Profil du membre

J’ai effectué la majeure partie de mon parcours académique au Cameroun, où j’ai obtenu un bachelor en génie logiciel à la Catholic University Institute of Buea. Cette formation m’a permis d’acquérir une solide base en conception, développement et gestion de systèmes logiciels, tout en développant une approche analytique et rigoureuse des technologies numériques. Par la suite, j’ai poursuivi mes études au Canada, d’abord en m’inscrivant à un programme en informatique quantique, domaine émergent qui m’a permis de me familiariser avec les fondements théoriques et les perspectives applicatives de cette discipline en plein essor. Bien que j’aie choisi d’interrompre ce programme, cette expérience m’a ouvert de nouvelles perspectives sur l’innovation technologique et la recherche avancée. Actuellement, je poursuis une maîtrise de type recherche à l’Université de Sherbrooke, au sein du laboratoire DOMUS. Mes travaux s’inscrivent dans le cadre du projet COOK, où je m’intéresse à l’intégration de la technologie, de la recherche appliquée et des usages concrets, dans une démarche interdisciplinaire. Cette expérience me permet d’approfondir mes compétences en recherche scientifique, tout en contribuant à des projets porteurs et innovants.

COOK : Un système de règles floues adaptatif pour la détection contextuelle des risques en cuisine et assistance personnalisée.

Le projet COOK vise à concevoir et évaluer un système intelligent de détection de situations dangereuses lors de la préparation de repas. Bien qu’une version de COOK existe, celle-ci n’est pas assez robuste car elle ne peut pas s’adapter au profil de l’utilisateur et ne s’ajuste pas en fonction du type d’utilisation Ma recherche se repose sur une approche par logique floue et par apprentissage adaptatif, dans le but d’assister les utilisateurs — notamment les personnes vulnérables — dans la prévention des incidents en cuisine. Le système s’appuie sur plusieurs sous-contextes (appareil de cuisson, environnement, activité de cuisson, profil utilisateur) pour inférer un niveau de dangerosité à partir des données de capteurs (température, gaz, présence, durée, etc.). Chaque sous-contexte contribue à l’analyse globale à travers des règles floues pondérées dynamiquement par des coefficients adaptatifs. L’objectif principal est de permettre une détection fine, personnalisée et contextualisée du risque, capable de s’adapter au profil de l’utilisateur et à son historique d’usage. Cela inclut également des mécanismes d’apprentissage à long terme basés sur l’historique d’incidents, afin d’ajuster dynamiquement les règles et les poids. En intégrant la logique floue, la pondération contextuelle et l’apprentissage, COOK propose une orthèse cognitive proactive et peu intrusive, pour un meilleur maintien à domicile et une réduction des risques d’accidents domestiques. En plus de cela, l'intégration d'un "Large Language Model" se fera afin d'apporter une assistance personalisable et humaine lors de la préparation.