Santé
Du laboratoire au pipeline : l’apprentissage auto-supervisé face au bruit des labels dans les signaux biomédicaux en R&D pharma et biotech
Sur cette page
Par Saber Graf, docteur en neurosciences (Université de Bordeaux), pharmacien, fondateur de SG AI Solutions
Lorsqu’on demande à une équipe développant des modèles de machine learning sur des signaux biomédicaux, comme l’ECG, l’EEG, l’EMG, le LFP ou les enregistrements MEA, ce qui limite le plus les performances, la réponse porte souvent sur l’architecture du modèle ou la taille du jeu de données. Pourtant, dans de nombreux cas, le principal frein est moins visible : le bruit des labels. Pendant ma thèse, un CNN chargé de classifier des sharp wave ripples hippocampiques plafonnait à 73 % de précision, malgré de nombreux ajustements. Le problème ne venait pas du modèle. Il venait des labels. Une stratégie de réétiquetage fondée sur l’apprentissage auto-supervisé (self-supervised learning, SSL) a permis de faire progresser la même architecture jusqu’à 84 %, un résultat ensuite confirmé sur des benchmarks ECG et EEG (Graf et al., 2025). Cet article explique comment fonctionne cette méthode et où elle s’intègre dans les pipelines de R&D pharma et biotech, de la sécurité préclinique à la real-world evidence.
Pourquoi le bruit des labels pénalise fortement les modèles de signaux biomédicaux
L’apprentissage supervisé repose sur une hypothèse simple : les labels sont corrects. En analyse de signaux biomédicaux, cette hypothèse est souvent fragile. L’annotation de séries temporelles physiologiques exige une expertise métier, et les expert·es peuvent diverger dans leur interprétation. La production d’annotations fiables suppose donc l’intervention de spécialistes du domaine, tandis que la variabilité interindividuelle introduit des décalages de labels que les modèles supervisés ont du mal à absorber (Weng et al., 2025). Même la définition de l’événement annoté peut rester instable. Dans le champ des sharp wave ripples hippocampiques, l’absence de définition opérationnelle commune a été suffisamment marquée pour conduire un large consortium de laboratoires à publier une déclaration de consensus sur leur détection (Liu et al., 2022).
Les conséquences ne sont pas anecdotiques. Les réseaux neuronaux profonds ont une capacité suffisante pour mémoriser des exemples mal étiquetés, ce qui dégrade la généralisation au lieu d’ajouter simplement une erreur de fond constante (Song et al., 2022). Le problème touche aussi l’évaluation elle-même : Northcutt et al. (2021) ont montré la présence d’erreurs de labels dans les jeux de test de plusieurs benchmarks majeurs en machine learning, ce qui signifie que des labels bruités peuvent perturber non seulement l’entraînement, mais aussi la façon dont on compare, classe et sélectionne les modèles. En santé, où les jeux de données sont souvent plus petits et où l’annotation demande une forte expertise, le bruit des labels est probablement encore plus dommageable que dans d’autres secteurs (Karimi et al., 2020).
Pour les équipes pharma et biotech, le symptôme est bien connu : un modèle plafonne en dessous des attentes malgré davantage de données, plus de réglages et des architectures plus complexes. Avant de conclure que le signal utile est absent, il faut donc se demander si les labels méritent réellement le niveau de confiance que leur accorde la procédure d’entraînement.
« Self-supervised learning » en bio-informatique : « contrastive learning », TS-TCC et boucle de réétiquetage
Le self-supervised learning (SSL) consiste à apprendre des représentations à partir de données non annotées en résolvant des tâches prétextes construites à partir des données elles-mêmes. Dans le contrastive learning, le modèle apprend à reconnaître que deux vues augmentées d’un même échantillon doivent être rapprochées, tandis que les vues provenant d’échantillons différents doivent être éloignées dans l’espace de représentation (Chen et al., 2020). Pour notre sujet, l’intérêt est majeur : ce signal d’apprentissage n’utilise pas de labels, ce qui évite que les représentations apprises n’héritent directement du bruit d’annotation.
