AAE- Implémentation de la boucle de rétroaction dans la chaîne de traitement des données de neuromodulation gérant l’effet des facteurs émotionnels négatifs sur les processus cognitifs

Le présent sujet de stage a pour vocation de pouvoir rendre automatisable la gestion des effets des facteurs émotionnels négatifs lorsqu’ils sont identifiés par des mesures électrophysiologiques. Pour cela il est nécessaire de prendre en compte un critère très important : l’explicabilité, qui est un critère crucial lorsqu’il s’agit de produire ou de générer des composants logiciels d’intelligence artificielle dans le contexte métier des systèmes opérationnels critiques. Le code engendré fait figure d’explication sur la modélisation du phénomène et peut servir de base incrémentale pour affiner la connaissance que l’on peut avoir sur l’influence des facteurs ou leurs effets.

Nous proposons ce stage gratifié dans le cadre du programme EMOCOG, ou plate-forme d'entraînement opérationnel à la gestion des émotions dans des environnements complexes, qui est destiné à étudier l’influence des facteurs émotionnels sur les processus cognitifs (perception, attention, mémorisation, raisonnement) pour améliorer la formation des personnels aériens ou la sécurité aérienne en tirant parti des technologies actuelles d'intelligence artificielle (IA), notamment le choix des dispositifs de mesure, les techniques de prétraitement et le développement d'algorithmes d'apprentissage automatique. En effet, les progrès récents en neurosciences offrent des outils puissants pour explorer cette interaction en temps réel. Parmi eux, les interfaces cerveau-machine (ICM) permettent de saisir la dynamique neuronale associée à la charge cognitive et aux états émotionnels grâce à l'électroencéphalographie (EEG) et à d'autres mesures physiologiques telles que la variabilité de la fréquence cardiaque, la conductance cutanée ou la variation de diamètre pupillaire. L'intégration de ces signaux dans des systèmes adaptatifs ouvre de nouvelles perspectives pour faciliter la prise de décision et la conscience situationnelle dans des conditions exigeantes.

Les données exploitables préalablement filtrées proviennent du projet NEUROREM intitulé « Amélioration des performances cognitives en situation d'émotions négatives dans des environnements complexes grâce à la stimulation transcrânienne à courant continu (tDCS) et à l'intelligence artificielle ». Ce projet consiste à surveiller l'état cognitif des opérateurs et à évaluer l'impact des émotions sur leurs performances en utilisant la neuromodulation et l'intelligence artificielle explicable pour améliorer le contrôle cognitif. L’étude de la neurostimulation par un dispositif de tDCS qui module l’influence des émotions négatives sur les processus de contrôle cognitif, permet d’acquérir des données obtenues avec un casque ActiChamp de 32 électrodes disposées selon le système 10-20. L’acquisition des données a été effectuée à l’aide du logiciel BrainVision Recorder notamment d’étudier l’influence des émotions sur trois tâches cognitives : Go/No-go (inhibition de la réponse), 2-back (mise à jour de la mémoire de travail) et changement de tâche (flexibilité cognitive). Le contexte émotionnel était manipulé par des images du Système international d'images affectives (IAPS) présentées avant et pendant chaque essai. 

Deux modèles, un modèle RandomForest et un modèle LightGBM (Light Gradient Boosting Machine) ont été utilisés par type de tâche et par métrique, par type de tâche et pour les deux métriques et pour toutes les tâches et pour les deux métriques.

Le stagiaire contribuera à valider la chaîne de traitement des données de neuromodulation notamment 

-en réutilisant les résultats du stage précédent pour déterminer la meilleure méthode de classification Random Forest ou LightGBM en produisant des tableaux comparatifs avec comme paramètres le nombre de participants et le choix des sous-ensembles pertinents,

-l’étude du l’extraction explicable du modèle retenu, obtenu par un algorithme génétique, qui permet de fournir un ou plusieurs arbres de décisions interprétables définissant alors une disjonction logique, avec comme paramètre la profondeur des arbres en question,

-la validation du processus de génération du code modélisant un système multi-agent SeSAM correspondant au traitement automatique des données dans un contexte d’émotions négatives et permettant de générer de la « rétro-action » en intégrant la conscience situationnelle au moyen de son implémentation sous la forme de diagramme d’activité, d’actions ou de structures comportementales,

-la simulation du système multi-agent en question,

-l’ébauche des stratégies permettant de prendre en compte l'état émotionnel de chaque individu pour assurer à terme une formation personnalisée en élargissant le processus d'expérimentation par intégration des environnements immersifs et des jeux vidéo.

Profil recherché

Domaine: Informatique / Intelligence artificielle

Niveau d’étude demandé : _ Master 2 

Cadre : Mise en place du processus de rétroaction dans la chaîne de traitement des données d’encéphalographie pour intégrer la classification de l’influence des facteurs émotionnels sur les processus cognitifs et gérer les facteurs négatifs

L’employeur

L’Ecole de l’air et de l’espace, établissement de formation de tous les officiers de l’armée de l’air et de l’espace a pour mission la formation militaire, au combat et au commandement, ainsi que l’enseignement académique au profit des élèves officiers (EO). Notamment leur formation initiale en sciences de l’ingénieur, sciences humaines et sociales ou langues vivantes. Cette mission de formation est adossée à une activité de recherche académique, orientée vers la Défense aérospatiale, réalisée au sein du CREA.