Étude de cas : Surge — Plateforme de médecine prédictive (technologie Stanford)
08/06/2026
Surge développe une médecine prédictive : à partir d'une prise de sang, ses modèles de machine learning analysent la réponse du système immunitaire pour estimer le risque de complications après une opération, avant même l'intervention. La technologie repose sur une licence exclusive de Stanford University, issue de plus de dix ans de recherche menée à la Stanford University School of Medicine. Bob le développeur a construit la plateforme logicielle qui met cette recherche entre les mains des cliniciens.
Cette étude de cas décrit le contexte du projet, ce que nous avons développé et les choix techniques retenus. Par respect pour la confidentialité du client et de ses données patients, elle reste volontairement à un niveau intermédiaire et n'expose pas la logique métier ni les détails sensibles de la plateforme.
Le contexte
La technologie de Surge est issue de plus de dix ans de recherche conduite à la Stanford University School of Medicine, dans le laboratoire du Pr Brice Gaudillière, et exploitée sous licence exclusive de Stanford University. Le principe scientifique : analyser des millions de cellules immunitaires (cytométrie de masse single-cell, données protéomiques plasmatiques) pour relier l'état immunitaire d'un patient à son pronostic chirurgical. L'approche a déjà été éprouvée en milieu clinique, notamment avec l'Hôpital Foch.
Ces modèles fonctionnaient en environnement de recherche, mais aucun médecin ne pouvait s'en servir tel quel. Surge a confié à Bob le rôle de partenaire technique : porter cette recherche jusqu'à une plateforme que des cliniciens utilisent au quotidien.
Ce qui a été développé
Notre périmètre couvrait trois volets.
Intégration des modèles de machine learning
Les modèles prédictifs de Surge sont développés en Python. Nous avons construit la couche logicielle qui les connecte au produit : exposer leurs résultats de façon structurée et stable, et les rendre interrogeables par l'application. Il s'agit de faire passer les modèles de l'environnement de recherche à un usage applicatif, sans altérer leurs résultats.
Dashboard de visualisation
À partir des sorties des modèles, nous avons développé un tableau de bord de visualisation qui rend les prédictions intelligibles : représentation des résultats, des indicateurs et de leur évolution. L'objectif était de donner au praticien un résultat directement exploitable plutôt qu'une sortie brute de modèle.
Interface clinicien
Au-dessus de ces briques, nous avons conçu la plateforme destinée aux cliniciens : l'interface qui leur permet de consulter et d'exploiter les pronostics. La priorité était la clarté. Dans un contexte médical, le professionnel de santé doit comprendre ce qu'il regarde et pouvoir s'y fier.
Architecture et choix techniques
Le projet repose sur quatre briques techniques, pensées pour un produit amené à évoluer avec la recherche.
| Composant | Technologie |
|---|---|
| Frontend | Next.js (React) + TypeScript |
| Backend | Nest.js (Node.js) |
| Modèles prédictifs | Python (machine learning) |
| Base de données | PostgreSQL |
| Déploiement | Docker |
Ce découpage sépare les responsabilités : un frontend Next.js pour l'expérience clinicien, un backend Nest.js pour l'orchestration et l'exposition des données, et un environnement Python dédié aux modèles. La conteneurisation Docker garantit un déploiement reproductible, condition nécessaire dès qu'un logiciel manipule des données de santé.
Ce que ce projet illustre
Industrialiser un modèle de recherche
Entre un modèle qui tourne dans un notebook et une plateforme qu'un médecin ouvre tous les jours, il y a un vrai travail d'ingénierie. C'est ce que Surge a demandé à Bob : porter une recherche pointue jusqu'à un produit utilisable, sans en dénaturer les résultats. Ce type de mission suppose d'entrer assez dans le domaine pour échanger utilement avec des chercheurs, sans être soi-même biologiste. Nous retrouvons cette posture sur les projets e-santé les plus techniques.
L'outil doit inspirer confiance
Un clinicien ne reviendra pas vers un outil dont il doute des résultats. La lisibilité de la visualisation et la solidité de la chaîne logicielle pesaient donc autant, dans ce projet, que la justesse des modèles eux-mêmes.
Comment Bob le développeur peut vous accompagner
Bob le développeur est une agence française de développement sur mesure fondée en 2017 à Station F. Surge est un exemple de ce que l'agence construit pour les acteurs de la santé : des plateformes qui donnent une forme exploitable à une innovation médicale ou scientifique.
L'agence intervient notamment sur :
- Plateformes de logiciel médical sur mesure
- Dashboards et visualisation de données complexes (ML, biostatistiques)
- Industrialisation de modèles issus de la recherche
- Applications manipulant des données de santé
Prenez rendez-vous pour discuter de votre projet.
Dernière mise à jour : juin 2026.