⚡ electrical engineering

Development and Validation of a PredictiveMathematical Model for Cognitive Performanceand Occupational Stress Based on Indoor AirQuality: A Low-Cost Implementation UsingEmbedded Systems

Cette étude présente et valide un système embarqué à bas coût, basé sur l'ESP32, qui utilise un nouveau modèle mathématique pour prédire en temps réel les performances cognitives et les niveaux de stress professionnel en fonction des paramètres de la qualité de l'air intérieur, démontrant une grande précision et une utilité pratique pour la gestion préventive de la santé au travail.

Auteurs originaux : Lucas Lima Freitag

Publié 2026-07-01

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Lucas Lima Freitag

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que votre cerveau est le moteur d'une voiture de course haute performance. Il a besoin d'un air pur et de la bonne température pour fonctionner sans accroc. Si vous remplissez le moteur d'air sale ou si vous le laissez surchauffer, la voiture ralentit, bafouille et finit par tomber en panne.

Ce document de recherche porte sur la création d'un « tableau de bord » à bas coût pour votre cerveau, qui réside à l'intérieur de votre bureau. Au lieu de simplement vous indiquer la température ou la quantité de fumée dans l'air, cet appareil prédit exactement comment ces conditions affectent votre cerveau et votre capacité de réflexion.

Voici la décomposition de son fonctionnement, en utilisant des analogies simples :

1. Le problème : L'effet « pièce étouffante »

Nous passons la majeure partie de notre temps à l'intérieur. Lorsqu'une pièce devient bondée, l'air devient « vicié ». Deux choses principales se produisent :

Trop de CO2 : Vous et vos collègues expirez du dioxyde de carbone. Si la pièce est petite et fermée, il s'accumule comme un brouillard épais.
Trop de COV : Ce sont des gaz invisibles provenant des meubles, des produits de nettoyage et de l'électronique. Considérez-les comme un « smog » invisible qui irrite votre cerveau.

Lorsque ces éléments s'accumulent, les gens commencent à se sentir fatigués, irritables et incapables de se concentrer. Généralement, nous ne nous en rendons compte que lorsque nous nous sentons mal. Cette étude voulait détecter cela avant que vous ne vous sentiez mal.

2. La solution : Une « station météo cérébrale »

Les chercheurs ont construit un petit ordinateur bon marché (coûtant moins de 30 $) qui agit comme une station météo, mais pour la performance de votre cerveau.

Le matériel : Ils ont utilisé une petite puce appelée ESP32 (le cerveau du dispositif) connectée à deux capteurs :
- Un capteur « sent » l'air (détectant le CO2 et les COV).
- Un capteur « ressent » l'air (température et humidité).
La « magie » mathématique : L'appareil ne se contente pas d'afficher des chiffres. Il exécute une recette mathématique spéciale. Il prend les données de l'air et pose la question suivante : « Si l'air est aussi mauvais, à quel point le cerveau ralentit-il ? »

3. Comment fonctionne le calcul (L'« indice de dégradation »)

Les chercheurs ont créé une formule qui agit comme un thermomètre de stress.

Les entrées : Elle observe la quantité de CO2 dans la pièce, la chaleur, et l'intensité de votre travail cérébral (par exemple, êtes-vous simplement assis là, ou êtes-vous dans une crise de haut stress ?).
Le calcul : Elle calcule un « Indice de Dégradation ». Imaginez cela comme un score de la quantité de « rouille » qui affecte votre cerveau à cause du mauvais air.
La sortie : Elle transforme ce score de rouille en deux chiffres faciles à comprendre :
1. Efficacité cognitive : À quel point êtes-vous vif ? (ex: 98 % de vivacité contre 62 %).
2. Niveau de stress : Quel est le niveau de stress de votre corps ?

4. La fonctionnalité « Boule de cristal »

La partie la plus intéressante de cet appareil est qu'il ne regarde pas seulement le présent ; il regarde le futur.

