5 innovations qui vont changer notre vie

Aujourd’hui, un américain adulte sur cinq souffre d’un problème de santé mentale, qu’il soit neurologique (Hungtington, Alzheimer, Parkinson, etc.) ou mental (dépression ou psychose), chaque année, et environ la moitié des individus avec des troubles psychiatriques sévères ne reçoit aucun traitement. Globalement, le coût des traitements des troubles mentaux est plus important que les coûts du diabète, des maladies respiratoires et du cancer combinés. Le fardeau économique des troubles mentaux atteint 1 000 milliards de dollars par an rien qu’aux États-Unis.

Chez IBM, les scientifiques utilisent des transcriptions et des données audios d’interviews psychiatriques, combinées à des techniques de machine learning, pour trouver des schémas dans la parole pour aider les cliniciens à prédire et contrôler précisément la psychose, la schizophrénie, l’obsession et la dépression. Aujourd’hui, cela prend seulement 300 mots environ pour aider les cliniciens à prédire la probabilité de psychose chez un utilisateur.

À l'avenir, des techniques similaires pourraient être utilisées pour aider les patients atteints des maladies de Parkinson, d'Alzheimer, d’Huntington, du SSPT (Syndrome de Stress Post-Traumatique) et même de troubles comportementaux tels que l'autisme et le TDAH (Trouble du déficit de l'attention avec ou sans hyperactivité). Les ordinateurs cognitifs peuvent analyser ce qu’un patient dit ou écrit pour rechercher des indicateurs révélateurs dans le langage, parmi lesquels le sens, la syntaxe et l'intonation. La combinaison des résultats de ces mesures avec celles des appareils portables et des systèmes d'imagerie (IRM et EEG) peut donner aux professionnels de santé une image plus complète de l'individu afin de mieux identifier, comprendre et traiter la maladie sous-jacente.

Plus de 99,9% du spectre électromagnétique ne peuvent être observés à l'œil nu. Dans cinq ans, de nouveaux dispositifs d'imagerie utilisant la technologie d'hyperimagerie et l'IA nous aideront à voir largement au-delà du domaine de la lumière visible en combinant de multiples bandes du spectre électromagnétique pour révéler des informations utiles ou des dangers potentiels qui seraient autrement inconnus ou cachés. Plus important encore, ces appareils seront portables, abordables et accessibles, de sorte que la vision de super héros pourra faire partie de nos expériences quotidiennes.

Une vue des phénomènes physiques invisibles ou vaguement visibles qui nous entourent pourrait aider à rendre la route et les conditions de circulation plus claires pour les conducteurs et les véhicules autonomes. Par exemple, en utilisant l’imagerie à ondes millimétriques, un appareil photo et d’autres capteurs, la technologie d’hyperimagerie pourrait aider une voiture à voir à travers le brouillard ou la pluie, à détecter des conditions de circulation dangereuses et difficiles à voir telles que du verglas, ou à nous dire s’il y a des objets droit devant, à quelle distance et leur taille. Les technologies de l’informatique cognitive vont appliquer du raisonnement sur ces données et reconnaîtront ce qui pourrait être une poubelle renversée versus un cerf traversant la route, ou un nid-de-poule qui pourrait entrainer une crevaison.

Intégrées à nos téléphones, ces mêmes technologies pourraient prendre des photos de notre nourriture pour en montrer la valeur nutritionnelle ou si elle peut être consommée sans danger. Une hyperimage d’un médicament pharmaceutique ou d’un chèque bancaire pourrait nous dire ce qui est frauduleux et ce qui ne l’est pas. Ce qui autrefois n’était pas perceptible par l’humain le deviendra.

Aujourd’hui, le monde physique nous donne seulement un aperçu de notre écosystème interconnecté et complexe. Grâce à l’Internet des Objets, de nouvelles sources de données affluent de millions d’objets connectés – de réfrigérateurs, d’ampoules, de votre moniteur de fréquence cardiaque mais également de capteurs à distance tels que les drones, les caméras, les satellites et les réseaux de télescopes. Il y a déjà plus de six milliards d’appareils connectés générant des dizaines d’exabytes de données par mois, avec un taux de croissance de plus de 30% par an. Après avoir numérisé avec succès les informations, les transactions commerciales et les interactions sociales, nous sommes désormais dans le processus de numérisation du monde physique.

Dans cinq ans, nous utiliserons des algorithmes de machine learning et des logiciels pour nous aider à organiser les informations sur le monde physique pour permettre d’amener les données vastes et complexes collectées par des milliards d’appareils à la portée de notre vision et de notre compréhension. Nous appelons cela un « macroscope » - mais à l’opposé du microscope qui permet de voir le très petit ou du télescope qui permet de voir très loin, c’est un système de logiciels et d’algorithmes qui permet de rassembler toutes les données complexes de la Terre pour analyser leur signification.

