Projet ARGOS

Matilde Karakachoff, Sandrine Coudol, Delphine Toublant, Patrick Guerin, Philippe Pes, Joel Jenvrin, Pierre-Antoine Gourraud, Analyse des données individuelles multi-sources pour le suivi de la pandémie COVID-19 dans l’Ouest de la France : vers une décision sanitaire éclairée par les données, Médecine de Catastrophe - Urgences Collectives, 2025, , ISSN 1279-8479, https://doi.org/10.1016/j.pxur.2025.07.008. (https://www.sciencedirect.com/science/article/pii/S1279847925000734) Abstract: Résumé La crise sanitaire a permis de montrer à quel point la remontée d’informations est un facteur clé dans la prise de décision. Avec le projet ARGOS, le CHU de Nantes a voulu mieux suivre la reprise et l’évolution de la pandémie COVID-19 grâce à l’usage interactif de multiples flux de données de santé collectés à partir de sources de données indépendantes. Ces données multi-sources constituent autant de prismes par lesquels un phénomène de santé comme une pandémie peut être vu, revu, vu à l’avance, vu dans ses conséquences les plus singulières et vu dans ses prémices ou ses déterminants. La crise a été une opportunité d’expérimenter un pilotage sanitaire territorial basé sur des flux de données en temps réel. Nous en rapportons ici l’expérience. À l’heure où beaucoup d’espoir sont mis dans les algorithmes d’intelligence artificielle, nous proposons de mettre l’accent d’abord sur la visualisation interactive de données et d’en reproduire le principe dans d’autres territoires et pour les situations sanitaires exceptionnelles de crises à venir. Summary The COVID-19 health crisis underscored the critical role of timely data reporting in informing public health decisions. With the ARGOS project, Nantes University Hospital aimed to enhance the monitoring of the pandemic's evolution and resurgence through interactive uses of multiple health data collected from independent sources. These multi-source datasets offered a complementary point of view to analyse the pandemic – retrospectively, prospectively, from early signals to specific consequences and underlying determinants. The crisis provided an opportunity to pilot a real-time, data-driven regional health management system. This article explains lessons learned from this experience. While significant attention is currently directed toward artificial intelligence, we emphasize the value of interactive data visualization and advocate for replicating this approach in other regions and in preparation for future crises. Keywords: Données multi-source; Visualisation de données; Décideurs en santé; Indicateurs épidémiologiques; Prédiction; Urgence de santé publique; Surveillance; Pilotage; Veille sanitaire; Données de vie réelle; Multi-source data; Data visualization; Health decision-makers; Epidemiological indicators; Prediction; Public health emergency; Surveillance; Pilotage; Monitoring; Real world data