Le scénario : Imaginez qu'il est 14h00. L'appareil voit que l'air se dégrade. Il calcule que si rien ne change, à 18h00, l'efficacité de votre cerveau chutera à un niveau critique et vous serez extrêmement stressé.
L'alerte : Il envoie un avertissement au gestionnaire : « Alerte ! Dans 4 heures, l'équipe sera dans une zone de « Stress Sévère ». Ouvrez une fenêtre maintenant ! »
Le résultat : Lors de leurs tests, l'appareil a prédit que vers 14h00, la capacité de réflexion de l'équipe passerait de 98 % (très vif) à 62 % (très embrumé). Lorsque les fenêtres ont été ouvertes, les chiffres sont remontés.

5. Est-ce que cela a fonctionné ?

Les chercheurs ont testé leur « recette » par rapport à quatre études scientifiques différentes provenant du monde entier.

Le score : Leurs prédictions étaient incroyablement précises, avec une marge d'erreur de moins de 0,2 %. C'est comme deviner le poids d'une personne en se trompant de moins de l'épaisseur d'un trombone.
Le coût : Les machines traditionnelles de qualité de l'air coûtent des milliers de dollars. Celle-ci coûte environ 30 $ (environ le prix d'un bon déjeuner).

Résumé

Ce document présente un dispositif intelligent et bon marché qui traduit la pollution de l'air invisible en un rapport clair sur le fonctionnement de votre cerveau. Il agit comme un « voyant d'alerte moteur » pour votre environnement de bureau, vous indiquant exactement quand l'air est sur le point de rendre votre équipe fatiguée et stressée, afin que vous puissiez corriger le tir avant que les dommages ne soient causés.

Ce que le document ne prétend PAS :

Il ne prétend pas guérir des maladies.
Il ne prétend pas remplacer les médecins.
Il ne prétend pas fonctionner pour chaque personne individuellement (il utilise un modèle de « cerveau » moyen).
Il ne prétend pas mesurer la poussière ou la fumée (il se concentre sur les gaz comme le CO2 et les COV).

Il s'agit strictement d'un outil de prédiction de l'impact de la qualité de l'air sur la vivacité mentale et le stress en milieu de travail.

Résumé Technique : Développement et validation d'un modèle mathématique prédictif de la performance cognitive et du stress professionnel basé sur la qualité de l'air intérieur

Énoncé du problème
La qualité de l'air intérieur (QAI) est un déterminant critique de la performance cognitive et du bien-être psychologique dans les milieux professionnels. Bien qu'une mauvaise QAI soit liée à l'anxiété, à la fatigue et à une réduction des capacités de prise de décision, les outils actuels ne parviennent pas à combler le fossé entre la détection environnementale en temps réel et les mesures d'impact psychologique exploitables. Les solutions existantes se limitent à trois catégories restreintes : les études épidémiologiques, qui offrent des associations statistiques mais aucune prédiction en temps réel ; les réseaux de capteurs, qui surveillent les paramètres de l'air sans quantifier l'impact humain ; et les expériences en chambre contrôlée, qui ne sont pas déployables dans des environnements opérationnels. De plus, les stations de surveillance conventionnelles sont extrêmement coûteuses (plusieurs milliers de dollars), ceant l'adoption généralisée.

Méthodologie
L'étude propose une solution de système embarqué à bas coût, intégrant un modèle mathématique calibré à des capteurs matériels pour prédire l'efficacité cognitive et le stress professionnel en temps réel.

