Article paru Diagnostic automatisé
L'apprentissage : un outil stratégique pour la décision
Le LIST recherche des partenariats industriels pour développer des systèmes intelligents de diagnostic automatisé : pour la sécurité, la maintenance prédictive, la médecine personnalisée ou l'intelligence ambiante.
Un système d'alerte localisant rapidement les séismes ou anticipant les pannes industrielles, un algorithme prédisant les brusques variations du prix de l'électricité sur les marchés internationaux, un système expert d'aide au diagnostic et aux choix thérapeutiques pour des maladies complexes comme le cancer, une assistance automatisée aux personnes dépendantes... quel est le point commun entre ces différents éléments ? Ils permettent de prendre des décisions stratégiques sur des sujets complexes, en intégrant des informations multiples.
“Au-delà de nos travaux de recherche académiques, nous avons une grande habitude des problèmes réels, sur lesquels nous travaillons en étroite collaboration avec nos partenaires, industriels notamment. Nous sommes capables de comprendre leurs problématiques et de leur proposer des solutions adaptées”, explique Jean-Denis Muller, responsable de l'équipe Intelligence multicapteurs et apprentissage du CEA LIST.
Quelle que soit l'application, la démarche est toujours la même : il s'agit de collecter des informations issues de capteurs, que ce soit dans une usine, une voiture, un réseau électrique, à partir de capteurs sismiques ou de mesures sur le corps humain (biologiques, génétiques)... Ces données sont ensuite codées, autrement dit traitées pour gagner en efficacité, puis intégrées dans des algorithmes capables de fournir le meilleur diagnostic. “C'est ici qu'intervient l'apprentissage, explique Jean-Denis Muller. Nos algorithmes apprennent à décider face à des situations complexes, à l'image d'un étudiant en médecine qui perfectionne son expertise au fur et à mesure des cas que ses professeurs lui soumettent. Nos systèmes subissent une phase d'apprentissage avant d'être déclarés bons pour le service.” L'équipe a par exemple démontré sa capacité à traiter des problèmes de grande complexité au travers de systèmes à haut niveau de fiabilité développés pour la sécurité ou l'intelligence industrielle. Parmi eux, le domaine de la maintenance prédictive, qui permet de détecter à l'avance les situations risquant de mener à une panne, se développe de plus en plus. “Nous cherchons aussi à valoriser nos compétences en matière de médecine personnalisée, où existent de très nombreuses possibilités d'application”, précise le chercheur. En collaboration avec une équipe hospitalière, le laboratoire a par exemple mis au point un système expert d'aide au diagnostic et aux choix thérapeutiques pour les cancers urologiques, qui peut être étendu à d'autres familles de maladies complexes. Il travaille aussi sur la prédiction du risque individuel de développer des maladies précises à partir de profils génétiques ou encore sur des systèmes de calcul très rapides pour piloter les radiothérapies en temps réel. Autre domaine émergent : l'intelligence ambiante, dont l'un des exemples d'application est l'assistance aux personnes dépendantes à partir de réseaux de capteurs peu invasifs dans leur environnement. Ce qui permet de détecter un comportement anormal : difficulté de déplacement, chute...
