Une lecture naïve du tableau de bord traite chaque paramètre comme indépendant. La chimie et les capteurs ne sont pas d'accord. Plusieurs interactions bien documentées affectent à la fois les lectures et la physiologie. La couche d'interprétation les encode pour ne pas rapporter avec confiance un faux événement.
Interactions côté capteur : une humidité au-dessus de 80 % pousse l'indice COV de 10 à 30 même sans changement réel de COV ; un air très humide diffuse aussi la lumière infrarouge, gonflant les lectures PM optiques jusqu'à évaporation des gouttelettes. L'indice NOx répond à l'ozone en plus des oxydes d'azote ; l'infiltration d'ozone extérieur par après-midi ensoleillée peut produire une petite hausse NOx sans source de combustion. Sensibilités croisées couvre le détail.
Les interactions de chimie intérieure sont le cas plus intéressant. Weschler a passé le domaine en revue : l'ozone réagit avec les terpènes (limonène des nettoyants aux agrumes, alpha-pinène des produits au pin) pour produire du formaldéhyde et de petites particules ultrafines. La réaction est rapide ; ouvrir une fenêtre par jour à ozone élevé juste après avoir nettoyé avec un produit au citron peut produire une signature formaldéhyde mesurable que ni l'ozone ni le nettoyant ne produirait seul.
Les interactions physiologiques suivent une logique similaire. L'air froid-sec hivernal potentialise l'irritation des particules et du pollen (les muqueuses sèches ont moins de capacité tampon). L'humidité élevée à haute température altère la récupération du stress thermique (voir température apparente). Les études d'impact cognitif combiné (CO2 + température + bruit) montrent des effets additifs plutôt qu'indépendants. L'IA s'en sert pour pondérer ses alertes : un pic COV modéré par matinée d'hiver froide-sèche reçoit un drapeau légèrement plus fort que le même pic par journée tempérée, parce que le risque de symptôme est plus élevé dans le premier contexte.
