Clément Longeac — NLP clinique & IA biomédicale

01 — À propos

Du soutien scolaire en maths à la modélisation de biomarqueurs tumoraux

Je suis étudiant en cinquième année à ESIEE Paris, spécialisation Data Science & IA, inscrit dans le parcours Tremplin Recherche de l'école — un programme conçu pour les étudiants visant une thèse plutôt qu'un stage classique en entreprise.

Mon travail consiste à rendre exploitable le texte clinique non structuré : extraire les biomarqueurs, les informations de stadification et les détails de traitement enfouis dans les comptes rendus d'oncologie français, là où les outils NLP génériques échouent systématiquement face au vocabulaire et à la structure documentaire du domaine.

En parallèle de mes études, je donne des cours de mathématiques et de physique-chimie via Complétude, et je prépare des candidatures pour une thèse CIFRE en IA biomédicale à Sorbonne Université.

Établissement: ESIEE Paris
Programme: Data Science & IA (DSIA)
Parcours: Tremplin Recherche
Prochaine étape: Doctorat, IA biomédicale — Sorbonne
Langues: FR · EN · JP · ES

02 — Recherche

DEMNE

Un pipeline hybride de reconnaissance d'entités nommées pour le texte clinique oncologique français.

Résultats

Ce qu'apporte l'approche en étages

0.0%

des mentions routées vers les règles (cohorte AP-HP jamais vue, 411/413)

0.000

F1 des règles contre 0,358 pour un DrBERT affiné, mêmes entités

0.000

concordance de routage en leave-one-corpus-out

Determination of Extraction Methods for Named Entities

NER clinique · corpus d'oncologie français

Les modèles NER génériques échouent nettement sur le texte clinique français : abréviations denses, mise en forme incohérente selon les établissements, et terminologie de biomarqueurs quasi absente des corpus d'entraînement généraux. DEMNE répond à ça par un pipeline en étages plutôt qu'un modèle unique — chaque étage traite ce qu'il fait le mieux, et n'escalade vers un modèle plus lourd que si nécessaire.

Le système est affiné sur DrBERT-7GB à travers trois corpus d'oncologie français distincts, et cible sept types d'entités biomarqueurs prioritaires utilisés dans les comptes rendus à visée thérapeutique.

NLP cliniqueTransformersDrBERT-7GBOncologie française

Voir le dépôt Lire la méthodologie

Passe à base de règles

Le pattern matching (regex, lexiques) capte à faible coût les entités à haute confiance et faible ambiguïté — dates, dosages, abréviations standard de biomarqueurs.

Extraction par transformer

DrBERT-7GB, affiné sur trois corpus d'oncologie, traite les entités qui exigent une réelle compréhension sémantique et de domaine.

Arbitrage par LLM

Les conflits résiduels et cas limites sont routés vers une passe LLM pour la désambiguïsation finale avant la sortie.

Conformité réglementaire — EU AI Act

L'extraction d'entités cliniques sur des dossiers patients relève directement de la catégorie « haut risque » de l'EU AI Act. La conception en étages de DEMNE intègre les articles 12 et 14 dès le départ, pas après coup.

Art. 12 — Tenue de registres

Chaque décision d'extraction est traçable jusqu'à l'étage (règles, transformer ou LLM) et au score de confiance qui l'a produite, ce qui permet une journalisation automatique pour l'audit.

Art. 14 — Contrôle humain

Les sorties de l'arbitrage LLM sont signalées pour relecture clinicienne plutôt qu'acceptées silencieusement, gardant un humain dans la boucle sur les cas ambigus.

03 — Expérience

Où le travail s'est déroulé jusqu'ici

Mai — Juil. 2026

Stagiaire recherche, Entrepôt de Données de Santé

AP-HP (Assistance Publique – Hôpitaux de Paris)

Application et validation de l'approche de routage DEMNE sur données hospitalières : extraction de biomarqueurs oncologiques (ER, PR, HER2, Ki67, FISH) à partir de comptes rendus cliniques français, et définition d'un parcours de déploiement clinique auditable et réaliste.

NLP cliniqueEDS-NLPBRAT / CoNLLPythonDrBERT

Oct. 2025 — Mai 2026

Chercheur étudiant, Tremplin Recherche

ESIEE Paris · LBA (Aix-Marseille) · AP-HP

Conception de DEMNE, un pipeline hybride de NER clinique (règles / transformer / LLM) pour le texte d'oncologie français, piloté par cinq métriques de corpus formalisées — projet central du parcours Tremplin Recherche en vue des candidatures de thèse.

