Quand l’IA garde une oreille sur les résidents en EHPAD

La start-up OSO-AI a récemment bouclé une levée de fonds de 4 millions d’euros. Sa solution d’intelligence artificielle, capable de détecter des incidents tels que des chutes ou des appels à l’aide, a su convaincre les investisseurs, mais aussi plusieurs EHPAD au sein desquels elle est implantée. Une technologie en partie issue des travaux de recherche de Claude Berrou, chercheur à IMT Atlantique, cofondateur et conseiller scientifique de l’entreprise.

Incubée à IMT Atlantique, la société OSO-AI est née de la rencontre entre Claude Berrou, chercheur au sein de l’école d’ingénieurs, et Olivier Menut, ingénieur chez STMicroelectronics. Ensemble, ils ont commencé à mettre au point une intelligence artificielle capable de reconnaître des sons spécifiques. Forte d’une levée de fonds de 4 millions d’euros, la start-up entend aujourd’hui accélérer le développement de son produit : ARI (Aide Résident Intelligent), une solution visant à alerter le personnel en cas d’incident dans la chambre d’un résident.

Le dispositif prend la forme d’un boîtier électronique équipé de microphones à haute précision. ARI a pour objectif « d’écouter » l’environnement sonore dans lequel il est placé et de remonter une alerte dès qu’un son inquiétant se fait entendre. La transmission de l’information s’effectue ensuite en WiFi, avant son traitement sur le cloud.

« D’ordinaire, la nuit, un EHPAD compte une seule personne d’astreinte, relate Claude Berrou. Celle-ci, à 2h du matin, peut entendre un appel à l’aide, sans savoir de quelle chambre provient le cri. Elle doit alors partir à la recherche du résident en détresse, perdant un temps précieux avant de pouvoir intervenir et réveillant au passage de nombreux pensionnaires. Avec notre système, l’aide-soignant en service reçoit directement sur son téléphone mobile un message tel que : « Chambre 12, 1^er étage, appel à l’aide » ». La solution offre donc un gain de temps potentiellement salvateur pour une personne âgée, tout en étant moins intrusive qu’une caméra de surveillance, et donc mieux acceptée. D’autant qu’elle assure une confidentialité des conversations, se mettant en pause dès que quelqu’un d’autre entre dans la chambre. De plus, elle contribue à alléger la charge – de travail et mentale – du personnel.

OSO-AI s’inspire du fonctionnement du cerveau

Mais comment un système informatique peut-il entendre et analyser des sons ? Le dispositif mis au point par OSO-AI s’appuie sur le machine learning (ou apprentissage automatique), une branche de l’intelligence artificielle, et sur des réseaux de neurones artificiels. D’une certaine façon, il s’applique donc à imiter le fonctionnement du cerveau. « Toute machine destinée à reproduire les propriétés élémentaires de l’intelligence humaine doit s’articuler autour de deux réseaux distincts, détaille le chercheur d’IMT Atlantique. Le premier est sensoriel et inné : chez les êtres vivants, il permet de réagir aux éléments extérieurs, en s’appuyant sur les cinq sens. Le second est cognitif et varie selon les individus : il supporte la mémoire à long terme et conduit à la prise de décision, à partir de signaux provenant de sources diverses ».

Comment ce modèle se transpose-t-il au sein du boîtier ARI et des calculateurs qui reçoivent les signaux prétraités ? Une première couche « sensorielle » est chargée de capter les sons, via les microphones, et de les transformer en vecteurs représentatifs. Ces derniers sont ensuite compressés et transmis à la seconde couche « cognitive ». Celle-ci analyse alors les informations, en s’appuyant notamment sur des réseaux de neurones, afin de décider de déclencher ou non une alerte. C’est en effet en confrontant les nouvelles données à celles déjà en mémoire que le système pourra prendre une décision. Par exemple, si un pensionnaire souffrant de troubles cognitifs a tendance à appeler en permanence à l’aide, il faut être en mesure de ne pas avertir le personnel à chaque fois.

Les enjeux de la phase d’apprentissage

Comme tout système auto-apprenant, ARI doit passer par une phase initiale d’entraînement cruciale, qui lui permet de se forger une première mémoire, enrichie par la suite. Cette étape soulève deux problématiques principales.

Premièrement, il faut être en mesure d’interpréter les paroles prononcées par les résidents via un outil de « speech-to-text », qui transforme les propos oraux en texte écrit. Mais l’environnement d’ARI ajoute quelques difficultés. « Les personnes âgées peuvent s’exprimer avec un fort accent ou à voix basse, ce qui rend leur diction moins aisée à comprendre », indique Claude Berrou. Ainsi, l’entreprise a adapté ses algorithmes à ces spécificités.

Deuxièmement, qu’en est-il des autres sons, plus rares, comme celui d’une chute ? Dans ce cas, l’analyse s’avère encore plus complexe. « Il s’agit là d’un défi majeur pour l’intelligence artificielle et les réseaux de neurones : l’apprentissage très faiblement supervisé, c’est-à-dire à partir d’un nombre d’exemples limité ou peu nombreux à être labellisés, souligne le chercheur d’IMT Atlantique. Ce qui est informatif, c’est ce qui est rare. Et ce qui est rare, cela ne convient pas à l’intelligence artificielle actuelle, puisqu’il lui faut beaucoup de données ». C’est donc également sur ce terrain de l’apprentissage très faiblement supervisé qu’OSO-AI innove.

La donnée constitue précisément un avantage concurrentiel sur lequel compte s’appuyer OSO-AI. En effet, au fil des installations, sa solution acquiert une connaissance de plus en plus fine des environnements sonores. Et construit, pas à pas, un socle commun de sons (chutes, bruits de pas, de portes…) qui peut être réutilisé dans plusieurs EHPAD.

À lire sur I’MTech : Dans les Ehpad, la crise du Covid-19 révèle les effets délétères des politiques d’austérité

Des EHPAD vers le maintien à domicile

À l’heure actuelle, le produit a terminé sa phase de preuve de concept, et environ 300 dispositifs sont déjà installés au sein de sept EHPAD, tandis que la commercialisation a débuté. La récente levée de fonds va permettre d’accélérer le développement technologique et commercial de l’entreprise, en triplant les effectifs pour atteindre le nombre de 30 collaborateurs d’ici fin 2021.

La start-up planifie déjà par ailleurs le déploiement de son système pour favoriser le maintien à domicile des personnes âgées, autre enjeu sociétal d’importance. Enfin, selon Claude Berrou, l’une des futures applications les plus prometteuses d’OSO-AI est le suivi de bien-être, notamment chez les résidents d’EHPAD. Le principe : détecter, en plus des situations de détresse, des signes inhabituels chez un pensionnaire, tels qu’une toux plus prononcée. Dans le contexte actuel, nul doute qu’une telle fonction serait particulièrement prisée.

Par Bastien Contreras.