Aller au contenu principal
Aurélien Vannieuwenhuyze

Expertise · Recherche appliquée · Évaluation

De la problématique clinique à la solution d’IA

J’accompagne les équipes de santé, de recherche et d’innovation dans le cadrage, la conception et l’évaluation de solutions d’intelligence artificielle où la temporalité, l’explicabilité et les connaissances métier sont déterminantes.

Basé à Lille · Interventions ciblées à distance ou en format hybride · Collaborations internationales compatibles avec la poursuite du doctorat.

Champs d’intervention

Une expertise de niche pour les projets où le temps, les connaissances et l’explicabilité comptent

Mon apport se situe entre recherche scientifique et ingénierie : clarifier la question, évaluer la faisabilité, choisir une stratégie de modélisation crédible et produire des résultats utilisables par les équipes techniques et métier. Le prototypage intervient lorsque le niveau de maturité du projet le justifie.

01

Cadrage scientifique et technique

Formalisation du problème, analyse des données disponibles, identification des contraintes cliniques, choix des hypothèses et définition de critères de réussite mesurables.

02

Modélisation temporelle clinique

Séries temporelles médicales, événements longitudinaux, trajectoires patients, données irrégulières et recherche de signaux précoces dans des contextes cliniques complexes.

03

IA explicable et neuro-symbolique

Combinaison de modèles d’apprentissage, graphes de connaissances, règles expertes et raisonnement temporel pour produire des résultats interprétables, explicables et discutables.

04

Prototypage et évaluation

Conception de preuves de concept, protocoles expérimentaux, comparaison de modèles, analyse des erreurs et documentation des limites avant toute décision d’industrialisation.

Formats de collaboration

Des interventions adaptées au niveau de maturité du projet

La mission peut être courte et exploratoire ou s’inscrire dans une collaboration R&D plus longue. Le périmètre est défini à partir de la décision que le projet doit permettre de prendre.

  1. 01

    Diagnostic et cadrage

    Clarifier le besoin, évaluer la faisabilité, identifier les risques et construire une feuille de route scientifique et technique.

  2. 02

    Étude de faisabilité ou preuve de concept

    Tester une hypothèse sur un périmètre limité avec un protocole, des métriques et des critères d’arrêt explicites.

  3. 03

    Collaboration de recherche appliquée

    Explorer une question méthodologique, concevoir une expérimentation et valoriser les résultats sous forme de démonstrateur, rapport ou publication.

  4. 04

    Renfort R&D à temps partiel

    Apporter une expertise spécialisée à une équipe existante sans imposer un recrutement à temps plein pendant la phase doctorale.

Livrables

Des résultats conçus pour permettre une décision

Chaque livrable doit permettre de comprendre ce qui fonctionne, ce qui reste incertain et quelle décision prendre ensuite. Leur nature dépend du niveau de maturité du projet : cadrage, étude, expérimentation, prototype ou transfert.

  • Note de cadrage et formulation de la question scientifique ou clinique.
  • Cartographie des données, contraintes, biais et conditions de réutilisation.
  • Protocole expérimental, métriques et critères de validation.
  • Prototype reproductible ou preuve de concept documentée.
  • Analyse des performances, erreurs, incertitudes et limites.
  • Recommandations techniques et transfert vers l’équipe interne.

Organisations concernées

Des collaborations avec les équipes qui relient données, médecine et innovation

MedTech et santé numérique

Cadrage de fonctionnalités d’IA, preuves de concept, trajectoires patients et explicabilité pour des produits de santé.

Équipes cliniques et hospitalières

Exploration de données longitudinales, formalisation de besoins et conception de travaux de recherche appliquée.

Pharma, CRO et dispositifs médicaux

Analyse de dynamiques temporelles, évaluation de signaux et appui méthodologique sur des projets de données de santé.

Laboratoires et consortiums R&D

Collaboration méthodologique, démonstrateurs, publications et transfert entre recherche académique et applications industrielles.

Méthode de travail

Un chemin court entre la question et l’expérience

Le projet avance par étapes explicites afin de limiter les développements prématurés et de conserver une traçabilité scientifique.

01

Comprendre

Contexte, utilisateurs, décision visée, données disponibles et contraintes métier.

02

Cadrer

Hypothèses, périmètre, métriques, risques et conditions de succès ou d’arrêt.

03

Expérimenter

Baseline, prototype, comparaisons, analyse d’erreurs et tests de robustesse.

04

Transférer

Documentation, restitution, recommandations et prochaines décisions techniques.

Approche responsable

En santé, une démarche R&D convaincante doit aussi montrer ses limites

Je privilégie des travaux où les hypothèses, les données, les métriques et les incertitudes restent explicites. Une preuve de concept ne constitue ni un dispositif médical validé ni un substitut au jugement clinique.

  • Traçabilité des données, transformations, expériences et décisions.
  • Évaluation au-delà d’un score unique : erreurs, sous-groupes, stabilité et pertinence métier.
  • Séparation claire entre exploration R&D, validation clinique et industrialisation réglementée.

Repères professionnels

Expérience

Près de 20 ans dans les technologies, la data et la transformation numérique

Recherche

Doctorant en intelligence artificielle au CNAM, laboratoire CEDRIC — équipe ISID

Culture clinique

DU Soins en Réanimation, Université de Lille — obtenu en 2026

Rayonnement

Publication internationale ER 2025 — Springer

Premier échange

Vous avez une problématique clinique, des données ou un projet d’IA à structurer ?

Présentez le contexte, la décision recherchée et les données disponibles. Je pourrai vous indiquer rapidement si mon expertise correspond au problème et quel premier périmètre serait pertinent.