« Au départ, je travaillais sur un modèle permettant d’authentifier une signature, explique le Pr Plamondon. Chaque personne a une façon unique de tracer la sienne. Il fallait réaliser un traitement de signal intelligent pour être capable de reconnaître l’auteur d’une signature. Cela m’a mené à réfléchir à ce qu’est en fait une signature : un ensemble de traits de crayons successifs et rapides ». Le chercheur a développé un modèle neuromusculaire qui permet de représenter et segmenter la vitesse d’un tracé à partir de fonctions lognormales. Avec son équipe d’étudiants, il a développé des algorithmes qui peuvent être utilisés aussi bien pour analyser les mouvements de la main, du bras et de l’avant-bras, de la tête ou même des yeux. Ce modèle neuromusculaire pourrait bien être universel, pense-t-il.

Les maladies neurodégénératives, telles qu’Alzheimer ou Parkinson, les troubles du développement comme le déficit de l’attention, ou encore le vieillissement naturel, éloignent un sujet de la lognormalité. Les modèles développés par l’équipe du Pr Plamondon permettent d’analyser les différences de vitesse entre les traits réalisés par des sujets atteints et ceux de sujets sains. « Nos travaux nous ont aussi montré des différences dans les tracés réalisés par des sujets à risque de faire des AVC », ajoute M. Plamondon.

Ces recherches mènent à la réalisation d’outils très fiables et non-invasifs d’évaluation de l’état de santé de patients. L’équipe du chercheur développe à ce propos des applications utilisables avec des écrans de tablettes ou de téléphones intelligents.