Thèse Imagerie Thermique Faciale pour le Monitoring de l'Activité Cognitive dans le Domaine du Contrôle Aérien H/F - 74

Établissement : Ecole Nationale de l'Aviation Civile
École doctorale : EDMITT - Ecole Doctorale Mathématiques, Informatique et Télécommunications de Toulouse
Laboratoire de recherche : ENAC-LAB - Laboratoire de Recherche ENAC
Direction de la thèse : Christophe HURTER ORCID 0000000343186717
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-08-01T23:59:59

Cette thèse porte sur l'utilisation de l'imagerie thermique faciale comme méthode non intrusive pour évaluer en temps réel les états mentaux et physiques des contrôleurs aériens, notamment le stress et la charge mentale. Deux expériences seront menées : une en laboratoire, sous conditions contrôlées, et une autre en environnement simulé réaliste de contrôle aérien. L'objectif est de valider la faisabilité et la robustesse de cette technique dans des contextes opérationnels. Des algorithmes d'apprentissage automatique seront développés pour classifier ces états à partir des données thermiques, en identifiant les régions faciales les plus pertinentes (comme le nez et le front), et en corrélant les signaux avec des indicateurs physiologiques connus (comme la fréquence cardiaque). L'approche se veut moins contraignante que d'autres techniques (EEG, fNIRS) souvent jugées intrusives. La thèse intègre également des approches d'intelligence artificielle explicable (XAI) pour rendre les diagnostics plus interprétables et dignes de confiance pour les utilisateurs. En fin de parcours, un assistant digital en temps réel sera développé pour assister les contrôleurs à partir des diagnostics thermiques. Ce travail, s'appuyant sur les collaborations entre l'ENAC et l'ISAE-SUPAERO, vise à améliorer la sécurité et la performance dans le contrôle aérien grâce à des technologies innovantes et adaptées aux environnements dynamiques.

Le contrôle aérien est une activité particulièrement exigeante qui requiert une vigilance et une performance mentale constantes pour garantir la sécurité du trafic aérien. Les contrôleurs aériens doivent surveiller simultanément de multiples paramètres, gérer des situations complexes et réagir rapidement face à des événements inattendus. Ainsi, la mesure continue et précise de leur état mental et physiologique revêt une importance majeure pour anticiper et prévenir les risques opérationnels liés à la fatigue cognitive, au stress et aux réactions impulsives telles que la gestion de situation non prévue.
Diverses méthodes ont été proposées dans la littérature pour monitorer les états mentaux et physiques des contrôleurs aériens, telles que la spectroscopie fonctionnelle proche infrarouge (fNIRS) ou l'électroencéphalographie (EEG). Ces techniques offrent une compréhension approfondie des mécanismes cérébraux associés à la charge mentale et au stress (Causse et al., 2017; Gateau et al., 2015). Cependant, elles présentent des limitations significatives en contexte opérationnel, notamment en raison de leur caractère intrusif, de leur sensibilité aux mouvements, et du confort limité pour les utilisateurs sur de longues périodes d'utilisation (Kikukawa et al., 2008).
L'imagerie thermique faciale émerge comme une alternative prometteuse grâce à son caractère non invasif, permettant une mesure passive et sans contact de l'état physiologique de l'opérateur. Cette technologie repose sur l'analyse des variations de température du visage, directement influencées par le flux sanguin régulé par le système nerveux autonome, lui-même sensible aux variations de stress et de charge mentale (Dzedzickis et al., 2020; Goulart et al., 2019).
Des travaux récents utilisant l'imagerie thermique ont démontré son potentiel pour classifier divers états affectifs et physiologiques tels que le stress (Puri et al., 2005), la charge mentale (Cho et al., 2019; Diaz-Piedra et al., 2019), et même des réactions émotionnelles spécifiques comme la peur ou le stress post-traumatique (Di Giacinto et al., 2014). Toutefois, l'utilisation de cette méthode dans le contexte précis du contrôle aérien reste peu explorée, et les résultats obtenus jusqu'ici restent parfois contradictoires, nécessitant une validation approfondie dans des situations écologiques.
Les travaux collaboratifs récents entre l'ENAC et l'ISAE-SUPAERO ont déjà permis de franchir des étapes importantes en développant des méthodes innovantes permettant un suivi automatique et précis des régions d'intérêt du visage sur les images thermiques, malgré des mouvements naturels de la tête (Hassoumi et al., 2022). Ces avancées techniques permettent de dépasser les limites traditionnelles imposées par l'immobilité requise dans des études antérieures (Abdelrahman et al., 2017). De plus, des applications spécifiques de mesure respiratoire par analyse thermique des narines ont été proposées avec succès (Causse et al., 2024).
Cette thèse ambitionne d'étendre ces travaux en intégrant les dernières avancées en matière de détection automatique du visage avec des outils récents tels que mediapipe, et en affinant les méthodes de classification automatique des états mentaux et physiologiques pertinents pour les contrôleurs aériens. En particulier, un accent sera mis sur la détection automatique de perte de concentration, phénomène très pertinent dans le contexte aérien en raison de son impact direct sur la sécurité.
En combinant ces techniques novatrices avec des approches d'intelligence artificielle explicable (XAI), cette recherche vise non seulement à améliorer la précision du diagnostic automatique mais aussi à renforcer la confiance des utilisateurs dans ces systèmes automatisés en rendant leurs prédictions et processus décisionnels transparents et compréhensibles.

