medical_style.txt

                         Université Cadi Ayyad
                 École Supérieure de Technologie – Essaouira
            Filière : Informatique Décisionelle et Science Des Données
                  Département : Informatique et Mathématiques




      RAPPORT DE PROJET DE FIN D’ÉTUDES
                            Pour l’obtention du DUT




 Conception et Développement d’une
Plateforme Web de Diagnostic Médical
  Assisté par Intelligence Artificielle



Présenté par :                                              Sous la direction de :
Abahous Nour-eddine                                      Mme. Asebriy Zahra
Et-talib Anas




                      Année Universitaire : 2025 – 2026
                                      Remerciements



    Nous tenons tout d’abord à remercier Dieu le Tout-Puissant, qui nous a donné la force et la
patience d’accomplir ce modeste travail.
    Nous remercions également Mme Zahra Asebriy, notre encadrante académique de projet
de fin d’étude, pour ses précieux conseils et son orientation tout au long de notre travail.
    Nous tenons à exprimer notre profonde gratitude à nos familles respectives pour leur soutien
inconditionnel tout au long de ce projet de fin d’études. Leur encouragement moral, leur patience
face à nos longues heures de travail, et leur appui constant ont été indispensables à la réalisation
de ce travail. Sans leur présence bienveillante, cette réussite n’aurait pas été possible. Merci du
fond du cœur.




                                                 1
                                            Résumé


    Dans le contexte de notre travail de fin d’études à l’École Supérieure de Technologie d’Es-
saouira,
    Au départ, on a imaginé un outil numérique pour aider les sitoyens. Ensuite est née une
application mobile pensée pour le diagnostic. Petit à petit, chaque fonction a pris forme. Puis
tout s’est assemblé : interface claire, analyses précises. Quelque part entre technologie et soin,
elle trouve sa place. Finalement, ce n’est pas juste une app, c’est un assistant au quotidien
    portée par l’intelligence artificielle. Développée à partir du cadre React Native, elle fonctionne
comme une application
    grâce à une entrée manuelle des signes ressentis, le système propose instantanément un trio
de pathologies possibles. celui qui décrit ce qu’il vit voit apparaître trois affections en lien avec
son état. dès que les indications sont tapées, les résultats s’affichent sans délai. chaque saisie
active aussitôt un rapprochement avec des diagnostics proches. selon les mots choisis, la liste
change sur-le-champ. peu importe l’ordre des symptômes, l’outil adapte ses suggestions au fur
et à mesure
    Pour comparer six algorithmes d’apprentissage automatique, une analyse précise a eu lieu.
Chaque méthode fut testée dans des conditions identiques. L’un après l’autre, les modèles ont
été évalués sans favoriser aucun. À mesure que les résultats apparaissaient, les écarts se sont
précisés. Parmi eux, certains se sont montrés plus stables. Un classement s’est dessiné à partir
des performances répétées
    Grâce à cette appli, pas besoin d’attendre : elle donne tout de suite les pathologies possibles.
Chaque trouble est accompagné par un ensemble d’indices utiles. À mesure que tu progresses,
des précisions apparaissent sans rien omettre. Un détail après l’autre, les éléments s’enchaînent
clairement. Même ce qui semble flou devient net au fil de la lecture. L’important se dévoile petit
à petit, jamais en bloc
    Des médicaments sont conseillés. Par ailleurs, certaines activités corporelles peuvent aider.
En revanche, il faut faire attention à quelques règles d’hygiène.
    à observer.
    Ce document décrit d’abord le cadre global ainsi que la question centrale du projet
    Fixer les buts, suivre une démarche choisie pour créer puis juger le système, examiner pas à
pas chaque détail technique.
    L’idée prend forme dès qu’on commence à dessiner chaque fonction. Ensuite vient le moment
où tout se construit pas à pas avec du code réel. Certains ajustements arrivent pendant que des
essais sont faits encore et encore. Chaque étape vérifiée ouvre la voie vers celle d’après, sans bruit
ni précipitation. Le résultat avance lentement mais sûrement, guidé par l’usage plutôt que par
les plans initiaux
    vérification, puis on passe aux résultats de l’étude avec ce qu’ils ouvrent comme pistes plus
tard.




