Jean Muller, Biostatisticien chez IVIDATA
Chez IVIDATA, tu réussis ensemble !
IVIDATA vous présente dans sa nouvelle série de rencontres, des articles pour découvrir des métiers, des experts et de nouvelles problématiques liées aux défis que nous pouvons rencontrer dans notre vie professionnelle.
Relire : Data Scientist : au cœur de l’Innovation
Relire : « Le métier de Chef.fe de projet Big Data va évoluer de façon exponentielle »
Bonjour Jean, présente-nous le parcours qui t’a conduit au métier de Biostatisticien ?
Tout d’abord, j’ai passé un Bac S spécialité mathématique, j’ai ensuite travaillé durant 5 ans au sein de l’entreprise familiale, un hôtel spa en Alsace. Un début de vie d’active qui m’a permis de toucher à beaucoup de métiers et de découvrir plusieurs facettes de ma personnalité.
Pourquoi ne pas avoir continué dans ce domaine ?
J’avais envie de me mettre au défi, de ne pas rester sur mes acquis, mais surtout j’avais besoin de faire des études. J’en parlais souvent autour de moi.
Je me suis donc inscrit à la faculté d’informatique de Strasbourg pour y suivre une licence de maths-info. Au fur et à mesure j’ai commencé à développer une réelle attirance pour les mathématiques, j’ai vite eu envie d’aller plus loin que la simple équation, je voulais mettre en application tout ce que l’on peut apprendre en mathématiques. J’ai suivi toutes les unités d’enseignements liées au développement (Java, C, C++). Par la suite, j’ai effectué mon M1 en mathématiques appliquées, toujours à Strasbourg. À ce moment j’ai eu l’opportunité de partir pour un stage de 3 mois au Canada chez Statistics Canada, l’équivalent de l’INSEE en France.
Ma mission était d’améliorer un outil en R&D permettant de coupler des données provenant de deux bases de données distinctes. Au Canada, le NAS (équivalent de notre numéro de sécurité sociale) ne peut être utilisé que dans des buts spécifiques et, par conséquent, n’est pas présent dans toutes les bases de données. Afin d’identifier les informations qui appartiennent à la même entité dans des bases distinctes, nous utilisons un couplage probabiliste. La méthode se base sur la comparaison du triplet (nom, prénom, date de naissance) de toutes les paires possibles, cette méthode a ses limites et des erreurs peuvent être commises. Mon travail était d’essayer de minimiser le nombre de faux positifs et de faux négatifs au travers du développement d’un nouvel outil en interne qui quantifiait l’impact de différents niveaux de standarisation des noms, prénoms et dates sur le couplage.
C’était du machine learning ?
C’est un problème de classification binaire, comparable à de la régression logistique. Deux cas de figure sont possibles, si l’algorithme renvoie 0 : les deux lignes ne correspondent pas à la même personne et 1 : elles sont identiques. C’est de la statistique mais la statistique est utilisée en machine learning au sein de leurs algorithmes.
Reprenons là où nous en étions :
Ce stage a été très formateur, j’étais entouré de personnes expertes dans leur domaine, j’ai eu un accompagnement très bénéfique. Suite à cette expérience, j’étais sûr de vouloir continuer dans ce secteur d’activité. J’ai choisi une spécialisation en biostatistique pour ma deuxième année de master, le domaine de la santé m’intéressait. Une nouvelle opportunité s’est offerte à moi, en intégrant pour un stage de 6 mois un grand laboratoire pharmaceutique au sein du pôle R&D.
Le projet était similaire à mon ancien stage et la problématique se situait dans un contexte de personnalisation de la médecine, trouver le bon traitement au bon patient. Le but de cet outil a été d’identifier des sous-populations de répondeurs au traitement.
Existe-t-il différents profils de biostatisticiens ?
La biostatistique est l’application de la science statistique à la biologie et à la médecine. Le métier est différent selon la taille de la structure dans laquelle le biostatisticien évoluera. Dans les plus gros laboratoires, il va prendre le rôle de coordinateur, il va orienter les projets d’études et donner les indications sur la démarche à suivre, les méthodologies à appliquer.
Par exemple, durant mon stage dans un grand laboratoire, j’ai pu observer une segmentation entre biostatisticiens et programmeurs. Alors qu’au sein d’une plus petite structure, le biostatisticien aura un rôle plus général, il décide de l’analyse à effectuer, la fait, la programme et la valide. Le métier va changer selon la structure.
N’ayant pas eu de mission en biostatistique à proprement parler mon expérience reste très légère dans ce domaine pour le moment.
Comment as-tu eu l’opportunité de rejoindre l’aventure IVIDATA ?
Durant mon stage en M2, j’ai rencontré des membres de l’équipe IVIDATA au sein du département biostatistique, j’ai donc pris contact avec l’équipe de recrutement pour rejoindre l’aventure. Une aventure qui tient ses promesses !
« Chez IVIDATA le discours autour du Bien-Être n’est pas pris à la légère, il est même appliqué à la lettre »
Ah oui ?
Oui, j’ai tout de suite été très impressionné, mais aussi surpris par la qualité du suivi du management. Le discours sur le bien-être en entreprise, je l’ai entendu chez tous nos concurrents, mais chez IVIDATA ce discours n’est pas pris à la légère, il est même appliqué à la lettre. Le suivi que j’ai reçu de la part des équipes Life Science a été exemplaire.
La réussite que l’on a au travail est souvent due à une pression personnelle que l’on s’impose, ici cette sensation de réussite est partagée, je ne réussis pas tout seul, mais je réussi avec une équipe, ensemble.
