L'ingénierie des systèmes se concentre sur la façon de concevoir et de gérer des systèmes complexes. En même temps, à l'ère de l'Industrie 4.0 et de l'Internet des objets (IoT), les systèmes deviennent de plus en plus complexes. Les facteurs contribuant à une plus grande complexité incluent l'utilisation de composants modernes (par exemple, la mécatronique), de nouvelles technologies de fabrication (par exemple, l'impression 3D) et de nouveaux processus de développement de produits d'ingénierie, par exemple l’innovation ouverte (Open Innovation). L'innovation ouverte est rendue possible par l'IoT, où les personnes et les appareils sont facilement connectés, et elle soutient le développement de produits plus innovants grâce aux idées acquises auprès de prédécesseurs et de collaborateurs du monde entier. Certains chercheurs suggèrent que cette approche est jusqu'à trois fois plus rapide et cinq fois moins chère que les approches conventionnelles [Gassmann, 2012], [Howe, 2008], [Kusumah, 2018]. Parce que l'innovation ouverte est relativement nouvelle, de nombreux gestionnaires ne savent pas comment l'utiliser efficacement dans certaines phases du développement de produits [Schenk, 2009], [Afuah, 2017], y compris la définition des exigences, la conception et les processus d'ingénierie (affectation des tâches) via l'assurance qualité. De plus, ils ont du mal à estimer et à contrôler le temps et le coût du développement [Nevo, 2020], [Thanh, 2015]. En conséquence, l'acceptation de cette nouvelle approche dans l'industrie est limitée. Les activités de recherche portant sur cette nouvelle approche portent principalement sur des questions de haut niveau et d’ordre qualitative. Peu de méthodes efficaces sont disponibles pour estimer le risque d'un projet et pour décider s'il faut lancer un projet. Nous proposons InnoCrowd, un système d'aide à la décision qui utilise une méthode améliorée pour prendre en charge ces tâches et prendre des décisions concernant le développement de produits d'ingénierie participative. InnoCrowd utilise le traitement du langage naturel (NLP : Natural Laguage Processing) et l'apprentissage automatique (Machine Learning) pour créer une base de données de connaissances sur les développements de produits issus du crowdsourcing. InnoCrowd présente à un gestionnaire les résultats de projets similaires pour montrer quelles pratiques ont conduit à de bons résultats. Un responsable d'un nouveau projet peut utiliser ces conseils pour appliquer les meilleures pratiques pour la définition des exigences du produit, le calendrier du projet et d'autres aspects, réduisant ainsi les risques et augmentant les chances de réussite du projet.