Caractérisation de marqueurs cérébraux et oculométriques de sortie de boucle de contrôle lors de la supervision d’un système automatisé dans le contexte de l'aéronautique – EMOOL

Au cours des dernières décennies, le monde technologique qui nous entoure a connu de profondes mutations, notamment portées par les progrès dans les domaines de l’autonomie, de la robotique et de l’intelligence artificielle. Aujourd’hui, les opérateurs humains font régulièrement face à des systèmes fortement automatisés, voire autonomes, avec pour rôle premier celui de superviser ces nouveaux partenaires artificiels. Ce changement profond dans le rôle attribué aux opérateurs humains a généré de nouveaux risques relatifs aux facteurs humains qui se traduisent notamment par des difficultés à comprendre les agents artificiels, à détecter leurs erreurs et à les reprendre en main lorsque nécessaire, un ensemble de problèmes regroupés sous le terme de phénomène de sortie de boucle (ou OOL performance problem). Bien que largement étudié, ce phénomène de sortie de boucle reste aujourd’hui bien difficile à caractériser, et plus encore à compenser. Notre constat est celui d’une faiblesse explicative quant aux concepts et outils utilisés lorsqu’il s’agit d’étudier ce phénomène. Dans ce cadre, notre projet vise à proposer de nouveaux outils inspirés des travaux récents en neurosciences cognitives et computationnels afin de mieux comprendre et caractériser ce phénomène de sortie de boucle et le prévenir. En particulier, à travers l’utilisation et l’analyse conjointe de signaux électroencéphalographiques et oculométriques, le projet EMOOL se propose de fournir un outil permettant de mieux caractériser les mécanismes neurocognitifs sous-tendant l’activité de supervision d’un système automatisé, mais également de mieux comprendre comment cette activité évolue lors des situations de sortie de boucle. Un des intérêts majeurs et innovants de ce couplage réside dans l’analyse de la dynamique de l’activité de supervision lors de tâches dynamiques de supervision plus écologiques telle que celles envisagées dans le projet de recherche dans un contexte aéronautique (i.e. ici tâche de supervision de système d’assistance à l’évitement d’obstacles), impliquant une exploration visuelle et un traitement de l’information en continu. Le contexte émotionnel, au combien important dans le contexte aéronautique, susceptible de moduler cette exploration visuelle sera, par ailleurs, modulé afin d’étudier son influence sur l’activité de supervision et l’émergence du phénomène de sortie de boucle. Enfin, notre projet vise à développer un premier modèle d’estimation de l’activité de supervision sur la base des marqueurs cérébraux et/ou oculométriques en utilisant des méthodes d’apprentissage profond et des approches méthodologiques prenant en considération la dynamique spatio-temporelle du phénomène de sortie de boucle. Les verrous scientifiques de ce projet sont multiples, qu’ils s’agissent de l’induction du phénomène de sortie de boucle, de la manipulation du contexte émotionnel, de l’analyse conjointe de données EEG et oculométriques dans un contexte écologique et dynamique, ou encore de l’identification de caractéristiques suffisamment discriminantes et robustes de l’état de sortie de boucle afin de développer un modèle d’estimation de l’activité de supervision. Les travaux proposés dans le cadre de ce projet, bien qu’instanciés ici dans des tâches propres à l’aéronautique, nous semblent tout à la fois ambitieux d’un point de vue scientifique et potentiellement disruptif d’un point de vue appliqué. Enfin, ces travaux permettront d'ouvrir des perspectives quant à la compensation en temps-réel de ce phénomène.