Vous êtes sur la page 1sur 224

T

T
H
H

S
S
E
E

En vue de l'obtention du

D DO OC CT TO OR RA AT T D DE E L L U UN NI IV VE ER RS SI IT T D DE E T TO OU UL LO OU US SE E

Dlivr par L'Universit de Toulouse II
Discipline ou spcialit : Psychologie Cognitive



JURY
Cellier, Jean-Marie, Directeur d'Etudes E.P.H.E., Toulouse, prsident
Chauvin, Christine, matre de confrences, HDR, universit de Bretagne sud, rapporteur
Hoc, Jean-Michel, directeur de recherche, CNRS, Nantes, rapporteur
Raufaste ric, professeur, universit de Toulouse le Mirail, directeur de thse
Baccino, Thierry, Professeur, universit Nice-Sophia Antipolis


cole doctorale : cole Doctorale Aronautique et Astronautique
Unit de recherche : CLLE-LTC (UMR 5263 du CNRS)
Directeur(s) de Thse : ric Raufaste
Rapporteurs : Christine Chauvin, matre de confrence (HDR), universit de Bretagne sud
Jean-Michel Hoc, directeur de recherche, CNRS, Nantes


Prsente et soutenue par Charles Pompanon
Le 02/06/2009

Titre : De la perception l'action:
Modlisation et simulation de la dtection de conflit sur radar
chez les contrleurs ariens "en-route" dans l'architecture cognitive ACT-R.
Charles Pompanon : De la perception laction: Modlisation et simu-
lation de la dtection de conit sur radar chez les contrleurs ariens
en-route, Thse de Doctorat, 02 Juin 2009
RSUM
Le premier objectif de cette thse est denrichir la comprhension que
nous avons des processus cognitifs impliqus dans la dtection de conit
entre deux avions chez les contrleurs ariens en-route . Le second
objectif est de valider un nouveau modle cognitif de prise de dcision
en comparant les donnes recueillies auprs de contrleurs ariens exp-
riments avec celles issues des simulations du modle implment dans
larchitecture cognitive ACT-R 6.
Dans un premier temps, notre approche sest focalise sur les aspects
perceptifs de la dtection de conit. Les rsultats issus de trois expriences
runissant 799 participants nous ont permis (1) de dcrire un biais que nous
avons appel innershoot , et (2) de mettre en vidence les principales
stratgies perceptives utilises pour cette tche. Linnershoot est une sous-
estimation de la position du point de croisement de deux trajectoires
convergentes. Autrement dit, le point dintersection est peru avant sa
position relle. Ce biais est pris en compte lors de limplmentation de
notre modle.
Dans un second temps, nous avons compar trois modles de la dtec-
tion de conit (Niessen, Leuchter, & Eyferth, 1998 ; Rantanen & Nunes,
2005 ; Raufaste, 2006) laide de donnes sur les mouvements oculaires.
Trente contrleurs expriments devaient soit dcider prcisment si deux
avions taient en conit, soit estimer sils devaient intervenir dans une
telle situation. Aucun des trois modles ne pouvait rendre compte de nos
donnes. Nous avons donc dcid de crer un nouveau modle inspir par
lanalyse de nos rsultats.
Notre modle a t implment dans larchitecture cognitive ACT-R 6.
La confrontation des rsultats des contrleurs humains avec ceux obtenus
par le modle lors des simulations montre que notre modle est valide tant
sur le plan des processus cognitifs impliqus dans la dtection de conit
que sur le plan de la performance produite.
Mots-cls : prise de dcision, modlisation computationnelle, ACT-R,
contrle du trac arien, oculomtrie.
iii
ABSTRACT
Our rst goal was to enhance our understanding of air trac controllers
cognitive processes involved in a conict detection task. Our second goal
was to implement these processes in the ACT-R 6 cognitive architecture.
Firstly, our approach focused on the perceptive aspect of conict detec-
tion. Results issued from three experiments with 799 participants led us to
describe a perceptive bias, named innershoot , and several perceptual
strategies involved in this task. Innershoot predicts that the crossing point
of two convergent trajectories tend to be underestimated. In others words,
the intersection point is perceived before its actual position. This bias will
be taken into account in our computational model.
Secondly, three models of conict detection decision making (Niessen et
al., 1998 ; Rantanen & Nunes, 2005 ; Raufaste, 2006) have been compared
using eye-tracking data. Thirty experienced air trac controllers had to
either decide if two aircraft were in conict or either estimate if they should
intervene in such a situation. Results showed that none of the three models
could fully account for the data. These results led us to produce a new
model of hierarchical decision-making.
Our model was implemented and simulated in the cognitive architecture
ACT-R 6. Data issued from our model simulations were challenged by data
obtained by human controllers. Results supported the models validity both
on performance and cognitive processes involved in conict detection.
Key-words : decision making, computational modeling, ACT-R, air trac
control, eye-tracking data.
iv
REMERCI EMENTS
Je voudrais en premier lieu remercier ric Raufaste sans qui tout ce
projet naurait pas t possible. Merci de mavoir suivi et fait conance
depuis ces nombreuses annes. Merci aussi pour les multiples remises en
question, elles mont permis de progresser et dapprendre lhumilit.
Merci la fondation dentreprise EADS qui nous a fait conance en
nanant ce projet.
Merci aux psychologues de lENAC qui mont initi la nbuleuse des
mtiers de laviation civile. Votre accueil fut chaleureux et dune humanit
remarquable. Merci Fanny Benam, Didier Jambert, Daniel Espart pour
leur conance et pour mavoir permis de participer aux slections des
lves pilotes de ligne (je suis vraiment dsol de vous avoir fait faux bon
il y a trois ans, cependant il est certain que vous ny avez pas perdu au
change :-) ). Merci galement Nadine Matton, avec qui ce fut un rel
plaisir de travailler.
Je naurais jamais pu avoir accs aux contrleurs ariens sans laide de
Philippe Averty (DTI/SDER, DGAC). Il ma permis dentrer en contact
avec les inspecteurs dtudes et les lves ingnieurs du contrle arien, et
avec les sympathiques et disponibles contrleurs ariens du centre rgional
de la navigation arienne de Bordeaux.
Merci aux membres du laboratoire CLLE-LTC pour mavoir permis
dexprimenter la vie de laboratoire. Je voudrais remercier plus particu-
lirement Brigitte Je pars la Guadeloupe Roc pour son indispensable
collaboration lors de la programmation des protocoles exprimentaux.
Merci Pierre-Vincent Headshot Paubel et Virginie Demeure pour les
discussions enrichissantes et leur sympathie. Merci tienne Mullet pour
nos trop brefs nanmoins stimulants changes.
Je ne peux passer sous silence le soutien indfectible de mes parents.
Jamais je naurais pu entreprendre ce long parcours sans vous. Merci
davoir accept mes choix.
Merci Sylvana, le soleil de mes instants qui me permet tous les jours
dilluminer ma vie. Tu es unique et prcieuse.
v
TABLE DES MATI RES
1 i ntroducti on 1
I Partie Thorique 7
2 la t ache du contr oleur a eri en en-route 9
2.1 Description du contexte dactivit du contrleur arien 10
2.1.1 Trois types de contrle du trac arien 10
2.1.2 Quelques dtails sur le contrle en-route 11
2.2 Les facteurs situationnels qui inuencent la dtection de
conits 13
2.2.1 Le nombre davions simultanment achs 13
2.2.2 Le temps avant conit et type de surveillance 14
2.2.3 Les direntes congurations gomtriques 14
2.3 Les stratgies impliques dans la dtection de conit 15
2.3.1 Stratgie lexicographique de Rantanen et Nunes
(2005) 15
2.3.2 Le modle de Raufaste 18
2.3.3 La dtection de conit dans le modle MoFl 19
2.4 Dirences entre ATC experts et ATC novices 20
2.5 Contrle arien et activit oculomtrique 22
2.6 Synthse 23
3 probl emati que(s) 25
3.1 Linuence des distances dans la dtection de conit :
modles dAverty et de Stankovic et al. 26
3.2 Les modles de processus 26
3.2.1 MoFl 27
3.2.2 Le modle hirarchique 28
3.2.3 En quoi ces modles sont-ils dirents ? 28
3.2.4 Les prdictions de chaque modle lors dune tche
de dtection de conit 29
3.3 Le modle computationnel de Raufaste 30
3.4 Comment construire un modle de la dtection de conit
implmentable ? 31
3.4.1 Le choix de la mthode 31
3.4.2 Le choix des variables observables : le besoin de
donnes oculaires 32
vii
viii Table des matires
3.5 Hypothses Gnrales 33
II Recueils de donnes exprimentales 35
4 i nf erence du poi nt di ntersecti on de deux trajectoi res 37
4.1 Les jugements de colinarit : approche gnrale 38
4.1.1 Dnition et caractristiques gnrales 38
4.1.2 Situations particulires de jugements de colina-
rit 39
4.2 Estimer le point dintersection de deux trajectoires 40
4.3 Lhypothse de linnershoot 41
4.4 Exprience 1 44
4.4.1 Mthode 44
4.4.2 Rsultats et discussion 47
4.5 Exprience 2 49
4.5.1 Mthode 49
4.5.2 Rsultats et discussion 51
4.6 Exprience 3 : mouvements oculaires et innershoot 54
4.6.1 Quelques stratgies perceptives pour localiser le
point dintersection de deux segments convergents 55
4.6.2 Mthode 56
4.6.3 Rsultats 58
4.7 Discussion gnrale 62
4.7.1 Innershoot : un biais perceptif ou moteur ? 63
4.7.2 Est-ce que ces rsultats peuvent tre expliqus par
une dcience de la mmoire visuo-spatiale ? 64
4.7.3 Implications de lorientation absolue et relative
des segments sur la distribution des rponses ca-
ractrisant les nuages de points 65
4.7.4 Consquences thoriques et mthodologiques 65
4.7.5 Retour sur la situation de dtection de conit chez
les contrleurs ariens 66
5 mod` ele th eori que de la d etecti on de confli t 69
5.1 Hypothses 70
5.1.1 Lordre des xations 70
5.1.2 Le rang des frquences de xation 70
5.1.3 Les temps de rponse 70
5.1.4 Performance 71
5.1.5 Eet de la consigne 71
5.2 Exprience 72
5.2.1 Mthode 72
5.2.2 Rsultats 77
Table des matires ix
5.3 Discussion et conclusion 85
5.3.1 Discussion des rsultats 86
5.3.2 Conclusion 91
5.3.3 un nouveau modle 91
5.3.4 Considrations nales : dtection de conit ou
jugement dintervention 96
III Simulation 101
6 un aper cu des si mulati ons de la t ache de contr ole a e-
ri en 103
6.1 CATS : Crew Activity Tracking System 105
6.1.1 Structure de larchitecture et ux dinformations 105
6.1.2 Lactivit du modle CATS 107
6.2 Le projet airmidas 109
6.2.1 Fondements thoriques dAirMidas 109
6.2.2 Rsultats obtenus 110
6.3 apex/cpm-goms : 111
6.3.1 Architecture dApex 111
6.3.2 Dcomposition de la tche des contrleurs ariens
en-route et rsultats 112
6.4 mo 114
6.4.1 Principe et spcicit dACT-R 3.0 114
6.4.2 Le modle 115
6.5 Synthse 117
7 si mulati on de la d etecti on de confli t dans act-r 119
7.1 Larchitecture ACT-R 119
7.1.1 Principes gnraux 120
7.2 Les modules 123
7.2.1 Le module dclaratif 123
7.2.2 La mmoire procdurale 125
7.2.3 Les modules perceptifs et moteurs 127
7.2.4 Le module des buts 128
7.3 Le modle ACT-R 129
7.3.1 La structure des buts 129
7.3.2 Les processus cognitifs impliqus dans chaque
sous-but 132
7.3.3 Exemple et analyse de la trace dun essai 144
7.3.4 Rsultats 149
7.4 Discussion et conclusion 157
8 conclusi on et perspecti ves 163
x table des mati ` eres
8.1 Les apports de notre travail 163
8.2 Les limites de notre approche 165
8.2.1 Le rductionnisme 165
8.2.2 Un modle post-hoc 167
8.3 Perspectives de recherches et applications potentielles 167
8.3.1 Applications potentielles 169
a annexe 173
Rfrences 195
LI STE DES FI GURES
Figure 1 Reprsentation dune erreur de colinarit ; X
est la rponse estime ; est langle entre le seg-
ment test et laxe horizontal. 38
Figure 2 Modle thorique du point dintersection peru
de deux segments convergents (daprs Mitrani
et Yakimo, 1983). Le recouvrement des deux
ensembles de lignes partant des segments (a, a

