À l’heure où le vieillissement de la population devient un enjeu majeur de santé publique, les technologies d’assistance jouent un rôle clé pour garantir la sécurité et l’autonomie des personnes âgées. Dans ce contexte, des étudiants de 4ᵉ année à l’ISEN ont conçu un projet innovant : un médaillon intelligent capable de détecter les chutes grâce à l’intelligence artificielle embarquée.
Un dispositif discret et adapté aux usages réels
Contrairement aux solutions existantes souvent intégrées dans des montres ou bracelets, ce projet propose une approche centrée sur l’utilisateur : un médaillon porté autour du cou, plus naturel et mieux accepté par les personnes âgées.
Ce dispositif embarque plusieurs capteurs essentiels : accéléromètre, gyroscope et capteur de pression.
Ces technologies, au cœur des objets connectés (IoT), sont étudiées et mises en pratique dans les formations ISEN dédiées aux systèmes embarqués, à l’intelligence artificielle ou encore aux objets connectés.
De la théorie à la pratique : un projet complet en systèmes embarqués
Ce projet est une illustration de l’approche pédagogique de l’ISEN, basée sur l’apprentissage par projets. Il s’inscrit dans le cadre du projet de M1, un travail de groupe mené sur 10 semaines durant lequel les étudiants conçoivent, développent et concrétisent une solution technologique, du besoin initial jusqu’au prototype fonctionnel.
Les étudiants ont ainsi travaillé sur :
- le choix d’une carte électronique adaptée
- l’analyse de la précision des capteurs
- le développement d’un premier algorithme basé sur des seuils
Ces compétences sont directement issues des enseignements en électronique, traitement du signal et programmation embarquée, piliers du cursus ingénieur ISEN.
L’intelligence artificielle embarquée au cœur du système
Pour améliorer la fiabilité de la détection, les étudiants ont conçu un modèle d’IA capable de distinguer les chutes des mouvements du quotidien.
Une base de données expérimentale
Afin d’entraîner leur modèle, ils ont constitué une base de données composée de 20 tests de chutes et 20 tests de non-chutes.
Les données issues des capteurs ont été enregistrées, traitées puis converties en formats exploitables pour l’apprentissage automatique.
Un modèle optimisé pour l’embarqué
Le modèle a été développé avec TensorFlow et Keras, puis optimisé pour fonctionner sur une carte STM32. L’objectif était double :
- garantir une bonne précision de détection
- limiter la consommation énergétique et les ressources mémoire
Une fois entraîné, le modèle est intégré directement dans l’environnement STM32CubeIDE via X-Cube-AI, permettant une exécution embarquée en temps réel.
Une solution performante et peu énergivore
L’utilisation de l’intelligence artificielle permet :
- une meilleure précision de détection
- une réduction des faux positifs
- une optimisation énergétique, essentielle pour les objets connectés
Le système fournit une prédiction en temps réel directement exploitable sur le dispositif embarqué.
Une expérience professionnalisante pour les étudiants
Au-delà de l’aspect technique, ce projet reflète la pédagogie ISEN : travail en équipe, gestion de projet, autonomie et résolution de problèmes.
Les étudiants sont ainsi plongés dans des conditions proches du monde professionnel, notamment dans les secteurs de la santé connectée, de l’IoT et de l’intelligence artificielle.
Une innovation au cœur des enjeux de demain
Ce projet démontre comment les compétences développées à l’ISEN permettent de répondre à des enjeux sociétaux majeurs. En combinant intelligence artificielle, systèmes embarqués et objets connectés, les étudiants conçoivent des solutions concrètes et utiles.
Pour en savoir plus sur nos formations en lien avec ce projet :