                                                  2
                                          Abstract


This report presents the design and development of an intelligent web platform integrated with an
AI-powered chatbot, aimed at enhancing user engagement and streamlining information retrieval.
Leveraging the OpenAI API, the core system provides advanced natural language understanding
within a responsive, user-centric web interface. To maximize accessibility and reach, the plat-
form is complemented by a cross-platform mobile application developed using React Native. The
project also strongly prioritizes user experience by incorporating dynamic features such as cus-
tomizable dark and light themes, as well as comprehensive bilingual support. Ultimately, this
work demonstrates the successful and scalable integration of cutting-edge AI capabilities into a
cohesive web and mobile ecosystem.




                                               3
Table des matières

1 Contexte, Problématique et Objectifs                                                             8
  1.1 Contexte général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .     9
  1.2 La problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .     9
  1.3 Objectifs du projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .    9
      1.3.1 Objectif général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .     9
      1.3.2 Objectifs spécifiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .      9
  1.4 Délimitation du projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .    10

2 Conception et Évaluation du Modèle d’Apprentissage Automatique                                  11
  2.1 Introduction au chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .    12
  2.2 Description du dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .    12
  2.3 Algorithmes de Machine Learning testés . . . . . . . . . . . . . . . . . . . . . . .        12
      2.3.1 Régression Logistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . .       12
      2.3.2 Arbre de Décision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .       12
      2.3.3 Forêt Aléatoire (Random Forest) . . . . . . . . . . . . . . . . . . . . . . .         12
      2.3.4 Naive Bayes (Gaussian) . . . . . . . . . . . . . . . . . . . . . . . . . . . .        12
      2.3.5 Machine à Vecteurs de Support (SVM) . . . . . . . . . . . . . . . . . . . .           12
  2.4 Métriques d’évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .    12
  2.5 Résultats de la comparaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .     13
  2.6 Justification du choix de Naive Bayes . . . . . . . . . . . . . . . . . . . . . . . . .     13
  2.7 Évaluation du modèle Naive Bayes avec et sans SMOTE . . . . . . . . . . . . . .             13
      2.7.1 Comparaison synthétique . . . . . . . . . . . . . . . . . . . . . . . . . . .         13
      2.7.2 Analyse des résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .     13
      2.7.3 Décision provisoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .     13
  2.8 Analyse détaillée des performances par classe . . . . . . . . . . . . . . . . . . . .       14

3 Analyse et Conception de l’Application Web                                                      16
  3.1 Introduction au chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .    17
  3.2 Analyse des besoins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .   17
      3.2.1 Besoins fonctionnels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .      17
      3.2.2 Besoins non fonctionnels . . . . . . . . . . . . . . . . . . . . . . . . . . . .      17
  3.3 Conception UML . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .      17
      3.3.1 Diagramme de cas d’utilisation . . . . . . . . . . . . . . . . . . . . . . . .        17
      3.3.2 Diagramme de séquence . . . . . . . . . . . . . . . . . . . . . . . . . . . .         18
  3.4 Intégration de n8n : Orchestration et Intelligence Artificielle . . . . . . . . . . . .     19
  3.5 Environnement de Développement (Technologies Utilisées) . . . . . . . . . . . . .           20
  3.6 Conclusion du chapitre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .    21




                                                 4
4 Réalisation de l’Application Web                                                                 22
  4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .   23
  4.2 Présentation des Interfaces de l’Application Web . . . . . . . . . . . . . . . . . .         23
      4.2.1 Page d’Accueil (Home) . . . . . . . . . . . . . . . . . . . . . . . . . . . . .        23
      4.2.2 Page de Création de Compte (Sign Up) . . . . . . . . . . . . . . . . . . .             23
      4.2.3 Page À Propos (About Us) . . . . . . . . . . . . . . . . . . . . . . . . . .           24
      4.2.4 Tableau de Bord Médical (Medical Dashboard) . . . . . . . . . . . . . . .              25
      4.2.5 Résultats de l’Analyse et Assistant IA (Results) . . . . . . . . . . . . . . .         25
  4.3 Bonus : L’Application Mobile (React Native) . . . . . . . . . . . . . . . . . . . .          26
  4.4 Défis, Limites et Perspectives d’Avenir . . . . . . . . . . . . . . . . . . . . . . . .      26
      4.4.1 Défis et Limites Actuelles . . . . . . . . . . . . . . . . . . . . . . . . . . .       26
      4.4.2 Perspectives et Prochaines Fonctionnalités . . . . . . . . . . . . . . . . . .         27
  4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .   27

Conclusion Générale                                                                                28