Pour les séries temporelles, TS-TCC (Time-Series Representation Learning via Temporal and Contextual Contrasting) constitue aujourd’hui un cadre de référence (Eldele et al., 2021). Chaque signal est transformé à l’aide d’une augmentation faible, comme le jitter et le scaling, et d’une augmentation forte, comme la permutation et le jitter. Un module de contraste temporel apprend à prédire les pas de temps futurs d’une vue à partir du contexte de l’autre, tandis qu’un module de contraste contextuel maximise l’accord entre les contextes issus d’un même échantillon.
La boucle de réétiquetage se déroule ensuite en trois étapes. Premièrement, l’encodeur SSL est entraîné sur les signaux bruts sans utiliser les labels. Deuxièmement, les embeddings appris sont regroupés par clustering, généralement via k-means, avec k = 2 dans le cas binaire, afin de produire de nouveaux labels plus proches de la structure réelle des données que du jugement initial de l’annotateur. Troisièmement, le classificateur supervisé est réentraîné à partir de ces labels dérivés du SSL. Si les labels d’origine sont propres, les performances doivent rester globalement stables. S’ils sont bruités, l’écart entre les deux entraînements mesure directement le coût du bruit. En bio-informatique comme dans d’autres domaines médicaux, le SSL progresse justement parce qu’il réduit la dépendance à l’annotation experte (Krishnan et al., 2022), et cette boucle de réétiquetage transforme cette propriété en véritable outil d’audit des données.
Étude de cas : de 73 % à 84 % de précision sur les sharp wave ripples
Les sharp wave ripples (SWRs) sont de brèves oscillations à haute fréquence observées dans les enregistrements hippocampiques. Elles sont considérées comme un biomarqueur cognitif de la consolidation de la mémoire et de la planification (Buzsáki, 2015). Dans cette étude, l’objectif était de classifier des SWRs enregistrés chez la souris avant versus après un apprentissage spatial, à partir d’enregistrements de potentiels de champ local dans la région CA1.
Un CNN 1D conçu sur mesure, entraîné sur les labels initiaux avant/après, a atteint 73,28 % de précision en validation croisée à 5 plis, puis a stagné. L’hypothèse formulée était qu’une part importante des événements étiquetés en fonction de la session d’enregistrement ne portait pas réellement une structure discriminante entre les sessions. Autrement dit, le jeu de données contenait un bruit de labels significatif.
L’application de la boucle de réétiquetage a changé le résultat. Après 500 époques d’entraînement SSL de type TS-TCC et un clustering k-means des embeddings, la même architecture CNN, réentraînée sur les labels dérivés du SSL, a atteint 83,66 % de précision (p < 0,0001). En restreignant l’entraînement aux échantillons pour lesquels les labels SSL et les labels d’origine concordaient, la précision a progressé à 84,11 %, tout en restant évaluée sur les labels initiaux afin de conserver une base de comparaison cohérente (Graf et al., 2025).
Deux comparaisons intéressent particulièrement les praticiens. Face à des méthodes spécialisées de gestion du bruit des labels dans les séries temporelles, l’approche SSL a surpassé SREA, une méthode de self-relabeling issue de la classification de séries temporelles industrielles (Castellani et al., 2021), qui atteignait 76,23 % (±2,1), ainsi que CTW, une approche de confident time-warping (Ma et al., 2023), qui atteignait 74,52 % (±6,8). Le résultat obtenu avec le SSL était aussi le plus stable, avec un écart-type de ±1,2 entre les différentes exécutions. Le code est public et l’article scientifique (Saber-GRAF / ts-ssl-label-noise) est disponible en open access.
