Thèse dirigée par
— Christine JEOFFRION, Professeure des universités, Université Grenoble Alpes, directrice
— Aurélie LANDRY, Maître de conférences, Université Grenoble Alpes, co‑encadrante
Jury de thèse
— Marc-Éric BOBILLIER CHAUMON, Professeur des universités, CNAM Paris, rapporteur et président
— Émilie LOUP-ESCANDE, Professeure des universités, Université de Picardie Jules Verne, rapporteure
— Céline BAEYENS, Professeure des universités, Université Grenoble Alpes, examinatrice
— David DANEY, Chercheur senior HDR, INRIA Bordeaux, examinateur
— Christine JEOFFRION, Professeure des universités, Université Grenoble Alpes, directrice
— Aurélie LANDRY, Maître de conférences, Université Grenoble Alpes, co‑encadrante
1La thèse s’inscrit dans l’industrie 5.0 qui tend vers plus d’utilisation de la collaboration cobotique en industrie. Cependant, quelques chercheurs (e.g. Compan, 2022 ; Schoose, 2022) ont pu identifier des effets négatifs de cette collaboration. Les échecs dans l’implémentation cobotique sont souvent liés à une absence de prise en compte des variabilités de la situation de travail. Les variabilités sont les changements issus de l’opérateur ou de la situation de travail qui le poussent à réguler son activité pour maintenir sa performance. Elles ont des effets positifs (e.g. mobilisation physique) et négatifs (e.g. exposition au danger) qui pourraient être gérés au sein de la collaboration cobotique. Une technologie cobotique pourrait aider à diminuer les effets négatifs de celles-ci. Aussi, les implémentations ne sont optimales que si les utilisateurs acceptent la technologie, l’étude de cette dimension est donc essentielle (Bobillier Chaumon, 2013). Cette thèse a donc pour objectifs de caractériser les variabilités dans le cadre d’une implémentation cobotique et de guider une démarche de conception centrée sur les futurs utilisateurs. Une analyse de l’activité en laboratoire de chimie R&D a révélé des expositions aux risques qui pourraient être atténuées par une collaboration cobotique. Les variabilités identifiées ont permis de concevoir des paradigmes expérimentaux pour tester l’impact des cobots dans des tâches d’assemblage industrielles. Ces tests utilisateurs, impliquant 212 participants, ont montré que la collaboration avec un cobot améliorait le taux de succès des tâches, bien que leur réalisation prenne plus de temps. Les participants ont exprimé du plaisir et de la confiance dans la collaboration cobotique. De plus, lorsque le cobot s’adaptait aux contraintes de sécurité, l’exposition aux risques des sujets était réduite. D’un point de vue théorique, la thèse propose un cadre intégrant les modèles de variabilités au travail et précise les effets de la collaboration cobotique. Sur le plan pratique, elle offre une grille pour identifier les variabilités et formuler des recommandations facilitant l’implémentation réussie de cobots.
2Afin de répondre aux différents constats décrits dans l’introduction, la thèse s’articule autour de trois questions de recherche. Premièrement, des variabilités sont présentes dans les situations de travail et diffèrent selon le terrain étudié. Ces variabilités ont des effets sur l’humain et sur son activité. Nous nous attachons à modéliser les variabilités et à élaborer une grille de repérage pour les intervenants en entreprise. Deuxièmement, cette grille sera testée sur le terrain d’étude pour identifier les variabilités présentes dans le laboratoire de chimie R&D. En effet, nous avons peu de connaissances de la situation de travail d’un opérateur chimiste. L’analyse sur site permettra de mieux comprendre l’activité de chimiste en R&D. Troisièmement, les cobots sont de plus en plus implémentés en entreprise, bien que nous méconnaissions encore tous leurs effets sur l’humain au travail. Ainsi, nous avons mis en place différents tests utilisateurs (TU) afin de tester les effets d’une programmation axée sur la gestion des variabilités ayant un impact potentiellement négatif sur les ressources de l’opérateur et sa performance. L’enjeu de cette thèse est donc d’identifier les variabilités sur le terrain, de comprendre les contraintes du métier de chimiste et d’effectuer des TU afin d’améliorer la collaboration cobotique pour l’adapter aux besoins du terrain d’étude.
