talk-data.com talk-data.com

G

Speaker

Guillaume DE LABOULAYE

1

talks

Head of Machine Learning WITHINGS

Diplômé de l'École Polytechnique, Guillaume de Laboulaye s'est spécialisé en informatique, avec un focus sur le machine learning et le deep learning à l'Université McGill. Il a ensuite passé cinq ans chez Sysnav en tant qu'ingénieur de recherche, puis chef de projet, se concentrant sur le traitement d'images et le traitement du signal. Depuis quatre ans, il évolue chez Withings, d'abord en tant que Data Scientist, puis comme chef de l'équipe Machine Learning. Cette équipe développe les algorithmes intégrés aux produits Withings, transformant les données des capteurs (accéléromètres, ECG, etc.) en biomarqueurs intelligibles pour l'utilisateur, tels que le nombre de pas, la fréquence cardiaque et la détection d'arythmies cardiaques.

Bio from: Big Data & AI Paris 2025

Filter by Event / Source

Talks & appearances

1 activities · Newest first

Search activities →

• La problématique : L'IA au cœur des solutions de santé connectée

Face à la crise croissante des systèmes de santé, les appareils connectés de Withings s'imposent comme des alliés cruciaux pour la prévention et le dépistage. Notre défi : tirer parti des signaux captés pour extraire des informations physiologiques précises, et ce, sans effort pour l'utilisateur. C'est ici que l'intelligence artificielle et le machine learning jouent un rôle central.

• Notre approche innovante : Quand la sobriété de l'IA rencontre la performance médicale

Pour intégrer l'IA directement dans nos appareils, nous développons des algorithmes ultra-sobres, capables de fonctionner avec seulement quelques kilo-octets de mémoire. Cette approche, qui combine traitement du signal et machine learning, est le fruit d'une exploitation de bases de données massives de haute qualité. Nous transformons ainsi les données brutes en diagnostics fiables et précis.

• Résultats et impact : De la détection à l'optimisation

Nos produits ont déjà permis de détecter plus de 2 millions de signes de fibrillation auriculaire, avec une précision de grade médical (plus de 99.5% de sensibilité et de spécificité). Ce succès démontre le retour sur investissement concret de notre approche : le dépistage précoce de pathologies et l'incitation à de meilleures habitudes de vie (sommeil, activité, etc.).

• Les prochaines étapes : Vers un suivi médical encore plus intelligent et passif

Nous continuons à innover en élargissant notre palette de détections et en rendant nos mesures toujours plus transparentes pour l'utilisateur. Notre objectif est de transformer les interactions quotidiennes en un suivi médical passif et continu, pour promouvoir activement la santé à long terme.