Approches légères pour une solution de maison intelligente pour personnes âgées

Lightweight approaches for a Smart home solution for the elderly

• Auteur / Autrice : Sara Kebir
• Direction : Karim Tabia, Cécile Carra
• Type : Projet de thèse
• Discipline(s) : Informatique et applications
• Date : Inscription en doctorat le ; Soutenance le 20/12/2023
• Etablissement(s) : Artois
• Ecole(s) doctorale(s) : École doctorale Sciences, technologie et santé (Amiens)
• Partenaire(s) de recherche : Laboratoire : CRIL - Centre de recherche en informatique de Lens
• Jury : Président / Présidente : Philippe Duez
• Jury : Examinateurs / Examinatrices : Karim Tabia, Cécile Carra, Philippe Leray, Kathia Marçal de oliveira, Véronique Delcroix
• Jury : Rapporteur / Rapporteuse : Philippe Leray, Kathia Marçal de oliveira

Mots clés

Mots clés libres

Analyse de données

Intelligence artificielle

Maison intelligente

Sciences sociales

Social sciences

Artificial intelligence

Smart home

Data analysis

Résumé

La prise en charge des personnes âgées souhaitant vieillir à domicile représente l’un des problèmes majeurs liés à l’accroissement significatif de la population âgée en France. Une des solutions techniques pouvant répondre à cette problématique est la maison intelligente spécialement conçue pour les personnes âgées qui peut apporter de réels avantages pour leur santé et leur bien-être, en plus du confort, de la sécurité et des économies d’énergie qu’elle peut leur offrir. C’est dans ce contexte que s’inscrit cette thèse, interdisciplinaire entre l’informatique et les sciences sociales, qui vise à promouvoir le bien vieillir à domicile en relevant les défis techniques liés à la conception de la solution tout en tenant compte de son acceptabilité par les usagers âgés. Au cours de cette thèse, une collecte de données a été réalisée en Hauts-de-France, à travers des entretiens semi-directifs et en utilisant des capteurs portables et environnementaux. Cette phase avait un double objectif. Il s’agissait d’une part, d’identifier les besoins des personnes âgées en conditions réelles et d’analyser leur attitude envers la technologie, ainsi que leur acceptation de ce type de solutions. D’autre part, de recueillir des données réelles sur leurs activités quotidiennes. Ce qui nous a permis de créer une base de données pour répondre de manière adaptée aux besoins identifiés qui sont principalement liés au maintien de leur bien-être et à la détection des situations d’urgence du quotidien. À cet effet, une détection des anomalies liées au sommeil et à l’activité physique des personnes âgées participant à notre expérience a été réalisée en proposant des solutions pour faire face aux aléas du travail sur le terrain. Des défis qui sont notamment liés à la rareté des données réelles collectées, au problème d’étiquetage et à la disparité des profils étudiés. Par conséquent, une stratégie d’étiquetage statistique, une augmentation de données issues des capteurs, ainsi qu’un entraînement individuel ont été mis en œuvre. Afin de rendre la solution personnalisée, légère en termes de temps d’exécution et de mémoire consommée, et plus fiable dans le temps, une approche évolutive basée sur l’apprentissage incrémental a été proposée. L’objectif est de faire face à la dérive du concept tout en étudiant et en tenant compte de l’impact de cette dernière sur la calibration et les explications fournies dans un tel scénario et sous une configuration à ressources limitées. Enfin, une méthode de calibration de classifieurs basée sur le conditionnement de Jeffrey a été proposée afin de renforcer la fiabilité et la confiance en les décisions prises par l’IA dans ce contexte.

Providing care for the elderly wishing to age at home is one of the major issues arising from the significant growth in France’s elderly population. One of the technical solutions to this problem is the smart home, specially designed for the elderly, which can bring real benefits to their health and well-being, in addition to the comfort, security and energy savings it can offer them. It is in this context that this thesis, interdisciplinary between computer science and the social sciences, aims to promote ageing well at home by tackling the technical challenges involved in designing the solution, while taking into account its acceptability by elderly users. In the course of this thesis, data collection was carried out in Hauts-de-France, through semi-structured interviews and using wearable and environmental sensors. The aim of this phase was twofold. Firstly, to identify the needs of elderly people in real-life conditions, and to analyze their attitudes towards technology, as well as their acceptance of this type of solution. Secondly, to collect real-life data on their daily activities. This enabled us to create a database to respond appropriately to the needs identified, which are mainly related to preserving their well-being and detecting everyday emergencies. To this end, the anomalies linked to the sleep and physical activity of the elderly taking part in our experiment were detected, and solutions proposed to deal with the hazards of working in the field. These challenges are notably linked to the scarcity of the real data collected, the problem of labelling it and the disparity of the profiles studied. As a result, a statistical labeling approach, sensor data augmentation and individual training were carried out. In order to make the solution personalized, light in terms of execution time and memory consumption, and more reliable over time, an evolutionary approach based on incremental learning has been proposed. The aim is to cope with the concept drift while studying and taking into account its impact on the calibration and explanations provided in such a scenario and under a resource-limited configuration. Finally, a method for classifiers calibration based on Jeffrey conditioning has been proposed to enhance the reliability and confidence in the decisions made by AI in this context.