Contexte du marché
Le secteur des aides auditives est dominé depuis des décennies par cinq entreprises qui détiennent 97 % des parts de marché. Cette concentration crée des prix élevés, l’assurance ne couvre généralement pas le coût et l’innovation reste lente. Face à ce cadre, Matthew de Jonge a consacré six ans à créer Fortell, une startup qui vise à bouleverser le modèle traditionnel.
Approche technologique de Fortell
Fortell mise sur l’intelligence artificielle pour analyser les sons environnants en temps réel. Contrairement aux aides classiques qui amplifient l’ensemble du spectre sonore, le dispositif de Fortell identifie les sources pertinentes, augmente leur niveau et atténue les bruits de fond. Cette stratégie repose sur des modèles de classification audio entraînés sur de larges bases de données sonores, capables de distinguer voix, conversations, alarmes et bruits ambiants avec une latence inférieure à 10 ms, critère indispensable pour une perception naturelle.
Le traitement doit être exécuté sur le matériel embarqué, ce qui impose des contraintes strictes de consommation d’énergie et de puissance de calcul. Fortell utilise donc des puces spécialisées edge‑AI (par exemple des ASIC ou des microcontrôleurs avec accélérateurs NPU) afin de garder le dispositif autonome pendant plusieurs heures tout en respectant les exigences de sécurité médicale (normes IEC 60601‑1). Les modèles sont quantifiés pour réduire la taille du réseau à quelques dizaines de kilooctets, limitant ainsi l’impact sur la batterie.
Enjeux d'implémentation et limites
Le financement annoncé de 163 millions de dollars, provenant d’investisseurs comme Founders Fund et Thrive Capital, permet à Fortell d’investir dans la collecte de données audio diversifiées et dans la validation clinique. Cependant, la collecte de données auditives soulève des questions de confidentialité : chaque enregistrement peut contenir des conversations privées, nécessitant un chiffrement de bout en bout et des protocoles de consentement stricts.
Sur le plan technique, la précision des modèles dépend fortement de la qualité des jeux de données d’entraînement. Un biais vers des environnements urbains ou des langues majoritaires pourrait réduire l’efficacité dans des contextes ruraux ou multilingues. De plus, la conformité aux régulations FDA ou CE impose des essais cliniques prolongés, ce qui retarde la commercialisation malgré le capital disponible.
Perspectives et impact
Si Fortell parvient à intégrer une IA fiable dans un format d’aide auditive, le modèle économique pourrait évoluer : les appareils deviendraient des plateformes logicielles capables de mises à jour OTA, ouvrant la voie à des services personnalisés (ex. filtrage adaptatif selon l’activité). Cette évolution pourrait également réduire la dépendance aux modèles propriétaires des géants du secteur, offrant aux patients une alternative potentiellement moins coûteuse et plus adaptable.
En résumé, le pari de Fortell repose sur la convergence de l’AI edge, d’un financement substantiel et d’une stratégie de différenciation basée sur le filtrage sélectif du son. Le succès dépendra de la capacité à concilier performance audio, contraintes matérielles et exigences réglementaires.
