Brain decoding, un large spectre d’applications
« Notre ambition est de devenir le leader mondial de l’analyse des ondes cérébrales. Grâce à notre technologie, nous sommes capables de différencier les stimuli sensoriels – toucher, vision, odorat, ouïe, goût – et d’en identifier l’émotion précise. Cela nous permet de certifier qu’une émotion provient bien d’un parfum, d’un packaging, d’une vidéo, d’une image ou encore d’une musique », explique Olivier Locufier, cofondateur et CEO de la start-up française HABS (Human Augmented Brain Systems).
HABS est une startup deeptech française fondée en 2023 et issue d’une collaboration avec l’Université Paris-Saclay. L’entreprise développe une technologie non intrusive capable d’analyser les ondes cérébrales grâce à un capteur EEG ultraléger et à des algorithmes d’intelligence artificielle.
Fondée en 2023, l’entreprise adresse plusieurs marchés stratégiques* : la cybersécurité (avec l’authentification par signature cérébrale), la mobilité (sécurité routière et détection de la fatigue, alcool), le luxe (conception et validation émotionnelle de produits), l’agroalimentaire, ou encore la relation client.
À la croisée des neurosciences, du chiffrement et de l’IA, le système développé par HABS permet notamment de détecter différents neuromarqueurs : une vingtaine d’émotions humaines distinctes, des indicateurs physiologiques, des intentions positives ou négatives, la douleur, les taux d’alcool ou de drogue, ainsi que la fatigue et la concentration.
À NOTER : HABS se distingue par son approche éthique et sécurisée du traitement des données cérébrales, fondée sur l’anonymisation et le respect de la vie privée.
Julie Guénard :
Est-ce que vous pourriez nous présenter un peu votre parcours et la mission de HABS ?
Olivier Locufier :
Je viens du monde de la cybersécurité, dans lequel j’évolue depuis de nombreuses années, plus particulièrement dans le domaine de la biométrie — tout ce qui concerne les empreintes digitales, l’iris ou encore la reconnaissance faciale. J’ai également développé une expertise solide dans les domaines du chiffrement et de l’authentification forte.
Il y a environ deux ans, nous avons décidé d’explorer un nouveau champ : celui des ondes cérébrales.
Dans un premier temps, notre approche est restée dans le cadre de la cybersécurité, avec pour objectif de détecter ce que l’on appelle une unicité biométrique au niveau des ondes cérébrales. Concrètement, cela signifie que chaque individu possède une signature cérébrale unique. Les premiers calculs réalisés avec nos algorithmes ont révélé environ 100 milliards de combinaisons possibles, ce qui dépasse largement la population mondiale. C’est à ce moment-là que nous avons compris que nous tenions quelque chose d’important.
Nous avons donc poursuivi nos travaux, et nous avons fini par constater que notre technologie permettait de décrypter pratiquement tous les flux cérébraux. À la base, il faut le souligner, il ne s’agissait pas du tout d’une technologie issue des neurosciences, mais bien d’une technologie de chiffrement.
C’est en collaborant ensuite avec le laboratoire de Paris-Saclay que nous avons pu comprendre la nature des signaux que nous décryptions. Nous avons travaillé ensemble pendant un an avant de lancer la structure.
Grâce à cette collaboration avec l’Université Paris-Saclay, nous avons pu identifier différents systèmes d’activité cérébrale, notamment ceux liés aux émotions humaines — qu’elles soient positives ou négatives, conscientes ou inconscientes. Nous avons également pu détecter certains marqueurs liés à la santé, comme la douleur ou certaines pathologies.
Nous travaillons aujourd’hui dans le domaine de la sécurité routière, afin de développer des solutions capables de détecter la fatigue, le niveau de concentration, la charge mentale, ou encore la présence d’alcool ou de drogues. Ce sont des éléments essentiels pour renforcer la sécurité, aussi bien sur la route que dans les environnements industriels.
Parallèlement, nous avons isolé d’autres données qui ouvrent la voie à la compréhension émotionnelle des intelligences artificielles. Cela fait partie de notre roadmap future : permettre aux IA, qu’il s’agisse d’assistants conversationnels ou de futurs robots, de mieux comprendre l’être humain grâce à une connexion cérébrale.
Cette connexion permettrait de capter la charge mentale et les émotions de l’utilisateur, afin que l’IA puisse adapter son langage et son comportement en fonction de la personne avec laquelle elle interagit.
Julie Guénard :
Votre IA s’appelle Sensora. Comment fonctionne-t-elle concrètement, puisqu’elle peut capter plus de vingt émotions clés ?
Olivier Locufier :
Alors, concernant les émotions, il faut savoir que nous avons identifié plusieurs éléments essentiels. Nous avons développé une intelligence artificielle qui repose à la fois sur des agents IA et sur du Deep Reinforcement Learning (DRL). Ce dernier nous permet de différencier avec précision les stimuli.
Pour expliquer simplement, les émotions cérébrales ont été cartographiées depuis une cinquantaine d’années, notamment sur la zone du lobe frontal. Cependant, interpréter ces signaux reste aujourd’hui extrêmement complexe.
Prenons un exemple : si je bois un verre d’eau et que je souhaite détecter les émotions liées à cette action, c’est très difficile. La plupart des acteurs du marché suivent simplement le flux électrique dans le cerveau et en déduisent : “si cela va dans telle zone, alors c’est une émotion de joie”.
Mais la question est : la joie par rapport à quoi ? Est-ce la joie liée au verre d’eau lui-même, à l’environnement, ou à un souvenir associé ? Cette nuance est justement ce que notre IA parvient à distinguer.
Grâce à notre technologie, nous sommes capables de différencier les stimuli sensoriels — toucher, vision, odorat, ouïe — et d’en identifier l’émotion précise. Cela nous permet de certifier qu’une émotion provient bien d’un parfum, d’un packaging, d’une vidéo, d’une image ou encore d’une musique.
Un autre aspect fondamental de notre technologie, c’est qu’elle repose sur un algorithme adaptatif, capable de s’ajuster à tous les contextes cérébraux. Chaque cerveau humain est unique, et selon la région du monde où l’on se trouve, les activités cérébrales peuvent aussi varier. Il était donc essentiel de développer des algorithmes universellement compatibles, capables de s’adapter à chaque individu.
C’est pour cette raison que nous utilisons également le Deep Reinforcement Learning, afin d’améliorer en continu cette capacité d’adaptation.
Enfin, un point clé de notre démarche concerne la dimension éthique.
Par exemple, notre dispositif Neoxa 2 intègre un GPU et un NPU basse consommation, ce qui permet à l’IA d’être embarquée directement dans le périphérique placé sur la tête de l’utilisateur.
Concrètement, cela signifie que les ondes cérébrales ne quittent jamais l’utilisateur. Elles sont traitées localement, directement dans le device, et seules les informations strictement nécessaires sont transmises.
Ainsi, lorsqu’un logiciel — qu’il s’agisse d’une application mobile, d’un serveur ou d’un ordinateur — demande par exemple le taux d’alcool, ou l’émotion ressentie à un instant précis face à un stimulus, le périphérique enverra uniquement cette donnée spécifique. Aucune information propriétaire ou personnelle sur les ondes cérébrales n’est partagée.
C’est un aspect fondamental, car nous manipulons des données hautement sensibles, directement liées à l’utilisateur. Nous plaçons donc l’éthique et la confidentialité au cœur même de notre technologie.
Julie Guénard :
Comment parvenez-vous à combiner toutes ces technologies — biométrie, EEG (électroencéphalographie), algorithmes, etc. — pour lire une émotion ?
Olivier Locufier :
Notre objectif est de détecter l’intégralité des stimuli afin de comprendre au mieux ce qui se passe dans le cerveau.
Concrètement, nous analysons d’abord les ondes cérébrales, ces petites impulsions électriques émises par le cerveau. Leur cartographie nous permet de repérer précisément les zones d’activité associées à certaines émotions.
Nous ajoutons ensuite la pupillométrie, qui consiste à analyser les mouvements et dilatations de la pupille. Cela nous permet de corréler les données cérébrales avec celles des yeux pour affiner encore davantage la détection émotionnelle.
Vient ensuite l’eye-tracking, une technologie qui permet de savoir exactement où l’utilisateur porte son regard. Grâce à cette donnée, nous pouvons relier très précisément l’attention visuelle à l’émotion détectée.
Nous prenons également en compte les battements cardiaques, qui constituent un indicateur physiologique majeur des émotions, ainsi que le rythme respiratoire et certaines réactions cutanées, comme la conductance de la peau, qui traduisent des réponses émotionnelles directes du corps.
L’ensemble de ces informations — activité cérébrale, mouvements oculaires, rythme cardiaque, respiration, peau — est ensuite traité par une IA multimodale.
Cette IA analyse et recoupe toutes les données pour identifier ce que nous appelons, chez HABS, des neuromarqueurs.
Ces neuromarqueurs émotionnels correspondent à des émotions certifiées à un instant T, en lien direct avec un stimulus réel rencontré par l’utilisateur.
Julie Guénard :
Pourquoi les entreprises n’intègrent-elles pas encore assez cette analyse des émotions dans leurs stratégies ?
Olivier Locufier :
Tout simplement parce que c’est encore relativement récent. Jusqu’à présent, les technologies disponibles sur le marché ne permettaient pas d’aller aussi loin que ce que nous faisons aujourd’hui.
L’état de l’art consistait, la plupart du temps, à dire : « nous avons détecté de la joie », mais uniquement après des semaines d’analyses. Les entreprises recueillaient alors des données multi-biométriques, les traitaient pendant plusieurs semaines, puis livraient un rapport statistique indiquant qu’il y avait eu, par exemple, un pic de joie à tel moment…
Mais sans jamais pouvoir relier précisément cette émotion à un stimulus concret.
Notre approche, elle, est radicalement différente. Nous fournissons des résultats en temps réel, analysés par une intelligence artificielle, et directement corrélés à des stimuli réels enregistrés par le cerveau.
De plus, notre technologie permet d’aller bien au-delà des émotions de base. Nous pouvons identifier des émotions plus subtiles et complexes, comme l’empathie, la jalousie, ou encore des nuances émotionnelles intermédiaires. Cela ouvre des perspectives considérables pour de nombreux secteurs.
Nous recevons aujourd’hui beaucoup de sollicitations — que ce soit dans l’industrie du luxe, l’agroalimentaire, l’automobile, ou d’autres domaines — car les entreprises commencent à comprendre l’intérêt stratégique de l’émotion dans l’expérience utilisateur.
C’est d’ailleurs pour cela que notre approche technologique suscite beaucoup d’attention actuellement.
Julie Guénard :
Vous évoquez une analyse des émotions en temps réel. Comment parvenez-vous à distinguer les différents stimuli — l’odeur, le toucher, la vision, l’ouïe — qui ont provoqué l’émotion ?
Olivier Locufier :
Cela repose directement sur l’entraînement de notre intelligence artificielle. Nous avons enregistré les données de plusieurs centaines de personnes, dans des contextes variés, afin de constituer des datasets spécifiques — c’est d’ailleurs une autre de nos activités principales.
Ces ensembles de données nous permettent, pour chaque cas de figure, d’identifier et de décrypter avec précision les stimuli sensoriels à l’origine des réactions émotionnelles.
Nous avons développé de nombreux protocoles expérimentaux pour cette partie, afin d’assurer la fiabilité et la reproductibilité de nos analyses.
Julie Guénard :
Est-ce que vous avez déjà identifié des usages business concrets et mesurables ?
Olivier Locufier :
Oui, il y en a beaucoup.
Nous avons notamment plusieurs cas d’usage dans le monde du luxe, où certaines marques souhaitent tester et comparer des parfums — parfois une quinzaine à la fois — afin de vérifier si les émotions qu’elles cherchent à susciter sont effectivement perçues par les utilisateurs.
Elles veulent aussi savoir comment leurs concurrents se positionnent émotionnellement : est-ce que leurs créations déclenchent des émotions similaires, différentes, plus intenses ?
Souvent, ces marques souhaitent ensuite analyser le “full mix” émotionnel : non seulement l’émotion olfactive liée au parfum, mais aussi celles générées par le visuel du packaging, le toucher du produit, la publicité télévisée, voire le choix de l’égérie.
L’objectif est de vérifier si tous les éléments sont cohérents émotionnellement et s’il n’existe pas de dissonances dans la stratégie marketing ou dans la conception du produit.
Nous travaillons aussi beaucoup avec l’agroalimentaire. Par exemple, certaines marques veulent savoir quelles émotions un goût suscite réellement, ou encore si un produit censé être relaxant l’est effectivement.
L’avantage de notre approche, c’est que nous pouvons certifier objectivement qu’un produit déclenche bien l’état émotionnel recherché — comme la relaxation, le plaisir ou la confiance — grâce à nos mesures cérébrales.
Julie Guénard :
Et en quoi l’intégration d’un KPI émotionnel change-t-elle la façon dont les entreprises conçoivent et pilotent leurs campagnes ?
Olivier Locufier :
Dans les approches traditionnelles, on se base beaucoup sur le déclaratif, mais celui-ci est souvent biaisé.
Les gens ne sont pas toujours conscients de leurs émotions profondes ou n’arrivent pas à les exprimer avec précision.
Les analyses biométriques, en revanche, nous donnent accès à des données beaucoup plus fines, y compris à des réactions inconscientes.
Par exemple, lors d’un test, une personne pouvait trouver un produit bon à l’odorat ou au goût, mais notre IA détectait une émotion inconsciente négative — liée à un souvenir d’enfance désagréable.
Ces participants auraient probablement déclaré que le produit leur plaisait, mais leur cerveau, lui, disait autre chose.
Ce type de technologie permet donc d’aller bien au-delà du déclaratif et de comprendre ce qui se joue vraiment dans la perception d’un produit.
Nous avons d’ailleurs développé une plateforme dédiée, appelée HABS Sensora, un dashboard piloté par une intelligence artificielle, qui permet aux marques de suivre l’évolution émotionnelle de leurs produits ou de leurs campagnes dans le temps.
Elles peuvent ainsi comparer différents produits concurrents, ou encore analyser l’impact d’une nouvelle campagne publicitaire par rapport au marché.
Nous travaillons actuellement à l’ouverture de datasets internationaux — en Chine, en Inde, aux États-Unis — pour mesurer la performance émotionnelle d’un produit à l’échelle mondiale.
Pour nous, cette comparabilité interculturelle est essentielle.
Julie Guénard :
Par rapport à la fiabilité de vos mesures, disposez-vous de publications ou de validations scientifiques ?
Olivier Locufier :
Oui, bien sûr.
Nos équipes scientifiques sont composées principalement de docteurs en neurosciences, en intelligence artificielle et en chiffrement.
L’un de nos plus grands contributeurs cumule à lui seul plus de 700 publications scientifiques. Nous disposons donc d’une base de recherche solide dans nos domaines d’expertise.
Mais au-delà des publications, la meilleure validation reste la démonstration.
Nous avons réalisé de nombreux tests dans lesquels les utilisateurs constatent eux-mêmes la justesse des analyses.
Par exemple, certaines personnes goûtent un produit et disent ensuite : « Non, j’arrête, je culpabilise de manger ce gâteau ». Et immédiatement, l’écran de l’IA affiche le mot “Culpabilité”.
Cette corrélation directe entre ressenti et mesure objective montre à quel point notre technologie est fiable.
Beaucoup d’utilisateurs ont aussi testé nos outils “à l’aveugle” en comparant des produits qu’ils connaissaient bien. Et l’IA a systématiquement retrouvé leurs émotions réelles, confirmant la précision du système.
Pour des émotions plus subtiles, nous travaillons en collaboration avec des docteurs en psychiatrie et des neuroscientifiques, qui nous aident à valider et affiner nos modèles.
Il faut bien comprendre que notre ADN vient du chiffrement : donc quand nous “décryptons” un flux cérébral, il est essentiel de savoir exactement ce que nous décryptons.
C’est pourquoi nous avons mis en place des protocoles scientifiques rigoureux : nous plaçons les utilisateurs dans des mises en situation contrôlées — via des images, des vidéos ou des stimuli précis —, puis des scientifiques valident les émotions mesurées.
Ces validations successives nous permettent d’améliorer continuellement notre IA et de garantir la fiabilité de nos résultats.
Julie Guénard :
Et comment pouvez-vous nous rassurer sur la protection de la vie privée et la conformité réglementaire concernant les données collectées ?
Olivier Locufier :
C’est un point absolument essentiel pour nous.
Que ce soit vis-à-vis du RGPD ou de l’AI Act, nous appliquons des protocoles de conformité très stricts.
Toutes les personnes qui participent à nos tests — les testeurs dont les données alimentent nos datasets — signent des consentements explicites et détaillés, dans lesquels l’usage, la finalité et le traitement des données leur sont entièrement expliqués.
Les données sont ensuite totalement anonymisées et chiffrées de bout en bout, y compris lors de leur transit, conformément aux standards de sécurité imposés par le RGPD et l’AI Act.
Enfin, nous avons une politique très claire : aucune donnée des datasets n’est conservée après exploitation et détection des neuro marqueurs.
Propos recueillis par Julie Guénard, Directrice Pôle Juridique, RH et Finance.
* Usecases made possible
Sensora – Emotional signature
Marketing et consommateurs
Réceptivité publicitaire
Attachement à la marque
Attrait émotionnel du produit
Récit émotionnel
Activation de l’intention d’achat
Expérience client
Cartographie du parcours émotionnel
Zones de concentration
Optimisation de l’environnement sensoriel
Tests A/B d’agencement de magasin
Points chauds de réponse émotionnelle
Médias et divertissement
Réaction émotionnelle au contenu
Impact émotionnel de la musique
Suivi de la courbe d’attention
Analyse émotionnelle du spectacle
Tests A/B au niveau de la scène
Cybersecurity – Unbreakable authentification
Sécurité cognitive
Détection de la fatigue au volant
Alertes de distraction cognitive
Vérification de l’inhibition par l’alcool ou les drogues via une analyse cérébrale pré-conduite
Activation du mode autonome en cas de risque cognitif
Déverrouillage d’urgence en cas de perte de concentration
Accès intelligent et contrôle des véhicules
Déverrouillage du véhicule par ondes cérébrales (neuro-authentification)
Activation d’un profil de conduite personnalisé via une signature cérébrale
Validation de l’état mental avant le démarrage (interdiction de conduire en cas d’inaptitude)
Vérification de l’état de préparation de la flotte ou des missions pour les opérations de défense et de transport
Transition fluide entre les modes humain et autonome
Formation et suivi des performances
Suivi en temps réel de la concentration pendant les leçons de conduite
Analyse de la réactivité émotionnelle en situation de stress
Programmes d’entraînement adaptatifs basés sur la charge cognitive
Suivi de la récupération après un quasi-accident ou une situation d’urgence
Retour d’information sur les performances neurologiques pour les conducteurs professionnels, les pilotes ou les opérateurs militaires.
Mobility – Cognitive driving.
Identité cognitive et accès continu
Contrôle d’accès neuronal
Authentification sensible à la fatigue et au stress
Vérification continue du niveau de concentration
Verrouillage d’identité de niveau défense
Restriction d’accès adaptative dans les environnements de haute sécurité
Prévention des risques cognitifs
Détection de la fatigue des opérateurs lors de missions critiques
Alertes de distraction mentale lors d’opérations sensibles
Détection préventive des menaces cognitives dans les environnements classifiés
Révocation d’accès à sécurité intégrée en cas de détection d’une déviance mentale
Accès sécurisé aux données sans exposition
Système de mot de passe à usage unique (OTP) basé sur les ondes cérébrales
Accès sans connaissance : pas de mot de passe, pas de fuite biométrique
Cryptage du signal local avec OTP non réplicable de 3072 bits
Aucun stockage de données personnelles ni d’identifiants
