Les systèmes de recommandation sont intensivement utilisés par de nombreux services, comme Amazon, BlaBlaCar, Netflix, Booking, Facebook, etc. En même temps, ils représentent un grand domaine de recherche qui attirent les scientifiques pendant plus de deux décennies.

Malgré l’efficacité de systèmes de recommandation, les derniers ont tout de même leurs limitations et désavantages. Ainsi, les travaux récents s’intéressent aux problématiques de la diversité et l’équité, la transparence et la protection de la vie privée, l’explicabilité et l’interprétabilité. Dans la plupart de cas, ces objectifs sont abordés séparément. Il n’existe donc pas d’approche holistique qui contiendrait tous ou au moins une grande partie de ces objectifs.

Cependant, la prise en compte de la combinaison de ces critères devient obligatoire, surtout dans le cas de traitement de données sensibles et/ou si la recommandation porte sur un domaine critique. Dans ce contexte, le respect de la vie privée, la transparence, l’explicabilité et l’interprétabilité deviennent les éléments indispensables afin de rendre un système de recommandation fiable et par conséquent, acceptable par l’usager.

La recommandation de changement d’habitudes dans le contexte du traitement de l’obésité est un sujet sensible et critique. L’obésité est une des maladies chroniques les plus courantes dans les pays occidentaux. Ainsi elle touche 1 sur 5 adultes (source OECD) et environ 1 sur 4 adultes en Allemagne (23.6%). Son impacte sur la santé publique est extrêmement important. Le traitement durable de l'obésité et les actions de sa prévention doivent, avant tout, encourager les patients à modifier leurs habitudes de vie (par exemple, au niveau de l'activité physique) et leurs habitudes nutritionnelles. Dans cette perspective, les systèmes de recommandation peuvent certainement jouer un rôle important car ils permettent de collecter des données sur les patients, d'agréger et de traiter ces données, de calculer le profil dynamique d'un patient et de faire des recommandations efficaces concernant l'alimentation et l'activité physique.

Dans ce contexte, cette thèse vise à proposer un système personnalisé de recommandation d'habitudes pour les patients souffrant de l’obésité tout en tenant compte de l'interprétabilité des recommandations et de la confidentialité des données du patient. L'interprétabilité et la confidentialité sont en effet des propriétés obligatoires car : (i) la santé du patient est au cœur du système et les recommandations font partie du traitement du patient, il faut donc être capable d'expliquer et d'évaluer les recommandations proposées ; (ii) les données collectées du patient peuvent être très sensibles (par exemple, paramètres de santé, traces de mobilité, activités sociales…) et doivent être protégées des accès non intentionnels, même de la part de l'équipe médicale ; (iv) enfin, l'interprétabilité et la confidentialité sont des propriétés clés pour garantir la transparence des recommandations et, in fine, susciter la confiance et l'acceptabilité du système de recommandation.

Cela signifie que les recommandations doivent être : (1) pertinentes compte tenu du contexte du patient au moment de la recommandation ; (2) enrichies d'explications contextualisées et personnalisées ; et (3) capables à préserver la confidentialité, de sorte que les données brutes du patient soient protégées contre tout accès malveillant, et que les recommandations et les explications ne permettent pas de déduire les données sensibles protégées du patient.

La thèse va s’effectuer en collaboration avec Adipositas Zentrum un hôpital spécialisé de Passau, Allemagne.