Conférence • Adnan El Bakri • Le partage et l’intelligence de l’information en santé #GEN2019

Valeur des informations & solidité de l’argumentation

La valeur des informations réside dans le retour d’expérience concret d’un entrepreneur qui a développé une technologie de récupération et de partage de données de santé. Il illustre son propos avec un cas pratique (prédiction du cancer du rein) et explique de manière didactique des concepts comme le big data, le machine learning, le deep learning ou la blockchain. L’argumentation est structurée et porte une vision claire : donner le pouvoir au patient pour créer un flux unique d’information. Cependant, la conférence reste une présentation générale et promotionnelle de sa propre entreprise, s’appuyant sur des constats et des anecdotes plus que sur une démonstration scientifique rigoureuse. Certaines affirmations (80% d’essais non reproductibles, 90% des essais sur clinicaltrials.gov sans résultats) sont avancées sans fournir les études exactes qui les étayent, ce qui affaiblit la solidité de l’argumentation.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : l’orateur cite des concepts (les 4 V du big data, la médecine des 5P, l’empowerment) et des exemples (IBM Watson, blockchain, carnet de santé Apple) mais sans apporter de références précises ni de données chiffrées vérifiables. La qualité des sources est donc limitée. Le titre de la vidéo est en adéquation avec le contenu : il s’agit bien d’une conférence sur le partage et l’intelligence de l’information en santé. Aucun commentaire n’étant fourni, il n’est pas possible d’analyser les tendances du public.

Le titre correspond bien au contenu : il s'agit bien d'une conférence sur le partage et l'intelligence de l'information en santé, dans le cadre du GEN2019.

6/10

Conférence d'un entrepreneur partageant son expérience et une vision prospective. Les propos sont globalement cohérents avec les concepts de e-santé et d'IA, mais s'appuient principalement sur des constats empiriques et des exemples (IBM Watson) sans démonstration scientifique détaillée. Certaines affirmations manquent de précision (ex: 1% des données exploitables, 80% d'essais non reproductibles) et mériteraient vérification.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 02:00Présentation de l'intervenant et de sa vision de l'architecture de l'information en silos.
• 04:20Constat : seulement 1% des données de santé exploitables, nécessité de réinventer un modèle hybride.
• 08:00Exemple de la prédiction du cancer du rein et explication des étapes pour aboutir à un algorithme d'IA.
• 12:00Explication des classifications supervisées et non supervisées et de la distance intra-cluster.
• 16:00Les 4 V du big data : volume, vélocité, variabilité, véracité.
• 20:00Le deep learning et l'importance de l'humain derrière les algorithmes.
• 25:00La médecine des 5P : prévention, prédiction, personnalisation, participation, précision.
• 30:00L'empowerment du patient et la notion de données en vie réelle.
• 35:00La blockchain pour la traçabilité des essais cliniques et les limites éthiques d'IBM Watson.
• 40:00Appel à un flux unique d'information passant par le patient et ouverture vers l'espace numérique de santé.

• Grand Est Numérique - GEN — Événement organisateur de la conférence.
• Hoook.io - Captation vidéo — Société ayant assuré la captation vidéo de la conférence.

• IBM Watson Health — L'orateur cite le cas d'IBM Watson comme exemple de base de données massives mais avec des limites de structuration.