Conversion efficace des données provenant d’ordinateurs vestimentaires en informations exploitables - défis et solutions

L’équipe Data Innovation de Sirris a participé au European Congress on Innovation in Textiles for Healthcare, qui a rassemblé des acteurs clés du secteur des textiles et celui des soins de santé afin de montrer et de discuter de la façon dont les innovations dans ces secteurs peuvent contribuer à améliorer la qualité de vie. Sirris a donné une présentation consacrée aux défis de la transformation en informations exploitables des données collectées par l’intermédiaire d’ordinateurs vestimentaires et d’autres capteurs présents dans l’environnement de l’utilisateur.

Au début de février, Centexbel, Fedustria, POM West-Vlaanderen, Innovatiecentrum et Enterprise Europe Network ont organisé la deuxième édition du European Congress on Innovation in Textiles for Healthcare. La présentation de l’équipe Data Innovation de Sirris s’est concentrée sur les défis liés à la transformation des données collectées par l’intermédiaire d’ordinateurs vestimentaires et d’autres capteurs présents dans l’environnement de l’utilisateur en informations exploitables, capables de contribuer efficacement à l’amélioration de la qualité de vie.

Depuis peu, les applications qui nous aident à améliorer notre qualité de vie globale font l’objet d’une attention de plus en plus soutenue en raison de l’important glissement paradigmatique vers les dispositifs incorporés et vestimentaires. Ces dispositifs s'intègrent de mieux en mieux dans nos vies quotidiennes et peuvent surveiller et évaluer constamment nos paramètres physiologiques, nos activités, notre bien-être général et notre état de santé. À titre d’exemple, citons les montres intelligentes qui surveillent notre niveau d’activité sur une journée et tentent de nous encourager à bouger plus, ou les moniteurs d’activité physique qui surveillent nos performances et tentent de nous aider à nous améliorer pendant une activité, voire à éviter certains types de blessures.

Limitations des dispositifs incorporés et vestimentaires

La plupart de ces applications souffrent toutefois de limitations majeures qui les empêchent d’atteindre les objectifs pour lesquels elles ont été créées initialement :

  • Fragmentation de la collecte et l’analyse des données. Les utilisateurs sont généralement surveillés par des dispositifs individuels qui ignorent généralement la présence d’autres dispositifs. Les données disponibles sur un utilisateur sont dès lors fragmentées. L’exploitation optimale des données disponibles permettrait de tirer des enseignements précieux sur le comportement de l’utilisateur et les activités réalisées.
  • Personnalisation limitée. Le degré de personnalisation dépend dans une très large mesure de la possibilité de collecter des connaissances objectives et subjectives exhaustives sur les utilisateurs individuels et leur contexte (p. ex. style de vie, état de santé, habitudes, routines quotidiennes, situation familiale) sous la forme d’un profil d'utilisateur. Toutefois, la fragmentation au niveau de la collecte des données débouche sur des connaissances fragmentées à propos des utilisateurs individuels, ce qui nuit à la création de profils d'utilisateur fiables. Il est par conséquent impossible, d’une part, d’analyser les données collectées dans le contexte spécifique d’un utilisateur, et d’autre part de fournir un feed-back personnalisé.
  • Comportement réactif. La plupart des applications de suivi et de surveillance des utilisateurs actuellement disponibles sur le marché fournissent aux utilisateurs un feed-back sur leurs activités antérieures (p. ex. statistiques de base sur les activités) et des tendances ou des progrès vers des objectifs prédéfinis et légèrement modifiables. Les utilisateurs sont généralement encouragés, par des recommandations et des avertissements, à maintenir la meilleure intensité d’activité qui a été collectée. Cependant, le feed-back fourni aux utilisateurs est souvent de nature réactive, alors qu’il devrait aider proactivement les utilisateurs à atteindre leurs objectifs.

Au congrès, l’équipe Data Innovation de Sirris a exposé ces limitations et a expliqué comment y faire face afin de garantir une analyse de la qualité de vie personnalisée et contextuelle. Pour ce faire, elle s’est concentrée sur des thèmes tels que la capture et l’intégration de données provenant de sources multiples, la détection d’activités et la reconnaissance contextuelle enrichies, la séparation entre utilisateurs multiples et le profilage d’utilisateurs dynamique.

Êtes-vous confronté à l’un des défis susmentionnés et cherchez-vous de l’aide ? Collectez-vous des données par l’intermédiaire d’un ordinateur vestimentaire ou d’un autre dispositif incorporé et aimeriez-vous déterminer comment exploiter efficacement ces données ? N’hésitez pas à nous contacter !

Nos thématiques de recherche connexes :

SMARTpro, un projet orienté sur le transfert de connaissances destiné à stimuler la collaboration entre entreprises des secteurs du textile, de l’électronique et de l’informatique en vue de créer des solutions vestimentaires intelligentes.

CareWare, un projet R&D européen destiné à la mise au point de solutions électroniques vestimentaires, dans lequel Sirris participe à une étude de cas sur la surveillance des patients dans un hôpital.