Développement et validation d’algorithmes d’intelligence artificielle, appliqués à l’haptique surfacique, pour l’évaluation des troubles neurodéveloppementaux à travers le toucher et la dextérité // Development and validation of surface haptics machine l

L'objectif de cette thèse est de développer de nouvelles méthodes d'évaluation clinique utilisant des technologies haptique surfaciques, développées au CEA List, et des algorithmes de machine learning pour tester et mesurer l'intégration tactile-motrice. En particulier, la thèse investiguera et validera le développement d'un pipeline d'analyse multimodale qui convertit les signaux haptique et les données des exercices de dextérité (c'est-à-dire les événements de stimulation tactile, la cinématique des doigts, les forces de contact et le timing en millisecondes) en biomarqueurs fiables et interprétables de la perception tactile et du couplage sensorimoteur, puis classera les schémas d'intégration normatifs par rapport aux schémas atypiques avec une fidélité clinique pour l'évaluation.
Résultats attendus : une nouvelle technologie et des modèles pour la mesure rapide et réalisable des déficits tactuo-moteurs en milieu clinique, avec une validation initiale pour différents troubles du neurodéveloppement (c'est-à-dire la psychose, le trouble du spectre autistique et la dyspraxie). Les méthodes développées et les données collectées fourniront :
(1) une bibliothèque de caractéristiques ouverte et versionnée pour l'évaluation tactuo-motrice ;
(2) des classifieurs avec des points de fonctionnement prédéfinis (sensibilité/spécificité) ;
(3) et une pipeline « edge-ready » sur le dispositif, c'est-à-dire capable de fonctionner localement sur une tablette tout en respectant les contraintes de latence, de calcul et de confidentialité des données. Le succès sera mesuré par la reproductibilité des caractéristiques, des tailles d'effet cliniquement significatives et une logique de décision interprétable qui se rapporte à la neurophysiologie connue plutôt qu'à des artefacts.

------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The aim of this PhD thesis is to develop new clinical assessment methods using surface haptics technologies, developed at CEA List, and machine learning algorithms for testing and monitoring tactile-motor integration. In particular, the thesis will investigate and validate the development of a multimodal analytics pipeline that converts surface haptics signals and dexterity exercises inputs (i.e. tactile stimulation events, finger kinematics, contact forces, and millisecond timing) into reliable, interpretable biomarkers of tactile perception and sensorimotor coupling, and then classify normative versus atypical integration patterns with clinical fidelity for assessment.
Expected results: a novel technology and models for the rapid and feasible measurement of tactile-motor deficits in clinical setting, with an initial validation in different neurodevelopmental disorders (i.e. first-episode psychosis, autism spectrum disorder, and dyspraxia). The methods developed and data collected will provide:
(1) an open, versioned feature library for tactile–motor assessment;
(2) classifiers with predefined operating points (sensitivity/specificity);
(3) and an on-device/edge-ready pipeline, i.e. able to run locally on a typical tablet hardware whilst meeting constraints on latency, computing, and data privacy. Success will be measured by reproducibility of features, clinically meaningful effect sizes, and interpretable decision logic that maps back to known neurophysiology rather than artefacts.

------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Interactions et Réseaux
Laboratoire : Laboratoire d’Interfaces Sensorielles & Ambiantes
Date de début souhaitée : 01-09-2026
Ecole doctorale : Santé Publique: Epidémiologie et Sciences de l’Information Biomédicale (ED393)
Directeur de thèse : Lindberg Pavel
Organisme : Université Paris Cité
Laboratoire : Inserm U894 - Centre de Psychiatrie et Neurosciences (CPN)

Public/private mixed funding

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Interactions et Réseaux

Bac+5 en traitement du signal; intelligence artificielle