)
et (b, b

) dnit la densit relative des rponses


donnes par les participants lorsquils ont juger
de la position du point dintersection des deux
droites. Laire RSPQ correspond au recouvrement
des deux ensembles, la densit est maximale dans
cette aire. 42
Figure 3 Innershoot caus par deux eets cumuls din-
duction : X est le point dintersection rel ; R est
une rponse type ;
A
and
B
sont les deux erreurs
de colinarit. Leet dinduction induit que
A
est orient vers le segment B, et que
B
est orient
vers le segment A. Par consquent, les rponses
tendront tre plus favorablement estimes dans
langle AXB quen dehors (Innershooting). 43
Figure 4 Le nuage de points de gauche parat circulaire.
Cela se produit quand les deux segments forment
un angle de 90. Sur le ct droit, le nuage de
points est elliptique et semble align sur laxe
horizontale. Des schmas similaires ont t ob-
servs quand un segment est align sur un axe
cardinal. Chaque point reprsente une rponse, la
couleur des points reprsente la densit des r-
ponses dans un rayon de 5 pixels. Les points les
plus sombres sont ceux qui ont des valeurs de den-
sit leves. 49
Figure 5 Innershoot en fonction de la distance et de langle
de convergence (Exprience 2, N = 216). 53
xi
xii Liste des Figures
Figure 6 Innershoot visuel : Frquence des xations lin-
trieur de langle form par les lignes portant les
deux segments en fonction de langle de conver-
gence et de la distance visuelle (Exprience 3,
N = 25). 61
Figure 7 Dcours temporel des regards dans les trois aires
dintrt (Exprience 3, N = 25). 62
Figure 8 Exemples de scnarios. De haut en bas et de droite
gauche : cas de poursuite (0), cas de face--
face (180), cas 45, cas 90, cas 135et cas
davions divergents. 75
Figure 9 Capture dcran Du simulateur et aires dintrt
(AOI) utilises pour le calcul des xations ocu-
laires. Les direntes AOI sont dlimites par les
lignes en pointills. Les AOI taient invisibles pour
les participants. 76
Figure 10 Modle de prise de dcision utilis par les contr-
leurs ariens en-route en fonction de laltitude, de
langle form par les trajectoires, les vitesses re-
latives et le Dt
h
. Schmas appris se rfre
des congurations connues qui conduisent
une rponse associe la situation. Par exemple,
une situation dans laquelle un avion est la fois
trs proche du point dintersection et le plus ra-
pide, nentrane pas daction de la part du contr-
leur. 95
Figure 11 Flux dinformation parcourant un agent CATS
(daprs Callantine, T., 2005, p. 87) 106
Figure 12 Organisation hirarchique des activits raliser
par un agent CATS (daprs Callantine, T., 2005,
p. 88) 108
Figure 13 Vue densemble de larchitecture Apex (daprs
Lee et al., 2004, p. 49). 112
Figure 14 Structure des activits cognitives du modle MoFl
(daprs Leuchter et al., 1997, p. 270) 116
Figure 15 Les dirents modules implments dans ACT-R
6. 121
Figure 16 Script dtaill de lensemble des buts poursuivis
par le modle lors de lexprience. 131
Liste des Figures xiii
Figure 17 Angles 45 : Dirence visible entre un Dt
h
de
2,5 et de 7,5 NM. Sur limage de gauche (Dt
h
=
2, 5 NM), on peut facilement imaginer un axe de
symtrie correspondant la bissectrice de langle
form par les deux trajectoires, alors que sur limage
de droite (Dt
h
= 7, 5 NM) les avions semblent
dcals. 141
Figure 18 Stratgie perceptive pour valuer la distance la-
trale de sparation. Les points A et B dsignent
chaque avion, le point I est le point dintersec-
tion des deux trajectoires, A est le point A rabattu
sur la trajectoire de B. La sparation latrale sap-
proche de la distance BA. 143
Figure 19 Courbes des temps de rponse moyens pour les sc-
narios o les avions sont la mme altitude (SA).
SS : mmes vitesses, DS : vitesses direntes, 2,5
et 7,5 : valeur du Dt
h
. 150
Figure 20 Courbes des temps de rponse moyens pour les
scnarios o les avions sont des altitudes di-
rentes (DA) ou divergents (SA-Div et DA-Div).
SS : mmes vitesses, DS : vitesses direntes, 2,5
et 7,5 : valeur du Dt
h
. 151
Figure 21 Courbes des moyennes des frquences de bonnes
rponses pour les scnarios o les avions sont
des altitudes identiques (SA). SS : mmes vitesses,
DS : vitesses direntes, 2,5 et 7,5 : valeur du
Dt
h
. 152
Figure 22 Courbes de la moyenne des frquences de perfor-
mance (en haut) et de la moyenne des temps de
rponse (en bas) en fonction de la dicult des
scnarios. DA-Div : altitudes direntes et angles
divergents, SA-Div : altitudes identiques et angles
divergents, DA-SS : altitudes direntes, vitesses
identiques et angles non divergents, DA-DS : alti-
tudes direntes,vitesses direntes et angles non
divergents, SA-SS : altitudes identiques et vitesses
identiques et angles non divergents, SA-DS : al-
titudes identiques et vitesses direntes et angles
non divergents. 154
xiv Liste des Figures
Figure 23 Graphiques de dispersion : angles 45. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 174
Figure 24 Graphiques de dispersion : angles 45. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 175
Figure 25 Graphiques de dispersion : angles 45. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 176
Figure 26 Graphiques de dispersion : angles 45. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 177
Liste des Figures xv
Figure 27 Graphiques de dispersion : angles 67. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 178
Figure 28 Graphiques de dispersion : angles 67. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 179
Figure 29 Graphiques de dispersion : angles 67. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 180
Figure 30 Graphiques de dispersion : angles 67. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 181
xvi Liste des Figures
Figure 31 Graphiques de dispersion : angles 90. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 182
Figure 32 Graphiques de dispersion : angles 90. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 183
Figure 33 Graphiques de dispersion : angles 90. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 184
Figure 34 Graphiques de dispersion : angles 90. Les lignes
noires reprsentent les trajectoires des avions jus-
quau point dintersection. Les points sont les r-
ponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 185
Liste des Figures xvii
Figure 35 Graphiques de dispersion : angles 112. Les
lignes noires reprsentent les trajectoires des avions
jusquau point dintersection. Les points sont les
rponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 186
Figure 36 Graphiques de dispersion : angles 112. Les
lignes noires reprsentent les trajectoires des avions
jusquau point dintersection. Les points sont les
rponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 187
Figure 37 Graphiques de dispersion : angles 112. Les
lignes noires reprsentent les trajectoires des avions
jusquau point dintersection. Les points sont les
rponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 188
Figure 38 Graphiques de dispersion : angles 112. Les
lignes noires reprsentent les trajectoires des avions
jusquau point dintersection. Les points sont les
rponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 189
xviii Liste des Figures
Figure 39 Graphiques de dispersion : angles 135. Les
lignes noires reprsentent les trajectoires des avions
jusquau point dintersection. Les points sont les
rponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 190
Figure 40 Graphiques de dispersion : angles 135. Les
lignes noires reprsentent les trajectoires des avions
jusquau point dintersection. Les points sont les
rponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 191
Figure 41 Graphiques de dispersion : angles 135. Les
lignes noires reprsentent les trajectoires des avions
jusquau point dintersection. Les points sont les
rponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 192
Figure 42 Graphiques de dispersion : angles 135. Les
lignes noires reprsentent les trajectoires des avions
jusquau point dintersection. Les points sont les
rponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 193
Liste des Figures xix
Figure 43 Graphiques de dispersion : angles 135. Les
lignes noires reprsentent les trajectoires des avions
jusquau point dintersection. Les points sont les
rponses des participants. La couleur des points re-
prsente leur densit dans un rayon de 5 pixels,
plus la couleur est sombre, plus la densit est
grande. Les graphiques de gauche correspondent
la condition petite distance, ceux en face droite,
correspondent la mme conguration angulaire
dans la condition grande distance. 194
LI STE DES TABLES
Table 1 Eets de la distance visuelle et de langle de conver-
gence sur lextrapolation du point dintersection
(Exprience 1, N = 552). 47
Table 2 Eets de la distance visuelle et de langle de conver-
gence sur lextrapolation du point dintersection
entre deux segments (Exprience 2, N = 218). 52
Table 3 Eets de la distance visuelle et de langle de conver-
gence sur lextrapolation du point dintersection.
(Exprience 3, N = 25) 59
Table 4 Frquences des stratgies perceptives en fonction
de la distance (Exprience 3, N = 25). 61
Table 5 Rang mdian de chaque AOI en fonction des sc-
narios (N = 30). Tous : tous les scenarios ; SA :
mme altitude ; Conv : trajectoires convergentes ;
Div : trajectoires divergentes. 79
Table 6 Temps de rponse (en secondes) en fonction de la
consigne et des scnarios. Les scnarios prsentant
un conit sont achs en gras. Sa : mme altitude,
Da : altitudes direntes, Ss : mme vitesse, Ds :
vitesses direntes, 2.5 and 7.5 sont les deux Dt
h
utiliss pour construire les scnarios. 80
Table 6 (suite) 81
Table 7 Temps de rponse moyens en secondes et frquences
de rponses correctes (N = 30). SA : mme al-
titude ; DA : altitudes direntes ; SS :mmes vi-
tesses ; DS : vitesses direntes ; Div= angles di-
vergents. 82
Table 8 Frquences des fausses alarmes en fonction des
scnarios altitudes identiques avec un Dt
h
de
7,5 NM. 84
Table 9 Temps de rponse en secondes en fonction de
langle de convergence et du Dt
h
85
Table 10 Chunks utilis par le module imaginal en fonc-
tion des sous-buts du processus de prise de dci-
sion. 133
xx
Liste des Tables xxi
Table 11 Dtails de chaque chunk utilis par le module ima-
ginal lors du processus de prise de dcision. 134
Table 12 Temps de rponse et frquence de rponses cor-
rectes des contrleurs ariens et du modle com-
putationnel. 155
Table 12 (suite) 156
ACRONYMES
ACT-R Adaptive Control of Thought-Rational
ATC Contrleur du Trac Arien
CRNA Centre Rgional de la Navigation Arienne
DA Altitudes Direntes
DA-autres Altitudes Direntes - angles non divergents
DA-Div Altitudes Direntes - angles divergents
DA-DS Altitudes Direntes - Vitesses direntes
DA-SS Altitudes Direntes - Vitesses identiques
ENAC cole Nationale de lAviation Civile, Toulouse
EPL lves pilotes de ligne
Eurocontrol Organisation europenne pour la scurit de la navigation
arienne
ICNA Ingnieur du Contrle de la Navigation Arienne
LHS Left Hand Side
RHS Right Hand Side
SA Altitudes identiques
SA-0 Altitudes identiques - Avions en poursuite
SA-180 Altitudes identiques - Avions en face--face
SA-autres Altitudes Direntes - angles non divergents
SA-Conv Altitudes identiques - Avions Convergents
SA-DS Altitudes identiques - Vitesses direntes, avions non divergents
SA-Div Altitudes identiques - Angles Divergents
SA-SS Altitudes identiques - Vitesses identiques, avions non divergents
xxii
1
I NTRODUCTI ON
Cette thse a pour but de comprendre et de simuler quels sont les
processus cognitifs mis en jeu par les contrleurs ariens en-route lors
de la dtection de conit entre deux avions. Autrement dit, notre question
principale tout au long de cet expos sera Comment les contrleurs
ariens font pour prendre une dcision permettant dviter tout abordage
entre deux avions ? . Une fois que nous aurons clari et rpondu cette
question, nous prsenterons une simulation de ce processus de prise de
dcision grce un agent implment dans une architecture cognitive.
La modlisation et la simulation sont dun intrt tout particulier dans
le cadre du contrle arien pour au moins deux raisons. Premirement,
laccroissement constant du trac arien implique obligatoirement des
innovations techniques et technologiques. Le but de ces innovations est
de faire diminuer la charge de travail du Contrleur du Trac Arien
(ATC). La modlisation et la simulation des activits cognitives des ATC
sont des moyens permettant danticiper les ractions et les adaptations
des changements techniques. En eet, pour assister les ATC et rduire
leur charge de travail, de plus en plus de systmes daide la prise de
dcision sont mis en place. Or ces systmes restent encore trs limits
et perfectibles. En eet, ils gnrent un nombre relativement important
de fausses alertes. Au lieu de faciliter le travail des ATC, ces fausses
alertes crent des perturbations qui nuisent la tche du contrleur (Alliot,
Durand, & Granger, 2005). Une simulation qui pourrait anticiper les
conits de faon compatible avec les pratiques des contrleurs humains
apporterait une solution au problme des fausses alertes. Le deuxime
argument en faveur de la modlisation et de la simulation dactivits
cognitives relve dun aspect plus fondamental. La simulation permet
une thorie de trouver un appui supplmentaire quant sa validit. En
eet, une simulation rendant compte des donnes exprimentales permet
daccrditer le modle thorique sur lequel elle est construite.
Il existe deux faons de crer un modle computationnel. La premire
mthode est de construire un modle thorique, de limplmenter et de
recueillir ses performances sur une tche simule. Une fois ces donnes
recueillies, le chercheur va faire passer son protocole des participants hu-
1
2 i ntroducti on
mains et les comparer avec son modle thorique. Le modle est construit
en amont de lexprience. La seconde mthode est linverse de la pre-
mire. Le chercheur construit un modle thorique quil va tester avec
des participants humains. Une fois les passations termines et les rsul-
tats traits, le chercheur va implmenter son modle thorique dans une
architecture cognitive et tenter de le valider en comparant les rsultats
issus de lexprimentation et de la simulation. Nous avons choisi dutiliser
la seconde mthode. En eet, nous verrons que la littrature scientique
sur les processus cognitifs impliqus dans la dtection de conit ne nous
permettait pas de crer un modle priori. Il nous a fallu tout dabord
tester un ensemble dhypothses drives des modles connus.
Toutefois, la modlisation computationnelle nest pas ncessairement
la panace. En eet, la modlisation est soumise deux contraintes prin-
cipales. La premire est que larchitecture cognitive partir de laquelle
lagent est simul doit se comporter conformment aux connaissances que
nous avons sur le fonctionnement humain. La deuxime est que lagent
simul doit tre construit en fonction de rsultats psychologiquement plau-
sibles et valides. Par consquent, une fois larchitecture cognitive choisie,
notre objectif sera de modliser le comportement des ATC lors dune tche
de dtection de conit. Plus prcisment, nous dtaillerons quelles sont les
informations extraites partir de lcran radar et comment celles-ci sont
utilises pour permettre aux ATC de diagnostiquer la possibilit de conit
entre deux avions. Lacquisition de ces informations est fondamentale
pour prvoir lendroit o deux avions risquent de perdre leur sparation, et
pour estimer le temps restant avant que cela narrive. Nous aurons donc
comprendre comment les entres perceptives acquises par les contrleurs
(image radar) sont utilises et comment nous allons les implmenter.
Lactivit du contrleur arien est complexe et est constitue dune
quantit importante de sous-tches raliser (Seamster, Redding, Cannon,
Ryder, & Purcell, 1993). Comme il est dicile de quantier les interactions
possibles entre ces direntes tches, nous avons choisi une approche
rductionniste de la dtection de conit. Nous sommes conscients que
cette approche ne permet pas dapprhender la globalit de la situation de
contrle, cependant elle vite les interactions non contrles des direntes
tches inhrentes cette activit.
Nous dbuterons cet expos par ltude des dirents travaux relatifs
la dtection de conit dans lactivit des contrleurs ariens (chapitre 2).
Les auteurs travaillant sur ce sujet sont globalement daccord sur le fait
que les contrleurs ariens simpliquent dans un ensemble de procdures
de contrle. Cet ensemble prend la forme dun arbre de dcision qui per-
met chaque instant de tester une variable particulire. Ce test permet
soit dcarter la possibilit dun problme entre deux avions soit dobli-
ger le contrleur sinvestir plus en profondeur dans le traitement des
3
informations quil a sa disposition. Les stratgies dcrites par dirents
auteurs ne saccordent pas (1) sur lordre de prise en considration des
informations et (2) sur le traitement de ces informations (voir chapitre 3).
Or ces deux lments sont primordiaux dans le cadre dune simulation
computationnelle. Si lon veut simuler un ensemble de processus cognitifs,
alors nous avons tout intrt en connatre toutes les caractristiques.
Le chapitre 4 repose sur le postulat, accept par un ensemble de cher-
cheurs reconnus, que les contrleurs utilisent principalement deux juge-
ments pour dtecter des conits. Ces deux jugements sont le jugement
relatif et la prdiction de trajectoire (Xu & Rantanen, 2003). Pour faire
simple, ces deux jugements permettent au contrleur de connatre lendroit
o les avions se croiseront, quel avion arrivera en premier au point de
croisement et dans combien de temps. Les ATC doivent donc prendre en
compte deux informations : la distance de chaque avion avec le point de
croisement des deux trajectoires et leur vitesse. Ces deux informations
permettent au contrleur davoir une bonne reprsentation de la situation,
dans certains cas il pourra mme prendre une dcision sur la base seule
de ces deux lments. Comme la base de ces deux jugements est la loca-
lisation du point dintersection des deux trajectoires, nous nous sommes
interrogs sur la prcision de cette estimation. Nous dmontrons dans le
chapitre 4 que lestimation du point dintersection de deux trajectoires
est systmatiquement biaise. Nous discuterons alors des consquences
probables de ce biais sur les deux jugements voqus ci-dessus et par
consquent de la perception quont les contrleurs de lvolution dune
paire davions.
Le chapitre 5 prsente une rplication de lexprience qui a permis
de construire le modle hirarchique de prise de dcision prsent par
Rantanen et Nunes (2005). Nous avons choisi de rpliquer cette tude pour
deux raisons. Premirement, ce protocole parat pertinent pour pouvoir
tester dirents modles de la dtection de conit. Nous verrons quil en
existe au moins trois, et que chacun dentre eux permettent de faire des
prdictions sur lordre dans lequel les informations sont traites par les
ATC (Niessen et al., 1998 ; Rantanen & Nunes, 2005 ; Raufaste, 2006).
Comme lobjectif principal de cette thse est de fournir une simulation
du comportement des ATC lors du diagnostic de conit entre deux avions,
il nous a sembl appropri dacqurir un ensemble de donnes issu de
lactivit oculaire pour comprendre quelles sont les informations acquises
par les ATC et dans quel ordre. La seconde raison est que ce protocole
nous permet de tester toute une srie dhypothses relatives aux trois mo-
dles thoriques existants. Nous aurions pu nous baser sur les donnes
de Rantanen et Nunes (2005) et tenter dimplmenter leur modle. Tou-
tefois, certains rsultats prsents dans cette tude nous ont troubls. Par
exemple, les contrleurs ne prendraient en compte la conguration go-
4 i ntroducti on
mtrique des avions (divergence ou convergence) quune fois les altitudes
des deux avions compares. Or il semble peu intuitif quune information
symbolique, comme laltitude, traite plus rapidement quune information
perceptive, surtout si celle-ci permet dcarter coup sr la possibilit
de conit. De plus, la consigne utilise dans lexprience de Rantanen
et Nunes exigeait que les contrleurs obtiennent des performances le-
ves. Nous sommes partis de lide, partage par dautres auteurs comme
Shayne Loft
1
, que les contrleurs ariens ne cherchaient pas tre prcis
tout prix dans leurs dcisions mais plutt prendre des mesures qui
permettent de maximiser la scurit du trac. Nous avons donc mis en
confrontation deux types dinstructions sur la mme tche. Les contrleurs
devaient :
Soit dtecter prcisment un conit (recherche de prcision),
Soit dcider dintervenir ou non (recherche de scurit).
Nous verrons que les nouvelles donnes nous ont permis de construire
un modle a posteriori de la dtection de conit chez les contrleurs
ariens en-route. Nous verrons galement les implications que peut avoir
la consigne sur les futures expriences menes dans ce domaine.
Le chapitre 6 dbute la partie simulation de la thse. Nous dcrirons
dirents modles de simulation de la tche de contrle arien connus
dans la littrature tels que CATS, APEX-GOMS, MoFL, Airmidas. Nous
constaterons que la plupart de ces modles sintressent principalement
simuler lensemble de lactivit du contrle arien : grer les communica-
tions avec les pilotes ou dautres contrleurs, accepter les dcollages et les
atterrissages, maintenir la uidit du trac, squencer de faon optimale
les avions, grer le tableau de strips, dtecter et rsoudre des conits etc.
Ces modles sont principalement construits pour valuer les impacts de
direntes innovations, principalement techniques, dans le domaine de
la gestion du trac arien. Or ces objectifs de recherche nont pas les
mmes exigences en terme de validit psychologique. En eet, la plupart
des modles qui seront prsents sont crs par des ingnieurs et non par
des psychologues. Mme sil nest pas question de remettre en cause la va-
lidit des rsultats, nous verrons que ces modles ne sont pas susamment
appuys par des rsultats issus de la littrature en psychologie. Ce constat
nous a fait nous diriger vers une architecture cognitive plus valide psy-
chologiquement parlant : Adaptive Control of Thought-Rational (ACT-R)
(Anderson & Lebiere, 1998 ; Anderson et al., 2004 ; Anderson, 2007)).
Le chapitre 7 prsentera limplmentation du modle issu de notre
recueil de donnes dans larchitecture ACT-R. Nous prsenterons les prin-
cipes fondamentaux de cette architecture et dans un deuxime temps nous
prsenterons en dtail le modle computationnel.
1. 2008, communication informelle lors de la visite de S. Loft au laboratoire CLLE-
LTC.
5
Le dernier chapitre permettra de discuter et de conclure lensemble de
la thse.
Notre objectif est de :
Construire un modle psychologique de la dtection de conit chez les
contrleurs ariens en-route ;
Simuler ce modle dans larchitecture cognitive ACT-R pour sassurer
de sa validit.
Nous verrons :
En quoi les dirents modles de la dtection de conit peuvent nous
permettre de comprendre comment les ATC prennent une dcision ;
Quelles sont les questions laisses en suspens par ces dirents modles
et comment y rpondre ;
Comment nous avons pu construire et implmenter notre propre modle
computationnel de la dtection de conit.
Premire partie
Partie Thorique
7
2
LA TCHE DU CONTRLEUR ARI EN EN- ROUTE
Les contrleurs ariens doivent assurer la scurit et la uidit du trac
du secteur dont ils ont la charge. Dans un contexte o le trac arien
ne cesse daugmenter, il est indispensable de comprendre comment les
contrleurs arrivent rguler une tche aussi complexe. Selon Seamster
et al. (1993), une sous-tche importante pour un ATC est de maintenir
jour sa reprsentation de la situation (situation awareness, Endsley,
1995). Cette reprsentation permet au contrleur de dcider des actions
mener pour grer les dirents vnements lis au trac. Il existe des
vnements particulirement critiques en termes de scurit. Lun deux
est le rapprochement trop important dun avion avec un autre. An dviter
tout risque dabordage, les ATC doivent rguler le trac et intervenir auprs
des pilotes en leur donnant les instructions ncessaires pour juguler ce type
de situation. Nous appellerons dtection de conit, lactivit cognitive qui
permet aux ATC de diagnostiquer si deux avions risquent tout moment
de se rapprocher de trop prs.
Un conit est dni par la violation simultane de deux rgles de s-
curit. Deux avions doivent toujours tre spars chaque instant dau
moins 1000 pieds (1feet=30cm) sur le plan vertical ou de 5 miles nautiques
(1NM=1819m) sur le plan horizontal
1
. Selon lOrganisation europenne
pour la scurit de la navigation arienne (Eurocontrol), les conits sont
classis en fonction de deux facteurs : la direction des avions (congu-
ration angulaire des trajectoires) et lvolution sur le plan vertical. Trois
congurations sont envisageables dans le cas dun conit : les avions
sont sur la mme trajectoire (cas de poursuite), les avions sont sur des
trajectoires convergentes, les avions sont sur des trajectoires opposes
(face--face). chaque direction on peut associer trois types dvolution :
les avions sont altitude constante, un des avions a une altitude constante
et lautre monte/descend, et enn les deux avions voluent verticalement.
Dans cette thse, nous nous restreindrons au cas dvolution le plus simple,
cest--dire lorsque les avions sont altitudes constantes.
1. Ces normes sont valables dans la plupart des secteurs en-route, elles peuvent toute-
fois varier, notamment dans le cas des secteurs dapproche o la sparation horizontale
peut tre rduite 3 NM.
9
10 la t ache du contr oleur a eri en en-route
La dtection de conit est donc lensemble des processus cognitifs
qui permettent aux ATC de diagnostiquer la possibilit que deux avions
enfreignent simultanment les deux normes de sparation.
Nous commencerons par placer le cadre gnral de la situation de
contrle en dcrivant sommairement le contexte de lactivit du contrleur
arien : les dirents types de contrle et plus prcisment le contrle
arien en-route. Une fois cette prsentation gnrale faite, nous nous
attacherons dcrire les facteurs et les processus lis la dtection de
conit. Parmi les dirents facteurs, nous verrons ceux qui sont propres
la situation du trac et qui inuencent la dtection de conit. Nous
dcrirons galement les direntes stratgies qui peuvent tre mises en
place par les ATC pour dtecter des conits. Nous verrons ensuite quelles
sont les principales dirences entre les experts et les novices dans des
tches de dtection de conit. Nous nirons ce chapitre par une synthse
des rsultats issus dtudes sur lactivit oculomtrique des ATC lors de
simulations de contrle.
2.1 descri pti on du contexte dacti vi t e du contr oleur a eri en
Le contrle arien est un terme gnrique qui permet denglober toutes
les activits lies au maintien de la scurit et de la uidit du trac.
Toutefois, il existe plusieurs types de contrle arien. Nous prsenterons
brivement les trois types de contrle arien, puis nous nous focaliserons
sur la description du contrle arien dans un secteur en-route.
2.1.1 Trois types de contrle du trac arien
Il existe trois types de contrles :
le contrle au sol,
le contrle dapproche,
le contrle en-route.
Le contrle au sol
2
est la gestion des aronefs sur les plates-formes
aroportuaires (roulage, parking, etc.). Le contrle dapproche est sp-
cique aux zones autour des plates-formes aroportuaires. Il sagit pour
les ATC de grer les avions qui dcollent ou atterrissent sur un aroport.
Lactivit des contrleurs dapproche est centre sur lorganisation des
squences darrive et de dpart des avions an doptimiser la capacit
de laroport en toute scurit. Comme les avions en approche volent
des vitesses relativement rduites, les normes despacement sont un peu
plus souples. Le contrle dapproche ncessite des techniques particulires
de gestion du trac pour grer le type de ux gnr par la succession
2. Ce type de contrle ne sera pas plus voqu dans cette thse.
2.1 descri pti on du contexte dacti vi t e du contr oleur a eri en 11
darrives et de dparts des aroports. Par exemple, pour grer la squence
de trac (lespacement et lordre darrive des avions), les contrleurs
ont la possibilit de mettre des avions en attente datterrissage dans des
stacks (zone dempilement). Une stack est un espace arien cr pour
pouvoir empiler des avions et les faire tourner en rond en attendant quune
piste soit disponible pour quils puissent atterrir. La pile se remplit par le
haut et se vide par le bas : lavion le plus bas dans la stack sera le prochain
se poser. Le troisime type de contrle est le contrle en-route. Il sagit
du contrle hors zone dapproche. La prochaine section est ddie une
description dtaille de ce type de contrle.
2.1.2 Quelques dtails sur le contrle en-route
Le contrle en-route est opr par deux contrleurs sur un secteur
3
:
lorganique et le radariste. Les contrleurs ont chacun un radar leur
disposition sur lequel sont achs les avions, les routes de navigation, les
balises de passage... Un avion est symbolis par un polygone entour de
direntes indications. Derrire la reprsentation de lavion, on trouve une
comte de points qui indiquent les emplacements prcdents de lavion
et donnent une ide de sa vitesse. Proche du plot se trouve une tiquette
(data block) dans laquelle sont achs lindicatif de lavion, son altitude,
son volution verticale (monte, descente ou stable), et sa vitesse au sol.
Le contrleur organique soccupe surtout du trac moyen terme. Sa
tche principale est de grer les avions qui entrent et sortent du secteur.
Pour cela il est en communication avec les contrleurs organiques des
secteurs adjacents, et dispose dinformations sur le trac venir dans le
secteur. Ces informations sont en partie regroupes dans les strips. Les
strips ou ight strips sont des bandelettes de papier
4
qui rcapitulent les
informations assignes un avion entrant dans le secteur (altitude dentre,
plan de vol, nom de lavion, type davion, heures dentre et de passage
aux balises etc.). Les strips sont fournis aux contrleurs quelques minutes
avant que les avions nentrent dans leur secteur. Ds quun strip arrive
au contrleur organique, il le dispose sur un tableau o sont regroups
tous les strips des avions prsents dans le secteur. Le tableau de strips est
gnralement plac entre les deux contrleurs. Grce aux informations
dont il dispose, lorganique a une vision stratgique du trac, il peut
anticiper son volution long terme. Ce point de vue particulier permet
lorganique de renseigner le radariste sur des possibilits de conit
avec des avions entrants qui ne sont pas encore prsents sur le radar du
contrleur radariste.
3. Un secteur est un volume de lespace arien sous la responsabilit du contrleur.
4. Dans les prochaines annes les strips papier vont tre remplacs par des strips
lectroniques prsents via des tablettes tactiles.
12 la t ache du contr oleur a eri en en-route
Le contrleur radariste a une gestion plus tactique du trac. Il doit prin-
cipalement assurer la sparation entre les avions pour viter tout abordage.
Il doit donc prvoir, partir des informations qui lui sont disponibles, la
position des avions dans le futur. Si jamais certains avions taient suspec-
ts de reprsenter une menace pour la scurit du trac, alors il se doit
dintervenir pour modier lvolution de la situation. Techniquement, le
radariste dispose de son cran radar, du tableau de strip et des indications
de son contrleur organique pour prvoir et rsoudre les conits potentiels.
Toutefois, le radar reste le dispositif de prise dinformation principal pour
anticiper les conits. Le radariste a sa disposition quelques outils de
prvision. Par exemple, il peut faire acher sur le radar une projection
dans le temps de la position future dun avion. Cette projection, appele
vecteur vitesse, fournit une reprsentation graphique de lemplacement
dun avion 3, 6 ou 9 minutes. Concrtement, le vecteur vitesse est repr-
sent par un segment de droite partant du symbole reprsentant lavion,
dont lorientation correspond sa trajectoire et dont la longueur dpend
de lanticipation voulue. Un autre outil permet dvaluer la distance entre
deux points de faon prcise avec laide de la souris. Cela est particuli-
rement utile lorsque lATC utilise les vecteurs vitesses pour dterminer
la sparation verticale entre deux avions un instant donn. Lorsque le
radariste dtecte un conit potentiel, il communique avec les pilotes des
avions concerns pour leur donner des indications suivre pour viter tout
problme et rsoudre le conit. Ces indications sont appeles clairances.
Les clairances ont gnralement pour objet la modication du cap (trajec-
toire), de la vitesse ou du niveau de vol (altitude) dun avion. Le radariste
communique galement avec les pilotes pour leur signier quils sortent
de leur secteur et quils doivent contacter le contrleur du secteur suivant
sur une frquence radio dirente.
Maintenant que nous avons prsent globalement les dirents contrles
et leur spcicits, nous allons nous centrer sur lactivit cognitive du
contrleur radariste dans un secteur en-route lors dune tche de dtection
de conit.
Loft, Sanderson, Neal, et Mooij (2007) sparent les dterminants de
la dtection de conit en deux parties : (1) les facteurs qui inuencent la
dtection de conit et (2) les stratgies utilises par les contrleurs pour
grer les dicults inhrentes la tche. Nous allons donc voir que la
performance sur des tches de dtection de conit est variable en fonction
de la situation de contrle et quil existe direntes stratgies de prise de
dcision mises en place par les contrleurs pour anticiper la possibilit de
conit.
2.2 les facteurs si tuati onnels qui i nfluencent la d etecti on de confli ts 13
2.2 les facteurs si tuati onnels qui i nfluencent la d etecti on de
confli ts
La littrature dcrit un ensemble de facteurs situationnels qui inuencent
la dtection de conit. Un facteur situationnel peut tre dni comme une
caractristique de lenvironnement indpendante des contrleurs comme,
par exemple, la mto ou le nombre davions simultanment achs sur le
radar. Il est possible de dgager plusieurs types de facteurs qui modient
la performance sur une tche de dtection de conit : le nombre davions
achs sur le radar, le temps avant quun conit ne soit dclar, le type de
surveillance et les direntes congurations gomtriques entre les avions
(angles et distances).
2.2.1 Le nombre davions simultanment achs
Les travaux de Galster, Duley, Masalonis, et Parasuraman (2001) ont
permis de mettre en vidence que le nombre davions prsents simulta-
nment sur le radar est un bon indicateur de charge de travail. Plus le
nombre davions achs augmente, plus la charge de travail augmente.
Leet de la densit du trac, et donc de la charge de travail, a t mesur
grce des indicateurs tels que le temps de dtection de conit, les retards
dinterventions ou la performance. Par exemple, plus la charge de trac
augmente, plus le temps de dtection de conit se rallonge (Metzeger &
Parasuraman, 2001, 2005 ; Nunes & Scholl, 2004). Rantanen et Levinthal
(2005) ont mesur le temps pris par les contrleurs ariens pour mettre en
acte une dcision, dans deux situations de trac (dense versus normal) et
ont constat que les temps de mise en place dune action sont plus longs
dans le cas dun trac charg. Autrement dit, les contrleurs prennent
plus de retard sur leurs interventions dans des conditions de trac charg
que dans des conditions de trac moins important. On sait aussi que la
performance de dtection de conit chute dans le cas dune charge de
travail forte. En eet, les contrleurs ratent davantage de conits dans le
cas dun nombre important davions sur le radar (Galster et al., 2001 ;
Remington, Johnston, Ruthru, Gold, & Romera, 2000 ; Metzeger & Para-
suraman, 2001, 2005 ; Nunes & Scholl, 2004). Le lien troit entre chute
des performances, temps de prise de dcision et charge de travail, est fort
probablement en lien avec laugmentation de la charge mentale des ATC.
En eet, plusieurs travaux montrent que la charge de travail (le nombre
davions achs) augmente la charge mentale (Willems, Allen, & Stein,
1999 ; Ahlstrom & Friedman-Berg, 2006).
14 la t ache du contr oleur a eri en en-route
2.2.2 Le temps avant conit et type de surveillance
Le temps avant quune situation ne se dgrade est aussi un facteur
important lors de la dtection de conit. Plus le temps avant conit est
grand, plus le temps de dtection augmente (Rantanen & Levinthal, 2005 ;
Remington et al., 2000 ; Thomas & Wickens, 2006). Autrement dit, plus
les avions qui seront en conit sont loin lun de lautre, plus il est dicile
danticiper le fait quils puissent terme violer les normes de sparation.
Dans un autre registre, Metzeger et Parasuraman (2001) montrent que le
type de monitoring inuence la performance la dtection de conit. Si
lactivit du contrleur se rduit observer le trac (monitoring passif)
alors les performances baissent en comparaison une situation o le
contrleur reste actif (notamment en donnant des clairances).
2.2.3 Les direntes congurations gomtriques
Une paire davions potentiellement en conit peut tre dcrite dans les-
pace via deux facteurs : langle de convergence et les direntes distances
(verticale et horizontale) entre deux avions. Plusieurs tudes montrent
que langle de convergence est un facteur important pour dtecter un
conit. Plus les angles de convergence entre les trajectoires des avions sont
grands, plus le temps de dtection de conit augmente (Remington et al.,
2000 ; Rantanen & Nunes, 2005 ; Thomas & Wickens, 2006). Les auteurs
proposent une explication de ces rsultats en voquant une plus grande
distance entre les avions et donc de plus grandes distances de balayage
visuel. Dans le mme ordre dide, Bisseret et Girard (1973) ont demand
vingt contrleurs (dix novices et dix experts) dtudier dirents pro-
blmes de sparation. Ces problmes diraient en fonction de langle
de convergence (22, 45, 90), et les sparations minimales horizontales
au point le plus proche (0, 2, 4, 6, 8, 10 NM). Les participants devaient
estimer sil y avait conit ou non. Les rsultats montrent un eet net de
langle de convergence : plus langle augmente, plus les contrleurs ont
tendance faire de fausses alarmes, autrement dit, les contrleurs sont
dautant plus prudents que langle form par les deux trajectoires aug-
mente. la dicult lie la conguration angulaire sajoute la variation
de la distance de sparation horizontale. En eet, cette distance accrot
la complexit du diagnostic de perte de sparation (Boag, Neal, Loft, &
Halford, 2006). Plus cette distance est faible plus la complexit augmente.
Dautres facteurs situationnels jouent sur le jugement de risque de conit
(Averty, 2005 ; Stankovic, Raufaste, & Averty, 2008). Selon Stankovic
et al. (2008), les contrleurs dapproche estiment le risque de perte de
sparation en fonction de trois distances : Dt
0
, Dt
h
, Dt
v
. Le Dt
0
est
la distance entre le point de croisement des deux trajectoires et lavion
2.3 les strat egi es i mpli qu ees dans la d etecti on de confli t 15
qui passera ce point en premier. Le Dt
h
est la distance minimale de
sparation horizontale au point le plus proche (voir galement Rantanen
& Nunes, 2005). La dernire variable, Dt
v
est la distance horizontale
une fois que les avions seront spars de 1000 pieds sur le plan vertical.
Seul le Dt
0
est une distance qui peut tre perue par le contrleur. Les
deux autres variables restent nanmoins des proprits de la situation que
les contrleurs doivent ventuellement infrer. Stankovic et al. (2008)
montrent des dirences individuelles dans lutilisation combine de ces
variables pour valuer les risques de conit. En eet, le poids de chaque
variable dans lestimation du jugement de perte de sparation varie en
fonction de lexpertise des contrleurs (novices versus experts) et aussi
entre les contrleurs experts eux-mmes. Lutilisation de ces variables
semble donc dpendre de stratgies direntes dvaluation du risque.
Cette tude met en avant le rle que jouent les stratgies dans la dtection
de conit. Il semble que les stratgies utilises par les contrleurs soient
au moins aussi importantes que les informations fournies par lcran radar.
2.3 les strat egi es i mpli qu ees dans la d etecti on de confli t
Les stratgies que nous allons dcrire (Rantanen & Nunes, 2005 ; Nies-
sen, Eyferth, & Bierwagen, 1999) ont la mme architecture globale. Elles
reprennent lide de Leplat et Bisseret (1965) selon laquelle les ATC sont
engags dans un processus dcisionnel qui prend la forme dun algorithme
dcoup en plusieurs tapes de traitement. chaque tape, le contrleur
teste un paramtre particulier. En fonction du test, le contrleur pourra
arrter le processus et prendre une dcision quant au statut de la paire
davions tudie. Plus le contrleur teste de paramtres plus le diagnostic
est coteux en termes de charge mentale (i.e., les traitements faire sont
de plus en plus diciles). Ces stratgies sont dites lexicographiques. Nous
verrons principalement deux types dapproches de ces stratgies bases sur
deux hypothses direntes. La premire hypothse dfend lide que les
contrleurs mettent en place des stratgies base de calculs de trajectoires
pour estimer la possibilit de conit. La deuxime hypothse soutient que
les contrleurs utilisent des heuristiques perceptives ou des estimations
oues mais sres pour estimer le statut conictuel de deux avions.
2.3.1 Stratgie lexicographique de Rantanen et Nunes (2005)
Stratgie globale
Leplat et Bisseret (1965) proposent un modle de prise de dcision
des ATC bas sur une stratgie reposant sur les indicateurs propres
un avion comme laltitude, la trajectoire et la vitesse. Ces indicateurs
16 la t ache du contr oleur a eri en en-route
sont regroups dans les tiquettes (data blocks), aches proximit du
symbole reprsentant lavion sur lcran radar. Bisseret (1995) propose
une synthse de ses travaux qui appuient le raisonnement et la dmarche
propose par Leplat. Une rcente tude de Rantanen et Nunes (2005)
prolonge les travaux de Bisseret en proposant le modle de dtection de
conit suivant :
1. Vrier les altitudes : si les altitudes sont verticalement spares de
1000 pieds alors pas de conit, autrement passer ltape suivante ;
2. Si les avions sont dj spars ou sur des trajectoires divergentes,
alors pas de conit, autrement passer ltape suivante ;
3. Si les vitesses des avions sont gales et que le direntiel des dis-
tances au point dintersection des trajectoires est au moins aussi
grand que le minimum de distance latrale requis, alors pas de
conit, autrement passer ltape suivante ;
4. Calculer la distance minimale au point o les avions seront les plus
proches (i.e., Dt
h
conformment la terminologie de Stankovic
et al., 2008), si cette distance est infrieure la distance minimale
requise alors rsoudre le conit, autrement pas de conit.
Ce modle a t valid en utilisant une tche exprimentale compose
dune srie de scnarios o deux avions voluaient sur un cran radar. Les
informations disponibles taient les trajectoires et les tiquettes incluant
laltitude, la vitesse et le nom de chaque avion. Une chelle reprsentant 5
miles nautiques tait galement ache. Les altitudes, les vitesses et les
trajectoires taient maintenues constantes. Les participants devaient juger
en moins dune minute si les deux avions taient en conit.
Les rsultats obtenus par Rantanen et Nunes (2005) vont dans le sens
de ceux rapports par Bisseret (1995) : laltitude semble tre la variable
la plus importante pour dtecter un conit, suivie des trajectoires, des
vitesses et de la sparation horizontale au point le plus proche (Dt
h
).
Si on dtaille le processus de prise de dcision on peut remarquer que
pour utiliser avec russite la stratgie propose par Rantanen et Nunes
(2005) les ATC doivent produire plusieurs jugements : (1) il faut anticiper
les dplacements des avions et (2) calculer (ou se faire une reprsentation
de) la distance horizontale au point le plus proche. Selon Xu et Rantanen
(2003), la dtection de conit impliquerait deux sous-tches telles que
le jugement relatif (Law et al., 1993 ; Tresilian, 1991, 1995), et la pr-
diction de trajectoire (Tresilian, 1991, 1995 ; Kimball, 1970 ; Kimball,
Hofmann, & Nossaman, 1973). Le jugement relatif est la capacit qui
permet destimer quel avion passera en premier le point de croisement
des deux trajectoires. La prdiction de trajectoire est la capacit estimer
le laps de temps restant avant que le premier avion narrive au point de
croisement. Il nous a sembl pertinent de rendre compte de la faon dont
2.3 les strat egi es i mpli qu ees dans la d etecti on de confli t 17
ces jugements sont produits. Nous allons dtailler dans la partie suivante
en quoi ces thories sont lies au processus de dtection de conit.
Stratgies locales impliques par le modle de Rantanen et Nunes
Les tudes en psychologie exprimentale dcrivent plusieurs strat-
gies impliques dans la dtection de conit notamment pour raliser les
sous-tches de prdiction de trajectoire et de jugement relatif (Xu & Ranta-
nen, 2003). Deux processus sont principalement voqus : lextrapolation
cognitive du mouvement (Cognitive Motion Extrapolation, CME) propo-
se par Delucia et Liddell (1998) et la stratgie ratio Distance/Vitesse
(Distance-to-speed ratio, D/S) propose par Law et al. (1993).
Dans la CME, les observateurs se crent une reprsentation du mouve-
ment de chaque objet et extrapolent mentalement ce mouvement dans le
but destimer le temps requis pour arriver un point donn. Pour ce faire,
les observateurs dveloppent une reprsentation mentale de lobjet en mou-
vement sur la base de sa vlocit apparente (i.e., analogique). Le problme
est que sur les radars, la position des avions nest rafrachie quau bout de
quelques secondes
5
. De ce fait, les mouvements apparents des avions sont
discrets et la vlocit nest pas reprsente par le mouvement des avions
sur lcran. Donc, puisque lachage des avions sur un cran radar porte
peu dinformations analogiques sur leur mouvement, il est peu probable
quune telle stratgie soit utilise dans le cadre du contrle arien.
Dans la stratgie D/S, les observateurs estiment quel est lavion le plus
proche du point dintersection des deux trajectoires, ensuite ils valuent
chaque vitesse. Si les vitesses sont gales, alors le mobile le plus proche
du point dintersection arrivera en premier. Si les vitesses sont direntes,
alors les observateurs doivent estimer ou calculer le ratio distance/vitesse
pour connatre lequel des deux mobiles arrivera en premier au point din-
tersection. Dans le cas du contrle arien, la meilleure faon dobtenir la
vitesse dun avion nest pas dutiliser linformation analogique produite
par le dplacement du signal de lavion sur le radar, mais dencoder lin-
formation digitale de la vitesse contenue dans les tiquettes lies chaque
avion. Par consquent, dans une telle situation, il est plus probable que
les informations sur les vitesses soient obtenues sur une base symbolique
plutt que perceptive. Donc, puisque les vitesses nont pas tre traites
partir dinformations analogiques, la stratgie ration Distance/Vitesse
apparat comme tant la stratgie locale la plus probablement utilise par
les ATC selon le modle de Rantanen et Nunes (2005).
5. Il existe des systmes dextrapolation de trajectoire qui permettent un dplacement
continu sur un cran radar. Toutefois, mme avec ce type de technologie, le mouvement
apparent des avions porte peu dinformation sur leur vlocit.
18 la t ache du contr oleur a eri en en-route
Selon ce modle, le contrleur prend en compte laltitude, les trajectoires
et les vitesses des avions pour valuer la possibilit de conit entre deux
avions. Hormis pour le test des altitudes, ce modle implique un traitement
relativement prcis des distances et des vitesses pour que le contrleur
puisse prendre une dcision sur le statut des avions.
Il existe deux autres modles computationnels de dtection de conit
dans la littrature sur lATC : le modle de Raufaste, et le modle MoFL.
2.3.2 Le modle de Raufaste
Raufaste (2006) propose un modle computationnel de la dtection de
conit implment dans larchitecture cognitive ACT-R 6. Ce modle d-
crit une stratgie lexicographique et se base sur le paradigme exprimental
et les donnes de Rantanen et Nunes (2005).
Dans un premier temps, le modle value la convergence des trajectoires.
Bien que selon le modle de Rantanen et Nunes (2005) les altitudes sont
les premires informations tre dlibrment prises en compte, Raufaste
estime que le traitement des trajectoires prcde celui des altitudes. En
eet, les altitudes ne sont traites que par lintermdiaire de leurs reprsen-
tations symboliques (dans les tiquettes de chaque avion). Le traitement
ne peut donc tre perceptif. Or lvaluation des trajectoires rpond un
traitement analogique. Comme le temps de traitement dune information
analogique est plus court et moins coteux que le temps de traitement
dune information symbolique, il est probable que la convergence soit
value en premier.
Le modle calcule ensuite le direntiel daltitude. Si les altitudes sont
susamment spares, alors il ny a pas conit, dans le cas contraire
le modle va examiner les vitesses. An de comparer les vitesses, le
modle va tout dabord estimer visuellement la dirence de longueur
entre les vecteurs associs chaque avion. Si la dirence de longueur est
infrieure un seuil, alors le modle va encoder les vitesses symboliques.
Les vitesses ne sont pas regardes dans les cas o les avions ont des
trajectoires opposes.
Finalement, le modle va estimer la sparation latrale au point le plus
proche. Dans les cas des trajectoires de poursuite ou opposes, le modle
va mentalement prolonger la trajectoire dun premier avion vers le
second. Quand lextrapolation arrive au second avion, la distance entre
lextrapolation et le second avion est calcule. Elle sera compare la
longueur de lchelle prsente sur linterface. Si la distance estime est
infrieure lchelle, alors il y a conit.
Le modle a t confront aux donnes des ATC humains issues de
lexprience de Rantanen et Nunes (2005). Seuls les cas des trajectoires
divergentes et parallles (0et 180) ont t simuls. La corrlation entre
2.3 les strat egi es i mpli qu ees dans la d etecti on de confli t 19
les donnes du modle et celle des humains est de r = .92 et la dviation
moyenne de 600 ms.
La section suivante prsente le modle MoFl. Nous allons voir que ce
modle dire de celui de Rantanen et Nunes (2005) notamment sur la
structure hirarchique et sur la faon sont les tests sont accomplis au sein
de la procdure.
2.3.3 La dtection de conit dans le modle MoFl
MoFl
6
(Modell der Fluglotsenleinstungen
7
) est un modle des activits
cognitives mises en place par les contrleurs ariens dans le cadre dactivi-
ts dynamiques (Leuchter, Niessen, Eyferth, & Bierwagen, 1997 ; Niessen
et al., 1998 ; Niessen & Eyferth, 2001 ; Eyferth, Niessen, & Spaeth, 2003).
Ce modle est construit grce une srie dentretiens et dexpriences au-
prs dATC. Les rsultats des entretiens ont permis de mettre en vidence
que lactivit du contrleur arien est dcompose en trois tapes :
1. Observation globale du trac ;
2. Analyse des paramtres dun ou plusieurs avions ;
3. Anticipation de lvolution des avions.
Pendant lobservation globale du trac, le contrleur cherche slec-
tionner les avions qui reprsentent une menace. Les avions dont le statut
est coup sr non conictuel passent un tat quali de non focal
(i.e., il nest pas ncessaire de leur accorder plus dattention). Si un ou
plusieurs avions risquent de poser un problme en terme de scurit alors
ceux-ci deviennent focaux et ncessitent un traitement plus approfondi
de la part du contrleur. partir de ce moment, la phase dobservation
globale cesse et on passe la phase danalyse des paramtres des avions
focaux. Les avions et les relations qui les lient sont tudis. Une fois
les paramtres analyss, la prochaine tape de traitement de la situation
consiste anticiper indpendamment ltat futur de chaque avion. Ce cycle
danticipation est dcompos en plusieurs tapes :
1. Est-ce que les avions sont sur la mme route ou sur des trajectoires
convergentes ? Si oui, passer ltape 2.
2. Est-ce que les avions sont la mme altitude ? Ou est-ce quun des
avions est en volution verticale vers lautre avion ? Si oui, passer
ltape 3, sinon il nest pas ncessaire de continuer, les avions ne
reprsentant pas de menace de perte de sparation.
3. Faire une simulation mentale de lvolution de la situation qui per-
mettra de conclure sil y a un risque de perte de sparation. Dans
6. Ce modle est dcrit plus en dtails dans le Chapitre 6.
7. Traduction : Modle des aiguilleurs du ciel
20 la t ache du contr oleur a eri en en-route
Niessen et al. (1998), la simulation de la future position dun avion
est faite grce aux vecteurs vitesses qui achent lcran la posi-
tion anticipe de lavion dans un laps de temps dni. Grce cet
achage, le contrleur pourra valuer sil y a un risque de perte de
sparation. Passer ltape 4.
4. Le contrleur value ensuite le degr de certitude de son estimation.
En fonction du degr de certitude, le contrleur prendra sa dcision.
Sil estime quil ny aura pas conit, alors le contrleur sort de la
routine, autrement passer ltape 5.
5. Calculer le temps restant avant conit, intervenir.
En fonction de ces tapes, lattention accorde aux avions va tre modi-
e. Trois solutions sont alors possibles, soit les avions sont en conit et
dans ce cas une solution de rsolution doit tre envisage, soit les avions
resteront spars, soit les avions ncessitent une surveillance supplmen-
taire car le contrleur na pas pu statuer sur la possibilit de conit.
Lordre des lments de lalgorithme propos ici est issu dune exp-
rience sur la prise dinformation sur un cran radar. Niessen et al. (1999)
ont demand 36 contrleurs ariens en-route de grer une simulation
de trac en temps rel sur un secteur. La simulation fournissait des infor-
mations ralistes : achage radar dynamique, communications avec des
pilotes, ight strips. Toutes les informations concernant les avions, quelles
soient sur le radar ou les ight strips, ont t masques. Ce paradigme des
informations caches a permis aux auteurs de calculer la frquence des
dirents types dinformations dmasques au cours de la simulation. Les
rsultats montrent que llment le plus frquemment regard tait le nom
des avions ( call signs ), suivi des niveaux de vol et des vecteurs vitesse
qui permettent de prdire les trajectoires. Les auteurs concluent leur tude
en armant que les contrleurs ariens construisent une reprsentation de
la situation sur la base de peu dlments. Ils estiment galement que cette
prise dinformation est acquise trs tt dans la pratique de lactivit.
Puisque le processus dacquisition des informations utiles pour dtecter
un conit est appris trs tt dans la formation des contrleurs, quelle est la
dirence de performance entre les experts et les novices dans une tche
de dtection de conit ?
2.4 di ff erences entre atc experts et atc novi ces
Dans toute activit, il y a une priode dapprentissage pendant laquelle
les performances ont tendance samliorer. Des auteurs comme Haider et
Frensch (1996) montrent que lamlioration des performances peut sexpli-
quer par la distinction entre les informations pertinentes et non pertinentes
prendre en compte pour rsoudre un problme. Ceci rejoint une des
2.4 di ff erences entre atc experts et atc novi ces 21
caractristiques des experts dcrite par Raufaste (2001) : la pertinence
des informations utilises pour faire un diagnostic. En eet, il est reconnu
que les experts utilisent plus dinformations pertinentes que les novices
(Shanteau, 1992). Quen est-il dans le cas particulier du contrle arien ?
Le moins que lon puisse dire cest que les rsultats exprimentaux sont
assez contrasts dans la situation qui nous intresse.
Bisseret utilise plusieurs reprises la thorie de la dtection du signal
(TDS, Tanner & Swets, 1954) pour modliser la dcision des contrleurs
ariens et pour comparer les experts et les novices. Une des particularits
de la TDS est quelle permet destimer le seuil de discriminabilit dun
conit. En dautres termes, la TDS permet de connatre le seuil partir
duquel un contrleur va prendre une dcision concernant le statut dune
paire davions. Une premire tude (Bisseret & Girard, 1973) montre deux
dirences entre experts et novices : (1) les novices discriminent mieux
les conits des non conits et (2) les experts sont plus prudents que les
novices. Plus tard, une autre tude montre que les contrleurs novices sont
plus prcis que les experts lorsquil sagit destimer la sparation entre
deux avions (Bisseret, 1981a). Ce rsultat sexpliquerait par le fait que
les novices mettraient en place des procdures de calcul de distances. Les
rsultats conrment galement que les experts sont plus prudents que les
novices. Autrement dit, les experts ont une tendance estimer quune paire
davions est en conit plus facilement que les novices, et ce mme si les
deux avions ne prsentent pas une menace relle. Finalement, Bisseret
(1981a) montre que lestimation de la sparation entre deux avions se base
la fois sur des indices perceptifs et logiques et que le pattern dutilisation
de ces indices est forg par lexprience.
Selon Averty (1998), il existe une dirence dans les modes opratoires
des contrleurs novices et expriments. Lors de la dtection de conit,
les contrleurs expriments sappuieraient plus sur une heuristique de
type perceptive bien moins coteuse en terme de charge mentale quune
procdure impliquant des estimations et des calculs de distances. Cela
permettrait au contrleur de grer au mieux ses ressources mentales dans
le cas de situations complexes. loppos, les contrleurs novices se
lanceraient plus facilement dans lestimation des distances de sparation
sur la base dun raisonnement analytique.
Les constatations dAverty rejoignent lanalyse de Seamster et al. (1993).
En eet, Seamster et al. montrent que les experts utilisent des stratgies
pour grer leur charge mentale alors que les novices en utilisent beaucoup
moins. De plus, pour grer un secteur, les experts utilisent moins de
stratgies de planication que les novices. Toutefois les stratgies utilises
par les experts impliquent bien plus davions que celles appliques par les
novices. Parmi les stratgies de gestion de secteur les plus frquemment
utilises, une nous intresse plus particulirement : celle qui permet au
22 la t ache du contr oleur a eri en en-route
contrleur dcarter les avions qui ne seront pas en conit (e.g., les avions
extra-focaux dans le modle de Niessen et al.). Un des objectifs des experts
serait de ne pas se charger avec des avions qui ne prsentent pas
de danger a priori, alors que les novices seraient plus focaliss sur des
stratgies de planication, notamment celles qui permettent de dcider
quel moment le contrleur doit faire une action (i.e., faire une clairance).
Dans la continuit du modle dAverty, Stankovic et al. (2008) montrent
que les experts sont plus rapides que les novices pour valuer le risque
de conit entre deux avions. De plus, les direntes distances du modle
qui sont estimes ou infres par les contrleurs nont pas le mme poids
dans lestimation du risque de conit dans un secteur dapproche. Les
experts prennent moins en compte que les novices la distance verticale
de sparation une fois que les avions ont dpass 1000 pieds (Dt
v
). Ils
prennent galement moins en compte que les novices la distance entre
lavion qui passera en premier le point dintersection des trajectoires (Dt
0
).
Finalement, la distance horizontale au point le plus proche (Dt
h
) a plus
de poids dans le jugement des experts. En dautres termes, les experts
sappuient plus que les novices sur une estimation de la distance minimale
de sparation horizontale et prennent moins en compte les deux autres
distances.
Toutefois, la dirence entre experts et novices nest pas si vidente. En
eet, dans ltude de Rantanen et Nunes (2005), les temps de rponse ne
sont pas sensibles lexpertise dans une tche de dtection de conit. De
la mme faon, Niessen et al. (1999) montrent que la prise dinformation
sur les lments caractristiques des avions ne dpend pas de lexpertise.
Lensemble de ces tudes montrent que les novices sont plus prcis que
les experts dans leurs jugements, toutefois, les experts sont plus prudents
que les novices. Il semble galement que les experts et les novices nuti-
lisent pas les mmes stratgies pour dtecter des conits. Les premiers
utiliseraient davantage de stratgies de type heuristiques perceptives, peu
coteuses en terme de charge cognitive, alors que les seconds sinvesti-
raient plus dans des stratgies analytiques comme le traitement mathma-
tique des distances de sparation. Il semble nanmoins que cette dirence
ne soit pas constante. Il doit certainement exister un ensemble de facteurs
(consigne, type de tche, simulation cologique, etc.) qui rendent une tche
susamment discriminante pour comparer les novices et les experts.
2.5 contr ole a eri en et acti vi t e oculom etri que
Les mouvements oculaires nous permettent dobtenir des informations
on-line de lactivit cognitive des contrleurs ariens. Bien quil existe
quelques tudes dans lesquelles les donnes oculomtriques sont utilises
pour tudier la charge mentale des contrleurs (e.g., Ahlstrom & Friedman-
2.6 synth` ese 23
Berg, 2006), nous nous consacrerons surtout prsenter la distribution
de lactivit oculomtrique des contrleurs ariens sur les direntes
interfaces quils peuvent avoir disposition.
Tout dabord, les tudes utilisant un oculomtre pour tudier la dis-
tribution des regards sur les dirents dispositifs dachage convergent
toutes vers le mme rsultat : le radar est le dispositif le plus regard. Par
exemple, Metzger et Parasuraman (2006) ont mesur le nombre et la dure
des xations et des arrts (un arrt tant dni par une srie continue de
xations lintrieur dune aire dintrt) entre trois dispositifs utiliss
par les contrleurs : le radar, le tableau de strips et lcran rsumant les
communications (data link). Les rsultats montrent que le radar est le
dispositif le plus longuement et frquemment regard en comparaison aux
autres dispositifs dinformation. Au pralable, Karsten, Goldberg, Rood, et
Sultzer (1975) avaient dj montr que les ATC passent 80% de leur temps
regarder lcran radar, 13% sont ddis aux ight strips et 5% regarder
dautres dispositifs dentre. Les rsultats de Willems et al. (1999) vont
dans le mme sens : 75% du temps de xation est ddi au radar. De plus
ils montrent que 92% du temps de xation global sur le radar est ddi aux
tiquettes (data blocks) des avions. Ces tudes montrent quune grande
quantit de temps et dattention est ddie au radar, et particulirement
aux avions et leurs tiquettes.
Ces tudes nous informent sur la distribution de lactivit perceptive
entre dirents dispositifs dachage et des lments les plus indispen-
sables prsents sur un cran radar. Malheureusement, nous manquons
dinformations sur ce qui est regard lintrieur des tiquettes des avions.
Obtenir de telles informations pourrait nous permettre de mieux com-
prendre comment sont acquises et utilises les informations.
2.6 synth` ese
Comment les contrleurs ariens font-ils pour dtecter des conits
partir des informations disponibles sur leur cran radar ? Nous avons vu
dans ce chapitre que la dtection de conit dpendait de deux choses : de
facteurs dits situationnels et de stratgies qui permettaient daccomplir
la tche de dtection de conit. Les facteurs situationnels reprsentent
les caractristiques spciques la situation de contrle. Ils peuvent se
regrouper en plusieurs catgories dont les plus importantes sont la charge
de travail (i.e., le nombre davions simultanment achs sur le radar)
et des paramtres de distances entre les avions (Dt
h
, Dt
0
, Dt
v
). Pour
rpondre la question du comment ? , nous avons choisi de nous int-
resser aux stratgies permettant de grer les paramtres de la situation. Les
auteurs saccordent sur le caractre lexicographique du processus de prise
de dcision lors de la dtection de conit. Pour diagnostiquer la possibilit
24 la t ache du contr oleur a eri en en-route
de conit, les contrleurs font donc une srie de tests, du plus simple au
plus coteux sur le plan cognitif. Ces tests se basent gnralement sur des
prdictions de distance et de temps. Nous avons vu galement que les di-
rents tests pouvaient tre eectus soit grce des heuristiques, notamment
perceptives, soit grce des calculs. Il savre que les donnes empiriques
ne permettent pas de conclure sur lexistence ou non dune dirence entre
les experts et les novices. Lorsque cette dirence est tudie dans des
cas dactivit globale de contrle alors les experts semblent utiliser des
stratgies direntes et moins nombreuses que les novices. Toutefois, en
terme de temps de raction ou de prise dinformation, les experts et les
novices obtiennent des performances similaires. Finalement, le radar, et
plus particulirement les informations contenues dans les tiquettes des
avions, semble tre le mdia de prise dinformation principal pour les
contrleurs an de maintenir leur reprsentation de la situation.
Le chapitre suivant fait une synthse sous forme de problmatique des
dirents travaux que nous avons prsents. Nous tenterons de rpondre
aux questions spciques quentranent ces dirents travaux. Nous ver-
rons en quoi ces modles peuvent nous tre utiles pour crer et implmenter
un modle de la dtection de conit dle sur le plan psychologique.
Nous avons vu que :
La dtection de conit dpendait de facteurs situationnels comme la
charge de trac, les distances entre les avions, le temps avant un conit,
indpendants du contrleur ;
Il existe trois modles de processus de la dtection de conit construits
sur une base lexicographique ;
Pour chaque modle, dirents ensembles de micro oprations per-
mettent de tester les variables importantes comme la convergence, le
direntiel daltitude, la sparation horizontale, lestimation du temps
avant conit ;
Le radar est le mdia de prise dinformation principal des ATC.
3
PROBLMATI QUE( S)
Notre objectif est dlaborer un modle computationnel de la dtection
de conit qui soit cohrent et valide. Nous devons donc dans un premier
temps rpondre la question gnrale : comment font les contrleurs
ariens pour dtecter un conit ? Comment sont prises les dcisions, partir
de quels indicateurs ? Quels sont les processus cognitifs impliqus dans la
dtection de conit ? Une fois que ces questions auront t claircies, nous
pourrons alors construire un modle de la dtection de conit et tester sa
validit en limplmentant dans larchitecture ACT-R 6.
Les dirents modles de dtection de conit issus de la littrature
(Niessen et al., 1998 ; Averty, 1998 ; Rantanen & Nunes, 2005 ; Raufaste,
2006 ; Stankovic et al., 2008) peuvent tre classs en trois catgories. La
premire est celle des modles de dirences individuelles dans le poids de
direntes variables pour le jugement de conit (Averty, 1998 ; Stankovic
et al., 2008). La deuxime catgorie est celle des modles de processus,
cest le cas des modles de Niessen et al. et de Rantanen et Nunes. Ces
modles dcrivent pas--pas les tapes du processus dcisionnel lors de la
dtection de conit. Finalement le modle de Raufaste (2006) fait partie
des modles computationnels.
En quoi ces modles peuvent-ils nous permettre de rpondre nos
interrogations ? Nous allons voir que, pour chaque catgorie de modle, des
questions restent en suspens. Le but de notre travail va tre de proposer des
solutions thoriques et mthodologiques permettant daner la description
des processus cognitifs impliqus dans la dtection de conit.
Dans un premier temps, nous nous pencherons sur le fait communment
accept par les chercheurs que les ATC estiment direntes distances sur
lcran radar. Par exemple, les rsultats de Stankovic et al. (2008) montrent
que le jugement de risque de conit peut tre dcrit par lintermdiaire
de trois distances (Dt
h
, Dt
v
et Dt
0
). Ces distances sont soit directement
perues, soit infres partir dindicateurs. Or nous montrerons quil
est fort probable que la perception des distances soit biaise avec toutes
les consquences que cela peut avoir sur la reprsentation de la situation
quont les contrleurs.
25
26 probl emati que(s)
Dans un deuxime temps, nous verrons en quoi divergent les deux
modles de processus de Niessen et al. (1998) et de Rantanen et Nunes
(2005). Nous tablirons une srie de prdictions issues de chaque modle
que nous confronterons par la suite.
Finalement, nous verrons quelles sont les bases du modle computation-
nel de Raufaste (2006) et les questions quil laisse ouvertes.
3.1 li nfluence des di stances dans la d etecti on de confli t :
mod` eles daverty et de stankovi c et al.
Lvaluation des distances entre avions est une information qui semble
primordiale dans la dtection de conit. Bouju et Sperandio (1979) montrent
que dans le cas de la dtection de conit entre deux avions convergents,
lestimation de la sparation minimale impliquait des processus perceptifs
et logiques mais rarement des calculs. Ils montrent galement que lesti-
mation de la distance horizontale (Dt
h
dans le modle de Stankovic et al.,
2008) est mieux estime que la distance verticale de sparation. Ces au-
teurs montrent galement que les estimations des contrleurs se baseraient
davantage sur la distance horizontale de sparation que sur la distance
verticale de sparation. Les modles de Stankovic et al. (2008) et de
Rantanen et Nunes (2005) impliquent linfrence de direntes distances.
Dans le premier modle, la distance Dt
0
(la distance entre lavion qui
passera en premier le point de croisement des deux trajectoires et le point
dintersection de celles-ci) est relativement importante. Dans ltude de
Rantanen et Nunes (2005), les auteurs supposent lutilisation du jugement
relatif et de la prdiction de trajectoire. Ces deux ncessitent galement de
faire des valuations de distances pour connatre le temps avant lequel un
avion passera un point donn. Comme les contrleurs ariens semblent
dpendre de lestimation de direntes distances, il nous semble important
de comprendre quels sont les mcanismes sous-jacents la perception du
point dintersection entre deux trajectoires. De nombreuses tudes nous
permettent de prvoir que lestimation de cette distance est biaise. Par
souci de clart du propos nous consacrerons le chapitre 4 la problma-
tique dvaluation des distances. Nous y dtaillerons les mcanismes sur
lesquels repose lvaluation du point dintersection et nous dmontrerons
lexistence dun biais perceptif. Ce biais a toute son importance dans le
cadre du contrle arien surtout si on accepte lhypothse que les ATC se
basent sur des estimations de distance prcises pour tablir leur diagnostic.
3.2 les mod` eles de processus
Bisseret fut lun des premiers dfendre lide que les contrleurs
ariens utilisaient des stratgies de type lexicographique pour dterminer si
3.2 les mod` eles de processus 27
deux avions taient ou non en conit. Conformment cette ide, les ATC
sengagent dans une srie de tests qui permettent de faire un diagnostic
de la situation. Pour raliser ces tests, les contrleurs sappuient sur les
informations disponibles sur lcran radar : avions, altitudes, vitesses,
trajectoires etc. Ces informations sont gnralement prsentes dans les
tiquettes associes chaque avion.
Nous allons confronter deux modles hirarchiques de la dtection de
conit : le modle MoFL de Niessen et al. (1998) et le modle hirarchique
de Rantanen et Nunes (2005). Dans un premier temps, nous allons rappeler
les tapes de chaque modle. Nous verrons ensuite quels sont les points
communs et les dirences de ces deux modles. partir de ce constat,
nous ferons une srie dhypothses bases sur les prdictions de chaque
modle. Nous proposerons nalement une rponse mthodologique pour
tenter de mettre au clair leurs divergences.
3.2.1 MoFl
Niessen et al. (1998, 1999) ont men une srie dexpriences pour
comprendre comment taient slectionnes les direntes informations
aches sur un cran radar. Sur la base de leur donnes empiriques, les
auteurs ont cr un modle gnral de contrle du trac arien. Dans ce
modle la dtection de conit suit la stratgie suivante :
1. Si les avions sont soit sur la mme trajectoire, soit sur des trajec-
toires convergentes, alors passer ltape 2. Autrement, les avions
divergent ou sont dj spars, il ny a pas de conit.
2. Est-ce que les avions sont sur des altitudes direntes et nvoluent
pas verticalement ? Si non, passer ltape 3. Si oui, il ny a pas de
conit, les avions sont spars verticalement.
3. Le contrleur anticipe mentalement la future position des avions
grce aux vecteurs vitesse de chaque avion. Cette estimation permet
au contrleur destimer une probabilit de conit.
4. La probabilit de conit est value, si le contrleur suspecte un
conit, alors il va calculer le temps restant avant que les avions ne
violent rellement les normes de scurit.
5. En fonction de ces direntes oprations, le contrleur pourra prendre
une dcision. Sil estime que la situation est sans danger, alors il nin-
terviendra pas. Dans le cas contraire, le contrleur devra surveiller
la paire davions conictuelle et ventuellement intervenir.
28 probl emati que(s)
3.2.2 Le modle hirarchique
Rantanen et Nunes (2005) ont propos un modle de dtection de conit
des contrleurs ariens en-route . Pour tester leur modle, les auteurs
ont demand des ATC de dcider si deux avions achs sur un cran
radar taient ou non en conit. La stratgie est la suivante :
1. Si les altitudes sont spares de plus de 1000 pieds, alors il ny a
pas de conit, autrement passer ltape 2.
2. Si les avions sont sur des trajectoires divergentes ou sur des trajec-
toires parallles susamment spares, alors il ny a pas de conit.
Dans les autres cas, passer ltape 3.
3. Si les avions sont la mme vitesse et que la dirence de distance
entre chaque avion et le point de convergence des deux trajectoires
est au moins aussi grande que la distance horizontale de sparation,
alors il ny a pas de conit. Autrement passer ltape 4.
4. Le contrleur va estimer la distance de sparation au point le plus
proche (Dt
h
selon la terminologie de Stankovic et al., 2008). Si le
Dt
h
est en dessous de la norme de sparation, alors il y a conit, au-
trement la situation ne prsente pas de risque de perte de sparation.
3.2.3 En quoi ces modles sont-ils dirents ?
Nous pouvons relever au moins trois dirences fondamentales entre
ces deux modles.
Premirement, le modle MoFL suggre que la divergence est consid-
re en premier. Par consquent, les informations relatives laltitude ne
devraient pas tre prises en compte lorsque les avions divergent. Le modle
de Rantanen et Nunes suggre que laltitude est la premire information
tre prise en compte. Du fait de la nature lexicographique du modle, les
trajectoires ne sont prises en compte que dans les situations dans lesquelles
les avions sont la mme altitude.
Deuximement, le modle de Rantanen et Nunes (2005) permet de diag-
nostiquer prcisment si deux avions sont ou non en conit. Ce modle est
bas sur le jugement de conit. Au contraire, Niessen et al. considrent le
processus de dtection de conit comme tant inclus dans lactivit globale
du contrleur. Leur modle permet de prendre une dcision dintervention
(i.e., faire une clairance) et non de faire un jugement de conit. Or cette
dirence conceptuelle est importante et peut produire des variations sur
le traitement de la tche. Nous avons vu que lactivit de contrle regroupe
plusieurs tches complexes et direntes. Dans un environnement dyna-
mique, il est peu probable que les contrleurs fassent des jugements de
conit prcis et coteux comme dans la tche de Rantanen et Nunes. Par
3.2 les mod` eles de processus 29
contre, il nous semble bien plus envisageable quun contrleur se demande
sil va intervenir ou non sur une paire davions qui risque dentrer en
conit. Lintervention permet de ne pas faire de diagnostic prcis et a pour
autre avantage de supprimer tout risque de perte de sparation. Il est donc
possible que demander des contrleurs ariens de faire un jugement de
conit entrane davantage de processus dlibrs de leur part.
La troisime dirence rside dans lestimation de la perte de sparation
entre deux avions. Dans le modle de Niessen et al., il est assum que les
contrleurs sappuient sur des heuristiques perceptives pour estimer la s-
paration horizontale (i.e., Dt
h
). Cette estimation sappuie essentiellement
sur lextrapolation des distances entre les vecteurs vitesses qui permettent
davoir une reprsentation de la situation future. Lavantage dune telle
stratgie est la baisse du cot cognitif de lestimation. Dans le modle de
Rantanen et Nunes, les contrleurs ariens sont impliqus dans deux types
de jugements : le jugement relatif et la prdiction de trajectoire. Nous
avons vu dans le chapitre 2 que la stratgie la plus probable pour raliser
ce type de traitement est une stratgie de type ratio distance/vitesse. Ces
jugements sont dirents dune simple valuation perceptive des vecteurs
vitesses. Ils prennent en compte la fois les distances sparant le point
dintersection des deux trajectoires ainsi que les vitesses de chaque avion.
Ces indicateurs permettent dinfrer le premier avion arriver au point
de croisement des trajectoires et destimer le temps avant que les avions
ne perdent leur sparation. Dans le modle de Niessen, seuls les vecteurs
vitesse (reprsentation analogique) sont pris en compte.
3.2.4 Les prdictions de chaque modle lors dune tche de dtection de
conit
Les stratgies lexicographiques dcrivent lordre de traitement des di-
rentes informations disponibles pour prendre une dcision. Par consquent,
le critre venant en premier dans larbre de dcision devrait tre associ
avec les temps de ractions les plus courts. Dans le mme principe, les
cas exigeant des traitements complexes et profonds devraient entraner les
temps de rponse les plus longs. Si on compare les deux modles de pro-
cessus dcrits ci-dessus, nous pouvons voir que lordre des deux premires
informations acquises par les ATC est dirent. Le modle MoFL prdit
que les temps de rponse devraient tre plus courts dans le cas des avions
divergents (sans prendre en compte le direntiel daltitude), alors que
le modle de Rantanen et Nunes (2005) prdit des temps de rponse plus
courts lorsque les avions sont des altitudes direntes (sans prendre en
compte la divergence). Pour rsumer, si on qualie SA et DA les
cas avec altitudes identiques et altitudes direntes, Div les cas dans
lesquels les trajectoires des avions divergent et, autres les cas o les
30 probl emati que(s)
avions ne divergent pas, alors les patterns de temps prdits par les deux
modles sont :
MoFL :
DA-Div = SA-Div < DA-autres < SA-autres
Modle hirarchique de Rantanen et Nunes :
DA-Div = DA-autres < SA-Div < SA-autres
Si on rduit les lments communs aux deux expressions (DA-Div <
SA-autres) nous obtenons les dirences entre chaque modle :
MoFL :
SA-Div < DA-autres
Modle hirarchique de Rantanen et Nunes :
SA-Div > DA-autres
De plus, le modle de Rantanen et Nunes permet de faire une autre
prdiction sur les temps de rponse en fonction de la dicult des cas
rencontrs. Dans les cas o les avions sont la mme altitude (SA), le
modle prdit que les temps de rponse seront plus courts dans les cas
o les avions sont la mme vitesse que lorsquils sont des vitesses
direntes.
Finalement, le modle de Niessen est relatif au jugement dintervention
alors que celui de Rantanen et Nunes est relatif au jugement de conit.
Le jugement de conit peut tre considr comme le plus coteux. Par
consquent, les temps de rponse dans une tche de dtection de conit
doivent tre plus longs que dans une tche de jugement dintervention. Dit
autrement, les ATC mettent plus de temps diagnostiquer la possibilit de
conit qu dcider dintervenir.
3.3 le mod` ele computati onnel de raufaste
Le modle de Raufaste part du principe selon lequel la convergence est
tout dabord value. Toutefois, mme si le traitement de la convergence
prcde celui de laltitude, le modle ne prend cette information en compte
quune fois les altitudes compares. Par consquent, les cas dans lesquels
les altitudes sont direntes sont rsolus plus rapidement que les cas
dans lesquels les trajectoires divergent. Si on reprend la formulation des
hypothses sur les temps de rponse des modles de Niessen et de Rantanen
et Nunes, on obtient :
DA-Div = DA-autres < SA-Div
3.4 comment construi re un mod` ele de la d etecti on de confli t i mpl ementable ? 31
Soit une hypothse identique celle de Rantanen et Nunes.
Pour valuer les vitesses, le modle de Raufaste commence par comparer
la longueur des vecteurs vitesse. En fonction de la dirence de longueur,
le modle pourra connatre quel est lavion le plus rapide. Si le direntiel
de longueur est en dessous dun certain seuil, alors le modle va encoder
les vitesses symboliques. En terme de prise dinformation, une fois que
le modle a compar les altitudes, il devrait porter son attention sur les
vecteurs vitesses et ensuite, dans certain cas, porter son attention sur leurs
reprsentations symboliques.
Dernirement, le modle de Raufaste ne prend pas en compte les angles
convergents. Il reste donc des amliorations substantielles faire et des
processus supplmentaires implmenter.
3.4 comment construi re un mod` ele de la d etecti on de confli t
i mpl ementable ?
3.4.1 Le choix de la mthode
Nous avons choisi une approche rductionniste de la tche de dtection
de conit. En eet, lactivit de contrle arien implique une multitude
de sous-tches, il nest absolument pas vident destimer comment ces
direntes sous-tches interagissent ensemble. Il est autant probable que
ces tches se perturbent entre elles ou quelles ninteragissent pas. Sans
avoir une conrmation empirique de linteraction entre les direntes
tches, nous prfrons nous placer dans loptique la plus simple et, par
consquent, rduire au maximum le bruit autour du processus de dtection
de conit. Pour cette raison, le cadre oert par le paradigme propos par
Rantanen et Nunes (2005) nous parat particulirement adapt notre
objectif, contrairement celui utilis par Niessen et al. qui utilisent des
simulations globales du trac arien.
Nous aurions pu utiliser les donnes de Rantanen et Nunes pour crer
notre simulation. Toutefois la construction et les rsultats de ce modle
sont discutables. Les critiques que nous allons faire ce modle nous ont
pouss rpliquer lexprience. En eet, la critique principale est dordre
mthodologique. La mthode de recueil des donnes de Rantanen et Nunes
(2005) soulve deux remarques.
Premirement, an dviter que les contrleurs ne rpondent trop vite
et que par consquent leur prcipitation rpondre ne bruite la qualit
des donnes recueillies (temps de rponse), les auteurs ont demand aux
participants dtre certains de leurs rponses. Quand un contrleur nobte-
nait pas plus de 80% de rponses correctes, il devait refaire un bloc entier
dessais jusqu atteindre le seuil de 80% de russite chaque bloc. Les
donnes furent collectes suite la passation de cinq blocs avec 80% de
32 probl emati que(s)
russite chaque. Donc, la contrainte de prcision implique par la m-
thode a pu forcer les contrleurs poursuivre leurs jugements au del du
point auquel ils sarrtent habituellement. Cet impratif de performance a
pour consquence directe de pousser les contrleurs traiter toutes les
informations en profondeur. Ceci pourrait expliquer pourquoi les avions
divergents ne sont pas diagnostiqus comme ntant pas en conit plus
rapidement que les autres cas. A premire vue, ce rsultat pourrait sembler
contre-intuitif. De notre point de vue, la divergence de trajectoires est
acquise directement par perception visuelle, soit sans eort, il devrait tre
plus simple et donc plus rapide de sapercevoir que deux avions sur des
trajectoires divergentes ne se croiseront jamais plutt que de localiser et
dencoder les altitudes lintrieur des tiquettes de chaque avion. Par
consquent, les temps de raction rapports par Rantanen et Nunes (2005)
pourraient ne pas rsulter de limportance donne laltitude mais plus
une contrainte lie lobligation de performance requise par le processus
exprimental.
La deuxime remarque concerne linuence de la rptition des sc-
narios sur la performance. Dans une tche de dtection de conit, Loft,
Humphreys, et Neal (2004) ont montr que la performance variait en
fonction de la ressemblance entre le scnario en cours de traitement et un
scnario prsent prcdemment : les temps de raction sont plus courts
quand une paire davions en conit est proche dune conguration conic-
tuelle prcdemment prsente. De plus, les participants rpondent moins
rapidement et font des omissions sur des paires davions en conit et
dont la conguration ressemblait une conguration non conictuelle
antrieure. Par consquent, comme Rantanen et Nunes (2005) ont utilis
cinq sries dessais construits avec les mmes variables, nous pensons que
cela pourrait avoir biais leurs rsultats.
3.4.2 Le choix des variables observables : le besoin de donnes oculaires
Les tudes prsentes dans le chapitre 2 nous informent sur la distri-
bution de lactivit perceptive entre dirents dispositifs dachage et
des lments les plus indispensables prsents sur un cran radar. Mal-
heureusement, nous manquons dinformation sur ce qui est regard
lintrieur des tiquettes des avions. Mme si quelques tudes ont utilis
le paradigme des informations masques pour tudier les reprsentations
mentales des contrleurs (e.g., Niessen et al., 1999), les donnes oculo-
mtriques ont pour avantage de permettre de collecter des donnes la
fois sur les temps de raction et sur la frquence de prise dinformation.
De plus, le paradigme des informations masques oblige le contrleur
avoir un traitement squentiel des informations proposes, et empche tout
traitement parallle. De plus, le modle hirarchique de Rantanen et Nunes
3.5 hypoth` eses g en erales 33
(2005) est valid grce la mesure de temps de rponse et de performance.
Toutefois, ces mesures rsultent dun processus global et peuvent donc
dicilement conrmer lordre dans lequel les informations disponibles
sont prises en compte.
Donc, obtenir des donnes oculomtriques relve dun intrt tout parti-
culier. En eet, dans les protocoles de Niessen et al. (1998) et de Rantanen
et Nunes, les informations pertinentes ne pouvaient tre acquises que
par lintermdiaire du radar de la simulation. Deux types dinformations
taient disponibles : des informations symboliques et des informations
analogiques. Les informations symboliques sont regroupes et aches
dans les tiquettes (altitude, vitesse au sol) alors que les informations
analogiques sont directement accessibles via une reprsentation graphique
sur le radar (les trajectoires, la distance entre les avions et le point de
croisement des deux trajectoires). Comme les informations symboliques
et analogiques sont donnes visuellement, alors ltude de mouvements
oculaires peut permettre de comprendre comment les informations sont
extraites partir du radar lorsquun contrleur estime la possibilit de
perte de sparation entre deux avions. De plus, les mouvements oculaires
peuvent permettre de rpondre la question Quel type dinformation
attire lattention des contrleurs ? . Nous proposons dutiliser des donnes
sur les mouvements oculaires pour tudier les processus utiliss en temps
rel dont rsultent les temps de rponse et la performance.
3.5 hypoth` eses g en erales
Les prdictions des modles prsents ci-dessus nous ont permis dla-
borer les hypothses suivantes :
1. La perception des distances utilises pour faire des estimations de
trajectoire par les contrleurs ariens est biaise (voir chapitre 4) ;
2. Le direntiel daltitude OU la divergence est la premire tape du
processus dcisionnel (voir chapitre 5) ;
3. Les situations, dans lesquelles les avions sont la mme vitesse,
sont traites plus rapidement que celles dans lesquelles les avions
volent des vitesses direntes (dans les cas davions non divergents
volant la mme altitude, voir chapitre 5) ;
4. Les jugements de conits sont plus longs laborer que les juge-
ments dintervention (voir chapitre 5) ;
Finalement nous pensons que lordre de prise dinformation peut tre mis
en vidence grce lactivit oculomtrique (voir chapitre 5).
34 probl emati que(s)
Nous avons vu que la dtection de conit impliquait invitablement des
processus de comparaison de distances. Nous avons galement vu que
pour chaque modle de processus de la dtection de conit, direntes
prdictions pouvaient tre faites sur le comportement des ATC. Nous
avons fait le choix de tester ces direntes prdictions grce notamment
lutilisation de donnes oculomtriques.
Notre objectif est donc de :
Vrier si lvaluation des distances sur un cran radar nest pas biaise ;
Tester les prdictions de chaque modle de la dtection de conit ;
Valider un modle de la dtection de conit ;
Utiliser nos donnes pour implmenter notre modle dans larchitecture
ACT-R.
Deuxime partie
Recueils de donnes
exprimentales
35
4
I NFRENCE DU POI NT D I NTERSECTI ON DE
DEUX TRAJ ECTOI RES
Le but de ce chapitre est de proposer et de valider exprimentalement un
modle de linfrence du point dintersection de deux trajectoires conver-
gentes. Cette tape prend sens dans le cadre de notre approche rduction-
niste de la tche de dtection de conit. Nous montrerons que lorsquune
personne souhaite localiser le point de rencontre de deux trajectoires, elle
a signicativement plus de probabilit de donner sa rponse lintrieur
de langle form par les deux trajectoires. Ce biais est nomm innershoot.
Nous discuterons des consquences de ce biais lors de la dtection de
conit entre deux avions.
Nous avons vu prcedemment que les contrleurs ariens peuvent uti-
liser deux types de jugements pour valuer le risque de conit : le ju-
gement relatif et la prdiction de trajectoires. Ces deux jugements sont
rgulirement voqus, toutefois les mcanismes cognitifs inhrents leur
production sont peu dcrits par les chercheurs du domaine du contrle
arien. Notre dmarche est de dtailler et de comprendre la faon dont
ces jugements sont raliss. Par exemple, le jugement relatif permet au
contrleur de connatre quel avion passera en premier le point dintersec-
tion de deux trajectoires (Law et al., 1993 ; Tresilian, 1991, 1995). Ce
jugement ncessite une valuation de lemplacement du point dintersec-
tion pour pouvoir valuer la distance avion/point de croisement. Grce
lestimation de cette distance et grce la comparaison des vitesses,
le contrleur peut ainsi connatre quel avion passera en premier le point
de croisement. Comme Stankovic et al. (2008) lont montr, la distance
entre le point dintersection (Dt
0
) et lavion qui passera en premier ce
point a une inuence sur le jugement de risque de conit. Plusieurs ques-
tions se posent alors. Comment est estim le point dintersection de deux
trajectoires convergentes ? Quels sont les processus impliqus dans cette
sous-tche ? Existe-t-il des biais perceptifs lors de lestimation du point de
croisement de deux trajectoires ?
La littrature sur les jugements de colinarit permet de comprendre et
danticiper ce qui peut se passer lorsque lon estime le point dintersection
de deux trajectoires convergentes. Nous verrons dans un premier temps
37
38 i nf erence du poi nt di ntersecti on de deux trajectoi res



