La complexité des prises de décisions des acteurs économiques s’accroît alors qu’au même moment, les temps alloués se raccourcissent.  Les différentes techniques d’intelligence artificielle, déjà existantes aujourd’hui, peuvent nous permettre de sortir de cette situation. En effet, de nombreux exemples d’aide à la décision par l’IA démontrent la pertinence de telles solutions

L’explosion des données dans le domaine de la santé (clinique, biologique, santé publique) offre un potentiel d’études et d’analyses considérables. De telles données peuvent être difficiles à décrire par les modèles biostatistiques habituels. L’intelligence artificielle apporte de nouvelles perspectives permettant d’offrir que ce soit à l’échelle du chercheur ou  du clinicien un nouvel outil d’aide à la décision.

Les données de santé qu’elles soient proches de la biologie, des neurosciences ou sociales sont de types très différents. Elles doivent pourtant être rapprochées quel que soit le domaine ou leur forme intrinsèque pour conforter des axes de recherche, aider aux diagnostics et traitements et optimiser la réponse structurelle à la demande sanitaire. Face Là où les techniques conventionnelles trouvent leurs limites à l’interprétation des informations, l’IA est devenue  un outil incontournable, non seulement rapide et efficace mais aussi accessible.

Les modèles prédictifs sont en passe de devenir l’outil de base d’un chimiste permettant d’investiguer la formulation assistée par IA. L’objectif est d’écoconcevoir et repousser les frontières de la chimie pour plus de performance et plus de maitrise au regard de la santé et l’environnement. Pour aller dans cette direction il faudra au chimiste comprendre l’importance de la qualité de ses données, et s’ouvrir au monde des data scientists.