Thèse Orchestration Multi-Agent pour l'Accompagnement Éducatif des Apprenants Affectés par des Traumatismes H/F Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Informatique et sciences du numérique École doctorale : Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : IBISC - Informatique, BioInformatique, Systèmes Complexes Direction de la thèse : Guillaume HUTZLER ORCID 0000000248700706 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-10-15T23:59:59 Les apprenants affectés par la guerre et les personnes déplacées ne font pas face à un simple déficit de connaissances : interruptions longues et non linéaires de la scolarité, décalage entre curricula du pays d'origine et du pays d'accueil, perte des dossiers scolaires, troubles psychologiques (stress post-traumatique, anxiété, dépression) altérant la mémoire de travail et l'attention, handicaps acquis, infrastructures fragiles (connectivité intermittente, équipements bas de gamme, coupures d'électricité) et perte du soutien social. Les environnements d'apprentissage adaptatifs actuels reposent sur l'hypothèse implicite que le désengagement est un comportement appelant une relance motivationnelle. Pour ce public, le désengagement peut au contraire être le symptôme de circonstances subies, et une relance classique peut s'avérer néfaste.
Cette thèse propose AMAN (Adaptive Multi-Agent Network ; « amān » signifie « sécurité » en arabe), une architecture multi-agents qui décide quand et comment intervenir dans le parcours d'un apprenant dont la scolarité a été interrompue par un conflit, à partir de signaux comportementaux et affectifs, et qui est validée par simulation multi-agents avant tout déploiement sur le terrain.
Les contributions attendues sont : (1) un modèle de l'apprenant sensible au trauma (Trauma-Aware Learner Model), fondé sur une ontologie intégrant l'interruption, la fragilité psychologique, le handicap et les contraintes d'infrastructure comme dimensions à part entière ; (2) un algorithme d'inférence affective peu intrusif détectant stress, fatigue et retrait motivationnel à partir des seules traces d'interaction (rythme de frappe, latences, abandons de tâches, horaires de session, tonalité textuelle), sans caméra ni connexion permanente ; (3) un protocole d'arbitrage entre agents aux objectifs conflictuels (progression académique, soutien psychosocial, motivation, personnalisation, conseil), avec des contraintes de sécurité strictes empêchant toute pression sur un apprenant en situation de crise, contribution théorique principale ; (4) une plateforme de simulation open source générant des populations synthétiques d'apprenants pour évaluer des politiques d'intervention ; (5) un cadre d'évaluation multidimensionnel (académique, émotionnel, accessibilité, rétention, inclusion sociale, technique).
La méthodologie s'inscrit dans une démarche de Design Science Research, organisée en cycles itératifs de conception et d'évaluation, et complétée par un protocole d'évaluation de type quasi expérimental (mesures avant et après l'intervention, suivi à plus long terme et comparaison avec un groupe témoin). Elle débute par une revue systématique de la littérature et une analyse des besoins des acteurs concernés. Elle se poursuit par la constitution de données d'interaction issues d'environnements d'apprentissage numériques, accompagnée d'une analyse des biais et de l'équité, puis par le développement du système et son évaluation, d'abord en simulation à partir d'apprenants synthétiques, ensuite en conditions réelles dans le cadre d'études pilotes menées avec des établissements partenaires. Les résultats obtenus en simulation et sur le terrain seront confrontés afin de valider l'approche. Les considérations éthiques sont intégrées dès la conception : consentement éclairé, minimisation et protection des données, et un périmètre limité au repérage des difficultés et à l'orientation vers des professionnels, sans visée diagnostique ni thérapeutique. Les travaux existants couvrent séparément plusieurs aspects du problème sans les articuler. Les systèmes de recommandation de parcours pour apprenants en situation de handicap (ex. RECMOOC4ALL) ne tiennent pas compte de l'état psychologique ni de l'interruption du parcours. Les approches de détection de l'engagement et des émotions par vision artificielle (ex. EmoVision) supposent une caméra et une connexion continue, inutilisables en contexte de conflit. Le projet SYNERGY (Abchiche-Mimouni, Hutzler et al., 2019), mené à IBISC, a montré empiriquement que le coaching en intelligence émotionnelle améliore la motivation et la réussite, mais cette intervention humaine ne passe pas à l'échelle et n'a pas encore été traduite en agents logiciels. Les référentiels d'accessibilité (WCAG, UDL) garantissent une conformité statique qui ne s'adapte pas aux fluctuations de l'état d'un même utilisateur. Enfin, aucun modèle de l'apprenant ne traite l'interruption, la fragilité psychologique et la précarité d'infrastructure comme des dimensions de premier ordre.
Le verrou scientifique est donc l'absence d'un cadre computationnel combinant coordination multi-agent, modélisation de l'apprenant sensible au trauma et contraintes de déploiement en environnement à faibles ressources, accompagné d'une méthodologie de validation permettant d'estimer l'impact avant d'exposer une population vulnérable à des politiques d'intervention non testées. La thèse s'inscrit dans la continuité des travaux de l'équipe COSMO sur la modélisation et la simulation multi-agent et sur l'intelligence émotionnelle en éducation. L'objectif général est de concevoir et valider un cadre multi-agent capable d'accompagner la continuité éducative d'apprenants affectés par la guerre, en décidant quand et comment intervenir sans nuire. Les objectifs spécifiques sont :
1. Modéliser l'apprenant affecté par la guerre (lacunes non linéaires, état affectif inféré, contraintes d'accessibilité et d'infrastructure) sans recours à la caméra ni à des données cliniques.
2. Évaluer dans quelle mesure le stress, la fatigue et le retrait motivationnel peuvent être inférés à partir des seules traces d'interaction, avec une précision suffisante pour guider une décision pédagogique.
3. Concevoir une architecture de coordination et un protocole d'arbitrage entre agents aux objectifs conflictuels, avec des contraintes de sécurité explicites.
4. Évaluer la capacité de la simulation multi-agent à prédire l'effet des politiques d'intervention sur l'abandon et la reprise des parcours, par comparaison avec des résultats de terrain.
5. Identifier les propriétés d'interaction humain-agent qui favorisent la confiance d'un apprenant déplacé envers les recommandations d'un agent intelligent.
Hypothèses testées : (H1) l'inférence affective comportementale améliore la prédiction du risque d'abandon par rapport aux seuls indicateurs académiques ; (H2) une politique d'intervention sensible au trauma (report, décomposition, recadrage) réduit l'abandon par rapport à une politique motivationnelle classique ; (H3) l'adaptation dynamique de l'interface à la charge cognitive réduit le temps de réalisation des tâches pour les apprenants en situation de handicap acquis ; (H4) l'explicabilité des recommandations augmente leur taux d'acceptation. Design Science Research ; modélisation de l'apprenant ; analyse de séquences d'interaction ; simulation multi-agent ; étude expérimentale (pré-test, post-test immédiat et différé, groupe contrôle)