N OS DIFFÉRENTES CONTRIBUTIONS

Dans cette section, nous rappelons les diff´erentes contributions de notre travail.

8.1.1 Modèle computationnel d’expression d’attitudes pour un agent locuteur engagé dans une dyade avec l’utilisateur

Nos travaux ont permis d’apporter :

• Une m´ethode de collecte de corpus en utilisant une approche deCrowdsourcing nous permettant de recueillir des descriptions de comportements non-verbaux d’attitudes sociales.

• Un mod`ele computationnel d’expression non-verbale d’attitudes sociales.

Nous avons propos´e une m´ethodologie pour la construction d’un mod`ele compu-tationnel de comportement d’agents virtuels. Cette m´ethodologie s’appuie sur une approche deCrowdsourcing, qui consiste `a d´el´eguer la cr´eation d’un corpus `a des uti-lisateurs d’une plateforme en ligne, pour ensuite apprendre le mod`ele computationnel

8

grˆace `a l’utilisation d’une m´ethode d’apprentissage sur les donn´ees collect´ees. Cette m´ethodologie peut ´egalement ˆetre r´eutilis´ee dans d’autres contextes que le nˆotre comme par exemple pour apprendre le comportement associ´e `a diff´erentes person-nalit´es ou intention communicative . Afin de l’utiliser pour construire notre mod`ele computationnel d’expression non-verbale d’attitudes sociales dans une dyade, nous avons construit notre propre plateforme de collecte de donn´ees. Cette plateforme permet `a des utilisateurs de manipuler les param`etres du comportement non-verbal d’un agent afin de lui faire exprimer diff´erentes attitudes. Les param`etres du compor-tement non-verbal manipulables dans notre plateforme ont ´et´e choisis `a partir d’une

´etude de la litt´erature en sciences humaines et sociales sur l’expression d’attitudes.

A partir des donn´ees collect´ees, nous avons propos´e d’apprendre un r´eseau Bay´ e-sien pour construire notre mod`ele computationnel. Nous avons d´ecid´e d’utiliser un r´eseau Bay´esien car c’est un mod`ele qui est facile `a interpr´eter et qui permet de bien repr´esenter les relations de causalit´e entre les attitudes et les param`etres du com-portement non-verbal. Ce mod`ele a ´et´e impl´ement´e dans un prototype de recruteur virtuel afin de r´ealiser une ´evaluation de celui-ci. Pour cela, un mod`ele d’attitude verbale nous a permis de compl´eter l’architecture du recruteur virtuel pour l’´ evalua-tion. Les r´esultats ont montr´e que l’expression verbale et non-verbale des attitudes amicale et hostile ´etait reconnue.

Par la suite, nous avons propos´e un mod`ele permettant l’expression d’attitudes dans des situations de groupe.

8.1.2 Modèle computationnel d’agent conversationnel capable d’expri-mer différentes attitudes sociales dans un groupe à travers son comportement non-verbal

Nos travaux ont apport´e les contributions suivantes :

• Un mod`ele de g´en´eration de tours de parole suivant les attitudes que les agents ont les uns envers les autres.

• Un mod`ele de g´en´eration de formations de groupe suivant les attitudes des agents les uns envers les autres.

• Cr´eation d’agents capables de g´erer simultan´ement plusieurs fonctions commu-nicatives telles que la conversation, l’appartenance `a un groupe et l’expression d’attitude.

8

• Proposition d’une architecture d’agent social.

Le mod`ele de g´en´eration de tours de parole se base sur une repr´esentation `a partir de machine `a ´etats permettant `a un agent d’alterner entre les rˆoles de locuteurs et d’auditeurs en fonction de ses attitudes grˆace `a un ensemble de transitions. Ces transitions sont construites `a partir d’une ´etude de la litt´erature. Ce mod`ele s’ac-compagne d’un mod`ele de g´en´eration de formations de groupe con¸cu `a partir d’un ensemble de r`egles permettant de manipuler les distances, les orientations du corps et les directions du regard entre les agents en fonction des attitudes qu’ils expriment les uns envers les autres. Ces deux mod`eles ont ´et´e coupl´es avec le mod`ele de g´en´eration de comportement dans une dyade afin de proposer un mod`ele permettant de ne plus consid´erer uniquement des conversations dyadiques avec l’utilisateur mais aussi des conversations de groupes. L’id´ee directrice du mod`ele est que la notion de groupe et de conversation ´emerge du comportement de chaque individu. C’est l’alternance des activit´es de locuteur et d’auditeur chez les agents qui fait ´emerger les tours de parole.

De mˆeme pour la formation de groupe, c’est le comportement individuel de chaque membre qui fait ´emerger la notion de groupe. Nous avons impl´ement´e le syst`eme complet dans une application de type jeu s´erieux, grˆace au moteur Unity3D, dans laquelle le joueur peut naviguer dans une sc`ene peupl´ee de groupes conversationnels.

8.1.3 Évaluations du système avec différents niveaux d’immersions

Nos contributions portent de plus sur l’´elaboration de protocoles d’´evaluation pro-posant :

• Une simplification du nombre de configurations possibles afin de tester l’inter-action de l’expression d’attitudes entre deux agents et la reconnaissance des attitudes par les participants.

• Diff´erents niveaux d’immersion.

Nous avons r´ealis´e deux ´evaluations du syst`eme. La premi`ere ´evaluation a ´et´e r´ealis´ee en ligne, en montrant des vid´eos de sc`enes g´en´er´ees par notre mod`ele. La deuxi`eme

´

evaluation a ´et´e r´ealis´e en laboratoire, mettant le participant au cœur de la sc`ene en temps r´eel dans un environnement immersif de type CAVE. Les r´esultats ont permis de valider les mod`eles propos´es. Les participants ont bien reconnus les diff´erentes attitudes exprim´ees par les diff´erents personnages que ce soit dans les vid´eos ou dans