Détails du sujet
L’amélioration de l’observation des traitements, la sécurité et fiabilité des conseils médicaux automatisés grâce à un chat bot.
Résumé
Auteur : MANZI MBONEZA
Niveau: G3
Département: Genie Informatique
Année Ac: 2025-2026 , | 2026-04-20 10:12:26
Mots clés
Chatbot médical, intelligence artificielle, traitement automatique du langage (TAL), accessibilité aux soins, prévention, analyse de données, génie logiciel.
Intérêt
- Résoudre le problème de difficulté à l’accessibilité des soins.
- Réduire le délai d’attente; faire en sorte que les patients obtiennent des réponses plus vite.
- Personnalisation des suivis; aider à maintenir les patients engagés dans leur traitement.
- La prévention; en identifiant plus tôt certains symptômes et en orientant vers le bon soin avant qu’il ne soit trop tard.
Accessibilité, Rapidité, Personnalisation et Prévention
Problématique
Comment un chat bot médical intégré à une application mobile peut-il améliorer l’adhésion aux traitements et réduire les barrières à l’accès aux soins, tout en garantissant la fiabilité et l’éthique des conseils prodigués ? Plan provisoire
Introduction
-Problématique (le constat du problème de soin)
-Hypothèse (votre proposition de solution)
-Objectifs (ce que vous voulez démontrer)
-Choix et intérêt du sujet
Chapitre I : Revue de la Littérature et État de l'Art
I.1. Définition des concepts clés (Prévention, Accessibilité, Soins numériques)
I.2. Concepts du projet (Chatbots, IA en santé, parcours de soin).
I.3. Analyse de l'existant (quelles solutions existent déjà et leurs limites)
Chapitre II : Méthodologie et Analyse des Données (Le Dataset)
II.1. Source et description du dataset (données médicales pour l'entraînement du bot).
II.2. Description du dataset utilisé ou de la population cible
II.3. Traitement des données : Nettoyage, normalisation et préparation pour l'IA.
II.4. Analyse statistique : Identification des besoins réels des patients à partir des données.
Chapitre III : Conception et Modélisation du Chatbot
III.1. Analyse des besoins (Fonctionnels et Non-fonctionnels).
III.2. Modélisation UML (Cas d'utilisation et Séquences).
III.3. Architecture du système et conception de la base de connaissances.
Chapitre IV : Réalisation, Implémentation et Tests
IV.1. Choix de la stack technique (JavaScript, Rasa ou Dialogflow, flutter ou React Native, API.)
IV.2. Développement des interfaces et intégration de l'intelligence.
IV.3. Tests de performance (précision des réponses) et tests utilisateurs.
Conclusion et Recommandations
-Synthèse sur l'apport du chatbot à l'accessibilité des soins.
-Perspectives d'évolution et limites du projet.
Hypothèses
« L'intégration d'un suivi numérique personnalisé permettrait de réduire les délais de prise en charge tout en favorisant une détection précoce des symptômes, améliorant ainsi l'engagement du patient et l'efficacité globale du parcours de soin. »
Méthodes
Dans le cadre de cette étude, notre méthodologie repose sur une analyse rétrospective de datasets de santé anonymisés. Elle comprend une première étape de préparation des données (nettoyage, traitement des valeurs manquantes et normalisation) suivie d'une analyse exploratoire pour identifier les corrélations clés entre les variables de prévention et les résultats cliniques. Des modèles statistiques, tels que la régression ou l'analyse de cohortes, seront appliqués pour valider l'hypothèse d'une réduction des délais de prise en charge. Enfin, l'efficacité du nouveau protocole sera simulée en comparant les tendances extraites du dataset avec les indicateurs de performance cibles. Bibliographie
1. Software Engineering – Roger S. Pressman (Pour la méthodologie de conception)
2. Speech and Language Processing – Dan Jurafsky (Pour la partie NLP et Chatbot)
3. Artificial Intelligence: A Modern Approach – Stuart Russell & Peter Norvig
4. Deep Learning for Healthcare – Cao, Xiao, & Wang (Pour l'analyse des datasets médicaux)
5. Google Gemini – IA conversationnelle (Assistance à la structuration méthodologique et au plan de recherche)
Directeur & Encadreur
Directeur: AKWIR Alain NKIEDIEL
Encadreur: KALIMUMBALO Daniella MUGHOLE
Status
Décision ou observation:
Feu vert:
Déposé : NON
Défendu: NON
Finalisé: NON
L’amélioration de l’observation des traitements, la sécurité et fiabilité des conseils médicaux automatisés grâce à un chat bot.
