Fabrice Colas, Ph.D. Risque, data, et R&D : du modèle à la décision

Depuis 2010, je modélise le risque d'événements indésirables à grande échelle pour aider au choix thérapeutique, limiter la fraude ou encore focaliser l'allocation de budgets de prévention.

Ces travaux ont porté sur des données génomiques (CNV, méthylation, EST, ontologies, HLA), des registres hospitaliers (en psychiatrie et chirurgie cardiaque), des paiements en ligne caractérisés par "leur ADN" ou, récemment, des réseaux de transport routiers et ferroviaires.

Par exemple, le programme de R&D sur le risque routier a produit un score ex ante

, fondé sur l'infrastructure et l'environnement proche des routes, qui identifie les 5 % du réseau où surviendront 53 à 72 % des accidents de l'année suivante, selon l'usager de la route, ce qui est 11 à 47 points de mieux qu'un score fondé sur les seuls hot spots historiques (ex post).

Pour mettre ces modèles sur le marché, j'ai créé sur fonds propres l'entreprise Ubivar en 2014 (anti-fraude), évaluée chez cinq e-commerçants, puis Oriskami en 2020, dont le logiciel SAMRoute a notamment été évalué par SNCF Réseau et ADIF, en Espagne.

Basé à Rennes, France
Anglais (pro) · Français (natif) · Espagnol (interm. actif) · Néerlandais (interm. passif)

