Les systèmes de coaching : recommandation alimentaire automatique pour un changement de comportement à long terme

Investigating food recommendation for long-term behaviour change : Introducing the coaching framework

• Auteur / Autrice : Jules Vandeputte
• Direction : Antoine Cornuéjols, Nicolas Darcel
• Type : Thèse de doctorat
• Discipline(s) : Informatique appliquée
• Date : Soutenance le 03/04/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Agriculture, alimentation, biologie, environnement, santé (Paris ; 2015-....)
• Partenaire(s) de recherche : référent : AgroParisTech (France ; 2007-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Biosphera (2020-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Mathématiques et Informatique Appliquées (Paris)
• Jury : Président / Présidente : Benoît Girard
• Jury : Examinateurs / Examinatrices : Armelle Brun, Chantal Julia, Sabrina Teyssier, Jérémie Mary
• Jury : Rapporteurs / Rapporteuses : Armelle Brun, Chantal Julia

Mots clés

Mots clés contrôlés

Modification du comportement

Aliments

Accompagnement individuel

Aliments -- Consommation

Prise de décision

Apprentissage automatique

Mots clés libres

Système de recommandation

Prise de décision répétée

Habitudes alimentaires

Recommandation nutritionnelle

Recommender systems

Repeted decision-Making

Eating habits

Food recommendation

Résumé

De nos jours, la prise de décision se fait de de plus en plus en interaction avec une machine notamment via les algorithmes de recommandation. Ce travail de thèse vise à utiliser les outils développés dans le domaine des systèmes de recommandation afin d' accompagner un utilisateur dans un processus de modification de ses habitudes de consommation. Ainsi nous considérons le changement de comportement de l'utilisateur comme l'objectif de la recommandation, et appelons cette tâche de recommandation "coaching". L'objectif est d'explorer la manière de concevoir un tel système. Pour ce faire, nous proposons un modèle de l'interaction utilisateur-système, sous la forme d'un jeu itéré à deux joueurs. Nous explorons ensuite, via une étude formelle de ce modèle, les politiques de recommandation possibles, et leurs caractéristiques.Nous mettons en évidence l'importance de la personnalisation, et l'intérêt des stratégies non-myopes. Dans un second temps, nous étudions ce problème dans le contexte particulier de la recommandation alimentaire. En effet, les habitudes alimentaires jouent un rôle prépondérant sur la santé. Nous explorons donc l'applicabilité d'un tel système dans le monde réel et montrons l'importance pour l'acceptabilité des proposition du système, de l'implication de l'utilisateur dans l'élaboration des recommandations. Enfin, nous nous intéressons à l'introduction de données contextuelles dans l'évaluation du comportement utilisateur. Nous proposons une méthode originale basée sur la recommandation de cycles de consommations, pour contourner les limitations intrinsèques des utilisateurs.

Nowadays, decision-making is increasingly computer-driven, because of recommendation algorithms. This thesis aims to use the tools developed in the field of recommender systems to accompany users in the change of their consumption habits. Thus we consider the change in user behaviour as the aim of recommendation and define this task as "coaching". The objective is to explore how to design such a recommendation system. To do so, we propose a model of the user-system interaction in the form of a two-player iterated game. Then we explore the possible recommendation policies and their characteristics through a formal study of this model.We outline the importance of personnalisation and the interest of non-myopic recommendation strategies. We study this problem in the particular context of food recommendations, as dietary habits play a major role in health, and healthier eating habits are key for public health policies. We, therefore, explore the applicability of such a system in the real world. In particular, we show the importance of user's involvement in recommendations' formulation on their acceptability. Finally, we focus on the introduction of contextual data in the evaluation of user behaviour. We propose an original method based on consumption cycles recommendation, to circumvent users limitations.