Blog

Travaillant dans le secteur de la santé, nous nous sommes demandé s’il est devenu trop courant d’entendre : « On pourrait faire du machine learning sur les données de santé… ». La proposition semble prometteuse, avec un côté moderne, voire incontournable (et c’est sans parler d’IA génératives qui attirent beaucoup d’attention, on parle ici du machine learning « traditionnel »). Et pourtant… trop souvent, ces projets sont lancés sans réel besoin défini, ni question précise à résoudre.

Imaginez pouvoir repenser l’organisation d’un service hospitalier, non pas à l’aveugle, mais en testant d’abord vos idées dans un hôpital virtuel. Et si ce patient attendait 15 minutes de moins ? Et si on ajoutait une salle ? Grâce à la modélisation et la simulation de flux, on peut visualiser, prédire, et optimiser… sans prendre le moindre risque pour les patients. Mais c’est quoi, la simulation de flux ? Dans un hôpital, tout est affaire

Chez DALI, on nous pose régulièrement une question simple en apparence : « Pouvez-vous nous aider à modéliser le parcours de soin de ces patients ? » La première idée qui vient en tête, c’est souvent celle d’un schéma : des boîtes, des flèches, un ordre logique d’étapes. Une sorte de carte mentale ou de process en ligne droite. Et pourtant… cette image intuitive est largement insuffisante pour capturer la complexité réelle des parcours de santé. Dans cet

Quand on évoque les établissements de santé (hôpital / clinique / EPHAD, …), on pense à des médecins, des infirmières, des patients, des soins. Mais derrière une consultation ou une opération chirurgicale, se cache une organisation complexe… souvent invisible, mais essentielle pour améliorer l’expérience du patient. Pour mieux la comprendre – et surtout l’améliorer – une discipline discrète, mais puissante entre en scène : la modélisation mathématique. C’est quoi la modélisation mathématique ? La modélisation