IA santé - données - déploiement

Guillaume Lemonnier

J'occupe actuellement un poste de chargé d'appui à la performance numérique à l'ARS Normandie. Mon parcours s'est construit à l'interface entre données de santé sensibles, développement d'outils robustes et recherche en apprentissage automatique, avec une attention constante portée à la qualité des données, à la traçabilité, à l'explicabilité et aux usages réels.

En poste à l'ARS Normandie Stage recherche au GREYC Ouvert à échanges ciblés et doctorat
ARS

Environnement institutionnel de santé, données sensibles, exigences RGPD, outils métiers et accompagnement des usages.

GREYC

Recherche sur l'explicabilité des GNN, la caractérisation de datasets de graphes et la mise en place de protocoles expérimentaux.

IDA 2026

Article co-signé issu du mémoire de M2 sur l'explicabilité des modèles appliqués à des graphes moléculaires.

64

Dépôts GitHub recensés, couvrant IA, visualisation, développement logiciel, web, systèmes et démonstrateurs expérimentaux.

Profil

Un profil construit entre terrain, recherche et ingénierie

Je ne me présente pas comme un profil en recherche d'emploi au sens classique, mais comme quelqu'un qui a déjà un socle professionnel solide et qui cherche à faire converger trois dimensions : la production d'outils utiles, la rigueur méthodologique et une trajectoire crédible en IA pour la santé.

À l'ARS Normandie, je travaille sur la fiabilisation et l'exploitation de données, le paramétrage d'outils, la documentation, le support et le développement d'un outil web interne avec authentification, contrôle d'accès, exports XLSX, historisation et mécanismes d'intégrité. Ce cadre m'a appris à produire des solutions techniquement justes, mais surtout maintenables, lisibles et compatibles avec des contraintes réelles de confidentialité.

En parallèle, mon stage de recherche au GREYC m'a permis de développer une vraie culture de l'expérimentation : formuler une problématique, construire un pipeline, comparer des approches, interpréter des résultats et transformer ce travail en mémoire puis en publication.

Ce qui me caractérise
  • Une capacité à relier qualité des données, contraintes métier, développement logiciel et adoption terrain.
  • Une vraie expérience de recherche sur les graphes, l'explicabilité et l'analyse de performance des modèles.
  • Un intérêt fort pour les sujets où confidentialité, robustesse et généralisation comptent autant que le score final.
  • Une pratique autonome du développement, du prototypage et de la documentation, avec une attention au déploiement réel.
  • Un positionnement cohérent pour des échanges avec des entreprises, des équipes R&D et des encadrants de thèse.

Expériences récentes

Une trajectoire qui combine environnement institutionnel de santé, recherche académique et ingénierie logicielle.

Depuis déc. 2025

Chargé d'appui à la performance numérique - ARS Normandie

Caen - données sensibles, outils métiers, qualité des usages

  • Fiabilisation et exploitation de données via PostgreSQL, paramétrage d'outils et amélioration continue.
  • Développement autonome d'un outil web interne avec authentification, contrôle d'accès, exports XLSX, historisation et mécanismes d'intégrité.
  • Production de documentation, vulgarisation technique et accompagnement des agents sur les usages quotidiens.
  • Référent IA sur le cadrage responsable des usages dans un périmètre de plus de 400 utilisateurs et 85 services.
Mars - août 2025

Stage recherche M2 - Explicabilité des GNN - GREYC

Caen - graphes moléculaires, PyTorch Geometric, méta-modélisation

  • Construction d'un pipeline de caractérisation de jeux de données de graphes, avec 583 descripteurs sur 57 jeux de données.
  • Extraction de motifs fréquents avec gSpan / cgSpan et entraînement de modèles GCN sous PyTorch Geometric.
  • Conception d'un méta-modèle interprétable reliant la structure des données aux performances observées.
  • Valorisation scientifique sous la forme d'un mémoire de M2 et d'un article co-signé à IDA 2026.
Juin - juil. 2024

Stage - Visualisation 3D moléculaire - CERMN

Caen - performance, ergonomie, validation fonctionnelle

  • Développement d'une visualisation 3D et d'un module d'alignement moléculaire pour un logiciel existant.
  • Travail orienté performance, ergonomie, validation fonctionnelle et documentation des évolutions.

Axes de travail et d'intérêt

Les thèmes qui structurent aujourd'hui mon site, mes projets et mon positionnement : utiles pour une entreprise, lisibles pour une équipe de recherche, cohérents pour une trajectoire doctorale.

Apprentissage fédéré en santé

Personnalisation, robustesse inter-centres, confidentialité et hétérogénéité des données dans des contextes multicentriques.

Imagerie et temporalité

Modélisation spatio-temporelle d'IRM longitudinales et exploitation de séries d'examens pour des usages cliniques crédibles.

Explicabilité et incertitude

Compréhension des signaux appris, calibration des prédictions et analyse de l'incertitude pour une IA de confiance.

Données sensibles et déploiement

Conception d'outils et de pipelines compatibles avec la traçabilité, les contrôles d'accès, la documentation et l'usage réel.

Approche

Une IA utile ne se résume pas à entraîner un modèle

Ce qui m'intéresse, ce sont les sujets où la valeur d'un projet vient autant de la qualité du protocole, de la structuration des données et de l'appropriation par les utilisateurs que des performances du modèle. C'est particulièrement vrai en santé, mais aussi dans tous les environnements où la décision, la confidentialité et la robustesse logicielle sont centrales.

Ouverture

Je reste ouvert à des échanges ciblés avec des structures qui cherchent un profil capable d'articuler développement, données, recherche appliquée et contraintes de terrain. Cela peut concerner un poste, une collaboration R&D, un sujet de thèse ou un projet mêlant entreprise et laboratoire.

Contact

Je réponds volontiers aux prises de contact qui ont un objet clair : opportunité ciblée, discussion doctorale, collaboration R&D ou échange autour d'un projet technique.

Email

lemonnier.guillaume.pro@gmail.com

Premier contact simple, direct et professionnel.

GitHub

github.com/P-Pix

Dépôts, prototypes, démonstrateurs et expérimentations techniques.

LinkedIn

linkedin.com/in/lemonnier-guillaume

Pour les échanges professionnels, académiques et de réseau.