La mise en adéquation des moyens déployés avec le niveau de gravité de chaque patient est un enjeu important pour la pérennisation et l’amélioration du système de santé. L’essor simultané de l’interopérabilité des bases de données permettant la collecte de données normalisées et des statistiques prédictives ouvre de nouvelles perspectives dans ce domaine en laissant supposer qu’il serait possible d’entrainer des modèles prédictifs permettant à la fois d’améliorer le service rendu aux patients en individualisant leur parcours de soin tout en rationalisant l’effort collectif nécessaire à leur prise en charge. Cette thèse avait pour objectif de de prédire la survenue d’évènements critiques chez les patients ayant recours aux urgences en utilisant des modèles basés sur l’apprentissage automatique. Trois articles composent ce travail de recherche. Le premier visait à détecter les arrêts cardiaques préhospitaliers en utilisant les enregistrements vocaux des appels des témoins au SAMU. Dans cette optique, plusieurs modèles ont été développés pour détecter les arrêts cardiaques en se basant sur les caractéristiques acoustiques de la voix de l’appelant. Le deuxième article se concentrait sur l’optimisation du diagnostic de COVID-19 en intégrant les tests diagnostiques de référence de type RT-PCR à d’autres éléments clinico-biologiques. Les modèles d’apprentissage automatique développés permettaient une augmentation des performances diagnostiques en ce contexte de pandémie débutante dans l’hypothèse d’une stratégie « zero-COVID ». Le troisième article avait pour objectif la prédiction de quatre évènements critiques chez les patients hospitalisés après un passage aux urgences : la survenue d’un décès, la nécessité d’ intubation, la réanimation cardiopulmonaire et la décision de réaliser des soins palliatifs. Des modèles de forêt aléatoire y ont été développés en intégrant des données les plus exhaustives possibles afin d’établir un profil détaillé des patients : dates d’amission, temps de passages, antécédents, observations médicales, constantes vitales, examens biologiques et compte rendus d’imagerie. Une excellente performance pour la prédiction des quatre événements d’intérêt à été retrouvée dans cet article. Des limites ont par ailleurs été identifiées, comme la nécessité de valider ces approches dans des contextes cliniques réels et d’explorer davantage leur interprétabilité en pratique quotidienne. Ce travail de recherche apporte une contribution significative pour la prédiction des évènements critiques et permettra le développement d’ applications visant à améliorer le parcours de soin des patients confrontés à une situation clinique susceptible de mettre en jeu leur pronostic vital.