Le mythe qui nous freine

On entend souvent dire que « plus on a de caméras, plus on est en sécurité ». Cette idée reçue pousse les foyers à multiplier les caméras d’intérieur ou d’extérieur, sans jamais se demander ce qui se passe réellement lorsqu’un intrus ne se montre pas à la vue. La vérité, c’est que les caméras seules ne détectent pas les comportements suspects qui ne sont pas visibles, comme un bruit de verre brisé ou un pas furtif dans le couloir. Elles ne savent pas non plus différencier le bruit d’un chat qui saute du canapé du bruit d’une fenêtre qui se force.

Le problème du quotidien

Dans la plupart des maisons, la sécurité repose sur trois piliers : caméras, détecteurs de mouvement et alarmes sonores. Mais ces systèmes ont deux lacunes majeures :

• Faux positifs : Un mouvement de rideau déclenché par le vent déclenche l’alarme, créant du stress inutile.
• Faux négatifs : Un cambrioleur qui se déplace très doucement, ou qui utilise des outils silencieux, passe inaperçu.

En plus, les notifications arrivent souvent sur le smartphone sans contexte, obligeant le propriétaire à regarder les images en boucle pour comprendre s’il s’agit d’un vrai danger.

La solution futuriste et accessible

Imaginez un dispositif qui écoute votre maison comme le ferait un chien de garde, mais avec l’intelligence d’un réseau neuronal. Le Guardian Sonic Hub (GSH) combine un microphone à haute sensibilité, un microcontrôleur ESP32 et un modèle d’analyse audio en temps réel. Il ne se contente pas d’enregistrer le son : il compare chaque impulsion à une base de données d’anomalies (bruit de verre, pas, crochetage, respiration anormale) et vous envoie une alerte uniquement lorsqu’un son suspect est détecté.

Le GSH s’intègre facilement à votre écosystème Home Assistant ou Google Home, ce qui vous permet de déclencher d’autres actions : allumer les lumières, verrouiller les portes, lancer l’enregistrement vidéo, ou même appeler les services de sécurité.

Guide d’installation étape par étape

Matériel nécessaire

• Un microcontrôleur ESP32 (ou ESP8266 si vous avez déjà un boîtier)
• Un microphone MEMS à haute sensibilité (ex. INMP441)
• Boîtier étanche (IP55) pour placer le capteur dans un coin discret
• Alimentation 5 V (adaptateur USB ou alimentation PoE)
• Un serveur Home Assistant (Raspberry Pi 4 recommandé)
• Un compte sur Hugging Face pour télécharger le modèle d’analyse audio (gratuit)

Pré‑requis logiciels

• Arduino IDE ou VS Code avec PlatformIO
• Bibliothèque Arduino FFT pour la transformation de Fourier
• Bibliothèque ESP‑Now ou MQTT pour la communication
• Intégration “Command Line Sensor” dans Home Assistant

Étape 1 : Assemblage du matériel

1. Soudez le microphone MEMS sur le breakout board ; connectez VCC à 3,3 V, GND à la masse, et la sortie I2S aux broches GPIO 22 (CLK) et 21 (DATA) de l’ESP32.
2. Placez le tout dans le boîtier étanche, en veillant à ce que le microphone ne soit pas obstrué.
3. Branchez l’alimentation 5 V via le port micro‑USB.

Étape 2 : Flash du firmware

Copiez le code suivant dans votre IDE, choisissez la carte ESP32‑Dev Module, puis téléversez‑le :

#include <WiFi.h>
#include <PubSubClient.h>
#include <I2S.h>
#include <arduinoFFT.h>

const char* ssid = "YOUR_SSID";
const char* password = "YOUR_PASSWORD";
const char* mqtt_server = "192.168.1.10";

WiFiClient espClient;
PubSubClient client(espClient);
arduinoFFT FFT = arduinoFFT();