hello@fabricecolas.me LinkedIn

Risque routier (accidentologie) · Programme R&D indépendant
2022–2026
L'insécurité routière concerne les collectivités locales, les ministères, les sociétés d'autoroute et les assureurs. De 2019 à 2024, les routes de France, des Pays-Bas et de Grande-Bretagne ont compté 1,5 million de victimes (tués, blessés graves, blessés légers). Pour éviter le plus de victimes à budget constant, les collectivités, les ministères et les sociétés d'autoroute orientent leurs aménagements, l'investissement public et la surveillance du réseau vers les routes les plus à risque, tandis que les assureurs tarifent le risque automobile.
La répartition spatiale de l'accidentalité sur le réseau est donc un enjeu pour ces différents acteurs. Par défaut, l'approche usuelle consiste à étudier les points noirs (hot spots / ex post). Or, par construction, un point noir est un tronçon avec au moins un accident passé, soit 3,9 % des tronçons de 2019 à 2024. Pourtant, les accidents de 57,8 % des victimes en voiture de 2024 surviennent sur des tronçons sans accident de 2019 à 2023 (de novo).
Ce programme de R&D vise à développer un score de risque (ex ante) sur chaque tronçon, avec ou sans accident passé, à partir de 281 prédicteurs ouverts décrivant l'infrastructure, son usage et son environnement proche.
- Le score révèle, ex ante, que 5 % du réseau concentrent 53–72 % des victimes futures
- Par rapport à l'approche ex post traditionnelle, c'est 11 à 47 points de pourcentage en +
- La performance, hors échantillon, est de 89–92 % (AUC ; +15 à 34 points face au PoC)
1. 2026Score de risque intégrant l'environnement proche (281 prédicteurs), 2,3 M km de routes, 1,5 M de victimes (FR, NL, GB ; 2019–2024), publié en preprint
2. 2023–2026SAMRoute, logiciel d'évaluation du risque routier, lancé en septembre 2024
3. 2022–2023PoC pour une startup, 70 M km de routes (global), 2 800 M scores (4 usagers)
Risque ferroviaire (passages à niveau) · Programme R&D indépendant
2025–2026
Les passages à niveau (PN) concernent les gestionnaires ferroviaires et routiers (collectivités, État). En France, de 2020 à 2024, 99 personnes sont mortes dans des collisions avec un train à un PN
. En 2024, l'Établissement public de sécurité ferroviaire (EPSF) a recensé 32 accidents significatifs sur 15 000 PN
, pour 20 tués
. Pour réduire ce bilan, l'État et les gestionnaires ferroviaires sécurisent ou suppriment des PN. Toutefois, la suppression d'un PN coûte typiquement 10–20 M€. Depuis 2018, seuls 5 PN sont supprimés chaque année en moyenne
. En 2024, le programme national de sécurisation recense 146 PN
.
Le choix des PN à traiter repose essentiellement sur l'historique d'accidents, le trafic routier et ferroviaire (moment), les équipements de sécurité et le type de route. De fait, 75 % des accidents significatifs de 2016 à 2024 surviennent sur les 30 % de PN au moment le plus élevé
. Cependant, l'enjeu aux PN ne se limite pas à l'insécurité. Entrent en compte également l'impact de leur fermeture sur l'environnement proche (par exemple, pour l'arrivée sur site des premiers secours), ainsi que la dépendance fonctionnelle de sites sensibles à un point de passage obligé tel que le PN.
Ce programme de R&D sur les PN repose sur trois ordres de lecture. Le premier reprend les critères actuels, soit l'ouvrage (sécurité en place, géométrie) et le trafic traversant (routier, ferroviaire). Ce premier ordre relève des gestionnaires routiers et ferroviaires. Le deuxième consiste à recenser les sites sensibles à proximité des PN, par croisement de données ouvertes. Le troisième consiste à modéliser l'interaction de l'environnement proche avec les PN, par simulation.
- Simulation de la dépendance de sites sensibles aux PN (origine-destination inversée, ODI)
- Simulation de l'environnement proche des PN sous une cadence ferroviaire accrue
1. 2026Impact d'une cadence ferroviaire accrue sur les premiers secours (étude en cours)
2. 2025–2026Logiciel de mesure de la dépendance aux PN (ODI), évalué par les équipes PN de SNCF Réseau (FR) et ADIF (ES)
Fraude au paiement en ligne · Travaux de R&D (Travix puis Ubivar)
2013–2018
Dans l'e-commerce, avant l'envoi d'une commande au client, le paiement en ligne est couramment analysé pour son risque de fraude. Si la fraude ou le défaut de paiement survient après coup, le prix de revient de la commande est une perte sèche pour l'e-commerçant, tout comme les frais de gestion annexes. Et si l'e-commerçant subit des fraudes répétées, les grands réseaux de cartes comme Visa et Mastercard peuvent le placer sous surveillance, voire lui retirer le droit d'encaisser leurs cartes.
L'événement indésirable grave de l'e-commerce est donc le défaut de paiement. Pour se protéger, les e-commerçants utilisent des systèmes anti-fraude. Traditionnellement, ceux-ci comprennent des listes (blanches, grises, noires), des règles de forçage et des règles de scoring combinées à des seuils de rejet automatique et de vérification manuelle. Toutefois, un tel système compte des milliers de paramètres, qui dérivent dans le temps. Comme les analystes manquent souvent de temps et de recul analytique, le paramétrage et la maintenance de ces systèmes traditionnels sont difficiles.
Les travaux de R&D sur l'anti-fraude comptent trois phases. La première se contente d'analyser l'anti-fraude, de trouver des changements de règles ou de seuils et de les déployer en production, sur l'anti-fraude en place, à ressources constantes et en quelques semaines. La deuxième vise à intégrer 1,7 million de paiements par carte dans un moteur de back-testing, pour évaluer les changements avant leur mise en production. La troisième vise à développer un logiciel anti-fraude en auto-pilote, remplaçant l'anti-fraude traditionnelle.
- Risk Management Intelligence (2017, 242 pages, ISBN 9781979086950)
- À Ubivar, 94 e-commerçants ciblés, 11 propositions commerciales et 5 clients
- À Travix, à risque de fraude maîtrisé (0,063 % → 0,1 %), la part des réservations rejetées automatiquement passe de 18,5 % à 2,4 % (−87 %), soit 64–70 M€/an (7 à 8 % de ventes récupérées sur les 900 M€ de paiements par carte) ; quant au taux de vérifications manuelles, il passe dans le même temps de 17,6 % à 13,7 % (−22 %, soit −90/j)
1. 2014–2018Ubivar, logiciel anti-fraude en SaaS pour e-commerçants
2. 2013–2014Travix (Amsterdam, NL) et Vayama (Californie, US), création et exploitation d'un moteur de back-testing, 32 changements de règles et de seuils mis en production
Risque en santé · R&D académique (NL, US, FR)
2010–2021
Un système de santé alloue un budget donné de manière à produire le plus de santé possible pour sa population de référence. Dans ce cadre, les assureurs, l'État, les fonds privés et l'offre de soin orientent cette allocation vers les soins, l'investissement, les dispositifs médicaux et la recherche. Le rôle des chercheurs en santé est d'identifier les causes et les facteurs de risque des maladies, de concevoir les moyens de les prévenir, de les dépister et de les traiter, d'éprouver chaque moyen contre le traitement de référence, puis de transmettre le résultat aux praticiens, aux autorités et aux fabricants.
Les problèmes à grand volume présentent peu d'événements indésirables, assez fréquents pour qu'un seul modèle décrive chaque événement. En santé, au contraire, les événements indésirables abondent : le décès, la complication post-opératoire, la rechute en addictologie, l'erreur de dépistage. Chaque événement indésirable a son horizon temporel et, souvent, un ensemble de facteurs de risque qui jouent ensemble. Les équipes de recherche réunissent donc des praticiens, des épidémiologistes, des statisticiens et parfois des ingénieurs, afin de définir l'événement et son horizon, de choisir le plan d'étude, de quantifier l'incertitude et de borner ce que les données permettent de conclure.
Les travaux en santé portent sur des événements indésirables variés, tels que l'apparition d'une maladie, le décès, la complication post-opératoire ou la rechute. Ils consistent à fusionner des données hétérogènes (omiques, cliniques, de suivi, démographiques), à choisir les mesures, à corriger les biais d'échantillonnage (ajustement, appariement), à recenser les facteurs de risque et, in fine, à réduire l'incertitude liée aux choix thérapeutiques.
- Translational Psychiatry (2020, IF=6,222, DOI)
- European Journal of Cardio-Thoracic Surgery (2020, IF=4,191, DOI)
- The Journal of Cardiovascular Surgery (2020, IF=1,888, DOI)
- BMC Genomics (2012, IF=4,397, DOI)
- Movement Disorders (2011, IF=4,558 en 2012, DOI)
1. 2021Planification d'un essai clinique en addictologie, CHRU de Brest (FR)
2. 2018–2019Analyste méthodologiste, chirurgie cardiaque, CHU de Rennes (FR)
3. 2010–2013Postdoc en génétique humaine, à UCLA (US), UMC Utrecht et LUMC (NL)

Risque routier (accidentologie) · Programme R&D indépendant

Risque ferroviaire (passages à niveau) · Programme R&D indépendant

Fraude au paiement en ligne · Travaux de R&D (Travix puis Ubivar)

Risque en santé · R&D académique (NL, US, FR)