Découverte de :

Médecins et personnel soignant des hôpitaux publics et cliniques du Burkina Faso (généralistes en zones rurales et urbaines en priorité), patients bénéficiant d'un meilleur suivi médical et de diagnostics plus rapides, et à terme les autorités sanitaires (Ministère de la Santé) pour le suivi épidémiologique.

1. Interconnecter les dossiers médicaux de plusieurs hôpitaux pour un suivi patient continu. 2. Fournir aux médecins un outil d'aide au diagnostic basé sur l'IA, entraîné et exécuté localement. 3. Garantir la souveraineté des données de santé burkinabè (aucune donnée envoyée à l'étranger). 4. Réduire le temps de diagnostic pour les pathologies prioritaires du pays. 5. Créer un système qui s'améliore en continu grâce aux validations des médecins.

SahelSanté repose sur une architecture Flutter (application mobile/web) et Node.js/Express/PostgreSQL (backend), avec authentification par rôle (médecin, administrateur hospitalier, patient). Le module central d'innovation est un pipeline d'intelligence artificielle entièrement local : les symptômes saisis par le médecin sont vectorisés et comparés à une base de cas cliniques anonymisés (ChromaDB) via une recherche par similarité (RAG - Retrieval Augmented Generation), puis un modèle de langage local (exécuté via Ollama, sans API externe) génère un diagnostic différentiel argumenté, avec probabilités et code CIM-10. Chaque diagnostic confirmé ou corrigé par un médecin enrichit automatiquement la base de connaissance, créant un système qui apprend en continu à partir de l'expérience clinique réelle du réseau d'hôpitaux, sans jamais faire sortir de donnée patient du territoire.

Contrairement aux solutions de télémédecine existantes qui dépendent d'API cloud étrangères (OpenAI, Google), SahelSanté exécute son intelligence artificielle entièrement en local, répondant directement à l'enjeu de souveraineté numérique des données de santé africaines. L'architecture RAG permet également au système de s'enrichir progressivement des cas cliniques réels validés par les médecins du réseau, créant une base de connaissance médicale spécifiquement adaptée à l'épidémiologie burkinabè, plutôt que de s'appuyer uniquement sur des données médicales occidentales génériques.

Prototype fonctionnel : l'architecture technique complète (backend multi-hôpitaux, authentification par rôles, module IA local avec RAG et LLM) est développée et opérationnelle. Le pipeline de diagnostic assisté par IA a été testé de bout en bout avec des résultats cohérents. Le système de collecte et d'enrichissement continu des cas cliniques est en place. Reste à finaliser : enrichissement de la base de cas cliniques initiale, déploiement pilote dans un hôpital partenaire, et validation clinique par des professionnels de santé.