En agrégeant, organisant et analysant des données sur le climat, les conditions du sol, les niveaux d’eau et leur relation avec les pratiques d’irrigation par exemple, une nouvelle génération d’agriculteurs bénéficieront d’informations clés qui les aideront à déterminer les bon choix de culture, où les planter et comment produire des rendements optimaux tout en conservant des réserves d’eau précieuses.

En 2012, IBM Research a commencé à investiguer sur ce concept à Gallo Winery, en intégrant les données sur l’irrigation, le sol et la météo avec des images satellites et des données d’autres capteurs pour prédire l’irrigation spécifique nécessaire pour produire un rendement et une qualité optimaux de raisin. Dans le futur, les technologies du macroscope nous aideront à adapter ce concept partout dans le monde.
Au-delà de notre propre planète, les technologies du macroscope pourraient toucher, par exemple, l’indexation et la corrélation compliquées de plusieurs niveaux et volumes de données collectées par des télescopes pour prédire les collisions d’astéroïdes l’un avec l’autre et en apprendre davantage sur leur composition

La détection précoce des maladies est cruciale. Dans la plupart des cas, plus la maladie est diagnostiquée tôt, plus elle aura de chances d’être soignée ou bien contrôlée. Cependant, des maladies comme le cancer ou Parkinson peuvent être difficiles à détecter – se cachant dans nos corps avant que les symptômes n’apparaissent. Des informations sur l’état de notre santé peuvent être extraites de minuscules bioparticules dans des fluides corporels comme la salive, les larmes, le sang, l’urine et la transpiration. Les techniques scientifiques existantes font face à des défis pour capturer et analyser ces bioparticules, qui sont des milliers de fois plus petites que le diamètre d’un cheveu humain.

Dans les cinq prochaines années, de nouveaux laboratoires médicaux sur puce serviront de détectives nanotechnologiques de santé – identifiant des indices invisibles dans nos fluides corporels et nous informant immédiatement si nous avons une raison de consulter un médecin. L'objectif est de réduire à une seule puce de silicium tous les processus nécessaires pour analyser une maladie qui serait normalement effectués dans un laboratoire de biochimie à grande échelle.

La technologie de laboratoire-sur-puce pourrait finalement être conditionnée dans un appareil portable approprié pour permettre aux gens de mesurer rapidement et régulièrement la présence de biomarqueurs trouvés dans des petites quantités de fluides corporels, envoyant ces informations en streaming dans le Cloud depuis leur domicile. Là, elles pourraient être combinées avec des données provenant d’autres appareils IoT, comme des moniteurs de sommeil et des montres connectées, et analysées par des systèmes d’IA pour fournir des informations utiles. Une fois rassemblé, cet ensemble de données nous donnera une vue en profondeur de notre santé et nous alertera des premiers signes de troubles, nous aidant ainsi à stopper les maladies avant qu’elles ne progressent.

À IBM Research, les scientifiques développent des nanotechnologies de laboratoires-sur-puce qui peuvent séparer et isoler les bioparticules d’un diamètre allant jusqu’à 20 nanomètres, une échelle qui donne accès à l’ADN, à des virus et à des exosomes. Ces particules pourraient être analysées pour potentiellement révéler la présence d’une maladie bien avant que nous n’ayons des symptômes.

Aux États-Unis, les émissions des systèmes pétroliers et gaziers sont la plus importante source industrielle de méthane dans l'atmosphère. L'Agence américaine de protection de l'environnement (EPA) estime que plus de neuf millions de tonnes métriques de méthane ont fui des systèmes de gaz naturel en 2014. Mesuré en équivalent CO2 sur 100 ans, c'est plus de gaz à effet de serre que ceux émis par l’ensemble des usines américaines de fabrication de fer et d'acier, de ciment et d'aluminium combinés.

Dans cinq ans, de nouvelles technologies de détection à prix abordable déployées près des puits d'extraction de gaz naturel, autour des installations de stockage et le long des pipelines de distribution permettront à l'industrie de localiser les fuites invisibles en temps réel. Des réseaux de capteurs IoT connectés sans fil au Cloud assureront le suivi continu de la vaste infrastructure de gaz naturel, permettant ainsi de détecter les fuites en quelques minutes au lieu de quelques semaines, de réduire la pollution, les déchets et la probabilité d'événements catastrophiques.

Les scientifiques d'IBM s'attaquent à cette vision en travaillant avec des producteurs de gaz naturel tels que Southwestern Energy pour explorer le développement d'un système intelligent de surveillance du méthane et dans le cadre du programme ARPA-E MONITOR (Methane Observation Networks with Innovative Technology to Obtain Reductions).