Cadre mathématique : Le cœur du système est un indice de dégradation composite ( $I_{deg}$ ) dérivé de trois couches :
1. Bilan de masse et thermodynamique : Modélise la dynamique des contaminants à l'aide d'une équation différentielle de continuité, incorporant le volume de la pièce, les taux de ventilation, le nombre d'occupants et les facteurs de correction thermique/humidité ( $f_T$ , $f_H$ ).
2. Absorption biologique : Calcule les doses cumulées de polluants pour le CO2 ( $A_{CO2}$ ) et les COV ( $A_{VOC}$ ) sur la base du volume minute respiratoire et du volume d'air disponible par individu.
3. Transfert psychologique : Cartographie l'indice de dégradation vers les résultats cognitifs et de stress en utilisant des fonctions logistiques sigmoïdes. Les variables clés incluent le facteur d'hypoxie par déplacement d'oxygène ( $f_{O2}$ ), le taux métabolique d'hyperventilation ( $M_{met}$ ) et la constante de clairance organique ( $\lambda_{wash}$ ).
- Le modèle produit une Efficacité cognitive ( $P_{con}$ ) et un Stress psychophysiologique ( $I_{estresse}$ ), avec $P_{con}$ allant de 0 % à 100 %.
Implémentation matérielle : Le système est construit sur le microcontrôleur ESP32, utilisant :
- Le capteur ENS160 : Pour le CO2 équivalent (eCO2), les COV totaux (TVOC) et l'indice de qualité de l'air (AQI).
- Le capteur BME280 : Pour la température, l'humidité et la pression barométrique.
- Connectivité : L'ESP32 fonctionne comme un point d'accès Wi-Fi autonome, hébergeant un serveur web qui diffuse des rapports environnementaux en temps réel et des données JSON sans nécessiter d'internet externe ou d'abonnements cloud.
- Coût : Le coût total des composants est estimé entre 22 USD et 35 USD.
Protocole expérimental : Le système a été déployé dans un bureau de 120 m³ avec 10 occupants sur une journée de travail de 8 heures. Les données ont été enregistrées toutes les 5 secondes, le firmware effectuant l'intégration numérique des doses et l'extrapolation de prédictions à 4 heures pour alerter les gestionnaires de l'imminence de niveaux de stress critiques.

Résultats clés

Validation du modèle : Le modèle a été validé de manière croisée avec quatre études internationales indépendantes (Satish et al., Allen et al., Cedeño Laurent et al., et Künn et al.). Les résultats ont démontré une erreur quadratique moyenne (RMSE) de 0,18 point de pourcentage et une erreur absolue maximale de 1,5 point de pourcentage, confirmant une haute précision prédictive à travers des ensembles de données hétérogènes.
Performance opérationnelle : Lors du déploiement sur le terrain, le système a suivi avec succès la dégradation cognitive. À 08h00, l'efficacité cognitive était de 98,2 % avec 1,8 % de stress. À 14h00, alors que le CO2 atteignait 1 680 ppm et les TVOC 210 ppb, l'efficacité est tombée à 62,4 % et le stress est monté à 37,6 %.
Capacité prédictive : Le système a généré des projections à 4 heures qui ont correctement identifié une trajectoire vers des niveaux de stress critiques (projetant 61,8 % de stress), déclenchant une recommandation d'« ALERTE SÉVÈRE » pour une ventilation forcée.
Analyse de sensibilité : La concentration de CO2 a été identifiée comme contribuant à 62 % de la variance de l'efficacité cognitive, suivie par la durée d'exposition (22 %). Le modèle s'est avéré robuste aux variations de ±10 % des constantes de calibration.

Signification et revendications
L'article affirme fournir un outil pratique et accessible pour la gestion préventive de la santé au travail en transformant la surveillance de la QAI d'un simple enregistrement descriptif en une gestion prescriptive. Ses principales contributions sont :

Intégration : Il combine de manière unique la détection en temps réel, un modèle physiologique/mathématique et l'analyse prédictive dans un dispositif unique et déployable.
Accessibilité : En réduisant le coût de la surveillance de plusieurs milliers de dollars à moins de 30 USD, il permet une surveillance distribuée pour les petites et moyennes entreprises (PME) et les applications portables.
Action préventive : La capacité du système à projeter les niveaux de stress futurs permet aux gestionnaires d'intervenir avant que les dommages psychologiques ne se consolident, comblant ainsi l'écart entre les données environnementales et l'impact humain.

Les auteurs notent des limites, notamment l'utilisation de capteurs eCO2 basés sur la technologie MOS (qui peuvent présenter une incertitude dans les environnements à faible corrélation CO2-COV) et l'hypothèse d'une distribution uniforme des polluants. Des travaux futurs sont suggérés, incluant la surveillance des particules fines, la couverture multi-capteurs et une validation clinique longitudinale.