Analyse d'appels d'urgence améliorée par l'IA: développement de modèles d'apprentissage automatique multimodaux

AI-Enhanced Emergency Call Handling: Development of Multimodal Machine Learning Models

• Auteur / Autrice : Marianne Abi kanaan
• Direction : Jean-François Couchot
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 18/11/2021
• Etablissement(s) : Besançon, Université Marie et Louis Pasteur
• Ecole(s) doctorale(s) : SPIM - Sciences Physiques pour l'Ingénieur et Microtechniques
• Partenaire(s) de recherche : Laboratoire : Franche Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies
• Partenaire(s) de recherche : Equipe de recherche : DISC - Département Informatique et Systèmes Complexes

Mots clés

Mots clés libres

Traitement du langage naturel

Reconnaissance des émotions vocales

Transformers

Arbres de décision

Confidentialité différentielle

Appels d'urgence

Natural Language Processing

Speech Emotion Recognition

Transformers

Decision Trees

Differential Privacy

Emergency Calls

Résumé

Les centres d'appels d'urgence jouent un rôle essentiel dans la gestion des situations de crise, car ils sont les intervenants de première ligne qui facilitent l'intervention, déterminant souvent la différence entre la vie et la mort. Les progrès récents et rapides de l'intelligence artificielle (IA) ne peuvent être négligés, car ils ont ouvert de nouveaux horizons pour améliorer les capacités des services d'urgence. Avec des applications d'IA adéquates, il est possible d'aider les centres d'appels d'urgence à améliorer l'efficacité et la précision de la gestion des urgences, sauvant ainsi potentiellement davantage de vies. Cependant, le développement de tels outils nécessite de grandes quantités de données d'apprentissage, ce qui, dans le contexte des appels Université Bourgogne-Franche-Comté 32, avenue de l'Observatoire 25000 Besançon, France d'urgence, est de nature très sensible. Il est donc impératif d'équiper les systèmes d'IA développés de mécanismes robustes de préservation de la vie privée pour protéger la confidentialité des données et prévenir toute violation. Par conséquent, cette thèse explore le potentiel de l'IA pour assister les opérateurs d'appels d'urgence, tout en garantissant la protection de la confidentialité des appelants. Ainsi, nos objectifs sont doubles: 1 Développer des outils d'IA capables de traiter les appels d'urgence et d'analyser leur urgence. 2. La ”DP-fication” de ces outils, c'est-à-dire les rendre différentiellement privés, comme une étape vers la préservation de la confidentialité des données.

Emergency call centers play a critical role in managing crisis situations, as they are the frontline responders who facilitate intervention, often determining the difference between life and death. The recent and rapid advancements in artificial intelligence (AI) cannot be overlooked, as they've opened new horizons for enhancing the capabilities of emergency services. With adequate AI applications, it is possible to assist emergency call centers in improving the efficiency and accuracy of emergency handling, thereby potentially saving more lives. However, developing such tools requires large amounts of learning data, which in the context of emergency calls, is of a highly sensitive nature. It is therefore imperative to equip the developed AI systems with robust privacy-preserving mechanisms to protect the confidentiality of the data and to prevent any breach. Therefore, this thesis delves into the exploration of the potential of AI in supporting emergency call operators, while ensuring that the callers' confidentiality is protected. Thus, our objectives are two-fold: 1. Developing AI tools that could process emergency calls and analyse their urgency. 2. ”DP- fying” these tools, i.e. making them differentially private, as a step towards preserving the privacy of the data.