Uncertainty-aware artificial Intelligence for demand forecasting and response optimization in health emergencies

De nombreux pays, dont la France, ont été confrontés au fil des années à de multiples situations d’urgence sanitaire. Ces événements sont à l’origine de l’augmentation significative de la demande d’aide médicale urgente, perturbant fortement le fonctionnement du SAMU, notamment en allongeant les temps de réponse et en saturant les centres d’appels. Dans le même temps, l’intérêt croissant pour l’Intelligence Artificielle (IA) ravive la réflexion sur son utilisation pour améliorer l’efficience et la qualité du service rendu par le SAMU. Les travaux de cette thèse se positionnent à l’intersection des problématiques rencontrées par le SAMU et proposent des solutions pour y répondre. Notre première contribution consiste en une modélisation conceptuelle du processus d’activité du SAMU moyennant l’utilisation des formalismes mathématiques, notamment la théorie des files d’attente et les formalismes adaptés aux systèmes à événements discrets. À travers plusieurs simulations du modèle de politique opérationnelle en tenant compte des paramètres stochastiques, nous avons pu confirmer certaines hypothèses et identifier les zones critiques où il est indispensable d'introduire les solutions basées sur l’IA. Ensuite, nous avons contribué à la recherche d'algorithmes d’IA capables de prévoir l'occurrence de situations d’urgence à fort impact sanitaire sur le SAMU. Une version améliorée de la régression quantile a été proposée afin d’identifier les différents états dynamiques du SAMU pour l’aide à la décision. Ce travail a également conduit à la proposition d’une méthode basée sur les filtres de Kalman, afin d’améliorer l’interprétabilité des facteurs influençant la prévision. Enfin, nous avons exploré des approches d’optimisation du dimensionnement des ressources du SAMU. En combinant les outils issus de la théorie des files d’attente et de la programmation dynamique, nous avons identifié des configurations optimales permettant de mieux allouer les ressources. Ces solutions visent à limiter les situations d’inaccessibilité du SAMU et à réduire les risques d'hypovigilance du personnel.