Je ne suis pas qu’un numéro, ils m’impliquent au quotidien, chacun m’a expliqué son métier, comment nous pouvons nous entraider, un coaching efficace est réalisé. J’ai été accompagné dès mon premier jour dans le but de décrocher ma première mission. Même les petits détails sont soignés, à midi tu déjeunes avec l’équipe, au restaurant ou au siège.
Nous ne ressentons pas la hiérarchie et l’ambiance est au rendez-vous. J’ai beaucoup aimé les évènements organisés, ils sont bien réalisés. Le quotidien chez IVIDATA est agréable, il y a une réelle cohésion, au moindre souci, à la moindre question, on ne te laisse pas seul face au problème, chacun prend le temps pour l’autre. Chez IVIDATA, tu réussis ensemble !
Quel a été ta mission à ton arrivée ?
La première des missions est de décrocher le contrat chez le client. Grâce au suivi et à l’aide que j’ai reçu de la part des équipes chez IVIDATA, j’ai préparé au mieux mon entretien.
C’est Jihane Aouni, réfèrente méthodologie et biostatisticienne senior, qui m’a aidé à le préparer, nous avons effectué une recherche bibliographique pour étudier la méthode la plus adaptée aux besoins du client et la façon dont nous pourrions l’implémenter.
Nous avons trouvé une mission qui me correspond, chez Microport CRM, spécialiste des dispositifs médicaux (pacemakers, défibrillateurs, sondes dans le cœur, etc…). Le besoin était de se conformer aux nouvelles réglementations européennes EUMDR (European Union Medical Device Regulation), entrées en vigueur en 2020. L’objectif de cette réglementation étant de rehausser le niveau d’exigence dans le domaine des dispositifs médicaux et ainsi assurer un meilleur niveau de sécurité pour le patient.
Prenons l’exemple du pacemaker, un défaut électrique ou de connexion, est classé comme un événement « important » et doit être obligatoirement reporté aux autorités compétentes, mais lorsqu’il s’agit d’un évènement classé « non important », comme un défaut de packaging par exemple, il n’était pas obligatoire de faire remonter l’information. Aujourd’hui, pour assurer un meilleur suivi et une meilleure sécurité, nous devons effectuer des analyses statistiques sur ces évènements classés « non important » et constater les variations de proportions d’incidents non sérieux, d’une période à une autre.
Grâce au coaching, à l’aide apportée et le suivi de qualité de mon équipe, j’ai pu décrocher la mission !
Quel rôle as-tu joué dans ce projet ?
J’ai interagi avec les différentes équipes pour comprendre leurs processus de collecte de donnée, leurs bases de données, ce qu’il était possible de faire et donner des axes d’amélioration ou des conseils. Durant le premier mois je me suis familiarisé avec la problématique, en quoi consiste les plaintes reçues, comment est récoltée la donnée et comment la traiter l’implémentation d’une solution. J’ai ensuite travaillé sur l’implémentation possible de ma méthode sur le logiciel RStudio, logiciel IDE (integrated developpment environment). Ce fût une réussite, le besoin était bien compris, la seconde phase commençait avec pour objectif d’automatiser la méthode pour que l’outil puisse être utilisé à interval régulier. J’ai donc décidé de concevoir une application R SHINY en m’inspirant de la méthode Agile tout au long du projet afin de produire rapidement une application fonctionnelle, répondant au mieux à un besoin. Il fallait que l’application soit capable d’effectuer un certain nombre de tâches ; Upload de données, choix de paramètres, subseter (faire des sous-ensembles) la donnée et sorties de résultats statistiques.
Relire : « Le métier de Chef.fe de projet Big Data va évoluer de façon exponentielle »
La réalisation de ce projet a été une réussite ?
Nous avons défini des besoins assez sommaires dans le but de réaliser un livrable rapidement. Lorsque j’ai réalisé le premier jet de l’application, nous devions l’améliorer au fur et à mesure, il me fallait présenter une nouvelle version tous les 3-4 jours. L’amélioration, l’ajout de nouvelles fonctionnalités se faisait en parallèle de l’évolution des besoins, cela permet d’avancer vers un produit viable et utile. Au bout d’un mois nous avions un produit stable et nous pouvions commencer la dernière phase de validation.
Pour finir, J’ai réalisé un User Guide pour l’application, une notice d’installation et un document théorique.
On peut dire que tu as eu plusieurs casquettes au cours de ce projet ?
Oui, j’ai traité la donnée comme un data ingénieur, j’ai travaillé sur une méthode statistique, je l’ai implémentée comme un Data Scientist et enfin j’ai développé l’intégralité d’une application. On peut dire que c’était une mission à 360° (rires).
Penses-tu que l’IA, le machine learning, le cloud, et toutes les nouvelles technologies qu’apporte le Big Data sont performantes et utilisables en statistiques ?
Le secteur s’adapte progressivement à ces nouvelles technologies. Ces nouvelles méthodes sont complémentaires et ne sont pas supplémentaires pour la réussite d’un projet, les deux sont utiles à leur manières. La tendance actuelle dans les grands laboratoires et les grandes entreprises est de vouloir mettre en place ces technologies innovantes. Les algorithmes de machine learning ou deep learning vont être utiles pour minimiser le nombre d’études qui n’aboutissent à aucun résultat pertinent, mais je pense que les analyses statistiques dites « classiques » seront toujours demandées par les autorités de santé.
Enfin quelles sont tes perspectives d’évolution dans ce domaine ?
Pouvoir continuer à avoir cette double casquette de statisticien et de développeurs m’intéresse beaucoup. Créer rapidement un outil qui permet d’interagir avec la donnée à travers une interface simple est très utile. C’est une forme de vulgarisation qui, selon moi, a une vraie valeur ajoutée et je souhaite continuer dans ce sens.
