Pourquoi la tech ?
J’ai toujours aimé les sciences pour deux raisons très différentes : la rigueur logique rassurante d’un côté, et la part de créativité, voire de hasard, qui mène aux vraies découvertes, en mettant au point la bonne expérience. Ce qui me fascine dans la tech, c’est qu’elle contient cette tension : le temps long de la découverte ou du prototype, puis le changement d’échelle. Cela va tellement vite qu’il faut anticiper, créer des langages pour des machines qui n’existent pas encore.
Votre parcours ?
Après le bac, je me suis orientée vers la une classe préparatoire biologie (BCPST), à la fois parce que j’adore, parce que j’avais l’impression qu’il restait plus à formaliser que dans d’autres sciences comme la physique ou la chimie, et aussi suite à un conseil judicieux, pour être dans un environnement un peu moins « dur » qu’en prépa maths-physique, sans remise en cause de mes capacités. Mais les maths m’ont manqué, et j’ai réussi à intégrer l’ENS, avec la promesse d’une grande liberté de choix de cursus. J’ai pu suivre plusieurs cours au département d’informatique, puis faire une césure pour vraiment basculer vers le machine learning, et comprendre vraiment les deux mondes pour faire l’interface. J’ai poursuivi avec une thèse à l’Ecole des Mines et à l’Institut Curie, à la recherche de méthodes pour mieux comprendre le génome des cancers et son évolution, pour peut-être en déduire des pistes thérapeutiques. J’ai découvert ensuite la réutilisation secondaire des données de soins, qui permettent de trouver des ajustements moins spectaculaires comme un traitement révolutionnaire, mais que l’on peut mettre en œuvre plus rapidement pour améliorer la prise en charge des patients.
Votre première expérience professionnelle dans la tech ?
J’ai fait une année de césure après mon M1 de biologie pour me consacrer vraiment aux mathématiques et à l’informatique, et j’ai travaillé toute l’année dans une startup, tinyclues, qui utilisait le machine learning pour faire du marketing. Un peu loin de mes motivations premières, mais à l’époque c’était un des seuls domaines où l’IA était rentable. J’ai appris le machine learning en l’appliquant à des données très riches, et de très bonnes pratiques pour développer du code industriel de façon collaborative, dans l’environnement très excitant du « silicon sentier ». J’ai pu voir que c’était vraiment là que ça bougeait, maintenant, et ça m’a vraiment convaincue de faire un M2 d’apprentissage statistique, plutôt que de bioinformatique avec une ré-orientation progressive.
Que faites-vous aujourd’hui et pourquoi ?
Aujourd’hui, je suis chercheuse en IA appliquée à la santé. Je développe des méthodes de machine learning pour extraire de la connaissance médicale pertinente à partir des données de santé collectées dans le cadre du soin ou de leur remboursement.
Les pratiques médicales s’appuient en partie sur les essais cliniques et les cohortes de recherche, mais ceux-ci ne couvrent jamais tous les cas réels et de nombreuses décisions reposent aussi sur des recommandations d’experts, voire sur des habitudes de pratique propres à chaque équipe ou médecin, faute d’études ayant tranché la question. La numérisation des dossiers médicaux ouvre une voie complémentaire : observer ces pratiques à grande échelle pour objectiver, parmi cette variabilité, les parcours thérapeutiques les plus efficaces selon les caractéristiques des patients. Mon objectif n’est pas seulement de prédire ce qui va arriver à un patient, mais de comprendre ce qui, dans son parcours de soin, a véritablement causé une amélioration ou une dégradation de son état. C’est une question causale, bien plus exigeante qu’une simple corrélation.
Ce cadre nécessite de nouveaux outils d’IA, capables de fonctionner sur des données de vie réelle et non collectées spécifiquement pour la recherche, ni exhaustives, ni parfaitement structurées, à l’échelle de millions de patients, avec des ressources de calcul contraintes par la sensibilité des données : elles ne peuvent pas quitter les infrastructures hospitalières.
Mais la puissance du modèle ou la taille des données ne suffisent pas : la qualité de la réponse dépend avant tout de la pertinence de la question posée et de la rigueur du choix des paramètres d’analyse. C’est pourquoi je travaille en étroite collaboration avec des médecins de chaque spécialité concernée, ainsi qu’avec des épidémiologistes. On est très loin du paradigme où un modèle plus gros, avec plus de données, suffirait à apporter une meilleure réponse.
Vos atouts pour ce poste ?
Ma double-compétence biologie et maths/info est clé dans mon quotidien, pour pouvoir interagir efficacement avec toutes les personnes impliquées dans le projet. Et la curiosité que j’ai à toutes les étapes, mêmes celles qui paraissent ingrates, permet de persévérer sur plusieurs années, et surtout d’inspirer les personnes que j’encadre à me suivre dans cette aventure, parce que c’est avant tout un travail d’équipe.