Validation croisée sur d’autres signaux biomédicaux : ECG et EEG
Une méthode validée sur un seul jeu de données d’électrophysiologie et dans un seul laboratoire ne suffit pas à démontrer sa robustesse. Pour tester sa généralisation, le même pipeline a été appliqué à deux benchmarks publics avec une corruption synthétique contrôlée des labels.
Sur la base MIT-BIH Arrhythmia Database, benchmark de référence en ECG (Moody & Mark, 2001), un classificateur entraîné sur des labels propres atteignait 98,70 % de précision. Lorsqu’on corrompait 20 % des labels d’entraînement, la performance chutait à 77,75 %. La boucle de réétiquetage SSL permettait ensuite de remonter à 97,00 %, soit une récupération de presque toute la perte, sans modification des labels de test.
Sur le jeu Epileptic Seizure Recognition, construit à partir des enregistrements EEG historiques de Bonn (Andrzejak et al., 2001), le même schéma apparaissait : 98,59 % avec labels propres, 76,96 % avec 20 % de bruit, puis 98,02 % après réétiquetage SSL.
La méthode a toutefois des limites, qu’il est important de formuler clairement. La récupération est la plus forte lorsque le bruit de labels se situe autour de 10 % à 20 %, intervalle dans lequel le modèle corrigé retrouve presque le niveau atteint sans bruit. Elle reste utile jusqu’à environ 30 %. En revanche, à partir de 40 % à 50 % de corruption, l’étape de clustering ne dispose plus d’une structure majoritaire suffisamment fiable pour servir de point d’ancrage, et la méthode cesse d’apporter un gain significatif. Cette limite est utile d’un point de vue opérationnel : si le réétiquetage SSL n’améliore pas votre modèle, cela signifie probablement que vos labels sont déjà assez fiables, ou au contraire trop dégradés pour être corrigés automatiquement.
Où le SSL s’intègre dans un pipeline R&D pharma et biotech
L’intérêt économique de cette méthode est réel, car elle permet de valoriser des actifs déjà présents dans la plupart des équipes R&D : des archives de signaux non annotés ou imparfaitement annotés. En pratique, l’audit de labels fondé sur le SSL peut s’intégrer à plusieurs niveaux. En électrophysiologie préclinique et en safety pharmacology, où les effets de composés sur des signaux cardiaques ou neuronaux sont classés par des annotateurs ou par des détecteurs historiques à base de règles, la boucle de réétiquetage peut aider à quantifier et corriger la dérive d’annotation avant l’entraînement des modèles. Dans le développement de biomarqueurs digitaux, où les endpoints sont dérivés de signaux ECG, EEG ou d’actigraphie avec un ground truth souvent limité, le pré-entraînement SSL réduit la quantité d’annotation experte nécessaire. Dans les pipelines de real-world evidence, où les labels de résultats proviennent de sources cliniques hétérogènes, un audit des embeddings peut signaler des sous-ensembles suspects avant qu’ils n’affectent les analyses aval.
Il existe aussi des situations où cette approche n’est pas adaptée. Premièrement, les très petits jeux de données : le SSL a besoin d’un volume suffisant de données non annotées pour apprendre une structure exploitable, et quelques centaines d’échantillons ne suffisent généralement pas. Deuxièmement, les problèmes où la structure des labels ne correspond pas à des clusters séparables dans l’espace des signaux, par exemple des grades de sévérité ordinale subtils ; le réétiquetage par k-means suppose que les classes soient géométriquement distinguables. Troisièmement, les contextes réglementés dans lesquels toute modification de label doit rester traçable à un·e expert·e humain. Dans ces cas, les sorties du SSL doivent être utilisées comme des signaux d’alerte pour une révision experte, et non comme des corrections automatiques. Dans des cadres comme l’AI Act européen ou les exigences de validation GxP, la traçabilité compte autant que le gain de précision.
Le point essentiel dépasse la méthode elle-même : le travail sur la qualité des données n’est pas un simple préambule discret avant la modélisation. Sur des signaux biomédicaux bruités, c’est souvent là que se joue une part importante de la performance.
