nous sommes convain­cus chez Dream­quark que l’IA est un atout pour l’homme, plus qu’une menace, mais qu’il faut pour cela en abor­der jus­te­ment les risques. 

Nous tra­vaillons donc sur les tech­no­lo­gies per­met­tant à l’IA de réa­li­ser des tâches humaines avec per­for­mance et de prendre des déci­sions avec pré­ci­sion et trans­pa­rence, pour réduire les menaces que pré­sente l’utilisation des algo­rithmes ‘boîte noire’. 

Cela par­ti­cipe à une stra­té­gie glo­bale visant à faire grim­per les per­for­mances des algo­rithmes auto-appre­nants en iden­ti­fiant com­ment ils prennent leur déci­sion, à quel moment ils sont biai­sés et com­ment ils peuvent iden­ti­fier leur propre biais et uti­li­ser d’autres infor­ma­tions pour rééva­luer leur jugement. 

Nous tra­vaillons en cela sur la notion d’esprit cri­tique : des algo­rithmes capables d’estimer les don­nées et de les uti­li­ser avec per­ti­nence en fonc­tion de la pro­blé­ma­tique, en bref capables d’apprendre à prendre des déci­sions et se per­fec­tion­ner par auto-apprentissage. 

Nous croyons aus­si à des champs d’application nou­veaux où des humains pour­ront entraî­ner des intel­li­gences arti­fi­cielles pour appor­ter des solu­tions à des besoins réels, de diag­nos­tic médi­cal dans les pays émer­gents souf­frant de pénu­rie de per­sonnes qua­li­fiées par exemple, ou encore for­mer et dif­fu­ser de bonnes pra­tiques médico-sociales. 

Il ne s’agit donc pas de rem­pla­cer l’humain, mais d’apporter des solu­tions com­plé­men­taires, à condi­tion de répondre aux erreurs et biais pour faire de ces nou­velles tech­no­lo­gies de réelles oppor­tu­ni­tés pour l’homme.

---

Articles similaires :

Quand la tech­no­lo­gie fait battre les coeurs Lorsque san­té et tech­no­lo­gie vont de pair ! Le health data hub, pla­te­forme des don­nées de santé Den­tal­Mo­ni­to­ring : la licorne qui révo­lu­tionne l’orthodontie et la dentisterie Dia­be­loop : la pépite fran­çaise qui trans­forme la vie des per­sonnes qui vivent avec le diabète