Approches computationnelles de phénotypage comportemental pour le dépistage et le suivi des troubles du spectre de l'autisme et du syndrome dysexecutif

Le dépistage, le diagnostic et le suivi précoces de conditions neurologiques tels que les troubles du spectre autistique et les syndromes dysexécutifs sont cruciaux pour améliorer le parcours de soin. Malgré les avancées en imagerie, génétique, et diagnostic moléculaire, les évaluations comportementales cliniques restent la référence. Ces méthodes reposent sur des mesures subjectives plutôt qu'objectives, manquent de précision, nécessite du personnel hautement qualifié, et génèrent des délais et inégalités d'accès aux soins. En parallèle, les caméras, microphones, et capteurs physiologiques sont de plus en plus utilisés dans des contextes écologiques pour évaluer le comportement. Toutefois, leur hétérogénéité, leur volume, leur variabilité et leur haute dimensionnalité posent d'importants défis analytiques. La thèse est structurée en trois parties, chacune abordant diffèrent aspects méthodologiques de l'analyse comportementale computationnelle. Pour le dépistage précoce des troubles du spectre autistique, la première partie présente un test instrumenté conçus stratégiquement pour susciter des comportements caractéristiques associés à l'autisme. Nous présentons d'abord l'estimation de deux ensembles de marqueurs comportementaux: le premier s'appuie sur la vision par ordinateur et l'analyse audio pour quantifier la réponse des enfants à l'appel de leur prénom; le second modélise les interactions entre les doigts de l'enfant et l'écran tactile lors d'un jeu conçu pour susciter l'intégration visuomotrice, les comportements répétitifs et les compétences de motricité fine. En les combinant à d'autres indicateurs comportementaux, les biomarqueurs étudiés contribuent à différencier les groupes diagnostiques et à produire un phénotypage interprétable à partir des interactions de l'enfant avec le test. Pour l'évaluation écologique des troubles sensorimoteurs et des syndromes dysexécutifs chez les patients cérébrolésés, la deuxième partie introduit une méthode de symbolisation permettant de caractériser les trajectoires comportementales lors de la préparation d'un gâteau au chocolat. À partir de vidéos égocentriques, nous extrayons itérativement des prototypes de la vision des participants — unités élémentaires de perception visuelle interprétables sur le plan comportemental — par l'exploration d'espace résiduel et d'annotations manuelles pour valider les prototypes. Ceux-ci permettent de construire des représentations symboliques compactes de la vision des participants utiles à l'analyse personnalisée de l'exécution de la tâche, la comparaison entre groupes, et facilitent l'intégration multimodale. Nous proposons une nouvelle distance entre séquences symboliques optimisant leur alignement, et permettant l'estimation de barycentrique de ces trajectoires de vision. Ces barycentres pour chaque groupe permettent de mieux comprendre les exécutions typiques de chaque groupe, et la comparaison par rapport à une référence. Enfin, la troisième partie s'intéresse au suivi préventif des maladies cardiovasculaires à partir de biosignaux collectés passivement. Nous améliorons la sensibilité temporelle des représentations apprises en intégrant implicitement l'horodatage des signaux lors de la formation des paires positives en apprentissage auto-supervisé contrastif, favorisant ainsi la cohérence physiologique des échantillons d'entrainement. Cette méthode permet de mieux prédire, sur des horizons temporels variés, plusieurs indicateurs clés de santé: le statut diabétique (HbA1C), la condition cardio-respiratoire (VO2max), l'indice de masse corporelle (IMC) et le risque cardiovasculaire selon le score de Framingham. Si l'analyse comportementale computationnelle promet des évaluations plus systématiques, précises et objectives en médecine, elle soulève des enjeux éthiques et sociotechniques majeurs — interprétabilité, généralisation, respect de la vie privée, risques de surveillance ou de contrôle normatif, et soutenabilité environnementale.