Maintien à domicile • Capteurs discrets • IA explicable

Veiller sur les personnes fragiles, sans les surveiller.

Habrium développe une solution de maintien à domicile reposant sur des capteurs discrets et une intelligence artificielle capable d’apprendre les habitudes de vie et de repérer les changements qui peuvent nécessiter une attention particulière.

Un logement qui apprend les habitudes, pour mieux détecter les changements.

La solution analyse uniquement des signaux simples du quotidien : présence dans les différentes pièces, rythme de repos, utilisation du réfrigérateur, entrées et sorties du logement, température intérieure ou utilisation de certaines zones de vie.

Veille non intrusive

Des capteurs simples et discrets permettent de comprendre l’activité du logement sans caméra, sans micro et sans dispositif devant être porté en permanence.

Analyse comportementale

L’intelligence artificielle construit progressivement une représentation des habitudes de la personne afin de repérer les écarts significatifs par rapport à son propre fonctionnement habituel.

Alertes explicables

Une alerte ne se limite pas à un simple signal. Elle doit permettre de comprendre ce qui a changé, depuis quand et sur quelles observations repose l’analyse.

Une solution issue du terrain.

La technologie développée par Habrium s’appuie sur plusieurs années d’expérimentation en conditions réelles. Ces déploiements ont permis de confronter les capteurs, les algorithmes et les procédures d’alerte à la réalité quotidienne des logements.

80 logements équipés au cours des expérimentations terrain
150 visites techniques ayant contribué à améliorer la fiabilité du système
24/7 analyse automatisée des signaux essentiels du logement
RGPD données limitées au nécessaire et séparation des informations

Des alertes utiles, basées sur les habitudes réelles.

Une même durée ou une même activité n’a pas la même signification pour tout le monde. L’objectif est donc de détecter un changement par rapport aux habitudes propres à chaque personne, plutôt que d’appliquer uniquement des seuils identiques à tous.

Absence de mouvement

Repérer une absence inhabituelle d’activité alors que la personne semble présente à son domicile.

Rythme de repos

Identifier une modification importante du temps passé au lit ou des horaires habituels de repos.

Utilisation du réfrigérateur

Repérer une modification inhabituelle de son utilisation comme indicateur indirect de l’activité quotidienne.

Sorties du logement

Identifier une absence de sortie inhabituelle ou une durée d’absence différente des habitudes de la personne.

Température intérieure

Suivre les conditions dans le logement et signaler notamment une exposition prolongée à une température élevée.

Zones de vie

Repérer des changements significatifs dans la fréquentation de certaines zones du logement, comme la salle de bain.

Une alerte ne doit jamais être une boîte noire.

L’objectif n’est pas seulement de détecter une anomalie statistique. Chaque alerte doit pouvoir être replacée dans son contexte et accompagnée des éléments permettant de comprendre pourquoi elle a été générée.

Exemple d’alerte

Absence de mouvement prolongée

Ce qui a changé

Aucun mouvement significatif n’a été détecté depuis plusieurs heures dans les pièces habituellement actives à cette période.

Contexte

Les autres informations disponibles indiquent que la personne est probablement présente au domicile et qu’aucune sortie récente n’a été identifiée.

Qualité des données

Les capteurs nécessaires à cette analyse transmettent normalement leurs données.

Action

L’information peut être transmise à la personne ou au service prévu par le protocole d’accompagnement.

La vie privée n’est pas une option.

Habrium conçoit sa solution autour d’un principe simple : obtenir suffisamment d’informations pour détecter un changement utile, sans chercher à observer la vie privée de la personne.

Minimisation

Seules les données nécessaires au fonctionnement de la solution doivent être collectées.

Séparation des données

Les informations techniques utilisées pour l’analyse sont séparées autant que possible des informations permettant d’identifier directement une personne.

Traçabilité

Les éléments nécessaires à la compréhension d’une alerte sont conservés afin qu’une décision automatisée puisse être analysée et expliquée.

0 caméra
0 micro
0 analyse de conversation