Maintien à domicile des seniors :
l'IA qui anticipe les urgences
Genèse & Vision
Pourquoi Missia existe
SG
Sébastien Gilabert
FOUNDER & CEO
Ingénieur-Chercheur — INRIA
Institut National de Recherche en Informatique et en Automatique
Spécialité : Vision par Ordinateur
Branche spécifique de l'IA — analyse et compréhension d'images
Thèse avec des personnes âgées
Recherche appliquée au suivi comportemental des seniors
Pendant ma thèse à l'INRIA, je travaillais déjà sur la vision par ordinateur appliquée aux personnes âgées. Je voyais le potentiel de cette technologie pour comprendre leur quotidien.
Puis une histoire personnelle m'a rattrapé. Et j'ai compris que ce sujet de recherche devait devenir un produit.
Missia est née de cette conviction : l'IA peut prédire la perte d'autonomie avant qu'elle ne devienne irréversible.
Des Solutions qui Alertent Trop Tard
Aujourd'hui, les solutions existantes ne réagissent qu'après l'incident
CONSTAT : Aucune solution ne prédit l'accident.
Toutes alertent après.
La chute a déjà eu lieu. Le senior est au sol. L'intervention est curative, jamais préventive.
Caméras
Intrusives. Rejetées massivement pour des raisons de
vie privée.
Wearables
Stigmatisants. Souvent oubliés ou non portés la nuit.
Capteurs Basiques
Binaires. Détectent un mouvement, pas une
détérioration de santé.
La Première IA en Santé Prédictive à Domicile
Modéliser les habitudes pour détecter les changements qui mènent à la perte d'autonomie
1. Modélisation des habitudes
L'IA apprend le rythme de vie unique de chaque personne : heures de lever/coucher, fréquence des repas, niveau d'activité, routines quotidiennes.
2. Détection des dérives
Quand le profil dévie — moins de repas, plus de temps au lit, mobilité réduite, isolement — Missia identifie le changement avant les proches.
3. Alerte prédictive
Les proches et soignants sont alertés des signaux faibles : dénutrition, déshydratation, dépression, risque de chute accru, déclin cognitif, perte d'autonomie progressive.
Signaux détectés
Dénutrition — Repas sautés, moins de temps à table
Dépression — Isolement, activité réduite, rythme perturbé
Perte de mobilité — Déplacements ralentis, temps debout réduit
Trouble du sommeil — Levers nocturnes, insomnie
Risque de chute — Instabilité posturale détectée
Déshydratation — Baisse de la fréquence de prise de boisson
Déclin cognitif — Errance, confusion horaire, routines désorganisées
De la réaction à la prédiction
Aujourd'hui on détecte la chute. Demain on la prédit 48h avant qu'elle n'arrive.
Surveillance Prédictive & Continue
Une approche proactive pour la santé des seniors
1. Analyse Continue
(Sans Image)
- Capteur Optique
intelligent (Wi-Fi/5G)
- Ni caméra, Ni
wearable
- Complètement autonome
2. Données de Santé
Une IA puissante analyse 146 activités quotidiennes en temps réel pour
détecter les signaux faibles (glissement) avant l'accident.
CIBLE
: SENIORS À DOMICILE & EHPAD
L'Ange Gardien Invisible
Sécurité maximale, intrusion minimale
Le capteur se fond dans le décor. Pas de lumière invasive, pas d'œil de caméra.
Comment ça marche
La vidéo reste chez la personne.
Seules les métadonnées circulent.
Chaque détection devient un événement horodaté, exploitable par l'application pour l'historique, les résumés et les alertes.
Événement normalisé
type: "drink"
room: "salon"
time: "13:06"
confidence: 0.97
métadonnées chiffrées
Vidéo analysée localement
Seules les métadonnées transitent (chiffrées)
L'aidant lit un résumé clair
Démonstration
L'IA reconnaît les gestes du quotidien en temps réel
Enregistrement réel — détection des activités "manger" et "boire" avec scores de confiance
Manger — détecté en temps réel
Boire — détecté en temps réel
Architecture & Data
Edge computing, privacy by design & data moat propriétaire
Boîtier Missia
IA embarquée — Traitement local
Métadonnées chiffrées
Aucune image transmise
Cloud Analytics
Analyse prédictive & alertes
Edge AI (Local)
- Traitement en temps réel sur le capteur
- Aucune image ne quitte le domicile
- Confidentialité totale
Cloud AI (Global)
- Analyse longitudinale des comportements
- Détection de dérives lentes
- Modèles prédictifs enrichis
Data Moat
- Dataset propriétaire croissant
- Millions de points comportementaux
- Unfair advantage
146 Activités Suivies
Analyse granulaire pour un profil de santé complet
Sécurité
- Chute (Debout, Lit, Chaise)
- Incapacité au sol
- Rampement / Tentative relevage
- Heurt contre meuble (Instabilité)
- Non-retour au lit (Nuit)
Physiologie
- Prise de boisson (Tasse, Bouteille)
- Prise de repas
- Usage Frigo / Micro-onde
- Sommeil diurne (Canapé)
- Analyse de la marche
Autonomie &
Vie
- Faire son lit
- Habillement
- Ménage
- Interaction Sociale
- Usage Tablette
- Rythme de vie
Illustration : Cas d'usage
Exemple : Infection Urinaire (Première cause de chute et délirium chez le senior)
AVEC MISSIA
Hausse Fréq.
