OPTIMISATION DE LA RECHERCHE EN AFRIQUE PAR L'IA : CLASSIFICATION DES SIGNAUX EEG VIA LE MACHINE LEARNING OPTIMIZING RESEARCH IN AFRICA USING AI: EEG SIGNAL CLASSIFICATION THROUGH MACHINE LEARNING APPROACHES

L'électroencéphalographie (EEG) combinée à l'intelligence artificielle (IA) ouvre lavoie à de nouvelles méthodes d'analyse des processus cognitifs, en particulier dansles régions du monde où l'accès aux outils de diagnostic avancés demeure restreint.En Afrique, cette combinaison représente une opportunité majeure d'améliorerl'efficacité, la précision et la reproductibilité de la recherche en neurosciencescognitives. Cette étude explore une approche reposant sur l'enregistrement designaux EEG durant une tâche simple (alternance yeux ouverts / yeux fermés),suivie d'un traitement de signal avancé et d'une classification automatique vial'algorithme Random Forest. Après filtrage des signaux bruts, la densité spectralede puissance est estimée à l'aide de la méthode de Welch, permettant de calculer lespuissances dans les bandes Alpha et Thêta, largement reconnues pour refléter lesétats attentionnels et cognitifs. Ces puissances sont ensuite transformées enmesures relatives normalisées. En exploitant ces caractéristiques, le modèleRandom Forest a pu distinguer les deux états avec une précision finale de 91,7 %,validée par un F1-score global de 92 %. Ces résultats démontrent la faisabilité d'unprotocole EEG + IA dans des environnements à faibles ressources, tout enfournissant des outils de diagnostic et d'analyse prometteurs pour l'éducation, lasanté mentale et la neurologie en Afrique.