Vos défis passés, vos ratés, vos grands moments de solitude ?
J’ai été écartée de mon premier projet de thèse. Un peu difficile sur le moment, mais j’ai eu beaucoup de soutien d’un de mes directeurs de thèse pour rebondir et construire à partir d’autres analyses que j’avais commencées en parallèle. Je retiens de cet incident que l’interdisciplinarité demande beaucoup de patience, et surtout une communication très claire sur les attentes de chacun, nous n’avons pas toujours les mêmes priorités.
Vos meilleurs moments, les succès dont vous êtes fière ?
Ma soutenance de thèse ! C’est le moment où ma famille et mes amis ont compris que je maîtrisais vraiment ce que je faisais et que j’avais confiance en moi, en mes capacités, en mon travail. J’ai une démarche scientifique qui passe beaucoup par le doute, et une conscience un peu trop visible qu’il y a beaucoup de façons de faire et que la mienne n’est pas forcément la meilleure.
Des personnes qui vous ont aidée/marquée ou au contraire rendu la vie difficile ?
J’ai eu beaucoup d’encouragements, de conseils, de recommandations à des moments-clés, et quelques rencontres moins bienveillantes, mais ces personnes ne méritent pas que je leur accorde du temps ! Tout d’abord de ma mère, qui m’a montré au quotidien à quel point elle s’épanouissait dans son travail, que les études scientifiques ou les postes à responsabilité n’étaient absolument pas interdits aux femmes (elle a été à l’Ecole Polytechnique), même avec trois enfants, même avec une maladie grave.
Certains professeurs ont été absolument clés dans mon orientation comme Benoît Corn, qui m’a conseillé une prépa bio de façon extrêmement fine, sans aucune question sur mes capacités, mais sur ce qui me rendrait heureuse, Farouk Boucekkine qui m’a donné de super challenges mathématiques et donné de super recommandations, David Bessis et Olivier Hervieu qui m’ont fait confiance pour intégrer tinyclues en data science alors que je ne connaissais rien du machine learning et que j’étais avare de mots lors de l’entretien à cause de ma timidité. Et bien sûr Jean-Philippe Vert et le RT2 Lab l’institut Curie qui m’ont accompagnée pendant ma thèse et ses rebondissements, pour trouver une bonne question, et apprendre à en poser beaucoup d’autres. Et enfin mon père, Julie Josse, Bertrand Thirion et Gaël Varoquaux pour la dernière transition vers une recherche autonome.
Aujourd’hui, j’ai un entourage très soutenant, et notamment mes sœurs, mon mari, mes filles, mes oncles et tantes, mes cousins.
Vos envies et défis à venir ?
Trouver un bon équilibre entre mes projets méthodologiques de fond, et les applications. L’aspect collaboratif des applications apporte beaucoup de dynamisme, avec des échanges, des idées qui se croisent. Dégager du temps pour une réflexion plus approfondie demande de la discipline, et d’apprendre à dire non !
Et que faites-vous en dehors de votre travail ?
Je passe beaucoup de temps à la campagne, et même à Paris si j’ai l’occasion de faire une visio dans un jardin plutôt qu’à l’intérieur ça illumine ma journée ! Je passe aussi beaucoup de temps avec mes filles, nous faisons beaucoup d’activités manuelles : si l’objet qui nous plait n’existe pas, on peut le construire !
Vos héroïnes (héros) de fiction, ou dans l’histoire ?
Elle Woods dans « la revanche d’une blonde » : elle se fixe un objectif, dont on la croit incapable, et elle y arrive, mais sans suivre les codes. Elle réussit à faire des atouts de toutes ses connaissances qui semblent a priori non pertinentes.
Votre devise favorite ?
« Aide-toi et le ciel t’aidera », rien à voir avec la religion pour moi, mais un rappel que si je donne la première impulsion, beaucoup de choses peuvent se mettre en mouvement ; un encouragement que je me répète beaucoup pour avancer face aux difficultés.
Un livre à emporter sur une île déserte ?
La comédie humaine de Balzac. C’est un œuvre à laquelle je reviens régulièrement, et je m’y plonge toujours au point d’oublier de descendre du métro. Si je la regarde avec mes yeux de chercheuse, je crois que c’est un très bon jumeau numérique de la société, et beaucoup des mécanismes à l’œuvre fonctionnent encore dans le monde actuel.
Un message ou un conseil aux jeunes femmes ?
C’est assez contradictoire, viser haut ouvre énormément de portes, et ça aide vraiment d’avoir un tampon d’une grande école pour valider qu’on mérite vraiment une place autour de la table, mais il faut aussi savoir prendre un chemin différent si l’environnement est trop hostile. N’hésitez pas à frapper à plusieurs portes, parce qu’on rencontre beaucoup de non, ou même d’absences de réponses, demander des conseils pour vérifier qu’on va au bon endroit !
