Des mathématiques pour développer des lunettes connectées

Créée à l’initiative de deux entrepreneurs de l’optique, Ellcie Healthy, startup de la région niçoise employant une vingtaine de personnes, propose un produit à ce jour unique sur le marché :  une paire de lunettes connectées capable d’alerter un conducteur sur son état de fatigue au volant.

Détecter les mouvements oculaires

Le concept part d’une constatation connue : les premiers signes d’endormissement se manifestent par un clignement plus lent des yeux. Détecter automatiquement ces subtils changements dans le mouvement des paupières, à l’aide de capteurs intégrés à une monture, transmettre les signaux à une application déployée sur smartphone qui avertira le conducteur, telle est l’idée de cette innovation ambitieuse. La paire de lunettes connectées devient donc en théorie un précieux copilote, doublé d’un acteur de la sécurité routière.

Disponible aujourd’hui dans le commerce à un prix abordable, cet objet connecté n’aurait pas vu le jour s’il n’avait pas fait preuve de sa robustesse et de son efficacité. Et ce sont en partie les travaux de Denis Efimov et Rosane Ushirobira, chercheurs en automatique à Inria Lille, qui ont contribué à garantir les performances de cette paire de lunettes nouvelle génération.

Nos recherches portent sur la mise au point d’algorithmes haute performance, dits à convergence non asymptotique, appliqués à l’analyse des systèmes dynamiques. Il s’agit d’une branche des mathématiques qui trouve des applications remarquables au traitement de signaux.

explique Denis Efimov, responsable de l’équipe Valse. « Ces algorithmes s’avèrent en particulier très efficaces pour analyser des signaux en temps réel, comme le demande par exemple cette paire de lunettes connectées », commente Rosane Ushirobira, chez Inria depuis 2010. Après un doctorat en France et un postdoctorat aux Pays-Bas, la chercheuse travaille sur des méthodes mathématiques de la théorie du contrôle appliquées au traitement du signal, particulièrement utiles par exemple en automatique et robotique.

Analyser un signal en temps réel

Ces compétences étaient susceptibles de répondre aux besoins d’Ellcie Healthy pour améliorer la qualité de service proposée par ses lunettes connectées. Les deux chercheurs ont été mis en contact avec la startup en janvier 2018 par l’intermédiaire des services de valorisation et transfert des centres de Sophia-Antipolis et Lille.

L’analyse des signaux collectés par la monture se heurte à une difficulté : celle de distinguer avec précision la part "utile" du signal de ses perturbations (le bruit). En effet, les capteurs infrarouges intégrés aux lunettes sont très sensibles aux variations lumineuses rencontrées dans les situations de conduite.

relate Denis Efimov. « Les algorithmes classiques, utilisés dans des méthodes dans lesquelles le signal et ses perturbations évoluent à des fréquences très différentes, trouvent ici leurs limites car les fréquences en question sont assez proches et la qualité de détection des mouvements oculaires demande de filtrer finement le bruit. »

Les méthodes développées par l’équipe Valse consistent à représenter un signal et ses perturbations par un modèle mathématique dont les paramètres sont identifiés à l’aide d’un algorithme très rapide. Les chercheur ont analysé les données provenant des lunettes, identifié le meilleur algorithme permettant leur traitement sous les contraintes imposées par son utilisation par la monture et l’application associée, et l’ont testé dans différentes configurations.

Intégrer un algorithme à un objet connecté

« Pour répondre au besoin d’Ellcie Healthy, nous avons travaillé sur des algorithmes opérant non seulement en temps réel, mais se prêtant également à une programmation simple, ne nécessitant que peu de puissance de calcul afin d’être opérés sur un objet connecté », précise Rosane Ushirobira. « Parmi différentes options étudiées, la méthode que nous avons retenue s’est avérée robuste, c’est-à-dire peu sensible aux conditions d’environnement. »

Les chercheurs ont également préparé le travail d’intégration de cet algorithme par les ingénieurs de développement d’Ellcie Healtly en leur proposant une description théorique complète de son fonctionnement, de ses limites d’utilisation et des choix de paramétrage. Une expertise autant approfondie que précieuse pour réaliser un développement dans des délais très courts, quelques mois à peine !

La collaboration ne s’arrêtera pas à cette prestation.

Nous travaillons actuellement au montage d’un projet européen, incluant un partenaire suédois, afin de déployer l’algorithme vers d’autres applications intéressant la santé et la sécurité des personnes, commentent les deux chercheurs.

L’application de leurs travaux au monde du vivant est d’ailleurs pour eux autant source de satisfaction intellectuelle que d’innovation scientifique. « Faire parler les données humaines, psychologiques ou physiologiques, à l’aide d’algorithmes d’intelligence artificielle ouvre un champ d’exploration nouveau, que nous abordons dans une approche interdisciplinaire. »

Denis Efimov en bref

Denis Efimov est un expert de la théorie du contrôle et estimation des systèmes dynamiques. Titulaire d’un doctorat en théorie du contrôle obtenu à l’université de Saint-Pétersbourg, Denis Efimov anime depuis 2018 l’équipe Valse à Inria Lille. Il a rejoint l’institut en 2011 après avoir travaillé à Supélec, à l’université de Liège et celle de Bordeaux. Auteur de plus de 130 articles scientifiques, Denis Efimov est par ailleurs éditeur associé de plusieurs journaux consacrés à la théorie du contrôle, comme le Journal on Nonlinear Analysis ou l’IEEE Transaction on Aautomatic Control. Il est par ailleurs membre de l’IEEE (Institute of Electrical and Electronics Engineers), l'association professionnelle internationale de l’ingénierie électrique et électronique.