3Nous avons utilisé une démarche de Conception Centrée-Utilisateur (CCU) qui a été définie par la norme ISO 9241-210 de 2019 (Organisation internationale de normalisation, 2019). Loup-Escande et al. (2013) recommandent la réalisation de quatre tâches pour appliquer convenablement les six principes d’une CCU. La première tâche consiste à « comprendre et à spécifier le contexte d’utilisation au travers de l’analyse des caractéristiques des utilisateurs potentiels […], d’une formalisation des tâches que l’utilisateur devra réaliser avec le système et d’une analyse de l’environnement dans lequel le système sera intégré » (Loup-Escande et al., 2013, p. 2). La seconde tâche consiste à « spécifier les besoins et les exigences de chaque partie prenante, en particulier de l’utilisateur, au travers d’une analyse fonctionnelle qui va prendre en compte les aspects techniques, juridiques, financiers ainsi que les contraintes liées à l’utilisateur » (Loup-Escande et al., 2013, p. 2). Afin de respecter les principes CCU, nous avons réalisé une analyse de l’activité sur le terrain d’étude. Cette analyse correspond aux deux premières tâches à effectuer. La troisième tâche « est relative à la production de solution de conception […] sur la base des connaissances techniques d’une part, des connaissances sur les utilisateurs et le contexte d’utilisation d’autre part » (Loup-Escande et al., 2013, p. 2). Nous avons mené trois études expérimentales afin de concevoir une interaction humain-cobot optimale. Dans un souci de facilitation du transfert des connaissances produites expérimentalement vers les situations de travail, les plans expérimentaux ont été alimentés par les analyses de terrain. Et enfin, la quatrième tâche « concerne l’évaluation des solutions conçues par rapport aux contextes d’utilisation, aux caractéristiques et aux besoins des utilisateurs, et ce à tous les stades de la durée de vie du système » (Loup-Escande et al., 2013, p. 2). Nos TU ont été réalisés à la suite les uns des autres afin d’apporter des connaissances innovantes en s’appuyant toujours sur les connaissances qui viennent d’être créées dans une démarche de conception itérative visant à améliorer progressivement un prototype de cobot.
4Les résultats de l’étude permettent de mieux comprendre les enjeux du travail de chimiste en R&D, en identifiant notamment la boîte à gants comme le poste de travail le plus exposé aux risques. Une collaboration entre humain et cobot pourrait réduire ces dangers. Lors du premier TU, l’utilisation d’un cobot a permis de diminuer le nombre de gestes et d’erreurs, tout en réduisant la perception de la demande en temps, bien que le temps réel de réalisation ait augmenté. La charge cognitive perçue est restée stable. Dans le deuxième TU, le cobot a aidé à réduire l’impact de la complexité des tâches sur la charge de travail et la qualité, augmentant toutefois le temps nécessaire et le nombre de gestes, mais en réduisant leur fréquence. L’acceptabilité de la collaboration avec le cobot s’est avérée élevée, notamment en termes de plaisir et de facilité d’utilisation perçus. Enfin, le troisième TU a montré que les experts prenaient moins de risques et faisaient moins d’erreurs que les non-experts, mais tous ont bénéficié de l’adaptabilité du cobot. Les participants ont pris moins de risques grâce à cette adaptabilité, n’en assumant que lorsque cela était absolument nécessaire. L’acceptabilité de la collaboration cobotique était similaire entre experts et non-experts, avec des scores variant de moyens à hauts quelle que soit la condition expérimentale. Ces résultats fournissent des pistes pour optimiser les systèmes cobotiques et les postes de travail à risque.
5La thèse défendue est que l’intégration de cobots dans les environnements de travail, notamment dans la R&D en chimie, pourrait améliorer la sécurité, la performance et le confort des opérateurs à condition que leur conception et leur programmation soient adaptées aux variabilités du terrain et guidées par une démarche CCU. En mettant l’accent sur l’analyse des variabilités, la collaboration humain-cobot peut être optimisée pour répondre aux besoins spécifiques des opérateurs tout en réduisant les risques et en augmentant l’acceptabilité de la technologie. La thèse soutient que cette démarche itérative, combinant analyses de terrain et tests expérimentaux, permet non seulement de mieux comprendre les contraintes des postes de travail mais aussi de co-concevoir des solutions cobotiques efficaces et adaptées. Les résultats expérimentaux renforcent l’idée que les cobots, bien qu’allongeant parfois la durée des tâches, pourraient diminuer les risques, améliorer la qualité de l’activité, et être acceptés par les utilisateurs grâce à une interaction dynamique et adaptée.
6Les résultats des études mettent en évidence l’importance d’un processus de conception itératif pour l’intégration des cobots. Les observations ont révélé des usages parfois inattendus des cobots, soulignant la nécessité d’analyser l’activité et de réaliser des TU à toutes les étapes de l’implémentation. La conception d’une technologie ne s’arrête jamais véritablement, car les retours des opérateurs permettent son amélioration continue. Les cobots semblent être des outils capacitants pour les opérateurs humains, en particulier lorsqu’ils prennent en compte les variabilités humaines. Globalement, lorsqu’ils sont bien conçus et adaptés, ils pourraient améliorer la performance et réduire les impacts des variabilités, notamment l’exposition aux risques et la fatigue. Cependant, leur utilisation prolonge souvent le temps de réalisation des tâches. La démarche de CCU a permis de respecter la majorité des critères pour des situations de collaboration capacitante (ECS, Enabling Collaborative Situations) proposés par Compan (2022), favorisant une meilleure acceptation à long terme. Cependant, en raison de l’immaturité de la technologie, l’évaluation de l’acceptation post-implémentation n’a pas été possible. Des tests supplémentaires sont nécessaires pour optimiser les cobots avant leur mise en œuvre sur le terrain. Nous recommandons cependant d’explorer si les variabilités peuvent être gérées par l’organisation du travail, ce qui serait plus économique et moins perturbant pour les opérateurs.