X
Figure 1: Reprsentation dune erreur de colinarit ; X est la rponse
estime ; est langle entre le segment test et laxe horizontal.
quelles sont les particularits des erreurs de colinarit. Suite cette revue
de question, nous proposerons un modle prdisant une tendance estimer
le point de croisement de deux trajectoires convergentes avant sa position
relle. Puis, nous prsenterons trois expriences qui vont valider et prciser
nos prdictions. Finalement, nous discuterons de limpact de ces rsultats
sur le jugement de conit entre deux avions chez les contrleurs ariens.
4.1 les jugements de coli n eari t e : approche g en erale
4.1.1 Dnition et caractristiques gnrales
Gnralement les tches permettant dtudier les jugements de coli-
narit sont assez simples. Il sagit de placer un point qui parat align
avec un segment test (Bouma & Andriessen, 1968 ; Greene & Frawley,
2001 ; Greene, Frawley, & Swimm, 2000) ou de placer un point entre deux
autres points pour faire en sorte que les trois semblent aligns (Sittig &
De Graaf, 1994). Greene et al. dnissent une erreur de colinarit comme
une dviation angulaire entre le point estim et la droite portant le segment.
Cette dviation angulaire est calcule partir de lextrmit du segment la
plus proche de la rponse (voir Figure 1).
Il apparat que les jugements de colinarit dpendent fortement de
lorientation absolue du segment test. Si le segment forme un angle oblique
(e.g., 45) avec un des axes principaux, alors lerreur de colinarit
est maximale. Un autre rsultat important est que pour une orientation
absolue dangle et pour un mme participant, lerreur de colinarit reste
4.1 les jugements de coli n eari t e : approche g en erale 39
constante si elle est mesure deux moments dirents (Greene & Frawley,
2001 ; Greene et al., 2000). Finalement, les erreurs de colinarit ne sont
pas sujettes des eets de distance (Greene, 1993 ; Yakimo, Mitrani, &
Matee, 1977a) : la dviation angulaire est la mme indpendamment de
la distance entre le segment test et la rponse.
4.1.2 Situations particulires de jugements de colinarit
Plusieurs domaines de recherches se servent des jugements de colina-
rit comme paradigme exprimental. En eet, avec quelques arrangements
du dispositif, il est possible dtudier lorientation perue dun segment
ou de comprendre les illusions visuelles. Par exemple, les jugements de
colinarit dun segment vers une ligne droite ont t largement utiliss.
Dans ces tudes, on prsente un segment test qui sert de base au jugement
de colinarit vers un deuxime segment qui sert de cible pour lextrapola-
tion (Yakimo et al., 1977a ; Yakimo, Mitrani, & Matee, 1977b). Un
troisime segment (linducteur) est rajout an de comprendre comment
il pouvait biaiser les jugements de colinarit (Hotopf, 1981 ; Hotopf &
Brown, 1988 ; Findlay & Hotopf, 1985) ou pour comprendre les bases de
lillusion de Poggendor (Weintraub, Krantz, & Olson, 1980 ; Weintraub,
1993 ; Greene, 1987 ; Greene & Pavlov, 1989).
Il savre que les jugements de colinarit sont sujets des biais sys-
tmatiques en prsence dlments environnants. Yakimo et al. (1977a)
montrent que la localisation de lextrapolation du point dintersection
entre un segment et une ligne droite verticale est systmatiquement biaise
vers lintrieur de langle form par la ligne et le segment. Yakimo et al.
(1977b) montrent galement que ce biais ne dpend pas de la distance entre
le segment test et la ligne verticale, et quil nest pas dorigine motrice.
Hotopf (1981) a rapport une illusion appele alignment displacement
eect
1
(eet de dplacement de lalignement) : si on demande des
participants daligner un segment test sur un point (la cible) et que la
cible est soit en contact, soit proximit dun segment inducteur, alors
le segment test nest pas correctement align vers la cible mais est dvi
vers le centre de gravit du segment inducteur. La taille de lerreur induite
par cette illusion dpend de langle form par le segment test et la ligne
dinduction (Hotopf, 1981). Hotopf et Brown (1988) montrent galement
que leet dattraction dcrot quand langle form par le segment test
et la ligne dinduction augmente et quand la distance entre la cible et la
ligne dinduction augmente. De la mme faon, Greene (1987) et Greene
et Pavlov (1989) montrent que la localisation du point dintersection dun
segment test en contact avec un segment inducteur et formant une oblique
1. renomm plus tard attraction-caused misalignment (ACM) dans Hotopf et
Brown (1988).
40 i nf erence du poi nt di ntersecti on de deux trajectoi res
vers une ligne cible dpend de lorientation du segment inducteur. Cet eet
est nomm induction angulaire
2
: la colinarit perue dun segment
test est biaise par linuence dun segment inducteur. La force de ce biais
est fonction de langle form par la ligne dinduction et le segment test
(Greene & Pavlov, 1989 ; Greene, 1993), et les erreurs de colinarit sont
maximales lorsque le segment test et le segment inducteur forment un
angle aigu.
Malgr cet ensemble de rsultats, il existe peu dtudes sintressant
linfrence du point dintersection entre deux segments convergents
tels deux avions sur un cran radar (Weintraub & Virsu, 1971, 1972 ;
Yakimo, 1977a). Nous prsenterons les deux modles issus de ces travaux
et nous en proposerons un nouveau qui sappuie essentiellement sur une
gnralisation des rsultats exprimentaux issus de ltude des jugements
de colinarit.
4.2 esti mer le poi nt di ntersecti on de deux trajectoi res
Weintraub et Virsu (1972) dcrivent un modle quatre facteurs qui
explique les erreurs systmatiques lorsque lon doit estimer le point de
rencontre de deux lignes convergentes. Les quatre facteurs sont : une ten-
dance placer les rponses trop hautes dans le champ visuel, lorientation
des segments, une tendance considrer quun segment dont linclinaison
est proche dun axe vertical ou horizontal est eectivement vertical ou
horizontal et une erreur de perception angulaire indpendante de lorienta-
tion des segments. Cette tude permet de comprendre les erreurs (taille de
lcart entre le point rel dintersection et la rponse dun participant) mais
ne dcrit pas comment ces erreurs sont rparties dans le plan. Yakimo
(1977a) demande des participants dextrapoler le point dintersection
entre deux segments convergents formant un angle de 30. Ils observent
une distribution bi-dimensionnelle des donnes qui est principalement
inuence par la proximit dun segment avec un axe cardinal et par la
distance entre les segments et le point de rencontre des droites portant
les deux segments. Le nuage de points form par les rponses est quali-
delliptique (des formes elliptiques ont aussi t reportes par Todd,
Oomes, Koenderink, & Kappers, 1999). A partir de ces donnes, Mitrani
et Yakimo (1983) proposent un modle thorique de lintersection per-
ue de deux segments convergents. Ce modle est bas sur le concept
dorientation perue dun seul segment :
2. Angular induction, voir galement Greene, 1993, 1994.
4.3 lhypoth` ese de li nnershoot 41
Lorientation perue dun segment (a, a

) est reprsente
par un ensemble de lignes droites (A) dont lorigine est lex-
trmit du segment.
3
(Mitrani & Yakimo, 1983, p. 186)
De fait, si on considre deux segments convergents, les deux ensembles
de lignes qui reprsentent lorientation perue de chaque segment se
croisent. Le chevauchement de ces deux ensembles forme une aire qui
contient lensemble des estimations possibles de la position perue du
point dintersection (voir Figure 2). Les auteurs en dduisent que la distri-
bution des donnes sera bidimensionnelle et formera une ellipse dont la
forme dpendra de la conguration gomtrique des segments.
Par consquent, les estimations du vertex dun angle form par deux
lignes convergentes forment un ensemble de rponses dont la forme est
proche dune ellipse. La forme et lorientation de cette ellipse sont in-
uences par lalignement dun des deux segments avec un axe cardinal
(horizontal ou vertical), par la distance entre le point dintersection rel et
le sommet de chaque segment et par langle form par les deux segments.
Nous proposons un modle psychologique qui dcrit plus prcisment
la distribution des rponses dans une tche de localisation du point dinter-
section de deux lignes convergentes. Ce modle sappuie sur les rsultats
issus de la littrature sur les jugements de colinarit.
4.3 lhypoth` ese de li nnershoot
Comme propos par Mitrani et Yakimo (1983), nous pensons que
la perception du point dintersection de deux lignes convergentes est le
rsultat cumul de deux erreurs de colinarit. Chacune de ces erreurs
dpend de lorientation des segments. Par consquent, les tentatives de
localisation du point dintersection sont probablement biaises de la mme
faon que les jugements de colinarit. De plus, en dpit de la dirence
des tches proposes par Greene et al. et Hotopf, nous navons aucune
raison de penser que leet dinduction ou dattraction ne soit pas oprant
dans la tche qui nous intresse.
Si aucun bias systmatique nexiste, alors les rponses des participants
devraient former un nuage de points centrs sur la cible (hypothse nulle).
Considrons deux segments A et B. Supposons que les participants foca-
lisent en premier sur le segment A qui devient le segment test, et que par
consquent, le segment B devient le segment inducteur. Si on applique
le principe dinduction angulaire, lalignement peru avec le segment A
sera biais vers linducteur, soit vers le segment B. Il est donc possible
3. The perceived orientation of the line segment (a, a

) is represented by a bundle of
straight lines (A) originating from the end of the segment.
42 i nf erence du poi nt di ntersecti on de deux trajectoi res

b
a
a
b
R
M N
S Q

O
T V
P
A B
Figure 2: Modle thorique du point dintersection peru de deux seg-
ments convergents (daprs Mitrani et Yakimo, 1983). Le re-
couvrement des deux ensembles de lignes partant des segments
(a, a

) et (b, b

) dnit la densit relative des rponses donnes


par les participants lorsquils ont juger de la position du point
dintersection des deux droites. Laire RSPQ correspond au re-
couvrement des deux ensembles, la densit est maximale dans
cette aire.
4.3 lhypoth` ese de li nnershoot 43
A

X
R

A
.

B
B
Figure 3: Innershoot caus par deux eets cumuls dinduction : X est
le point dintersection rel ; R est une rponse type ;
A
and
B
sont les deux erreurs de colinarit. Leet dinduction induit
que
A
est orient vers le segment B, et que
B
est orient
vers le segment A. Par consquent, les rponses tendront tre
plus favorablement estimes dans langle AXB quen dehors
(Innershooting).
de prvoir une premire erreur de colinarit
A
dirige vers B. Dans un
deuxime temps, le participant va porter son attention sur le segment B
qui cet instant prend le rle de segment test et A prend celui dinducteur.
Il est par consquent possible quune seconde erreur de colinarit
B
soit dirige vers A (voir la Figure 3). tant sous linuence cumule de
deux attractions, lensemble des points de rponse devrait tre plus dense
lintrieur (i.e., devrait contenir plus de rponses par unit de surface)
qu lextrieur de langle form par les deux droites portant les segments :
cette prdiction est nomme innershoot.
Maintenant, si on intgre les travaux de Greene et al. (Greene et al.,
2000 ; Greene & Frawley, 2001 ; Greene, 1993), nous pouvons postuler
que pour une orientation absolue dun segment, lerreur de colinarit est
intra-individuellement constante. Dit autrement, si on utilise les termes de
la Figure 3, les angles
A
et
B
devraient tre constants pour un individu
donn. Donc, si la distance entre les segments et le point dintersection
augmente, la position perue du point de croisement aura tendance tre
estime plus loin lintrieur de langle que la position relle du point
dintersection S.
En ajoutant cette nouvelle hypothse au modle, on peut prdire que
pour une mme conguration angulaire dune paire de segments et intra-
44 i nf erence du poi nt di ntersecti on de deux trajectoi res
individuellement, linnershoot devrait tre plus fort lorsque la distance
entre les segments et le point dintersection augmente. Dun autre ct,
aucun rsultat empirique ne permet de prvoir que les erreurs
A
et

B
restent constantes lorsque les deux droites sont extrapoles. Elles
peuvent autant tre augmentes que rduites et peut-tre pas dans les
mmes proportions. Donc, la seule hypothse que nous pouvons mettre
est que le degr dinnershoot variera avec la distance entre les segments
et le point dintersection. Par le mme principe, nous ne pouvons prvoir
leet de la variation de langle form par les deux segments sur
A
et

B
, et donc sur le degr dinnershoot.
Pour rsumer, le modle nous permet de faire trois prdictions :
1. Innershooting. Aprs avoir contrl la surface, le nombre de r-
ponses tombant dans langle AXB dni par les deux segments et le
point dintersection sera relativement plus important que le nombre
de rponses tombant en dehors de cet angle.
2. Eet de Distance. Pour une paire de segments avec la mme con-
guration angulaire, la frquence dinnershoot va varier en fonction
de la distance entre les segments et le point dintersection.
3. Eet de lAngle. Comme les dirents travaux sur les jugements
de colinarit lont dmontr, les erreurs de colinarit sont contin-
gentes avec lorientation absolue des segments. Il est donc pro-
bable que la variation des angles de convergence entre les segments
conduise des dirences sur leet dinnershoot.
4.4 exp eri ence 1
4.4.1 Mthode
Participants
Un total de 556 participants ont particip lexprience (508 hommes,
48 femmes, tranche dge 1730, M = 20, = 2, 5). Cette exprience
faisait partie dune srie de tests crs pour slectionner des candidats au
concours dentre des lves pilotes de ligne (EPL) de lcole Nationale de
lAviation Civile, Toulouse (ENAC). Tous les candidats avaient une vision
normale ou corrige.
Dispositif exprimental et procdure
Lexprience tait programme et passe sur un ordinateur quip dun
cran de 17 pouces avec une rsolution de 1024 768 et un taux de
rafrachissement de 75 Hz. Chaque participant tait plac face lcran
environ 50 cm du moniteur. Le curseur de la souris tait le curseur standard
4.4 exp eri ence 1 45
de Windows. Les instructions taient prsentes la fois visuellement
et oralement (i.e., sur lcran et grce des couteurs individuels). Les
participants devaient marquer laide de la souris le point dintersection
dune srie de paires de segments. Chaque segment tait reprsent par un
triangle avec son sommet une extension de 1 cm indiquant sa direction.
A chaque essai, les participants pouvaient indiquer la localisation perue
de lintersection des deux segments en cliquant lendroit dsir avec
le bouton gauche de la souris. Aprs le premier clic de chaque essai, un
bouton de couleur jaune apparaissait lendroit de la rponse et un bouton
de validation apparaissait en haut au centre de la fentre du dispositif
exprimental. Les participants pouvaient modier la localisation de leurs
rponses tant quils ne les validaient pas avec le bouton prvu cet eet.
Les participants ne devaient utiliser aucun moyen physique pouvant les
aider faire leur choix (e.g., placer une main sur lcran pour pouvoir
vrier le bon alignement de la rponse etc.). Lexprience commenait par
deux essais de familiarisation suivis de six essais exprimentaux. Une fois
que les instructions taient comprises, les participants devaient cliquer pour
commencer les essais de familiarisation. Lors des essais de familiarisation,
la position relle du point dintersection tait montre la n de chaque
essai une fois la rponse du candidat valide. Par la suite, aucun feedback
ntait fourni. Le temps de passation tait limit 240 secondes pour
raliser les six essais. Les candidats taient informs du temps restant
grce une barre de progression ache constamment en bas de lcran.
Tche, variables et hypothses
Les paires de stimuli taient construites en fonction de deux variables.
Premirement, la distance visuelle entre les deux segments et le point
dintersection pouvait prendre deux valeurs : une correspondant une
distance quivalente laire de vision parafovale et lautre correspondant
laire de vision priphrique, soit respectivement 5 (Distance Courte) et
10 (Longue Distance) dangle de vision. Les deux segments dun mme
essai taient toujours la mme distance visuelle. La distance visuelle des
essais de familiarisation tait de 7,5.
La deuxime variable manipule tait langle de convergence des seg-
ments
c
qui pouvait prendre trois valeurs : 45, 90et 135. Les valeurs
dangle de convergence pour les essais de familiarisation taient de 60et
de 120. Lemplacement du point dintersection de chaque essai a t
alatoirement assign, et chaque conguration de segments a subi une
rotation alatoire centre sur le point dintersection. Tous les participants
ont vu exactement les mmes stimuli, toutefois lordre de prsentation a
t randomis.
46 i nf erence du poi nt di ntersecti on de deux trajectoi res
La premire variable dpendante tait le nombre de rponses tombant
lintrieur de langle form par les deux segments, r
In
. Pour un angle
donn, ce nombre peut tre compar la probabilit dune rponse ala-
toire tombant lintrieur de langle, soit p =
c
/360. Si le nombre de
rponses est signicativement plus grand que cette probabilit, alors il y a
innershoot. Linnershoot peut donc tre calcul comme la dirence entre
ces deux valeurs.
La seconde variable dpendante est lerreur. Lerreur est la distance en
pixels entre la rponse donne par un participant et lendroit rel du point
dintersection. Dans cette conguration, 1cm 30 pixels.
Finalement, les hypothses oprationnelles pour cette exprience sont
les suivantes :
1. Linnershoot sera observ dans chaque condition :

c
, p(r
In
) (
c
/360) > 0
2. Linnershoot et la taille absolue de lerreur seront aects par la
distance entre les segments et le point dintersection ;
3. Linnershoot et la taille absolue de lerreur seront aects par la
valeur de langle de convergence
c
form par les deux segments.
Analyses
Quatre participants sur 556 ont donn une rponse aberrante. Ces r-
ponses taient localises prs dun bord de lcran proximit du bouton
de validation des rponses. Ces rponses sont probablement dues au fait
que ces participants ont d cliquer ct du bouton de validation une fois
leur jugement fait, ce qui a par consquent dplac leur rponse. Ils nont
pas d sen rendre compte et ont prcipitamment valid leurs rponses.
Les donnes de ces participants ne seront pas incluses dans les traitements
statistiques. Certains participants (N = 100) nont pas termin lexp-
rience avant le temps imparti et nont pu rpondre au dernier essai. Les
donnes correspondantes ont t remplaces par la moyenne de la srie.
Il est important de noter que les rsultats reports ci-dessous ne changent
pas si les donnes manquantes sont simplement ignores pour les tests.
Linnershoot a t calcul pour chaque condition et test en comparaison
la valeur 0. Lerreur est calcule en agrgeant les trois rponses (une pour
chaque angle) pour la distance courte et la distance longue. Les temps de
rponse ont subi une transformation de type logarithme de base 2 pour en
normaliser la distribution.
4.4 exp eri ence 1 47
Table 1: Eets de la distance visuelle et de langle de convergence sur
lextrapolation du point dintersection (Exprience 1, N = 552).
Distance Courte Longue Distance Total
Innershoot
Angle M () M () M ()
45 .28 (.02) .16 (.02) .22 (.01)
90 .46 (.02) .00 (.02) .23 (.01)
135 .31 (.02) .56 (.01) .43 (.01)
Total .35 (.01) .24 (.01) .29 (.01)
Erreur en pixels
Angle M () M () M ()
45 14,0 0,5 26,4 0,8 20,2 0,5
90 6,3 0,1 21,5 0,5 13,9 0,3
135 13,9 1,5 33,0 0,9 23,5 0,9
Total 11,4 0,5 27,0 0,5 19,2 0,4
4.4.2 Rsultats et discussion
Innershoot
Au niveau intra sujet, on a observ de linnershoot dans cinq scnarios
sur six (voir Table 1), tous les tests taient signicatifs (p
s
< .01) sauf
pour la condition 90

/Longue Distance. Les valeurs dinnershoot taient


signicativement positives pour chaque condition de distance et au niveau
gnral (i.e. toutes conditions agrges ; tous les p < .01). Les tailles def-
fet variaient de petite (d = 0, 35 pour la condition 45/Longue Distance)
grande (d = 1, 00 pour la condition 90/Courte Distance). Au niveau
gnral, la taille deet tait grande (d = 1, 58). Aprs avoir calcul les
moyennes des valeurs dinnershoot pour chaque participant, nous pouvons
constater que les valeurs stalaient entre -.25 et .75, mais globalement
linnershoot (les valeurs suprieures 0) fut vri par 525 participants sur
552. En dautres mots, 95% des participants ont manifest de linnershoot.
Eets de la distance
Linnershoot tait signicativement plus lev dans la condition courte
distance que dans la condition longue distance (p < .01). Ce rsultat
48 i nf erence du poi nt di ntersecti on de deux trajectoi res
carte lhypothse de la conservation des erreurs de colinarit
A
et

B
en fonction de la distance qui permettait de prdire plus dinnershoot
dans la condition longue distance. Une explication possible est que les
scnarios longue distance ont t plus durs traiter. Or les participants
taient extrmement motivs, ils ont donc pu sinvestir davantage dans les
cas les plus diciles et donc mieux contrler la qualit de leurs rponses.
Cette explication peut tre soutenue par lanalyse des temps de rponse. La
moyenne des temps de rponse dans la condition courte distance tait de
11,51 s ( = 0, 18 s) versus 12,01 s ( = 0, 20 s) dans la condition longue
distance, (F(1, 555) = 6, 4 ; MSE = 0, 28 ; p = .011). Donc, en moyenne,
les participants ont consacr plus de temps (une demi seconde) sur les
scnarios impliquant de longues distances. Toutefois, cette explication
est confronte aux rsultats sur les tailles derreurs : lerreur tait plus
grande dans les cas de longue distance par rapport aux cas courte distance
(F(1, 555) = 1439, 4 ; MSE = 2, 05 ; p < .01). Il est dicile dexpliquer
comment la distance peut rduire linnershoot et augmenter lerreur dans
le mme temps.
Eets de langle de convergence et autres rsultats
Les rsultats obtenus conrmrent un eet de langle de convergence
(F(2, 1110) = 167, 8 ; MSE = 1, 85 ; p < .01). Linteraction distance-
angle fut galement signicative (F(2, 1110) = 32, 1 ; MSE = 1, 77 ;
p < .01). Les graphiques de dispersion des rponses montrent deux formes
prvisibles du nuage de points. Quand un des deux segments est proche
dun axe cardinal, alors le nuage de points est elliptique et semble align
sur laxe cardinal (cf. Yakimo, 1977a et Mitrani & Yakimo, 1983). La
seconde forme est circulaire, et apparat gnralement pour des cas o
langle de convergence est de 90. Deux patterns types sont prsents dans
la Figure 4. Les reprsentations des autres nuages de points pourront tre
trouves en annexe.
Cette exprience montre bien lexistence dun eet dinnershoot : une
dominance des rponses lintrieur de langle form par les deux seg-
ments par rapport celles donnes lextrieur de langle. Toutefois,
leet de distance est quelque peu droutant par rapport aux prdictions
bases sur la constance des erreurs de colinarit.
Il convient de noter que la motivation des participants tait globale-
ment garantie par les conditions spciques de cette exprience (concours
dentre des lves pilotes de lignes lENAC). Bien que la tche puisse
paratre simple une telle population, et bien que les participants ont
certainement d faire de leur mieux, nous avons tout de mme pu observer
de linnershoot. Dun autre ct, il est possible que la pression tempo-
relle ait aect les performances des candidats. De plus, seuls six essais
4.5 exp eri ence 2 49
-40
-30
-20
-10
0
10
20
30
40
-40 -30 -20 -10 0 10 20 30 40
>100
>50
<50
-40
-30
-20
-10
0
10
20
30
40
-40 -30 -20 -10 0 10 20 30 40
>100
>50
<50

Figure 4: Le nuage de points de gauche parat circulaire. Cela se produit
quand les deux segments forment un angle de 90. Sur le ct
droit, le nuage de points est elliptique et semble align sur laxe
horizontale. Des schmas similaires ont t observs quand un
segment est align sur un axe cardinal. Chaque point reprsente
une rponse, la couleur des points reprsente la densit des
rponses dans un rayon de 5 pixels. Les points les plus sombres
sont ceux qui ont des valeurs de densit leves.
exprimentaux, soit un par condition, avec deux essais de familiarisation
ont servi pour tablir nos rsultats. Il est donc possible quun manque de
pratique ait induit de limprcision dans les rponses des candidats. Un
ensemble de scnarios plus important nous aurait permis de mieux cerner
les eets dinnershoot. Pour toutes ces raisons, nous avons rpliqu cette
exprience en largissant le nombre de scnarios.
4.5 exp eri ence 2
4.5.1 Mthode
Participants
Deux cent dix huit tudiants de luniversit de Toulouse II (98 hommes
et 120 femmes, tranche dge 1746, M = 23, 7, = 4, 5) se sont ports
volontaires pour participer cette exprience. Tous avaient une vision
normale ou corrige.
Dispositif exprimental et procdure
Le dispositif exprimental est le mme que celui utilis pour lexp-
rience 1 sauf que les consignes nont t prsentes que visuellement.
50 i nf erence du poi nt di ntersecti on de deux trajectoi res
Stimuli
Nous avons rajout deux modalits dangles de convergence (67 and
112 ) en plus de ceux de lexprience 1. Les angles de convergence
pour les essais de familiarisation avaient comme valeur 60 , 90 , 120 ,
190 , 220. La distance visuelle suivait les mmes modalits que celles
de lexprience 1. Chacune des 2 5 paires de segments a t prsente
8 fois. Les huit rptitions ont t construites en appliquant une rotation
alatoire chaque conguration de base. Une fois la rotation eectue,
la paire de segments tait place alatoirement sur lcran. Au nal, un
total de quatre-vingts congurations spatiales ont t prsentes chaque
participant. Lordre des prsentations a t randomis.
Variables, hypothses et analyses
Les hypothses sont identiques celles de lexprience 1. Les mmes
analyses ont t conduites deux dirences prs. La premire est que
les valeurs dangles sont au nombre de cinq. La deuxime dirence
est le nombre dessais chaque condition : 80 dans lexprience 2 alors
que lexprience 1 nen comportait que 6. La frquence des rponses
lintrieur de langle fut donc calcule sur la base des 8 essais pour chaque
condition dangle et de distance.
La variable innershoot fut calcule comme dans lexprience 1 sauf
que les huit essais de chaque condition ont t agrgs pour produire
une frquence de rponses lintrieur de langle. La probabilit a priori
de tomber au hasard dans langle a t soustraite du score agrg des
frquences. La deuxime variable dpendante, lerreur, fut calcule de la
mme faon que dans lexprience 1. Les donnes ont t traites grce
des ANOVA mesures rptes. Le design exprimental tait 5 angles
2 distances. Les rponses dun candidat dpassant la distance entre les
deux segments et le point dintersection, soit 150 pixels dans la condition
courte distance et 300 dans la condition longue distance, ont t cartes.
Ces donnes (40 dans la condition courte distance et 23 dans la condition
longue distance, sur 17440 en tout) ont t remplaces par la moyenne de
la srie. An de satisfaire les conditions de normalit de la distribution,
nous avons d appliquer une transformation racine carre sur les scores
bruts. Les tests post-hoc ont t raliss grce des tests de Sche. Les
conventions de Cohen (1988) ont t utilises pour rapporter les tailles
deet.
4.5 exp eri ence 2 51
4.5.2 Rsultats et discussion
Innershoot
Au niveau intra-individuel, linnershoot fut observ dans chaque condi-
tion (voir Table 2), tous les tests t taient signicatifs (t
s
(217) > 3, 91,
p
s
< .01, d
s
[0, 27; 2, 20]). Selon les conventions de Cohen, six condi-
tions sur dix ont produit de grandes tailles deet (d
s
> 0, 99). Ce rsultat
a rpliqu les rsultats de lexprience 1 et a conrm lexistence de lin-
nershoot. Aprs avoir moyenn les valeurs des frquences dinnershoot
pour chaque candidat, les valeurs variaient de -.07 .56. Leet dinner-
shoot (frquence suprieure zro) tait prsent chez 214 participants sur
216 (99%).
Eets de la distance et de langle de convergence
Premirement, et contrairement aux rsultats de lexprience 1, linner-
shoot a t plus frquent dans la condition longue distance que dans la
condition courte distance (F(1, 217) = 45, 6 ; MSE = 0, 04 ; p < .01).
Ce rsultat est compatible avec lhypothse que dans une tche de lo-
calisation du point dintersection, les erreurs de colinarit
A
et
B
restent constantes, voire mme augmentent. Toutefois, ce renversement de
rsultats entre lexprience 1 et 2 reste dicilement explicable.
Un autre eet intressant est la baisse monotone de la frquence dinner-
shoot en fonction de langle de convergence. Plus langle de convergence
augmente, plus linnershoot dcrot (F(4, 868) = 136, 2 ; MSE = 0, 03 ;
p < .01). Les tests de Sche ont permis de classer les angles de la faon
suivante : 45

< 67

90

< 112

135

, avec le signe < signiant


une dirence signicative (p
s
< .05) et le signe signiant pas de
dirence. Lanalyse des donnes montrait galement une interaction entre
la distance et langle (F(4, 868) = 118, 8 ; MSE = 0, 02 ; p < .01), voir la
Figure 5.
La taille de lerreur augmentait avec la distance visuelle (F(1, 217) =
1044, 7 ; MSE = 117, 6 ; p < .01). Langle de convergence eut aussi un
eet signicatif sur lerreur (F(4, 868) = 150, 4 ; MSE = 44, 0 ; p < .01).
De plus, les comparaisons post-hoc montrrent que les angles de conver-
gence pouvaient tre classs par ordre croissant derreur : 90

