Conclusion

Dans ce chapitre, nous avons vu les méthodes de traitement du signal appliquées aux si- gnaux électrophysiologiques que sont l'EEG, l'ECG et l'EOG pour les applications d'ICMs. Ces méthodes sont employées pour répondre aux problématiques de prétraitement des données, d'ex- traction de caractéristiques et de traduction. Ces étapes constituent les briques fondamentales d'une chaîne de traitement visant à obtenir une étiquette d'état mental pour une portion de

signal donnée. Dans le chapitre qui suit - chapitre 3 - sera détaillé l'état de l'art concernant les

états mentaux d'intérêt pour les ICMs passives, ainsi que les systèmes mis en place pour les estimer. Ces systèmes feront donc appel aux méthodes vues au sein du présent chapitre.

ICMs passives & états mentaux

Le chapitre précédent a présenté les techniques de traitement du signal couramment employées dans le cadre des ICMs. Ce chapitre-ci détaille l'état de l'art en ICM passive. Une première partie aborde la relation état mental - marqueur(s) physiologique(s) ainsi que les raisons de notre choix de nous focaliser sur la fatigue mentale, la charge mentale et l'attention sélective. Puis, ces états sont dénis, leurs marqueurs comportementaux et électrophysiologiques sont détaillés, de même que les systèmes existants permettant leur estimation. Enn, la problématique de la thèse est posée en réponse aux manques de la littérature identiés par notre état de l'art.

3.1 États mentaux

3.1.1 Relation état mental - mesure physiologique

Comme le précise Fairclough [4], il existe deux problèmes majeurs à l'utilisation de mesures

physiologiques dans les systèmes d'IHM. 1) L'inférence psychophysiologique, c'est-à-dire la diculté de mapping entre une ou plusieurs mesures physiologiques avec un ou plusieurs états psychologiques ; et 2) La validité psychophysiologique, e.g. la relation entre la charge mentale et les tâches utilisées pour entraîner et évaluer le système. Le premier point, à savoir la relation complexe entre les états de l'usager et leurs variables physiologiques associées, est détaillé par

Cacioppo et Tassinary [75]. Ainsi, on répertorie 4 relations entre physiologie et état mental :

1. mapping un-à-un, relation isomorphique unique ;

2. mapping plusieurs-à-un, il faut plusieurs mesures pour inférer un état mental ;

3. mapping un-à-plusieurs, une mesure physiologique est sensible à plusieurs états mentaux ; 4. mapping plusieurs-à-plusieurs, plusieurs signaux sont sensibles à plusieurs états.

D'après l'auteur, le cas idéal pour une application de monitoring est le cas 1, bien qu'a priori utopique. Le cas 2 est lui plus réaliste, puisque des états mentaux, comme un état de charge mentale élevé par exemple, sont souvent décrits dans la littérature à partir d'une conjonction de plusieurs mesures physiologiques. Le cas 3 est aussi vrai puisqu'une même mesure comme le rythme cardiaque va être sensible à diérents états tels que la charge et la fatigue mentales. Enn, le cas 4 est peut-être le plus courant dans les milieux écologiques puisque plusieurs mesures physiologiques vont être modulées par plusieurs états mentaux. Donc, lorsque nous travaillons en ICMs passives, il faut toujours garder à l'esprit que les mesures physiologiques que nous utilisons sont sensibles à de multiples états qui se combinent potentiellement dans les applications de vie réelle. Il nous faut chercher les relations les plus optimales pour éviter les chevauchements, mais aussi chercher les méthodes de calcul nous permettant de nous aranchir de ceux-ci ou du moins les réduire.

En eet, ces états impliquent tous une dégradation des performances lors de leur augmenta- tion pour la fatigue et la charge, ou de leur diminution pour le niveau attentionnel. Ils peuvent être conçus comme des états résultant d'un niveau donné de ressources cognitives et attention- nelles disponibles. Lorsqu'un processus de traitement est enclenché, une certaine quantité de ressources est alors engagée pour permettre sa pleine exécution. Or, ces ressources sont limitées. Celles-ci peuvent devenir insusantes pour une tâche donnée, et entraîner par voie de consé- quence une dégradation des performances. Ce cas de gure peut être observé notamment lors

de la réalisation de double tâches utilisant le même type de ressources [76,77]. Cette vision est

notamment reprise dans la "Cognitive Load Theory" (CLT) [78], originellement développée pour

rendre compte des eets d'augmentation de charge en mémoire de travail dans le cadre de la psychologie cognitive appliquée aux sciences de l'éducation. Il faut noter que la charge mentale peut être conçue comme une déplétion de ressources à un instant t, tandis que la fatigue mentale correspondrait à une déplétion sur une période de temps donnée.

Dans cette thèse, nous avons choisi de nous focaliser sur les trois états mentionnés plus haut, avec un accent sur les deux premiers états, à savoir la fatigue et la charge mentale. Les mesures classiquement utilisées dans la littérature pour les caractériser sont des :

• Mesures de performance, dont les temps de réaction et la justesse des réponses ;

• Mesures qualitatives, grâce à des questionnaires de ressenti ;

• Mesures électro-physiologiques telles que l'EEG, l'EOG et l'ECG.

Les résultats classiquement rapportés dans la littérature pour ces états mentaux d'intérêt et leurs marqueurs physiologiques sont détaillés ci-après, de même que les traitements réalisés sur ces mesures. Les éventuelles ICMs passives commercialisées correspondantes seront également indiquées. Il faut noter qu'à notre connaissance, aucun des systèmes existants ne propose de prise en compte des interactions entre les diérentes fonctions d'intérêt, ni n'eectue de mesure conjointe de celles-ci. Les travaux présentés dans ce rapport sont principalement basés sur des mesures EEG.