Myriam Maumy

---

Discipline(s) : Statistique - Modélisation - Science des données - Apprentissage machine

Titre(s) : Professeur des universités – Numérique en santé

Diplôme(s) : Habilitation à diriger des recherches

Appartenance(s) : Département Méthodes quantitatives en santé publique (METIS), UMR 6051 ARENES

Cursus

Professeure des universités à l’EHESP depuis le 1er septembre 2024, j’ai obtenu un doctorat en statistique de l’Université Pierre et Marie Curie (Paris VI) en 2002, puis une habilitation à diriger des recherches de l’Université de Strasbourg en 2020. Mes travaux portent sur la modélisation statistique et les méthodes issues du machine learning, avec des applications en santé publique et en données massives.

Après plusieurs années (2004–2020) en tant que maîtresse de conférences à l’Université de Strasbourg et membre de l’IRMA, j’ai développé des recherches à l’interface entre statistique, science des données et problématiques appliquées (santé, environnement, données industrielles).

Le 1er septembre 2020, j’ai rejoint l’Université de Technologie de Troyes en tant que maîtresse de conférences. J’y ai exercé des responsabilités de direction en tant que directrice déléguée (janvier 2021 – décembre 2023), contribuant à la structuration de l’Université de Technologie européenne.

J’enseigne les méthodes quantitatives, la modélisation statistique et l’analyse de données (R, Python) auprès d’étudiants en santé publique, en ingénierie et en mathématiques.

Recherche

Mes recherches se situent à l’interface entre statistique, data science et santé publique. Elles s’articulent autour de trois axes principaux :

Modélisation statistique et machine learning : développement, adaptation et évaluation de méthodes prédictives et explicatives pour l’analyse de données complexes et de grande dimension.

Exploitation des bases de données médico-administratives : analyse, structuration et valorisation des données issues du PMSI et du SNDS dans une perspective de recherche en santé publique et d’évaluation des politiques de santé.

Numérique en santé et aide à la décision : construction d’indicateurs, évaluation de dispositifs et contribution aux réflexions méthodologiques relatives à l’usage des données massives et des outils d’intelligence artificielle en santé.

Les projets en cours s’inscrivent dans des collaborations académiques et institutionnelles nationales, portant notamment sur l’analyse de données de santé à grande échelle, la modélisation spatio-temporelle et l’intégration de sources de données hétérogènes en vue d’améliorer l’aide à la décision et les politiques publiques en santé.

Expertise

Mes activités d’expertise portent sur la méthodologie statistique appliquée aux données de santé, la gouvernance des données massives et l’évaluation de projets mobilisant des méthodes d’apprentissage statistique.

Je suis membre du Conseil d’administration de l’EHESP et du Conseil d’administration du Health Data Hub, où je contribue aux orientations stratégiques relatives à l’usage, à la régulation et à la valorisation des données de santé.

Je suis également membre du GdR CNRS MaDICS (Masse de Données, Informations et Connaissances en Sciences), réseau national structurant les recherches interdisciplinaires autour des données massives et de leurs implications scientifiques et sociétales.

Enseignement

Mes activités d’enseignement couvrent :

Statistique et modélisation (inférence, régression, méthodes en grande dimension) ;

Machine learning appliqué à la santé publique ;

Analyse de bases de données médico-administratives (PMSI, SNDS) ;

Outils de data science (R, Python).

J’enseigne principalement à l’EHESP dans les formations en santé publique et en numérique en santé, et j’interviens également dans des cursus d’ingénierie et de mathématiques appliquées au machine learning.