< 112


135

< 67

< 45

. Plus simplement, lerreur tait la plus faible pour


les angle droits, suivis des angles obtus, et nalement les angles aigus
produisirent les erreurs maximales. Lanalyse a galement montr une
interaction signicative entre langle de convergence et la distance visuelle
(F(4, 868) = 88, 5 ; MSE = 1, 8 ; p < .01). Les erreurs induites par les
dirents angles de convergence ont t plus grandes dans la condition
longue distance que dans la condition courte distance. En particulier les
52 i nf erence du poi nt di ntersecti on de deux trajectoi res
Table 2: Eets de la distance visuelle et de langle de convergence sur
lextrapolation du point dintersection entre deux segments (Ex-
prience 2, N = 218).
courte distance longue distance Total
Frquence Innershoot
Angle M () M () M ()
45 .25 .01 .44 .01 .34 .01
67 .10 .01 .36 .01 .23 .01
90 .24 .01 .21 .01 .22 .01
112 .18 .01 .10 .01 .14 .01
135 .10 .01 .05 .01 .07 .01
Total .17 .01 .23 .01 .20 .00
Erreur en pixels
Angle M () M () M ()
45 15,5 0,5 37,1 1,2 26,3 0,8
67 13,8 0,6 30,1 0,9 22,0 0,7
90 10,7 0,4 20,9 0,6 15,8 0,5
112 12,6 0,4 26,6 0,7 19,6 0,5
135 12,6 0,4 25,5 0,7 19,0 0,5
Total 13,0 0,4 28,1 0,7 20,6 0,1
4.5 exp eri ence 2 53
Les barres verticales reprsentent un intervalle de confiance de 95%
45 67 90 112 135
Angle de convergence
0
.10
.20
.30
.40
.50
.60
F
r

q
u
e
n
c
e

d
'
I
n
n
e
r
s
h
o
o
t
PfDist
PerDist

Figure 5: Innershoot en fonction de la distance et de langle de conver-
gence (Exprience 2, N = 216).
dirences entre langle de 67

dun ct, et chacun des angles de 45

,
112

, et 135

dun autre ct, ne furent pas signicativement direntes


dans la condition courte distance alors quelles ltaient dans la condition
longue distance (p
s
< .01). Langle 90

produisit la meilleure perfor-


mance compar toutes les autres congurations angulaires (p
s
< .01),
toutefois, dans la condition longue distance la dirence avec chaque angle
obtus (112

et 135

) ne fut pas signicative. Quelle que soit la distance


visuelle, il ny avait pas de dirence entre les angles de 112

et ceux de
135

.
Les nuages de points forms par les rponses des candidats suivirent
des patterns similaires ceux dcrits dans lexprience 1 (voir lannexe
pour avoir une vue exhaustive de chaque nuage de points en fonction des
congurations angulaires). Les paires de segments formant un angle de
90

tendirent produire des nuages de points circulaires. Les paires de


segments, dont un tait align avec un axe cardinal, tendirent produire
des nuages de points elliptiques et aligns sur laxe cardinal concern.
Nous avons compar les frquences globales dinnershoot entre les
expriences 1 et 2. Il savre que linnershoot fut plus important dans
lexprience 1 que dans lexprience 2 (t(772) = 6, 94, p < .01, d =
0, 67). Comme lexprience 2 comportait plus dessais que lexprience
1 (80 versus 6), il tait probable que linnershoot ait pu tre rduit
54 i nf erence du poi nt di ntersecti on de deux trajectoi res
cause dun eet dapprentissage. En eet, au cours de lexprience 2, les
participants ont pu dvelopper des stratgies permettant damliorer leur
prcision. Pour vrier cette hypothse nous avons moyenn les scores
des six premiers essais et des six derniers essais de chaque participant.
Nous avons ensuite compar les moyennes grce un t-test. Les rsultats
ne montrrent pas de dirence signicative entre le dbut et la n de
lexprience (la dirence moyenne est de -.01 (=.02), t(217) = 0, 41 ;
p = .68). Ce rsultat carte la possibilit dun eet dapprentissage qui
aurait pu causer une baisse de linnershoot.
Pour rsumer, lexprience 2 conrma lexistence de biais en relation
avec la taille de langle de convergence et la distance entre deux segments
et leur point dintersection. Globalement, la frquence dinnershoot aug-
mente lorsque la distance entre les segments augmente et lorsque langle
de convergence dcrot. Intuitivement, on pourrait se demander si lactivit
oculaire est responsable, du moins en partie de linnershoot. Yakimo
et al. (1977b) montrent que les mouvements oculaires nont pas de rle
signicatif dans la rsolution de problmes dextrapolation visuelle spa-
tiale : les mouvements oculaires ne suivent pas lextrapolation dune ligne.
Toutefois, il est probable que les mouvements oculaires puissent avoir un
rle dans linnershoot. En eet, mme si ils ne suivent pas lextrapolation
dune ligne, rien nempche les saccades datterrir avant la position relle
du point dintersection et donc de produire de linnershoot. De plus, ltude
des mouvements oculaires pourrait nous informer sur la base dun tel biais :
est-ce que le biais est d un problme en mmoire visuo-spatiale ? Ou est-
ce que leet trouve son origine dans une faiblesse oculo-motrice trouver
de faon prcise le point dintersection de deux lignes convergentes ? Il est
galement possible que les stratgies perceptives utilises par les candidats
pour extrapoler le point dintersection puissent avoir un impact sur la taille
des erreurs ou sur linnershoot. Finalement, si notre modle correspond
un processus mental, alors il devrait tre possible den recueillir dautres
traces. En particulier, nous devrions pouvoir observer sil existe un lien
entre linnershoot et les mouvements oculaires.
4.6 exp eri ence 3 : mouvements oculai res et i nnershoot
Nous avons vu quil ntait pas impossible que les mouvements oculaires
puissent avoir un impact sur linnershoot. An de tester cette hypothse
nous avons procd un recueil de donnes avec un oculomtre. En
plus de cela, nous sommes partis de lide que pour avoir une simulation
raliste de la dtection de conit, les stratgies perceptives permettant de
localiser le point dintersection de deux trajectoires pouvaient tre mises
en vidence grce loculomtre. Nous allons donc prsenter deux types
de stratgies perceptives probablement utilises lors de lestimation du
4.6 exp eri ence 3 : mouvements oculai res et i nnershoot 55
point de rencontre entre deux trajectoires et les tester avec de nouvelles
donnes. Les rsultats obtenus seront ensuite implments dans notre
modle computationnel.
4.6.1 Quelques stratgies perceptives pour localiser le point dintersec-
tion de deux segments convergents
Plusieurs stratgies peuvent tre utilises pour localiser le point dinter-
section de deux trajectoires convergentes. Un des buts de lexprience 3 est
dobtenir des donnes sur de telles stratgies. Nous allons prsenter deux
stratgies : la stratgie dite srielle et la stratgie en va-et-vient. Ces deux
stratgies nous paraissent les plus pertinentes et les moins complexes pour
dcrire le processus destimation de la localisation du point dintersection.
Bien sr, nous sommes conscients que dautres pourraient exister.
La stratgie srielle
Comme le titre dindique, cette stratgie consiste extrapoler de faon
srielle les deux lignes portant les segments. Plus prcisment, la premire
tape dune stratgie srielle serait de choisir un des deux segments et
dextrapoler la position potentielle du point dintersection. Idalement
cela revient extrapoler la droite qui porte le segment. Une fois que cette
premire extrapolation est faite, une seconde est ralise partir du second
segment. Si lon suppose quil est possible dencoder et de rappeler en
mmoire la position de la premire ligne extrapole, le point dintersec-
tion peru serait simplement lintersection des deux lignes extrapoles.
Toutefois, il est connu que les mouvements oculaires aectent la mmoire
de travail (Postle, Idzikowski, Della Sala, Logie, & Baddeley, 2006 ;
Lawrence, Myerson, Oonk, & Abrams, 2001 ; Baddeley, 1986), et plus
spciquement la composante visuo-spatiale implique dans la localisa-
tion dobjet (Postle et al., 2006). Il est donc possible que la permutation
entre la premire ligne et le second segment, et son extrapolation puissent
dtriorer le rappel de la premire ligne. La consquence prvisible est
que la stratgie srielle devrait conduire des rponses particulirement
biaises.
La stratgie en va-et-vient
Lors de lutilisation dune stratgie en va-et-vient, lattention est porte
sur un premier segment, et ensuite sur le second. partir dune premire
impression, lattention sera dplace vers une zone de lespace contenant
probablement le point dintersection localiser. De l, on vrie laligne-
ment avec le premier segment et on ajuste la rponse. On vrie alors
lalignement de la rponse suppose avec le second segment, on lajuste et
56 i nf erence du poi nt di ntersecti on de deux trajectoi res
on continue jusqu ce quun critre de satisfaction soit atteint. Lavantage
dune telle stratgie est important en regard du cot cognitif quelle re-
quiert : il nest pas ncessaire de se rappeler des extrapolations prcdentes,
on doit uniquement se rappeler de lestimation de la localisation du point
dintersection peru.
Hypothses
Les hypothses des expriences 1 et 2 restent inchanges. De plus, nous
proposons de vrier lexistence des stratgies srielle et va-et-vient
partir des mouvements oculaires des participants. En eet, ces stratgies
devraient produire des patterns particuliers de xations. Par exemple, en
utilisant une stratgie srielle, les participants devraient extrapoler la ligne
portant un segment et ensuite extrapoler la ligne du second. Sur la base
du rappel de lorientation de la premire ligne, les participants devraient
trouver le point dintersection. Par consquent, nous pouvons nous attendre
ce quun participant utilisant une stratgie srielle porte son attention sur
une premire ligne, puis sur une seconde et prenne ensuite sa dcision. De
fait, une srie de xations oculaires devrait dabord tre focalise sur une
ligne et ensuite sur la seconde. En utilisant une stratgie en va-et-vient,
les participants devraient parcourir alternativement les deux segments
jusqu atteindre un critre de satisfaction quant la localisation du point
dintersection. Par consquent, si un participant utilise une stratgie en
va-et-vient, on pourrait sattendre ce que les xations alternent plus
souvent entre les deux segments jusqu la localisation de lintersection. De
plus, nous avons explor la possibilit que linnershoot puisse sappliquer
galement aux xations oculaires.
4.6.2 Mthode
Participants
Un total de 25 personnes (14 hommes et 11 femmes, tranche dge
1836, M = 24, 4, = 4, 2) a particip lexprience. Elles ont t
recrutes sur le campus de lUniversit de Toulouse II. Toutes avaient une
vision normale.
Matriel exprimental et analyses
Le matriel exprimental est le mme que celui utilis pour lexprience
2. Nous avons utilis en plus un oculomtre (ASL501 de la socit Applied
Science Laboratories) avec une frquence dchantillonnage de 50Hz.
Lcran exprimental tait un cran plat de 19 pouces rgl avec une
rsolution de 1024 768. La distance entre les participants et lcran
4.6 exp eri ence 3 : mouvements oculai res et i nnershoot 57
tait denviron 80 cm. Les stimuli taient exactement les mmes que
ceux utiliss pour lexprience 2. Le curseur de la souris a t remplac
par un curseur rond rouge, de la mme taille que le point apparaissant
lors du premier clic destimation. Pour viter tout bruit dans les donnes
oculomtriques, les mouvements de tte des participants taient contraints
par une mentonnire. La procdure tait identique celle de lexprience 2
lexception des rglages inhrents lutilisation de loculomtre comme
la phase de calibration. Les rponses ont t traites de la mme faon que
dans lexprience 2. La frquence de xations a t calcule dans un rayon
de 50 pixels partir de lemplacement rel du point dintersection. Par
consquent, les xations pouvaient tre soit lintrieur de langle form
par les deux lignes portant les segments, soit lextrieur de cet angle. Les
nombres de xations lintrieur Nb
In
et lextrieur Nb
Out
de langle
pour chacun des huit scnarios de chaque condition ont t additionns.
Le rapport Nb
In
sur Nb
In
+Nb
Out
nous donne la probabilit quune
xation soit lintrieur de langle. Ce rapport est ensuite compar
la probabilit de tomber alatoirement dans langle. Nous avons pu par
consquent calculer une frquence de xations innershootes suivant
la formule :
Nb
In
Nb
In
+Nb
Out
(
c
/360)
Les valeurs au-dessus de zro reprsentent donc un eet dinnershoot au
niveau des xations oculaires.
An didentier les stratgies, nous avons dni deux types daires
dintrt (AOI). Le premier type tait laire dintersection qui couvre un
cercle dun rayon de 50 pixels autour du point rel dintersection. Le
second type recouvrait les aires pour chaque ligne portant les segments.
Chacune de ces aires avait une largeur de 50 pixels centre sur le segment,
et dbutait 20 pixels derrire le segment et se prolongeait jusqu laire
dintersection. Nous avions donc deux aires reprsentant les lignes et une
aire pour le point dintersection. Nous avons calcul les changements entre
les direntes AOI. Nous appellerons A et B les aires correspondant aux
lignes portant les segments et I laire dintersection. Les transitions entre
les aires se notent AB pour une transition de laire A vers laire B ou BIA
pour une transition aire A, aire I et aire B etc.
Nous avons catgoris les stratgies comme suit :
La stratgie srielle est dnie par un seul changement entre les AOI
A et B, et ce changement doit tre de la forme AB ou BA.
premire vue, la stratgie en va-et-vient devrait prdire un ou
plusieurs changements mais chaque changement passe par linter-
mdiaire de laire dintersection. Donc cette stratgie devrait tre
caractrise par nimporte quel nombre de changements de la forme
AIB ou BIA. Toutefois, le critre pour identier une stratgie srielle
58 i nf erence du poi nt di ntersecti on de deux trajectoi res
ou en va-et-vient se recouvre dans le cas o un seul changement de
type AIB ou BIA est produit. Pour rsoudre cette ambigut, nous
avons renforc la dnition de la stratgie en va-et-vient en ajoutant
la contrainte suivante : il faut au moins deux changements de la forme
AIB ou BIA. La catgorie rsultante de cette stratgie est appele
stratgie en va-et-vient restreinte .
Nous avons donc un cas hybride lorsquun seul changement du type
AIB ou BIAse produit. Ce cas particulier est trait sparment car (1)
il ny a quun seul changement entre les lignes pendant lextrapolation
ce qui peut tre interprt comme une stratgie srielle et (2) la
transition passe par laire dintersection, ce qui peut tre interprt
comme une stratgie en va-et-vient (mais pas comme une stratgie en
va-et-vient restreinte comme expliqu ci-dessus). Ce cas particulier
est appel stratgie hybride .
Ainsi dnies, les stratgies srielle, en va-et-vient et hybride sont
mutuellement exclusives. Nous sommes conscients que cette classi-
cation nest pas exhaustive puisquil existe dautres stratgies qui
ne rentrent pas dans celles que nous avons dnies. Par exemple, une
stratgie possible serait quun participant fasse une srie de chan-
gements du type ABABI, ce type de stratgie a t class dans la
catgorie autres . Comme cette catgorie recouvre plusieurs types
de squences et que celles-ci ne sont pas facilement catgorisables
nous avons choisi de les ignorer dans les traitements statistiques.
4.6.3 Rsultats
Innershoot
Leet dinnershoot tait prsent dans chaque condition exprimentale
(voir Table 3). Dans huit conditions sur dix, la taille deet dinnershoot
tait grande (t
s
(217) > 5, 4 ; p
s
< .01 ; d
s
[1, 08; 2, 42]). Les deux
conditions restantes furent celles relatives langle de 135 (courte et
longue distance). Mme dans ces deux conditions leet dinnershoot
tait signicatif et les tailles deet taient moyennes (t
s
(217) > 2, 2 ;
p
s
< .04). Encore une fois ces rsultats rpliqurent lexistence dun eet
dinnershoot. Globalement, 77 scnarios sur 80 (96,3%) taient soumis
un eet dinnershoot. Aprs avoir moyenn les valeurs dinnershoot pour
chaque participant, linnershoot variait de -.07 .56. Tous les participants
ont produit de linnershoot.
Eets de la distance et de langle de convergence
La frquence dinnershoot a t plus grande dans la condition longue
distance que dans la condition distance courte (F(1, 24) = 14, 0 ; MSE =
4.6 exp eri ence 3 : mouvements oculai res et i nnershoot 59
Table 3: Eets de la distance visuelle et de langle de convergence sur
lextrapolation du point dintersection. (Exprience 3, N = 25)
courte distance longue distance Total
Frquence dinnershoot
Angle M () M () M ()
45 .33 .04 .51 .04 .42 .03
67 .25 .04 .41 .04 .33 .03
90 .28 .05 .33 .04 .30 .04
112 .17 .03 .17 .03 .17 .03
135 .10 .04 .07 .03 .08 .03
Total .22 .03 .30 .02 .26 .01
Erreur
Angle M () M () M ()
45 14,0 1,1 31,8 2,2 22,9 1,5
67 13,0 1,0 26,4 1,6 19,7 1,1
90 8,2 0,4 18,3 0,9 13,2 0,6
112 9,8 0,5 22,4 1,3 16,1 0,8
135 11,3 0,8 19,9 1,0 15,6 0,8
Total 11,2 0,6 23,8 1,1 17,5 0,3
0, 02 ; p < .01). Comme dans lexprience 2, les donnes montraient
une baisse monotone de la frquence dinnershoot lorsque langle de
convergence augmentait (F(4, 96) = 25, 6 ; MSE = 0, 03 ; p < .01).
Linteraction entre langle de convergence et la distance visuelle tait
galement signicative (F(4, 96) = 4, 6 ; MSE = 0, 02, p < .01) et les
courbes rpliquent les observations faites dans lexprience 2.
En ce qui concerne lerreur destimation, la condition longue distance
augmentait la taille de lerreur compar la condition courte distance
(F(1, 24) = 314, 7 ; MSE = 31, 1, p < .01). Langle de convergence avait
galement un eet signicatif (F(4, 96) = 29, 6 ; MSE = 31, 1 p < .01).
Les comparaisons post-hoc ont montr que les angles pouvaient tre classs
par ordre dcroissant dinuence sur la taille derreur de lestimation
comme suit : 90

112

135

< 67

< 45

. Linteraction entre la
distance et langle de convergence tait signicative F(4, 96) = 11, 2 ;
MSE = 14, 2 ; p < .01. Les dirences derreur induites par les valeurs
dangles de convergence taient plus grandes dans la condition longue
distance que dans la condition courte distance. La condition dangle
60 i nf erence du poi nt di ntersecti on de deux trajectoi res
90

a produit la meilleure performance compare tous les autres angles


(p
s
< .01).
Comme dans lexprience 2, nous navons pas not deet dappren-
tissage lorsque lon compare la performance des six premiers essais
avec les six derniers (la dirence moyenne est de -0,03 ( =, 02) ;
t(24) = 0, 62 ; p = .54).
Innershoot et xations oculaires
La frquence des xations lintrieur de langle tait signicativement
suprieure 0 dans toutes les conditions exprimentales (t
s
(24) > 5, 3 ;
p
s
< .01). Toutes les tailles deet taient grandes : d
s
[1.05; 2.78].
Comme dans le cas des estimations, linnershoot visuel fut produit par
100% des participants.
An de comprendre les eets de la distance et de la convergence angu-
laire nous avons trait les donnes des frquences dinnershoot visuel grce
une ANOVA mesures rptes (2 distances 5 angles). Seul leet de
langle de convergence tait signicatif comme le montrent les rsultats
prsents dans la Figure 6 (F(4, 96) = 5, 96 ; MSE = 0, 02 ; p < .01).
Les comparaisons post-hoc ont montr que langle de 135

produisait des
frquences de xations lintrieur de langle plus faibles que les angles
112

et 67

. Linnershoot visuel ne dpendait pas signicativement de la


distance visuelle.
Stratgies perceptives impliques dans la localisation du point dintersec-
tion
Premirement, les trois catgories de stratgies ne prsentaient pas les
mmes frquences dutilisation (F(2, 48) = 21, 16 ; p < .01 ; MSE =
.115). Si on carte la catgorie Autres stratgies , la stratgie hybride
tait la plus frquemment utilise suivie de la stratgie srielle et de la
stratgie en va-et-vient stricte (voir Table 4). Les trois stratgies avaient
des frquences signicativement suprieures zro (p
s
< .02). Prises
ensemble, ces stratgies expliquaient 44,5% des stratgies perceptives
utilises par les participants. La stratgie hybride reprsentait elle seule
24,5% des stratgies utilises. La stratgie srielle reprsentait entre 15%
et 39,5% des cas et la stratgie en va-et-vient entre 5% et 29,5% des
cas. Deuximement, il existait une interaction entre la distance visuelle
et la frquence dutilisation dune stratgie (F(2, 48) = 19, 34 ; p < .01 ;
MSE = .019). Les tests post-hoc ont montr quil ny a pas deet
signicatif de la distance sur les stratgies srielle et en va-et-vient, mais
que la stratgie hybride tait moins frquemment utilise dans le cas des
longues distances visuelles compar aux conditions de courtes distances
visuelles.
4.6 exp eri ence 3 : mouvements oculai res et i nnershoot 61
Les barres verticales reprsentent un intervalle de confiance de 95%
45 67 90 112 135
Angle de convergence
.05
.10
.15
.20
.25
.30
.35
.40
F
r

q
u
e
n
c
e

d
'
I
n
n
e
r
s
h
o
o
t
PfDist
PerDist

Figure 6: Innershoot visuel : Frquence des xations lintrieur de
langle form par les lignes portant les deux segments en fonc-
tion de langle de convergence et de la distance visuelle (Exp-
rience 3, N = 25).
Table 4: Frquences des stratgies perceptives en fonction de la distance
(Exprience 3, N = 25).
courte distance longue distance Total
Stratgie M () M () M ()
Va-et-vient .06 (.05) .04 (.04) .05 (.04)
Srielle .14 (.07) .17 (.07) .15 (.07)
Hybride .31 (.09) .18 (.08) .24 (.09)
Autres .49 (.10) .61 (.10) .56 (.10)
62 i nf erence du poi nt di ntersecti on de deux trajectoi res
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
1 2 3 4 5 6 7 8 9 10
Premier segment fix
Deuxime segment fix
Aire d'intersection
P
o
u
r
c
e
n
t
a
g
e

d
e

f
i
x
a
t
i
o
n
s
Rang des fixations

Figure 7: Dcours temporel des regards dans les trois aires dintrt (Ex-
prience 3, N = 25).
Dernirement, la Figure 7 montre le dcours temporel de la distribution
des regards dans les trois aires dintrt. Les courbes montrent clairement
que les participants arrivaient trouver le point dintersection des deux
lignes portant les segments tests. En eet, la courbe reprsentant les re-
gards dans laire de lintersection a une forme curviligne. Un modle
logarithmique rend compte de lallure de la courbe (R
2
= .95). La prdo-
minance du premier segment regard jusqu la huitime xation ntait
pas prdit. Le nombre total de dplacements dattention, sans prendre en
compte les stratgies perceptives a t calcul. Les rsultats ont montr
que ce nombre tait plus important dans la condition longue distance que
dans la condition courte distance (t(48) = 2, 89, p < .01 ; d = 0, 84).
Les formes elliptiques et circulaires prsentes dans les expriences 1 et
2 furent galement retrouves dans lexprience 3.
4.7 di scussi on g en erale
Le but de ce chapitre tait dtudier la performance sur une tche relati-
vement simple : trouver le point dintersection de deux lignes convergentes.
Nous avons tent de comprendre les mcanismes qui sous-tendaient cette
tche. En nous appuyant sur lanalyse de Yakimo (1977a) et de Mitrani
et Yakimo (1983), nous avons dcrit un modle bas sur le recouvrement
4.7 di scussi on g en erale 63
de deux jugements de collinarit. Grce aux rsultats obtenus par Greene
et al. et Hotopf, nous avons postul que chaque jugement de collinarit
serait biais : chaque estimation partir dun segment est attire vers
lautre segment. Les trois prdictions issues du modle ont t conrmes
et prcises. Premirement, les participants ont eu tendance tomber sous
linuence dun eet dinnershoot. En eet, dans les trois expriences
proposes, les participants ont produit relativement plus de rponses dans
langle form par les deux lignes portant les segments qu lextrieur de
cet angle. Deuximement, il a t dmontr quil existait un eet de la
distance sur lerreur destimation et sur la frquence dinnershoot. Bien
quau dpart, nous navions pas plus de prdiction, les expriences 2 et
3 ont tendance montrer que linnershoot et les erreurs de prcision sont
plus grands dans le cas de grandes distances visuelles que dans le cas
de distances visuelles courtes. Troisimement, linnershoot et les erreurs
de prcision variaient en fonction de langle de convergence des deux
segments. Globalement, linnershoot augmente quand la distance entre
les segments et le point dintersection augmente ou quand langle form
par les deux segments dcrot. Finalement les expriences ont montr que
leet dinnershoot est insensible des eets dapprentissage.
4.7.1 Innershoot : un biais perceptif ou moteur ?
Dans notre modle, linnershoot est la consquence de deux eets dat-
traction cumuls. Bien que le modle est corrobor par les donnes que
nous avons recueillies, leet dinnershoot pourrait tre la consquence
dun biais moteur plutt que perceptif. Lexprience 3 montre que les xa-
tions oculaires sont plus frquentes lintrieur de langle qu lextrieur,
cela suggre que lorigine du biais est plus probablement perceptive. De
plus, limprcision des rponses supporte lide dun biais perceptif. En
eet, les erreurs de prcision dans lexprience 1 varient de 0,38 cm
0,9 cm (11,4 pixels 27 pixels, avec 1 cm=30 pixels lcran). Si on
considre que les participants taient 50 cm de lcran, lerreur angulaire
variait de 0.43

1.03

. La taille de lerreur est rplique dans lexprience


2. Il parat improbable que les participants naient pas modi et amlior
leurs rponses si aucune illusion visuelle ne les empchait de dtecter leur
erreur. De plus, Yakimo et al. (1977b) ont montr que des erreurs syst-
matiques de perception de lintersection entre une ligne verticale droite et
un segment oblique taient prserves mme lorsque les rponses motrices
taient remplaces par des rponses verbales. Ce rsultat est conrm par
Greene (1993) qui montre que :
64 i nf erence du poi nt di ntersecti on de deux trajectoi res
(...) le comportement qui consiste slectionner et marquer
un emplacement comme tant colinaire avec un segment
oblique, rete avec prcision ce que le sujet peut percevoir
4
(p. 331).
Par consquent, lhypothse la plus probable est que ce biais est un biais
dorigine perceptive.
4.7.2 Est-ce que ces rsultats peuvent tre expliqus par une dcience
de la mmoire visuo-spatiale ?
Nous avons dcrit trois types de stratgies perceptives qui pouvaient
rendre compte de 44,5% des stratgies perceptives utilises pour raliser
la tche. Ces stratgies impliquent plusieurs changements du focus atten-
tionnel dune ligne une autre. Or les changements de focus attentionnel
sont connus pour dtriorer la composante visuo-spatiale de la mmoire de
travail (e.g., Postle et al., 2006). Cela soulve la question de leet dune
telle dgradation sur nos rsultats. premire vue, de longues distances
entre le point dintersection et les segments accroissent la ncessit de
faire des changements attentionnels. Sous cette hypothse, de longues
distances devraient donc produire des erreurs de prcision plus grandes.
Le traitement statistique des donnes montre que les xations sont plus
nombreuses dans la condition de longue distance que dans la condition de
courte distance. Cette hypothse permet donc une explication potentielle
de leet de distance sur la prcision. Quelles consquences cela pourrait
avoir sur nos rsultats ? Une telle hypothse peut eectivement tre appli-
que pour expliquer laugmentation de lerreur destimation en fonction
de la distance entre le point dintersection et les deux segments. Toutefois,
il ny a aucune raison pour que cette erreur puisse inuencer linnershoot.
Eectivement, rien dans lhypothse dune dtrioration de la mmoire
visuo-spatiale ne nous permet de prdire la direction de cette erreur et
donc du biais dinnershoot. Si le biais augmente de faon gale dans toutes
les directions, dans ce cas nous ne devrions pas avoir deet dinnershoot.
Par consquent cette hypothse ne permet pas de rendre compte du biais
observ dans les trois expriences de ce chapitre.
4. (...)the operant response of selecting and marking a location as being collinear to
the oblique accurately reects the perceptual status of the subject.
4.7 di scussi on g en erale 65
4.7.3 Implications de lorientation absolue et relative des segments sur
la distribution des rponses caractrisant les nuages de points
Pour quelle raison les rponses sont-elles orientes vers un segment sp-
cique ? Les tudes sur leet oblique
5
ont montr que notre systme
visuel avait une meilleure acuit pour les lignes verticales et horizontales.
De plus, il existe des rseaux de neurones dans les aires crbrales ddies
la vision qui sont plus spcialises dans la reconnaissance des lignes
horizontales et verticales (Furmanski & Engel, 2000). Par consquent,
des congurations de stimuli contenant un segment vertical ou horizontal
devraient conduire des patterns de rponses spciques. Comme les
extensions de ces segments sont estimes avec plus de prcision, il est pro-
bable que les erreurs de collinarit soient rduites lors de lextrapolation
de ces lignes. La consquence directe de cette hypothse est que les nuages
de points des rponses devraient tre aplatis au niveau de laxe cardinal
(ceci a dj t dcrit mais pas expliqu par Mitrani et Yakimo). De l,
si le second segment est positionn en oblique, il est moins bien peru
car les rseaux de neurones sont moins ecaces dans lestimation de ce
type dorientation. De fait, lextrapolation de la ligne portant le segment
devrait produire des erreurs de collinarit importantes. Par consquent, la
forme du nuage de points devrait tre allonge vers le segment plac sur
un axe cardinal comme limage de droite de la Figure 4 le montre. Il est
galement possible que certaines congurations gomtriques conduisent
des patterns spciques. Par exemple, si les segments forment un angle
de 90

, les rseaux de neurones utiliss pour traiter ces congurations


sont plus ecaces. Tout cela entrane deux consquences : (1) lerreur
destimation est rduite dans le cas des angles 90

, et (2) les erreurs de


collinarit devraient tre rduites. Ces deux consquences ne sont pas
incompatibles avec les rsultats issus des trois expriences que nous avons
prsentes.
4.7.4 Consquences thoriques et mthodologiques
Plusieurs domaines de recherches pourraient proter des rsultats pr-
sents ici. Par exemple, dans les tches de jugement relatif (Law et al.,
1993 ; Tresilian, 1991, 1995), les participants doivent estimer lequel des
deux objets atteindra un point particulier en premier. On sait que ce ju-
gement est inuenc par la distance entre les objets et le point darrive,
et par la conguration spatiale des deux objets (Law et al., 1993). Lef-
fet dinnershoot induit une perception biaise de la distance entre deux
segments et leur point dintersection : cette distance est perue comme
5. oblic eect, Campbell & Kulikowski, 1966a, 1966b.
66 i nf erence du poi nt di ntersecti on de deux trajectoi res
plus courte quelle ne lest rellement. Cet eet doit certainement modier
lestimation temporelle faite par les participants. Un concept relativement
proche du jugement relatif, la prdiction de trajectoire (Tresilian, 1991,
1995 ; Homann, Payne, & Prescott, 1980 ; Law et al., 1993 ; Kimball,
1970 ; Kimball et al., 1973) permet une personne destimer le moment
o un objet mobile passera un point prcis (et donc dans notre cas le point
dintersection). Pour produire un jugement prcis dans de telles tches,
si le point dintersection nest pas signi sur lcran, il est ncessaire
den extrapoler la position pour infrer la distance entre lobjet et le point
dintersection. Il est donc probable quune estimation biaise des distances
entrane un jugement moins ecace.
Dune faon plus gnrale, nos rsultats peuvent potentiellement sap-
pliquer dautres tches exprimentales qui ngligent la consquence de
lestimation du point de croisement entre deux lignes. Il parat naturel
que des tches complexes dont une sous-tche ncessiterait la localisation
du point dintersection de deux lignes soient inuences par un tel biais.
Inversement, les gens qui russissent bien une tche globale, russissent
gnralement bien les sous-tches qui composent la tche principale. Par
exemple, Salthouse & Prill, 1983 montrent que pour des conditions faciles
(ce qui pourrait correspondre notre condition de courte distance dans nos
expriences) les participants qui sont comptents dans une tche dinter-
section de trajectoire sont galement comptents dans une simple tche
dalignement.
4.7.5 Retour sur la situation de dtection de conit chez les contrleurs
ariens
Un point particulirement important doit tre soulev avant daller plus
loin : la transfrabilit de nos rsultats sur la tche de contrle arien.
Comme expliqu dans la conclusion de la partie prcdente, il est possible
que la localisation du point dintersection de deux trajectoires convergentes
soit sous linuence du mouvement des deux objets partir desquels
le jugement doit tre fait. Dans ce cas, et pour linstant, nous navons
aucune ide de la conservation du biais dinnershoot, il se pourrait quil
soit inhib ou au contraire augment. Sans autres apports empiriques
il est dicile daller plus loin sans spculer. Toutefois, notre objectif
nest pas de gnraliser notre rsultat des cas qui ne le couvrent pas,
mais plutt destimer avec pondration sils peuvent sappliquer notre
tche. Pour cela il est important de comprendre comment fonctionne un
radar. Lachage radar nest pas une reprsentation exacte de la situation
du trac. La position des avions est oute par tout un ensemble de
paramtres qui augmentent lincertitude sur leur position exacte. Ce sont
ces incertitudes qui guident les normes de sparation entre avions sur un
4.7 di scussi on g en erale 67
secteur particulier. Les paramtres qui interfrent sont, par exemple, la
vitesse de lavion, la vitesse de rotation de lantenne du radar, la vitesse
du vent... En fonction de la vitesse de rotation du radar, les intervalles de
rafrachissement du radar peuvent aller de 4 secondes 8 secondes voir
plus (source : incidents en transport arien, numro 3, avril 2005, BEA
6
,
DGAC
7
.). Nous verrons par la suite que les contrleurs ariens prennent
des dcisions en de des huit secondes annonces. Par consquent, lorsque
les contrleurs ariens font une estimation de distance sur un cran radar,
les reprsentations des avions ne sont pas susamment mobiles pour
que leurs mouvements puissent avoir un eet rel sur leurs estimations.
Puisque les rafrachissements de limage radar se font toutes les quatre
secondes dans le meilleur des cas, et que par consquent le mouvement
des avions est discret, nous pouvons supposer que les contrleurs se basent
plus sur une image statique que continue et dynamique. Toutefois, nous
sommes conscients galement que certains dispositifs radar utilisent des
algorithmes dextrapolation de trajectoires pour permettre aux contrleurs
davoir une vision continue du dplacement des avions. Malgr cela, nous
supposons que le dplacement des avions sur un cran radar (gnralement
discret) ne permet probablement pas dinduire un eet susamment grand
pour avoir un impact signicatif sur les perceptions des contrleurs.
Linnershoot a probablement quelques consquences sur lactivit des
contrleurs ariens. En eet, les rsultats obtenus suggrent quil existe
des facteurs importants qui ont pu tre ngligs dans lergonomie des
interfaces en deux dimensions telles que les crans radar des contrleurs
ariens. Par exemple, Stankovic et al. (2008) ont rcemment montr quune
variable importante pour juger du risque de conit entre deux avions est
prcisment la distance entre le point dintersection et les avions. Si les
contrleurs ariens tentent dextrapoler lendroit potentiel dun conit alors
leurs estimations seront biaises par un eet dinnershoot. La consquence
directe est une estimation anticipe de lendroit o les avions se croiseront.
Si la distance perue est rduite, alors lestimation temporelle avant un
conit potentiel sera galement biaise, la conclusion du diagnostic sera
suboptimale. Mais le plus important est que certaines congurations de
conits pourront tre manques et que certaines situations pourront tre
catgorises comme conictuelles alors quil ny aura aucun risque de
conit (i.e., fausses alarmes).
Dune manire plus gnrale, si les contrleurs utilisent des jugements
relatifs et des prdictions de trajectoires (Xu & Rantanen, 2003 ; Rantanen
& Nunes, 2005), alors leet dinnershoot na aucune raison de ne pas agir.
En eet, puisque lestimation des distances est ncessaire pour raliser de
6. Bureau dtude des accidents
7. Direction Gnrale de lAviation Civile
68 i nf erence du poi nt di ntersecti on de deux trajectoi res
tels jugements, leet dinnershoot impliquerait les mmes consquences
que celles dcrites ci-dessus.
Nous avons donc pu montrer dans ce chapitre que la perception du point
dintersection de deux trajectoires tait biaise et que la consquence de
ce biais est une sous-estimation de la localisation de ce point. Nous avons
tent de faire un lien avec lactivit de dtection de conit entre deux
avions sur un radar chez les contrleurs ariens. Si ce biais est transfrable
cette activit alors il a des consquences importantes notamment sur
lestimation des distances et donc des estimations temporelles avant un
conit.
Le prochain chapitre dcrit un modle de prise de dcision dans le cas
de jugements de conit entre deux avions. Nous pourrons tenter de voir
sil existe rellement un lien entre linnershoot et la prise de dcision, et
comment sont raliss les jugements de prdiction de trajectoire et les
jugements relatifs.
Nous avons dmontr que :
La perception du point dintersection de deux trajectoires convergentes
tait biaise. Le point de rencontre a tendance tre plac lintrieur
de langle form par les deux trajectoires : langle est surestim, ou
dit autrement, la distance entre les avions et le point dintersection est
sous-estime ;
Il existe deux types de stratgies perceptives qui permettent de rendre
compte de 51% des stratgie utilises.
Ces rsultats vont tre pris en compte lors de limplmentation de notre
modle computationel au chapitre 7.
5
MODLE THORI QUE DE LA DTECTI ON DE
CONFLI T
Tout ce que je peux dire
cest quil y a des cas o je
suis sr que a passe, des cas
o je suis sr que a passe
pas, et des cas o je ne sais
pas, alors l, jattends pour
voir lvolution... quoique
que si je suis trs charg je
fais tout de suite comme si
cela ne passait pas.
Rapport verbal dun
contr oleur a erien
p.33 in Reprsentation et
dcision experte, Bisseret
(1995)
Comme nous lavons vu dans le chapitre 3, le paradigme exprimental
propos par Rantanen et Nunes (2005) nous parat pertinent pour obtenir
des donnes sur lordre des informations considres par les contrleurs
ariens pour dtecter des conits.
Nous partirons de lhypothse selon laquelle les contrleurs ariens
utilisent une stratgie lexicographique. Dans les stratgies prcdemment
dcrites, les principaux indices pour prendre une dcision sont : les alti-
tudes, les trajectoires (avions), les vitesses et, dans le cas davions conver-
gents, la localisation du point dintersection des deux trajectoires. Dans des
situations o ces informations sont uniquement disponibles visuellement,
lattention attribue aux informations pertinentes peut tre conrme par
lenregistrement des xations oculaires ddies aux aires dintrt corres-
pondantes. Les hypothses suivantes concernent uniquement ce type de
situations.
69
70 mod` ele th eori que de la d etecti on de confli t
5.1 hypoth` eses
Comme les stratgies lexicographiques sont caractrises par (1) lordre
dans lequel les informations sont prises en compte et (2) par le fait quune
fois que la dcision est atteinte, les autres informations ne sont plus prises
en compte du tout. Deux types de variables oculomtriques semblent alors
tre particulirement pertinentes pour tester une stratgie lexicographique.
La premire est lordre des xations ddies aux direntes informations
et la seconde est lordre des frquences de xations de ces mmes infor-
mations (i.e. les informations prendre en compte tardivement dans le
processus hirarchique tendent tre ignores plus souvent).
5.1.1 Lordre des xations
En fonction des modles existants, nous pouvons faire des prdictions
sur lordre des xation oculaires.
Selon le modle de Rantanen et Nunes, les informations les plus im-
portantes sont par ordre : (1) les altitudes, (2) la convergence (et donc
les avions), (3) les vitesses et ensuite dans le cas particulier des angles
convergents, (4) le point dintersection des trajectoires pour estimer le
Dt
h
.
Selon le modle MoFL, les informations prendre en compte sont :
(1) les trajectoires, (2) les altitudes, (3) les vecteurs vitesse (les avions)
pour valuer le Dt
h
. Dans ce modle, il nest pas explicitement expliqu
comment les vitesses symboliques sont utilises. Nous ne ferons donc pas
dautres hypothses.
Selon le modle de Raufaste, le modle vrie en premier lieu (1) la
convergence, puis (2) les altitudes, il va ensuite comparer (3) les vecteurs
vitesse, puis (4) les vitesses symboliques.
5.1.2 Le rang des frquences de xation
Comme mentionn prcdemment, la caractristique dune stratgie
lexicographique est que la frquence de xation dune information parti-
culire devrait dcrotre en fonction du moment o cette information doit
tre acquise dans la dcision. De faon gnrale, le rang des frquences
devrait dcrotre conformment lordre de prise dinformation.
5.1.3 Les temps de rponse
Selon toute vidence, lordre de prise en compte des informations per-
tinentes devrait tre respect en considrant les temps de raction. Plus
5.1 hypoth` eses 71
prcisment, dans les scnarios qui impliquent daller profondment dans
la stratgie lexicographique, les temps de raction devraient tre plus longs.
Les dirents scnarios sur lesquels les participants auront faire leurs
estimations peuvent tre ordonns en dirents niveaux de profondeur de
traitement (ou de dicult), comme suit :
1. Altitudes direntes et angles divergents (Da-Div),
2. Altitudes direntes et angles non divergents (DA-autres),
3. Altitudes identiques, mais les trajectoires des avions divergent (SA-
Div),
4. Altitudes identiques, les avions ne divergent pas, les direntes
vitesses sont gales (SA-SS : Same Altitudes-Same Speeds),
5. Altitudes identiques, les avions ne divergent pas, et les vitesses au
sol sont direntes (SA-DS : Same Altitudes-Dierent Speeds).
Pour rappel voici les direntes prdictions sur les temps de rponse
issues des modles de Rantanen et Nunes (2005) et de Niessen et al. (1998)
qui seront testes :
MoFL :
SA-Div < DA-autres
Modle hirarchique de Rantanen et Nunes :
DA-autres < SA-Div
Selon Rantanen et Nunes : SA-SS < SA-DS
5.1.4 Performance
Comme dans ltude de Rantanen et Nunes (2005), nous vrierons la
performance obtenue pour chaque scnario. De plus, la nature lexicogra-
phique de la stratgie nous permet de faire des hypothses sur la perfor-
mance. Plus prcisment, le nombre de micro-dcisions prendre aug-
mente avec le niveau des scnarios (i.e., pour atteindre le niveau n, n1
dcisions doivent tre prises). Comme chaque micro-dcision est associe
un risque derreur, plus les scnarios impliquent un traitement profond,
plus le risque derreur est lev.
Nous faisons donc lhypothse que la performance va dcrotre de faon
monotone du niveau n 1 au niveau n 5, soit du niveau le plus simple
traiter vers le plus complexe.
5.1.5 Eet de la consigne
Nous avons fait la dirence entre un jugement de conit et un juge-
ment dintervention (voir 3.2.3). Lors dune communication au laboratoire
72 mod` ele th eori que de la d etecti on de confli t
CLLE-LTC, Shayne Loft
1
(2008) nous a fait part de la possibilit que les
contrleurs ariens soient plus focaliss sur la question de lintervention
que de la dtection formelle de conit. En dautres termes, et cela rejoint
notre propos et la conception du contrle arien selon Niessen et al. : les
contrleurs chercheraient avant tout savoir sils vont intervenir ou pas et
non si deux avions seront objectivement en conit. Pour tester cette ide,
nous avons spar notre groupe de volontaires en deux sous-groupes. Le
premier sous-groupe avait pour consigne de dtecter avec prcision un
conit entre les deux avions. Cette consigne est quasiment similaire celle
utilise par Rantanen et Nunes (2005). La seule dirence tant que nous
navons pas mis dobjectif de performance. Le second sous-groupe avait
pour consigne destimer si une intervention tait ncessaire et non sil y
avait conit.
5.2 exp eri ence
Cette exprience a t mene une premire fois en avril 2007 et une
seconde fois en octobre 2008. Pour des raisons techniques, les donnes
de la premire exprience furent en grande partie inexploitables. Seuls les
rsultats de la seconde passation seront prsents.
5.2.1 Mthode
Participants
Un total de trente participants, rpartis en deux groupes dirents, ont
particip cette tude. Les deux groupes taient composs dexperts du
contrle arien exerant leur activit au CRNA de Bordeaux. Le premier
groupe a reu pour consigne de dtecter prcisment des conits (Groupe
DdC : N = 15, moyenne dge M = 38, 9, = 7, 1). Le second groupe a
eu pour consigne de dterminer sils interviendraient dans une situation
telle que celle prsente (Groupe Inter : N = 15, moyenne dge M =
36, 6, = 8, 8). Lexpertise est dnie en fonction du nombre dannes
passes aprs lobtention du titre dingnieur du contrle arien (Groupe
DdC : M
exp
= 13, 1,
exp
= 7, 6 ; Groupe Inter : M
exp
= 9, 7,
exp
=
7, 1).
Dispositif exprimental et procdure
Lexprience a t ralise dans une pice sombre et au calme. Locu-
lomtre utilis tait un ASL501 de Applied Science Laboratories rgl
sur une frquence dchantillonnage de 50 Hz. Un cran de 19 pouces
1. Communication personnelle.
5.2 exp eri ence 73
avec une rsolution de 1024 768 et une frquence de rafrachissement de
75 Hz servait de dispositif dachage. La distance entre les participants et
lcran tait de 80 cm. Pour sassurer de la prcision des donnes oculo-
mtriques, les mouvements de tte des participants taient contraints par
une mentonnire. Aprs la calibration initiale, les instructions concernant
lexprience taient aches sur lcran. Deux types de consignes pou-
vaient tre donnes : soit le participant devait dterminer prcisment si la
paire davions ache prsentait un risque de conit, cest--dire si elle
violerait les deux rgles de sparation (Groupe DdC), soit le contrleur
devait dcider sil allait intervenir ou non (Groupe Inter). Pour les deux
groupes et pour chaque essai, la position des avions tait rafrachie toutes
les dix secondes. Entre les essais, une croix de xation apparaissait
lcran pour contrler la position de la premire xation. Les participants
devaient xer cette croix pour dclencher le scnario suivant. Cette croix
tait place mi-distance de la position o devaient ensuite apparatre les
deux avions. Chaque avion tait reprsent par un triangle prolong par
un vecteur vitesse indiquant sa trajectoire . La longueur du vecteur vitesse
tait proportionnelle sa vitesse et indiquait la position de lavion une
minute. Une tiquette tait ache ct de chaque avion. Les informa-
tions symboliques contenues dans les tiquettes taient les suivantes (du
haut vers le bas) : les vitesses en nuds, le matricule de lavion et son
altitude en pieds (voir Figure 8). Lexprience comprenait six scnarios
de familiarisation sans feed back suivis de cinquante six scnarios expri-
mentaux. Une fois que lexprimentateur stait assur que les consignes
avaient t comprises, les participants devaient appuyer sur la barre espace
du clavier pour commencer les essais de familiarisation. Le temps tait
limit soixante secondes par essai.
La tche
En fonction de la consigne la tche tait (1) soit de juger si une paire
davions pouvait enfreindre les rgles de sparation, soit (2) de juger si le
contrleur devait intervenir ou non. Pour plus de simplicit et pour foca-
liser uniquement sur le processus de dtection de conit, les participants
taient informs que les altitudes, vitesses et trajectoires des avions taient
maintenues constantes. Ils devaient extraire partir de lcran les informa-
tions pertinentes pour prendre leur dcision. Pour la consigne de dtection
de conit (DdC), les participants devaient juger de la possibilit de conit
le plus prcisment possible et donner leur rponse une fois quils taient
srs de leur diagnostic. Lexprimentateur insistait sur le fait que la prci-
sion tait prdominante sur le temps mis pour tablir leur jugement. Pour
la consigne sur la ncessit dune intervention de la part du contrleur
(Inter), le contrleur devait uniquement dterminer sil interviendrait dans
74 mod` ele th eori que de la d etecti on de confli t
une situation similaire lors de son activit quotidienne. La rponse devait
tre donne ds que le contrleur tait sr de son diagnostic.
Pour donner leurs rponses, les participants devaient appuyer sur deux
touches direntes : une pour conit ou intervention et lautre pour
absence de conit ou pas dintervention . Pour viter des eets lis
la main directrice sur les temps de rponse, lordre des touches tait invers
entre les participants. Par exemple, si un participant droitier devait appuyer
sur la touche conit droite du clavier et sur la touche absence de
conit gauche du clavier, alors le prochain participant droitier avait la
touche conit gauche et la touche absence de conit droite. Il
en tait de mme pour les participants gauchers.
Variables indpendantes
Un total de quatre variables indpendantes a permis de construire les
scnarios : langle des trajectoires, laltitude, la vitesse et le Dt
h
. Les
congurations angulaires taient au nombre de sept : 0 (les avions sont
sur la mme trajectoire, ils se poursuivent), 180 (les avions sont face
face), 45, 90, 135, et deux conditions dangles divergents de 45ou de
90. Pour plus de simplicit les angles divergents sont appels Div45 et
Div90 (voir Figure 8).
Les altitudes pouvaient tre soit gales soit spares dau moins 1000
pieds. Les vitesses pouvaient tre gales ou spares de 10 40 nuds. La
distance horizontale au point le plus proche (Dt
h
) pouvait tre soit de 2,5
soit de 7,5 NM. Le plan exprimental fut construit sur la combinaison de
ces facteurs. Le plan exprimental contraignait le nombre de scnarios dans
lesquels les avions sont en conit (neuf sur cinquante six, soit 16% des
scnarios, voir Table 6). Ce nombre pourrait paratre peu lev, toutefois
augmenter le nombre de congurations conictuelles naurait pas t
raliste. Pour viter des eets dapprentissage chaque participant ne voyait
quune seule fois chaque combinaison.
Variables dpendantes
Nous avons pris pour variables dpendantes : les temps de rponse en
millisecondes (ms), la performance et les xations oculaires. Les temps de
rponse taient dnis par le temps pris par un participant pour produire
son jugement ds lachage du scnario jusquau moment o il appuyait
sur une des deux touches de rponse. La performance est calcule de faon
binaire : rponse juste ou fausse. Par souci de comprhension nous avons
comptabilis les fausses alarmes pour comprendre les facteurs responsables
de celles-ci ainsi que les omissions.
Nous avons dni quatre aires dintrt (AOI) pertinentes pour nos ob-
jectifs de recherche : les avions, les niveaux de vol (altitudes), les vitesses
5.2 exp eri ence 75

