Parcours : du premier ordinateur familial à l’ingénierie système

• Initiation à la programmation à l’adolescence avec un manuel de C++ Borland, puis formation technique en systèmes ordinés au début des années 2000.
• Premier emploi dans une petite équipe de R&D développant des moniteurs de gaz pour transformateurs haute puissance, une expérience formatrice qui révèle la valeur d’une approche multidisciplinaire (mécanique, électronique, chimie, programmation).

La mission d’Innof2Learn : la simulation au service de la formation clinique

• Présentation d’un produit phare : un simulateur du moniteur de sédation utilisé par les anesthésiologistes, permettant d’exposer les apprenants à des pathologies et situations cliniques impossibles à reproduire en contexte réel.
• Origine de l’entreprise : un projet du centre de formation du CHUM pour remplacer le « post-it » apposé sur un vrai glucomètre par un dispositif simulé contrôlable.
• Élargissement progressif du catalogue à une quinzaine d’appareils simulés : thermomètres, glucomètres, capteurs divers, ainsi qu’un kit de transformation de voix pour rendre crédible le mannequin patient en formation.

Une approche système : la solution de formation plutôt que le mannequin sophistiqué

• Positionnement éditorial distinct des grands fabricants qui investissent dans des mannequins humanoïdes ultra-sophistiqués (circulation sanguine, clignement des yeux) ; Innov2Learn cherche plutôt à patcher les trous de réalisme par des appareils périphériques cohérents.
• Importance de la cohérence environnementale pour entraîner les bons réflexes des soignants dans un cadre sécuritaire, toute rupture (poser une question au formateur) casse la formation.
• Collaboration constante avec les centres de formation et les cliniciens pour valider que les scénarios correspondent à la réalité du terrain dans différents systèmes de santé.

Plateforme commune, catalogue et défi de l’acquisition des données

• Architecture interne reposant sur une plateforme électronique et logicielle commune à tous les appareils, ce qui accélère le développement de nouveaux simulateurs.
• Défi technique central : obtenir des bases de données suffisamment riches (par exemple, des bibliothèques d’ondes cérébrales) pour passer d’un simulateur de scénario à un outil capable de former à la lecture experte des signaux.
• Effet de marché inattendu : les manufacturiers d’équipements réels accueillent favorablement les simulateurs, qui facilitent l’adoption clinique de leurs propres technologies.

Programme de remise à neuf : recycler les équipements médicaux en simulateurs

• Constat de départ : des quantités importantes d’équipements médicaux (par exemple, des bladder scans au centre de formation du MUHC) sont mis au rebut alors que leur coquille et leur mécanique restent fonctionnelles.
• Démarche d’économie circulaire visant à transformer ces équipements en simulateurs de formation, premier projet d’une approche transposable à de nombreux autres appareils.

L’ingénierie système : décortiquer la complexité d’un projet multidisciplinaire

• Définition pragmatique de l’ingénierie système : capacité à régler des problèmes complexes en mobilisant simultanément plusieurs disciplines (électronique, logiciel, mécanique, chimie, mathématiques) plutôt que de rester confiné à un seul domaine.
• Discussion du « modèle Lego » : décomposer un système complexe en modules, travailler chacun séparément, puis réassembler et comparer la structure obtenue à la structure visée.
• Importance d’une vue d’intégration : voir l’ensemble du système plutôt qu’une seule de ses couches techniques.

Outils de modélisation : UML, SysML et la standardisation des diagrammes

• Présentation de l’UML (Unified Modeling Language) : famille de diagrammes standardisés (diagrammes de séquence, diagrammes d’état) permettant de représenter le comportement dynamique d’un système logiciel et les interactions entre ses objets.
• Extension au SysML (Systems Modeling Language) : transposition de la logique UML hors du strict domaine du logiciel, applicable à toute représentation de système, y compris des processus d’affaires.
• Valeur ajoutée pratique : standardisation des symboles garantissant une compréhension partagée entre membres d’équipe ; possibilité, dans certains cas, de générer directement du code à partir des diagrammes.
• Effet structurant sur le modèle mental : modéliser un système aide à le comprendre, à le comparer à d’autres et à communiquer ses caractéristiques.

Généraliste, spécialiste et vie en startup

• Réflexion sur la trajectoire de l’ingénieur : en début d’entreprise, le profil généraliste a beaucoup de valeur ; à mesure que l’organisation grandit, la valeur se déplace vers les spécialistes.
• Particularités du contexte startup : liberté d’action étendue, contrainte de financement forte, « solitude technique » de l’ingénieur qui doit se débrouiller avec peu d’appuis spécialisés.
• Lecture de la contrainte comme moteur d’innovation : l’absence de capital abondant oblige à des choix précoces et durables, et produit des équipes à la « peau dure ».