Dans cette page regardons quelques Start-up françaises dans l’IA
La start-up MydataModels est spécialisée dans l’analyse prédictive et le machine learning
MyDataModels, la start-up qui fait parler les small data !
Fondée en 2018 par Alain Blancquart et Denis Bastiment, MyDataModels ambitionne de rendre accessibles à tous, les capacités d’Intelligence Artificielle et de Machine Learning. Après plusieurs années de développement, la jeune pousse propose, TADA, une plateforme d’analyse prédictive. À partir de petits jeux de données, la plateforme fournit une analyse précise pour permettre aux entreprises de comprendre, prédire et prendre des décisions stratégiques. Elle permet ainsi à des professionnels sans connaissance particulière en intelligence artificielle d’optimiser leur activité. Fort de son succès, MyDataModels accompagne déjà de grandes entreprises dans les domaines de la santé et de l’industrie comme Sanofi ou encore Thales.
Démocratiser l’analyse prédictive auprès du plus grand nombre
MyDataModels ambitionne d’accélérer sa stratégie de commercialisation pour opérer sur de nouveaux marchés, en France et à l’international. L’opportunité également de renforcer sa croissance par l’accroissement de ses effectifs et le développement de son département marketing. Si aujourd’hui la plateforme TADA est davantage utilisée par les grands groupes, l’ambition de MyDataModels est de s’adresser à tout type d’entreprise, dont les PME et les TPE, sur tous les marchés.
Le Health Data Hub (HDH) a annoncé cette semaine quatre nouveaux projets. Deep.Piste, DeepSarc, HUGO SHARE et Rexetris rejoignent donc les trois premiers projets déjà lancés.
Ou quand le service public de lance …
Moins d’un an après sa création, le Health Data Hub a indiqué avoir franchi une étape importante avec l’autorisation par la CNIL de quatre nouveaux projets. Cette autorisation est essentielle puisqu’elle conditionne l’accès effectif aux données nécessaires à la conduite de ces projets. À partir de données de santé non nominatives, ces projets visent à améliorer la qualité des soins dans différentes disciplines (insuffisance cardiaque, greffe, cancer, etc.). Il s’agira par exemple de comparer des prises en charge dans le cadre d’un cancer rare, en particulier le sarcome, ou de développer un outil de détection automatique des tumeurs sur les mammographies. Pour cela, des données non nominatives seront analysées de manière sécurisée grâce à la plateforme technologique du Health Data Hub, et dans le respect du droit des patients.
Deep.Piste : améliorer le dépistage du cancer du sein grâce à l’intelligence artificielle
Près de 12000 femmes décèdent chaque année du cancer du sein. En utilisant l’intelligence artificielle et les données de l’Assurance Maladie sur les consommations de soins, le projet Deep.Piste va développer une analyse automatique des mammographies et affiner la compréhension des facteurs de risque. Cela permettra d’identifier des cas pouvant bénéficier d’un allègement du dispositif de dépistage (en réduisant, par exemple, la fréquence des mammographies à réaliser pour certaines patientes dans le cadre du dépistage) ou en renforçant, pour d’autres, le parcours de dépistage.
DeepSarc : une médecine personnalisée pour les patients atteints d’un sarcome
Les sarcomes sont des tumeurs rares et multiformes touchant des tissus mous, des os et des cartilages. Près de 4000 personnes chaque année en sont diagnostiquées, avec un sombre pronostic de survie. 40 ans de recherche clinique ont permis de construire la majorité des recommandations de traitement. Toutefois, en raison de la trop petite taille des cohortes, liée à la rareté de ces cancers, certaines questions n’ont pu être traitées par cette approche.
Le projet DeepSarc, porté par le Centre Léon Bérard de Lyon en partenariat avec l’Institut Bergonié, le Centre de Lutte Contre le Cancer de Bordeaux et l’Institut Gustave Roussy, propose une approche complémentaire en analysant les données d’une cohorte associées aux données de consommation de soin de l’Assurance Maladie, ceci pour identifier des traitements les plus adaptés à chaque profil de patient, favorisant ainsi ses chances de survie.