Figure 8: Exemples de scnarios. De haut en bas et de droite gauche :
cas de poursuite (0), cas de face--face (180), cas 45, cas
90, cas 135et cas davions divergents.
76 mod` ele th eori que de la d etecti on de confli t
Figure 9: Capture dcran Du simulateur et aires dintrt (AOI) utilises
pour le calcul des xations oculaires. Les direntes AOI sont
dlimites par les lignes en pointills. Les AOI taient invisibles
pour les participants.
et laire de lcran comprenant la zone dintersection des deux trajectoires
(voir la Figure 9) pour une reprsentation de chaque AOI. Dans une situa-
tion cologique, le matricule des avions est une information pertinente.
En eet, le matricule sert gnralement donner des indications sur le
type davion et donc sur ses caractristiques (classe dappareil, capacit
dacclration, de vitesse de monte ou de descente...), or ces caractris-
tiques taient maintenues constantes dans notre tude (conformment au
paradigme de Rantanen et Nunes). Par consquent, nous avons choisi de ne
pas prendre en compte cette AOI. Pour chaque essai de chaque participant,
nous avons calcul (1) le rang mdian de chaque AOI lorsquelle tait
xe pour la premire fois, et (2) le rang de frquence de visite de chaque
(AOI).
5.2 exp eri ence 77
5.2.2 Rsultats
Les scnarios ont t regroups en fonction des hypothses. Ils ont
ensuite t compars entre eux.
Lordre des xations
Les direntes aires dintrts utilises taient : les avions, les altitudes,
les vitesses au sol, et dans le cas davions convergents, laire comprenant
le point dintersection des deux trajectoires (voir Figure 9). Pour chaque
participant nous avons calcul le rang mdian de lAOI lorsquelle tait
visite pour la premire fois. Nous avons ensuite ralis des tests non para-
mtriques de Friedman pour k-groupes apparis pour tester lordre dans
lequel les AOI ont t visites. Des tests non paramtriques de Wilcoxon
pour deux groupes apparis ont t appliqus pour tester les dirences de
rang entre deux AOI dans le mme ensemble de scnarios.
Les rsultats de la comparaison des rangs sont prsents dans la Table 5.
Les tests de Friedman taient signicatifs pour toutes les conditions
(
2
s
(2, N = 30) > 13, 00 ; p
s
< .01). Laltitude a t la premire infor-
mation tre prise en compte sauf dans le cas des scnarios o les avions
divergent. Ce rsultat est en faveur du modle hirarchique de Rantanen
et Nunes (2005) et sopposent aux prdictions du modle de Niessen. En
eet, mme dans les scnarios o les trajectoires taient divergentes les
avions nont jamais t regards en premier (au mieux, les avions furent
regards en second). Si on dtaille les conditions Altitudes identiques (SA)
(Altitudes identiques - Avions Convergents (SA-Conv), Altitudes identiques
- Avions en poursuite (SA-0) et Altitudes identiques - Avions en face-
-face (SA-180)), on peut remarquer que lordre de prise dinformation
dpendait de la conguration gomtrique des avions. Pour les conditions
SA-Conv, laltitude tait le premier lment regard. Suivaient les vitesses
au deuxime rang puis le point dintersection en troisime et nalement
lintersection en quatrime rang. Pour les angles 180, les altitudes oc-
cupaient le premier rang, suivies galit par les vitesses et les avions
qui occupaient le troisime rang. Dans le cas des trajectoires 0, lordre
gnral fut conserv : (1) altitudes, (2) vitesse et (3) les avions.
Les rsultats concernant les comparaisons des rangs de frquence de
visite sont prsents dans la partie infrieure de la Table 5. Les tests de
Friedman taient signicatifs pour toutes les conditions (
2
s
(2, N = 30) >
41, 44 ; p
s
<, 01). De faon gnrale on pouvait constater que laltitude
tait linformation la plus frquemment visite, suivie des vitesses, et des
avions. Cet ordre fut conserv dans les scnarios o les avions avaient des
altitudes direntes (DA). Si on observe plus prcisment les scnarios SA
nous pouvions remarquer que les rangs de frquence de visite des altitudes
78 mod` ele th eori que de la d etecti on de confli t
et des vitesses taient gaux (rang 2) dans tous les cas sauf dans le cas des
avions divergents (SA-Div). Dans tous les cas, les avions occupaient le
rang trois. Dans le cas des avions convergents, lintersection tait lAOI la
moins frquemment regarde (rang 4).
Les rsultats soutiennent lide dun modle hirarchique de prise de
dcision. Lacquisition dun type dinformation dpend de la profondeur
de traitement faire. Dans la plupart des cas, laltitude tait la premire
information recherche. Une fois que les altitudes ont t compares, alors
lattention tait porte sur les vitesses et nalement sur les avions. Plus
les contrleurs parcouraient le modle en profondeur, plus ils accordaient
dattention aux lments importants. En eet, les frquences de visite
des AOI variaient en fonction des scnarios. Plus les scnarios taient
simples et moins les lments non pertinents taient regards : laltitude,
premier critre dcisionnel, tait plus frquemment regarde que toutes
les autres AOI. Par contre ds que le traitement des altitudes ne permettait
pas dcarter la possibilit dun conit (toutes les conditions SA sauf SA-
Div), on peut remarquer que les vitesses devenaient aussi importantes, en
termes de traitement, que les altitudes. Le traitement des vitesses permet
dentamer une srie de processus permettant au contrleur de prciser son
diagnostic.
Donc, les donnes oculomtriques ont conrm un modle hirarchique
de prise de dcision, que ce soit dans lordre ou la frquence dacquisition
dinformations ncessaires pour faire un diagnostic.
Toutefois, il existe des dirences entre nos donnes et les prvisions
drivables des dirents modles de la dtection de conit. Pour rappel,
le modle de Niessen et al. prdit une attention porte sur les avions en
premier et sur les altitudes en second. Or nos donnes ont montr que les
altitudes attiraient lattention en premier lieu et non pas les avions. Le
modle de Raufaste prdit que pour traiter les vitesses, les avions sont
regards et que seulement ensuite les vitesses symboliques sont compares.
Nos donnes montrent que dans quasiment tous les cas le traitement des
vitesses prcde celui des avions (sauf dans le cas des avions en face--face
o les vitesses et les avions partagent le troisime rang galit). Finale-
ment, le modle de Rantanen prdit que les avions doivent tre regards en
seconde position pour estimer leur conguration gomtrique. Cela nest
pas conrm par les donnes oculomtriques. En eet, les informations
propos des vitesses au sol sont regardes avant la reprsentation graphique
des avions. Ceci sera discut plus bas.
Les Temps de Rponse
Nous avons procd lexamen des donnes selon la mthode des
botes moustaches (Tukey, 1977). Les temps de rponse suprieurs 1,5
5.2 exp eri ence 79
Table 5: Rang mdian de chaque AOI en fonction des scnarios (N = 30).
Tous : tous les scenarios ; SA : mme altitude ; Conv : trajectoires
convergentes ; Div : trajectoires divergentes.
DA SA
AOI Div Others SA-conv SA-0 SA-180 Div
Ordre des visites
Altitude 1,88 1,5 1,16 1,07 1,15 1,5
Vitesse 2,45 2,6 2,27 2 2,37 1,9
Avion 1,67 1,89 3,71 2,93 2,47 2,59
Intersection 2,85
Ordre des frquences de visite
Altitude 1,15 1,10 1,38 1,46 1,45 1,20
Vitesse 1,98 2,02 1,61 1,55 1,65 1,97
Avion 2,87 2,88 3,25 2,98 2,90 2,83
Intersection 3,75
fois lentendue interquartile ont t considrs comme outliers et ont t
remplacs par la moyenne de la srie. Un total de 63 rponses sur un total
de 1680 (3,75%) a t remplac. Les donnes descriptives sont prsentes
dans la Table 6.
Nous avons fait la moyenne des temps de rponse en fonction des six
catgories de scnarios dnies dans la section hypothses : Altitudes
Direntes - angles divergents (DA-Div), Altitudes identiques - Angles
Divergents (SA-Div), Altitudes Direntes - Vitesses identiques (DA-SS),
Altitudes Direntes - Vitesses direntes (DA-DS), Altitudes identiques -
Vitesses identiques, avions non divergents (SA-SS), et Altitudes identiques
- Vitesses direntes, avions non divergents (SA-DS). Nous avons intgr
dans lanalyse leet de la consigne (intervention ou dtection de conit).
LANOVA six facteurs tait signicative (F(5, 140) = 160, 33 ; p =
.001 ; MSE = 0, 05). Les rsultats sont exposs dans la Table 7. Les
comparaisons post-hoc ont montr que :
Il nexistait pas de dirence signicative entre DA-Div et SA-Div ;
Il nexistait pas de dirence signicative entre DA-SS et DA-DS ;
SA-Div < DA-others, ce rsultat va dans le sens des prdictions du
modle MoFL;
SA-SS > SA-DS, contrairement aux prdictions du modle de Ranta-
nen et Nunes.
80 mod` ele th eori que de la d etecti on de confli t
Table 6: Temps de rponse (en secondes) en fonction de la consigne et
des scnarios. Les scnarios prsentant un conit sont achs
en gras. Sa : mme altitude, Da : altitudes direntes, Ss : mme
vitesse, Ds : vitesses direntes, 2.5 and 7.5 sont les deux Dt
h
utiliss pour construire les scnarios.
Dtection Intervention Total
M SD M SD M SD
0 Sa Ss 2,5 3,70 1,26 3,38 1,08 3,54 1,16
0 Sa Ss 7,5 3,91 1,01 3,51 1,37 3,71 1,20
0 Sa Ds 2,5 5,51 2,45 3,89 1,34 4,70 2,11
0 Sa Ds 7,5 3,74 1,36 3,89 1,66 3,80 1,49
0 Da Ss 2,5 2,49 0,63 2,60 0,92 2,55 0,78
0 Da Ss 7,5 2,38 1,17 2,61 1,07 2,50 1,11
0 Da Ds 2,5 2,60 0,94 2,70 0,99 2,65 0,95
0 Da Ds 7,5 2,57 0,69 2,10 0,68 2,34 0,71
180 Sa Ss 2,5 4,16 1,47 3,00 0,73 3,58 1,28
180 Sa Ss 7,5 5,82 3,02 3,49 0,86 4,66 2,48
180 Sa Ds 2,5 4,04 1,68 3,07 1,29 3,55 1,55
180 Sa Ds 7,5 5,75 1,84 4,38 1,92 5,06 1,97
180 Da Ss 2,5 3,30 1,33 2,22 0,34 2,76 1,10
180 Da Ss 7,5 2,96 0,93 2,88 0,90 2,92 0,90
180 Da Ds 2,5 2,39 0,56 2,24 0,55 2,32 0,55
180 Da Ds 7,5 2,33 0,63 2,36 1,13 2,35 0,90
45 Sa Ss 2,5 5,58 1,82 4,48 2,29 5,03 2,11
45 Sa Ss 7,5 6,06 2,33 3,51 1,32 4,78 2,27
45 Sa Ds 2,5 3,92 1,94 3,36 0,94 3,64 1,53
45 Sa Ds 7,5 7,24 5,36 4,19 1,97 5,71 4,26
45 Da Ss 2,5 2,17 0,48 2,34 0,61 2,26 0,55
45 Da Ss 7,5 2,58 1,06 2,84 1,10 2,71 1,07
45 Da Ds 2,5 2,45 0,77 2,69 1,31 2,57 1,06
45 Da Ds 7,5 2,59 1,19 2,26 0,71 2,43 0,97
90 Sa Ss 2,5 5,54 4,08 2,84 1,04 4,19 3,23
90 Sa Ss 7,5 8,47 4,43 4,18 1,98 6,32 4,01
90 Sa Ds 2,5 4,50 1,12 4,42 2,41 4,46 1,84
90 Sa Ds 7,5 5,69 2,56 4,54 2,22 5,11 2,42
90 Da Ss 2,5 2,14 0,30 2,20 0,60 2,17 0,46
90 Da Ss 7,5 2,49 0,76 2,39 0,77 2,44 0,75
90 Da Ds 2,5 2,68 1,23 2,44 0,68 2,56 0,98
90 Da Ds 7,5 3,19 1,25 2,53 0,91 2,86 1,13
5.2 exp eri ence 81
Table 6: (suite)
Dtection Intervention Total
M SD M SD M SD
135 Sa Ss 2,5 4,97 2,57 3,99 1,11 4,48 2,01
135 Sa Ss 7,5 5,74 2,43 5,07 1,83 5,40 2,14
135 Sa Ds 2,5 5,46 2,71 3,76 1,76 4,61 2,41
135 Sa Ds 7,5 4,84 1,42 4,26 1,34 4,55 1,38
135 Da Ss 2,5 3,07 1,80 2,66 0,90 2,87 1,42
135 Da Ss 7,5 2,45 0,57 2,40 0,78 2,42 0,67
135 Da Ds 2,5 2,44 1,02 2,15 0,66 2,30 0,85
135 Da Ds 7,5 2,25 0,99 2,29 0,85 2,27 0,91
D45 Sa Ss 2,5 1,96 0,73 1,82 0,58 1,89 0,65
D45 Sa Ss 7,5 2,24 0,85 1,98 0,86 2,11 0,85
D45 Sa Ds 2,5 2,54 1,09 1,96 1,00 2,25 1,07
D45 Sa Ds 7,5 2,20 0,97 1,70 0,65 1,95 0,85
D45 Da Ss 2,5 1,57 0,46 2,03 0,62 1,80 0,58
D45 Da Ss 7,5 1,94 0,59 2,20 0,89 2,07 0,75
D45 Da Ds 2,5 2,29 0,74 2,07 1,22 2,18 1,00
D45 Da Ds 7,5 2,08 1,17 1,80 0,49 1,94 0,89
D90 Sa Ss 2,5 2,20 1,14 2,00 0,66 2,10 0,92
D90 Sa Ss 7,5 2,06 0,76 1,93 0,68 2,00 0,71
D90 Sa Ds 2,5 2,25 1,23 1,77 0,41 2,01 0,93
D90 Sa Ds 7,5 2,46 1,05 2,09 0,64 2,28 0,88
D90 Da Ss 2,5 2,14 0,70 2,09 0,79 2,12 0,73
D90 Da Ss 7,5 2,28 1,09 2,21 0,73 2,24 0,91
D90 Da Ds 2,5 2,28 1,14 2,11 0,92 2,20 1,02
D90 Da Ds 7,5 2,06 0,61 1,97 0,74 2,01 0,67
Total 3,41 0,14 2,82 0,14 3,11 0,22
82 mod` ele th eori que de la d etecti on de confli t
T
a
b
l
e
7
:
T
e
m
p
s
d
e
r

p
o
n
s
e
m
o
y
e
n
s
e
n
s
e
c
o
n
d
e
s
e
t
f
r

q
u
e
n
c
e
s
d
e
r

p
o
n
s
e
s
c
o
r
r
e
c
t
e
s
(
N
=
3
0
)
.
S
A
:
m

m
e
a
l
t
i
t
u
d
e
;
D
A
:
a
l
t
i
t
u
d
e
s
d
i

r
e
n
t
e
s
;
S
S
:
m

m
e
s
v
i
t
e
s
s
e
s
;
D
S
:
v
i
t
e
s
s
e
s
d
i

r
e
n
t
e
s
;
D
i
v
=
a
n
g
l
e
s
d
i
v
e
r
g
e
n
t
s
.
A
n
g
l
e
s
d
i
v
e
r
g
e
n
t
s
A
n
g
l
e
s
n
o
n
d
i
v
e
r
g
e
n
t
s
A
l
t
i
t
u
d
e
s
d
i

r
e
n
t
e
s
M

m
e
a
l
t
i
t
u
d
e
D
A
-
D
i
v
S
A
-
D
i
v
D
A
-
S
S
D
A
-
D
S
S
A
-
S
S
S
A
-
D
S
T
e
m
p
s
d
e
r

p
o
n
s
e
m
o
y
e
n
(
s
)
M
S
D
M
S
D
M
S
D
M
S
D
M
S
D
M
S
D
D

t
e
c
t
i
o
n
d
e
c
o
n

i
t
2
,
1
6
0
,
5
2
2
,
2
4
0
,
6
4
2
,
6
0
0
,
3
3
2
,
5
5
0
,
5
3
5
,
3
9
1
,
4
0
5
,
0
7
1
,
0
6
I
n
t
e
r
v
e
n
t
i
o
n
1
,
9
8
0
,
4
5
1
,
9
1
0
,
4
8
2
,
5
2
0
,
5
2
2
,
3
8
0
,
4
8
3
,
7
5
0
,
7
2
3
,
9
8
1
,
0
2
F
r

q
u
e
n
c
e
s
d
e
r

p
o
n
s
e
s
c
o
r
r
e
c
t
e
s
M
S
D
M
S
D
M
S
D
M
S
D
M
S
D
M
S
D
D

t
e
c
t
i
o
n
d
e
c
o
n

i
t
.
9
9
.
0
3
1
.
0
0
.
0
0
.
9
9
.
0
2
1
.
0
0
.
0
0
.
8
2
.
1
0
.
8
3
.
0
9
I
n
t
e
r
v
e
n
t
i
o
n
1
.
0
0
.
0
0
.
9
9
.
0
3
1
.
0
0
.
0
0
.
9
8
.
0
8
.
7
7
.
1
4
.
8
4
.
1
7
T
o
t
a
l
.
9
9
.
0
2
.
9
9
.
0
2
.
9
9
.
0
2
.
9
9
.
0
5
.
8
0
.
1
2
.
8
4
.
1
3
5.2 exp eri ence 83
La consigne avait un eet signicatif sur les temps de rponse (F(1, 28) =
6, 96 ; p = .01 ; MSE = 0, 29). Globalement, le groupe ayant eu pour
consigne de dtecter prcisment un conit mit plus de temps que le
groupe intervention (respectivement M
DdC
= 3, 78 s, s = 0, 16 contre
M
int
= 2, 99, s = 0, 16).
Les tests post-hoc ne montraient aucune dirence signicative sur les
temps de rponse pour les scnarios les plus simples (DA-Div, SA-Div
et DA-autres) entre les deux groupes. Cependant, lorsque les participants
avaient progresser dans le processus dcisionnel, soit lorsque laltitude
ne permettait pas de prendre une dcision (SA-SS, SA-DS), les temps de
rponse taient signicativement dirents entre les deux groupes. Dans
le cas des scnarios SA-SS le groupe dtection mit un temps moyen
de 5,39 s ( =, 29) contre 3,75 s ( =, 29) pour le groupe interven-
tion . Dans le cas des scnarios SA-DS, le groupe dtection mit un
temps moyen de 5,07 ( =, 27) contre 3,97 s ( =, 27) pour le groupe
intervention .
Performance
La frquence de rponses correctes tait de .93. La frquence de conits
non dtects reprsentait moins de .01 pour chaque groupe. La frquence
des fausses alarmes tait de .06. Nous avons calcul les moyennes de per-
formance en fonction des dirents scnarios (voir la Table 7). LANOVA
six facteurs tait signicative (F(5, 140) = 42, 86 ; p = .001 ; MSE =
, 006). Les comparaisons post-hoc ne montraient pas de dirences signi-
catives sur la performance entre les scnarios DA-Div, DA-SS, DA-DS et
SA-Div ainsi que pour les scnario SA-SS et SA-DS. Qualitativement, la
plus mauvaise performance fut obtenue sur les scnarios o les vitesses
taient identiques (SA-SS) suivie par les scnarios avec vitesses di-
rentes (SA-DS). Il ny avait pas deet de la consigne sur la performance
(F(1, 28) = 0, 38 ; p = .54). La performance tait meilleure pour les
cas les plus simples, cest--dire lorsque les altitudes ou les trajectoires
permettaient dcarter lventualit dun conit. Par contre la performance
dcrut ds que les participants devaient prendre en compte les vitesses pour
valuer la possibilit dun conit ou dune intervention. Gnralement, les
erreurs tait dues des fausses alarmes.
Nous avons analys les huit scnarios pouvant provoquer de fausses
alarmes. Ces scnarios partageaient les caractristiques suivantes : mme
altitude (SA) et un Dt
h
de 7,5 NM. Seuls les angles (0, 180,45,90et
135) et les vitesses variaient. Les frquences des fausses alarmes sur
chaque scnario sont reportes dans la Table 8. Nous avons procd
une ANOVA deux facteurs (Angle et Vitesse) avec le type de consigne
comme prdicteur. Il ny avait pas deet signicatif du type de consigne
84 mod` ele th eori que de la d etecti on de confli t
Table 8: Frquences des fausses alarmes en fonction des scnarios alti-
tudes identiques avec un Dt
h
de 7,5 NM.
Angle Vitesses Identiques Vitesses Direntes Global
0 .07 .07 .07
180 .63 .37 .50
45 .23 .23 .23
90 .43 .37 .40
135 .40 .33 .36
Global .42 .32 .37
sur les fausses alarmes (p = .7). Autrement dit, les scores de frquences
de fausses alarmes du groupe dtection de conit ne diraient pas
signicativement de ceux du groupe intervention . Leet de langle
tait signicatif (F(4, 112) = 8, 04 ; p = .001 ; MSE = 0, 21). Les tests
post-hoc ont montr que langle 0 induisit nettement moins de fausses
alarmes compar toutes les autres conditions dangles. Il ny avait pas
de dirence signicative du nombre de fausses alarmes induites par les
congurations dangles convergents. Finalement, les scores de frquence
des fausses alarmes taient plus levs pour langle 180 (il ne dirait
cependant pas signicativement des angles de 90et 135). Leet de la
vitesse sur le nombre de fausses alarmes tait signicatif (F(1, 28) = 4, 33 ;
p =, 046 ; MSE =, 11) : le nombre de fausses alarmes fut plus important
lorsque les vitesses taient identiques que lorsquelles taient direntes.
Autres rsultats
Pour examiner plus en dtail les eets de langle, de la vitesse et du Dt
h
sur les scnarios prsentant un risque de conit (i.e. scnarios avec altitudes
identiques et angles non divergents), nous avons ralis une ANOVA
mesures rptes (5 angles 2 vitesses 2 Dt
h
) sur les temps de rponse.
Leet de langle des trajectoires tait signicatif (F(4, 112) = 4, 67 ;
p < .002 ; MSE = 0, 30). Les tests post-hoc montrrent que seul langle
0 induisit des temps de rponse signicativement plus courts que les
angles 90 et 135 . Les rsultats ne montrrent pas deet signicatif de
la vitesse sur les temps de rponse (F(1, 28) = 0, 00 ; p = .96). Le Dt
h
, par
contre, avait un eet signicatif sur les temps de rponse lorsque les avions
taient la mme altitude (F(1, 28) = 18, 77 ; p < .001 ; MSE = 0, 35).
Les participants mirent plus de temps prendre leur dcision lorsque les
avions taient spars de 7,5 NM (M = 4, 91 s, = 0, 22 s) que lorsquils
taient spars de 2,5 NM (M = 4, 18 s, = 0, 17 s).
5.3 di scussi on et conclusi on 85
Table 9: Temps de rponse en secondes en fonction de langle de conver-
gence et du Dt
h
Dt
h
: 2,5 NM Dt
h
: 7,5 NM
Angle Moyenne cart type Moyenne cart type
0 4,12 0,23 3,76 0,21
180 3,57 0,20 4,86 0,31
45 4,33 0,27 5,25 0,42
90 4,33 0,35 5,72 0,45
135 4,55 0,27 4,98 0,27
Global 4,18 0,20 4,91 0,27
Linteraction angle Dt
h
tait signicative (F(4, 112) = 5, 32 ; p <
.001 ; MSE = 0, 25). Globalement les temps de rponse taient plus
longs lorsque le Dt
h
tait de 7,5 NM que 2,5 NM (voir la Table 9). Plus
prcisment, les tests post-hoc montrrent un eet du Dt
h
sur les temps
de rponse pour les angles 90 et 180. Cette tendance se retrouva pour
les angles 45 et 135 bien que les eets ne furent pas signicatifs.
Finalement, les tests post-hoc ne montrrent pas deet du Dt
h
pour les
angles 0.
Il apparat galement une interaction angle vitesse (F(4, 112) = 3, 15 ;
p < .01 ; MSE = 0, 18). Les tests post-hoc montrrent uniquement qu
vitesse identique (SS), les temps de rponse taient plus longs pour les
angles 45et 135que par rapport langle 0. Lorsque les vitesses taient
direntes (DS) on nobserva aucune dirence signicative sur les temps
de rponse en fonction de langle.
5.3 di scussi on et conclusi on
Le but de cette tude tait de tester plusieurs modles de dtection de
conit utiliss par les contrleurs ariens en-route grce lapport de
donnes en direct (i.e., les mouvements oculaires). Nos rsultats ont
rpliqu le caractre hirarchique des stratgies proposes par Bisseret,
Rantanen et Nunes, Niessen et al., mais montrent galement quaucun mo-
dle ne permet de rendre compte des donnes que nous avons recueillies.
Dans un premier temps, nous rsumerons et discuterons nos principaux
rsultats. Ensuite, nous prendrons en compte plusieurs notions thoriques
qui peuvent amliorer notre comprhension du traitement et de lutili-
sation des informations aches sur un cran radar. Sur la base de ces
considrations, nous proposerons un modle lexicographique amlior de
la dtection de conits dont la particularit sera de tenter de dtailler au
86 mod` ele th eori que de la d etecti on de confli t
maximum les processus utiliss chaque tape du modle en fonction de
la situation valuer.
5.3.1 Discussion des rsultats
Donnes oculomtriques : acquisition et utilisation des informations pr-
sentes lcran
Dun point de vue gnral, hormis pour le cas particulier des trajectoires
divergentes, les donnes oculomtriques conrment que laltitude est la
premire information acquise pour diagnostiquer la possibilit de conit.
De plus, la frquence de visite de cette AOI est la plus importante relative-
ment aux vitesses, aux avions et la zone dintersection des trajectoires des
avions. Ceci rejoint les considrations du modle de Rantanen et Nunes :
laltitude est linformation la plus discriminante pour carter la possibilit
dune perte de sparation.
Si on conserve lhypothse selon laquelle les donnes oculomtriques
permettent de modliser la prise dinformation et quil est possible den
infrer leur utilisation, alors nous avons intrt tudier leurs variations
en fonction des direntes situations.
Dans le cas o les avions convergent et sont la mme altitude, nous pou-
vons remarquer que la seconde prise dinformation se fait sur les vitesses,
puis sur le point dintersection des deux trajectoires. En termes de stratgie
dacquisition dinformations on retrouve les tapes ncessaires pour proc-
der un jugement de trajectoire de type ratio distance/vitesse. Cest--dire,
une prise dinformation sur les vitesses et une prise dinformation sur le
point de rencontre des deux avions. On peut aussi remarquer que le point
dintersection des trajectoires est peu frquemment regard (4
me
rang).
Ce rsultat nous permet davancer lhypothse que la localisation du point
dintersection rpond plus une prise dinformation approximative que
prcise. En eet, si cette prise dinformation tait prcise ou importante,
il est fort probable quelle ft davantage objet dattention et donc plus
frquemment regarde. En eet, si la localisation du point dintersection
devait se faire prcisment alors il est probable que les contrleurs met-
traient en place des routines de vrication de lestimation produite, ce qui
nest pas du tout le cas, du moins dans nos donnes. Si la localisation du
point dintersection est imprcise, nous pouvons nous permettre davancer
lide que la prdiction de trajectoire nest pas vraiment base sur une
estimation exacte de la localisation du point dintersection pour calculer
un ratio distance/vitesse. La prdiction de trajectoire serait plutt base sur
une comparaison simple ou oue des distances sparant les deux avions
et sur la comparaison des informations relatives aux vitesses dans les ti-
quettes. Par exemple, un contrleur pourrait estimer quel est lavion le plus
5.3 di scussi on et conclusi on 87
proche du point dintersection sans pour autant mesurer avec exactitude
la distance qui le spare du point de rencontre. Pour rsumer, quand deux
avions sont la mme altitude et ont des trajectoires convergentes, il est
probable que les contrleurs cherchent dans un premier temps estimer le
direntiel daltitude. Une fois cette information obtenue, et si la spara-
tion verticale nest pas susante, alors les ATC prennent en considration
les vitesses et le point dintersection des trajectoires pour pouvoir raliser
un jugement de prdiction de trajectoire, qui de prime abord ne semble
pas trs prcis.
Quand les avions sont sur des trajectoires identiques (angle 0), la vi-
tesse est la deuxime information regarde, suivie des avions. En termes de
frquence de visite, nous pouvons remarquer que les informations relatives
aux vitesses attirent autant lattention que celles relatives aux altitudes. Il
semble donc que le traitement des vitesses soit aussi important que celui
de laltitude. Comment est utilise linformation propos des vitesses
dans ce cas ? Si on tente de rsoudre rationnellement le problme de deux
avions sur la mme trajectoire et la mme altitude, une solution ecace
pour dterminer sil y a un risque de conit est de comparer les vitesses
pour savoir quel est lavion le plus rapide. Si lavion le plus rapide se
trouve devant lavion le moins rapide, alors il ny a aucun risque de conit
puisque lavion le plus rapide ne pourra jamais se faire rattraper par le
moins rapide. Par contre, si la situation inverse se produit (le moins rapide
est devant), alors il y a un risque de rattrapage. Dans ce cas un conit est
fortement probable. Dans le cas dun direntiel nul entre les vitesses,
il sut tout simplement destimer si la conguration prsente est dj
conictuelle. Le fait, que les avions soient regards peu frquemment et
tardivement dans le processus de prise dinformation, pourrait ventuelle-
ment tre d une stratgie qui consisterait valuer le Dt
h
des avions
en cas de doute. Pour rsumer, si deux avions sont la mme altitude et
quils sont en train de se poursuivre, il est ncessaire de connatre quel est
lavion le plus rapide (ou le plus lent) et o il se trouve relativement au
second. Dans le cas dun rattrapage possible, il faut ventuellement valuer
la distance sparant les deux avions au moment du rattrapage (Dt
h
).
Quand les avions sont sur des trajectoires opposes et la mme altitude,
les vitesses et les avions prennent galit le troisime rang de premire
visite. Si une fois de plus nous essayons de rsoudre rationnellement le
problme des avions 180, une solution simple pour diagnostiquer un
conit est de (1) connatre le direntiel daltitude et, sil est infrieur
la norme de scurit savoir si (2) les avions passeront moins de 5 NM
lun de lautre puisque leurs trajectoires vont invitablement se croiser
un moment donn. Or, nos donnes montrent que les vitesses sont plus
frquemment regardes que les avions. Puisque les avions permettent de
comparer la distance entre les deux trajectoires (infrence du Dt
h
) pour
88 mod` ele th eori que de la d etecti on de confli t
pouvoir statuer sur la possibilit de conit et que les vitesses ne rentrent a
priori rationnellement pas en compte dans ce genre de situation, comment
expliquer alors que les ATC regardent les vitesses dans le cas davions
en face--face ? Plusieurs explications sont possibles pour rpondre de ce
rsultat. La premire est quil est possible que les contrleurs prennent en
compte les vitesses car ils sont engags dans un processus systmatique de
prise dinformations du type altitudes/vitesses/trajectoires. La seconde est
la raret de tels cas dans une situation courante. En eet, des discussions
informelles avec les contrleurs mont permis de comprendre que les cas
davions en face--face sont trs improbables. Eectivement, dans un
secteur, lorsque deux voies ariennes parallles ont des ux opposs, il
est convenu que les niveaux de vol soient attribus spciquement. Par
exemple, sur un ux nord et un ux sud, les avions allant vers le nord
se verront attribus des niveaux de vol pairs et ceux allant vers le sud
des niveaux impairs. De ce fait, les congurations o les avions sont
en situation de face--face et la mme altitude ne sont pas frquents.
Finalement, mme si les cas de face--face sont rares dans des conditions
cologiques, certains contrleurs mont expliqu que linformation sur
les vitesses est totalement pertinente puisquelle renseigne sur le dlai
temporel avant lequel les avions risquent dentrer en conit.
Les temps de traitement des direntes congurations
Les rsultats avancs par Rantanen et Nunes (2005) ne montraient pas
de dirence de traitement entre des avions divergents et des avions pr-
sentant toute autre conguration gomtrique. Les donnes que nous avons
recueillies montrent bel et bien que la divergence est traite plus rapide-
ment que laltitude. Cela conrme que la perception de la conguration
gomtrique des avions est perue pralablement au traitement des alti-
tudes. Si lon sen tient aux temps de rponse, on peut donc constater
quen fait les contrleurs sont dabord sensibles la convergence des
avions, testent ensuite le direntiel daltitude et enn traitent les vitesses.
Lordre propos ici rejoint celui propos par Niessen et al. (1999). Si on
tente de croiser les donnes sur les temps de rponse avec les donnes
oculomtriques, on peut remarquer que les participants ne regardent pas
les avions en premier alors quils arrivent dtecter rapidement la diver-
gence des trajectoires. Or si la divergence est bien prise en compte en
premier nous devrions nous attendre ce que les avions soient regards
en premier, ce qui nest manifestement pas le cas. Nous proposons une
explication toute simple qui sera teste dans la simulation : les contr-
leurs regardent eectivement les altitudes en premier, cela ne fait aucun
doute la vue des rsultats oculomtriques, cependant rien nempche le
contrleur, pendant quil prend linformation altitude dans ltiquette
5.3 di scussi on et conclusi on 89
du premier avion, dencoder galement lorientation du vecteur vitesse
du mme avion grce sa vision parafovale. Dans cette hypothse, le
contrleur encoderait simultanment laltitude et lorientation du premier
avion. Lorsque le contrleur ira porter son attention sur la seconde altitude,
il percevra lorientation du second avion. Ds lors, avant le traitement
symbolique de la seconde altitude, le contrleur sait si les avions divergent
ou non. Cette explication rend compte du fait que la divergence est traite
avant laltitude et permet dexpliquer la fois les rsultats sur les temps
de rponse et ceux issus du traitement des donnes oculomtriques
2
.
La progression en palier des temps de rponse permet de mettre en
vidence trois tapes distinctes de tests. Le premier test se fait sur la
divergence, le second sur laltitude. Le troisime test est un peu plus
dlicat analyser. Il est clair que les vitesses sont prises en compte lorsque
les avions ne sont pas spars verticalement (voir les rsultats issus des
donnes oculomtriques). Toutefois, il semble que le direntiel de vitesses
entre deux avions ne fasse pas varier la dure des traitements (i.e., SA-SS
versus SA-DS). Nous pouvons alors nous demander quel traitement est fait
sur les vitesses ? Est-ce le mme traitement pour les vitesses identiques que
pour les vitesses direntes ? Et mme si ces traitements sont dirents
alors ils doivent tre eectus dans le mme dlai. Nous tenterons de
rpondre ces questions lors de la prsentation de notre propre modle.
Fausses Alarmes : eets des vitesses et des distances
Un des problmes que nous avons soulev propos de la mthodo-
logie utilise par Rantanen et Nunes (2005) concernait la rptition des
cas prsents dans les scnarios. Dans notre tude, il est clair que lab-
sence de rptition na pas dgrad la performance dont le taux global est
satisfaisant.
Les scores de frquence des fausses alarmes ont montr que le di-
rentiel de vitesse jouait un rle non ngligeable sur la performance. En
eet, lorsque les vitesses sont direntes, les participants ont tendance
faire moins de fausses alarmes que lorsque les vitesses sont gales. Nous
proposerons et dtaillerons un peu plus loin une explication. Toutefois,
pour faire court, nous pensons que lorsque les vitesses sont direntes, il
est simple pour un contrleur dutiliser des heuristiques du type quel
est lavion le plus rapide ? O se trouve t-il par rapport au plus lent ? .
Nous verrons qu partir de ces deux informations, la plupart des dcisions
peuvent tre prises. Cependant lorsque les avions vont la mme vitesse,
le contrleur ne peut plus utiliser ce type dheuristique et est oblig de
2. Autant les donnes oculomtriques permettent davoir une ide de ce quun parti-
cipant regarde, autant elles ne nous renseignent pas sur lensemble des lments que le
participant peut traiter simultanment.
90 mod` ele th eori que de la d etecti on de confli t
passer par une phase dvaluation des distances pour calculer ou percevoir
le Dt
h
. Or nous avons vu au chapitre 4 que la perception des distances
est biaise, il est donc possible que les fausses alarmes dans les situations
o les avions sont la mme vitesse puissent tre, au moins en partie
expliques par une perception biaise des distances.
Dans le cas o le direntiel des vitesses nest pas un facteur objec-
tivement valable pour expliquer les fausses alarmes (cas particulier des
avions 180), la seule explication reste une nouvelle fois une mauvaise
perception du Dt
h
. Par exemple, dans le cas des avions en face--face, les
participants peuvent avoir tendance biaiser leur estimation de la distance
latrale de sparation lors de la projection mentale de lcart de distance
entre les deux trajectoires.
Leet de la consigne
Le type de consigne a un eet sur le temps de prise de dcision mais pas
sur la performance ni sur les tapes dacquisition dinformations visuelles.
Nous nous attendions ce que les contrleurs de la condition dtection
prennent plus de temps et fassent moins de fausses alarmes que ceux de
la condition intervention . Cette dirence pouvait tre explique par
des processus de traitement dirents (analytiques versus heuristiques).
En eet, les processus dtaills impliquent plus de temps dlaboration et
plus de prcision, alors que les heuristiques sont gnralement conomes
en temps mais ont le dfaut dtre imprcises ou biaises. Les donnes
nous permettent de penser que les contrleurs de la condition dtection
utilisent les mmes procdures que ceux de la condition intervention
puisquils (1) prennent le mme type dinformations et dans le mme
ordre et (2) ont des performances similaires. Le temps supplmentaire
pour tablir un diagnostic est probablement explicable par un critre dar-
rt plus exigeant dans la condition dtection que dans la condition
intervention . Dit autrement, les contrleurs devant dtecter un
conit prennent plus de prcautions (et donc de temps) que ceux devant
intervenir . Ces prcautions pourraient, par exemple, se manifester par
des procdures de vrication plus nombreuses.
Nous nous attendions ce que la condition dtection implique des
temps de rponse plus longs que la condition intervention puisque les
contrleurs devaient tre plus engags dans le traitement des dirents sc-
narios. Par contre, nous nous attendions ce que le groupe intervention
fasse plus de fausses alarmes que le groupe dtection de conit , ce qui
na pas t le cas. Ceci appuie lide que les deux groupes procdent au
mme type traitement. On remarquera tout de mme que les contrleurs
ne sont pas obligs de procder de multiples vrications pour avoir un
jugement trs correct de la situation.
5.3 di scussi on et conclusi on 91
5.3.2 Conclusion
Lensemble de ces rsultats ne peut que conrmer laspect lexicogra-
phique de la dtection de conit telle quargumente par Bisseret, Rantanen
et Nunes, Niessen... Cette exprience permet dappuyer le modle de Nies-
sen contrairement celui de Rantanen et Nunes. En eet, nous avons vu
que les trajectoires sont prises en compte en premier, avant les altitudes
qui ne sont compares quensuite. Une fois laltitude traite, le processus
de dcision soriente vers la comparaison des vitesses. Cette comparaison
pourra permettre dinfrer la distance horizontale au point le plus proche.
Cette distance est dicile infrer et son valuation provoque une partie
des fausses alarmes.
Nous avons galement vu que la consigne a un eet sur les temps de
rponse des contrleurs. Cela ne peut quappuyer le fait que les donnes
recueillis par Rantanen et Nunes (2005) ont pu tre impactes par leur
mthode. En eet, les temps de raction recueillis par Rantanen et Nunes
(2005) sont largement plus longs que ceux rapports ici (plus de sept se-
condes en moyenne pour certaines congurations). Le fait que la consigne
ait jou un rle important sur les performances lors de la dtection de
conit montre, en partie, quil est ncessaire de sassurer de son impact
sur la tche propose.
Suite cette exprience, nous avons recherch et pris en compte de
nouveaux rsultats empiriques permettant dexpliquer ou de mieux com-
prendre comment les contrleurs ariens ont procd pour raliser la tche
que nous leur avons propose. Nos recherches et nos rsultats nous ont
conduit proposer a posteriori un nouveau modle lexicographique.
5.3.3 un nouveau modle
Comme mentionn prcdemment, la scurit du trac est prioritaire
chez les contrleurs ariens. Il existe au moins deux faons de remplir
cet objectif dans le cadre de la dtection de conit : soit les contrleurs
sont srs 100% de la prcision de leurs jugements et de leurs prvi-
sions, soit ils mettent en place des solutions dintervention qui permettent
dviter tout conit. La premire solution peut paratre rationnellement
intressante. Le contrleur nintervient que lorsque la situation prsente
un rel danger dabordage. Lavantage de cette mthode est de minimiser
le nombre dinterventions et de permettre une variation minimum de la
dynamique du trac. Toutefois, ce type de dcision est relativement co-
teux pour le contrleur puisquil implique des calculs complexes et quil
font augmenter la charge cognitive. De plus, une erreur de jugement a de
terribles consquences en terme de vies humaines et de cots conomiques.
linverse, un contrleur dcidera plus probablement dintervenir an
92 mod` ele th eori que de la d etecti on de confli t
dcarter toute possibilit de conit plutt que dessayer dtre prcis dans
son diagnostic (Loft, Bolland, Humphreys, & Neal, 2007). En eet, il est
largement moins coteux de prendre une dcision dintervention sur une
paire davions an dtre certain quils ne seront jamais en conit. Lincon-
vnient de ce type de mthode est que les contrleurs interviennent sur des
paires davions qui ne le ncessiteraient objectivement pas. Autrement dit,
il est prfrable dtre certain que la situation soit sans danger plutt que
dtre prcis quant au dnouement de la situation. Cette conception de la
tche favorise plus un modle de prise de dcision bas sur lutilisation de
rgles gnrales de type heuristique que sur lutilisation de calculs prcis.
Deux autres arguments thoriques permettant de rviser le modle hi-
rarchique de dtection de conit sont prendre en compte pour faire
voluer le modle de prise de dcision. Le premier est bas sur la dicult
de traiter les futures positions des avions en utilisant leurs vitesses au sol.
Le deuxime argument concerne le fait que les contrleurs sont enclins
faire des erreurs perceptives (Shorrock, 2007) et ont des reprsentations
spatiales errones (Boudes & Cellier, 2000 ; Morineau, Hoc, & Denecker,
2003).
Le traitement des vitesses
Gronlund, Ohrt, Dougherty, Perry, et Manning (1998) ont tudi com-
ment les contrleurs mmorisent les informations du trac pour maintenir
une bonne reprsentation de la situation. Les contrleurs devaient dans un
premier temps grer un secteur et dans un deuxime temps rappeler des
informations propos du trac et des avions. La performance de rappel
sur les altitudes exactes atteint les 76% alors que le rappel des vitesses
exactes conduit la plus mauvaise performance. Cependant, les perfor-
mances de rappel sur les vitesses relatives ( Est-ce que lavion A tait
plus rapide que lavion B? ) sont meilleures que celles sur les altitudes
relatives. Par consquent, les auteurs concluent que les contrleurs ariens
mmorisent de prfrence les altitudes exactes et les vitesses relatives. Ces
rsultats sont cohrents avec lide que, compares des valeurs absolues,
les valeurs relatives (e.g., A est plus rapide que B) sont plus faciles
rappeler, augmentent la prcision, sont plus simples traiter (Brainerd &
Reyna, 1990 ; Reyna & Brainerd, 1992) et rduisent la charge mentale
des contrleurs (Moray, 1990). Les performances sur la tche de rappel
des vitesses (Gronlund et al., 1998) pourraient reter la faon dont les
vitesses sont traites par les contrleurs. Nous pouvons donc supposer
que les processus de prise de dcision qui mettent en jeu le traitement
des vitesses se basent plus sur les vitesses relatives que sur les vitesses
exactes. Dans ce cas les tapes de calcul pour raliser des prdictions de
trajectoires seraient non pas prcises mais plutt relatives (i.e., tel avion
5.3 di scussi on et conclusi on 93
arrivera avant tel autre et non tel avion arrivera tant de temps avant tel
autre ). Ces considrations rejoignent notre discussion sur nos rsultats et
sur notre analyse des stratgies possibles pour dtecter un conit.
Les erreurs perceptives et les reprsentations opratives
Le jugement relatif et la prdiction de trajectoire impliquent la localisa-
tion du point dintersection des trajectoires des deux avions et permettent
lanticipation de la position de ceux-ci dans le temps. Une fois que les
positions futures sont extrapoles, les contrleurs doivent valuer la dis-
tance horizontale entre les deux avions (Rantanen & Nunes, 2005). Pour
ce faire, les contrleurs ont besoin davoir une bonne reprsentation de
la situation. Cependant, Boudes et Cellier (2000) ont rapport que les
contrleurs produisaient des erreurs systmatiques lorsquil devaient juger
la position future des avions. Ces erreurs destimations augmentent lorsque
le laps de temps entre la position actuelle et future est important. De faon
gnrale, les contrleurs localisent les avions trop loin et sont enclins
produire de fausses alarmes, i.e., produire des jugements de conit errons
(voir galement Bisseret, 1970).
Morineau et al. (2003) montrent que les reprsentations opratives des
contrleurs sont dformes, notamment lorsque les avions convergent :
langle de convergence est accentu et le point de conit est localis plus
proche des avions relativement la zone de conit relle. Cette dfor-
mation conduit aussi de fausses alarmes. Finalement, plusieurs tudes
rapportent des erreurs de jugement de collinarit lorsque le point dinter-
section entre deux trajectoires convergentes doit tre localis (Yakimo,
1977b ; Mitrani & Yakimo, 1983 ; Pompanon & Raufaste, 2007). Le
point dintersection estim tend tre plac avant sa position relle. Par
consquent, si lestimation de ce point est biaise alors les estimations de
la distance horizontale de sparation au point le plus proche doivent ltre
galement (voir la discussion du chapitre 4).
Tous ces rsultats mettent en vidence une chose : lextrapolation du
Dt
h
(ltape 4 du modle de Rantanen et Nunes) est probablement biaise.
De ce fait, il est possible que les contrleurs ne soient pas susamment
prcis dans leurs jugements lorsquils sont bass sur de telles estimations.
De plus, ce type dextrapolations devrait entraner de nombreuses opra-
tions cognitives et donc conduire une plus forte charge mentale. Il nest
donc pas vident que les contrleurs pourraient trouver avantage sinves-
tir dans les processus de dtection de conit de cette faon. Notre propos
nest pas dcarter dnitivement lide dune extrapolation de distance
mais plutt de modrer ce type dexplications. En eet, il est possible que
lactivit mentale des contrleurs ne soit approche quapproximativement
par ces variables.
94 mod` ele th eori que de la d etecti on de confli t
Les tapes de notre nouveau modle
Nous avons synthtis le prcdent modle thorique, les nouvelles
donnes collectes et les considrations thoriques, pour aboutir un
nouveau modle descriptif de la dtection de conit (Figure 10). Ce modle
est suboptimal car il ne permet pas toujours dobtenir la meilleure rponse
en fonction de la situation. En eet, le modle prdit des interventions sur
des situations qui nen ncessitent objectivement pas. Toutefois, chaque
intervention permet au contrleur dtre certain quil ny aura jamais de
conit suite son intervention.
La premire tape est de vrier si les avions sont sur des trajectoires
divergentes. Si oui, alors il ny a pas de menace. En eet, la principale
proccupation est de savoir si deux avions prsentent une possibilit de
perte de sparation. Les trajectoires divergentes permettent au contrleur
dtre sr que les avions ne violeront pas de rgles de sparation dans le
futur. Cette premire tape est cohrente avec les rsultats que nous avons
obtenus : les temps de rponse dans les situations o les avions divergent
sont les plus bas en comparaison des autres.
Toutefois, on pourrait nous opposer largument suivant : si cette vri-
cation est rellement la premire tape du processus dcisionnel utilis par
les contrleurs, alors les reprsentations des avions devraient tre regardes
en premier ou du moins trs tt dans le processus. En eet, nos donnes
oculomtriques ne rvlent pas une telle activit : la premire information
xe est laltitude. Cependant, nous ne pensons pas que cette remarque
soit un rel obstacle notre ide : pendant que les contrleurs extraient
les informations partir des tiquettes, ils peuvent trs bien percevoir
lorientation de la trajectoire des avions en vision parafovale (pour une
revue de question sur la perception des formes gomtriques voir Irwin,
2004). De plus, jusqu quatre units dinformation collectes peuvent
tre intgres entre deux xations direntes (Irwin, 1996). Si on reprend
le processus en accord avec nos donnes on obtient la squence qui suit.
Dans un premier temps, les contrleurs regardent laltitude du premier
avion (information symbolique), ils encodent en parallle lorientation
de la premire trajectoire grce au vecteur vitesse. Dans un deuxime
temps, quand les contrleurs vont chercher laltitude du second avion, ils
peroivent galement lorientation du second vecteur vitesse. partir de
cet instant, deux traitements peuvent entrer en comptition : (1) lencodage
symbolique des donnes numriques (altitude) qui servira de base la
comparaison avec laltitude prcdemment encode, et (2) le traitement
analogique de la deuxime trajectoire, qui ne ncessite pas dencodage et
qui peut tre directement compare la premire trajectoire en mmoire
visuelle. La comparaison analogique ne ncessite pas le recodage dune
information symbolique et peut donc se terminer avant que le traitement
5.3 di scussi on et conclusi on 95
Niveau 1 Est-ce que les avions divergent ?






