Adaptation émotionnelle
Modélisation des états cognitifs et émotionnels via le MultiSignalFusionEngine — fusion de signaux textuels, comportementaux et temporels pour adapter la réponse de l'IA.
Mémoire professionnel D42 et thèse D52 — IA émotionnelles adaptatives, souveraineté numérique et accessibilité cognitive. ALFRED comme terrain d'expérimentation réel.
Comment concevoir un assistant IA local-first capable de s'adapter aux états émotionnels et cognitifs de l'utilisateur, tout en garantissant la souveraineté des données et l'accessibilité cognitive ?
Intelligence artificielle adaptative à l'intersection de la psychologie cognitive, de la cybersécurité et de l'UX design. La thèse explore la faisabilité d'une IA émotionnelle entièrement locale — sans cloud, sans cession de données.
ALFRED est à la fois l'objet de la thèse et son outil de validation. Chaque bloc de la roadmap (B01→B26) constitue une brique de recherche appliquée : architecture, tests, résultats, itérations.
Quatre dimensions structurent la thèse.
Modélisation des états cognitifs et émotionnels via le MultiSignalFusionEngine — fusion de signaux textuels, comportementaux et temporels pour adapter la réponse de l'IA.
Architecture local-first Zero Trust — 25 modules de sécurité, Fernet, JWT, bcrypt, audit, vault. L'utilisateur garde le contrôle total de ses données à chaque instant.
Réduction de la charge mentale par des interfaces adaptatives, une mémoire épisodique persistante et un moteur proactif capable d'anticiper les besoins de l'utilisateur.
Faisabilité d'un LLM local (Ollama) avec fallback cloud contrôlé (OpenAI), RAG vectoriel (ChromaDB), STT (Whisper) et TTS (Piper) — 100% offline capable.
État de l'art des IA adaptatives, des systèmes local-first et des modèles de régulation émotionnelle en interaction humain-machine.
Architecture modulaire par blocs (B01→B26), chaque bloc validé par une suite de tests avant intégration. 1 168 tests à ce jour.
Usage quotidien d'ALFRED comme outil de travail réel — journalisation des interactions, mesure de l'adaptation, retours qualitatifs.
Synthèse des résultats techniques, éthiques et UX. Publication en open access pour contribution à la recherche.
Début de la formation Master Expert IT — IA & Big Data à Exxea / FEDE.
Deux livrables académiques engagés : mémoire de projet tutoré (D42) et thèse professionnelle (D52).
Démarrage des livrables académiques et des travaux de recherche.
Pipeline texte + voix + avatar + sécurité Zero Trust + UI Kivy. 1 168 tests. Architecture B01→B20 validée.
Site en production sur cognitive-products-lab.fr. Documentation publique, galeries recherche, formulaire de contact, mentions légales.
Début de la formation Master 2 Expert IT — Applications Intelligentes & Big Data à FEDE.
Approfondissement IA avancée, architecture cognitive, LLM, accessibilité et gouvernance des systèmes intelligents. ALFRED est le terrain d'expérimentation principal.
STT Whisper (reconnaissance vocale), intégration webcam, synchronisation avatar/parole, alignement sprites neutral/speaking/thinking.
Épreuves écrites :
Soutenances :
Démarrage des livrables académiques et des travaux de recherche en cybersécurité.
Épreuve écrite :
Soutenance :
Projet ALFRED — Conception d'un système d'intelligence artificielle adaptatif, sécurisé et orienté création de valeur
IA Éthique — Intelligence Artificielle au Service de l'Humain
Système capable de modifier son comportement en fonction du contexte et des caractéristiques de l'utilisateur — sans reconfiguration manuelle.
Paradigme architectural où toutes les données et traitements restent sur l'appareil de l'utilisateur. Zéro dépendance cloud obligatoire.
Combinaison de multiples signaux (texte, comportement, temporel) pour inférer un état cognitif et émotionnel et adapter la réponse de l'IA.
Modèle de sécurité où aucun acteur n'est considéré de confiance par défaut. Chaque accès est vérifié, journalisé et limité au strict nécessaire.
Conception d'interfaces et d'interactions qui réduisent la charge mentale, anticipent les besoins et s'adaptent au rythme de l'utilisateur.
Architecture IA qui augmente la génération de texte par une recherche sémantique dans une base de connaissances vectorielle (ChromaDB).
Collaboration académique, retours sur la méthodologie, accès aux résultats intermédiaires — toutes les questions sont bienvenues.
Prendre contact →