L'industrie moderne déploie massivement des Outils d'Aide à la Décision (OAD) pour gérer la complexité et l'incertitude croissantes de la production. Toutefois, ces systèmes adoptent le plus souvent une approche technocentrée, reléguant le décideur à un rôle de superviseur passif. Ce fonctionnement en « boîte noire » engendre le paradoxe de l'automatisation : perte de pratique, altération de la conscience de la situation et surcharge cognitive aiguë lorsqu'un aléa complexe exige une intervention d'urgence sous forte pression temporelle.
Pour pallier ces limites, cette thèse, inscrite dans le projet ANR HIS3, propose de remettre l'humain au cœur de la boucle de décision, en adéquation avec les enjeux de l'Industrie 5.0. L'objectif est de concevoir un OAD interactif et coopératif, capable de coupler l'expertise métier du superviseur à la puissance d'un solveur mathématique, tout en préservant sa charge mentale. Pour relever ce défi socio-technique, notre démarche s'articule autour d'une hybridation pluridisciplinaire entre Interaction Humain-Machine (IHM), Ergonomie Cognitive et Recherche Opérationnelle (RO).
Le premier volet (IHM et Ergonomie) repose sur une boucle de conception itérative menée avec des experts en IHM et en ergonomie. Elle a permis de traduire les limites cognitives des utilisateurs en exigences fonctionnelles robustes pour l'interface. Au travers de plusieurs prototypes de basse et de moyenne fidélité, nous avons pu éprouver des mécanismes d'interaction et des méthodes de visualisation, et nous sommes finalement arrivés à un prototype mature, implémenté notamment avec la librairie Pygame. Entre autres, nous avons développé des mécanismes de zoom sémantique (agrégation et désagrégation temporelle) permettant au superviseur de naviguer dynamiquement entre une vue détaillée à court terme et une vue globale à long terme, prévenant ainsi la surcharge informationnelle et favorisant l'explicabilité du système.
Le second volet (RO) se concentre sur le moteur algorithmique de l'outil, développé en Programmation par Contraintes (PPC). Entre autres contributions, pour intégrer la dimension humaine au cœur du calcul, nous avons formulé de nouvelles contraintes génériques de charge de travail maximale (Maximum Workload). Ces dernières garantissent la génération de plannings respectueux de la santé des opérateurs et des réglementations. Une méthode de résolution itérative originale a été conçue pour accélérer l'optimisation face à cette multiplicité de contraintes. Nous avons également développé un onglet de simulation, permettant à l'utilisateur de générer plusieurs solutions en interagissant directement avec le solveur à travers un module de type radar. Ces solutions peuvent ensuite être comparées et utilisées pour construire une nouvelle solution.
Enfin, ces contributions ont été intégrées dans un démonstrateur logiciel complet prenant la forme d'un jeu sérieux distribué. Ce dispositif sert de support expérimental à deux campagnes d'évaluation : une étude qualitative ciblant l'utilisabilité et l'expérience utilisateur, et une vaste expérimentation quantitative (252 participants). En confrontant les utilisateurs à des aléas de difficulté variable (calibrée par la méthode des juges), cette étude évalue rigoureusement l'impact du niveau d'automatisation de l'OAD et de la difficulté des tâches à exécuter sur la performance de replanification, le maintien de la conscience de la situation et la réduction de la charge mentale.
En définitive, ces travaux démontrent l'efficacité de dépasser la conception technocentrée. L'alliance de l'optimisation mathématique et du design centré sur l'utilisateur permet de créer des systèmes véritablement coopératifs, performants face aux imprévus, et structurellement adaptés aux capacités cognitives des décideurs industriels.
|
Modern industry is massively deploying Decision Support Systems (DSS) to manage the increasing complexity and uncertainty of production. However, these systems mostly adopt a techno-centric approach, relegating the decision-maker to the role of a passive supervisor. This "black box" operation generates the automation paradox: loss of practice, impaired situation awareness, and acute cognitive overload when a complex anomaly requires emergency intervention under high time pressure.
To overcome these limitations, this thesis, as part of the ANR HIS3 project, proposes to put the human back at the center of the decision loop, in line with the challenges of Industry 5.0. The objective is to design an interactive and cooperative DSS capable of coupling the supervisor's domain expertise with the power of a mathematical solver, while preserving their mental workload. To address this socio-technical challenge, our approach is structured around a multidisciplinary hybridization between Human-Computer Interaction (HCI), Cognitive Ergonomics, and Operations Research (OR).
The first component (HCI and Ergonomics) relies on an iterative design loop conducted with HCI and ergonomics experts. It allowed translating the users' cognitive limitations into robust functional requirements for the interface. Through several low- and medium-fidelity prototypes, we were able to test interaction mechanisms and visualization methods, ultimately arriving at a mature prototype, implemented notably with the Pygame library. Among other things, we developed semantic zoom mechanisms (temporal aggregation and disaggregation) allowing the supervisor to dynamically navigate between a detailed short-term view and a global long-term view, thus preventing information overload and promoting system explainability.
The second component (OR) focuses on the tool's algorithmic engine, developed using Constraint Programming (CP). Among other contributions, to integrate the human dimension at the heart of the computation, we formulated new generic Maximum Workload constraints. These ensure the generation of schedules that respect operator health and regulations. An original iterative resolution method was designed to accelerate optimization in the face of this multiplicity of constraints. We also developed a simulation tab, allowing the user to generate several solutions by interacting directly with the solver through a radar-type module. These solutions can then be compared and used to build a new solution.
Finally, these contributions were integrated into a complete software demonstrator taking the form of a distributed serious game. This setup serves as an experimental platform for two evaluation campaigns: a qualitative study targeting usability and user experience, and a large-scale quantitative experiment (252 participants). By confronting users with anomalies of varying difficulty (calibrated using the expert judges method), this study rigorously evaluates the impact of the DSS's automation level and the difficulty of the tasks to be performed on rescheduling performance, the maintenance of situation awareness, and the reduction of mental workload.
Ultimately, this work demonstrates the effectiveness of overcoming techno-centric design. The alliance of mathematical optimization and user-centered design makes it possible to create truly cooperative systems that perform well in the face of contingencies and are structurally adapted to the cognitive capacities of industrial decision-makers. |