Résumé
Auteur : MANZI MBONEZA
Niveau: G3
Département: Genie Informatique
Année Ac: 2025-2026 , | 2026-04-20 10:12:26
Mots clés
Chatbot médical, intelligence artificielle, traitement automatique du langage (TAL), accessibilité aux soins, prévention, analyse de données, génie logiciel.Intérêt
- Résoudre le problème de difficulté à l’accessibilité des soins.- Réduire le délai d’attente; faire en sorte que les patients obtiennent des réponses plus vite.
- Personnalisation des suivis; aider à maintenir les patients engagés dans leur traitement.
- La prévention; en identifiant plus tôt certains symptômes et en orientant vers le bon soin avant qu’il ne soit trop tard.
Accessibilité, Rapidité, Personnalisation et Prévention
Problématique
Comment un chat bot médical intégré à une application mobile peut-il améliorer l’adhésion aux traitements et réduire les barrières à l’accès aux soins, tout en garantissant la fiabilité et l’éthique des conseils prodigués ?Plan provisoire
Introduction-Problématique (le constat du problème de soin)
-Hypothèse (votre proposition de solution)
-Objectifs (ce que vous voulez démontrer)
-Choix et intérêt du sujet
Chapitre I : Revue de la Littérature et État de l'Art
I.1. Définition des concepts clés (Prévention, Accessibilité, Soins numériques)
I.2. Concepts du projet (Chatbots, IA en santé, parcours de soin).
I.3. Analyse de l'existant (quelles solutions existent déjà et leurs limites)
Chapitre II : Méthodologie et Analyse des Données (Le Dataset)
II.1. Source et description du dataset (données médicales pour l'entraînement du bot).
II.2. Description du dataset utilisé ou de la population cible
II.3. Traitement des données : Nettoyage, normalisation et préparation pour l'IA.
II.4. Analyse statistique : Identification des besoins réels des patients à partir des données.
Chapitre III : Conception et Modélisation du Chatbot
III.1. Analyse des besoins (Fonctionnels et Non-fonctionnels).
III.2. Modélisation UML (Cas d'utilisation et Séquences).
III.3. Architecture du système et conception de la base de connaissances.
Chapitre IV : Réalisation, Implémentation et Tests
IV.1. Choix de la stack technique (JavaScript, Rasa ou Dialogflow, flutter ou React Native, API.)
IV.2. Développement des interfaces et intégration de l'intelligence.
IV.3. Tests de performance (précision des réponses) et tests utilisateurs.
Conclusion et Recommandations
-Synthèse sur l'apport du chatbot à l'accessibilité des soins.
-Perspectives d'évolution et limites du projet.
Hypothèses
« L'intégration d'un suivi numérique personnalisé permettrait de réduire les délais de prise en charge tout en favorisant une détection précoce des symptômes, améliorant ainsi l'engagement du patient et l'efficacité globale du parcours de soin. »Méthodes
Dans le cadre de cette étude, notre méthodologie repose sur une analyse rétrospective de datasets de santé anonymisés. Elle comprend une première étape de préparation des données (nettoyage, traitement des valeurs manquantes et normalisation) suivie d'une analyse exploratoire pour identifier les corrélations clés entre les variables de prévention et les résultats cliniques. Des modèles statistiques, tels que la régression ou l'analyse de cohortes, seront appliqués pour valider l'hypothèse d'une réduction des délais de prise en charge. Enfin, l'efficacité du nouveau protocole sera simulée en comparant les tendances extraites du dataset avec les indicateurs de performance cibles.Bibliographie
1. Software Engineering – Roger S. Pressman (Pour la méthodologie de conception)2. Speech and Language Processing – Dan Jurafsky (Pour la partie NLP et Chatbot)
3. Artificial Intelligence: A Modern Approach – Stuart Russell & Peter Norvig
4. Deep Learning for Healthcare – Cao, Xiao, & Wang (Pour l'analyse des datasets médicaux)
5. Google Gemini – IA conversationnelle (Assistance à la structuration méthodologique et au plan de recherche)
Directeur & Encadreur
Directeur: AKWIR Alain NKIEDIELEncadreur: KALIMUMBALO Daniella MUGHOLE
Status
Décision ou observation:Feu vert:
Déposé : NON
Défendu: NON
Finalisé: NON