                                                  5
Table des figures

 2.1   Performances par classe du modèle Bernoulli Naive Bayes – Top 20 maladies avec
       le meilleur F1-score (à gauche) et les 20 maladies avec le plus faible F1-score (à
       droite) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .   14
 2.2   Matrice de confusion du modèle Bernoulli Naive Bayes pour les 25 classes les plus
       fréquentes dans le dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .      15
 3.1   Diagramme de cas d’utilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . .        18
 3.2   Diagramme de séquence du processus de prédiction . . . . . . . . . . . . . . . . .            18
 3.3   Architecture du workflow d’Intelligence Artificielle sous n8n . . . . . . . . . . . .         19
 4.1   Page d’accueil de la plateforme AI Medica . . . . . . . . . . . . . . . . . . . . . .         23
 4.2   Interface de création de compte utilisateur . . . . . . . . . . . . . . . . . . . . . .       24
 4.3   Page de présentation détaillant le fonctionnement et l’avertissement médical . . .            24
 4.4   Tableau de bord de saisie et de recherche des symptômes . . . . . . . . . . . . . .           25
 4.5   Affichage du diagnostic prédictif et interaction avec le Chatbot Médical . . . . . .          26




                                                 6
Liste des tableaux

 2.1   Performances des modèles (moyenne sur validation croisée 10-folds) . . . . . . . .   13
 2.2   Comparaison des performances du modèle Naive Bayes avec et sans SMOTE . . .          13




                                             7
           CHAPITRE 1


Contexte, Problématique et Objectifs
1.1     Contexte général
    L’essor fulgurant des nouvelles technologies de l’information et de la communication a profon-
dément transformé de nombreux domaines, dont celui de la santé. Aujourd’hui, la santé numé-
rique (e-santé et m-santé) représente un levier majeur pour améliorer l’accès aux soins, optimiser
les diagnostics et renforcer la prévention. Au Maroc, dans le cadre du Plan Santé 2025 et de la
stratégie nationale de digitalisation, le ministère de la Santé encourage fortement le développe-
ment d’outils numériques pour désengorger les structures hospitalières et rapprocher les services
de santé des citoyens, particulièrement dans les zones rurales et les régions éloignées. L’intelli-
gence artificielle, et plus particulièrement les algorithmes de Machine Learning, offre aujourd’hui
des possibilités inédites pour analyser rapidement un ensemble de symptômes et proposer des
hypothèses diagnostiques fiables. Dans ce contexte, les plateformes et applications de santé se
multiplient dans le monde entier (Ada Health, WebMD, Babylon Health, etc.). Cependant, la
plupart de ces solutions restent en anglais, payantes, ou nécessitent une connexion internet per-
manente, ce qui limite leur utilité pour une grande partie de la population marocaine.


1.2     La problématique
    Malgré les progrès réalisés, plusieurs défis persistent :
    — L’accès au diagnostic médical reste difficile et chronophage dans de nombreuses régions
       du Maroc.
    — Les patients hésitent souvent à consulter un médecin pour des symptômes légers, ce qui
       peut entraîner une aggravation des pathologies.
    — Il existe un manque d’outils simples, gratuits, en langue française/arabe et facilement
       accessibles via un navigateur web pour une première orientation diagnostique.
    — La plupart des solutions existantes ne fournissent pas de recommandations concrètes (mé-
       dicaments, exercices, précautions) après la prédiction.
Ces constats nous ont conduits à nous interroger sur la possibilité de développer une plateforme
web accessible, rapide et fiable, capable d’aider l’utilisateur à mieux comprendre ses symptômes
et à prendre les premières mesures appropriées.


1.3     Objectifs du projet
   Pour répondre à cette problématique, nous avons fixé les objectifs suivants :

1.3.1    Objectif général
    Concevoir et développer une application web intelligente de diagnostic médical assisté par
intelligence artificielle, permettant à l’utilisateur de saisir ses symptômes et d’obtenir les trois
maladies les plus probables ainsi que des recommandations adaptées.

1.3.2    Objectifs spécifiques
   — Développer une interface utilisateur intuitive avec des technologies web modernes pour
     une expérience fluide sur n’importe quel appareil (ordinateur, tablette ou smartphone) ;
   — Construire, entraîner et comparer plusieurs modèles de Machine Learning afin de sélec-
     tionner le plus performant et le plus léger (Naive Bayes) ;
   — Intégrer le modèle de prédiction au sein de l’application web pour obtenir une réponse en
     temps réel ;
   — Fournir, pour chaque maladie prédite, une liste de médicaments recommandés, des exer-
     cices physiques et des précautions sanitaires ;


                                                 9