2024
Acceptabilité de l’intelligence artificielle en entreprise : facteurs d’influence et méthodes d’évaluation 
Auteur·rice : Alexandre Agossah
Directeur·rice·s : Patrick Le Callet, Frédérique Krupa, Matthieu Perreira Da Silva
Discipline : Informatique
Date de soutenance : 2024
Établissement : Nantes Université
École doctorale : École doctorale Mathématiques et Sciences et Technologies du numérique, de l’Information et de la Communication (Nantes ; 2022-....)
Jury : Marc-Éric Bobillier-Chaumon (président·e), Pierre Thérouanne, Yannick Prié
Rapporteur·euse·s : Marco-Antonio Alba Winckler, Pascal Salembier
Financement : CIFRE
Pays de soutenance : France
Résumé :
La conception de solutions informatiques intégrant de l’Intelligence Artificielle, sur les postes de travail connaît une croissance rapide. Bien qu’elles améliorent la performance des taches, elles rencontrent souvent une faible acceptabilité de la part des employés, principalement en raison de la peur du remplacement et de la méfiance envers les décisions automatisées. Dans ce contexte, nos travaux s’intéressent a comment une solution IA peut être acceptable par les employés, utilisateurs finaux, et les entreprises, décideuses de son introduction sur les postes de travail. Après un état de l’art sur la perception des solutions IA en entreprise et de la notion d’acceptabilité, nous nous intéressons a la mobilisation de méthodes de prise en compte de l’expérience utilisateur. Ensuite nous présentons les stratégies de conception de solutions IA qui sont actuellement mobilisées par SIGMA Informatique, et nous poursuivons avec une étude de l’effet de l’accroissement de la transparence de ces technologies sur la confiance que leur accordent les opérateurs humains. En complément, nous présentons également une méthodologie de mesure de la confiance des humains envers les prédictions d’une solution IA pour une tache assistée par un algorithme prédictif. Pour évaluer cette confiance, nous utilisons notamment des méthodes utilisées pour faire de l’évaluation subjective de la qualité d’expérience (QoE). Les résultats révèlent que plus une solution IA communique d’informations pour accompagner sa prédiction, plus l’opérateur humain lui fera confiance. Et enfin, nous examinons l’impact de l’arrivée des outils génératifs, qui bouleversent les théories traditionnelles de la confiance accordée aux solutions IA. Ces nouvelles technologies, souvent introduites par les employés eux-mêmes, changent cette dynamique, nécessitant une adaptation des entreprises. Nous proposons donc une approche de conception, basée sur le recueil des préférences des utilisateurs finaux, pour sélectionner des socles techniques, visant a trouver un compromis entre performance, acceptabilité par les utilisateurs et contrainte de l’organisation. Ces travaux proposent donc un éclairage sur la place de facteurs, tels que la confiance, dans l’acceptabilité des solutions IA en contexte professionnel, mais aussi des socles méthodologiques d’évaluation et de conception de l’acceptabilité de ces solutions.
