Méthode
Artabel mesure avant de construire et de nouveau avant de livrer : une référence tirée de la méthode actuelle, un protocole reflétant la tâche réelle, une analyse des erreurs pondérée par leurs conséquences, et une revue par des personnes qualifiées pour juger le résultat.
Transparence
Le Dr Ludovic Amruthalingam, directeur d’Artabel, est également employé comme chercheur senior et chargé de cours à la Haute école spécialisée de Lucerne (HSLU). Ce poste lui appartient en propre. Il ne constitue pas une ressource d’Artabel : la société ne vend ni le personnel ni les installations de la haute école, ne les facture pas, et ne présente pas les projets universitaires comme des prestations d’Artabel.
Ses publications et projets académiques figurent sur son profil universitaire et sur ORCID. Lorsque Artabel et la haute école sont toutes deux partenaires d’un consortium de recherche, chacune est une entité juridique distincte, avec ses propres tâches, charges et comptes.
Transfert de méthode
Ni le personnel ni les installations — la méthode. Quatre lignes concrètes vont de la recherche évaluée par les pairs à une technique appliquée par notre équipe d’ingénierie, puis à quelque chose que le client obtient.
Parcours académique du directeur
Le directeur d’Artabel travaille sur le plan académique dans les domaines de l’évaluation et de la qualité des données, avec des financements compétitifs du Fonds national suisse et d’Innosuisse. Cette recherche est menée à l’université et lui appartient ; elle est mentionnée ici parce qu’elle est à l’origine des méthodes appliquées par Artabel, et non comme un travail livré par la société.
Évaluation et comparaison homme–machine
Travaux sur les représentations apprises, le comportement diagnostique et les performances comparées des cliniciens et des modèles, sous financement national compétitif. C’est de là que viennent les protocoles d’évaluation d’Artabel : des références capables de battre le système, une analyse des erreurs par gravité, une revue par des praticiens qualifiés.
Qualité des données et données synthétiques
Travaux sur l’audit de qualité des données et sur les métriques et références applicables aux données synthétiques. À l’origine de la pratique d’Artabel consistant à auditer un jeu de données avant de le modéliser, et à fixer des critères d’acceptation mesurables avant le début d’un projet.
Flux documentaires professionnels
Combinaison de la reconnaissance vocale et de méthodes génératives pour produire une documentation professionnelle structurée qu’une personne qualifiée vérifie et signe. C’est le schéma de gouvernance qu’Artabel réutilise chaque fois qu’une machine rédige un document dont un professionnel répond.
Patrimoine culturel et médiation
Projets universitaires de médiation pour les publics de musée, dont un accès conversationnel ancré dans les sources à un bâtiment historique d’un musée de plein air, et des travaux antérieurs sur les méthodes génératives appliquées à la musique traditionnelle et à des dispositifs destinés au public. Ils démontrent qu’une IA compréhensible et ancrée résiste au contact de vrais visiteurs.
Il s’agit de projets universitaires. La liste complète et faisant foi figure sur le profil universitaire.
Dossier de publications
Dix-neuf publications, 165 citations, indice h de 8, indice i10 de 6. Sélection ci-dessous ; la liste complète figure sur ORCID et Google Scholar.
Gröger F., Lionetti S., Gottfrois P., Gonzalez-Jimenez A., Amruthalingam L., Groh M., et al. Advances in Neural Information Processing Systems 37, 92273–92316. L’usage de représentations auto-supervisées pour repérer les problèmes de qualité de données qui plafonnent silencieusement la performance des modèles.
Le premier protocole de référence à grande échelle pour le nettoyage de données dans le domaine de l’image, construit sur le jeu de données dermatologique Fitzpatrick17k, évaluant la détection d’échantillons hors sujet, de quasi-doublons et d’erreurs d’étiquetage. Conclusion : les représentations auto-supervisées excellent sur les quasi-doublons, les méthodes classiques restent compétitives sur le hors-sujet à budget de relecture contraint, et la détection d’erreurs d’étiquetage en classification médicale fine demeure un problème ouvert.
Amruthalingam L., et al. Journal of the European Academy of Dermatology and Venereology. La plupart des affections cutanées ont des sites de prédilection : localiser précisément une lésion soutient le diagnostic différentiel — un cas d’école d’intégration du raisonnement clinique dans un modèle de vision plutôt qu’autour de lui.
Meienberger N., Anzengruber F., Amruthalingam L., Christen R., Koller T., et al. L’article le plus cité du dossier, et l’origine de notre position : un modèle doit supprimer la variance entre observateurs, non en ajouter une nouvelle source.
Gottfrois P., Grüger F., et al., avec Amruthalingam L. International Conference on Medical Image Computing and Computer-Assisted Intervention. Travaux de données et de méthode sur le déficit de couverture des populations qui rend de nombreux modèles dermatologiques peu sûrs hors de la population d’entraînement.
La référence pratique à partir de laquelle nous travaillons quand un client a le problème clinique mais pas le jeu de données — et la raison pour laquelle notre première réponse est rarement « générons davantage de données ».
Translational Vision Science & Technology. Modélisation multimodale de biomarqueurs hors imagerie, avec le professeur David Goldblum.
Healthcare Informatics Research. Compter et caractériser les lésions à une granularité que les cliniciens peuvent confronter à leur propre lecture.
Université de Bâle. La thèse défendue — qu’une IA clinique crédible intègre le processus du dermatologue ou produit des prédictions qu’un clinicien peut facilement vérifier — est le principe de conception de tout ce qu’Artabel construit pour des professionnels.
Science ouverte
Dans les projets de recherche, nous contribuons des protocoles et des spécifications ouverts, des preuves non sensibles, des publications et la déclaration des cas négatifs. En mission commerciale, nous respectons la confidentialité de manière absolue — mais les méthodes restent publiables, et c’est délibéré.