Intelligence Artificielle en Santé

Résumé

Prochaine session : 27 et 28 avril 2026

Objectifs

• Comprendre les fondamentaux de l’intelligence artificielle en santé à travers le prisme de la donnée.
• Identifier les types et la qualité des données de santé et leurs impacts sur les usages de l’IA.
• Expérimenter des cas pratiques simples pour explorer ce que l’IA peut (et ne peut pas) apporter en fonction des données disponibles.
• Développer une posture critique et informée pour dialoguer avec les acteurs du numérique et intégrer l’IA dans son environnement professionnel.

Contribution aux enjeux de soutenabilité

• Sensibilisation aux impacts environnementaux des usages numériques (consommation énergétique, obsolescence des équipements).
• Encouragement des pratiques responsables dans la collecte, l’usage et le partage des données de santé.
• Mise en avant du rôle des professionnels de santé dans l’optimisation et la rationalisation des usages numériques.

Les plus de la formation 

• Une approche originale par la donnée, ancrée dans les pratiques professionnelles de santé.
• Une pédagogie interactive et concrète, alternant apports théoriques et ateliers pratiques.
• Un fil rouge collaboratif permettant de mettre en pratique les acquis
• Une articulation claire entre enjeux techniques, éthiques et organisationnels.

Nos atouts pédagogiques

Conditions d'admission

Pour qui ?
Cette formation s’adresse à des ingénieurs, chercheurs et techniciens souhaitant connaître les notions essentielles du machine learning et de l’intelligence artificielle et appréhender les différents enjeux associés.

Pré-requis : Connaissances de base en programmation, statistiques (régression, estimateur etc.), ainsi qu’en optimisation mathématique (calcul d’une dérivée, notion de convergence etc.)

Sanction de la formation : Attestation de présence
 

Programme

1 - Découvrir l’IA en santé

• Panorama des usages actuels
• Compréhension des concepts clés (donnée, algorithme, modèle)
• Cadre éthique, réglementaire et organisationnel.

2 - Compendre la donnée de santé

• Typologie des données (structurées, non structurées, imagerie, texte, capteurs)
• Qualité, biais, interopérabilité
• Ateliers pratiques : analyser des jeux de données simples

3 - Expérimenter l’ia selon la donnée disponible

• Exemples concrets : imagerie, dossiers patients, texte médical, données de suivi
• Démonstrations d’outils accessibles (IA prédictive, NLP, IA générative)
• Atelier fil rouge en groupe : « Que peut-on faire avec des données ? »

4 - Se projeter dans sa pratique professionnelle

• Opportunités et limites dans son contexte
• Rôle des professionnels dans la qualité des données et la vigilance éthique
• Clés pour dialoguer avec les acteurs du numérique et initier un projet IA

Contrôle des connaissances

Quizz d’acquisition des connaissances en début et en fin de formation.