Soutenance Aurélien LECHAPPÉ - 12/02/26 14h, IMT Atlantique Nantes

Avis de soutenance

https://www.youtube.com/@aurelienlcp/streams

Mesure et Modélisation de l’activité collaborative en réalité virtuelle : des signaux sociaux aux indices de collaboration

Résumé : Une baisse de la qualité de la collaboration peut entraîner des événements indésirables aux conséquences graves sur les résultats des tâches et la sécurité des collaborateurs, notamment en milieux industriel et médical.

L’analyse des situations collaboratives par des spécialistes des facteurs humains reste pertinente pour identifier ces problèmes, mais demeure longue et parfois difficile à mettre en œuvre. Pour pallier ces limites, des chercheurs proposent une évaluation fondée sur le traitement des signaux sociaux, permettant de suivre en temps réel l'état de collaboration à partir de données multimodales recueillies pendant l'activité. Les études de terrain pouvant être limitées par la complexité analytique, les considérations éthiques et la disponibilité des capteurs, la réalité virtuelle (RV) apparaît pertinente pour tester cette approche : des environnements de RV contrôlés offrent un cadre pratique pour prototyper, collecter des données comportementales précises et déterminer quels indicateurs de collaboration détectent le plus efficacement les niveaux et profils de collaboration.

La thèse adopte une approche d'évaluation en temps réel de la collaboration à partir de signaux multimodaux afin de détecter les variations de ses dimensions. À terme, l’objectif est de fournir un retour d'information adaptatif pour prévenir les événements indésirables et favoriser la collaboration au sein de l'équipe. La thèse explore l’opérationnalisation des signaux collectés en indicateurs de collaboration pour catégoriser les états de collaboration, évaluer leur pertinence selon la taille des groupes et évaluer des indicateurs agrégés au niveau de l'équipe.

Trois études sont présentées : les deux premières études évaluent des situations collaboratives de résolution de puzzles en dyade et examinent la pertinence d'indicateurs issus de différents domaines de la recherche sur la collaboration (Computer-Supported Collaborative Learning et Computer-Supported Cooperative Work). Elles proposent et testent une approche de suivi en temps réel pour évaluer la collaboration et détecter des profils, en s’appuyant sur les taxonomies existantes des profils dyadiques. La troisième étude explore la validation du modèle et des indicateurs dérivés proposés dans les précédentes études, dans une situation collaborative triadique. Elle intègre des indicateurs spatiaux, calcule des indicateurs au niveau de l'équipe et suggère d'explorer la détection de sous-ensembles d'indicateurs pour rendre compte de dynamiques collaboratives spécifiques au fil de l'activité.

La thèse fait progresser le domaine grâce à des contributions littéraires, techniques et communautaires. Elle propose une taxonomie actualisée des profils dyadiques intégrant des indicateurs comportementaux calculés en temps réel à partir de signaux sociaux multimodaux, ainsi qu’une approche reproductible de détection fondée sur cette taxonomie. Empiriquement, elle applique une analyse collaborative multimodale à des tâches en RV et valide des indicateurs verbaux et visuels comme marqueurs efficaces du niveau de collaboration en RV. Sur le plan technique, la thèse fournit des composants pour le calcul en temps réel d'indicateurs visuels, verbaux, physiques et spatiaux aux niveaux individuel, dyadique et collectif, des modules de détection des profils de collaboration stéréotypés, et un tableau de bord de visualisation en temps réel des indicateurs et de la dynamique comportementale. L’ensemble de ces composants est accessible au public. Enfin, la thèse publie deux jeux de données structurés et reproductibles capturant : (1) une collaboration dyadique stéréotypée lors d'une activité de résolution de puzzles en RV, et (2) une collaboration triadique lors d'une activité de construction de structures en RV.

Mots-clés: Collaboration, Réalité Virtuelle, Team, Signaux multimodaux, Temps réel, Indices de collaboration, Interaction Humain-Machine

Le jury est composé de :

• M. Cédric FLEURY - Maître de conférences - IMT Atlantique

• M. Mathieu CHOLLET - Maître de conférences - University of Glasgow

• M. Cédric DUMAS - Maître de conférences - IMT Atlantique

• Mme Chloé CLAVEL - Directrice de recherche - INRIA Paris

• Mme Estelle MICHINOV - Professeur des Universités - Université Rennes 2

• M. Anthony STEED - Professeur - University College London

• M. Jean-Marie BURKHARDT - Directeur de recherche - Université Gustave Eiffe