HUGO SHARE : limiter les interactions médicamenteuses et les ruptures thérapeutiques des patients à risque hospitalisés
Lors d’hospitalisations, les patients âgés atteints de maladies chroniques déjà traités en ville reçoivent très souvent des traitements additionnels. Ces patients peuvent donc être exposés à un risque important d’interactions médicamenteuses ou au contraire souffrir de l’interruption de leur traitement, pouvant mener à des conséquences plus ou moins graves sur la santé. Chaque année en France, le mauvais usage des médicaments est responsable d’environ 10 000 décès, parmi lesquels les patients de plus de 65 ans sont les plus touchés.
Le projet Hugo Share porté par les Hôpitaux Universitaires du Grand Ouest a pour but, en recoupant les bases de données de 6 hôpitaux avec les données de consommation de soins en ville de l’Assurance Maladie, de mieux comprendre et prévenir ces interactions afin de protéger les patients les plus fragiles.
Rexetris, vers une plus grande personnalisation des traitements immunologiques pour les patients greffés d’un rein
Les informations concernant les relations entre expositions des patients aux médicaments et effets à long terme sont aujourd’hui très lacunaires, dans le cas général comme en transplantation d’organes. Dans le cadre d’un traitement à vie, la connaissance de ces relations permettrait d’optimiser les stratégies thérapeutiques, les doses mais aussi les formules de ces médicaments.
Porté par le CHU de Limoges, avec l’appui de l’Inserm et de la société Optim’Care, le projet Rexetris étudie les relations entre l’exposition aux médicaments immunosuppresseurs et le devenir à long terme du patient greffé rénal et du greffon.
CoviSAS : un projet au service d’une population à risque représentative
Les patients atteints d’un syndrome d’apnées obstructives du sommeil (SAOS), en raison de la privation répétée d’oxygène, développent souvent des maladies associées susceptibles de les rendre vulnérables à la COVID-19 (obésité, diabète, hypertension artérielle, maladies cardio-vasculaires).
Le projet CoviSAS, porté par la chaire d’intelligence artificielle MIAI de l’Université Grenoble-Alpes et la société Semeia, un fournisseur de solutions logicielles utilisant l’intelligence artificielle, vise à connaître la prévalence des formes sévères de la COVID-19 chez ces patients, et d’identifier les combinaisons de maladies associées au SAOS (comorbidités) menant à un taux supérieur de séjour en réanimation ou de décès.
Pour reconstituer les parcours de soins, le projet s’appuiera sur les données de l’assurance maladie, notamment celles sur les hospitalisations et sur les consommations de médicaments. Les résultats contribueront ainsi à l’amélioration des connaissances sur l’épidémie, et à la définition de stratégies de prévention et de prise en charge précoce pour les patients touchés par ces comorbidités.
Frog Covid : l’ambition d’une large identification des facteurs de risque et d’une prévision des besoins pour les personnes passées en réanimation
L’étude Frog Covid s’intéresse également aux associations récurrentes d’autres maladies chez les patients présentant des formes sévères (hospitalisation) ou très sévères (admission en réanimation) de la COVID-19. À travers cette étude, le bureau d’étude spécialisé dans des solutions de collecte de données et d’algorithmes Clinityx et l’unité de recherche de l’INSERM Cardiovascular MArkers in Stressed COndiTions (MASCOT) cherchent à identifier les facteurs prédictifs du risque de développer une COVID-19 de forme sévère à très sévère, pour définir des profils de patients particulièrement à risque.
Le projet vise aussi à mieux connaître les parcours des patients passés en réanimation, en fonction de leur durée de séjour et de leurs maladies associées. Il s’agit donc, comme le rappelle Nicolas Glatt, CEO de Cliniyx, de “comprendre l’histoire médicale des personnes multipathologiques ayant été hospitalisées ou en réanimation, pour mieux anticiper les besoins de soins”.