Note méthodologique
La cartographie de littérature ayant servi à cet article a été construite avec NeoPhi, la plateforme d’intelligence scientifique du groupe FI. À partir de la question de recherche portant sur la façon dont le SSL améliore la précision de classification lorsque les labels d’entraînement sont bruités dans des signaux physiologiques, notamment EEG, ECG et LFP, NeoPhi a construit un graphe de connaissances à partir des 10 000 publications les plus pertinentes et a produit une synthèse structurée à partir des 100 articles les mieux classés. L’outil a mis en évidence plusieurs axes récurrents du domaine, dont le contrastive pretraining, la régularisation semi-supervisée et le pseudo-labeling, le débruitage par masked autoencoders, l’apprentissage sensible à l’incertitude et l’adaptation de domaine. Il a également fait ressortir des limites fréquentes, comme la rareté de l’annotation, la variabilité interindividuelle, le faible rapport signal sur bruit et l’ambiguïté des labels. Ces éléments ont contribué à structurer l’article. Chaque source primaire a ensuite été vérifiée dans sa publication d’origine avant citation.
FAQ
Comment savoir si de mauvais labels bloquent mon modèle ?
Un premier test pratique consiste à entraîner votre modèle, puis à appliquer la boucle de réétiquetage SSL avant de le réentraîner sur les labels dérivés. Si l’écart de performance entre les deux versions est significatif, cela indique directement que les labels initiaux sont en conflit avec la structure réelle des données. Si l’écart est faible, vos labels sont probablement déjà fiables, ou bien le bruit se situe au-delà de la zone où une correction automatique peut encore être efficace.
Faut-il obligatoirement des données annotées pour utiliser le SSL ?
Non. La phase de pré-entraînement SSL ne nécessite aucune annotation. Les labels deviennent utiles uniquement lors de l’étape supervisée finale et pour l’évaluation. C’est ce qui rend la méthode particulièrement intéressante pour les équipes disposant de grandes archives de signaux bruts, mais d’un sous-ensemble annoté limité.
What is Quel est le taux maximal d’erreurs que la méthode peut corriger ? maximum error rate the method can correct?
Dans nos expériences, la correction est la plus efficace lorsque le bruit de labels se situe entre 10 % et 20 %, et elle reste utile jusqu’à environ 30 %. En revanche, elle n’est plus réellement efficace autour de 40 % à 50 % de corruption (Graf et al., 2025). Si plus d’un tiers de vos labels sont erronés, le problème relève probablement davantage de la collecte ou de l’annotation initiale des données que du simple réétiquetage.
Cette méthode fonctionne-t-elle sur d’autres signaux que les signaux neuronaux ?
Oui. La validation croisée a porté sur des données ECG issues de MIT-BIH et sur des données EEG issues d’Epileptic Seizure Recognition, avec des résultats cohérents. La méthode ne repose sur aucune hypothèse propre aux signaux hippocampiques et peut s’appliquer plus largement aux séries temporelles physiologiques, y compris les enregistrements MEA, l’EMG et les signaux dérivés de wearables.
L’automatisation des labels est-elle acceptable en environnement réglementé ?
Pas comme correction silencieuse ou totalement autonome. Dans des contextes GxP ou à haut risque au regard de l’AI Act, les labels dérivés du SSL doivent servir à signaler des échantillons nécessitant une révision experte, avec une traçabilité documentant à la fois le label initial et le label révisé. La méthode accélère la revue par les chercheur·euses, mais ne remplace pas leur validation.
Où trouver le code et l’article scientifique ?
La méthode complète est décrite dans Graf et al., Scientific Reports 15, 7647 (2025), en open access (DOI : 10.1038/s41598-025-90380-x). Le code est disponible sur GitHub à l’adresse github.com/Saber-GRAF/ts-ssl-label-noise.
