2014. Je suis chercheur en épidémiologie et en statistiques à l'INSERM, Hôpital Paule de Viguier. Xavier Alacoque, anesthésiste spécialisé en chirurgie cardiaque avec circulation extra corporelle chez les enfants, entre dans mon bureau :
- "Christophe, j'ai récupéré un jeu de données absolument fabuleux, on va écrire des supers articles, j'ai besoin de toi pour les stats."
Je soupire et je pointe du doigt une pile de dossiers sur un coin de mon bureau.
- "Cher Xavier, voilà la tonne de dossiers "absolument fabuleux" que j'ai déjà à analyser."
À noter, je fais ça pour rendre service à des collègues médecins. Parce que mon métier, c’est chercheur en statistique, avec pour spécialité le partitionnement (clustering) des données longitudinales. D'où l'idée de créer un logiciel d'analyse statistique simple à utiliser.
La scène que je viens de décrire est un grand classique : dans un peu tous les hôpitaux, il y a un manque cruel de statisticiens. Les médecins ont des idées, conçoivent des protocoles, collectent les données en pensant que l'essentiel est fait et se retrouvent bloqués au moment de l'analyse des données. Les services bio-stats sont débordés.
Première solution alternative, connaître un copain sympa qui peut aider en stats. C’est un peu compliqué parce que déjà, il faut en connaître un, mais également parce qu’une analyse statistique comporte beaucoup d'essais-erreurs : le médecin me demande s'il y a une corrélation entre le niveau d'étude et le salaire du père. Ma réponse : non. "Et avec le salaire de la mère ?" Non plus. À partir de là, on va tout essayer : la moyenne entre les deux salaires, le niveau d'éducation, la taille de la maison... Au final, le niveau d'éducation de la mère est le meilleur prédicteur. Reste que pour trouver cela, j'ai passé une demi-journée, avec le médecin à côté de moi en train de dire "et si on essayait ça à la place ? "
Solution alternative (j’ai envie de dire « le dernier recours ») : se débrouiller un peu d’Excel, un peu de R et un peu de SPSS. Bref, c’est galère. Pourtant, les analyses dont ils ont besoin sont simples : nettoyage de données, quelques tests statistiques, de temps en temps une courbe ROC, une régression ou un peu de survie. En théorie, cela ne devrait pas être compliqué. Ce qu'il faudrait, c'est donner aux médecins un peu plus d'autonomie. Un logiciel adapté. Facile à apprendre. Facile à utiliser. Facile à ré-apprendre après 6 mois de clinique sans recherche.
La solution vient d’une science qui s’appelle IHM, Interface Humain-Machine. Le principe est le suivant :
Lors d’un premier brainstorming, des médecins présentent leurs doléances. Ils doivent répondre à la question : « Qu’est qui est vraiment difficile avec votre logiciel actuel ? Qu’est-ce qui vous prend une journée complète alors qu’initialement, vous pensiez mettre une heure ? Qu’est ce qui est pénible, ennuyeux, délicat, long, risqué, source d’erreur ? ». On note.
Ensuite, le collectif décide de travailler sur un problème spécifique. Dans le cas présent, la détection des valeurs aberrantes. Plusieurs petites équipes se créent et réfléchissent de manière indépendante. L’objectif est de proposer des idées d’interface qui répondrait au problème. Les utilisateurs ne doivent pas s’occuper de détails techniques (comme des soucis de puissance d’ordinateur), mais uniquement se concentrer sur ce qui serait vraiment simple et convivial.
Une personne suggère « si je laisse ma souris au-dessus d’une colonne, ça fait apparaître une représentation graphique de la colonne ». Un autre : « je voudrais un bouton qui fasse apparaître le résumé statistique de chaque colonne ». Au final, on combine les deux idées et on obtient « un bouton qui fait apparaître un graphe pour chacune des colonnes ».
Quand les interfaces sont prêtes « dans les têtes », on les transforme en petits films. À l’aide de papier, post-it, feutres, ciseaux, on dessine l’interface « de nos rêves » et on la filme. Puis, on la présente au reste de l’équipe, pour avoir leur retour : la solution leur paraît-elle intéressante ? Conviviale ? Résout-elle le problème initial ? Mieux encore, ces mini-films font souvent naître de nouvelles idées qui vont permettre d’aller encore plus loin, vers une interface encore plus efficace.
Au final, en à peine 3h, nous avons réussi à :
1- Identifier les vrais problèmes des utilisateurs,
2- Trouver des ébauches de solution,
3- Obtenir un retour des autres.
Dans le cadre de R++, nous avons effectué une vingtaine de séances de prototypage vidéo auprès d’une centaine de médecins. Nous avons identifié toutes leurs douleurs, et nous avons progressivement conçu des solutions. Le résultat est R++, logiciel d’analyse statistique ergonomique, conçu par et pour les médecins.
Vous avez du mal à y croire ? Vous voulez vous rendre compte par vous même ? Ou vous êtes simplement curieux de voir comment notre interface peut révolutionner les statistiques ?
Notre équipe s'engage à vous contacter dans les 24h.