Toilettes (Nuit)
Alerte App &
Visite Médecin
Résultat : Hospitalisation
évitée, autonomie préservée.
Système de Double Sécurité
Prédiction + Escalade d'alerte : personne n'est laissé sans réponse
1. ANTICIPER
J-7 à J-1 (Prévention)
DÉTECTION SIGNAUX FAIBLES
- Baisse d'hydratation
- Agitation nocturne
- Ralentissement marche
ACTION PRÉVENTIVE
Notification Famille / Médecin traitant.
HOSPITALISATION ÉVITÉE
2. SECOURIR
T-0 (Urgence)
ACCIDENT CONFIRMÉ (IA)
Chute lourde ou Malaise détecté. L'IA filtre les faux positifs.
ALERTE QUALIFIÉE
Transmission immédiate avec données de contexte.
3. ESCALADER
Si personne ne répond
Contact Principal
Famille ou Aidant désigné
Pas de réponse sous 5 min
Ré-alerte Contact 2
Proche secondaire ou Soignant
Toujours pas de réponse
Escalade SAMU / 15
Appel automatique urgences
ZÉRO ALERTE IGNORÉE
Résultats Terrain : Une Réalité Cachée
7-8 chutes détectées sur ~20 personnes en 3 mois — un constat alarmant et une validation forte
24/7
Surveillance continue
La réalité que personne ne voit
Les études montrent que 50% des chutes de personnes âgées ne sont jamais signalées. Nos tests terrain confirment cette réalité cachée : sur seulement ~20 personnes, 7-8 chutes ont été détectées en 3 mois — la plupart auraient été invisibles sans Missia.
Ce que cela prouve
- Le besoin est réel et massif
- Notre technologie fonctionne en conditions réelles
- Les chutes non-signalées sont un danger majeur
- Missia détecte ce que les proches ne voient pas
Valeur Ajoutée
Seniors
- Autonomie : Rester chez soi plus longtemps.
- Discrétion : Pas de caméra, pas de wearable.
- Sécurité : Moins d'hospitalisations.
Familles
- Sérénité : Savoir que tout va bien en temps réel.
- Prévention : Alertes avant l'urgence.
- Lien : Communication facilitée.
Professionnels
- Données objectives : Fin du "au doigt mouillé".
- Efficacité : Interventions priorisées.
- Temps : Moins de faux positifs.
ROI Quantifié
55k€
Économisés / Fracture évitée
Coûts hospitaliers & dépendance
2h
Gagnées / Jour / Équipe
Reporting automatisé, moins de fausses alertes
+2.5
Années à Domicile
Retarde l'institutionnalisation
30k€
Économie Famille / An
Différentiel coût Domicile vs EHPAD
Opportunité de Marché
TAM
5 Mrd €
SAM
2 Mrd €
SOM
40-60 M€
2-3%
CAGR +8-10%
Catalyseur
Remboursement
Sécu
TAM Télécare & Monitoring Seniors Europe
SAM 6 marchés EU (FR, DE, UK, Benelux, ES, IT)
SOM Part capturable (2-3% du SAM)
Objectif 2030
10 000
Abonnés
9.3 M€
CA Total
Positionnement & Avantage Concurrentiel
Un moat durable fondé sur 4 barrières structurelles
| Solution |
Technologie |
Prédictif |
Vie Privée |
Granularité |
| MISSIA |
Computer Vision (Edge) |
OUI (146 activités) |
100% |
Très Haute |
| Teton.AI |
Caméra |
OUI |
Faible |
Moyenne |
| Zoe Care |
Ondes Wi-Fi |
Limité |
Haute |
Faible |
| Otono-me |
Capteurs |
NON |
Haute |
Faible |
| Bracelets |
Accéléromètre |
NON |
Moyenne |
Nulle |
Edge AI Propriétaire
Modèles optimisés pour hardware embarqué — 2 ans de R&D, impossible à répliquer rapidement
Data Moat
Dataset comportemental propriétaire qui s'enrichit à chaque déploiement — effet réseau sur la donnée
Privacy by Design
Architecture zéro-image qui verrouille la confiance — un concurrent cloud ne peut pas pivoter
Expertise INRIA
Fondateur chercheur en Computer Vision — connaissance terrain unique seniors + IA embarquée
Go-To-Market
Focus B2B & B2B2C pour une scalabilité rapide
Canal 1 : B2B (Direct)
EHPAD, Résidences Services, SAAD
- Vente en volume (Flottes).
- Intégration offre de soin.
- Argument : Gain de temps & Sécurité.
Canal 2 : B2B2C (Indirect)
Distributeurs & Prescripteurs
- Téléassisteurs (ex: Orange).
- Installateurs matériel médical (ex: Bastide).
