Thèse Contribution à une Méthode Outillée d'Aide à la Décision Collaborative Sous Incertitudes au Service de la Robustesse et de l'Agilité Industrielle H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Sciences Mécaniques Energétiques et MAtériaux pour l'InGénierie Laboratoire de recherche : Laboratoire Universitaire de Recherche en Production Automatisée Direction de la thèse : Nabil ANWER ORCID 0000000207714685 Début de la thèse : 2026-11-02 Date limite de candidature : 2026-10-30T23:59:59 Dans la conception de produits et de systèmes complexes, l'évaluation des solutions s'appuie sur des données relatives aux exigences fonctionnelles, aux contraintes et aux ressources. Rarement parfaitement connues, ces données sont hétérogènes, incomplètes, imprécises et évoluent au fil des itérations. Ces diverses sources d'incertitude affectent fortement la comparaison des solutions et la robustesse des décisions. De plus, ces choix sont souvent réalisés de manière collaborative par des acteurs aux connaissances, points de vue et objectifs différents. Dès lors, concevoir un environnement d'aide à la décision favorisant une compréhension partagée du contexte décisionnel sous incertitudes constitue un enjeu majeur pour l'agilité des processus industriels.
Inscrite dans le projet ANR MACCOD et menée au LURPA, cette thèse porte sur la modélisation, la propagation et la visualisation des incertitudes dans un environnement d'aide à la décision. Elle vise à proposer une méthode reliant les données décisionnelles, les modèles d'incertitude, les analyses multicritères et leurs représentations visuelles, afin de rendre les effets de l'incertitude compréhensibles et exploitables par les parties prenantes.
Le premier objectif consistera à caractériser et formaliser les sources d'incertitude en distinguant les incertitudes épistémiques (liées au manque de connaissances et potentiellement réductibles) des incertitudes aléatoires (liées à la variabilité des phénomènes). Il s'agira d'étudier leur propagation au sein de modèles d'analyse multicritère pour évaluer leur influence sur les performances, le classement et la robustesse des solutions. Ce travail sera étendu aux incertitudes d'interaction, liées au couplage entre données et à la complexité des systèmes, dont la représentation reste peu explorée.
Le deuxième objectif concernera la conception de représentations visuelles interactives, multiples et évolutives. Pour lever le verrou de la visualisation des données incertaines, ces interfaces devront représenter simultanément les performances des solutions, les incertitudes associées et leurs distributions, tout en permettant de filtrer, comparer et reconfigurer l'affichage. En situation collaborative, il s'agira également de visualiser les divergences entre décideurs (ex. : pondérations différentes des critères) afin de confronter l'ampleur des désaccords à celle des incertitudes, distinguant ainsi les divergences de préférences réelles de celles contenues dans l'enveloppe d'incertitude.
Le troisième objectif visera à développer et intégrer ces contributions de manière incrémentale et itérative dans l'instrument expérimental MACCOD (incluant un atelier de construction, un tableau de bord d'exploitation et un atelier d'analyse expérimentale).
Enfin, la méthode et l'environnement seront évalués expérimentalement sur les cas d'usage du projet. Ces tests étudieront l'influence des modes de représentation et de leur personnalisation sur la compréhension des données, l'efficacité des interactions, la charge mentale, l'utilisabilité et la qualité des décisions, afin d'identifier les configurations favorisant un consensus.
Ces travaux établiront ainsi une méthode outillée d'aide à la décision sous incertitudes permettant de mieux comprendre, justifier, tracer et faire évoluer les décisions en conception de systèmes complexes. En ingénierie de systèmes complexes, l'aide à la décision collaborative se heurte au caractère hétérogène, évolutif et incertain des données (exigences, contraintes, critères). Les divergences d'interprétation entre parties prenantes, couplées au manque de justification explicite et de traçabilité des choix, pénalisent la capacité d'adaptation aux évolutions du contexte. L'articulation entre modélisation des incertitudes et référentiel décisionnel partagé demeure peu explorée dans la littérature. Formaliser une compréhension partagée du contexte décisionnel et maîtriser la propagation des incertitudes constituent dès lors un verrou majeur pour la robustesse et l'agilité. Cette thèse poursuit trois objectifs :
Formaliser et propager : Structurer les données décisionnelles au sein d'un méta-modèle relationnel et formaliser la modélisation, la classification et la propagation des incertitudes épistémiques (manque de connaissances), aléatoires (variabilité) et d'interaction (couplages complexes) dans les analyses multicritères.
Visualiser et collaborer : Concevoir des représentations visuelles interactives et coordonnées permettant des analyses croisées, afin d'expliciter l'impact des incertitudes sur le classement des solutions et de distinguer les divergences de préférences entre acteurs.
Intégrer et évaluer : Implémenter ces modèles dans la plateforme MACCOD et valider expérimentalement leur apport sur la compréhension partagée et la qualité des décisions.

Master 2 / Ingénieur en génie mécanique ou industriel avec des connaissances en aide à la décision multicritère ou optimisation multi-objectifs, et des notions en quantification d'incertitudes (Monte Carlo, analyse de sensibilité). Une expérience sur plateforme BI et des notions en conception/évaluation d'interfaces centrées utilisateur sont souhaitées. Autonomie, rigueur et maîtrise rédactionnelle (FR/EN) requises.

• Autonomie
• Compétences rédactionnelles
• Business Intelligence
• Chimie