Conception et évaluation d'un coach augmentée intelligent intégrant la détection de la fatigue pour l'adaptation en temps réel d'exercices d'activité physique destinés aux personnes âgées. // Conception and evaluation of an intelligent augmented coach int

Le vieillissement de la population et l'augmentation des risques de chute chez les seniors représentent un défi sociétal majeur (1). La sensibilisation aux risques et la pratique d'activité physique sont les principales recommandations en matières de prévention des chutes (1). Cependant, de nombreuses barrières persistent pour l'application de ces recommandations : isolement géographique, manque de motivation des personnes âgées, absence ou indisponibilité des professionnels de l'activité physique proche du domicile. Les outils technologiques présentent les avantages d'une grande flexibilité et d'accessibilité notamment en étant déployable directement à domicile pour dispenser de l'activité physique (e.g., séance d'activité physique en visioconférence, application fitness sur smartphone). Cependant cela présente encore des contraintes : une interface 2D avec peu d'interactivité, ou la nécessité d'un professionnel disponible pour vérifier la bonne exécution des mouvements et l'adaptation de la séance en temps réel en fonction des capacités (e.g., fatigue) du participant. Les récentes avancées des casques de réalité étendue permettent d'intégrer des éléments 3D dans l'environnement réel (e.g., avatar en 3D) et mettent à disposition une multitude de capteurs (e.g., centrale inertielle, eye tracking) pour évaluer le mouvement et le statut du participant. Le projet COaching for Stability, Training, and Adaptive Neurophysiological Control Evaluation (CO-STANCE) vise à identifier et valider des marqueurs physiologiques de la fatigue lors de séances de réalité mixte (MR) guidées par un coach virtuel. CO-STANCE se structure en trois phases complémentaires : (i) Identification des marqueurs de fatigue via une étude multimodale avec 60 participants (30 seniors, 30 adultes) utilisant IMU, eye-tracking, électromyographie et capteurs cardiaques pour analyser les corrélations entre signaux physiologiques et fatigue ressentie ; (ii) Développement d'algorithmes d'adaptation des séances d'activités physique basés sur ces marqueurs avec définition de règles concrètes d'adaptation (e.g., augmentation des saccades oculaire, scores EVA/Borg >6) ; (iii) Validation de l'efficacité de l'adaptation par algorithme des séances d'activités physique via une étude randomisée contrôlée sur 6 séances avec évaluation de l'engagement, de la fatigue et de la performance motrice (Timed Up and Go, Sit-to-Stand, Berg Balance Scale).
Ce projet permettra de personnaliser les séances d'entraînement sans intervention humaine, offrant ainsi un outil pour conserver l'engagement des seniors tout en contrôlant l'intensité, le volume et la fatigue de l'activité physique sans compromettre son efficacité.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Population aging and the increasing risk of falls among older adults represent a major societal challenge. Raising awareness of fall risks and promoting physical activity are the main recommendations for fall prevention. However, many barriers still hinder the implementation of these recommendations: geographic isolation, lack of motivation among older adults, and the absence or limited availability of physical activity professionals close to home. Technological tools offer major advantages in terms of flexibility and accessibility, particularly because they can be deployed directly in the home to deliver physical activity interventions (e.g., videoconference-based exercise sessions, smartphone fitness applications). However, these approaches still involve limitations, such as a two-dimensional interface with limited interactivity, or the need for an available professional to ensure correct movement execution and to adapt the session in real time according to the participant's abilities (e.g., fatigue).
Recent advances in extended reality headsets make it possible to integrate three-dimensional elements into the real environment (e.g., a 3D avatar) and provide access to a wide range of sensors (e.g., inertial measurement units, eye tracking) to assess participants' movement and status. The COaching for Stability, Training, and Adaptive Neurophysiological Control Evaluation (CO-STANCE) project aims to identify and validate physiological markers of fatigue during mixed reality (MR) sessions guided by a virtual coach.
CO-STANCE is structured around three complementary phases: (i) identification of fatigue markers through a multimodal study involving 60 participants (30 older adults and 30 younger adults), using IMUs, eye tracking, electromyography, and cardiac sensors to analyze correlations between physiological signals and perceived fatigue; (ii) development of physical activity session adaptation algorithms based on these markers, with the definition of concrete adaptation rules (e.g., increased eye saccades, VAS/Borg scores >6); and (iii) validation of the effectiveness of algorithm-based adaptation of physical activity sessions through a randomized controlled study over 6 sessions, with assessment of engagement, fatigue, and motor performance (Timed Up and Go, Sit-to-Stand, Berg Balance Scale).
This project will make it possible to personalize training sessions without human intervention, thereby providing a tool to maintain older adults' engagement while controlling the intensity, volume, and fatigue associated with physical activity without compromising its effectiveness.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Enseignement supérieur

Université de Limoges

652 Biologie, Chimie, Santé

Le ou la candidat(e) devra être titulaire d'un Master 2 (ou équivalent) dans l'un des domaines suivants : Sciences et Techniques des Activités Physiques et Sportives (STAPS) mention Activité Physique Adaptée et Santé, Sciences de la Vie et de la Santé, Sciences de la Réadaptation et de la Rééducation ou Ingénierie biomédicale. Le profil recherché est celui d'un(e) candidat(e) alliant curiosité scientifique, rigueur méthodologique et intérêt marqué pour les technologies appliquées à la santé. Des compétences ou une forte appétence pour : le traitement du signal (analyse de données capteurs, IMU, EMG) ; la programmation (Python, MATLAB) ou développement XR (Unity) ; les méthodologies d'essais cliniques (conception de protocoles, recueil et analyse de données auprès de populations âgées) seront particulièrement appréciées. Une bonne maîtrise de l'anglais scientifique (lecture, rédaction et présentations en conférence) est attendue. Des expériences préalables avec des technologies immersives ou dans le domaine de l'activité physique adaptée constituent un atout supplémentaire.
The candidate must hold a Master's degree (or equivalent) in one of the following fields: Sport and Exercise Sciences (STAPS), with a specialization in Adapted Physical Activity and Health; Life and Health Sciences; Rehabilitation Sciences; or Biomedical Engineering. The ideal candidate should combine scientific curiosity, methodological rigor, and a strong interest in health-related technologies. Skills, or a strong interest, in the following areas will be particularly valued: signal processing (sensor data analysis, IMU, EMG) programming (Python, MATLAB) or XR development (Unity) clinical trial methodologies (protocol design, data collection, and analysis involving older adult populations) A good command of scientific English (reading, writing, and conference presentations) is expected. Previous experience with immersive technologies or in the field of adapted physical activity would be an additional asset.