La myosite à inclusions est une forme rare de myopathie (environ 5 personnes sur un million) qui se déclare en général après 50 ans et qui conduit à une dégénérescence progressive de la capacité musculaire, affectant en premier lieu les quadriceps. L’atteinte est le plus souvent bilatérale mais asymétrique. Les premières manifestations sont donc des difficultés à se tenir debout avec les genoux fléchis. En conséquence, les patients développent des démarches compensatoires pour continuer à se verticaliser et à marcher, notamment en maintenant constamment leurs genoux en extension (au point de développer des pathologies de surextension). Hélas, en raison de la faiblesse musculaire grandissante empêchant un rattrapage, tout évènement qui déloge le genou de cette position d’équilibre entraîne un effondrement des patients sur eux-mêmes. L’objectif de cette thèse est de concevoir un dispositif capable de détecter l’imminence ou l’amorçage d’un effondrement assez rapidement pour permettre à un système de rattrapage de la chute (ou de minimisation de ses conséquences) de se déclencher. Les algorithmes de détection de chute pré-impact existants dans la littérature ne se concentrent actuellement pas sur ce type de chutes particulières (non pas causée par une perte d’équilibre mais par une perte d’appui), nous avons donc commencé par collecter des données représentatives afin d’étudier les caractéristiques propres de ces chutes en comparaison avec celles de mouvements réalisés pendant l’exécution d’activités de la vie quotidienne (marche sur sol plat ou en pente légère, action de s’asseoir/se lever et utilisation d’escaliers). Étant donné le risque de blessure lié aux chutes et à la pathologie, les données ont été collectées sur des participants asymptomatiques imitant une atteinte pathologique asymétrique et simulant des dérobements de genoux pendant la marche, sans aller jusqu’à l’impact au sol. Une orthèse instrumentée, équipée d’encodeurs au niveau des articulations de genoux, d’IMU sur le pelvis et la cuisse ainsi que de semelles instrumentées de capteurs de force, a été développée afin de nous placer directement dans une situation écologique d’une utilisation au quotidien d’un dispositif simple et peu coûteux. L’analyse préliminaire des données collectées a montré la difficulté de différencier la cinématique de la chute de celles des autres activités à partir des informations issues des capteurs embarqués. Un travail a donc été conduit afin de développer un algorithme de détection robuste et personnalisable des différentes phases du cycle de la marche à partir des données d’appuis au sol. La connaissance de cette information a ensuite permis de caractériser plus finement la cinématique du genou dans chacune de ces phases et d’ainsi pouvoir discriminer de façon personnalisée, efficace et rapide toute anomalie cinématique témoignant de l’amorçage d’un effondrement. Les performances de cet algorithme de détection de chutes pendant la marche ont été évaluées d’abord de façon hors-ligne sur un jeu de données collectées au préalable, puis en temps réel et en embarqué avec des participants asymptomatiques simulant des effondrements. Enfin un test préliminaire de déclenchement d’un dispositif de rattrapage lors de la détection temps réel d’une chute a été conduit sur quelques participants asymptomatiques. L’algorithme de détection de chutes proposé, basé sur le séquencement des phases de marche, permet de détecter 100% des chutes et ce plus rapidement qu’avec une détection par seuil classique tout en limitant le nombre de faux positifs. Ces travaux illustrent l’intérêt d’une meilleure caractérisation de la marche pathologique et de l’utilisation de ces connaissances pour la détection de situations à risque et les résultats préliminaires obtenus attestent des possibilités de développer des systèmes embarqués simples de détection a priori de la chute par effondrement.