Chaire de recherche en intelligence artificielle et en santé numérique pour la modification de comportements de santé


Les Drs Simon Bacon et Éric Granger sont récipiendaires d’une chaire double en intelligence artificielle et en santé numérique pour la modification des comportements de santé. Ce projet novateur est financé par le Fonds de recherche du Québec – Santé (FRQS) et vise le développement d’algorithmes pour des systèmes de reconnaissance automatique d’émotions afin d’appuyer la personnalisation des contenus des programmes de santé offertes sur des plateformes numériques. Le but est de pouvoir composer avec l’ambivalence des participants, une composante importante à gérer pour aider les gens à rester engagés dans les interventions visant la modification des comportements de santé. Cette chaire est partagée entre l’Université Concordia, l’ÉTS, et le CIUSSS-NIM.


Les maladies chroniques comme le cancer et les maladies cardiaques sont des problèmes majeurs au Canada et dans le reste du monde.

Ces maladies, qu’on appelle maladies chroniques non transmissibles (MNT), sont en grande partie causées par de mauvais comportements de santé, comme l’inactivité physique et la mauvaise alimentation. Il est difficile de changer un comportement. Les interventions qui travaillent sur l’ambivalence des gens, « Je veux faire plus d’exercice, mais je n’ai pas le temps », peuvent aider à changer un comportement.

Les interventions en ligne en changement comportemental (santé numérique) deviennent très populaires mais, pour le moment, elles ne peuvent pas mesurer l’ambivalence, ce qui signifie qu’elles ne sont pas aussi efficaces qu’elles pourraient l’être. Une partie du problème est que les gens expriment souvent l’ambivalence de manière non verbale, comme un haussement d’épaules ou un regard perplexé. Les nouvelles avancées en intelligence artificielle et le fait que la plupart des appareils numériques sont équipés d’appareils photo et de
microphones nous offrent une excellente occasion pour mesurer l’ambivalence en santé numérique.


« Notre capacité d’identifier un moment d’ambivalence chez un participant nous permettrait d’adapter le contenu du programme de santé et leur offrir une intervention qui est davantage personalisée. »

—Dr Simon Bacon


La plupart des systèmes de reconnaissance automatique des expressions (RAE) incluent des algorithmes de reconnaissance basés sur l’image pour un ensemble limité de classes d’émotions distinctes (par exemple, la joie, la tristesse, la colère), mais à notre connaissance, il n’existe aucun algorithme capable de reconnaître des niveaux d’ambivalence distincts ou continus.

À l’aide de notre programme de santé numérique ACCELERATION, ce projet nous permettra d’enregistrerer des vidéos de personnes effectuant des tâches qui créent de l’ambivalence. En utilisant des techniques d’IA pour la reconnaissance automatique d’expressions (RAE), nous développerons un moyen de reconnaître l’ambivalence

Cependant, il est difficile d’utiliser ces vidéos car nous aurons beaucoup de personnes différentes et elles seront enregistrées dans les conditions du monde réel, de sorte que les gens pourraient bouger, ne pas faire face à la caméra, etc. De plus, nous combinerons des données visuelles et vocales, ce qui est également difficile. Le projet nous permettra de développer plusieurs moyens pour surmonter ces problèmes et mesurer avec précision
l’ambivalence. Nous serons alors en mesure d’améliorer le programme ACCELERATION pour nous adapter aux besoins spécifiques de chaque personne. Ces solutions pourraient aussi être utilisées dans d’autres domaines que la santé.


« L’utilisation de l’informatique affective dans des applications de soins de santé du monde réel est un domaine de recherche relativement nouveau qui nécessite une approche interdisciplinaire aux frontières de l’apprentissage automatique, du traitement du signal multimédia et de la psychologie comportementale. »

—Dr Éric Granger


Cette collaboration permettra de développer un premier système informatique affectif capable de reconnaître de manière fiable l’ambivalence humaine et de l’utiliser pour créer une intervention numérique en changement comportemental en matière de santé plus efficace et personnalisée, qui, à terme, pourrait contribuer à améliorer la santé et à réduire le fardeau des maladies chroniques.

Ce projet formera dix étudiant-e-s capables de comprendre à la fois le changement comportemental et les questions reliées à l’IA, et poursuivra également son travail avec des patients, des professionnel-le-s de la santé et des partenaires universitaires et industriels. Ce programme débouchera sur une intervention comportementale en cybersanté, qui pourra mieux s’adapter aux individus et être accessible à de nombreuses personnes.

Dr Simon Bacon

Simon Bacon est titulaire de la Chaire SRAP des IRSC sur les essais cliniques comportementaux novateurs axés sur les patients, de la Chaire du FRQS en médecine comportementale, et est professeur au département de Santé, kinésiologie et physiologie appliquée à l’Université Concordia. Dr Bacon est également codirecteur du CMCM, un groupe de recherche situé au CIUSSS-NIM. Il est reconnu internationalement pour ses recherches sur le développement de nouvelles interventions en changement comportemental. Il possède une grande expérience en capture de données physiologiques multimodales et est cochercheur principal du programme ACCÉLÉRATION.

Dr Eric Granger

Eric Granger est cotitulaire de la Chaire de recherche industrielle Distech Controls sur les réseaux de neurones embarqués dans un contrôleur pour bâtiments connectés, est professeur au Département de génie des systèmes, et est directeur de LIVIA. Son expertise en recherche porte sur l’apprentissage automatique, la reconnaissance de formes et la vision par ordinateur, avec des applications en informatique affective, en biométrie, en imagerie médicale et en analyse/surveillance vidéo. Ses contributions au développement de modèles d’apprentissage en profondeur (AP) pour la reconnaissance faciale basée sur la vidéo ont conduit à plusieurs collaborations avec des partenaires gouvernementaux et industriels tels que CBSA, Nuvoola, Ericsson et Genetec Inc. Dr Granger est éditeur associé pour Elsevier Pattern Recognition, Springer Nature Computer Science et EURASIP Journal on Image and Video Processing.