Caractérisation et formalisation des contextes de supervision en production discrète en vue de l’analyse des systèmes de supervision Humain-IA

Les transformations actuelles des systèmes de production s’inscrivent dans une dynamique de digitalisation et d’intégration croissante de technologies d’intelligence artificielle (IA) dans les activités industrielles. Ces évolutions concernent en particulier les activités de supervision, qui reposent sur l’analyse d’informations issues de multiples sources afin de détecter des anomalies, établir des diagnostics et soutenir la prise de décision. Dans ce contexte, les systèmes de supervision tendent à devenir des systèmes sociotechniques complexes, intégrant des acteurs humains, des systèmes automatisés et des outils d’IA [Lane et al., 2024 ; Amzil et al. 2021 ; Hollnagel, 2017].

Les travaux récents en génie industriel et en IA mettent en évidence que les performances des systèmes de supervision dépendent fortement des conditions dans lesquelles les tâches sont réalisées, c’est-à-dire des contextes de supervision. Ces contextes sont caractérisés par un ensemble de dimensions hétérogènes, incluant notamment les caractéristiques des tâches (ex : complexité, criticité, temporalité), des données (ex : volume, qualité, incertitude), des acteurs humains (ex : expertise, niveau d’acceptation de la technologie), ainsi que des contraintes organisationnelles. Toutefois, ces caractéristiques sont aujourd’hui étudiées de manière isolée dans la littérature, sans faire l’objet d’une formalisation unifiée permettant de décrire de manière systématique et discriminante les situations de supervision.

Dans ce cadre, le projet de thèse vise à proposer une caractérisation et une formalisation des contextes de supervision en production discrète. L’objectif est d’identifier les caractéristiques pertinentes permettant de décrire ces contextes, de définir ces caractéristiques de manière explicite, et de proposer des règles d’instanciation permettant d’attribuer des valeurs à ces caractéristiques dans des situations concrètes. Cette démarche constitue un préalable scientifique essentiel à l’analyse et à la conception des systèmes de supervision, notamment dans des environnements intégrant des formes de collaboration Humain-IA.

Les enjeux scientifiques du projet portent sur la définition et la structuration des caractéristiques permettant de décrire les contextes de supervision, ainsi que dans la définition de mécanismes d’instanciation garantissant la cohérence et la reproductibilité de cette caractérisation. Ce travail s’inscrit dans des thématiques émergentes à l’interface du génie industriel, de l’aide à la décision et des systèmes sociotechniques, et contribue à structurer une approche contextuelle de la supervision industrielle.

Ce projet s’intègre pleinement dans les orientations scientifiques de l’établissement et du laboratoire, notamment autour des thématiques liées aux systèmes de production, à la transformation numérique et à l’intégration raisonnée de l’IA dans les systèmes industriels. Il contribue également au développement de travaux portant sur la prise de décision en environnement complexe, en apportant une brique méthodologique essentielle centrée sur la représentation des contextes. À ce titre, il constitue un élément structurant pour des recherches ultérieures visant à analyser et comparer les systèmes de supervision, notamment dans le cadre de la collaboration Humain-IA.

Le LISPEN développe des recherches dans le domaine des systèmes dynamiques multi-physiques et virtuels, ayant comme champ d'application privilégié l'Industrie du Futur. La santé, le sport et le bâtiment font également partie des domaines applicatifs investigués par les équipes du laboratoire. Au titre de cette finalité applicative, le Laboratoire fait partie du réseau de laboratoires de l'Institut Carnot ARTS visant à favoriser la recherche partenariale. 
 

Les travaux de recherche du LISPEN s’articule autour de quatre grandes thématiques : 

Ingénierie système et représentation numérique

Analyse, simulation et contrôle des systèmes

Interaction Humain-Système

Transformation industrielle

Gestion Industrielle

IA