Niveau 2 Est-ce que les avions sont spars de 1000 pieds?







Angles convergents Angle de 180 Angle de 0





Niveau 3 Schma appris? Dth < Seuil? Le poursuivant est le plus rapide?


Non Oui Non Oui Non Oui


Intervention Action Pas de conflict Intervention Pas de conflict Intervention
associe
Non
Non Oui
Oui
Pas de conflit
Pas de conflit
Figure 10: Modle de prise de dcision utilis par les contrleurs ariens
en-route en fonction de laltitude, de langle form par les tra-
jectoires, les vitesses relatives et le Dt
h
. Schmas appris
se rfre des congurations connues qui conduisent une
rponse associe la situation. Par exemple, une situation dans
laquelle un avion est la fois trs proche du point dintersec-
tion et le plus rapide, nentrane pas daction de la part du
contrleur.
des altitudes soit eectu. Si la comparaison analogique indique une diver-
gence, alors une dcision de non conit est vidente. Do la probabilit
dune prise de dcision plus rapide dans le cas des avions avec des tra-
jectoires divergentes, et ce mme si les avions ne sont pas directement
regards. Si la rponse cette premire vrication est non (si les
avions ne divergent pas), alors aucune dcision ne peut tre prise ce
moment et le processus doit continuer tre parcouru.
La deuxime tape concerne la vrication de la sparation verticale.
Si les altitudes sont spares dau moins 1000 pieds, alors il ny a pas de
conit. Comme les altitudes sont fournies de faon prcises, le contrleur
peut tre sr que cette rgle de sparation ne sera pas enfreinte dans le
futur, cartant toute possibilit de conit. Dans ce cas, le processus de prise
de dcision peut sarrter avec une dcision de non conit. Autrement le
processus doit continuer.
La troisime tape est un peu plus complexe. partir de cette tape
le processus de prise de dcision peut prendre trois routes direntes en
fonction de langle form par les deux trajectoires :
96 mod` ele th eori que de la d etecti on de confli t
Dans le cas dun angle de 0 , il est ncessaire de prendre en compte la
vitesse des deux avions : si lavion le plus rapide est derrire lavion
le plus lent alors il y a un risque de rattrapage et donc de conit,
autrement il ny a aucun risque de conit puisque lavion le plus
rapide sera devant et ne sera jamais rattraper.
Le cas dun angle de 180 est spcial. En eet, les vitesses ne sont pas
directement pertinentes pour diagnostiquer la probabilit de conit :
si les deux avions sont sur des trajectoires opposes et la mme
altitude, seul le Dt
h
est pertinent pour prendre une dcision : partir
dun certain seuil de distance le contrleur peut valuer le risque de
conit. Nous pouvons nous permettre dutiliser le cadre de la thorie
de dtection du signal comme propos par Bisseret (1981b). Avant
dentreprendre une action, le contrleur value le Dt
h
. La probabilit
dintervenir devrait dcrotre en fonction du Dt
h
. Plus le Dt
h
dpasse
un certain seuil, plus le contrleur ninterviendra pas. Les dcisions
se prennent donc plus rapidement ds que le Dt
h
dpasse ledit seuil.
La valeur de ce seuil pour conrmer un non conit devrait varier dun
contrleur lautre, toutefois nos donnes suggrent que la moyenne
de la distribution du seuil se situe autour de 7,5 NM (50% de fausses
alarmes sur ces cas particuliers).
Pour les angles convergents, nous pensons que les dcisions sont
prises en fonction dun processus de reconnaissance de schma. Si
une conguration est reconnue alors laction associe ce schma
est applique. Si le schma nest pas reconnu, alors laspect prudent
de la prise de dcision conduit gnralement une intervention de
la part du contrleur, sauf dans des cas spciques. Par exemple, si
un avion est trs proche du point dintersection des deux trajectoires
et quil est aussi le plus rapide, alors le contrleur reconnatra facile-
ment une situation de non conit. Ou bien, si deux avions sont trs
loin de lendroit probable de conit, alors le contrleur prendra une
position attentiste et fera de la supervision jusqu avoir susamment
dinformations pour prendre sa dcision (voir Morineau et al., 2003).
5.3.4 Considrations nales : dtection de conit ou jugement dinter-
vention
Rantanen et Nunes (2005) ont propos un modle hirarchique de d-
tection de conit utilis par les contrleurs ariens en-route. Toutefois,
ces auteurs nont pas fourni de donnes on-line permettant de conrmer
ou dinrmer leur modle. Dans ce chapitre, nous avons rapport une
exprience visant tester ce modle avec des donnes oculomtriques. Ces
donnes ont corrobor certaines parties de ce modle mais nont pas permis
de couvrir tous ses aspects. De plus, une partie des patterns des temps de r-
5.3 di scussi on et conclusi on 97
ponse fournis par Rantanen et Nunes nont pas t rpliqus. Sur la base de
ces rsultats, et de nos propres rexions, nous avons propos un nouveau
modle. La dirence essentielle entre les deux modles ne rside pas sur
des aspects de surface comme la prise et lutilisation dinformations, mais
plus fondamentalement dans lapproche de ltude de la prise de dcision
dans le cadre du contrle arien. Selon Shayne Loft, les contrleurs ariens
nont pas les mmes comportements si on leur demande de dtecter un
conit ou si on leur demande sils interviendraient ou non en fonction de
la situation (communication personnelle, 2008). Dans le premier cas, les
contrleurs sont obligs dtre prcis et sont engags dans des processus
profonds de traitement de linformation, alors que dans le second cas, ils
ont juste se comporter de la mme manire ce quils feraient dans leur
activit quotidienne (i.e. en ntant pas ncessairement prcis, mais surtout
prudents et srs). Comme nous sommes convaincus par les arguments
de Loft, nous avons dcid de modier la consigne par rapport ce que
Rantanen et Nunes ont propos. En eet, modier la consigne dans des
tches de dtection de conit pourrait conduire observer des processus
cognitifs dirents. Cest pour ces raisons que les sorties de notre modle
ne dbouchent pas sur une dcision ou un jugement conit versus non
conit mais plutt sur des dcisions dintervention. Les donnes que
nous avons recueillies vont en partie dans ce sens. En eet, lorsque lon
demande aux contrleurs de faire des jugements de conit prcis, ceux-ci
mettent plus de temps prendre une dcision que des contrleurs qui nont
qu prendre une dcision dintervention. Il existe donc des dirences de
traitement entre les deux conditions. Quelles sont-elles ?
Une premire possibilit est que ces dirences de temps ne soient que
la consquence dun parcours plus en profondeur de lalgorithme de prise
de dcision. Dans ce cas nous devrions observer une amlioration des
performances dans la condition dtection de conit . En eet, plus
le raisonnement est abouti, plus il devrait tre prcis et able. Or nos
donnes ne retent pas ce cas de gure puisquaucune dirence de
performance nest visible entre les deux types de consignes. Une autre
explication possible est que les contrleurs devant dtecter des conits
traitent les donnes exactement de la mme faon que ceux devant dcider
dune intervention, si ce nest quils vrient davantage leurs rponses
une fois leur dcision prise. Ou autrement dit, les contrleurs devant faire
des jugements dintervention ont des critres darrt de prise de dcision
beaucoup plus souples que ceux qui doivent diagnostiquer un conit, ceux-
ci ne prenant pas la peine de vrier leur dcision. Nous remarquerons
cependant que, quels que soient le parcours et le nombre de vrications
supplmentaires, les performances des contrleurs les plus rapides ne
sont pas direntes des plus lents . Nous avons toutes les raisons de
98 mod` ele th eori que de la d etecti on de confli t
croire que les traitements eectus par les contrleurs sont tout de mme
trs ables et constants.
partir de ce constat, trois attitudes thoriques sont possibles. La
premire est dignorer les remarques de Loft et de continuer tudier la
dtection de conit telle quelle a toujours t tudie. Une attitude, bien
plus extrme, serait dabandonner compltement ltude de la dtection
de conit sur la base que ces tudes nont aucune validit cologique et
ne permettront jamais davoir une image prcise des reprsentations des
contrleurs. Nous choisissons une troisime voie qui est de prendre en
compte que les contrleurs valuent dans un premier temps la possibilit
de conit, et qui dans le cas dun doute, passent dune estimation de conit
une possibilit dintervenir pour lever le doute.
Nous reconnaissons que cette approche rend plus dicile lopration-
nalisation du concept de jugement de conit. En revanche, nous voyons
cette approche plus proche des comportements que peuvent adopter les
contrleurs ariens : au-del dun certain seuil dincertitude ressentie sur
la possibilit dun conit, les activits mentales des contrleurs se ror-
ganiseraient autour de la question de lintervention plutt quautour de
la prdiction de la probabilit de conit il est possible quun conit
arrive cet endroit, devrais-je intervenir ou non ? Et si oui comment ? .
Dire quelle est la bonne attitude thorique prendre reste une question
importante et ouverte. Nous pensons que la communaut de chercheurs
travaillant sur les cognitions relatives au contrle arien devrait probable-
ment rsoudre cette question dans les prochaines tudes car en fonction
des rsultats les stratgies de recherche ne seront pas les mmes.
Le prochain chapitre ouvre la partie simulation de la thse. Nous pr-
senterons des modles de simulation de lactivit du contrleur arien.
Nous verrons en quoi ces modles peuvent nous tre utiles mais surtout
en quoi ils divergent des considrations de recherche en psychologie cog-
nitive et en terme de modlisation computationnelle valide. Suite cette
prsentation, au Chapitre 7, nous testerons notre modle thorique dans
larchitecture cognitive ACT-R.
5.3 di scussi on et conclusi on 99
Nos rsultats montrent que :
Il existe trois phases de tests lors de la dtection de conit : test de la
divergence, test de la sparation verticale, test de la sparation horizon-
tale ;
Le test de la sparation horizontale dpend de la conguration gom-
trique des trajectoires ;
Les micro-stratgies permettant le test du Dt
h
peuvent tre regroupes
en plusieurs catgories : heuristique perceptive (apprciation holistique
de la conguration gomtrique), stratgies logiques (analytiques), stra-
tgies dvaluation de distances ;
La consigne dintervention semble tre plus cologique pour aborder la
dtection de conit.
Ces rsultats nous ont permis de construire un modle valide que nous
implmenterons dans larchitecture cognitive ACT-R.
Troisime partie
Simulation
101
6
UN APERU DES SI MULATI ONS DE LA TCHE
DE CONTRLE ARI EN
Ce chapitre a pour objectif de prsenter dirents modles qui dcrivent
et simulent les activits cognitives impliques dans des tches de contrle
arien. Ces modles dtaillent comment les contrleurs ariens main-
tiennent jour leurs reprsentations de la situation et comment partir de
celles-ci ils mettent en place des actions pour grer le trac. Ces modles
du contrleur arien ont une chelle macroscopique, et lactivit est orga-
nise autour de schmas hirarchiques dactions mener, dheuristiques
globales de prise de dcision. Le lecteur trouvera avantage avoir une vue
densemble de plusieurs modles. En eet, ceux que nous prsenterons
permettront au lecteur de se faire une reprsentation de lensemble de
la tche telle quelle est dcrite par des psychologues ou des ingnieurs
chargs des modlisations ou des simulations.
Pourquoi modliser et simuler des activits cognitives ? La modlisa-
tion computationnelle des activits cognitives (i.e. la modlisation et la
simulation) prsente plusieurs avantages. Le premier est de pouvoir mettre
en avant des thories sur le fonctionnement psychologique des individus
et de mettre lpreuve ces thories grce des simulations. Un modle
computationnel se doit avant tout dtre cohrent : il doit pouvoir donner
un rsultat. Autrement dit, la simulation marche. Nanmoins, la cohrence
dun modle nest quune condition ncessaire, le modle doit galement
tre valide. La validit dun modle est corrobore par la confrontation
des donnes humaines avec celles issues de la simulation. Toutefois, il
existe un problme majeur dans la simulation des activits cognitives :
lenvironnement dans lequel le modle est construit. En eet, pour simuler
correctement des processus cognitifs, il est ncessaire que les modles
aient les mmes limitations de traitement quun tre humain (capacit en
mmoire de travail, traitement des tches multiples, gestion de lattention,
processus perceptifs etc.). Nous qualierons de modle psychologiquement
plausible, un modle construit sur ces bases, contrairement un modle
purement formel qui ne respecterait aucune limite. Par exemple, un modle
statistique de prise de dcision qui sappuie sur plus de dix variables pour
rendre compte de la performance consciente dun contrleur est certai-
103
104 un aper cu des si mulati ons de la t ache de contr ole a eri en
nement acceptable statistiquement parlant mais ne lest certainement pas
du point de vue psychologique. Un autre avantage de la simulation des
activits cognitives des contrleurs ariens est de pouvoir commencer
anticiper les eets des nouvelles technologies sur les oprateurs. En eet,
il est souvent coteux en temps et en argent de mettre en place et de tester
de nouvelles procdures. Il peut tre aussi trs dangereux de tester de
nouvelles faons de faire dans des conditions relles. Dautre part, pour
des changements structurels grande ampleur dun dispositif, lexpri-
mentation est infaisable ou inexploitable. Par exemple, exprimenter un
nouveau concept de gestion du trac arien sur un territoire national et en
mesurer limpact sur les oprateurs (pilotes et contrleurs) est infaisable
exprimentalement parlant, notamment pour des raisons de scurit et de
cots.
Nous voyons ici deux applications totalement direntes de la mod-
lisation cognitive : une approche fondamentale plutt valorise par des
chercheurs (validation de thories psychologiques par exemple) et une
autre, bien plus pratique, valorise par des ingnieurs (validation de futurs
outils techniques). Bien que les deux approches ne soient pas forcment
antagonistes, il savre quen fonction du but de la simulation les fon-
dements thoriques des modles dirent. Mme si les ingnieurs ont
besoin de pouvoir simuler des capacits cognitives humaines pour crer
des modles capables de prdictions ralistes, ils sont, dans certains cas,
moins pointilleux ou moins complets sur les fondements thoriques qui
mnent la cration de leurs modles ou des architectures dans lesquels
ils sont implments.
Nous prsenterons quatre modles, CATS (Callantine, 2005), AirMidas
(Gore & Corker, 1999 ; Corker & Gore, 2000), Apex/CPM-GOMS (Lee,
Remington, Ravinder, & Matessa, 2004 ; Lee, Ravinder, & Johnston, 2005)
et enn, MoFl (Niessen & Eyferth, 2001 ; Eyferth et al., 2003 ; Niessen et
al., 1998 ; Leuchter et al., 1997). Nous verrons en quoi ces modles sont
pertinents pour simuler tout ou partie de la tche dun contrleur arien.
Pour chaque modle, nous prsenterons larchitecture dans laquelle il est
implment, un rsum de son fonctionnement et les rsultats quils ont
obtenus.
Les modles que nous prsenterons, du fait de leur dimension, ne per-
mettent pas toujours de rpondre des questions trs spciques. En eet,
les dirents auteurs ou quipes, que nous prsenterons, pchent dans la
description de quelques lments qui, notre sens, se rvlent tre primor-
diaux, du moins sur le plan fondamental. Ces modles ne sont pas critiqus
au niveau de la qualit du rendu de la simulation mais plutt au niveau
de limplmentation de capacits cognitives de bas niveau telles que les
entres perceptives qui permettent de dtecter les conits, les stratgies
qui permettent de les anticiper. En eet, certains modles nexpliquent
6.1 cats : crew acti vi ty tracki ng system 105
pas clairement comment les dirents lments visuels issus du radar sont
exploits et manipuls en mmoire de travail visuo-spatiale notamment
pour juger ou non de la possibilit de perte de sparation.
6.1 cats : crew acti vi ty tracki ng system
Le modle de Callantine (2005) a pour but de simuler les reprsenta-
tions, heuristiques et traitements que les experts du contrle arien utilisent
pour dvelopper des agents capables de grer du trac. Les simulations
des interactions entre agents permettront de soutenir lvaluation de m-
thodes innovantes de contrle arien lies au dveloppement de nouveaux
concepts de gestion du trac arien
1
.
6.1.1 Structure de larchitecture et ux dinformations
Le modle CATS sinsre dans un schma global de traitement de
linformation. La Figure 11 prsente le ux dinformations qui parcourt
lagent chaque instant.
Le Simulation Hub centralise les informations issues de la simula-
tion du trac et les messages des autres agents participants la simulation.
Les informations relayes par le Simulation Hub sont aches sur lcran
radar. Les informations perues directement sur le radar sont traites par
un module reprsentant une bibliothque de comptences dans laquelle
sont regroups des patrons de reconnaissance de bas niveau ou des rgles
de dcisions. Ce module permet dacqurir des connaissances supplmen-
taires sur ltat du trac. Par exemple, ce module permet de dterminer
lavion leader dans une paire conictuelle, dterminer une trajectoire suite
une clairance, juger de la distance entre deux avions. Ces informations
sont envoyes soit au modle de lactivit (CATS), soit au module des
rgle de contrle. Ce module contient une collection dheuristiques qui per-
mettent de rsoudre des problmes despacement ou de sparation. Dans
ce modle, les problmes despacement sont rsolus par des clairances sur
la vitesse des avions, alors que les problmes de sparation sont rsolus
par des changements de cap. Le modle dactivit CATS sera dtaill dans
la prochaine section. Les informations issues du modle CATS permettent
de modier la reprsentation de la situation qua lagent. Les croyances
sur la reprsentation du trac sont limines ou rajoutes en fonction de
la situation. Tout changement de la reprsentation du trac est signi au
modle dactivit. Finalement, un module de contraintes permet de dnir
quelles sont les spcicits dun avion (plan de vol, changements induits
par les clairances, temps disponible avant une manuvre).
1. Air trac management, ATM.
106 un aper cu des si mulati ons de la t ache de contr ole a eri en
Simulateur
de trafic
Simulation hub
Autres
agents
cran radar
Bibliothque
de
comptences
Modle dactivit
CATS
Rgles de
contrle
Contraintes
Reprsentation de la
situation
Figure 11: Flux dinformation parcourant un agent CATS (daprs Callan-
tine, T., 2005, p. 87)
6.1 cats : crew acti vi ty tracki ng system 107
Le modle CATS sert de socle pour chaque agent simul. Comment ce
socle est-il construit ?
6.1.2 Lactivit du modle CATS
Le modle CATS incorpore dirents aspects du contrle (voir Figure 12
et est bas sur une structure de tches dATC de haut niveau. Les agents
utilisent des informations telles que les trajectoires, les routes ariennes,
laltitude et la vitesse et basent leurs clairances sur ce type de paramtres.
Ils appliquent des rgles heuristiques pour planier et annoncer leurs
clairances. Le modle de base est un systme multi-agents. Un systme
multi-agents est un systme compos de plusieurs agents intelligents qui
ont la possibilit dinteragir entre eux. Nous ne dtaillerons pas comment
ses agents sont combins ensemble pour produire une simulation complte
de gestion du trac arien car ce nest pas notre propos. Nous allons donc
nous centrer sur ltude du fonctionnement dun seul agent et voir sur
quels lments la simulation est base.
Le modle prsente des activits organises hirarchiquement allant
de la perception la ralisation dactions. Les conditions ncessaires aux
actions mener sont fournies par la reprsentation que se fait lagent de
la situation de trac. Ce modle se divise en trois parties (voir Figure 12).
La premire est le maintien de la conscience de la situation (Endsley,
1995) qui implique la surveillance du radar et le balayage visuel des
avions. Les activits de maintien de la situation sont centres sur la rcolte
dinformations depuis le radar. La seconde partie reprsente la slection
dun problme de trac rencontr et identi ou plus simplement elle
permet de dterminer sur quel(s) avion(s) lagent doit oprer. La dernire
portion est un ensemble dactivits raliser en fonction des sorties de la
partie prcdente.
Dans son fonctionnement, lagent CATS met jour rgulirement ses
connaissances sur le statut du trac ce qui lui permet de gnrer une image
de la situation. Cette image modie les croyances sur ltat de la situation.
Ce changement produit gnralement une srie dactions mettre en uvre
dont la hirarchie des priorits est gre par le modle. Il ressort des di-
rentes simulations que les agents CATS se rvlent tre performants pour
grer du trac de moyenne intensit et prfrablement dans des secteurs
en-route (bonne gestion des problmes despacement), toutefois lagent
se retrouve vite dpass dans des secteurs dapproche.
Ce modle dcrit de faon assez prcise les activits et les proprits
dactions utilises par les contrleurs ariens. Par contre, lensemble des
processus de prise de dcision ne sont dcrits qu partir dheuristiques,
soit des rgles du type : Si les avions ne sont pas susamment espacs
alors prendre tel type de dcision en fonction de leurs positions. Cepen-
108 un aper cu des si mulati ons de la t ache de contr ole a eri en
* Maintenir une reprsentation de la situation:
Contrler le trafic
Regarder les avions
* Dterminer les avions sur lesquels agir
* Grer les transferts entre les secteurs:
Accepter les avions entrant
Informer les avions sortant
* Grer les avions en descente
* Grer les sparations:
Diagnostiquer le problme de sparation
Envisager une rsolution (clairance)
* Grer les clairances non appliques
Figure 12: Organisation hirarchique des activits raliser par un agent
CATS (daprs Callantine, T., 2005, p. 88)
6.2 le projet ai rmi das 109
dant, rien nest dit sur les processus qui permettent de percevoir le manque
despacement entre les avions, comment sont values les distances ? Com-
ment sont faits les calculs ncessaires la prdiction de trajectoire ? Une
des possibilits est que ce genre de jugement est directement implment
en dur , cest--dire que ce nest pas un module qui gre le calcul des
espacements ou des sparations mais une partie purement mathmatique
intgre au programme du modle. Or notre tude tend rpondre ce
genre de questions en passant par des processus psychologiques plus que
mathmatiques.
6.2 le projet ai rmi das
Ladministration fdrale de laviation amricaine
2
a pour but de mettre
en place des plans stratgiques an de rendre le trac arien plus exible
et prvisible. Lapplication de ces plans devrait avoir pour consquence de
rduire les temps de vol, rduire les dpenses en carburant, faire baisser
la charge de travail des quipages... Cest dans ce but que le concept de
free ight a t dvelopp. Le free ight est un concept de gestion
du trac arien dans lequel les pilotes des avions sont libres de choisir
leur plan de vol et grent leur vol eux-mmes (altitude, vitesse, sparation
etc.). Le contrleur passe alors dune activit active et stratgique une
activit ractive et opportuniste. Le projet Airmidas
3
(Gore & Corker,
1999 ; Corker & Gore, 2000) a t conu dans lobjectif de pouvoir simuler
limpact de telles mesures sur les contrleurs ariens notamment sur leur
charge mentale. Airmidas a t confront des donnes issues dune exp-
rience auprs de contrleurs expriments. Les rsultats des simulations
sont bass sur des sries de simulation de type Monte-Carlo . Ce sont
les corrlations entre les rsultats issus de la simulation et les rsultats
exprimentaux qui servent de comparaison.
6.2.1 Fondements thoriques dAirMidas
Airmidas est structur autour dun rseau organis de modles de lac-
tivit humaine : un modle de contrle, de connaissances dclaratives,
dactivit sensorielle, dactivit biomcanique, de connaissances procdu-
rales, dun modle de la conscience de la situation... Airmidas est donc
un modle cognitif bas sur des micro-modles qui interagissent entre
eux, sous linuence dvnements de lenvironnement, pour simuler le
fonctionnement humain.
2. FAA : Federal Aviation Administration.
3. Man Machine Integrated Design and Analysis System.
110 un aper cu des si mulati ons de la t ache de contr ole a eri en
Deux modles sont particulirement importants. Premirement, le mo-
dle de loprateur humain permet de guider la production des compor-
tements de lagent. Ce modle est compos de plusieurs modules (an-
thropomtrique, de la perception, de lattention, de prise de dcision, et
dvaluation). Le second modle est celui de la gestion des buts. Il per-
met dagencer de faon raliste les buts que lagent aura remplir pour
accomplir la tche de faon pertinente.
Toutefois, chaque module constituant le modle est bas sur peu de
rsultats exprimentaux. Cela pose un problme en termes de simula-
tion psychologiquement plausible. Par exemple, tout laspect perception
visuelle est bas sur Remington, Johnston, et Yantis (1992) dcrivant lin-
uence de lapparition soudaine dun stimuli sur lattention visuelle. Le
modle de mmoire est bas sur le modle de Baddley et Hitch (1974)
alors que celui-ci a t rvis en 1986 et 2001 (Baddeley, 1986, 2001) etc.
Ce nest pas parce que chaque module est soutenu par peu ou par danciens
rsultats exprimentaux que la simulation est mauvaise ou approximative.
Notre objectif est simplement de mettre en avant que ce type de modle
ne correspond pas forcment ce quun psychologue attendrait dune
simulation du comportement humain. Voyons cependant quels rsultats
parviennent les auteurs.
6.2.2 Rsultats obtenus
Les expriences de simulation ont pour but dexplorer les limites de
performances dans un contexte de trac en free ight. Les auteurs ont
construit quatre types de scnarios : un scnario de contrle dit clas-
sique , un o les avions nont que des trajectoires directes, deux o 20%
ou 80% des avions sont en free ight.
linstar des contrleurs, la charge cognitive du modle augmente
avec une condition de contrle en free ight en comparaison avec une
situation de contrle normale. Un autre rsultat intressant est que la
charge subjective de travail des contrleurs augmente avec le temps, et ne
dpend pas de la condition de trac. Toutefois, les formalits de recueil de
charge mentale ne sont pas trs dtailles dans Corker et Gore (2000) : les
contrleurs devaient indiquer sur une chelle en 5 points leur sentiment
dtre occup...
En conclusion, bien que ce modle soit bas sur peu de concepts tho-
riques, il savre que les rsultats des simulations corrlent avec ceux
obtenus par des contrleurs dans le cas de la charge mentale. Toutefois, ce
modle, comme le prcdent ne nous permet pas dtre plus inform sur
les processus mis en uvre lors de la dtection de conit.
6.3 apex/cpm-goms : 111
6.3 apex/cpm-goms :
Apex (Architecture for Procedure Execution) a t initi par la NASA.
Ce modle est conu pour gnrer des comportements humains adaptatifs
et intelligents dans des environnements dynamiques complexes. Apex
incorpore plusieurs aspects de la cognition haut niveau comme la prise
de dcision sous incertitude, la gestion du multi-tches etc. Le modle
Apex/CPM-GOMS de Lee et al. associe Apex deux modules : CPM
et GOMS. Le module CPM (Cognitive, Perceptual and Motor operator)
permet dinclure dans le modle des caractristiques humaines et permet
donc de faire des prdictions de performance du modle. GOMS (Goal
Operator Methods ans Selection) permet de concevoir lanalyse de la
tche. la base, GOMS est une technique danalyse de dcomposition
hirarchique de la tche. Le CPM-GOMS est une mthode de modlisation
qui associe une dcomposition hirarchique de la tche avec lutilisation
de ressources cognitives humaines. Le but de la simulation est dvaluer
limpact de nouvelles technologies comme le datalink
4
sur la charge de
travail et la conscience de la situation des contrleurs ariens.
6.3.1 Architecture dApex
Le cadre de modlisation dApex inclut trois lments majeurs : une
architecture de ressources disponibles (Resource s humaines), une archi-
tecture permettant de dnir les actions mener et une bibliothque de
procdures. Une vue densemble dApex est prsente dans la Figure 13).
Larchitecture des ressources dnit la limite des capacits cognitives,
perceptuelles et motrices de lagent. Larchitecture permettant la slection
dactions coordonne lactivit des ressources et applique des connais-
sances stockes sous la forme de procdures. La bibliothque de proc-
dures contient les connaissances permettant datteindre un objectif dni.
Les informations extrieures parviennent au modle par les traitements
perceptifs. Ces informations sont compares avec les spcications des
procdures stockes dans la bibliothque de procdures. Si les conditions
saccordent, alors larchitecture de slection daction prvoit lorganisation
des procdures mettre en place.
Apex est donc un outil qui permet la simulation dagents intelligents qui
excutent des tches dinteractions hommes-machine. Fondamentalement,
Apex conoit la modlisation des comportements comme un problme de
gestion de ressources disponibles pour un agent.
4. Le datalink est une interface de communication entre les pilotes et les contrleurs.
112 un aper cu des si mulati ons de la t ache de contr ole a eri en
Environnement de simulation
Audition Vision Voix Mains Mmoire Attention
Bibliothque
de
procdures
Surveillance Agenda des tches
Gestionnaire
des tches
N
o
u
v
e
l
l
e