Évaluer la faisabilité de l'imagerie thermique faciale comme mesure sans contact du stress et de la charge cognitive chez les contrôleurs aériens.

Valider la robustesse des mesures en deux contextes : laboratoire contrôlé puis simulation ATC réaliste (conditions écologiques).

Développer des modèles IA/ML pour classifier les états mentaux (stress, charge, perte d'attention) à partir des signaux thermiques.

Identifier les régions faciales pertinentes (ROI) (nez, front, périnasal, etc.) et quantifier leur contribution au diagnostic.

Corréler les signatures thermiques avec des indicateurs de référence (fréquence cardiaque, respiration, performance/tâche).

Intégrer des approches d'IA explicable (XAI) pour rendre les décisions interprétables et dignes de confiance pour les utilisateurs.

Prototyper un assistant cognitif temps réel basé sur l'analyse thermique et les modèles appris, puis évaluer son utilité (performance, acceptabilité, confiance).

Planning prévisionnel de la thèse
Le déroulement de cette thèse s'organise en plusieurs étapes clés, réparties sur trois années, allant de l'étude bibliographique et du développement des outils à la réalisation d'expérimentations en conditions contrôlées puis réalistes, jusqu'à la conception d'un prototype d'assistant cognitif. Le planning prévisionnel suivant détaille les jalons principaux de ce travail de recherche.
T0 à T+6 mois :
Revue approfondie de la littérature et affinement de l'état de l'art sur les méthodes de mesure de la charge cognitive et l'usage de l'imagerie thermique.
Développement et tests des outils logiciels d'analyse thermique (intégration de Mediapipe, extraction des ROIs dynamiques).

T+6 à T+12 mois :
Conception et réalisation d'une première étude expérimentale en laboratoire (serious game sur poste PC simulant une tâche de contrôle).
Administration de stimuli cognitifs et émotionnels (tâches à charge variable, startle events).
Analyse des données thermiques, cardiaques et comportementales.

T+12 à T+18 mois :
Expérimentation en simulateur de trafic aérien (environnement réaliste, contraintes écologiques).
Recrutement de contrôleurs professionnels, collecte de données multimodales.
Analyse de la robustesse des mesures thermiques dans un contexte dynamique.

T+18 à T+24 mois :
Étude conjointe contrôleurs aériens / pilotes sur scénario collaboratif.
Mesure de la charge mentale et synchronisation physiologique inter-individuelle.
Étude de l'effet de l'interaction sur le stress et la performance.

T+24 à T+36 mois :
Développement d'un prototype d'assistant cognitif basé sur l'imagerie thermique et les modèles appris.
Évaluation de la performance et de la confiance utilisateur (approche XAI).
Rédaction d'articles scientifiques.
Soutenance.