L IMITES ET P ERSPECTIVES

l’environnement immersif.

8.2 L

P

Notre contribution principale dans ce travail est un mod`ele de comportements non-verbaux pour un agent membre d’un groupe conversationnel. Ce mod`ele permet

`

a l’agent d’adopter diff´erentes strat´egies de prise de parole dans une conversation et de g´en´erer son comportement non-verbal en fonction des attitudes qu’il exprime envers les autres membres du groupe sans consid´eration pour le contenu verbal. Nous commen¸cons par voir les limites de notre travail puis nous discutons des perspectives.

8.2.1 Limites

8.2.1.1 Le contexte

Nous avons ´etudi´e l’expression d’attitudes par des agents conversationnels dans un contexte particulier. Notre ´etude de la litt´erature s’est concentr´ee sur des travaux portant sur la culture occidentale et les participants `a nos ´etudes venaient ´egalement majoritairement de pays issus de cette culture. Nous n’avons pas pris en compte les diff´erences culturelles dans la mod´elisation des attitudes et dans la perception de celles-ci. Or, par exemple, Une ´etude men´ee dans [Keating et al., 1981] a montr´e des diff´erences dans la perception de la dominance en fonction de la culture. Ils ont trouv´e notamment que l’association entre le fait de froncer les sourcils et la perception de la dominance se faisait surtout dans la culture occidentale.

Nous avons ´egalement travaill´e avec 4 agents ayant chacun une apparence dis-tincte mais cela ne constituait pas un panel repr´esentatif des diff´erentes apparences possibles (pas de diff´erences de tailles, de carrures et d’ethnies par exemple). Or l’ap-parence peut jouer dans la perception de l’attitude [Argyle, 1988]. Bien que nous ayons cherch´e `a minimiser l’effet de celles-ci dans nos manipulations, il est difficile de g´en´eraliser nos r´esultats pour toutes apparences et cultures.

8.2.1.2 Les comportements

Le nombre de modalit´es que nous consid´erons dans l’expression d’attitudes n’est pas exhaustif et il est possible que les attitudes seraient mieux exprim´ees si d’autres

8

comportements ´etaient influenc´es ´egalement comme la hauteur et le volume de la voix par exemple [Sanchez-Cortes et al., 2013]. Pour les param`etres du comportement non-verbal que nous avons consid´er´e, nous avons utilis´e des valeurs discr`etes. De plus, nos agents ne sont pas non plus capables d’exprimer des backchannels, ces comportements qu’une personne fait pour montrer qu’elle ´ecoute et pour inciter l’autre `a continuer de parler. Le contenu verbal n’est pas non plus consid´er´e alors que nous savons que les attitudes se manifestent verbalement [Chindamo et al., 2012].

8.2.1.3 L’utilisateur

Dans notre syst`eme, nous n’avons pas pu int´egrer l’humain dans les conversations des agents du fait qu’ils utilisaient un langage fictif et que la reconnaissance du langage naturelle n’est pas encore fiable. L’impact de notre mod`ele sur un utilisateur pourrait ˆetre tr`es diff´erent s’il se sentait impliqu´e dans la conversation.

8.2.1.4 Les attitudes

Nous avons utilis´e seulement 4 attitudes dans notre ´evaluation, correspondant aux extr´emit´es des axes Statut et Affiliation. Nous n’avons pas ´etudi´e comment ces attitudes peuvent se combiner (par exemple une attitude dominante et amicale) et nous n’avons pas regard´e les effets d’un changement d’attitudes durant une in-teraction. Nous n’avons pas non plus ´etudi´e diff´erentes intensit´es dans l’expression d’attitudes.

8.2.2 Perspectives

Ce travail et ses limites offrent des perspectives d’am´elioration pour le mod`ele propos´e et pour explorer de nouvelles voies autour de l’expression d’attitudes.

8.2.2.1 Court terme : les modalités et le groupe d’agents

Tout d’abord, un premier axe de recherche pourrait viser `a am´eliorer la capacit´e du mod`ele `a mieux exprimer les attitudes en ´etudiant l’ajout de nouveaux compor-tements (comme la posture [Ballin et al., 2004] et les Backchannels), de nouvelles

8

modalit´es (comme la qualit´e de la voix et le contenu verbal [Gatica-Perez, 2009]) et en augmentant le nombre de valeurs possibles pour celles que nous consid´erons d´ej`a.

Par exemple, nous avons utilis´e 3 expressions faciales diff´erentes que nous combinons avec l’animation des l`evres pour exprimer des attitudes. Une expression positive de joie, une expression neutre et une expression n´egative de col`ere. Nous pourrions consid´erer bien plus d’expressions faciales avec diff´erentes intensit´es. Cela implique-rait alors d’am´eliorer la m´ethode de Crowdsourcing que nous avons propos´ee afin de permettre la collecte de donn´ees continues et de nouveaux param`etres. Une des probl´ematiques serait de concevoir une interface qui reste simple pour un utilisateur na¨ıf tout en permettant de collecter des donn´ees plus riches.