Pour chaque profil de patient caractérisé, le projet permettra de mieux prédire ses besoins médicaux, sa prise en charge à l’issue de l’hospitalisation, et les conséquences de la réanimation sur sa qualité de vie (emploi, vie sociale, etc.). Pour cela, le projet s’appuiera à la fois sur les données non nominatives issues de l’Assurance Maladie et des séjours hospitaliers de ces patients, et à titre de comparaison, sur les données de suivi de patients pris en charge par des services de réanimation pour une grippe ou une pneumopathie virale en 2017 et 2018.
CoData : l’étude de l’impact de la pandémie sur la prise en charge de patientes atteintes d’un cancer du sein
Les femmes atteintes d’un cancer du sein ont vu leur prise en charge modifiée durant le premier confinement. L’Institut de cancérologie Strasbourg Europe (ICANS) a lancé le projet CoData visant à utiliser les données de santé pour analyser les impacts de ces changements et développer des outils d’aide au pilotage pour les établissements dans le cadre d’un retour à la normale. Les analyses statistiques seront en partie réalisées par Quantmetry.
Les données non nominatives mobilisées permettront d’avoir un panorama complet des parcours de soin de ces patientes durant la première vague de l’épidémie : les données de prise en charge par l’ICANS comportent des diagnostics, des informations relatives aux chirurgies et aux thérapies par ailleurs les données de l’Assurance Maladie comportent les prescriptions médicamenteuses.
Deepbloo : automatisation de la lecture des appels d’offres dans l’énergie
La plateforme de Deepbloo analyse des milliers d’appels d’offres lancés chaque jour à l’échelle mondiale, pour le compte des professionnels du secteur de l’énergie. La start-up montpelliéraine vient de lever 1 million d’euros pour approfondir sa R&D, en s’appuyant sur l’intelligence artificielle.
Apporter en temps réel des opportunités qualifiées de business aux professionnels du secteur de l’énergie, en automatisant la lecture des appels d’offres, c’est ce que propose Deepbloo. La plateforme qu’elle a développée scanne les consultations lancées, à l’échelle mondiale, par les bailleurs de fonds et les opérateurs de transmission ou de distribution.
Self-Driving Made Real
Malgré son nom, NAVYA est bien une entreprise française ; fondée par Pierre Lefèvre en 2007. Vous pouvez lire une interview dans la page IA dans les transports de ce site. En France et même en Europe M. Pierre Lefèvre est considéré comme un pionnier.
Navya délivre des solutions éprouvées de mobilité autonome à ses partenaires B2B pour transformer leur système de transport de personnes ou de biens :
Solution de mobilité autonome sur mesure
Tracteur industriel autonome pour la logistique
Navette autonome pour le transport de personnes
Videtics : L’analyse vidéo par Deep Learning accéléré pour la Sûreté et la Mobilité
Accelerated Deep Learning video analytics for safety and mobility
Videtics offers a software suite that enables realtime analysis of protected areas, decision making and post-investigation using existing IP cameras on your site. Our solutions can be deployed very easily after transfer of knowledge to our partners, distributors and installers.
Training
Our neural networks are trained in lab with data representative of the business use case.
Optimisation
These networks are then carefully optimized to benefit from the maximum power of Nvidia equipment.
Fine tuning
Deployed in production, our neural networks are finally refined for optimal efficiency
Entrainement
Nos réseaux neuronaux sont formés en laboratoire avec des données représentatives du cas d’utilisation commerciale
Optimisation
Ces réseaux sont ensuite soigneusement optimisés pour bénéficier de la puissance maximale des équipements Nvidia.
Mise au point
Déployés en production, nos réseaux de neurones sont enfin affinés pour une efficacité optimale
Vidéo de présentation interne :
L’analyse vidéo par Deep Learning accéléré pour la sureté et la mobilité
Crocos Go Digital et l’IA qui dépiste les troubles cognitifs de l’enfant
La start-up marseillaise Crocos Go Digital va affiner ses outils de diagnostic automatique des enfants atteints de dysfonctionnement cognitif et accroître son déploiement en France. Elle vise le marquage CE comme dispositif médical d’ici à 2023, afin de démarrer son déploiement international.
