Cette étude pilote utilise un système d'assistance vocale (SAV) comme méthode non invasive pour le diagnostic précoce du déclin cognitif. Nous avons recueilli des données de commandes vocales auprès de 35 personnes âgées (dont 15 interagissaient quotidiennement avec le SAV) pendant 18 mois. Pour relever les défis liés à l'analyse des commandes vocales courtes, irrégulières et bruyantes, nous proposons le cadre Cog-TiPRO. Cog-TiPRO combine l'extraction de caractéristiques linguistiques par raffinement des invites de répétition basé sur LLM, l'extraction de caractéristiques acoustiques basée sur HuBERT et la modélisation temporelle basée sur Transformer. Grâce à iTransformer, nous avons obtenu une précision de 73,80 % et un score F1 de 72,67 % pour la détection des troubles cognitifs légers (TCL), soit une amélioration de 27,13 % par rapport aux méthodes existantes. L'approche LLM a permis d'identifier les caractéristiques linguistiques qui caractérisent les schémas d'utilisation quotidienne des commandes des personnes en déclin cognitif.
