Tech & data

Créée en 1993, Alcimed est un cabinet de conseil en innovation et développement de nouveaux marchés spécialisé dans les secteurs innovants : sciences de la vie (santé, biotechnologie, agroalimentaire), énergie, environnement, mobilité, chimie, matériaux, cosmétiques, aéronautique, spatial et défense.

Notre vocation ? Aider les décideurs privés et publics à explorer et développer leurs terres inconnues : les nouvelles technologies, les nouvelles offres, les nouveaux enjeux géographiques, les futurs possibles et les nouvelles manières d’innover.

Répartie dans nos 8 bureaux dans le monde (en France, en Europe, à Singapour et aux Etats-Unis), notre équipe est composée de 220 explorateurs de haut niveau, multiculturels et passionnés, ayant une double culture scientifique/technologique et business.

Notre rêve ? Être 1000, pour dessiner toujours plus avec nos clients le monde de demain.

La transformation digitale est une expression que l’on retrouve dans toutes les entreprises et industries, notamment dans l’industrie 4.0 depuis plus de 10 ans. Alors qu’en tant que consommateurs, le numérique est sur le devant de la scène de notre vie quotidienne, les entreprises et industries doivent s’adapter.

Certains secteurs (retail, finance, media, …) ont une longueur d’avance, d’autres secteurs en revanche (santé, BTP, agriculture, automobile, chimie, …) sont en retrait. Pour ces secteurs en particulier, une transition rapide vers la digitalisation est un prérequis pour rester compétitif dans un monde ultraconnecté.

En termes simples, l’intelligence artificielle fait référence au développement de logiciels capables d’effectuer des tâches qui nécessitent généralement l’intelligence humaine. Ces tâches peuvent consister à résoudre des problèmes complexes, à prendre des décisions ou à détecter des objets.

La Data Science est un domaine assez vaste qui vise à donner du sens à des données brutes. Pour ce faire, la Data Science met en œuvre une large variété d’outils et de techniques telles que le développement d’algorithmes, les mathématiques appliquées et statistiques avancées, jusqu’à l’intelligence artificielle, pour réaliser différents types de modèles. Ces derniers peuvent être déterminés ou bien apprenants, grâce au machine learning, qui permet de façon supervisée ou non supervisée de faire de l’analyse et de la prédiction des données.

La Data science est un domaine spécifique du monde de la data et le Data Scientist se distingue des profils de Data Analyst, de Data Engineer, etc. Un processus de Data Science nécessite d’avoir une donnée accessible, ce qui peut être mis en œuvre dans les grandes organisations par des Data Architects, ou Data Engineers, qui vont structurer les systèmes et les bases de données. Rendre cette donnée accessible est souvent la première étape incontournable d’un projet de Data Science.

La robotique est le champ d’application des robots. Mais à partir de quel moment un automate peut-il réellement être considéré comme un robot ? La réponse n’est pas si évidente, il existe presque autant de définitions qu’il existe de robots ! On estime cependant communément qu’un robot est un système qui doit pouvoir interagir avec le monde physique via des capteurs et des actionneurs, qui est alimenté par une source d’énergie et surtout qui est programmable, c’est-à-dire capable de suivre des instructions données par son utilisateur. Enfin, à la différence d’un simple automate, le robot industriel intelligent est capable d’analyser son environnement et de réagir en conséquence.

On parle plus spécifiquement de robots collaboratifs (Cobots) lorsque l’homme et le robot industriel travaillent au même endroit et en même temps.

On utilise de plus en plus dans les procédés industriels des machines robotisées afin de réduire la charge de travail de l’opérateur humain tout en améliorant la productivité et la qualité du travail réalisé. On parle alors d’automatisation de la production et de robotique industrielle.

Un jumeau numérique est une réplique numérique en temps réel d’un objet physique ou d’un processus, qui incorpore toutes les données accessibles et se met à jour à mesure que de nouvelles données sont disponibles. Les chercheurs utilisent les jumeaux numériques pour tester des scénarios de manière sécurisée et économique avant de les essayer dans des environnements ou des situations réelles.

De nos jours, l’utilisation des jumeaux numériques est déjà répandue en ingénierie et dans l’industrie, mais les scientifiques cherchent à l’étendre au secteur de la santé. La technologie de jumeaux numériques a de nombreuses applications en santé, dont :

• L’aide au diagnostic et à la décision de traitement
• La surveillance des patients (objets connectés)
• Les simulations virtuelles et l’évaluation des risques en chirurgie
• Le design et l’optimisation des dispositifs médicaux
• La conception de médicaments et l’optimisation des dosages (essais cliniques in silico)
• La prise de décisions réglementaires