Sara Bouzit - Plasticité de l’Interaction Homme-Machine : présentation à l’utilisateur, une question de compromis

09:00
Jeudi
15
Juin
2017
Organisé par : 
Sara Bouzit
Intervenant : 
Sara Bouzit
Équipes : 
Information détaillée : 

Membres du jury :

  • M. Patrick Girard, professeur à l’Université de Poitiers, rapporteur
  • M. Christophe Kolski, professeur à l’Université de Valenciennes, rapporteur
  • M. Jean Vanderdonckt, professeur à l’Université catholique de Louvain, examinateur
  • M. Patrick Reignier, professeur à Grenoble INP, examinateur
  • M. Gilles Bailly, chargé de recherche à Télécom Paris Tech, examinateur
  • Mme Audrey Serna, maître de conférences à INSA de Lyon, examinatrice
  • Mme Gaëlle Calvary, professeur à Grenoble INP, directrice de thèse
  • M. Denis Chêne, chercheur senior à Orange Labs, co-encadrant

 

Résumé : 

La thèse s’inscrit dans le domaine de l’ingénierie de l’interaction homme-machine (IHM). Elle traite de l’adaptation des interfaces homme-machine au contexte d’usage. Le contexte est défini par le triplet < Utilisateur, Plate-forme, Environnement >. La question de recherche porte sur la présentation de l’adaptation : comment accompagner le changement pour maximiser le bénéfice de l’adaptation ? L’étude porte sur les petites surfaces d’affichage, telles que celles des téléphones. Ce choix se justifie, d’une part, par le succès des smartphones et des tablettes et, d’autre part, par la capacité limitée des petits écrans en termes d’affichage. Le temps de navigation et de recherche de cibles est pénalisé.
Dans l’étude, nous supposons qu’un algorithme d’adaptation peut anticiper les tâches de l’utilisateur par des prédictions. Nous considérons deux cas d’adaptation selon que l’algorithme de prédiction fournit des résultats corrects ou incorrects. Une prédiction est correcte (inversement incorrecte) lorsqu’elle correspond (inversement ne correspond pas) aux besoins de l’utilisateur. Le défi de la thèse est d’explorer de nouvelles techniques d’interaction et d’adaptation pour accélérer l’interaction lorsque la prédiction est correcte sans la pénaliser lorsque la prédiction est incorrecte.
Les contributions sont doubles : d’une part, un cadre théorique modélisant l’interaction adaptative et identifiant les critères qualité clés ; d’autre part, de nouvelles techniques d’adaptation issues du cadre théorique grâce à son pouvoir non seulement descriptif et comparatif, mais aussi génératif.
Nous proposons sept techniques : l’adaptation éphémère avec disparition, présentée en contexte (#1 In Context) ou hors contexte (#2 Out of Context), contrôlée par l'utilisateur ou non (#3), dissout la fenêtre de propositions au bout d’un certain temps, facilitant ainsi l’accès aux items recherchés en cas de prédiction incorrecte ; (#4) le menu cloud permet d’accroître le nombre d’items prédits dans le but d’augmenter la probabilité de présenter des items corrects ; la navigation hiérarchique incarnée en deux techniques d’adaptation step-by-step (#5) et shortcut (#6) permet de jouer sur le facteur de la distribution temporelle des prédictions ; le menu polymodal (#7) présente la prédiction selon différentes modalités (graphique et vocale).
Nous appliquons ces techniques au cas des menus sur smartphone. Les évaluations expérimentales concluent que ces techniques permettent effectivement d’absorber les erreurs de prédiction pour in fine, au mieux, accélérer l’interaction mais sans jamais la pénaliser.

En conclusion, par sa contribution théorique, la thèse dimensionne l’espace d’exploration de l’interaction adaptative, en intégrant les mécanismes d’adaptation à la boucle interactionnelle. Elle positionne également les axes de présentation de l’adaptation et explicite de nouvelles pistes d’exploration. Clairement la présentation de l’adaptation est une affaire de compromis. Des recherches communes entre les communautés Intelligence Artificielle et Interaction Homme-Machine sont une perspective naturelle à cette thèse pour prolonger conjointement cette étude.