Un nouveau système de capteurs détecte les toux dans une pièce, sans savoir qui tousse.

Chaque année, avec l’arrivée du froid en automne et en hiver, les maladies qui attaquent nos voies respiratoires font leur apparition. Une équipe dirigée par Dali Ismail , professeur adjoint à l’Université de Binghamton , au sein du Thomas J. Watson College of Engineering and Applied Science de l’université, a mis au point un système de capteurs destiné à aider les professionnels de la santé à surveiller plus efficacement le nombre de personnes qui toussent – ​​et qui propagent potentiellement une maladie – dans une zone donnée.

Rhumes, grippes et une multitude d’autres maladies entraînent une forte augmentation des consultations médicales et des passages aux urgences durant les mois les plus froids. Cependant, la pandémie de COVID-19 a mis en lumière les maladies respiratoires et leurs modes de transmission. Les professionnels de santé et les chercheurs ont alors porté une attention accrue aux facteurs de risque liés au contact avec des personnes malades.

Dali Ismail y a vu une opportunité de commencer à développer le système, qu’ils appellent « CoughNet ». 

« La plupart des travaux sur la santé publique et la surveillance des maladies reposent fortement sur l’apprentissage automatique et nécessitent une puissance de calcul importante », explique Dali Ismail, professeur à l’École d’informatique du Thomas J. Watson College of Engineering and Applied Science. « Nous souhaitions étudier la détection de la toux et l’identification des personnes qui toussent comme une application légère pouvant éventuellement fonctionner sur des appareils courants. »

Le prototype, développé par Dali Ismail et les doctorants Amir Esmaeili et Maryam Fazli, a été présenté lors de la conférence 2026 de l’IEEE/ACM sur la santé connectée : applications, systèmes et technologies d’ingénierie (CHASE) en août.

CoughNet est un réseau de « stations d’écoute » qui détectent les toux, déterminent s’il s’agit bien d’une toux, puis vérifient si la toux provient d’une personne déjà enregistrée ou d’une nouvelle personne.

Pour ce faire, trois Raspberry Pi — de petits ordinateurs monocartes peu coûteux dotés de microphones intégrés — sont placés dans une pièce. Lorsqu’une personne tousse dans la pièce, les trois Raspberry Pi entendent le son, mais celui qui est le plus proche de la personne qui tousse l’entend plus fort.

Capteur utilisé par l’équipe d’Dali Ismail pour CoughNet, basé sur un ordinateur monocarte Raspberry Pi. Crédit photo : Fournie.

L’ordinateur enregistre ensuite un court extrait de la toux et le soumet à un modèle d’intelligence artificielle qui détermine s’il s’agit d’une toux authentique. Pour identifier la personne qui a émis la toux, le système analyse l’enregistrement des trois microphones, en examinant l’intensité de chaque toux et le temps de propagation du son. 

« Le microphone le plus proche de la source sert de microphone de référence, et nous pouvons effectuer une corrélation pour déterminer si cette toux provient de la même personne, car la même toux sera entendue par les deux autres microphones, qui sont un peu plus éloignés », a expliqué Dali Ismail.

Après l’enregistrement d’une série de quintes de toux, le système détecte un schéma. Si plusieurs quintes présentent une intensité et un temps de propagation similaires jusqu’au microphone, elles proviennent probablement de la même personne.

Efficace et respectueux de la vie privée

Ce système est non seulement efficace, mais aussi performant. Les ordinateurs Raspberry Pi sont extrêmement abordables ; de nombreux modèles sont disponibles à moins de 50 $. De plus, ces ordinateurs sont extrêmement économes en énergie, notamment grâce à leur mode de transmission des fichiers audio.

Ces appareils utilisent la technologie sans fil LoRa (Low-Power Long Range), qui couvre une surface intérieure bien plus importante qu’un simple point d’accès Wi-Fi tout en consommant si peu d’énergie que les capteurs peuvent fonctionner pendant des années sur piles. 

Comme LoRa ne peut traiter que des messages courts, les unités sélectionnent les données qu’elles envoient. Si un enregistrement de toux est clair, il est traité et regroupé localement. S’il est bruyant ou inaudible, un court extrait est transféré vers un ordinateur plus puissant situé à proximité. En résumé, CoughNet traite les données qu’il peut et ne transfère que celles qui sont nécessaires.

« Il s’agit essentiellement d’une combinaison de réseau et de calcul. Les deux sont optimisés pour fonctionner efficacement sur ces appareils minuscules, et nous avons également opté pour LoRa car sa consommation d’énergie est extrêmement faible comparée au Wi-Fi », a expliqué Dali Ismail. « Un capteur de faible puissance classique peut fonctionner avec des piles AA pendant une dizaine d’années. »

L’utilisation probable de CoughNet en milieu médical soulève une question évidente de confidentialité. Dali Ismail souligne que CoughNet comptabilise uniquement le nombre de quintes de toux distinctes dans la pièce et ne permet pas d’identifier les personnes qui les émettent.

Contrairement à d’autres systèmes de détection en santé publique qui utilisent des caméras thermiques ou des capteurs visuels, CoughNet réagit uniquement à de brèves impulsions sonores ressemblant à une toux, sans reconnaissance vocale ni transcription. Il ne détermine pas si « la personne X » a toussé, mais seulement qu’une toux s’est produite.

« Si l’on parvient à atteindre le même niveau de précision sans recourir à une caméra ou à des capteurs supplémentaires, alors je pense que nous aurons réussi », a déclaré Dali Ismail. « Surtout si l’on considère des environnements intérieurs comme un hôpital. »

De plus, le système ne traite que le volume audio nécessaire à sa détection, puis supprime immédiatement le son brut une fois l’analyse terminée. 

Et ensuite ?

Bien que CoughNet serve de preuve de concept, Dali Ismail prévoit de développer davantage le système. 

Dans sa version actuelle, CoughNet analyse des enregistrements audio et les identifie comme des toux. Un objectif majeur pour l’avenir est d’analyser plus en profondeur les toux en examinant leurs signatures acoustiques spécifiques et en vérifiant si le son est caractéristique d’une maladie particulière (comme un syndrome grippal, la COVID-19 ou une bronchite). 

« Nous cherchons à savoir si certaines maladies présentent des caractéristiques ou des sons de toux que nous pouvons utiliser pour donner une sorte de probabilité — cette personne tousse et elle pourrait avoir X ou Y », a déclaré Dali Ismail.

L’application la plus évidente consiste à installer cette technologie dans les salles d’attente ou les unités médicales afin d’alerter le personnel en cas de recrudescence de maladies respiratoires dans une zone définie, ce qui permettrait de mieux les informer et d’allouer les ressources plus efficacement.

Cependant, CoughNet pourrait avoir des applications grand public. Dali Ismail souhaite que cette technologie fonctionne sur des casques à réduction de bruit active et des objets connectés afin de transformer ces appareils en assistants discrets. Par exemple, le dispositif pourrait théoriquement alerter une personne entrant dans une zone à risque élevé de maladies respiratoires.

Cette technologie pourrait emprunter de nombreuses voies, et c’est justement ce qui la rend si passionnante pour ses créateurs.

« On peut envisager de nombreuses applications, mais c’est notre premier projet dans le domaine de la santé, et nous sommes très enthousiastes », a déclaré Dali Ismail. « Ce type de recherche a un impact sur la société. C’est ce qui la rend si intéressante. »

https://www.binghamton.edu/news/story/6504/coughing-sensor-system-binghamton-university