Nouvelle étape pour les outils de détection automatique de dysfonctionnement cognitif chez l’enfant mis au point par Crocos Go Digital : « La preuve de concept a été faite, il nous faut maintenant affiner notre approche pour obtenir une vision précision, symptôme par symptôme, des troubles de l’attention chez l’enfant : dyslexie, dysphasie, dyspraxie, dyschronie… », explique son président, Vincent Berge. Ce travail devrait encore prendre un à deux ans de recherche. Pour les financer, la start-up annonce ce mardi avoir réalisé une levée de fonds de 1,4 million d’euros.
La compréhension des sons au service des personnes
La start-up brestoise a développé une solution d’intelligence artificielle capable de comprendre les sons et les bruits. Oso-AI la déploie aujourd’hui dans les établissements médico-sociaux.
Automatisez vos outils de supports internes avec des Assistants Q&A
Interactions génériques
Automatisation des questions récurrentes
Rapide et facile à déployer
Axé sur les résultats (ROI)
Automatisez vos processus avec des Assistants Augmentés
Interactions personnalisées
Orienté conversation / action
Axé sur les résultats (ROI)
Intégré à vos SI
Conversation is the ultimate app
Conversational technologies are a game changer.
Make business information more accessible.
Automate support and processes.
Achieving more with fewer resources sounds compelling?
ADAGOS : Faire plus avec moins de ressources, c’est fascinant ?
Where do parsimonious neural networks come from? ADAGOS, founded in 2011, is a spinoff of the IMT (Institut de Mathématiques de Toulouse).
ADAGOS breakthrough in deep learning techniques via introduction of parsimonious neural networks finds its origin in the outstanding scientific career of Mohamed MASMOUDI, Professor of Applied Mathematics at the University Paul Sabatier, where he participated to the creation of the Institute of Mathematics of Toulouse (IMT).
D’où viennent les réseaux neuronaux parcimonieux ?
ADAGOS, fondée en 2011, est une spin-off de l’IMT (Institut de Mathématiques de Toulouse).
La percée d’ADAGOS dans les techniques d’apprentissage profond par l’introduction des réseaux de neurones parcimonieux trouve son origine dans la carrière scientifique exceptionnelle de Mohamed MASMOUDI, professeur de mathématiques appliquées à l’Université Paul Sabatier, où il a participé à la création de l’Institut de mathématiques de Toulouse (IMT).
Cyclope : Diffuser plus d’intelligence sur les routes
Cyclope : Des solutions d’IA pour une meilleure gestion des routes
Cyclope.ai est une entreprise de haute-technologie spécialisée en IA, qui développe des logiciels pour la route intelligente grâce à l’analyse vidéo et au traitement d’images.
Spreading transportation intelligence…
Les produits :
Tunnelwatch est un logiciel nouvelle génération de Détéction Automatique d’Incidents (DAI), utilisant du Deep Learning pour améliorer l’aide à la décision et faciliter la maintenance.
En appliquant les technologies d’IA aux images qui remontent du péage, Tollsense est capable de détecter automatiquement la classe des véhicules avec une précision supérieure à 99%
Nous avons développé une solution d’analyse vidéo capable de détecter, classer et tracer tout type de véhicule – y compris les mobilités douces comme les vélos, les trottinettes et les piétons.
SESAMm : ACCESS THE POWER OF BIG DATA FOR INVESTMENT
SESAMm est une société française spécialisée dans la science des données et la finance.L’entreprise a des bureaux à Paris, New York, Tokyo et Tunis, son siège social se situe à Metz. SESAMm développe des algorithmes informatiques exploitant la donnée textuelle et le Big Data pour l’investissement.
SESAMm collecte et analyse des données pour prédire les tendances des marchés financiers.
