Exploitez-vous toutes les données fournies par les capteurs de vos produits ? Vous révèlent-ils quelles sont les fonctions préférées de vos utilisateurs et lesquelles ils délaissent ? Pour accéder à ces informations, il faut non seulement des outils informatiques performants, mais aussi une organisation adaptée à l’entreprise.
En génie biomédical, les équipements cliniques ne se contentent pas de fournir des données médicales : ils procurent également des données pouvant être très utiles pour le fonctionnement même de l’appareil et l’optimisation des processus d’une entreprise. La consolidation et l’analyse de ces données peuvent susciter de nouvelles idées, et contribuer par exemple à réduire les coûts ou accroître le chiffre d’affaires. Ce concept est tout nouveau pour le secteur du génie biomédical.
Les spécialistes de ce que l’on appelle le « Big Data » (ou volume massif de données) ont tous un objectif commun : maîtriser les masses de données générées à chaque seconde par les capteurs intégrés aux machines. Pour ce faire, ils ont besoin de systèmes informatiques intelligents et performants afin d’organiser, évaluer et visualiser ces données. Dans la mesure où dans quelques années le Big Data sera bien plus présent qu’il ne l’est aujourd’hui dans tous les secteurs, les entreprises qui ne comprendront pas qu’elles doivent maîtriser ces grandes quantités de données et exploiter les informations qu’elles recèlent compteront parmi les perdantes de ce processus de transformation.
Pour les entreprises du génie biomédical, toute la question est désormais de savoir comment faire partie des entreprises « analytiques ». Le jeu pourrait en valoir la chandelle et se concrétiser à terme par des cycles de développement bien plus courts et une sécurité des processus renforcée. Les données collectées peuvent ainsi mettre en lumière les fonctions d’un appareil qui sont utilisées particulièrement souvent par des établissements de soins, des médecins ou d’autres utilisateurs. Les fonctions inutilisées peuvent ainsi être supprimées dès la prochaine version d’un produit, dont les coûts seront ainsi diminués et dont la commercialisation sera plus rapide. Une entreprise pourra également réduire les taux d’erreurs de ses produits complexes grâce aux données analysées qu’elle obtiendra ainsi, et donc diminuer de façon sensible et durable les réclamations dues au titre de la garantie.
Mais comment identifier des informations critiques dans un flux de plusieurs milliards de données ? La quantité et la complexité des données dépassent de facto aujourd’hui encore la capacité d’enregistrement des individus et des services dans l’entreprise. Il existe toutefois déjà des capteurs et des algorithmes efficaces, ainsi que des systèmes et des architectures de type « cloud », pour stocker et analyser ces données. La technologie « In Memory » embarquée sur les processeurs actuels permet d’établir des corrélations et des visualisations de milliards d’enregistrements de données en quelques secondes, là où il fallait jusqu’à présent compter normalement sur plusieurs heures.
Au-delà du stockage et de l’analyse, les méthodes analytiques et statistiques peuvent seulement fournir des valeurs caractéristiques qui doivent ensuite être interprétées comme des données concrètes sur des processus ou des états. Le défi aujourd’hui consiste à, d’une part, mettre en place techniquement le mécanisme d’abstraction correspondant et, d’autre part, à intégrer les connaissances acquises au système analytique d’une entreprise, pour les rendre accessibles.
Cette approche, qui fait passer l’entreprise de l’« analogique » à l’« analytique », touche au plus profond de sa structure et de ses processus et l’oblige à de nombreux ajustements. Il s’agit donc bien plus que d’ajouter « simplement » un système informatique performant à l’infrastructure de l’entreprise.
L’analyse rapide, précise et prédictive des données offre des perspectives au secteur du génie biomédical dans trois domaines. Le premier est l’utilisation d’équipements médicaux, pour lesquels l’évaluation des données permettrait d’accélérer le développement de nouvelles installations et d’en réduire les coûts en anticipant leur maintenance. Il serait possible d’imaginer, dans un deuxième cas de figure, des modèles commerciaux plus adaptés, basés sur une utilisation spécifique de l’appareil, par exemple avec une facturation en fonction de son utilisation plutôt qu’une vente unique de l’appareil. L’idée n’est certes pas neuve, mais le Big Data pourrait avoir ici son utilité en améliorant sensiblement la précision des calculs des coûts.
Le troisième domaine est l’exploitation des données médicales pour les services de santé en ligne. L’analyse statistique permet de générer des informations médicales afin d’optimiser par exemple l’infrastructure des soins de santé au niveau régional et national. Des analyses et des processus rapides fournissent des informations en quelques secondes pour pouvoir réagir à des situations extrêmes et très complexes.
À terme, ce n’est pas tant la maîtrise du volume de données générées que leur complexité globale qui jouera un rôle crucial. La tendance au Big Data n’en est aujourd’hui qu’à ses débuts. Pour garder une longueur d’avance, il faut dès maintenant s’y intéresser, avant que le fossé entre les utilisateurs de la première heure et ceux qui ont pris le train en marche trop tard ne se creuse inexorablement. La maîtrise d’importants volumes de données sera à l’avenir une compétence fondamentale des entreprises.
Andreas Hasse, Dorothea Pohlmann Altran, Francfort
Teilen:
