Détection et suivi des troubles vocaux à l’aide des approches d’intelligence artificielle

Le Doyen de la Faculté des Sciences et Techniques de Béni Mellal porte à la connaissance du public que Madame Noura HADDOU, soutiendra une thèse de Doctorat intitulée : «Détection et suivi des troubles vocaux à l’aide des approches d’intelligence artificielle».

La soutenance publique aura lieu le Samedi 20 Juin 2026 à 10h30 à l'Amphi 5, à  la Faculté des Sciences et Techniques de Béni-Mellal, devant le jury composé de :

• Monsieur Hair Abdellatif : Professeur, Faculté des Sciences et Techniques, Université Sultan Moulay Slimane, Béni Mellal, Président/Rapporteur;

• Monsieur Nsiri Benayad: Professeur, École Nationale Supérieure d'Arts et Métiers, Université Mohamed V, Rabat, Rapporteur;

• Monsieur Jilbab Abdelilah : Professeur, École Nationale Supérieure d'Arts et Métiers, Université Mohamed V, Rabat, Rapporteur;

• Madame Ben Jebara Soufia : Professeur, École Supérieure des Communications de Tunis, Université de Carthage, Tunis, Examinatrice; 

• Madame Chakib Houda : Maître de Conférences Habilité, Faculté des sciences et techniques, Université Sultan Moulay Slimane, Béni Mellal, Examinatrice;

• Monsieur Chakraoui Mohamed : Maître de Conférences Habilité, Faculté polydisciplinaire, Université Sultan Moulay Slimane, Khouribga, Examinateur;

• Madame Idrissi Najlae: Professeur, Faculté des sciences et techniques, Université Sultan Moulay Slimane, Béni Mellal, Directrice de thèse.

Résumé: 

Les troubles de la voix constituent un problème de santé fréquent chez de nombreux patients et ont un impact important sur leur qualité de vie. Leur dépistage et leur prise en charge précoces sont indispensables pour assurer un suivi efficace des pathologies vocales. Dans ce contexte, cette thèse traite les altérations vocales consécutives à la chirurgie thyroïdienne et au développement de méthodes automatiques basées sur l’intelligence artificielle pour leur détection. Deux objectifs principaux sont examinés, à savoir, 

1)- L’étude de l’impact de la thyroïdectomie sur la qualité de la voix des patients 

2)- La prédiction et la classification de la voix pathologique par rapport à la voix normale à l’aide de techniques d’intelligence artificielle. 

Pour répondre à ces objectifs, un suivi longitudinal a été réalisé sur plusieurs locuteurs, comprenant un enregistrement pré-opératoire et deux enregistrements postopératoires. Les variations des paramètres vocaux sont analysées en fonction du temps, du type d’intervention, de la nature de la pathologie et des caractéristiques des patients telles que le sexe et l’âge. 

Pour cela, une analyse exploratoire et statistique des paramètres vocaux est effectuée. Par la suite, un système de prédiction de la récupération vocale basé sur des méthodes de machine learning est proposé utilisant notamment le score VHI-10. Nous avons développé ensuite des approches automatiques de classification des voix normales et pathologiques. Ces approches utilisent des techniques de machine learning et de deep learning. Le système basé sur le machine learning utilise des approches de sélection des caractéristiques et des méthodes d’augmentation des données. Ainsi que deux approches basées sur le deep learning sont proposées. La première utilise des spectrogrammes bidimensionnels comme représentation des signaux vocaux tandis que la seconde contribution utilise les waveform images comme représentation des signaux pour la classification des voix.

Mots clés: Apprentissage automatique, apprentissage profond, classification, extraction des caractéristiques, intelligence artificielle, paramètres acoustiques, thyroïdectomie, XAI.