‘Nudges’ dans l’interaction Homme-machine : analyse et modélisation d’un agent capable de nudges personnalisés

Devant la multiplication et la généralisation d’assistants personnels vocaux (comme Siri ou Alexa), personnifiés sous forme de robots ou non (Pepper, Reeti, enceintes vocales, applications), ainsi que les succès très récents de chatbot tels que ChatGPT, des questions peuvent se poser sur le type et l’étendue de l’influence de ces agents sur leurs utilisateurs. Dans ce travail, nous nous intéressons à l’utilisation des nudges dans le dialogue oral et proposons pour cela la modélisation d’un agent capable de nudges linguistiques et personnalisés grâce à un apprentissage par renforcement.

Les nudges sont des incitations ‘douces’ dans le design visant à modifier le comportement ou la prise de décision sans apporter cependant de restrictions dans le choix. Introduits puis étudiés à l’origine en économie comportementale, ils reposent souvent sur des biais cognitifs (attention, mémoire, etc.) mais leur utilisation n’est pas encore réglementée et pourrait être amplifiée par un agent oral.

L’originalité de cette thèse est alors d’observer l’impact de stratégies de nudges linguistiques dans une approche d’apprentissage automatique à travers la construction d’un système de dialogue orienté-tâche. Pour évaluer leur influence dans un tel environnement, nous introduisons des métriques et protocoles et détaillons les résultats de 2 expériences de collecte de données sur les nudges. La première est réalisée dans une école primaire sur une population potentiellement sensible et la deuxième est développée en ligne auprès d’internautes dans une approche automatique continue. Ces expériences permettent de montrer une influence plus grande de la machine (robot ou enceinte) par rapport à un humain et l’efficacité de stratégies de nudges linguistiques orales dès qu’elles sont présentes. Nous montrons enfin comment un système de dialogue oral modulaire, prenant compte de l’émotion de l’utilisateur, peut être entraîné à l’aide de peu de données pour adapter de telles stratégies de nudges à un interlocuteur par apprentissage par renforcement. Ces premiers résultats permettront de nourrir une discussion éthique et de futures pistes de recherche.

Jury

• Anne Vilnat (Professeure, LISN/CNRS – Université Paris-Saclay) – Présidente
• Fabrice Lefèvre (Professeur, LIA – Université Avignon) – Rapporteur et Examinateur
• Thierry Artières (Professeur titulaire, ECM/LIS – AMU – CNRS) – Rapporteur et Examinateur
• Bassam JABAIAN (Professeur Assistant, LIA – Université d’Avignon) – Examinateur
• Fabrice Le Guel (Professeur, RITM – Université Paris-Saclay) – Examinateur
• Laurence DEVILLERS (Professeure, LISN/CNRS – Université Sorbonne) – Directrice de thèse
• Ioana VASILESCU (Directrice de recherche, LISN/CNRS) – Co-directrice de thèse