#define SAMPLE_RATE 16000
#define SAMPLES 1024
double vReal[SAMPLES];
double vImag[SAMPLES];

void setup() {
  Serial.begin(115200);
  WiFi.begin(ssid, password);
  while (WiFi.status() != WL_CONNECTED) delay(500);
  client.setServer(mqtt_server, 1883);
  i2s_config_t i2s_config = {
    .mode = i2s_mode_t(I2S_MODE_MASTER | I2S_MODE_RX),
    .sample_rate = SAMPLE_RATE,
    .bits_per_sample = I2S_BITS_PER_SAMPLE_16BIT,
    .channel_format = I2S_CHANNEL_FMT_ONLY_LEFT,
    .communication_format = I2S_COMM_FORMAT_I2S_MSB,
    .intr_alloc_flags = ESP_INTR_FLAG_LEVEL1,
    .dma_buf_count = 4,
    .dma_buf_len = 256,
    .use_apll = false
  };
  i2s_pin_config_t pin_config = {
    .bck_io_num = 26,
    .ws_io_num = 25,
    .data_out_num = -1,
    .data_in_num = 22
  };
  i2s_driver_install(I2S_NUM_0, &i2s_config, 0, NULL);
  i2s_set_pin(I2S_NUM_0, &pin_config);
}

void loop() {
  // Capture audio
  int16_t buffer[SAMPLES];
  size_t bytesRead;
  i2s_read(I2S_NUM_0, (char*)buffer, sizeof(buffer), &bytesRead, portMAX_DELAY);
  for (int i = 0; i < SAMPLES; i++) {
    vReal[i] = (double)buffer[i];
    vImag[i] = 0;
  }
  // FFT
  FFT.Windowing(vReal, SAMPLES, FFT_WIN_TYP_HAMMING, FFT_FORWARD);
  FFT.Compute(vReal, vImag, SAMPLES, FFT_FORWARD);
  FFT.ComplexToMagnitude(vReal, vImag, SAMPLES);
  // Simple peak detection in 2‑4 kHz band (glass break)
  double maxVal = 0;
  for (int i = 200; i < 300; i++) { // indices correspond approx. 2‑4 kHz
    if (vReal[i] > maxVal) maxVal = vReal[i];
  }
  if (maxVal > 1500) { // threshold to be calibrated
    // Publish alert
    if (!client.connected()) reconnect();
    client.publish("home/security/audio", "glass_break");
  }
  delay(200);
}

void reconnect() {
  while (!client.connected()) {
    if (client.connect("GuardianSonic")) {
      client.subscribe("home/security/commands");
    } else {
      delay(5000);
    }
  }
}

Étape 3 : Configuration Home Assistant

Ajoutez le capteur MQTT dans votre configuration.yaml :

sensor:
  - platform: mqtt
    name: "Audio Security Alert"
    state_topic: "home/security/audio"
    value_template: "{{ value_json.type }}"
    json_attributes_topic: "home/security/audio"

Puis créez une automatisation qui se déclenche à la réception du message « glass_break » :

automation:
  - alias: "Alert Glass Break"
    trigger:
      - platform: state
        entity_id: sensor.audio_security_alert
        to: "glass_break"
    action:
      - service: light.turn_on
        data:
          entity_id: light.living_room
          brightness: 255
          color_name: red
      - service: notify.mobile_app_yourphone
        data:
          title: "⚠️ Alerte Sécurité"
          message: "Bris de verre détecté dans le salon"
      - service: camera.record
        data:
          entity_id: camera.living_room
          duration: 30

Étape 4 : Calibration et tests

1. Placez le capteur dans un coin du salon, à 1,5 m du sol.
2. Utilisez un verre de bouteille pour simuler un bris et observez l’envoi du message MQTT.
3. Ajustez le seuil maxVal > 1500 dans le code si vous avez trop de faux positifs (ex. : le ventilateur).
4. Testez également la détection de pas en ajoutant une bande de fréquence 300‑600 Hz dans le code.

Budget détaillé

Le coût reste largement inférieur à celui d’un système de sécurité professionnel, tout en offrant une couche de détection que les caméras classiques ne possèdent pas.

Pourquoi cette automatisation change la donne

Le Guardian Sonic Hub ne se contente pas d’ajouter un capteur supplémentaire ; il transforme le son ambiant en information exploitable. En couplant l’analyse audio à vos lumières, caméras et notifications, vous obtenez :

• Des alertes contextualisées (vous savez immédiatement quel type d’incident a eu lieu).
• Une réduction drastique des faux positifs grâce à la reconnaissance de motifs sonores.
• Une intégration fluide avec les assistants vocaux : « Hey Google, quel est le dernier événement de sécurité ? »
• Une extensibilité future : ajoutez d’autres modèles (détection de respiration, d’animal, de porte qui claque) simplement en téléchargeant de nouveaux poids depuis Hugging Face.

Récapitulatif inspirant

En repensant la sécurité domestique comme un dialogue continu entre les sons de votre maison et votre cerveau numérique, vous franchissez le pas de la simple surveillance vers une vraie intelligence protectrice. Le Gardien Invisible montre qu’il est possible d’allier technologie de pointe et accessibilité