La modélisation numérique au service de la détection de la fatigue mentale

Résumé fourni par la source

Même si la fatigue mentale est une notion bien connue de tous, elle demeure un problème récurrent pour les militaires et leurs décideurs. En effet, notre méconnaissance des mécanismes sous-jacents à cet état dégradé représente une difficulté pour l’évaluation et la maitrise du risque que représente la fatigue mentale car impliquée dans un grand nombre d’échecs de mission et d’accidents. Les perspectives qu’offriraient la possibilité de sa détection reste un défi d’autant plus important que les mesures classiquement utilisées (subjectives avec des questionnaires et objectifs avec des mesures physiologiques, biologiques, etc.) présentent chacune des limites (respectivement de fiabilité et de faisabilité). Une autre possibilité se concrétise avec des outils de détection sans contact (images et vidéos) qui offrent de meilleurs perspectives en termes de fiabilité, d'adaptabilité et d'applicabilité dans des contextes opérationnels que les approches conventionnelles. Ces outils de détection sans contact peuvent s’appuyer sur la puissance du fonctionnement de systèmes intelligents comme l’intelligence artificielle. Des approches de modélisations (mathématiques, informatiques) se basant sur des modèles d’apprentissage explicable (MAE) pourraient s’avérer pertinentes et éventuellement efficaces pour détecter et suivre l’état de fatigue mentale d’un militaire en situation de déploiement opérationnel. La modélisation numérique pourrait donc contribuer à mieux appréhender les probables situations d'échecs et de risque tant sur le plan individuel que collectif. Elle représenterait donc un outil de gestion des capacités individuelles et du succès collectif dans les situations de déploiement opérationnelles.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.