Report

Large Language Models (LLMs) have shown outstanding performance across natural language processing tasks. Yet, their deployment on embedded devices is hindered by limited memory, computing power, and energy efficiency. This project addresses these challenges by evaluating, adapting, and implementing a Small Language Model (SLM) designed for ultra-low power, resource-constrained systems. The proposed research will focus on: • Offline functionality, ensuring robustness even without network access. • Ultra-low energy consumption, suitable for battery-powered and energy-harvesting devices. • Reduced computational requirements, enabling deployment on platforms such as Raspberry Pi 5 or microcontroller-based systems. • Preserved user experience, maintaining responsiveness and relevance of interactions. The application case will be the Smokwit smart ashtray, an innovative device supporting smoking cessation in real-world environments. By embedding an autonomous conversational agent directly in the ashtray, smokers will receive personalized, privacy-preserving, and context-aware advice in line with evidence-based "5A" cessation protocols. Beyond this case, such optimization will pave the way for a wide range of applications where mobility, privacy, and autonomy are key. Expected outcomes include (i) a working prototype of a smart ashtray embedding an SLM, energy self-sufficient and delivering brief interventions offline, and (ii) a peer-reviewed scientific publication on design, implementation, and performance evaluation of such resource-efficient edge AI systems.

A. Sur votre projet

1. Titre du projet InnovCare Monitor

2. Compléter la phrase suivante Notre projet propose une innovation qui permettra de développer des solutions pour résoudre le problème suivant / satisfaire le besoin suivant : les chutes et incidents nocturnes non détectés à temps chez les résidents d'EMS et les personnes suivies à domicile, faute de surveillance continue et non intrusive.

3. Domaine du projet

• [x] Déshospitalisation
• [x] Santé digitale

4. Type de projet et de solution proposée

• [x] Produit
• [x] Solution technologique

5. Votre projet a-t-il été soumis ailleurs pour financement ?

• [x] Non

6. Membres de l'équipe

Membre 1

• Nom : Jérôme Cycumar
• Position / Fonction : Fondateur, Care Aide & Product Owner
• Rôle et contribution : Porteur de projet, développement produit
• E-mail : contact@innovcare-solutions.ch

Membre 2

• Nom : Michael Dusong
• Position / Fonction : Coach technique Platinn
• Rôle et contribution : CTO de facto, appui technique
• E-mail : michael.dusong@platinn.ch

B. Description du projet

1. Buts / objectifs du projet Développer et déployer une plateforme de surveillance nocturne passive pour détecter les chutes et suivre les signes vitaux des résidents en EMS et des personnes suivies à domicile, sans caméra ni intrusion. Un MVP fonctionnel existe déjà ; l'objectif est de le valider en conditions réelles avec des structures de soins partenaires.

2. État de l'art de votre concept La solution combine des capteurs sous-matelas (ballistocardiographie) et un radar à ondes millimétriques pour détecter les chutes et suivre fréquence cardiaque et respiratoire, sans caméra. Contrairement aux solutions existantes (Qumea, Vayyar, EarlySense), InnovCare Monitor associe surveillance passive des signes vitaux, détection de chutes et un score de risque prédictif dans une seule plateforme SaaS, pensée pour et par le terrain des soins.

3. Plan de votre travail

• A – Défi à relever : valider le MVP en conditions réelles auprès de structures de soins
• B – Idée / Solution envisagée : pilote terrain avec capteurs Aqara FP2 et Withings Sleep Analyzer
• C – Activités planifiées : tests hardware, intégration Home Assistant, recherche de pilotes (Living Lab La Chaux-de-Fonds ciblé)
• D – Infrastructures disponibles : MVP fonctionnel (Next.js, Supabase, Vercel), réseau Platinn et Microcity

4. Aspects innovants de votre technologie Surveillance 100% passive et non intrusive (aucune caméra), conforme LPD/RGPD dès la conception. Le score de risque prédictif, combinant signes vitaux et historique de sommeil, n'est pas proposé commercialement par les acteurs existants du marché.

5. Capacité envisagée à améliorer la qualité des soins Permettre aux équipes soignantes d'anticiper les chutes et incidents nocturnes plutôt que de les découvrir a posteriori, réduisant les délais d'intervention et le stress du personnel de nuit, tout en préservant la dignité et l'intimité des résidents.

6. Impact potentiel sur l'économie ou l'efficience du système de santé Réduction des coûts liés aux complications post-chute (hospitalisations, fractures), optimisation du temps du personnel soignant de nuit, et maintien à domicile prolongé pour les bénéficiaires suivis en soins à domicile.

7. Plans futurs Poursuite du développement avec un partenaire technique (Michael Dusong, Platinn), recherche active de pilotes terrain (cible août-octobre 2026), et structuration progressive de l'entreprise avec l'appui du réseau Microcity/Platinn/HE-Arc.