IA et soins aux personnes âgées : peut-on détecter les chutes sans caméra ?

Le problème

Une résidente tombe dans sa salle de bain à 2 h du matin. Personne ne la voit tomber. La caméra que votre établissement envisageait d'installer ? Elle l'a refusée — et à juste titre. Le pendentif connecté censé appeler à l'aide ? Il est posé sur la table de chevet, en charge. Elle l'a retiré avant de se coucher, comme presque tous les soirs. Ce n'est pas un scénario rare. C'est la réalité quotidienne des soins aux personnes âgées.

Les chutes sont la première cause de décès lié à une blessure chez les adultes de plus de 65 ans. Les espaces où les chutes sont les plus dangereuses — la salle de bain et la chambre — sont aussi les plus intimes. Vos options de surveillance actuelles imposent un choix brutal. Les caméras capturent par défaut les visages et les corps, créant ce que le secteur appelle un « Panoptique du soin ». Même avec un masquage de confidentialité ou des réglages basse résolution, la simple présence d'un objectif détruit le sentiment de solitude essentiel au bien-être mental. Les dispositifs portables comme les pendentifs et les montres résolvent le problème de la confidentialité visuelle mais introduisent le « déficit d'observance ». Leur efficacité dépend entièrement du fait que la résidente pense à porter et à recharger l'appareil. Le déclin cognitif, les troubles sensoriels ou un simple oubli rendent ces dispositifs inutiles pendant un pourcentage significatif des chutes. Beaucoup de chutes surviennent la nuit — précisément lorsque les dispositifs portables sont retirés pour dormir ou se recharger, ou pendant la toilette, moment où les promesses d'étanchéité sont souvent mises en doute par les utilisateurs. Aucune des deux options ne fonctionne réellement lorsque vos résidents en ont le plus besoin.

Pourquoi cela compte pour votre activité

L'exposition financière n'a ici rien d'abstrait. Les coûts de santé annuels des chutes non mortelles atteignent environ 50 milliards de dollars aux seuls États-Unis. Pour votre établissement en particulier, une seule chute avec blessure coûte entre 30 000 et 60 000 dollars en frais médicaux, responsabilité civile et besoins de soins accrus. Ce chiffre n'inclut pas l'atteinte à la réputation, la surveillance réglementaire ou les éventuels litiges qui s'ensuivent.

Mais l'équation des coûts va plus loin que la réponse aux urgences :

• La fatigue liée aux alarmes épuise votre personnel. Les fausses alarmes des systèmes existants érodent la confiance. Lorsque les infirmières cessent de croire aux alertes, les temps de réponse augmentent. Lorsque le système détecte enfin une véritable chute, le personnel peut supposer qu'il s'agit encore d'un faux positif.
• La « peur de tomber » accélère le déclin. Les résidents qui craignent de tomber restreignent leur propre mobilité. Ils cessent de marcher jusqu'à la salle à manger. Ils évitent la salle de bain. Cet isolement auto-imposé conduit à un déclin physique accéléré, ce qui augmente votre charge de soins et vos coûts.
• Le risque réglementaire s'accroît. Au titre du HIPAA et du RGPD, les systèmes de surveillance par caméra capturent des données qui relèvent des informations personnelles identifiables. Chaque image est un risque de non-conformité potentiel. Une violation de données impliquant des séquences vidéo de la salle de bain d'un résident est un événement existentiel pour votre organisation.
• Le calcul du retour sur investissement est simple. Des études montrent que les programmes de prévention des chutes fondés sur des données probantes peuvent offrir un retour sur investissement de plus de 500 % — cinq dollars économisés pour chaque dollar dépensé. Votre investissement dans les capteurs se rembourse de lui-même s'il évite ne serait-ce qu'une seule chute de niveau hospitalisation tous les cinq ans.

Votre conseil d'administration doit comprendre que l'approche actuelle n'est pas seulement inconfortable sur le plan éthique — elle est financièrement indéfendable.

Ce qui se passe réellement sous le capot

L'échec fondamental ne tient pas au fait que les caméras seraient une mauvaise technologie. Les caméras excellent à reconnaître l'activité humaine. Le problème est que les caméras fonctionnent en capturant la seule chose que vous ne pouvez pas vous permettre de capturer : l'identité visuelle d'une personne. Elles échouent dans l'obscurité à moins d'ajouter une lumière infrarouge, laquelle peut perturber le sommeil. Elles ne peuvent pas voir à travers les rideaux de douche, les couvertures ou les paravents. Chaque image qu'elles enregistrent est une violation potentielle du HIPAA qui repose sur votre serveur.

Les dispositifs portables échouent pour une raison encore plus simple : ils exigent la coopération humaine de personnes dont vous ne pouvez pas garantir la coopération.

Voyez les choses ainsi. Imaginez que vous deviez surveiller la vitesse du trafic sur une autoroute, mais qu'il vous soit interdit de photographier les plaques d'immatriculation. Vous n'essaieriez pas de construire une meilleure caméra dotée d'un logiciel de floutage. Vous utiliseriez un radar. Il mesure ce qui compte — la vitesse et la distance — tout en étant physiquement incapable de capturer l'identité.

