Thèse: Prise de décision et adaptation automatique au contexte d’une maison intelligente basée sur des LLMs

Résumé

Cette thèse s’inscrit dans le domaine de la maison intelligente et aborde les défis liés à la conception de systèmes domotiques proactifs, basés sur le contexte de l’utilisateur et de l’habitat. Après une revue systématique de la littérature sur la prise de décision dans la maison intelligente, ce travail met en évidence les différentes approches étudiées et leurs limitations générales, telles que le manque de flexibilité de l’IA symbolique ou les difficultés d’apprentissage inhérentes aux méthodes de Machine Learning et de Reinforcement Learning. Pour dépasser ces limites, la thèse opére un changement de paradigme avec l’utilisation des Large Language Models (LLM) au cœur du système pour la prise de décision. Elle illustre le potentiel des LLM pour améliorer la compréhension contextuelle et l’adaptation personnalisée. Dans cette perspective, le système HomeAI est proposé, composé d’un système principal et de deux sous-systèmes : - Un système utilisant le LLM comme moteur de décision pour interpréter les besoins via une représentation en langage naturel de la maison, de l’utilisateur, de ses actions et de ses préférences. - Un sous-système dédié à la gestion explicite des préférences via des retours vocaux en langage naturel. - Un sous-système visant la détection des retours implicites, en inférant l’évolution des préférences à long terme à partir de l’historique des interventions .Le système a été validé par des simulations et un déploiement réel dans un espace expérimental, la Maison Intelligente de Blagnac. Les simulations montrent que l’intégration des préférences dans le prompting améliore les performances, avec un gain moyen de 23% sur les modèles sélectionnés. De plus, l’approche LLM fournit dès l’initialisation des performances équivalentes à celles nécessitant une semaine de collecte de données pour des modèles de ML classiques. Enfin, l’évaluation en Living Lab a abouti à un score SUS (System Usability Scale) de 71.8, validant l’utilisabilité et la faisabilité de l’approche. Mots clés : Habitat intelligent, Intelligence Artificielle, prise de décision, adaptativité, Internet des objets, Interaction Humain Machine.