IA et Machine Learning au service du sevrage tabagique

Quand on parle de Big Data, d’intelligence artificielle (IA) et au Machine Learning, on pense rarement à la santé. Et pourtant, ces fulgurances technologiques peuvent concourir efficacement à l’amélioration de notre qualité de vie. Aujourd’hui, nous vous proposons d’explorer les opportunités de l’IA et du Machine Learning dans l’accompagnement au sevrage tabagique des fumeurs.

Machine Learning : de quoi parle-t-on ?

Le Machine Learning, ou « apprentissage automatique », est indissociable du Big Data et de l’intelligence artificielle. Il s’agit d’une technologie dérivée de l’IA qui permet, comme son nom le laisse entendre, aux machines d’apprendre sans intervention humaine, en toute autonomie, pour se comporter d’une manière cohérente à l’égard d’événements induits. Autrement dit, le Machine Learning permet aux machines d’apprendre sans qu’elles ne soient programmées à cet effet. C’est pour cela qu’on vous disait que l’apprentissage automatique est indissociable du Big Data, car pour apprendre, il n’y a pas de secret : les machines ont besoin d’un flux de données conséquent à analyser pour déterminer des « patterns » ou schémas comportementaux, qui vont servir à concevoir des modèles prédictifs. En bref, pas de Machine Learning sans Big Data.

Science moderne, le Machine Learning ? Contrairement à ce que l’on pourrait penser, l’apprentissage automatique ne date pas d’aujourd’hui. Les premiers algorithmes assimilables au concept remontent aux années 1950. En revanche, sa forme contemporaine ne date que d’une petite décennie, à la faveur de l’essor des technologies du Big Data qui permet de « brasser » un volume gigantesque de données de toutes sortes. Et c’est précisément à ce niveau que le Machine Learning prend tout son sens, puisqu’il se révèle bien plus efficace en analyse de ces volumes de données que les autres techniques « traditionnelles ».

Un exemple : le Machine Learning est capable de détecter une fraude en une milliseconde, en analysant toutes les données liées de près ou de loin à la transaction. On comprend mieux maintenant en quoi Big Data et Machine Learning sont indissociables : le Big Data n’aurait pas l’utilité qu’il a aujourd’hui sans les algorithmes d’apprentissage automatique. Là où les outils analytiques conventionnels se heurtent au plafond de verre du volume maximal de données pouvant être analysées, le Machine Learning, en revanche, révèle tout son potentiel lorsque les données sont justement massives.

Machine Learning et sevrage tabagique : quelle relation ?

Appliqué au champ du sevrage tabagique, le Machine Learning est à l’origine d’une nouvelle génération d’outils d’aide à l’arrêt du tabac : les cigarettes électroniques intelligentes. Ces nouveaux dispositifs, « smart » et connectés, sont capables d’apprendre à partir des données collectées sur l’utilisateur, avec pour objectif de l’accompagner vers l’arrêt complet du tabac avec le moins d’effets secondaires possible. Le potentiel de ces e-cigarettes en matière de santé publique est énorme, surtout lorsque l’on sait que la cigarette à tabac est responsable de plus de 75 000 décès par an en France.

Concrètement, la cigarette électronique intelligente va adapter certains paramètres, notamment le dosage en nicotine de l’e-liquide et l’intensité des bouffées, pour permettre au vapoteur de se libérer progressivement de sa dépendance à la nicotine. Grâce au Machine Learning et à l’intelligence artificielle, l’e-cigarette intelligente sera capable de développer une méthode de sevrage tabagique sur mesure, adaptée au profil de l’utilisateur, lissant le sevrage sur la durée pour un arrêt progressif mais définitif. Par ailleurs, elle sera associée à une application dédiée qui va suivre les données collectées en continu, en plus de servir de plateforme de soutien au sevrage tabagique.

Techniquement, l’application mobile peut, à tout moment, décider d’exécuter l’algorithme d’apprentissage automatique, qui prendra en compte les nouvelles données de consommation pour générer une nouvelle formule. Ainsi, plus le vapoteur utilisera sa cigarette électronique, plus il créera de données, favorisant ainsi la production d’une formule efficace. Vous l’aurez donc compris, la grande force des cigarettes électroniques intelligentes est la modélisation prédictive de la consommation de nicotine, sur la base du profil du vapoteur, son activité quotidienne et son historique d’utilisation.

La première cigarette électronique intelligente est française !

Elle s’appelle Enovap, du nom de la start-up fondée par six entrepreneurs passionnés d’innovations technologiques. Sa grande force : permettre un sevrage tabagique en douceur à travers un suivi personnalisé, parfaitement adapté au profil de l’utilisateur. Elle dispose de deux réservoirs d’e-liquide, l’un avec nicotine et l’autre à 0 %. C’est ce qui va permettre de doser le mélange, en continu, après analyse des données récoltées grâce au Machine Learning. Au bout d’un mois d’utilisation, le vapoteur pourra activer le mode automatique sur l’application mobile, car les algorithmes auront suffisamment analysé ses habitudes pour pouvoir diminuer la dose de nicotine en toute autonomie, sans qu’il ne s’en rende compte.