C'est exactement ce que fait le radar à ondes millimétriques (mmWave) de 60 GHz pour la détection des chutes. Il fonctionne à une fréquence où la longueur d'onde est d'environ 5 millimètres. À cette échelle, le capteur peut détecter les mouvements sous-millimétriques de la poitrine provoqués par la respiration et les battements du cœur. Il génère un « nuage de points » 3D — une carte de points en mouvement dans l'espace — au lieu d'une image. Il peut faire la différence entre une personne debout (une colonne verticale de points) et une personne allongée sur le sol (une dispersion horizontale de points). Mais il est physiquement incapable de reconstituer un visage ou une image corporelle. Il n'y a pas de caméra. Il n'y a pas de microphone. Il n'y a pas d'objectif. La confidentialité n'est pas un réglage logiciel que quelqu'un peut désactiver. C'est une contrainte inscrite dans la physique même du capteur.

Mieux encore, la bande des 60 GHz se situe dans le spectre d'absorption de l'oxygène. Les signaux s'affaiblissent rapidement avec la distance et ne traversent pas les murs épais. Vos données de capteur restent confinées dans la pièce qu'il surveille. La physique du signal ajoute une couche de sécurité des données qu'aucun chiffrement logiciel ne peut égaler.

Ce qui fonctionne (et ce qui ne fonctionne pas)

Trois approches courantes qui restent insuffisantes :

• Caméras à masquage de confidentialité : le logiciel floute les visages ou réduit la résolution, mais les données sous-jacentes capturent toujours l'identité visuelle — et les réglages logiciels peuvent être modifiés, piratés ou mal configurés.
• Capteurs connectés au cloud : les systèmes qui acheminent les données brutes des capteurs vers une API cloud pour traitement introduisent de la latence, des coûts de bande passante et un risque pour la confidentialité chaque fois que les données quittent la pièce.
• Simples détecteurs de mouvement : les capteurs de présence basiques peuvent vous indiquer que quelqu'un a bougé mais ne peuvent pas distinguer une chute d'une personne qui s'assoit rapidement ou d'un animal qui saute d'un meuble.

Voici ce qui fonctionne réellement — un processus en trois étapes qui protège vos résidents sans les surveiller :

1. Détecter avec un radar, pas avec des caméras. Un radar FMCW de 60 GHz — un capteur qui émet des « chirps » radio et mesure les réflexions — génère un jeu de données 4D : distance, vitesse, angle horizontal et angle vertical pour chaque point de réflexion. Cela produit un volume dynamique de points en mouvement, et non une image. Même une personne inconsciente et immobile génère des micro-mouvements détectables dus à la respiration.

2. Traiter tout sur l'appareil lui-même. Le modèle d'IA s'exécute directement sur le processeur embarqué du capteur — une approche appelée IA en périphérie (edge AI) — à l'aide de modèles compressés pour tenir dans 512 kilo-octets de mémoire. Aucune donnée ne quitte la pièce. Aucune connexion au cloud n'est requise pour la détection elle-même. Le système utilise une approche « à double flux » : un flux analyse les schémas de vitesse (à quelle vitesse la personne s'est-elle déplacée ?) tandis que l'autre analyse la trajectoire spatiale (où la personne a-t-elle fini ?). La fusion des deux flux résout des problèmes difficiles. Une personne qui se laisse tomber sur un canapé génère un pic de vitesse similaire à celui d'une chute. Mais le système constate que la hauteur de repos finale est d'environ un demi-mètre au-dessus du sol — la hauteur d'un canapé — et la classe correctement comme le fait de s'asseoir, et non de tomber.

3. Alerter via votre infrastructure existante. Lorsqu'une chute est confirmée, le capteur ferme un relais qui se connecte à votre système d'appel infirmier conforme à la norme UL 1069, la norme relative aux équipements de signalisation hospitaliers. Votre personnel voit l'alerte via le même système auquel il fait déjà confiance. Pour les plateformes modernes, le capteur transmet des alertes spécifiques — « Chambre 302 : chute détectée, confiance élevée » — et non des alarmes génériques. Cela réduit les fausses alarmes et rétablit la confiance du personnel dans le système d'alerte.

Le problème des fausses alarmes environnementales — ventilateurs de plafond, animaux, rideaux agités par les courants d'air — est traité au moyen de plusieurs couches. Le système construit une carte statique de la pièce lors de l'installation et apprend à ignorer les signaux à haute vitesse à des emplacements fixes comme un ventilateur de plafond. Il classe la forme des nuages de points pour distinguer un chien (volume horizontal) d'un humain (colonne verticale). Il vous permet de définir des zones d'interférence autour des fenêtres et des bouches d'aération où le seuil de détection est relevé.

Pour votre équipe de conformité, cette architecture offre une position d'audit irréprochable. Le capteur ne capture aucun identifiant biométrique — pas de visages, pas d'empreintes digitales, pas d'images reconnaissables. Les données restent sur l'appareil. Les schémas comportementaux comme la fréquentation de la salle de bain constituent bien des informations de santé protégées au titre du HIPAA et du RGPD, mais le système utilise le chiffrement TLS 1.2+ pour les données en transit et l'AES-256 pour les données au repos. L'approche suit les principes de la confidentialité dès la conception ISO 31700 « privacy by design » : le réglage de confidentialité le plus élevé est activé par défaut, et la confidentialité est intégrée au matériel, et non ajoutée après coup sous forme de politique.

Au-delà de la détection des urgences, le système suit la vitesse de la marche et les niveaux d'activité sur plusieurs semaines. Si la vitesse de marche d'un résident chute de 20 %, c'est un indicateur avancé d'une chute imminente — et votre équipe de soins peut intervenir avant qu'un accident ne survienne. Cela transforme votre système de surveillance de réactif à préventif.

Vous pouvez consulter l' analyse technique complète pour le détail du traitement du signal et de l'architecture d'IA, ou voir la version interactive pour un aperçu détaillé du fonctionnement du déploiement de l'IA en périphérie en pratique.