- Produit "recommandé" pour le domicile.
Traction Marché
Une demande qui précède l'offre — 3 canaux activés en 3 mois
Signatures & Partenariats
EHPAD
2ème EHPAD Privé Signé
Contrat B2B — établissement privé
Signé
Orange — Expérimentation
Smart Home — Téléassistance
Signé
Myca Health — Canada
Distributeur — Marché nord-américain
Signé
ADMR 2A — 3 500 bénéficiaires
1er réseau aide à domicile en France
Signé
Groupe Bastide — 1er point de vente
Matériel médical — Distribution France
Signé
Solutions Domicile — Québec
Prestataire de soins — Canada
En cours
Domitys — Résidences Seniors
Leader résidences seniors — demande entrante
1er RDV
30-50
Boîtiers précommandés
La demande précède l'offre
CAC = 0€ — Sans effort commercial, sans publicité
3 canaux — 2 pays
B2B Direct
EHPAD, Bastide
International
Myca, Sol. Dom.
Business Model
Un modèle hybride : Cash-flow immédiat + Revenu récurrent
Hardware (One-off)
990€ HT
Vente du Capteur
-
Installation sur site incluse
-
Marge commerciale à l'unité
+
SaaS (Récurrent)
49€ HT / mois
Abonnement Service
-
Accès App Famille & Pro illimité
-
Alertes 24/7 & Mises à jour IA
-
Revenu Récurrent (ARR)
STRATÉGIE
LEASING / LLD (Option B2B / EHPAD)
Transforme l'investissement matériel (CAPEX) en charges
d'exploitation (OPEX).
ACCÉLÉRATEUR
DE VENTE B2B
Équipe Experte
Sébastien Gilabert
CEO & Founder
Ex-INRIA Researcher
Dominique Depres
Senior Sales
Ex-IBM
Dr. Eloise Inacio
Head of AI
PhD Mathématiques
David Cucuphat
Head of Product
Indus & CAD
Vincent Chabran
Digital Lead
MSc Big Data & AI
Amandine Parlanti
QARA Manager
MSc Clinical Scientist
Carla Soave
Comms & Marketing
MSc Marketing
Arnaud Thery
Data Scientist
MSc Big Data & AI
Michael Antoni
Product Owner
Gestion de Projet
Heloisa Bressanin
Dev & Design
MSc Big Data & AI
Mario Callabero
Web Dev
MSc Big Data & AI
INRIA
NVIDIA Inception
BPI France
CNIL (Sandbox)
Régulation & Confiance
Privacy & Données
- Conformité GDPR
- Hébergement HDS
- "Bac à Sable" CNIL
Dispositif Médical
- Marquage CE Classe I (2027)
- Transition Classe IIa (2029)
- Remboursement Sécu
EU AI Act
- Classification Haut Risque
- Supervision Humaine
- Transparence
Roadmap Stratégique
2026
ESSAIS & PREUVES
- Évaluations cliniques (EHPAD & Domicile)
- Dossier technique CE Classe I
- 200 Utilisateurs (Pilotes)
2027
MARQUAGE CE & SCALING
- Obtention CE Classe I
- Scaling B2B EHPAD
- 1 000 Utilisateurs
2028
CROISSANCE & INTERNATIONAL
- Expansion Europe
- Partenariats Assurances
- 3 000 Utilisateurs
2029
STANDARD MÉDICAL
- Marquage CE Classe IIa
- Remboursement Sécu
- 7 000 Utilisateurs
Trajectoire & Financement
Prévisions (k€)
*Chiffre
d'affaires (k€)
| Année |
2026 |
2027 |
2028 |
2029 |
2030 |
| EBITDA |
-357 |
-142 |
505 |
1 523 |
3 443 |
Capitalisation
■ Founders 95%■ Pré-seed 5%
Levée de Fonds
1.5 M€
Equity & Compte Courant
- R&D : Modèles IA.
- Réglementaire : Marquage CE.
- Déploiement Marché : Équipe Sales.
- Industrialisation : Production.
PRÉSERVER L'AUTONOMIE
Offrons à nos
seniors la sécurité et la dignité qu'ils méritent.
Sébastien Gilabert
FOUNDER & CEO — MISSIA
seb@missia.care
+33 6 19 34 63 16
www.missia.care
MULTEAM
Conseil en levée de fonds
Paul Berrux
pberrux@multeam.fr
06 09 75 58 04
Patricia Neau
pneau@multeam.fr
06 17 79 29 99
MISSIA
AnnexeChronologie d'une Chute Réelle
Séquence anonymisée — une personne perd l'équilibre, reste au sol effrayée plusieurs minutes
Avant la chute
DEBOUT
Perte d'équilibre
CHUTE EN ARRIÈRE
Au sol, effrayée
AU SOL — PLUSIEURS MINUTES
Ce cas réel : La personne a perdu l'équilibre en arrière et est restée plusieurs minutes au sol, effrayée, incapable de se relever seule. Sans Missia, personne ne l'aurait su. Avec Missia, l'alerte est envoyée en < 30 secondes.