L’utilisation des dossiers médicaux électroniques (DMEs) et la prescription électronique sont des priorités dans les différents plans d’action européens sur la santé connectée. Le développement du DME constitue une formidable source de données ; il capture tous les épisodes symptomatiques dans la vie d’un patient et doit permettre l’amélioration des pratiques médicales et de prises en charge, à la condition de mettre en place des procédures de traitement automatique. A ce titre nous travaillons sur la prédiction d’hospitalisation à partir des DMEs et après les avoir représentés sous forme vectorielle, nous enrichissons ces modèles afin de profiter des connaissances issues de référentiels, qu’ils soient généralistes ou bien spécifiques dans le domaine médical, et cela, dans le but d’améliorer le pouvoir prédictif d’algorithmes de classification automatique. Déterminer les connaissances à extraire dans l’objectif de les intégrer aux représentations vectorielles est à la fois une tâche subjective et destinée aux experts, nous verrons une procédure semi-supervisée afin d’automatiser en partie ce processus. Du fruit de nos recherches, nous avons ébauché un produit destiné aux médecins généralistes afin de prévenir l’hospitalisation de leur patient ou du moins améliorer son état de santé. Ainsi, par le biais d’une simulation, il sera possible au médecin d’évaluer quels sont les facteurs impliqués dans le risque d’hospitalisation de son patient et de définir les actions préventives à planifier pour éviter l’apparition de cet événement. Cet algorithme d’aide à la décision a pour visée d’être directement intégré au logiciel de consultation des médecins et nous avons pour ce faire développé une interface graphique élaborée en collaboration avec de nombreux corps de métiers avec notamment les premiers concernés, des médecins généralistes.