La start-up SESAMm s’est spécialisée dans les solutions de big data et d’intelligence artificielle pour les professionnels de l’investissement. La jeune pousse vient d’annoncer une levée de fonds de 7,5 millions d’euros en janvier 2021. Les investisseurs sont : Carlyle, Newalpha Asset Management, Havenrock, Angelsquare, le groupe Caisse d’Épargne, Bpifrance et la Banque Populaire.
BIG DATA AND ARTIFICIAL INTELLIGENCE FOR INVESTMENT
NLP engine to generate Alternative Data from text.
Data Science to create Investment Signals with Machine Learning.
Develop Investment Strategies or Indicators and gain experience.
A l’aide d’outils d’intelligence artificielle (machine learning et analyse du langage), la start-up française SESAMm sillonne le web pour récupérer des données et les appliquer à la gestion d’actifs. Forums, médias, réseaux sociaux et autres blogs sont passés au crible par ces professionnels de la fintech pour en extraire 14 milliards de documents issus de quatre millions de sources.
URBIO : Assurer la transition énergétique des villes
Urbio propose un logiciel qui aide les acteurs clés de la transition énergétique à planifier les technologies les plus efficaces pour chauffer, refroidir et électrifier les bâtiments. Grâce à l’intelligence artificielle, Urbio appuie les fournisseurs d’énergie et les bureaux de conseil en générant une variété de solutions adaptées à leurs besoins spécifiques.
Le processus s’établit en quatre étapes :
Etape 1 : Sélectionnez la zone à planifier
Commencez par sélectionner sur la carte la zone à planifier de votre choix.
Etape 2 : Définissez vos objectifs Précisez les objectifs que vous souhaitez atteindre. Urbio met à votre disposition les indicateurs clés dont vous avez besoin, en mettant l’accent sur les économies d’énergie et les solutions durables.
Etape 3 : Entrée en jeu de l’IA
En fonction de votre sélection, nos algorithmes vous fournissent les plans correspondant au mieux à vos préférences.
Etape 4 : Comparez et affinez Résolvez les conflits en visualisant les compromis et les synergies entre objectifs. Focalisez votre attention sur les plans les plus prometteurs, affinez vos objectifs et itérez.
Etape 4 : Prenez des décisions éclairées
Une fois que vous avez trouvé la meilleure solution, prenez des mesures rationnelles pour atteindre vos objectifs.
Median Technologies is a leading medical imaging company
Median Technologies est une entreprise leader dans le domaine de l’imagerie médicale
Les images médicales révèlent les maladies telles qu’elles sont vraiment, à tous les stades et permettent de suivre leur évolution de manière non-invasive. Exploiter la puissance des images médicales est essentiel pour accélérer l’innovation clinique, le développement de médicaments et améliorer la prise en charge des patients. Depuis 2002, Median repousse les limites de l’identification, de l’analyse et du partage des données d’imagerie dans le monde médical avec un focus sur les cancers et les maladies chroniques. Nous développons des solutions d’imagerie innovantes qui font progresser les soins de santé pour tous et ouvre le champ de la médecine de précision.
Biopsy révèle des perspectives inédites sur des connaissances jusqu’alors inaccessibles. La plateforme de recherche et développement iBiopsy, basée sur le cloud, exploite les technologies d’intelligence artificielle multimodale et la science des données pour répondre aux promesses de la médecine de précision grâce à l’analyse d’images médicales de pointe. L’enjeu est d’améliorer la prise en charge des patients et l’efficacité des traitements. iBiopsy et les services associés répondent à de multiples indications cliniques.
La plateforme d’imagerie phénomique iBiopsy repose sur une technologie d’apprentissage profond (deep learning) qui s’appuie sur des capacités de cloud computing. Ses algorithmes facilitent et accélèrent l’identification de nouveaux biomarqueurs qui « signent » pour chaque patient la présence de la maladie et aident à la caractérisation des lésions en se fondant sur l’analyse des images de scanners thoraciques.
Ces données d’imagerie sont mises en relations avec d’autres sources de données : cliniques, histologiques…
Voulez-vous passer à la seconde partie ? Si oui, voici le lien : Seconde Partie