En ce qui concerne la configuration du groupe, nous pourrions chercher `a ´ etu-dier la g´en´eralisation aux diff´erentes apparences d’un agent, comme sa taille, son genre, son style vestimentaire et sa carrure. L’apparence physique d’une personne peut renvoyer une impression sur sa personnalit´e qui peut influencer l’attitude

per-¸cue [Argyle, 1988]. Plusieurs axes de recherche sont envisageables. Un premier axe consiste `a int´egrer l’apparence physique comme un param`etre dans l’expression de l’attitude (une personne grande et muscl´ee peut renvoyer de base une image plus dominante par exemple). Un deuxi`eme axe consiste `a proposer un mod`ele qui ne consid`ere pas l’apparence comme un param`etre mais qui fonctionne pour toutes les apparences. Ensuite, diff´erentes possibilit´es s’offrent ´egalement pour la g´en´ era-lisation `a diff´erentes tailles de groupes : prendre en compte les autres membres du groupe comme param`etres pour l’expression d’attitudes (dans un groupe de grande taille, il peut ˆetre plus difficile d’exprimer de la dominance, `a cause du nombre de personnes et `a cause de leurs attitudes par exemple) ou proposer un mod`ele qui ne consid`ere pas ce param`etre mais fonctionne pour toute taille de groupe.

8.2.2.2 Moyen terme : la conversation et les attitudes

Nous avons consid´er´e une conversation avec une dur´ee ind´efinie. Une am´elioration consisterait `a prendre en compte l’´evolution de l’interaction et de ses diff´erentes

´etapes, en particulier son d´ebut et sa fin. Les comportements produits peuvent ˆetre diff´erents et l’attitude per¸cue dans les premi`eres secondes d’une interaction peut avoir un effet sur le reste de celle-ci [Cafaro et al., 2012] de mˆeme que ceux produits

`

a la toute fin. Comme nous avons ´etudi´e des attitudes fig´ees pour toute la dur´ee

8

des interactions, cela ouvre ´egalement la voie `a l’´etude de l’´evolution de l’attitude au cours de l’interaction. Notre mod`ele est con¸cu afin d’exprimer les attitudes avec chaque changement d’action (parler, s’arrˆeter de parler, vouloir parler, ´ecouter) et ce de fa¸con probabiliste. En effet notre approche dans la conception de ce mod`ele s’est bas´ee sur la d´efinition de r`egles probabilistes de comportement, `a partir d’un corpus de donn´ees collect´e et `a partir de la litt´erature en sciences humaines et sociales associant un comportement et un seul sur chaque modalit´e pour chacune des diff´erentes actions. Une autre approche pourrait ˆetre de consid´erer une expression continue de l’attitude tout au long de l’interaction et non plus juste au moment des changements d’action. Certains chercheurs se sont d’ailleurs int´eress´es `a l’expression d’attitudes dans des s´equences de comportements [Chollet et al., 2014].

Une perspective importante est l’int´egration de l’utilisateur dans l’interaction avec un groupe d’agents. Pour cela, plusieurs ´etapes sont n´ecessaires. Il faut d´ eve-lopper un mod`ele de dialogue permettant d’exprimer diff´erentes attitudes dans le contenu verbal en fonction des attitudes entre les participants. Plus important en-core, il est n´ecessaire de comprendre l’activit´e de l’utilisateur. Afin de l’int´egrer dans notre mod`ele de tours de parole, nous devons ˆetre capable d’identifier dans quel ´etat conversationnel il se trouve, et pour l’int´egrer dans le dialogue, nous devons ´ ega-lement comprendre ce qu’il dit. Ceci peut ˆetre r´ealiser en utilisant des solutions existantes de reconnaissance de comportements [Wagner et al., 2013] et de la parole [Lamere et al., 2003].

8.2.2.3 Long terme : extension du modèle à différentes interactions

Dans le futur, il sera int´eressant de continuer ce travail en cherchant `a appliquer le mod`ele et la m´ethodologie propos´es dans cette th`ese `a d’autres types d’interac-tions comme un travail collaboratif ou un jeu par exemple, et non plus juste une conversation. Pour l’instant nous avons ´evalu´e le mod`ele dans des sc´enarios o`u un seul utilisateur ´etait face `a un groupe d’agents et il nous faudra ´egalement v´erifier que les agents anim´es par notre mod`ele sont capables, `a l’inverse, de rejoindre un groupe d’humains et d’interagir avec eux. A terme, le mod`ele devra permettre `a un agent de rejoindre un groupe compos´e aussi bien d’agents que d’humains et d’inter-agir avec les uns et les autres en produisant des comportements coh´erents vis-`a-vis de son rˆole dans l’interaction. On peut ´egalement imaginer faire fonctionner un tel

8

mod`ele avec des robots. D`es lors, on peut imaginer des sc´enarios o`u personnages virtuels, robots et humains peuvent se rejoindre et peuvent interagir tous ensemble.

Ce travail nous offre ainsi de nombreuses voies afin de continuer `a am´eliorer le mod`ele propos´e ainsi que l’expression de comportements de personnages virtuels.

Bien que nos r´esultats se soient montr´ees encourageants, il existe encore de nom-breuses pistes de recherche que nous devons mener afin de pouvoir proposer un mod`ele riche de g´en´erations de comportements permettant l’expression d’attitudes sociales.

A Distributions de