Thèse Communiquer l'Incertitude et Favoriser une Confiance Utilisateur Calibrée dans les Interfaces de Jumeaux Numériques pour l'Agriculture Durable H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Informatique et sciences du numérique École doctorale : Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : MIA-Paris-Saclay - Mathématiques et Informatique Appliquées Direction de la thèse : Alberto TONDA ORCID 0000000158954809 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-07-06T23:59:59 Ce projet de doctorat vise à améliorer la communication de l'incertitude et la confiance calibrée des utilisateurs dans les interfaces de jumeaux numériques pour l'agriculture durable. Les jumeaux numériques simulent des processus agricoles complexes et génèrent des résultats soumis à des incertitudes intrinsèques liées aux capteurs, modèles et processus stochastiques. Une communication inadéquate de l'incertitude peut induire en erreur les utilisateurs et limiter l'adoption de ces outils.

Ce projet combine visualisation de données, interaction humain-machine (IHM) et uncertainty visualization pour caractériser les sources d'incertitude dans le pipeline TwinFarms, développer des représentations visuelles et interactions adaptées aux différents types d'incertitude (prévisions, confiance des modèles, données manquantes), et intégrer ces techniques dans un prototype d'interface permettant aux utilisateurs d'explorer les résultats avec des indices explicites sur l'incertitude et la fiabilité.

Des études utilisateurs avec des experts agronomes seront menées pour évaluer la compréhension, la calibration de la confiance, la qualité des décisions et la charge cognitive. Les contributions attendues incluent de nouvelles techniques de visualisation équilibrant expressivité et interprétabilité, des connaissances empiriques sur la confiance et le comportement décisionnel, ainsi que des recommandations pratiques pour la conception d'interfaces de digital twins agro-écologiques.

Le projet s'inscrit dans le cadre du projet PEPR TwinFarms. Les jumeaux numériques permettent de simuler des processus agricoles complexes, mais leurs résultats sont affectés par des incertitudes multiples (capteurs, modèles, processus stochastiques). Une communication inadéquate de ces incertitudes peut tromper les utilisateurs et limiter l'adoption de ces outils. La visualisation de données / de l'incertitude et dans ce contexte restent des défis ouverts, particulièrement pour des données agricoles dynamiques et des utilisateurs ayant des niveaux d'expertise variés.

Questions de recherche :

1. Comment représenter visuellement les incertitudes intrinsèques (bruit des capteurs, approximations des modèles, processus stochastiques) sans surcharger cognitivement les utilisateurs métiers ?

2. Quelles stratégies visuelles et interactives permettent de favoriser une interprétation fine de l'incertitude et de promouvoir une confiance calibrée dans les décisions ?

3. Quelles méthodologies d'évaluation permettent de mesurer efficacement la compréhension de l'incertitude par les utilisateurs ainsi que leur niveau de confiance lors de l'interaction avec des interfaces de jumeaux numériques ?
* Caractériser les sources d'incertitude dans le pipeline du jumeau numérique TwinFarms et analyser l'état de l'art des techniques de visualisation de l'incertitude issues de la recherche en visualisation.

* Développer des représentations visuelles et des dispositifs interactifs adaptés à la communication et à l'exploration de différentes formes d'incertitude (incertitude prédictive, confiance du modèle, données manquantes, etc.) dans un contexte de prise de décision agricole.

* Intégrer la communication de l'incertitude dans un prototype d'interface de jumeau numérique, permettant aux utilisateurs d'explorer les résultats de simulation avec des indications explicites sur l'incertitude et la fiabilité.

* Mener des études utilisateurs auprès d'acteurs du domaine agronomique et d'experts afin d'évaluer la compréhension, la calibration de la confiance, la qualité des décisions et la charge cognitive associées aux différentes représentations.

* Dériver des recommandations de conception pour la communication de l'incertitude dans les jumeaux numériques appliqués aux systèmes environnementaux complexes. * Approche interdisciplinaire combinant visual analytics, IHM et visualisation de l'incertitude.
* Conception centrée utilisateur : prototypage itératif et sessions de design participatif avec les parties prenantes.
* Évaluation mixte : techniques qualitatives (entretiens, protocoles think-aloud) et quantitatives (performance des tâches, échelles de confiance, indicateurs de charge cognitive).

Le/la candidat(e) devra être titulaire d'un diplôme de Master (Bac +5) ou équivalent en informatique, interaction humain-machine (IHM) ou domaine connexe.

Compétences requises :
* Développement web ;
* Programmation (JavaScript/D3.js, Python ou autres langages) ;
* Intérêt pour le travail avec des données réelles et en collaboration avec des experts métiers ;
* Excellentes compétences en communication écrite et orale.

Compétences appréciées :
* Connaissances en apprentissage automatique (non obligatoires) ;
* Expérience en conception centrée utilisateur et en visualisation de l'information ;
* Maîtrise du français (non obligatoire). Des cours de français pourront être proposés au/à la doctorant(e) recruté(e).