t

c
h
e
I
n
i
t
i
a
t
i
o
n

d

u
n
e

t

c
h
e
Mise en
correspondance
M
o
d
if
ic
a
t
io
n

d
e
s

s
u
r
v
e
illa
n
c
e
s
vnement peru Initiation de lactivit
Rcupration des
procdures
Slection
des
actions
Ressources
humaines
correspondance
vnement li une
tche
Figure 13: Vue densemble de larchitecture Apex (daprs Lee et al.,
2004, p. 49).
6.3.2 Dcomposition de la tche des contrleurs ariens en-route et
rsultats
Un agent programm dans Apex agit grce une dcomposition hirar-
chique de la tche. Nous allons donc voir quelles tches sont incluses dans
le modle et quels rsultats exprimentaux sont issus des simulations.
Analyse et dcomposition de la tche
Les auteurs ont produit un inventaire des tches de haut niveau ralis
par les contrleurs en-route. Les tches sont spares en fonction de la
place du contrleur sur sa position. En eet, un secteur est gnralement
gr par deux contrleurs : un radariste et un organique. Le radariste prend
en charge la gestion tactique du secteur, intervient en temps rel. Cest lui
qui donne les clairances de changement de cap, de vitesse, daltitude pour
grer les pertes de sparation. Lorganique a une vision plus stratgique et
soccupe principalement de grer le passage davions dun secteur un
autre, de prvenir le radariste de larrive de nouveaux avions, danticiper
les conits avec les nouveaux arrivants et les avions dj prsents sur le
secteur. De plus, lorganique prend en charge les communications avec les
organiques des secteurs adjacents.
Pour chaque contrleur, chaque tche est dcompose individuellement
pour donner lieu des algorithmes permettant de prendre des dcisions.
Toutes les tches pouvant tre remplies de faon parallle par le modle
6.3 apex/cpm-goms : 113
(i.e. simultanment) le seront dans la mesure o les ressources de lagent
le permettent. Par exemple, le modle peut grer la fois une demande de
dcollage et continuer surveiller deux avions sur lcran radar, mais il ne
pourra pas faire deux clairances au mme instant puisque les clairances
demandent le mme type de ressources.
Rsultats obtenus
Apex est prvu lorigine pour tester des solutions datalink, et donc
limpact de tels systmes sur les communications. Les auteurs ont compar
les performances de leur modle sur uniquement quelques tches. La
principale tche compare est lacceptation du passage dun secteur un
autre et les communications contrleurs/pilotes. Pour tre un peu plus clair,
quand un avion arrive une certaine limite de la frontire dun secteur
A, le contrleur qui gre lavion doit informer le contrleur du secteur B
de son arrive. Le contrleur du secteur B, en plus de toutes ses autres
tches, doit communiquer au contrleur du secteur A sil accepte lavion
ou si larrive de celui-ci doit tre retard (conit probable, surcharge de
trac, le contrleur na pas les ressources ncessaires pour grer lavion
sur linstant...). Si lavion est accept dans le secteur B alors le contrleur
Ale notie au pilote (via data link ou communication verbale) et engage le
pilote changer de frquence et se signaler au contrleur du secteur B. Le
modle est valu partir de deux variables : le temps moyen dacceptation
dun avion et le temps pass communiquer avec les pilotes. Le temps
dacceptation est mesur partir du moment o le modle xe lavion en
question et le moment o il clique dessus avec son dispositif de pointage
pour notier lacceptation. Le temps de communication inclut toutes les
communications possibles entre le pilote et le contrleur (premier contact,
clairances ...)
En moyenne, le modle prdit un temps moyen dacceptation gal au
temps de rponse minimal de contrleurs experts. En ce qui concerne
les temps de communication, le modle corrle relativement bien avec
les experts (r = .87). Globalement, ce modle est plus rapide que les
contrleurs experts. Les auteurs admettent dans leurs conclusions que
pour amliorer leur modle ils doivent obtenir de meilleures donnes
sur les performances des contrleurs, une meilleure connaissance des
processus psychologiques fondamentaux et amliorer ainsi leur laboration
de modles de performance. Les recommandations faites par les auteurs
rejoignent les problmes inhrents la modlisation prsents en dbut de
ce chapitre. Il est ncessaire, pour faire des simulations ralistes dobtenir
et de considrer un ensemble de donnes la fois thoriques et empiriques
sur les comportements humains.
114 un aper cu des si mulati ons de la t ache de contr ole a eri en
6.4 mofl
MoFl (Modell der Fluglotsenleinstungen
5
) est un modle des activits
cognitives mises en place par les contrleurs ariens dans le cadre dactivi-
ts dynamiques (Niessen & Eyferth, 2001 ; Eyferth et al., 2003 ; Niessen
et al., 1998 ; Leuchter et al., 1997). Limplmentation du modle est base
sur un systme de production programm dans lenvironnement ACT-R3.0
(Anderson, 1993). Lobjectif est de modliser la reprsentation mentale
qua le contrleur de la situation en reprenant le concept de conscience de
la situation.
Niessen et al. (1998) sintressent spciquement au diagnostic et la
rsolution de conits entre avions. Suite des entretiens avec des contr-
leurs, les auteurs dcomposent leur tche en trois parties : lobservation
globale du trac, lanalyse des paramtres dun avion slectionn et lanti-
cipation. Lanalyse globale permet davoir une vue densemble du trac.
Ensuite, toujours selon le rapport des protocoles verbaux, les stratgies
dexploration visuelle du radar permettent dattribuer dirents statuts aux
avions. Les avions sont rpartis en deux groupes, un groupe qui ncessite
une analyse plus pousse des paramtres des avions pour anticiper la situa-
tion, et un groupe o les avions sont reconnus comme sans danger pour la
scurit du trac. Les auteurs dgagent trois activits cognitives de haut
niveau qui permettent aux contrleurs de maintenir leur conscience de la
situation : la slection et le rappel dinformations, la reprsentation de la
structure relationnelle entre les avions, et lanticipation et la gestion des
conits. Ces principes guideront la construction du modle.
6.4.1 Principe et spcicit dACT-R 3.0
ACT-R est une architecture qui ne cesse dvoluer grce aux travaux
des chercheurs de la communaut. De fait, il existe plusieurs versions
dACT-R, la dernire version remplaant gnralement la prcdente. La
dernire version en date est la version 6.0 (pour une description dtaille le
lecteur est invit se reporter au chapitre 7). Limplmentation du modle
MoFL est faite avec ACT-R 3.0. La principale dirence entre la version
3.0 et 6.0 dACT-R est que dans la version 3.0 la cognition est seulement
centrale. En eet, cest seulement partir de la version 5 que des modules
permettant aux modles dagir dans lenvironnement ont t implments
(vision, parole, moteur).
Pour faire simple, il existe deux types de connaissances dans ACT-
R : les connaissances dclaratives et les connaissances procdurales. Les
connaissances dclaratives sont des informations stockes en mmoire sur
5. Trad : un modle des aiguilleurs du ciel.
6.4 mofl 115
des caractristiques de la situation. Si ces informations sont prsentes en
mmoire de travail, alors elles peuvent activer des rgles de production.
Les rgles de production sont de la forme si (conditions) alors (production
dun comportement). ACT-R est base sur lhypothse que les comp-
tences cognitives sont composes partir dun enchanement de rgles de
production. Plus la combinaison en squences de rgles de production est
importante plus les traitements cognitifs sont complexes. Dans la partie
suivante nous allons voir comment est construit le modle.
6.4.2 Le modle
MoFl (voir Figure 14) est compos de cinq modules
6
relis par des
cycles de communication. Les cinq modules sont la slection de donnes,
lanticipation, la rsolution de conit, la mise jour et le contrle. Trois
principaux cycles de traitement de linformation permettant de conserver et
de mettre jour la reprsentation de la situation des contrleurs (nomme
image par les auteurs). Ces cycles sont la surveillance, lanticipation et la
rsolution de problmes. La coordination de ces traitements est dirige par
un module de contrle de procdures.
Le cycle de surveillance implique les modules mise jour et slec-
tion dinformations . Il permet de dterminer les procdures de slection
dinformations mettre en place et les rgulires mises jour des informa-
tions sur dirents avions (volution verticale, horizontale, trajectoires...).
Selon les informations recueillies, un avion peut devenir focal (i.e., il va
devenir prioritaire sur le plan attentionel) ou extrafocal (i.e., il sera moins
activ en mmoire de travail). Plus un avion demande de lattention, plus
il sera frquemment mis jour (regard). Les relations entre avions sont
galement encodes avec le statut focal/extrafocal.
Une fois quun avion est sous le focus attentionel, le cycle anticipation
est dclench. Pour chaque avion focal ou chaque relation entre avions un
tat futur est anticip. Le but de cet anticipation est de crer un nouveau
traitement cognitif sur cet avion. Ce traitement permet de connatre la
relation entre deux avions (vnement) et de prendre si ncessaire une
dcision sur le statut des avions (conit, pas de conit, demande de sur-
veillance ultrieur). Si un conit est dtect alors le modle estime le temps
pour rsoudre le conit. Si les avions ne sont pas considrs comme une
menace, ils prennent le statut extrafocal. Si le contrleur nest pas sr de
son jugement, alors la demande de surveillance va devenir focale. Le cycle
danticipation est dtermin par des squences de production qui prennent
en compte les trajectoires, laltitude et la position future des avions voir
Chapitre 2.
6. Le terme module fait rfrence ici une sous-partie dun programme eectuant une
tche spcique, elle est dirente de la notion de module dans ACT-R, voir chapitre7.
116 un aper cu des si mulati ons de la t ache de contr ole a eri en
Rsolution
de conflit
Contrle
Slection dinformations
Donnes
Radar, flight-strips, communications
Solutions
alternatives
Dcision
Action
Anticipation
Anticipation
Dcisions
Reprsentation
vnement: conflit?
Avions trop proches
Mises jour
Figure 14: Structure des activits cognitives du modle MoFl (daprs
Leuchter et al., 1997, p. 270)
La reprsentation de la situation, ou limage, inclut les objets, les v-
nements et la relation entre les objets. Limage est considre comme
une construction active permettant de donner du sens entre les lments
de la situation et non comme une addition dlments perus. Elle est
incomplte et temporaire : cest une image oprative. Cette image peut
tre manipule pour faire des prdictions, comprendre les relations entre
les lments qui la constituent, dcider dactions entreprendre etc.
Si un conit est dtect, alors le cycle de rsolution de problme est
enclench. Le contrleur doit slectionner le conit le plus important
grer, et gnrer ou rappeler une solution (solutions alternatives). En-
suite le contrleur devra sassurer que la solution gnre ne causera pas
de problmes supplmentaires (dcision). Enn, le rsultat sera excut
(action).
La coordination des dirents modules se fait grce aux procdures de
contrle. Cest le contrle de procdure qui slectionne le traitement le
plus important et le plus urgent faire. La planication des vnements
est dtermine par ltat de la reprsentation mentale globale du trac.
Ce modle des activits cognitives mises en uvre pour dtecter et
rsoudre des conits dans le cadre du contrle arien en-route sappuie sur
une large base de rsultats empiriques issus dexpriences en psychologie
6.5 synth` ese 117
et en ergonomie. Ce modle a t pens pour sintgrer et fonctionner
en accord avec la thorie unie du fonctionnement humain ACT-R 3.0.
Toutefois, dans les travaux qui relatent lvolution et les caractristiques
du modle, il nest jamais fait rfrence ce quapporte la simulation du
modle ACT-R. Cela pose un problme vident de validation du modle.
Nous avons ici le cas inverse des simulations dtailles prcdemment :
un modle psychologiquement plausible sans simulation versus des simu-
lations bases sur des modles moins psychologiquement valides (ou
arguments).
6.5 synth` ese
Nous voyons bien que ces modles ont des approches direntes. Les
modles CATS, Airmidas et Apex sont principalement orients vers la
simulation de la tche de contrle arien dans un but soit dautomatisa-
tion du contrle arien, soit pour tester de nouvelles technologies ou de
nouvelles mthodes de gestion du trac arien. Le modle MoFl, mme si
aucune donne ne permet de comparer les performances humaines et celle
du modle des considrations plus psychologiques. En eet, les trois
premires architectures prsentes pourraient grandement tre amliores
grce des apports empiriques supplmentaires sur le fonctionnement
cognitif humain. Cela nenlve rien la qualit des rsultats obtenus,
mais ils ont toutefois un intrt limit pour des chercheurs en psychologie
cognitive. De notre point de vue de psychologue, il ne semble pas trs
pertinent de dfendre un modle cognitif si celui-ci nest pas bas sur des
considrations solidement tablies.
De l, il nous parat important de produire des simulations dans des
architectures reconnues en psychologie. Une architecture rgulirement
voque est ACT-R. En eet, ACT-R ore un cadre qui sappuie sur des
dizaines dannes de recherches empiriques et sur des rsultats solides et
vris. Nous avons donc choisi dutiliser larchitecture cognitive ACT-R
pour implmenter notre modle. Le Chapitre 7 dtaille le fonctionnement
de cette architecture, les enchanements de productions et les rsultats
obtenus par notre modle computationnel.
118 un aper cu des si mulati ons de la t ache de contr ole a eri en
Cette revue de question sur les simulations de lactivit de contrle du
trac arien nous a permis de dgager les constats suivants :
Les architectures prsentes ne sont pas susamment fortes sur le plan
thorique ;
Les modles prsents ne se focalisent pas sur le processus de dtection
de conit ;
Le but de ces modles nest pas de tester une thorie psychologique,
mais de tester limpact de nouvelles technologies sur la gestion du trac
arien.
Ces constats nous ont orients vers une implmentation dans larchitecture
cognitive ACT-R 6.0.
7
SI MULATI ON DE LA DTECTI ON DE CONFLI T
DANS ACT- R
Dieu a programm le monde
en LISP.
Informaticien inconnu
proverbe nerd
Le but de ce chapitre est de prsenter les rsultats issus de la mod-
lisation computationnelle du modle hirarchique de prise de dcision
prsent au chapitre 5. La simulation de ce modle est faite dans lar-
chitecture cognitive ACT-R 6.0 (Anderson & Lebiere, 1998 ; Anderson et
al., 2004 ; Anderson, 2007). Dans la suite du chapitre, toute rfrence
ACT-R est relative la version 6 de larchitecture.
Dans un premier temps nous dtaillerons larchitecture ACT-R et son
son fonctionnement, dans un deuxime temps nous prsenterons comment
notre modle est implment et quels sont les rsultats obtenus lors des
simulations.
7.1 larchi tecture act-r
Quest-ce quune architecture cognitive ? Une architecture, dans son
sens le plus gnral, est une structure qui rpond une (ou plusieurs)
fonction(s). Dans le cas qui nous intresse, la fonction de larchitecture est
de rendre compte des processus cognitifs. Plus spciquement, Anderson
(1993) dnit une architecture cognitive comme une thorie des principes
de base des oprations ralises par le systme cognitif. En avanant dans
ses travaux, Anderson (2007) prcise sa dnition :
Une architecture cognitive est une spcication de la struc-
ture du cerveau un certain niveau dabstraction qui permet
dexpliquer comment se ralise la cognition
in How Can the Human Mind Occur in the Physical Universe,
Anderson, J.R., 2007, p.7
119
120 si mulati on de la d etecti on de confli t dans act-r
ACT-R est une architecture cognitive qui intgre une thorie unie
de la cognition humaine
1
. La construction dACT-R rete un ensemble
dhypothses sur la cognition humaine. Ces hypothses sont bases sur de
nombreux faits empiriques provenant dexpriences en psychologie.
ACT-R permet la simulation dun grand nombre de tches (tour de Hano,
mmorisation dune liste de mots, comprhension du langage, pilotage
davion, de voiture, etc.) et permet de crer des modles dapprentissage,
de perception, dattention, de rsolution de problmes etc. Les chercheurs
utilisent ACT-R pour implmenter des modles thoriques. Ces modles
incorporent la fois les lments gnraux dACT-R et des hypothses
inhrentes au contexte de recherche du crateur du modle computationnel.
Le chercheur pourra ainsi comparer les rsultats exprimentaux recueillis
auprs dhumains avec ceux du modle. Les donnes compares sont g-
nralement des temps de rponse, la performance et, plus rcemment, des
donnes neurologiques issues dIRMf
2
. Le processus de comparaison qui
permet de valider les modles se base principalement sur deux indicateurs :
(1) la corrlation et (2) lcart moyen entre les donnes des humains et
celles du modle.
7.1.1 Principes gnraux
ACT-R est une architecture de type modulaire (voir Figure 15). En eet,
la cognition merge de linteraction de dirents modules indpendants.
Il existe trois classes de modules : les modules centraux, perceptifs, et
moteurs. Quatre modules sont responsables du traitement central de lin-
formation : le module imaginal
3
, de but, dclaratif et procdural. Les
modules perceptifs (visuel et auditif) permettent de recueillir des infor-
mations de lenvironnement extrieur. Les modules moteurs (manuel et
vocal) permettent au modle de raliser une action sur lenvironnement.
Nous dtaillerons ces modules un peu plus loin. Il est important de remar-
quer que ces modules ne reprsentent pas lintgralit de ceux qui sont
potentiellement luvre dans lesprit humain, ce sont simplement ceux
qui sont implments dans ACT-R.
Chaque module est capable de produire des traitements parallles mas-
sifs pour atteindre son objectif. Par exemple, le module visuel est capable
de traiter lensemble du champ visuel, le module dclaratif peut recher-
cher dans sa bibliothque de souvenirs une connaissance particulire etc.
1. Cette introduction est adapte du site ddi ACT-R (http ://ACT-R.psy.cmu.edu/).
2. Imagerie par rsonance magntique fonctionnelle : technique dimagerie qui permet
ltude du fonctionnement du cerveau.
3. Il semble que le terme imaginal ait t cr spcialement pour dcrire ce module.
notre connaissance il nen existe pas de traduction ni mme de dnition en langue
anglaise. Nous conserverons cette dnomination.
7.1 larchi tecture act-r 121
Procdural
Auditif
Visuel
Moteur
Imaginal
Vocal
Dclaratif
Goal
Environnement
Figure 15: Les dirents modules implments dans ACT-R 6.
Chaque module communique avec le module procdural via sa propre in-
terface appele buer
4
. Les buers ont une capacit limite : une seule
unit dinformation appele chunk (Miller, 1956) peut tre prsente
dans un buer un instant donn. Le contenu des buers un instant t
caractrise ltat dACT-R ce moment.
La communication entre les modules est ralise grce au module pro-
cdural. Le module procdural value le contenu de chaque buer, et va,
en fonction, chercher une action accomplir pour atteindre un but. Cette
action prend la forme dune requte et va en retour modier le contenu de
certains buers et par consquent changer ltat du modle.
La cognition centrale se compose de quatre modules. Le module de buts
permet au modle de garder une cohrence interne et de poursuivre un
comportement adapt. Le module imaginal permet au modle de conser-
ver une reprsentation de la situation. Cette reprsentation est actualise
en fonction des interactions qua le modle avec lenvironnement ou en
fonction des modications du contenu des buers. Le module dclaratif
permet de garder en mmoire lensemble des connaissances factuelles du
modle comme la terre tourne autour du soleil , ou 1 +1 = 2 . Ces
informations sont contenues dans les chunks. Les chunks reprsentent les
connaissances quun modle peut utiliser pour rsoudre un problme. Un
4. la traduction littrale est mmoire tampon, terme utilis en informatique. Pour des
raisons de commodit, nous conserverons cette appellation.
122 si mulati on de la d etecti on de confli t dans act-r
chunk est dni par son type et ses slots
5
. Le type dun chunk reprsente sa
catgorie (e.g., avion) et les slots les proprits associes cette catgorie
(e.g., son altitude, trajectoire, vitesse, matricule). Chaque slot peut contenir
une information lmentaire ou un chunk. Le module dclaratif a pour
charge de slectionner parmi ses souvenirs celui dont le modle a besoin
pour raliser une action. Le module procdural, comme dcrit plus haut, a
pour but dvaluer le contenu des buers un moment donn. En fonction
du contenu des buers, le module procdural va valuer lensemble des
actions entreprendre et en slectionner une. Les connaissances stockes
dans le module procdural sont appeles productions. Elles sont de la
forme SI ltat des buers correspond aux conditions ncessaires de la
production, ALORS une ou plusieurs requtes sont faites auprs des autres
modules. Dans ACT-R, les habilets complexes sont le rsultat de lencha-
nement de productions lmentaires. Ces enchanements permettent au
modle de mettre en uvre des savoir-faire comme par exemple, conduire
une voiture, taper au clavier, faire une recette de cuisine, etc.
Selon Anderson, une architecture cognitive doit avoir une fonction (i.e.,
rendre compte de la cognition) mais aussi une structure. Dans ACT-R la
structure est le cerveau humain. De fait, chaque module est associ une
partie du cerveau qui correspond lactivit pour laquelle le module a t
cr. Ainsi, nous pouvons dcrire un ensemble dassociations module/zone
crbrale :
module imaginal et rgion postrieure du cortex parital ;
module dclaratif et hippocampe/lobe temporal ;
module procdural et ganglions de la base
6
;
module de buts et cortex cingulaire antrieur ;
module visuel et gyrus fusiform;
module auditif et cortex auditif ;
module moteur et cortex moteur/sensoriel ;
module vocal et cortex moteur/sensoriel.
ACT-R est une architecture cognitive hybride dans le sens o elle fait la
dirence entre les niveaux symboliques et subsymboliques. Le niveau
symbolique est une reprsentation abstraite de la faon dont le cerveau
encode une connaissance. Le niveau subsymoblique est une reprsentation
abstraite du rle des connections neuronales qui rendent cette connaissance
disponible. La structure subsymbolique est reprsente par un ensemble
de processus parallles qui peuvent tre dcrits par des quations math-
matiques. Les structures de connaissances symboliques (i.e., les chunks,
les productions) sont associes des quantits symboliques reprsentant
5. un slot est un emplacement qui contient une information.
6. Plus particulirement, la mise en correspondance du contenu des buers et des
productions est associe au striatum, la slection de production est associ au pallidum et
lexcution au thalamus.
7.2 les modules 123
des quantits subsymboliques. Ces quantits inuencent le choix et la
rapidit avec laquelle la structure va tre traite. Par exemple, en mmoire
dclarative, un chunk reprsente le niveau symbolique et son activation
le niveau subsymbolique. De mme, en mmoire procdurale, la plupart
des productions relvent du niveau symbolique et leurs utilits relvent du
niveau subsymbolique.
La partie suivante dtaille le fonctionnement des principaux modules
dACT-R. Elle permettra au lecteur den comprendre les mcanismes sous-
jacents et facilitera la comprhension de notre modle.
7.2 les modules
Les modules sont spciques une activit cognitive. Ils grent les buts,
les reprsentations en mmoire des connaissances ou de la situation, et
les interactions avec lenvironnement. Cette partie prsente en dtail les
modules les plus importants dACT-R. Nous commencerons par dcrire les
modules dclaratif, procdural, perceptif, moteur et nalement le module
de gestion des buts.
7.2.1 Le module dclaratif
Au niveau symbolique, le module dclaratif contient lensemble de
savoirs factuels du modle. Au niveau subsymbolique, il contient len-
semble des mcanismes responsables de la slection dune connaissance
en fonction des requtes du module procdural. Une grande quantit din-
formations nous sont directement accessibles, par exemple, nous savons
depuis longtemps que 1 + 1 = 2, cette information est stocke et nous
navons pas recalculer chaque fois laddition. Cependant il y a tout
un ensemble de situations dans lesquelles le rappel dinformations nest
pas aussi simple (souvenez-vous de ces terribles examens). Il est donc
assez facile de stocker de linformation mais le rappel peut tre bien plus
compliqu.
Un composant majeur de la thorie dACT-R repose sur le principe
dactivation qui contrle laccs aux informations contenues en mmoire
dclarative. Le comportement de la mmoire dclarative (comme celle
de la mmoire procdurale que nous verrons plus loin) est rgi par un
ensemble dquations et de paramtres qui jouent un rle critique dans lin-
tgration des informations. Nous allons prsenter les principales quations
et paramtres ncessaires au calcul de lactivation des chunks en mmoire
dclarative.
De manire gnrale, chaque chunk en mmoire dclarative a un niveau
dactivation qui lui est propre. Ds que le niveau dactivation dun chunk
dpasse un seuil alors il pourra tre slectionn. Dans le cas o plusieurs
124 si mulati on de la d etecti on de confli t dans act-r
chunks ont une activation suprieure au seuil, alors celui qui a la plus forte
activation va tre choisi. Une fois quun chunk est choisi le modle mettra
plus ou moins de temps le rappeler. De faon plus formelle, lactivation
dun chunk en mmoire dclarative est la somme dun niveau de base
dactivation qui rete son utilit gnrale et dune activation associe qui
rete la pertinence dutilisation dune telle connaissance dans le contexte
actuel. Lactivation (A
i
) dun chunk i est dnie par :
A
i
= B
i
+
B
i
est le niveau dactivation de base du chunk i, il rete la rcence et
la frquence dutilisation du chunk. Le paramtre est le bruit associ
chaque calcul dactivation. Il est compos de deux facteurs : un bruit
permanent associ chaque chunk au moment de sa cration et un bruit
instantan calcul chaque requte de rcupration. Lactivation dun
chunk contrle la fois la probabilit quil a dtre rappel et aussi la
vitesse laquelle il sera retrouv en mmoire dclarative. Lactivation de
base B
i
varie au cours du temps en fonction du nombre de fois o le chunk
i a t utilis et depuis combien de temps :
B
i
= ln(
n

j=1
t
d
i
)
Ici, t
i
est le temps coul depuis le i
me
activation, d est un paramtre
de dclin de lactivation. Nous pouvons remarquer que le niveau dacti-
vation de base crot avec la frquence dutilisation du chunk (principe de
renforcement), mais que si le chunk est peu utilis, son activation de base
baisse avec le temps.
Nous avons vu comment tait calcule lactivation dun chunk i et de
quels paramtres cette activation dpendait. Lactivation A
i
dun chunk
i inuence sa probabilit de rappel. Un chunk est rappel uniquement si
son activation dpasse un certain seuil . Du fait de la nature bruite des
valeurs dactivation, il existe une certaine probabilit pour quun chunk
soit au-dessus du seuil. Cette probabilit P
i
est donne par lquation :
P
i
=
1
1 +e
(A
i
/)s
Le paramtre s permet de contrler le bruit perturbant les niveaux
dactivation. Si un chunk est retrouv alors le temps de latence avant
son extraction de la mmoire dclarative est inuenc par son niveau
dactivation A
i
, le temps est calcul suivant lquation suivante :
T
i
= Fe
A
i
Ici, F est un facteur de latence. Les valeurs de s, et F sont des valeurs
qui peuvent varier lgrement dun modle un autre.
7.2 les modules 125
Cette thorie permet de faire une distinction entre mmoire explicite
et mmoire implicite. La mmoire explicite fait rfrence aux chunks
spciques qui peuvent tre retrouvs et inspects. La mmoire implicite
rete le processus subsymbolique dactivation qui gouverne laccessibilit
aux souvenirs.
7.2.2 La mmoire procdurale
Comme vu en introduction, il y a deux types de connaissances dans ACT-
R : les connaissances dclaratives et les connaissances procdurales. Les
connaissances dclaratives sont structures en chunks, les connaissances
procdurales sous forme de productions. Nous allons prsenter comment
sont gres les productions.
Une approche utilitariste du systme de production
Nous avons vu quACT-R est constitu de plusieurs modules indpen-
dants. Chaque module dlivre de linformation sous forme de chunk dans
le buer qui lui est propre. Le systme de production collecte lensemble
des informations contenues dans les buers et dcide quel comportement
adopter pour atteindre le but x. Lide principale du systme de pro-
duction dACT-R est quil est possible pour un tat donn des buers
que plusieurs productions soient activables, mais quune seule peut tre
slectionne par le systme un instant t. Pour rsoudre ce problme, le
systme de production dACT-R est rgi par le principe dutilit. chaque
production est associ un calcul dutilit. Si plusieurs productions sont
ligibles alors celle qui possde la plus forte utilit sera slectionne. Les
valeurs dutilit des productions sont bruites et varient constamment en
quantit linstar de lactivation des chunks en mmoire dclarative dont
elles dpendent.
Les utilits associes une production sont bruites et varient ala-
toirement (cf. quation ci-dessus). Si n productions correspondent aux
conditions requises pour leur activation (i.e., sont en concurrence) alors la
probabilit de slectionner la i
me
production dpend des utilits U
i
de la
production n en fonction de la formule suivante :
P
i
=
e
U
i
/t

n
j
e
U
j
/t
La sommation concerne les n productions ligibles, et t est le paramtre
de bruit relatif aux productions.
Il existe un mcanisme dapprentissage qui permet dajuster la valeur
dutilit dune production en fonction de sa frquence dutilisation et du
rsultat obtenu suite son activation : cest lutilit apprise. Pour faire
126 si mulati on de la d etecti on de confli t dans act-r
simple, la valeur dutilit dune production i lors de sa n
ime
utilisation
U
i
(n) est gale :
U
i
(n) = U
i
(n1) +[R
i
(n) U
i
(n1)]
Ici, reprsente la vitesse dapprentissage et R
i
(n) est la rcompense
associe la production U
i
lors de son excution. Le terme R
i
est para-
mtrable pour chaque production. Une fois quune production est choisie,
elle met 50 ms tre excute dans le cas gnral.
En termes dapprentissage il existe galement un systme de com-
pilation de rgles de productions . Ce systme de compilation permet
grce lexprience de fusionner plusieurs productions en une seule. La
consquence directe est que le modle est capable de rsoudre le mme
problme en moins de temps puisquil met en uvre moins de produc-
tions : il est plus performant. Comme lobjet de cette thse est de simuler
le comportement de contrleurs dj experts, nous ne dtaillerons pas plus
ces mcanismes. En eet, les participants notre exprience ont dj d
compiler leurs productions depuis un long moment.
Les productions dans ACT-R
Nous allons dcrire brivement la syntaxe dune rgle de production. Les
rgles de production sont de la forme : SI (conditions) ALORS (actions).
La partie condition est appele Left Hand Side (LHS)
7
, la partie action est
appele Right Hand Side (RHS)
8
. La LHS spcie le pattern de chunks
qui doivent tre prsents dans les dirents buers pour que la rgle de
production puisse tre choisie. Elle spcie galement ltat des dirent
modules lorsque cela est ncessaire. La RHS spcie les actions mener.
Ces actions peuvent permettre de crer ou de modier un chunk, de faire
une requte auprs dun module spcique, de garder en mmoire une
information particulire... Il est possible que plusieurs productions soient
en comptition un instant t parce quelles satisfont toutes les conditions
requises dans le LHS. Quoi quil en soit, une seule sera choisie (cf. la
rsolution de conit des rgles de production) et applique. Une fois
quune production a t excute, le systme de production value
nouveau le contenu des buers et slectionne une production qui saccorde
avec ltat des buers, jusqu ce que le modle ait termin sa tche. Le
Listing 7.1 prsente un exemple dune production extraite de notre modle.
7. Partie gauche de la production, left hand side.
8. Partie droite de la production, right hand side
7.2 les modules 127
Listing 7.1: Exemple de syntaxe dune production ACT-R
(p FirstAircraft-encode-visual-location-Fleche
=goal>
isa Trial
state Visual-Location-Detected
=visual>
isa aircraft
=imaginal>
isa aircraft
?visual>
state free
==>
=goal>
state SearchAltitude
+visual-location >
ISA TEXTE-VISLOC
Vpos bottom
:nearest current
-visual>
=imaginal>
)

Cette production se lit de la faon suivante : SI le but est de rpondre


un essai et quil en est ltape de dtection dun avion, ET que lattention
est porte sur un avion, ET que la reprsentation de la situation du modle
est un avion, ET que le module visuel est disponible, ALORS le but va
tre de rechercher une altitude
9
EN dplaant son attention sur laltitude
situe dans son tiquette et EN conservant la reprsentation de la situation.
La modication du chunk dans le buer du but, ainsi que la requte faite
au systme de localisation visuelle va changer ltat interne du modle.
Suite ces changements, le systme de production recherchera la ou les
productions qui satisferont ce nouvel tat. Il en slectionnera une qui son
tour changera ltat du modle, et ainsi de suite jusqu la n de la tche.
7.2.3 Les modules perceptifs et moteurs
Dans les versions antrieures ACT-R 5, larchitecture dcrivait prin-
cipalement une cognition centrale de haut niveau qui ne prenait pas en
compte la perception et les actions produire dans un environnement. Pour
rendre ACT-R plus proche de ce que peut tre la cognition humaine, les
modules visuel, auditif, moteur et oral ont t rajouts.
9. NB : On considre que le contrleur sait exactement o se trouve laltitude dans
les tiquettes.
128 si mulati on de la d etecti on de confli t dans act-r
Dans ACT-R le systme visuel est spar en deux modules, un module
de localisation et un module de reconnaissance. Ils permettent de savoir o
se trouve un objet et de quel type est cet objet. Le module de localisation
permet de localiser un object et le module de reconnaissance permet de
lidentier. Pour faire simple, quand une production requiert de localiser un
objet, elle spcie une srie de contraintes qui seront traites par le systme
de productions. Ces contraintes sont des proprits visuelles de lobjet
trouver. Ce peut tre sa couleur, son emplacement relatif, le fait que lobjet
vienne juste dapparatre lcran, ses coordonnes, etc. Ces informations
sont regroupes dans un chunk. Une fois quun objet correspondant aux
contraintes est trouv (i.e., si le chunk saccorde avec un objet peru par le
modle), le modle dplace son attention sur lobjet pour le reconnatre.
partir de ce moment le systme visuel responsable de la reconnaissance
des objets cre un nouveau chunk reprsentant cet objet qui sera plac
ultrieurement en mmoire dclarative. Dans ACT-R, on suppose que les
mouvements oculaires suivent les dplacements dattention.
Le module auditif permet au modle de capter des sons de lenviron-
nement. Il peut donc en fonction du but en cours ragir ces sons, les
reconnatre, etc.
Le module moteur, comme son nom lindique, est responsable de l
activit motrice que le modle peut avoir faire dans lenvironnement.
lheure actuelle, le module moteur ne permet au modle que lutilisation
dune seule main. De faon gnrale, ce module sert principalement au
modle utiliser un clavier, une souris ou tout autre lment externe.
Le module oral permet au modle de gnrer des mots. Il se base sur un
modle des mouvements des muscles du visage et de la langue.
Les modules perceptifs et moteur servent donc principalement lin-
teraction modle/environnement qui faisaient dfaut ACT-R avant la
version 5.
7.2.4 Le module des buts
La plupart des activits dun systme cognitif rpondent un but. Il
peut tre volontaire comme acqurir des informations partir de lenviron-
nement ou aller chercher des informations en mmoire dclarative. Il se
peut galement que le but soit impos par lenvironnement. Par exemple,
si une alarme se dclenche dans lenvironnement, alors ce fait extrieur
peut simposer et modier le but en cours de ralisation. Pour arriver un
but il est courant denchaner plusieurs actions direntes. Par exemple, si
vous avez envie dun th, il va falloir dans un premier temps trouver une
bouilloire, la remplir avec de leau, allumer le gaz, la mettre chauer,
aller chercher le th, le faire infuser, aller chercher une tasse, y faire couler
le th infus pour enn le dguster. Heureusement ltre humain arrive
7.3 le mod` ele act-r 129
plutt bien retenir lordre des oprations ncessaires pour atteindre un
but prcis. Le module des buts est limplmentation de cette aptitude. Il
permet au modle dordonner les buts et les sous-buts ncessaires pour
accomplir une tche.
Nous avons vu que lactivation et la rcupration dun chunk en mmoire
dclarative, ainsi que lactivation dune production, prenait un certain
temps. Il en est de mme pour certains modules. Par exemple, crer une
nouvelle reprsentation de la situation et la placer dans le buer du module
imaginal prend 200 ms. Les cots en temps de lactivation de connaissance
permettent de faire des prdictions des temps de rponse du modle. En
eet, comme la cognition dans ACT-R est caractrise par lenchanement
dactions, et que chaque action prend du temps, alors les temps de rponse
du modle sont la sommation des temps ncessaires chaque activation
ou modication de ltat du modle. Toutefois, les temps relatifs aux
traitements parallles ne sont pas pris en compte, puisquils sont, par
dnition, eectus simultanment avec les processus sriels.
7.3 le mod` ele act-r
Dans cette partie nous prsenterons en dtail la faon dont le modle
psychologique dcrit au chapitre 5 a t programm. Dans un premier
temps, nous dcrirons la structure des buts que le modle doit suivre
pour raliser la tche. Cette tape est importante car cest la structure
des buts qui permet au modle davoir une cohrence interne, cest--
dire quelle permet lenchanement logique des actions que le modle
doit entreprendre. Dans un deuxime temps, nous dtaillerons lensemble
des processus cognitifs qui permettent de rpondre chaque sous-but.
Nous verrons comment les rsultats des tudes que nous avons menes
nous ont permis de trouver des solutions des problmes soulevs par la
modlisation. Finalement, nous prsenterons les rsultats obtenus suite
la comparaison des performances du modle avec celles des contrleurs
humains.
7.3.1 La structure des buts
Comme vu prcdemment, lorganisation hirarchique des buts permet
au modle ACT-R davoir une cohrence interne et dorganiser ses com-
portements an de remplir ses objectifs. La Figure 16 prsente lensemble
des buts et sous-buts que le modle doit suivre pour pouvoir dcider si une
intervention est ncessaire ou non lors de lexprience.
La structure des buts est calque sur celle du modle psychologique
prsent la n du chapitre 5. Le premier but est trs global et permet
au modle dtre dans un tat qui lui demande de raliser une exprience
130 si mulati on de la d etecti on de confli t dans act-r
constitue de plusieurs essais. Au dbut de lexprience, le modle va rep-
rer et encoder lchelle reprsentant 5 miles nautiques. Une fois lchelle
mmorise, le modle commence le premier scnario. Il enchanera la
totalit des 56 scnarios conformment la rplication du protocole exp-
rimental prsent au chapitre 5.
partir du moment o deux avions sont achs, le modle va :
1. Rechercher les altitudes de chaque avion. Simultanment, il encode
lorientation du vecteur vitesse ;
2. Tester, avant le traitement symbolique des altitudes, si les avions
sont divergents. Sils le sont, alors il ny a pas de conit et le mo-
dle prend sa dcision. Il passe alors lessai suivant, autrement il
poursuit son diagnostic ;
3. Comparer les deux altitudes pour valuer la sparation verticale.
Si les avions sont spars, alors le modle estime quil nest pas
ncessaire dintervenir, autrement il continue le processus ;
4. valuer le direntiel des vitesses entre les deux avions ;
5. Prendre en compte langle de convergence pour traiter chaque cas
de faon spcique :
Dans le cas de poursuite, lobjectif du modle est de savoir si
lavion le plus rapide est devant ou derrire lavion le plus lent.
En fonction de cette position relative le modle pourra prendre
une dcision. Si lavion le plus rapide est devant le plus lent, alors
il ny a aucun risque de conit. Si lavion le plus lent est devant
le plus rapide, alors il y a un risque de rattrapage et le modle
dcidera dintervenir ;
Dans le cas de face--face, le modle aura pour objectif dvaluer
lcart de distance entre les deux trajectoires portant les avions
(i.e. le Dt
h
) ;
Dans le cas des avions convergents, le modle devra localiser le
point dintersection pour estimer quel est lavion le plus proche
de ce point et quelle est la distance relative entre les deux avions ;
6. Prendre une dcision nale concernant la possibilit dintervenir ou
non.
Lorganisation hirarchique des dirents buts permet dobtenir la struc-
ture globale du modle, son squelette. Toutefois, elle ne permet pas de
dcrire quels sont les processus cognitifs mis en uvre chaque sous-but
du diagnostic. La partie suivante dtaille comment le modle opre pour
raliser chaque sous-but.
7.3 le mod` ele act-r 131
Exprience
Encodage de lchelle
Essai(s)
Recherche des
altitudes
Divergence?
Sparation
verticale?
valuation des vitesses relatives
Estimation de la
position relative
devant/derrire
Cas des Poursuites:
0
Cas des face--face:
180
valuation du Dt
h
Angles convergents:
45 ; 90 ; 135
1-Estimation de
lintersection
2-Estimation de la
distance relative des
avions
Dcision
Oui
Non
Non
Oui
Figure 16: Script dtaill de lensemble des buts poursuivis par le modle
lors de lexprience.
132 si mulati on de la d etecti on de confli t dans act-r
7.3.2 Les processus cognitifs impliqus dans chaque sous-but
Construire une structure des buts cohrente ne sut pas pour quun
modle soit ecace, ce nest quune condition ncessaire. En eet, chaque
but est accompli grce un enchanement de productions spciques. Lob-
jectif de cette partie est de dtailler comment les sous-buts sont raliss.
Pour ce faire, nous dcrirons comment les informations sont acquises, or-
ganises et utilises par le modle et comment les direntes productions
saccordent pour que le modle atteigne son objectif. Nous tenterons de
justier chacun de nos choix grce aux travaux dcrits dans les chapitres
prcdents. Pour chaque tape, nous prsenterons :
Les spcicits du sous-but ;
La stratgie gnrale utilise pour rsoudre le sous-but ;
Limplmentation de la stratgie dans le modle.
Comme nous modlisons des processus dexperts, aucun apprentissage
de connaissances procdurales nest envisag puisquelles sont censes
tre dj acquises.
Avant daller plus loin, nous attirons le lecteur sur la dirence que
nous ferons entre calculer et estimer . Les estimations faites par
le modle sont issues de calculs mathmatiques. Les estimations sont
soit qualitatives, soit dformes (dans le cas des estimations de distance).
Le modle na donc accs qu des informations imprcises issues de
direntes fonctions. Chaque fonction permettant de faire une estimation
sera dtaille lorsquelle sera voque.
Un autre dtail nous parat important : nous partons du principe se-
lon lequel la reprsentation de la situation du modle (i.e. le contenu du
chunk activ dans le buer imaginal) varie en fonction du but en cours.
Le modle dispose dun chunk qui lui permettra dencoder la reprsen-
tation globale de la situation. En dautres termes, ce chunk va recueillir
lensemble des informations ncessaires pour prendre une dcision tout
au long dun scnario. Au dbut de chaque tape, ce chunk sera mis en
mmoire dclarative et remplac par un chunk plus spcique au sous-but
en cours. Une fois le sous-but ralis, le chunk gnral sera rappel. Les
informations pertinentes y seront encodes. Cet encodage va modier la
reprsentation de la situation du modle et lui permettre destimer sil est
ncessaire de traiter davantage dinformations ou sil peut prendre une
dcision.
Au moins deux raisons nous ont pousss faire ce choix. Premirement,
nous avons vu rapidement quun chunk tait constitu demplacements
dans lesquels les connaissances viennent se loger. Un chunk a donc plu-
sieurs slots, or le nombre de connaissances que nous pouvons activer nest
pas illimit. Si nous avions conserv un chunk gnral qui stockait toutes
les informations ncessaires ltablissement du diagnostic nous aurions
7.3 le mod` ele act-r 133
Table 10: Chunks utilis par le module imaginal en fonction des sous-buts
du processus de prise de dcision.
Sous-but Chunks utiliss
Test de la divergence Aircraft
Detectconict
Test des altitudes FlCompare
Detectconict
Traitement des vitesses NumSpeedCompare
Detectconict
Avions en poursuite (0) GetAhead
Detectconict
Avions face--face (180) DthCompare
Detectconict
Avions convergents GetIntersection
Detectconict
construit un chunk de plus de treize slots en fonction des congurations.
De plus, la partie condition de certaines productions aurait d faire inter-
venir une dizaine de slots du mme chunk au mme instant. Ceci nest
pas trs plausible psychologiquement parlant. Deuximement, nous avons
trouv plus raliste que la reprsentation de la situation pouvait alterner
entre un niveau global et un niveau plus spcique en fonction du but du
modle. En eet, lorsque nous nous appliquons raliser un sous-but pour
rpondre un objectif, nous sommes rgulirement focaliss sur la ralisa-
tion du sous-but pour ensuite revenir la tche globale. Ce changement de
reprsentations alternes est simul grce aux variations du type de chunk
prsent dans le module imaginal. Le lecteur trouvera dans la Table10 le
type de chunk utilis lors de la ralisation de chaque sous-but et, dans la
Table11 le contenu des chunks spciques chaque tape de traitement.
tape 1 : Recherche des altitudes et encodage de lorientation de chaque
avion
Quelle que soit la conguration des avions, le modle va rechercher
les informations sur les altitudes des avions et encoder galement leur
orientation. Le modle testera si les deux avions divergent ou non.
lachage du scnario, le modle va porter alatoirement son attention
sur un lment de lcran et lencoder. Cet lment peut tre un vecteur
134 si mulati on de la d etecti on de confli t dans act-r
Table 11: Dtails de chaque chunk utilis par le module imaginal lors du
processus de prise de dcision.
Aircraft Id Nom de lavion
FL Altitude
Speed Vitesse
Heading Angle
X Coordonnes en X
Y Coordonnes en Y
Slope Pente de la trajectoire
DetectConict Aircraft A Nom avion A
Aircraft B Nom avion B
Angle Angle de convergence
FLs Direntiel daltitude
Faster Avion le plus rapide
Closer Avion le plus proche du point dintersection
Ahead Avion poursuivi (0)
Dth Sparation latrale estime
Gestalt Impression globale de la situation
Response Rponse nale
FLCompare Aircraft A Nom avion A
Aircraft B Nom avion B
FLA Altitude avion A
FLB Altitude avion B
Di Dirence daltitude
NumSpeedCompare Aircraft A Nom avion A
Aircraft B Nom avion B
VA Vitesse de lavion A
VB Vitesse de lavion B
Faster Avion le plus rapide
Di Dirence de vitesse entre A et B
GetAhead Aircraft A Nom avion A
Aircraft B Nom avion B
X Coordonne en x de lavion lors du calcul du produit scalaire
Y Coordonne en y de lavion lors du calcul du produit scalaire
ScalA Produit scalaire relatif lavion A
ScalB Produit scalaire relatif lavion B
Faster Nom de lavion le plus rapide
Ahead Nom de lavion poursuivi
DthCompare Aircraft A Nom avion A
Aircraft B Nom avion B
Focal Nom de lavion partir duquel la trajectoire est extrapole
Xf Coordonnes en x de lavion qui sert dancrage pour la projection de trajectorie
Yf Coordonnes en y de lavion qui sert dancrage pour la projection de trajectorie
A Pente de la trajectoire extrapole
B Ordonne lorigine de la trajectoire extrapole
Dth Distance entre la trajectoire extrapole et lavion non focal
GetIntersection Aircraft A Nom avion A
Aircraft B Nom avion B
DiDto Dirence entre DistanceA et DistanceB
Closer nom de lavion le plus proche de lintersection
DistanceA Distance entre lavion A et le point de croisement des trajectoires
DistanceB Distance entre lavion B et le point de croisement des trajectoires
First Nom de lavion sur lequel lattention fut porte en premier
SlopeA Pente de lavion A
SlopeB Pente de lavion B
7.3 le mod` ele act-r 135
vitesse, le plot reprsentant lavion, un texte inclus dans ltiquette dun
avion...
Une fois cette courte tape passe, le modle dplacera son attention vers
la reprsentation symbolique de laltitude de lavion le plus proche. Ainsi,
la premire prise dinformation utile se fait sur laltitude, conformment
aux donnes oculomtriques recueillies dans lexprience du chapitre 5.
Lors de lencodage de laltitude, le modle va galement encoder lorien-
tation du vecteur vitesse de lavion. Ce processus nest pas sriel mais
parallle. En eet, il est probable quun processus analogique parallle
soit activ lors de lacquisition de donnes symbolique an dencoder la
disposition spatiale de lavion (cf. discussion du chapitre 5). cet instant,
le modle construit sa premire reprsentation de la situation, et lencode
dans un chunk. Ce chunk collecte les informations dun unique avion
(altitude et orientation) et passe immdiatement en mmoire dclarative.
Ensuite, le modle va porter son attention et encoder laltitude et lorien-
tation du second avion suivant le mme principe. Ces informations vont
tre encodes dans nouveau chunk dont la structure est similaire celui
prcdemment dcrit.
ce moment, il existe en mmoire dclarative un chunk associ au
premier avion et un chunk dans le buer imaginal associ au second. Le
chunk en mmoire dclarative va tre rappel et le modle va estimer
langle que forment les deux trajectoires. Le modle estime langle de
convergence et lencode sous la forme convergent , poursuite ,
face--face , ou divergent . Simultanment, une nouvelle requte sera
faite au module imaginal pour crer un nouveau chunk qui va encoder les
noms des deux avions et le type dangle que forment leurs trajectoires. Les
dirents slots de ce chunk seront remplis en fonction de lavance du
modle dans son diagnostic.
Le modle sait donc quil existe deux avions A et B dont les trajectoires
forment un angle particulier. Toutefois, les altitudes ne sont pas encore
encodes dans ce chunk. En eet, le traitement analogique des trajectoires
se fait avant le traitement symbolique des altitudes, conformment aux
donnes recueillies au chapitre 5 : les angles divergents sont traits plus
rapidement que nimporte quelle conguration spatiale, indpendamment
du direntiel daltitude.
Si les avions sont divergents, alors le modle peut prendre une dcision
de non-intervention puisque les avions ne se croiseront jamais. Dans
tous les autres cas, le modle va changer de but et passer au suivant : la
comparaison des niveaux de vol.
136 si mulati on de la d etecti on de confli t dans act-r
tape 2 : Comparaison des altitudes
Le modle a maintenant pour but de calculer la sparation verticale. En
fonction de la dirence daltitude, le modle prendra la dcision soit de
ne pas intervenir, soit de continuer plus en profondeur le processus de
dcision.
Au dpart de cette tape le modle a une reprsentation limite de la
situation : il voit deux avions sur des trajectoires non divergentes. Le
modle a besoin dinformations supplmentaires pour pouvoir dcider de
la possibilit dune intervention ou non. Son objectif, conformment la
structure des buts, va tre de tester la sparation verticale, autrement dit de
rpondre la question Est-ce que les altitudes sont spares de plus de
1000 pieds ? . Le contenu du buer imaginal va changer pour un chunk
spcique ce sous-but. Ce chunk contient tout dabord les noms des deux
avions. Premirement, le modle va chercher en mmoire dclarative un
chunk correspondant un des deux avions prsents lcran. Il rcupre
linformation de laltitude et lencode dans le chunk du buer imaginal.
Le modle ritre cette opration pour le second avion. Ds lors, le chunk
dans le module imaginal contient les deux altitudes de chaque avion. Le
modle calcule alors la dirence entre les deux altitudes. Simultanment
il fait une requte en mmoire dclarative pour retrouver le chunk gnral
contenant les informations pertinentes sur la situation. Une fois que ce
chunk est rcupr en mmoire dclarative, le direntiel daltitude y est
encod. Si le direntiel est suprieur 1000 pieds, alors la dcision de
non intervention est prise puisque les avions sont verticalement spars.
Dans tous les autres cas le modle doit continuer son diagnostic : il va
donc comparer les vitesses.
tape 3 : Comparaison des vitesses
Arriv cette tape, le modle sait que les deux avions prsents lcran
prsentent un risque de perte de sparation puisquils sont au mme niveau
de vol et ne divergent pas. Le traitement des vitesses est la premire
tape ncessaire au modle pour valuer le risque de perte de sparation
horizontale (i.e., le Dth).
La stratgie adopte cette tape est simple : le modle va rechercher
les vitesses de chaque avion en dplaant son attention dans les tiquettes.
Il va ensuite les comparer pour connatre le direntiel de vitesse. Ltape
de recherche des vitesses reste cohrente avec les donnes oculomtriques
recueillies dans le chapitre 5. En eet, la vitesse est le deuxime type
dinformation que les ATC vont rechercher aprs les altitudes.
De la mme manire que pour le traitement des altitudes, le chunk
contenu dans le buer imaginal va tre remplac par un chunk plus sp-
cique. Ce nouveau chunk contiendra les vitesses de chaque avion, ainsi
7.3 le mod` ele act-r 137
que le nom de lavion le plus rapide. Le modle va rechercher linforma-
tion vitesse dans ltiquette dun avion. Il va ensuite lencoder dans le
chunk NumSpeedCompare . Il fait exactement la mme chose avec la
vitesse du second avion. Une fois que le modle connat les deux vitesses,
il les compare et peut dterminer quel est lavion le plus rapide. Si les
vitesses sont gales, le modle encodera que les vitesses sont identiques.
Ds lors, trois types de productions peuvent tre invoqus pour continuer
le processus de prise de dcision.
Conformment au modle psychologique dcrit au chapitre 5, les proces-
sus de traitement de linformation dirent en fonction de la conguration
gomtrique des trajectoires :
Si les avions se poursuivent (0) alors le modle va dterminer quel
avion est plac devant lautre ;
Si les avions sont en face--face (180) alors le modle va estimer
lcart de distance existant entre les deux droites portant les avions ;
Si les avions sont convergents, alors le modle tentera de reconnatre
des congurations types. Sil ny arrive pas, il va dlibrment enta-
mer une srie de procdures an destimer avec prcision le Dt
h
.
tape 4a : Le cas des poursuites
Une stratgie simple et ecace dans le cas des poursuites est de savoir si
lavion qui est devant est le plus rapide ou le plus lent. Dit plus simplement,
est-ce que lavion le plus rapide risque de rattraper lavion le plus lent ?
Dans notre dispositif exprimental nous avons manipul les vitesses selon
deux modalits, identiques ou direntes . Dans le cas des vitesses
identiques, si les avions sont dj spars, ils ne pourront pas se rejoindre :
il est donc certain quil ny aura pas de conit. Le modle pourra prendre
une dcision. Si les vitesses sont direntes alors il faut dterminer lavion
en tte et lavion poursuivant.
Dans un premier temps, le chunk contenant la reprsentation globale
de la situation est mis jour avec les nouvelles informations concernant
les vitesses. Il est ensuite remplac par un chunk spcique aux cas de
poursuites. Le modle va dplacer son attention vers un des deux avions et
encoder sa position sous la forme de coordonnes de type A(x
a
;y
a
). Le
modle va calculer et encoder le produit scalaire entre le vecteur
10

