Prise de décision en condition de risque : étude de l'impact du stress sur l'interaction humain-machine

Decision-making under conditions of risk: study of the impact of stress on human-machine interaction

• Auteur / Autrice : Margaux Pourady
• Direction : Stefania Ficarella, Andrea Desantis
• Type : Projet de thèse
• Discipline(s) : Biologie-Santé - Spécialité Neurosciences
• Date : Inscription en doctorat le 01/10/2023
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : Ecole Doctorale Sciences de la Vie et de la Santé
• Partenaire(s) de recherche : Laboratoire : ONERA - Département Traitement de l'information et systèmes

Mots clés

Mots clés libres

Prise de décision

Confiance

Interaction homme-machine

Détection d'erreur

Decision-making

Confidence

Human-machine interaction

Error detection

Résumé

Les effets nocifs du stress sur les mécanismes de prise de décision dans le domaine du contrôle de système complexe ont été largement étudiés (e.g. Hancock and Desmond, 2001; Martinussen & Hunter, 2009; Ursin & Eriksen, 2004 ; Starcke and Brand 2012). Des études utilisant un simulateur de vol ont montré que les situations stressantes, telles que l'apparition de conflits dans la gestion du vol (ex : conflits pilote/copilote, pilote/pilote automatique..), surtout dans des situations d'incertitude, peuvent provoquer des troubles du comportement proches du syndrome dysexécutif (Dehais et al., 2010) poussant les pilotes à prendre des décisions irrationnelles et à persister dans leurs choix incorrectes (Reynal et al., 2017). D'ailleurs, on sait qu'il existe plusieurs biais de raisonnement qui rendent les humains pas parfaitement rationnels (Kühberger, 2002). Par exemple, les gens ont tendance à surestimer la probabilité des événements rares et de sous-estimer la probabilité des événements fréquents (e.g. Kahneman & Tversky, 1979; Kahneman, Slovic, & Tversky, 1982), un modèle accepté de prise de décision en condition de risque. Pour ces raisons, l'étude de l'impact de l'incertitude et de la pression temporelle sur l'élaboration des informations lors de la prise de décision (et du niveau de confiance dans la décision prise) en situation de risque est d'importance vitale pour aider les opérateurs à mieux gérer ces situations. Le rôle des opérateurs devient de plus en plus celui de superviseur d'une activité réalisée par une intelligence artificielle (IA). C'est donc la compréhension des mécanismes d'interaction entre humain et IA lors de la prise de décision en condition de risque qui deviennent urgentes. Ce projet de thèse vise à i) comprendre comment les mécanismes neurophysiologiques liés à la prise de décision et à la détection/correction des erreurs sont influencés par l'incertitude lors d'une interaction humain-machine et ii) si l'augmentation de la transparence d'un système d'IA augmente la confiance vers le système en réduisant l'impact négatif de l'incertitude sur la prise de décision. Les résultats de cette thèse aideront la compréhension des mécanismes sous-jacents l'interaction humain-machine, notamment en conditions de stress (incertitude et pression temporelle), et jetteront les bases pour des études futures de(neuro)modulation de ces mécanismes, qui pourraient induire des effets positifs sur l'interaction humain machine (e.g. majeure acceptabilité du système en condition de stress et risque).

The deleterious effects of stress on decision-making mechanisms in the field of complex system control have been widely studied (e.g. Hancock and Desmond, 2001; Martinussen & Hunter, 2009; Ursin & Eriksen, 2004; Starcke and Brand 2012). Studies using a flight simulator have shown that stressful situations, such as the emergence of flight management conflicts (e.g. pilot/copilot, pilot/autopilot...), especially in situations of uncertainty, can provoke behavioral disorders akin to dysexecutive syndrome (Dehais et al., 2010), leading pilots to make irrational decisions and persist in making incorrect choices (Reynal et al., 2017). Moreover, we know that there are several reasoning biases that make humans less than perfectly rational (Kühberger, 2002). For example, people tend to overestimate the probability of rare events and underestimate the probability of frequent events (e.g. Kahneman & Tversky, 1979; Kahneman, Slovic, & Tversky, 1982), an accepted model of decision-making under conditions of risk. For these reasons, the study of the impact of uncertainty and time pressure on the elaboration of decision-making (and the level of confidence in the decision taken) in risky situations is of vital importance in helping operators to better manage these situations. The role of is increasingly becoming that of a supervisor of an activity performed by an artificial intelligence (AI). It is therefore the understanding of the mechanisms of interaction between human and AI when making decisions under conditions of risk that are becoming increasingly important. This thesis project aims to i) understand how neurophysiological mechanisms related to decision-making and error detection/correction are influenced by uncertainty in human-machine interaction and ii) whether increasing the transparency of an AI system increases trust in the system by reducing the negative impact of uncertainty on decision making. The results of this thesis will contribute to our understanding of the mechanisms underlying human-machine interaction, particularly under conditions of stress (uncertainty and time pressure), and will lay the foundations for future studies of (neuro) modulation of these mechanisms, which could induce positive effects on human-machine interaction (e.g. greater system acceptability under conditions of stress and risk).