Soutenance de thèse de Xia HAN - Isep

Si les interfaces cerveau-ordinateur représentent une avancée majeure pour la santé et le numérique, leur déploiement opérationnel demeure complexe. Ces systèmes sont en effet :

• très sensibles à la qualité des signaux, notamment EEG,
• soumis à des contraintes strictes en matière de puissance, de latence et de ressources matérielles,
• généralement déployés sur des plateformes embarquées, où chaque compromis technologique est déterminant.

C’est précisément à ces défis que répond le travail de recherche mené par Xia HAN.

La thèse propose un cadre de conception multi-niveaux articulé autour de trois dimensions essentielles :

• la qualité des données,
• la robustesse algorithmique,
• l’efficacité matérielle.

Cette approche globale dépasse les stratégies classiques centrées uniquement sur le prétraitement des signaux. Elle intègre, dès la phase de conception, les interactions entre données, algorithmes et matériel afin d’optimiser la fiabilité et les performances des systèmes embarqués.

Pour tenir compte des conditions réelles d’utilisation, la thèse s’appuie sur un protocole reproductible de dégradation des signaux EEG (bruit, pertes, erreurs) et évalue différentes caractéristiques EEG en combinaison avec plusieurs algorithmes de classification. Ces travaux ont permis d’établir des profils de robustesse en fonction de la qualité des données. En parallèle, une comparaison de plateformes embarquées (CPU, SoC, FPGA) a été menée selon des critères de performance et de consommation énergétique, aboutissant à une carte de performance unifiée pour guider les choix algorithmiques et matériels.

La soutenance s’est déroulée devant un jury composé de personnalités académiques et industrielles reconnues :

• Professeur El-Hassane AGLZIM, Université de Bourgogne – Rapporteur
• Professeur Camel TANOUGAST, Université de Lorraine – Rapporteur
• Professeure Lina MROUEH, Isep – Examinatrice
• Docteure Shohreh AHVAR, Nokia Bell Labs – Examinatrice

Les travaux de Xia HAN démontrent qu’il est possible d’améliorer significativement la fiabilité des systèmes EEG embarqués, non seulement par le traitement du signal, mais également grâce à une co-conception intelligente algorithme-matériel.

Ils ouvrent la voie à des systèmes adaptatifs, basse consommation et fiables, pleinement alignés avec la vision portée à l’Isep : un numérique exigeant, responsable et au service de l’humain.