Intelligence artificielle centrée humain pour la Qualité 4.0 : approches adaptatives et génératives pour la qualité en cours de production

Ce projet de thèse porte sur l’intelligence artificielle centrée humain appliquée à la Qualité 4.0 dans les systèmes de production. Dans un contexte d’Industrie 4.0 et d’Industrie 5.0, l’objectif est d’améliorer le suivi de la qualité en cours de production en combinant données de capteurs, retours opérateurs et mécanismes d’IA adaptative et générative. Les méthodes classiques de contrôle qualité, comme le SPC ou Six Sigma, interviennent souvent après l’apparition des défauts, tandis que de nombreuses solutions d’IA restent peu robustes face à la variabilité des environnements industriels et sont encore difficiles à interpréter par les opérateurs.
La thèse vise à concevoir un cadre de Qualité 4.0 centré humain dans lequel l’opérateur n’est pas seulement une source de données, mais un acteur de validation, d’explication et d’amélioration continue du système. Des boucles d’apprentissage adaptatif, fondées notamment sur des scores de fiabilité, l’apprentissage par transfert et éventuellement l’apprentissage incrémental, permettront d’ajuster les modèles aux changements de contexte de production. L’IA générative sera étudiée comme interface de médiation entre les algorithmes et les utilisateurs, afin de produire des explications contextualisées, de faciliter la validation conversationnelle des anomalies et de renforcer la confiance dans les décisions proposées.
La méthodologie comprendra une revue systématique de la littérature sur l’IA centrée humain, l’Industrie 5.0, l’IA explicable et l’IA générative appliquées à la qualité industrielle. Elle se poursuivra par le développement de prototypes associant flux de données en temps réel, détection adaptative des défauts et interface générative d’explication. Ces prototypes seront évalués au moyen de simulations, d’expérimentations contrôlées avec des opérateurs et, si possible, de cas d’étude industriels. Les critères d’évaluation incluront la performance de détection, la transparence, la confiance, la qualité des retours opérateurs, la charge de travail et l’accessibilité pour les PME.
Les contributions attendues sont à la fois conceptuelles, techniques, empiriques et pratiques. La thèse proposera un cadre intégrant l’interaction humain-IA générative comme pilier de la Qualité 4.0, développera des prototypes de surveillance qualité adaptatifs et conversationnels, apportera des éléments empiriques sur l’effet des explications génératives sur la confiance et la qualité du feedback, et formulera des recommandations pour l’adoption durable de solutions d’IA centrée humain dans les PME manufacturières. 

Mots-clés : Intelligence artificielle centrée humain,Qualité 4.0,Apprentissage par transfert,IA générative,Surveillance de la qualité,Systèmes de production