Détection précoce des difficultés cognitives et accompagnement à l'adaptation du domicile grâce à la plateforme Web PREVIE // Early detection of cognitive difficulties and support for home adaptation via the PREVIE web platform

Le vieillissement de la population entraîne une augmentation des fragilités cognitives, qui accentuent les vulnérabilités, alors que l'autonomie à domicile apparaît comme un souhait exprimé par les personnes âgées et comme un enjeu de santé publique (Forsyth & Molinsky, 2021). Pour répondre à cet enjeu, il est nécessaire de disposer d'outils fiables, accessibles et acceptables, capables de détecter précocement les troubles cognitifs et de soutenir les adaptations nécessaires. Les assistants intelligents montrent alors un potentiel prometteur pour prévenir les risques domestiques (Arnold et al., 2022). Toutefois, leur efficacité est étroitement liée à leur acceptabilité, laquelle repose sur une prise en compte des besoins et des préférences des usagers âgés (Zhong et al., 2022). Ainsi, la personnalisation de ces outils et leur co-conception avec les utilisateurs favorisent leur adoption (Bartle et al., 2022). Malgré cela, ces pratiques restent encore peu développées et insuffisamment évaluées (Salomé, Du Bousquet, & Monfort, 2025).
Dans ce contexte, la plateforme Web PREVIE (Monfort et al., 2023) a été développée à l'Université Grenoble Alpes avec le soutien de l'Institut Carnot LSI (2021, 2022) et de la Banque Publique d'Investissement (BFT Labs, 2024). PREVIE permet la simulation interactive d'environnements domestiques dans lesquels les usagers sont amenés à réaliser des scénarios d'activités. Ces séquences captent des indicateurs comportementaux fins, susceptibles de constituer des marqueurs numériques du vieillissement cognitif (Divers et al., 2021). Une première validation fonctionnelle a d'ailleurs démontré la faisabilité technique de PREVIE ainsi que son acceptabilité auprès des personnes âgées (Monfort et al., 2024).
Le projet de thèse vise à exploiter pleinement cette plateforme pour 1) développer et valider un modèle prédictif de déclin cognitif précoce à partir des interactions numériques, et 2) concevoir une nouvelle section dédiée à l'accompagnement de l'adaptation du domicile, en intégrant une méthodologie de co-design avec les usagers. Ce projet comblera une lacune dans la recherche en adoptant une approche participative rigoureuse (Sanders & Stappers, 2008) et des approches motivationnelles du changement (Prochaska & Velicer, 1997). Le premier axe du projet s'appuiera sur les données d'une étude à large échelle menée en partenariat avec la CARSAT Rhône-Alpes, permettant de constituer une cohorte jusqu'à 10 000 retraités, garantissant ainsi la robustesse du modèle prédictif. Les données comportementales seront analysées par des méthodes d'apprentissage automatique supervisé et non supervisé (par exemple, Random Forest, k-Means clustering) pour extraire des patterns associés à des difficultés cognitives précoces (Cepeda et al., 2018). Cette phase permettra d'identifier des profils types et des schémas récurrents d'interactions dans les environnements simulés, qui serviront de base à la conception d'un accompagnement adapté. Ces résultats guideront également les ateliers de co-design en orientant la conception d'outils qui répondront aux besoins spécifiques des usagers pour l'adaptation de leur domicile, tout en tenant compte de leurs profils cognitifs et de leurs trajectoires fonctionnelles. Le second axe reposera sur une approche participative, en lien avec les sciences du design et l'e-santé centrée usager (Sanders & Stappers, 2008). Des ateliers avec des personnes âgées permettront d'identifier les freins à l'adaptation du domicile et de concevoir des modules interactifs adaptés aux profils cognitifs et motivationnels. Cette section comprendra une visualisation des risques domestiques, des recommandations personnalisées et des scénarios d'aménagements. L'expérience utilisateur sera évaluée de manière itérative (questionnaires, entretiens qualitatifs), avec pour objectif de maximiser la motivation à agir (Prochaska & Velicer, 1997 ; Mitzner et al., 2019).
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The aging of the population is leading to an increase in cognitive frailties, which accentuate vulnerabilities, while autonomy at home appears to be a desire expressed by the elderly and a public health issue (Forsyth & Molinsky, 2021). To meet this challenge, reliable, accessible and acceptable tools are needed, capable of detecting cognitive disorders at an early stage and supporting the necessary adaptations. Intelligent assistants show promising potential for preventing domestic risks (Arnold et al., 2022). However, their effectiveness is closely linked to their acceptability, which depends on taking into account the needs and preferences of elderly users (Zhong et al., 2022). Personalizing these tools and co-designing them with users encourages their adoption (Bartle et al., 2022). Despite this, these practices remain underdeveloped and insufficiently evaluated (Salomé, Du Bousquet, & Monfort, 2025).
In this context, the PREVIE web platform (Monfort et al., 2023) has been developed at Grenoble Alpes University with the support of the Carnot Institute LSI (2021, 2022) and the Banque Publique d'Investissement (BFT Labs, 2024). PREVIE enables the interactive simulation of domestic environments in which users are asked to carry out activity scenarios. These sequences capture fine-grained behavioral indicators, likely to constitute digital markers of cognitive aging (Divers et al., 2021). An initial functional validation has demonstrated the technical feasibility of PREVIE, as well as its acceptability to the elderly (Monfort et al., 2024).
The PhD project aims to fully exploit this platform to 1) develop and validate a predictive model of early cognitive decline based on digital interactions, and 2) design a new section dedicated to home adaptation support, integrating a co-design methodology with users. This project will fill a gap in research by adopting a rigorous participatory approach (Sanders & Stappers, 2008) and motivational approaches to change (Prochaska & Velicer, 1997). The first part of the project will draw on data from a large-scale study carried out in partnership with CARSAT Rhône-Alpes, enabling the creation of a cohort of up to 10,000 retirees, thus guaranteeing the robustness of the predictive model. Behavioral data will be analyzed using supervised and unsupervised machine learning methods (e.g. Random Forest, k-Means clustering) to extract patterns associated with early cognitive difficulties (Cepeda et al., 2018). This phase will enable us to identify typical profiles and recurring patterns of interaction in the simulated environments, which will serve as a basis for the design of adapted support. These results will also guide the co-design workshops in designing tools that will meet the specific needs of users in adapting their homes, while taking into account their cognitive profiles and functional trajectories. The second axis will be based on a participatory approach, in line with design sciences and user-centered e-health (Sanders & Stappers, 2008). Workshops with elderly people will be used to identify barriers to home adaptation, and to design interactive modules adapted to their cognitive and motivational profiles. This section will include a visualization of home risks, personalized recommendations and adaptation scenarios. The user experience will be evaluated iteratively (questionnaires, qualitative interviews), with the aim of maximizing motivation to act (Prochaska & Velicer, 1997; Mitzner et al., 2019).
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Public funding alone (i.e. government, region, European, international organization research grant)

Concours pour un contrat doctoral

Université Grenoble Alpes

216 ISCE - Ingénierie pour la Santé la Cognition et l'Environnement

Le.a candidat.e devra démontrer un fort intérêt pour les problématiques liées au vieillissement et à l'autonomie, avec une formation de master en neuropsychologie, ou en psychologie de la santé ou du vieillissement. Des compétences en analyse de données comportementales, design d'interaction, ou UX research seront particulièrement appréciées.
Candidates must demonstrate a strong interest in issues related to aging and autonomy, with a master's degree in neuropsychology, health or aging psychology. Skills in behavioral data analysis, interaction design or UX research will be particularly appreciated.