PythonHugging FaceDrBERTpycrfsuiteeco2aiBRAT / CoNLLOptuna

2026 — PrésentEn cours

Product Lead & développeur, NeuroStep

Junior Entreprise ESIEE Paris

Construction d'une plateforme donnant aux patients cérébrolésés et à leurs ergothérapeutes un moyen structuré de comparer les outils numériques de compensation cognitive. Née en prototype Python/Streamlit au hackathon SN@SU (Sorbonne Université, avec des ergothérapeutes partenaires) ; en cadrage vers une refonte de production (FastAPI, PostgreSQL, Next.js) avec hébergement conforme HDS/RGPD et recherche sémantique pour l'appariement clinique.

PythonStreamlitFastAPIPostgreSQLNext.js

2024 — 2027

Étudiant ingénieur — Data Science & IA

ESIEE Paris

Étudiant en cinquième année du cursus ingénieur en cinq ans d'ESIEE Paris, spécialisation Data Science & IA (DSIA).

Machine LearningDeep LearningData ScienceC / C++

2025

Stagiaire ingénieur, division GRADES

Synchrotron SOLEIL

Développement d'autopkgtests en OpenCL pour la compatibilité GPU AMD (pyopencl, nabu, ufo-filters, pyvkfft) sur l'infrastructure Debian/ROCm via GitLab Salsa.

OpenCLPythonBashDebianGitLab CIROCm

2022 — Présent

Tuteur scientifique

Complétude

Cours de mathématiques et de physique-chimie à une dizaine d'élèves, du primaire jusqu'à la terminale, en parallèle de mes études d'ingénieur.

MathématiquesPhysiquePédagogie

06 — Stack technique

Stack technique

Des outils regroupés selon leur pertinence pour le travail ci-dessus — pas une liste générique.

NLP clinique & IA biomédicale

DrBERT-7GB · CamemBERT · spaCy · HuggingFace Transformers

Regex/lexicon design · Optuna (NSGA-II) · BRAT / CoNLL

Clinical text preprocessing · Domain adaptation

Systèmes & Infrastructure

Python · FastAPI · PostgreSQL · Docker · Kubernetes

Linux · Debian · GitLab CI · GitHub Actions

OpenCL · pyopencl · ROCm · CUDA (basic)

Outils de recherche

PyTorch · LaTeX/Overleaf · TikZ · Zotero

Jupyter · pandas · NumPy · matplotlib

Langues

🇫🇷 Langue maternelle · 🇬🇧 C1 · 🇯🇵 Intermédiaire · 🇪🇸 B2 · 🇮🇹 En cours d'apprentissage

07 — Axes de recherche

Axes de recherche

Reconnaissance d'entités nommées cliniques

Extraction de biomarqueurs, du stade et des données de traitement à partir de comptes rendus d'oncologie française non structurés. Là où le NLP généraliste échoue et où l'adaptation au domaine commence.

IA frugale et interprétable

Concevoir des systèmes qui privilégient le niveau le moins opaque satisfaisant les seuils de performance. La conformité à l'AI Act européen comme contrainte de conception, pas comme réflexion après coup.

III

Raisonnement biomédical multimodal

Direction à long terme : unifier texte clinique, imagerie et génomique dans des modèles capables de raisonner à travers les modalités. L'approche des world models appliquée à la médecine.

Pédagogie des systèmes complexes

Enseignement des mathématiques et de la physique-chimie à une dizaine d'élèves chez Complétude, du primaire jusqu'à la terminale. Rendre des concepts denses accessibles est une compétence de recherche, pas un à-côté.

Extraire des biomarqueurs depuis du texte clinique sans réveiller le GPU

Du soutien scolaire en maths à la modélisation de biomarqueurs tumoraux

DEMNE

Ce qu'apporte l'approche en étages

Determination of Extraction Methods for Named Entities

Passe à base de règles

Extraction par transformer

Arbitrage par LLM

Conformité réglementaire — EU AI Act

Où le travail s'est déroulé jusqu'ici

Stagiaire recherche, Entrepôt de Données de Santé

Chercheur étudiant, Tremplin Recherche

Product Lead & développeur, NeuroStep

Étudiant ingénieur — Data Science & IA

Stagiaire ingénieur, division GRADES

Tuteur scientifique

Publications & recherche

DEMNE: Determination of Extraction Method for Named Entity

Projets sélectionnés

NeuroStep

Tableau de bord qualité de l'air

Reconnaissance faciale par deep learning

TBA — jeu d'aventure textuel

Marmiton Data Intelligence

Debian ROCm CI