Veille Technologique

Description

Ce projet a été réalisé dans le cadre de mes études en génie informatique pour mon entreprise Thuasne. L’objectif de cette veille technologique est de découvrir et appliquer les principes de veille technologique et de partager les connaissances acquises.

La veille technologique, ou veille numérique, consiste à rassembler de manière systématique des informations sur les dernières techniques, avancée et fonctionnement. La veille technologique pour une entreprise est utile pour :

• Préparer un projet d’entreprise
• Rechercher de nouveaux outils
• Suivre de nouvelles tendances
• Le marketing
• Améliorer la productivité

C’est un outil de recherche et développement qui permet la collecte, l’analyse et la diffusion d’informations jugées pertinentes, suite à une étude approfondie d’une nouvelle technologie.

Ce projet a donné lieu à un rapport et à une présentation.

Objectifs

Cette veille technologique devrait fournir une vision plus claire des défis de l’analyse de données. Depuis une vingtaine d’années, il est devenu évident pour les entreprises à quel point les données, et plus particulièrement leur analyse, sont importantes au point de constituer un réel avantage concurrentiel.

Il s’agit donc aujourd’hui d’une pratique courante, notamment dans le domaine de la santé. Cependant, la mise en œuvre de dispositifs médicaux connectés chez Thuasne est particulièrement récente. Ainsi, l’infrastructure et les processus liés aux données de santé ont dû être pris en compte et développés (structure des données, anonymisation…). Il était donc un peu tôt pour envisager la mise en œuvre de l’analyse de données dans ces conditions. Cependant, grâce au développement de la plateforme de support et à toute l’infrastructure IoT déployée sur Azure, nous pouvons désormais exploiter les données dans de bonnes conditions.

L’objectif de cette veille technologique est donc d’avoir un aperçu de ce qui peut être fait avec les données de santé que nous avons, mais aussi de l’ensemble du processus nécessaire pour y parvenir. Nous parlons ici des technologies utilisées, des infrastructures et de la main-d’œuvre nécessaires, mais aussi du coût de l’ensemble du processus afin de prendre une décision sur l’application éventuelle de ce nouveau processus au sein de Thuasne.

Ainsi, les questions que j’ai identifiées sont les suivantes :

1. Qu’est-ce que l’analyse de données ?
2. En quoi l’analyse de données peut-elle être bénéfique pour Thuasne ?
3. Quels sont les moyens et outils les plus adaptés pour mettre en œuvre l’analyse de données pour Thuasne ?

Méthodologie

Pour mener à bien ce projet, j’ai dû mettre en œuvre une méthodologie de travail rigoureuse. En effet, étant donné que le sujet était vaste, j’ai d’abord dû sélectionner les informations clés et restreindre la portée des informations que j’allais conserver et aborder dans cette veille. De plus, j’ai pu lire de nombreux articles de recherche et du contenu sur le sujet. Il était donc nécessaire de tout regrouper au même endroit, annoter les passages importants, et surtout vérifier mes sources.

Technologies Utilisées

J’ai utilisé divers outils lors de ce projet :

• Notion
• Google Drive
• Zotero
• Web Highlight
• Kaggle
• Google Scholar

Expérimentation

Enfin, j’ai pu sélectionner deux technologies intéressantes à utiliser dans le contexte de mon entreprise. Il s’agit de Python et de R. Pour les comparer, j’ai mené une étude d’un ensemble de données avec les deux langages. Tout cela dans deux notebooks disponibles ici : Python & R.

Conclusion

Ce projet de veille technologique a été très instructif et enrichissant pour moi. Cependant, sa réalisation m’a posé de nombreux problèmes. En effet, le sujet est l’analyse des données de santé. Avec toutes les ressources disponibles sur Internet, le nombre impressionnant d’innovations récentes dans le domaine et le nombre de concepts derrière chaque solution, il était vraiment difficile de me restreindre aux douze pages requises par l’école.

J’ai tendance à écrire toujours un peu trop, mais c’est parce que j’apprécie que tout mon contenu soit clair et sans ambiguïté. Ce projet a donc été un très bon exercice de synthèse extrême pour moi. Il y a beaucoup de concepts que je n’ai pas pu développer et définir, comme l’apprentissage automatique par exemple.

De plus, j’ai dû me restreindre en termes d’implémentation afin d’avoir quelque chose de facile à comprendre et suffisamment complet. Pour cela, j’ai dû sauter certaines étapes permettant une bonne qualité d’analyse des données, comme la normalisation par exemple.

J’ai pu beaucoup apprendre des ressources publiques de différentes personnes sur Kaggle qui ont présenté leur approche de l’analyse des données. Ainsi, j’ai pu fournir une introduction pertinente au ML même si j’aurais aimé faire une expérimentation plus complexe et complète.