OA
et le vecteur

OA

. Le modle va faire exactement la mme chose avec le


second avion. Les produits scalaires sont compars. Le produit scalaire le
plus grand indique au modle quel avion est en tte. Le chunk contenant
les informations sur la reprsentation globale de la situation va tre rappel
et mis jour avec linformation de la prcdence. Quel que soit le Dt
h
,
le modle prendra une dcision dintervention si lavion le plus rapide
10. O est lorigine du repre orthonorm.
138 si mulati on de la d etecti on de confli t dans act-r
est plac derrire lavion le plus lent car il y a un risque de rattrapage.
Si lavion le plus rapide est plac devant le plus lent, le modle dcidera
de ne pas intervenir. Dans tous les cas, le modle prendra sa dcision et
procdera la requte du prochain scnario.
tape 4b : Le cas des face--face
Dans le cas des trajectoires opposes, la solution qui nous paraissait la
plus pertinente tait de comparer directement la distance sparant les deux
avions sans prendre en compte le direntiel de vitesse. Cette ide a t
remise en cause suite aux rsultats obtenus lors de lexprience prsente
au chapitre 5. En eet, les donnes montraient que les ATCprenaient quand
mme les vitesses en compte dans ce type de conguration. Toutefois, une
fois que les informations relatives aux altitudes et aux vitesses ont t
traites, la solution pour rsoudre ce type de cas reste destimer lcart de
distance qui existe entre les deux droites parallles portant les trajectoires
de chaque avion. Si on revient sur les rsultats prsents au chapitre 5, on
peut voir que les temps de rponse sont plus courts dans les cas o lcart
entre les deux trajectoires est faible (2,5 NM) compar aux cas o les deux
droites sont plus largement loignes (7,5 NM). Comment expliquer et
modliser cette dirence ?
Si les temps de rponse sont plus courts dans une condition A que dans
une condition B cest quil est envisageable que A implique moins de
processus cognitifs, et donc moins de productions, que B. Nous sommes
partis de lide que les contrleurs pouvaient valuer rapidement la con-
guration gomtrique des avions. Lorsque cette conguration est vidente,
alors le contrleur peut dcider soit dintervenir si les trajectoires sont
trop proches, soit de ne pas intervenir si les trajectoires sont susamment
loignes. Dans les cas moins vidents, les contrleurs ne peuvent pas
prendre une dcision de faon certaine et doivent simpliquer dans des
processus supplmentaires. Il est donc possible que les congurations
avec un Dt
h
de 2,5 NM soient plus rapidement reconnues car la distance
sparant les deux droites portant les trajectoires de chaque avion sloigne
susamment du critre de prudence des ATC. Dit autrement, plus cest
proche moins cest bon, donc conit ! .
En termes de modlisation, nous avons suppos que la conguration
gomtrique des avions peut tre perue comme un tout. Il est donc pos-
sible que lattention ne soit pas porte spciquement sur un lment de
lcran mais quau contraire, toute la conguration dans son ensemble soit
prise en compte et value. Sur la base de limpression laisse par cette
valuation globale, le contrleur peut soit conclure sur le risque de perte
de sparation, soit linverse poursuivre le traitement des informations
prsentes lcran pour lever un doute. Notre principal problme a t
7.3 le mod` ele act-r 139
destimer le seuil perceptif partir duquel les contrleurs doutent. Il fut
dicile partir de nos donnes destimer ce seuil prcisment. En eet,
la variable Dt
h
utilise pour ce protocole navait que deux modalits (2,5
ou 7,5 NM) ce qui tait trop peu pour mesurer correctement un seuil.
Nous avons donc choisi dutiliser un autre indicateur : la frquence des
erreurs (fausses alarmes). Dans le cas du Dt
h
de 2,5 NM, les ATC nont
fait aucune erreur, dans le cas dun Dt
h
de 7,5 NM on a constat que
le taux global de fausses alarmes tait de 50%. Dans le dernier cas, on
pouvait estimer que les ATC donnent leurs rponses quasiment au hasard.
Certes le hasard nest pas ncessairement la seule explication, il se pourrait
par exemple que deux groupes homognes de contrleurs aient eu des
stratgies direntes, par exemple, 50% des ATC auraient t prudents,
alors que les 50% restants auraient eu un critre moins strict pour dtermi-
ner la possibilit dune intervention. Malheureusement, nos donnes ne
permettaient pas de conrmer ou dinrmer cette hypothse.
la n de ltape 3, le modle va choisir de mettre en place la stratgie
propre aux avions en face--face. Dans un premier temps, le modle value
globalement la conguration gomtrique. Nous pensons que ce processus
est perceptif et parallle. Par consquent, nous avons programm une
fonction LISP qui permet au modle destimer lcart de distance entre
les deux droites parallles. Si lcart est infrieur la norme des 5 NM,
alors le modle na pas de doute et prend la dcision dintervenir, si la
distance est suprieure 5 NM, alors le modle doute et doit valuer plus
prcisment lcart.
Dans le cas o la distance nest pas susante pour prendre une dcision,
une srie de productions va tre slectionne pour traiter plus nement le
Dt
h
. La stratgie que nous avons simule est que les ATC extrapolent la
trajectoire dun avion A jusqu arriver proximit de lavion B, lATC
value ensuite la distance minimale entre lavion B et la trajectoire de
lavion A. Le modle va donc dplacer son attention sur un avion, enco-
der sa position et calculer les paramtres de sa trajectoire. Ensuite, il va
porter son attention sur le second avion et encoder sa position. Avec ces
informations il est possible de calculer la distance entre le point reprsent
par le second avion et la trajectoire du premier avion. Ds lors, cette dis-
tance va tre compare avec la valeur de lchelle prsente en mmoire
dclarative. Le modle va ensuite comparer la valeur de lchelle avec la
distance calcule prcdemment pour laborer sa dcision. Pour simuler
les 50% de fausses alarmes dans cette conguration, nous avons simple-
ment crit deux productions dont les parties conditions sont exactement
les mmes, mais dont les parties actions sont direntes. La premire pro-
duction provoquera une rponse de non intervention et lautre une rponse
dintervention. Comme la slection des productions dpend dun procd
stochastique, sur un ensemble dessais, la distribution de la slection des
140 si mulati on de la d etecti on de confli t dans act-r
deux productions sera quivalente. Nous pouvons donc simuler le fait que
les rponses auraient t donnes alatoirement lorsque le Dt
h
appartient
lintervalle de distance qui ne permet pas dcarter le moindre doute.
tape 4c : Le cas des angles convergents
Bisseret propose deux stratgies permettant destimer la distance latrale
de sparation, une analytique qui ne prend pas en compte langle de
convergence et une autre dite perceptive dans laquelle la valeur de langle
joue un rle important :
Lorsque la sparation est pronostique au radar, deux pro-
cessus peuvent tre employs : lun fond sur lestimation
successive des distances actuelles de chaque avion au point de
croisement permettant de faire la dirence et dinfrer par-
tir delle la sparation future : en principe dans ce cas langle
nintervient pas. Cest un autre processus que semblent utiliser
les contrleurs qui consiste rabattre de faon perceptive
une distance sur lautre. Sil en est ainsi on conoit qualors
langle jouerait un rle important : plus il est grand, et plus le
rabattement serait dicile et imprcis.
(Bisseret, 1995, p. 42)
Nous avons choisi de nous inspirer des deux stratgies dcrites par
Bisseret. Une pour un traitement perceptif globale de la conguration
gomtrique de la situation, la seconde pour un traitement analytique des
distances sparant les avions.
La premire est calque sur le principe des trajectoires opposes. Suite
lvaluation globale de la conguration, le modle va estimer sil est
ncessaire ou non de continuer le processus de prise de dcision. Dans
le cas o les distances entre les avions sont soit trop grandes, soit trop
proches, alors le modle choisira respectivement de ne pas intervenir ou
dintervenir. Si lestimation globale de la conguration ne permet pas
de prendre une dcision, alors le modle va sengager dans une seconde
stratgie analytique base sur une estimation des distances. Dans le premier
temps de cette stratgie, le modle cherchera connatre lavion le plus
proche du point dintersection. Il va donc valuer les distances entre chaque
avion et le point dintersection et les comparer. En fonction de la vitesse
des avions et du direntiel de distance quil existe entre les avions et le
point dintersection, le modle prendra sa dcision nale.
Les donnes que nous avons recueillies montrent que les ATC rpondent
plus rapidement dans le cas dun Dt
h
de 2,5 NM que dans le cas dun Dt
h
de 7,5 NM. Nous avons donc conserv lide dune premire valuation
perceptive globale de la situation et que, en fonction de cette valuation, le
modle sengagera ou non dans des processus plus analytiques.
7.3 le mod` ele act-r 141

Figure 17: Angles 45 : Dirence visible entre un Dt
h
de 2,5 et de
7,5 NM. Sur limage de gauche (Dt
h
= 2, 5 NM), on peut
facilement imaginer un axe de symtrie correspondant la
bissectrice de langle form par les deux trajectoires, alors que
sur limage de droite (Dt
h
= 7, 5 NM) les avions semblent
dcals.
Il est possible de remarquer que visuellement il existe une dirence
entre un Dt
h
de 2,5 NM et un de 7,5 NM. Dans le cas dun Dt
h
faible, la
conguration globale des avions donne limpression quils sont quasiment
la mme distance du point dintersection (comme un triangle isocle,
voir Figure 17). Cela est particulirement valable pour les angles 45 et
90, et un peu moins pour les angles 135.
Comme pour le cas des face--face, nous pensons que ce traitement est
parallle. Nous avons donc programm une fonction LISP charge dva-
luer globalement la situation. Cette fonction permet au modle destimer
si la conguration prsente un risque de perte de sparation vident, ou si
elle ne prsente aucun risque de perte de sparation, ou si des processus
dlibrs doivent tre mis en uvre. La fonction reprend et simule la
stratgie perceptive dans laquelle le contrleur rabat un avion sur lautre
pour estimer lcart entre les deux avions. La fonction prend en compte
langle de convergence, comme dcrit par Bisseret (1995). En eet, langle
de convergence est important car il a un impact sur lestimation de la
distance de sparation au point le plus proche. Gnralement dans le cas
des angles aigus ou droits, la distance minimale de sparation latrale est
atteinte au moment o un des deux avions passe le point dintersection
des deux trajectoires. Autrement dit, la distance entre les avions crot ds
quun des deux a pass le point dintersection dans la mesure o le ratio
des vitesses nest pas trop grand. Or dans le cas de trajectoires formant
un angle obtus, les avions continuent de se rapprocher mme si un des
142 si mulati on de la d etecti on de confli t dans act-r
deux a dpass le point dintersection. Lestimation du Dt
h
est donc plus
complexe. Des discussions informelles avec des contrleurs ariens mont
permis de constater que les ATC connaissent cette particularit. Nous
avons donc inclus ce facteur pour simuler ce genre de situations.
Cette fonction permet donc de simuler limpression globale laisse par
lvaluation de la conguration gomtrique. Si le modle estime quil
existe un risque alors il va intervenir (i.e, les avions ont un direntiel
de distance de 5 NM ou moins ; 6,5 NM dans le cas des angles de 135).
Sil estime que la conguration ne prsente aucun risque alors il dcidera
de ne pas intervenir (plus de 10 NM de dirence). Dans les autres cas,
le modle va sengager dans une suite de traitements analytiques pour
estimer plus prcisment la sparation horizontale.
Le modle va estimer et comparer les distances entre chaque avion et le
point dintersection. En fonction de la comparaison des distances et des
vitesses de chaque avion, le modle prendra sa dcision nale. La stratgie
analytique que nous avons choisi dutiliser est celle dcrite par Bisseret
(1995, p42). En eet, cette stratgie saccorde bien avec nos rsultats de
lexprience du chapitre 5. Nos donnes sur les mouvements oculaires
indiquent que les avions et le point dintersection taient respectivement
les lments les plus tardivement regards. Nous pensons donc que les
contrleurs regardent chaque avion, estiment le point dintersection et
comparent les distances pour valuer le Dt
h
.
Une fois que le modle a estim que la situation ncessitait une analyse
plus dtaille, il va dlibrment estimer les distances entre chaque avion
et le point dintersection et les comparer (respectivement AI, BI et BA

,
voir Figure 18). Pour ce faire, le modle va porter son attention sur le
premier avion pour encoder sa pente. Il va faire de mme avec le second
avion. Avec linformation des deux pentes, le modle va pouvoir reprer
le point dintersection des deux trajectoires et y porter son attention
11
. La
fonction qui permet dancrer le point dintersection est soumise au biais
dinnershoot dcrit dans le chapitre 4. Une fois lintersection localise, le
modle peut dnir quel avion est le plus proche de ce point. Pour ce faire,
lattention revient sur un avion et se dplace vers lintersection, calcule
et encode la distance. Le modle fait exactement la mme chose pour
le second avion. Les distances sont compares. Une fois ce traitement
termin, la reprsentation de la situation est mise jour. Pendant la mise
jour nous avons ajout du bruit sur la valeur encode de la distance BA

(voir Figure18).
Ce bruit simule la distortion que subit la valeur de la distance lorsquelle
est estime et encode. Lamplitude de ce bruit est de [10%; +10%] de
la valeur relle de la distance BA

. Lactualisation de la reprsentation de
la situation permet au modle de prendre une dcision base sur plusieurs
11. Le lecteur identiera ici la stratgie srielle dcrite au chapitre 4.
7.3 le mod` ele act-r 143

A
B
A
I
Dt
h

Figure 18: Stratgie perceptive pour valuer la distance latrale de spara-
tion. Les points A et B dsignent chaque avion, le point I est
le point dintersection des deux trajectoires, A est le point A
rabattu sur la trajectoire de B. La sparation latrale sapproche
de la distance BA.
paramtres : le direntiel de vitesses (identiques ou direntes) et la
valeur estime du Dt
h
.
Si les vitesses sont direntes, le modle a quatre stratgies possibles
pour prendre une dcision :
Lavion le plus rapide est le plus proche du point dintersection, alors
le modle dcide de ne pas intervenir ;
Lavion le plus lent est le plus proche de lintersection alors il y a
risque de rattrapage, et le modle dcide dintervenir ;
Lavion le plus rapide est le plus proche du point dintersection mais
les distances ne sont pas susamment discriminantes pour lever
lincertitude sur un conit, le modle dcide dintervenir ;
Lavion le plus lent est le plus proche de lintersection mais lestima-
tion des distances permet dcarter un risque de rattrapage, dans un
tel cas, le modle dcide de ne pas intervenir.
Dans le cas des vitesses identiques, seules les distances AI, BI percep-
tibles lcran et leur direntiel et BA

permettent destimer sil y a


conit ou non. Si la distance BA

est suprieure un seuil , alors les


avions sont susamment spars et il ny a pas de danger. Dans ce cas,
le modle dcide de ne pas intervenir. Si cette distance nest pas assez
grande alors le modle dcidera dintervenir. Nous avons tout dabord x
le seuil une valeur xe de 10 NM, toutefois le modle ne ragissait
pas de manire cohrente. Nous avons donc dcid que le modle devait
144 si mulati on de la d etecti on de confli t dans act-r
comparer la valeur estime de BA

garde en mmoire avec la valeur relle


de la distance BA

. Si la valeur estime est suprieure la valeur relle,


alors le modle dcidera dintervenir, dans lautre cas, le modle dcidera
de ne pas intervenir.
Synthse
Notre modle suit une structure de buts dnie grce aux donnes is-
sues de lexprience du chapitre 5. Tout dabord le modle va valuer
les altitudes et va simultanment traiter la convergence grce des pro-
cessus perceptifs parallles. Le modle pourra prendre une dcision de
non-intervention si langle form par les deux trajectoires est divergent, et
ensuite si les avions sont spars verticalement. Dans un deuxime temps,
le modle va valuer la sparation horizontale (i.e., le Dt
h
). Pour ce faire,
il devra prendre en compte les vitesses de chaque avion pour connatre
lavion le plus rapide et le plus lent. Une fois ces informations prises,
et en fonction de la conguration angulaire, le modle appliquera di-
rentes stratgies pour prendre une dcision dintervention. Ces direntes
stratgies peuvent tre regroupes en direntes classes :
Des stratgies de type heuristique comme le plus rapide, le plus
proche valables dans les cas de poursuite notamment ;
Des stratgies perceptives de type holistique utilises dans les cas
davions convergents ou en face--face ;
Des stratgies analytiques utilises lorsque le modle a besoin dune
analyse dlibre et dtaille pour lever un doute.
Pour chaque test (divergence, sparation verticale, sparation horizon-
tale) le modle pourra choisir soit dintervenir, soit de ne pas intervenir.
Dans la partie suivante nous allons prsenter les rsultats des simulations
faites partir de ce modle et comparer ces rsultats avec ceux obtenus
par les contrleurs ariens.
7.3.3 Exemple et analyse de la trace dun essai
Lors de chaque simulation, lactivit du modle est intgralement re-
transcrite dans une liste appele trace . La trace est constitue de
plusieurs lignes, chacune reprsentant un vnement particulier. La trace
ache le moment doccurrence (temps en secondes) et le module respon-
sable de chaque vnement. La trace est un outil danalyse qui permet de
voir et de comprendre comment sont enchanes les actions du modle.
Le chercheur pourra ainsi constater si le modle agit ou non de la faon
attendue.
Il existe trois niveaux de dtail de la trace : bas, moyen, lev. Plus
le niveau est haut, plus la trace sera dtaille. Le niveau lev per-
7.3 le mod` ele act-r 145
met dacher toutes les oprations du modle. La trace est extrmement
dtaille : toutes les conditions et actions de chaque production, ainsi
que les modications au sein des buers, sont reportes. Ce niveau de
dtail sert principalement au dbogage du modle. Le niveau par dfaut
est moyen : la trace ache le moment o une requte est faite, quelles
sont les productions qui ont t choisies par le modle, quels sont les
modules activs, etc. Le niveau bas permet dacher uniquement les
productions choisies et les modications faites dans les buers.
Nous allons prsenter la trace dun essai complet. Le niveau de dtail de
la trace est x bas . Notre but est de permettre au lecteur de se faire
une ide concrte du fonctionnement de notre modle dans ACT-R. Nous
avons choisi de dtailler un unique essai dans lequel les avions convergent,
et sont des altitudes direntes. Nous avons fait dbuter la trace 820 ms
car avant cela, le modle nest engag que dans des processus perceptifs
qui lui permettent dencoder la longueur de lchelle des cinq miles nau-
tiques. Cette phase nest pas des plus reprsentatives du comportement du
modle
12
, nous avons donc choisi de la passer. La situation est la suivante :
le modle vient de dclencher un essai en appuyant sur une touche. Les
deux avions du scnario apparaissent lcran. Voici lexemple de trace
laisse par ACT-R pour la rsolution de cet essai.
0.820 VISION SET-BUFFER-CHUNK VISUAL-LOCATION
VISUAL-LOCATION2-0 REQUESTED NIL
0.870 PROCEDURAL PRODUCTION-FIRED BUFFERSTUFF-NON-TEXTE
Buffer stuffing sur du NON-TEXTE => initialisation du buffer
imaginal
0.955 VISION SET-BUFFER-CHUNK VISUAL FLCHE0
1.070 IMAGINAL SET-BUFFER-CHUNK IMAGINAL AIRCRAFT0
1.120 PROCEDURAL PRODUCTION-FIRED
FIRSTAIRCRAFT-ENCODE-VISUAL-LOCATION--FLECHE
Buffer stuffing sur une flche => recherche dune altitude
1.120 VISION SET-BUFFER-CHUNK VISUAL-LOCATION TEXTE-VISLOC4-0
1.170 PROCEDURAL PRODUCTION-FIRED
AIRCRAFT-SHIFTATTENTION-TO-ALTITUDE
Dplace attention vers laltitude de lavion regard
1.255 VISION SET-BUFFER-CHUNK VISUAL TEXTE2
1.305 PROCEDURAL PRODUCTION-FIRED
FIRSTAICRAFT-ENCODE-ALTITUDE-HEADING-AIRCRAFTA
Altitude A encode- Recherche Altitude B
1.305 VISION SET-BUFFER-CHUNK VISUAL-LOCATION TEXTE-VISLOC7-0
1.505 IMAGINAL SET-BUFFER-CHUNK IMAGINAL AIRCRAFT1
1.555 PROCEDURAL PRODUCTION-FIRED
AIRCRAFT-SHIFTATTENTION-TO-ALTITUDE
Dplace attention vers laltitude de lavion regard
1.640 VISION SET-BUFFER-CHUNK VISUAL TEXTE3
1.690 PROCEDURAL PRODUCTION-FIRED
SECONDAIRCRAFT-ENCODE-ALTITUDE-HEADING-AIRCRAFTB
Altitude B encode - Lancement de la dtermination des angles
engage
12. Ltape dencodage de lchelle se produit gnralement au tout dbut de la simu-
lation de lexprience avant lachage du premier scnario.
146 si mulati on de la d etecti on de confli t dans act-r
Dans un premier temps, le module visuel localise au hasard un l-
ment visible sur le radar (0.820, VISION). Ici, cet lment nest pas
du texte, ce peut tre soit un avion, soit un vecteur vitesse, soit lchelle.
Cinquante millisecondes aprs (0.870, PROCEDURAL), la production
BUFFERSTUFF-NON-TEXTE fait une requte au module visuel pour
que lattention soit place sur llment localis. Llment regard est
identi comme tant un vecteur vitesse (0.955, VISION). Un chunk de
type aircraft est cr dans le module imaginal (1.070, IMAGINAL).
Une production permet au modle de localiser laltitude de lavion ac-
tuellement regard (1.120, PROCEDURAL). Le module visuel rpond
la requte en trouvant laltitude situe dans ltiquette de lavion (1.120
VISION). Une fois que laltitude est localise, une production demande
au module visuel dy dplacer son attention
13
(1.170, PROCEDURAL).
Lattention est dplace vers laltitude (1.255, VISION). ce moment,
laltitude et lorientation
14
de lavion sont encodes dans le chunk activ
dans le buer du module imaginal (1.305, PROCEDURAL). Simultan-
ment, une requte est faite au module visuel pour rechercher laltitude du
second avion.
Le modle localise laltitude du second avion (1.305, VISION). Le
chunk aircraft0 dans le buer imaginal est remplac par un autre chunk
du mme type contenant les informations du second avion (1.505, IMAGI-
NAL) et est stock en mmoire dclarative. La production AIRCRAFT-
SHIFTATTENTION-TO-ALTITUDE fait une requte au module visuel
pour que lattention soit porte sur laltitude du second avion (1.555,
PROCEDURAL). Le module visuel prend en charge le dplacement de
lattention vers laltitude (1.640, VISUEL). Laltitude et lorientation du
second avion sont encodes dans le chunk contenu dans le buer du mo-
dule imaginal (1.690, PROCEDURAL). Une requte est faite au module
de rcupration des souvenirs pour retrouver les informations relatives au
premier avion. Cela va produire lenchanement suivant.
1.697 DECLARATIVE SET-BUFFER-CHUNK RETRIEVAL AIRCRAFT1-0
1.890 IMAGINAL SET-BUFFER-CHUNK IMAGINAL AIRCRAFT2
1.940 PROCEDURAL PRODUCTION-FIRED STARTHEADCOMPARISON
& "Calul de langle des trajectoires effectu, dcision sur langle
engage" 0.78600025
2.140 IMAGINAL SET-BUFFER-CHUNK IMAGINAL DETECTCONFLICT0
2.190 PROCEDURAL PRODUCTION-FIRED
HEAD-COMPARISON-DIFF-CONVERGENCE
& "Trajectoires de type CONVERGENTES, Calcul diffrence altitudes
engag"
13. On retrouve la spcicit du module visuel dACT-R : pour quun lment visuel
soit encod il faut savoir o il se trouve et quel est le type de cet objet.
14. Le processus dencodage de lorientation de lavion rpond un processus perceptif
parallle comme expliqu prcdemment.
7.3 le mod` ele act-r 147
Le module dclaratif retrouve le chunk contenant les informations du
premier avion et le place dans son buer (1.697, DECLARATIVE). Le
module imaginal est mis jour (1.890, IMAGINAL). Avec les informa-
tions contenues dans les chunks de type aircraft prsents dans les buers
du module imaginal et dclaratif, le modle peut comparer les orienta-
tions des avions pour estimer langle form par leurs trajectoires (1.940,
PROCEDURAL). Suite cette production, la reprsentation de la situa-
tion va changer. Le chunk de type aircraft plac dans le buer du module
imaginal est transfr en mmoire dclarative. Un nouveau chunk du type
DetectConict est activ dans le buer du module imaginal (2.140,
IMAGINAL). Ce chunk contiendra le nom de chaque avion et la congura-
tion gomtrique des trajectoires. La production HEAD-COMPARISON-
DIFF-CONVERGENCE value les informations contenues dans le buer
imaginal (2.190, PROCEDURAL). Le modle constate que les avions ne
divergent pas. Conformment la stratgie prvue, le modle va valuer
la sparation verticale.
2.240 PROCEDURAL PRODUCTION-FIRED FL-COMPARISON-START
Sous but de comparaison daltitude cre, la recherche des
altitudes en DM
2.274 DECLARATIVE SET-BUFFER-CHUNK RETRIEVAL AIRCRAFT2-0
2.440 IMAGINAL SET-BUFFER-CHUNK IMAGINAL FLCOMPARE0
2.490 PROCEDURAL PRODUCTION-FIRED
FL-COMPARISON-FIRST-FL-RETRIEVAL
& "Premire altitude retrouve, recherche de la seconde en DM" "340
--"
2.531 DECLARATIVE SET-BUFFER-CHUNK RETRIEVAL AIRCRAFT1-0
2.581 PROCEDURAL PRODUCTION-FIRED
FL-COMPARISON-SECOND-FL-RETRIEVAL
& "Seconde altitude retrouve, calcul de la sparation verticale"
"320 --"
2.631 PROCEDURAL PRODUCTION-FIRED FL-COMPARISON-DIFF-ALT
& "La sparation verticale est de" 20
2.674 DECLARATIVE SET-BUFFER-CHUNK RETRIEVAL DETECTCONFLICT0-0
2.724 PROCEDURAL PRODUCTION-FIRED
FL-COMPARISON-DIFF-AGAINST-THRESHOLD-ABOVETHRESHOLD
Les avions sont spars verticalement, prparation de la rponse
La production FL-COMPARISON-START est responsable de la
modication de la reprsentation de la situation et du changement de
but (2.240, PROCEDURAL). Cette production fait une requte pour re-
trouver un chunk de type aircraft stock en mmoire dclarative. Lin-
formation de lavion est retrouve (2.274, DECLARATIVE). Un chunk
spcique la comparaison des altitudes FLCompare est plac dans
le buer du module imaginal (2.440, IMAGINAL). La production FL-
COMPARISON-FIRST-FL-RETRIEVAL permet dencoder la valeur de
laltitude contenue dans le chunk de type aircraft, retrouv en mmoire
dclarative, dans le chunk FLCompare du buer imaginal (2.490, PRO-
CEDURAL). Elle fait galement une requte en mmoire dclarative pour
retrouver les caractristiques du second avion. Le chunk associ au second
avion est rappel (2.531, DECLARATIVE). Cela dclenche la production
148 si mulati on de la d etecti on de confli t dans act-r
suivante FL-COMPARISON-SECOND-FL-RETRIEVAL . Elle permet
dencoder la seconde altitude dans le chunk du module imaginal.
Le modle compare les deux valeurs daltitude contenues dans le chunk
FLCompare (2.631, PROCEDURAL). Cette production fait aussi une
requte pour rappeler le chunk DetectConit stock en mmoire dcla-
rative. Une fois ce chunk rappel (2.674, DECLARATIVE), la production
FL-COMPARISON-DIFF-AGAINST-THRESHOLD-ABOVETHRESHOLD
va permettre dencoder le direntiel daltitude dans le chunk du module
imaginal responsable de la reprsentation globale de la situation. Le mo-
dle a maintenant toutes les informations ncessaires pour prendre une
dcision.
2.774 PROCEDURAL PRODUCTION-FIRED RPONSE-DA
Rponse : Pas de conflit car sparation verticale
2.774 MOTOR PRESS-KEY j
2.820 VISION SET-BUFFER-CHUNK VISUAL-LOCATION
TEXTE-VISLOC11-0 REQUESTED NIL
2.905 VISION SET-BUFFER-CHUNK VISUAL
TEXTE4 REQUESTED NIL
2.924 IMAGINAL SET-BUFFER-CHUNK IMAGINAL DETECTCONFLICT1
2.974 PROCEDURAL PRODUCTION-FIRED ENCODING-FULL-TRIAL
Trial mmoris, Remonte au niveau Experiment
2.974 GOAL SET-BUFFER-CHUNK GOAL EXPERIMENT1
Comme le direntiel daltitude est suprieur la norme de scurit,
le modle peut prendre sa dcision (2.774 PROCEDURAL). Le module
moteur reoit la requte de presser la touche J pour donner sa rponse
(2.774, MOTOR). La reprsentation de la situation est mise jour (2.974,
IMAGINAL) et une production permet au modle dencoder lintgralit
du scnario (2.974, PROCEDURAL). Une fois la situation mmorise,
le modle change de but et se replace dans la perspective de continuer
lexprience (2.974, GOAL). Les vnements relatifs au module visuel
correspondent lactivit du modle pendant quil produit sa rponse et
met jour sa reprsentation de la situation. Cette activit perceptive a peu
dincidence sur le comportement du modle.
partir de ce bref exemple, nous pouvons nous rendre compte que dans
ACT-R la cognition rsulte dun enchanement de plusieurs productions.
Cet enchanement dpend de ltat ou du contenu de chaque buer as-
soci un module. On pourra noter galement qu chaque vnement
correspond un temps doccurrence et une dure spcique. Par exemple,
une production met gnralement 50 ms tre excute, remplacer un
chunk dans le module imaginal prend 200 ms, retrouver une information
en mmoire dclarative met plus ou moins de temps en fonction de la
frquence et de la rcence de linformation recherche, etc. Cest grce
au cot en temps de chaque vnement quil est possible de faire des
prdictions sur les temps de rponse dun modle dans ACT-R.
La partie suivante prsente les rsultats du modle lors dune srie de
simulations.
7.3 le mod` ele act-r 149
7.3.4 Rsultats
Protocole de la simulation
Le modle est implment dans ACT-R 6.0. Nous avons repris le proto-
cole exprimental tel quil est dcrit dans le chapitre 5 : 15 participants
sont soumis 56 situations de conit potentiel et doivent dcider sils
interviendraient ou non dans une telle situation. Dune faon quivalente,
une simulation complte comporte 15 passations exprimentales consti-
tues des mmes 56 scnarios. Pour chaque passation, la mmoire du
modle est remise son tat dorigine pour simuler un nouveau participant.
Dit autrement, chaque dbut de passation, le modle a en mmoire la
structure de buts et les productions permettant de dcider si le modle doit
intervenir ou non.
Analyse des donnes
Une fois que les quinze passations ont t simules, nous avons pour
chaque scnario calcul la moyenne des temps de rponse et la perfor-
mance (la frquence de bonnes rponses).
Il est dusage dans la communaut ACT-R de comparer les rsultats
dune simulation avec ceux des participants humains grce deux indica-
teurs : le coecient de corrlation entre les deux ensembles de donnes et
la dviation moyenne (DM). Nous avons donc calcul la corrlation des
donnes des moyennes de temps et de performance du groupe Interven-
tion (voir chapitre 5) avec celle de la simulation ainsi que les dviations
moyennes.
Dans un premier temps, nous avons choisi de corrler lensemble des
moyennes des temps de rponse et de la performance partir des 56
scnarios. Dans un second temps nous avons procd au calcul de la
corrlation sparment partir des six classes de scnarios : DA-Div, SA-
Div, DA-SS, DA-DS, SA-SS, et SA-DS. Pour rappel, les six scores obtenus sont
issus de lagrgation des score relevs pour un ensemble de scnarios de
la mme catgorie.
Rsultats
Les moyennes des scores obtenus lors des simulations sur les temps de
rponse et les performances sont disponibles dans la Table 12.
Lorsque lon prend en compte sparment les 56 scnarios, la corrlation
entre les moyennes des temps de rponse obtenues par les contrleurs
ariens et le modle tait gale r(56) = .93 avec une dviation moyenne
de 378 ms (voir les Figures 19 et 20. La Figure 19 prsente les courbes
des temps de rponse moyens pour les ATC et le modle dans les cas o
150 si mulati on de la d etecti on de confli t dans act-r
0
1
2
3
4
5
6
0-
SA-
SS-
2,5
0-
SA-
SS-
7,5
0-
SA-
DS-
2,5
0-
SA-
DS-
7,5
180-
SA-
SS-
2,5
180-
SA-
SS-
7,5
180-
SA-
DS-
2,5
180-
SA-
DS-
7,5
45-
SA-
SS-
2,5
45-
SA-
SS-
7,5
45-
SA-
DS-
2,5
45-
SA-
DS-
7,5
90-
SA-
SS-
2,5
90-
SA-
SS-
7,5
90-
SA-
DS-
2,5
90-
SA-
DS-
7,5
135-
SA-
SS-
2,5
135-
SA-
SS-
7,5
135-
SA-
DS-
2,5
135-
SA-
DS-
7,5
Scnarios SA
T
e
m
p
s

d
e

r

p
o
n
s
e

e
n

s
ATC
Modle

Figure 19: Courbes des temps de rponse moyens pour les scnarios o
les avions sont la mme altitude (SA). SS : mmes vitesses,
DS : vitesses direntes, 2,5 et 7,5 : valeur du Dt
h
.
les avions sont la mme altitude (i.e. SA, soit les cas les plus complexes).
La gure 20 prsente les courbes des temps de rponse moyens pour les
ATC et le modle dans le cas de scnario o les avions sont des altitudes
direntes (DA) ou lorsque les avions sont la mme altitude et divergents
(SA-Div).
Nous pouvons voir partir de la Figure 19 que le modle met gnrale-
ment plus de temps prendre une dcision que les ATC. Pour les cas de
poursuite (0), les temps de rponse du modle suivent correctement ceux
des ATC. Nanmoins, la dirence de temps de rponse entre les situations
vitesses identiques (SS) et vitesses direntes (DS) est bien plus faible
pour les ATC que pour le modle (respectivement 0,44 s versus 1,11 s).
Les stratgies employes par le modle sont moins optimises que celles
utilises par les ATC. Dans le cas des face--face (180) le modle est
plus lent que les ATC. Le modle met 1,44 secondes de plus que les ATC
quand les vitesses sont identiques et le Dt
h
est de 7,5 NM. Le cas des
trajectoires 45 est le moins bien rendu. En eet, les temps de rponse
du modle saccordent correctement avec les performances des ATC dans
les congurations o les vitesses sont direntes (DS) mais pas dans le
cas o les vitesses sont identiques (SS). Les performances obtenues par le
modle sur les scnarios avec des trajectoires 90 correspondent avec
celles obtenues par les ATC. Le modle reste nanmoins un peu trop lent
(0,75 s) pour prendre une dcision. Pour les situations o les trajectoires
forment un angle de 135, les performances du modle sont trs proches
de celles des ATC (0,35 s).
7.3 le mod` ele act-r 151
0
1
2
3
4
0
-
D
A
-
S
S
-
2
,
5
0
-
D
A
-
D
S
-
2
,
5
1
8
0
-
D
A
-
S
S
-
2
,
5
1
8
0
-
D
A
-
D
S
-
2
,5
4
5
-
D
A
-
S
S
-
2
,
5
4
5
-
D
A
-
D
S
-
2
,
5
9
0
-
D
A
-
S
S
-
2
,
5
9
0
-
D
A
-
D
S
-
2
,
5
1
3
5
-
D
A
-
S
S
-
2
,
5
1
3
5
-
D
A
-
D
S
-
2
,5
D
i
v
4
5
-
S
A
-
S
S
-
2
,
5
D
i
v
4
5
-
S
A
-
D
S
-
2
,
5
D
i
v
4
5
-
D
A
-
S
S
-
2
,
5
D
i
v
4
5
-
D
A
-
D
S
-
2
,5
D
i
v
9
0
-
S
A
-
S
S
-
2
,
5
D
i
v
9
0
-
S
A
-
D
S
-
2
,
5
D
i
v
9
0
-
D
A
-
S
S
-
2
,
5
D
i
v
9
0
-
D
A
-
D
S
-
2
,5
Scnarios DA et Div
T
e
m
p
s

d
e

r

p
o
n
s
e

e
n

s
ATC
Modle

Figure 20: Courbes des temps de rponse moyens pour les scnarios o les
avions sont des altitudes direntes (DA) ou divergents (SA-
Div et DA-Div). SS : mmes vitesses, DS : vitesses direntes,
2,5 et 7,5 : valeur du Dt
h
.
Pour les cas les plus simples (Altitudes Direntes (DA) et SA-Div) on
observe un renversement de tendance en comparaison des cas les plus
complexes vus ci-dessus. Le modle met en moyenne moins de temps
pour prendre une dcision. Il met 0 s de moins pour les scnario DA et
0,23 s pour les SA-Div. Globalement, pour ces cas, le modle est un peu
trop constant.
La corrlation entre les performances obtenues par les contrleurs a-
riens et le modle est gale r(56) = .87, avec une dviation moyenne de
4%. La Figure 21 prsente les courbes des frquences de bonnes rponses
obtenues par les ATC et le modle. Seuls les scnarios o les avions
altitudes identiques (SA) sont prsents. En eet, les scnarios o les
altitudes sont direntes (DA) et o les avions sont divergents (SA-Div)
provoquent moins de 1% derreur. La plupart sont des erreurs dinatten-
tion et prsentent peu dintrt (e.g., le participant se trompe de touche
pour rpondre et sen aperoit immdiatement). Nous pouvons voir sur la
Figure 21 que les ATC font gnralement moins derreurs que le modle.
Toutefois, lallure gnrale de la courbe des performances du modle cor-
respond bien aux variations de performance des ATC. Plus prcisment,
pour les cas de poursuite, le modle ne fait jamais derreur contrairement
aux ATC. Lcart moyen des frquences de bonne rponse est de 8%. Pour
les cas de face--face, le modle suit trs bien les performances des ATC,
toutefois elles baissent pour le scnario o les vitesses sont direntes
et le Dt
h
est de 7,5 NM. Pour les cas des trajectoires 45, le modle
est performant pour les situations o le Dt
h
est de 2,5 NM, mais les per-
152 si mulati on de la d etecti on de confli t dans act-r
0,00
0,20
0,40
0,60
0,80
1,00
0-
SA-
SS-
2,5
0-
SA-
SS-
7,5
0-
SA-
DS-
2,5
0-
SA-
DS-
7,5
180-
SA-
SS-
2,5
180-
SA-
SS-
7,5
180-
SA-
DS-
2,5
180-
SA-
DS-
7,5
45-
SA-
SS-
2,5
45-
SA-
SS-
7,5
45-
SA-
DS-
2,5
45-
SA-
DS-
7,5
90-
SA-
SS-
2,5
90-
SA-
SS-
7,5
90-
SA-
DS-
2,5
90-
SA-
DS-
7,5
135-
SA-
SS-
2,5
135-
SA-
SS-
7,5
135-
SA-
DS-
2,5
135-
SA-
DS-
7,5
Scnarios SA
P
e
r
f
o
r
m
a
n
c
e

(
f
r

q
u
e
n
c
e
)
ATC
Modle

Figure 21: Courbes des moyennes des frquences de bonnes rponses
pour les scnarios o les avions sont des altitudes identiques
(SA). SS : mmes vitesses, DS : vitesses direntes, 2,5 et 7,5 :
valeur du Dt
h
.
formances chutent pour les cas o le Dt
h
est de 7,5 NM : le modle fait
trop de fausses alarmes. Les angles 90 sont bien traits par le modle
(dviation moyenne de .06 ; min=0 ; max=.13). Pour les trajectoires
135 le modle est plus performant que les ATC dans le cas o les vitesses
sont identiques et le Dt
h
de 2,5 (1 versus .73), et moins performant dans
le cas o le Dt
h
est de 7,5 NM.
Pour rsumer, les corrlations calcules partir des moyennes des temps
de rponse et de performance au cours des 56 scnarios sont de :
r(56) = .93; DM = 378 ms, pour les temps de rponse ;
r(56) = .83; DM = .04, pour la performance.
Nous avons vu dans la partie analyses des donnes quil existait un autre
moyen dagrger les donnes pour calculer les corrlations entre les scores
des ATC et ceux du modle. Nous avons donc agrg les temps de rponse
et la performance de la mme faon que celle prsente au chapitre 5. Pour
rappel, les scnarios furent regroups en six classes en fonction de leur
niveau de dicult. Ces classes taient :
1. DA-Div : les avions sont des altitudes direntes et divergent ;
2. SA-Div : les avions sont la mme altitude et divergent ;
3. DA-SS : les avions sont des altitudes direntes, leurs vitesses
sont identiques et ils ne divergent pas ;
4. DA-DS : les avions sont des altitudes direntes, leurs vitesses
sont direntes et ils ne divergent pas ;
7.3 le mod` ele act-r 153
5. SA-SS : les avions sont la mme altitude, leurs vitesses sont
identiques et ils ne divergent pas ;
6. SA-DS : les avions sont la mme altitude, leurs vitesses sont
direntes et ils ne divergent pas.
Les rsultats sont prsents la Figure 22. Les corrlations obtenues
sont les suivantes :
Pour les temps de rponse : r(6) = .99; DM = 242 ms ;
Pour la performance : r(6) = .98; DM = .01.
En ce qui concerne les temps de rponse en fonction de la classe de scna-
rio, le modle est sensiblement plus rapide pour les cas les plus simples
(tous les DA et SA-Div ; dviation moyenne de 0,17 s) et un peu plus lent
que les ATC pour les cas les plus complexes (SA-SS et SA-DS ; dviation
moyenne de 0,53 s). Toutefois, le coecient de corrlation reste excellent :
r(6) = .99. La performance du modle est trs lgrement suprieure
celle des ATC (dviation moyenne de .01) pour les trois premires classes.
Par contre, pour les cas les plus complexes selon Rantanen & Nunes, 2005,
le modle voit ses performances baisser en comparaison de celles des ATC
(dviation moyenne de .05).
154 si mulati on de la d etecti on de confli t dans act-r

0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
DA-Div SA-Div DA-SS DA-DS SA-SS SA-DS
Condi ti ons expri mental es
T
e
m
p
s

d
e

r

p
o
n
s
e

(
s
)
Contrleurs ariens
Modle ACT-R
r =.994
Dviation Moyenne=0,242s
Angles divergents
Autres angles
.50
.60
.70
.80
.90
1
1,10
DA-Div SA-Div DA-SS DA-DS SA-SS SA-DS
Condi ti ons expri mental es
P
e
r
f
o
r
m
a
n
c
e

(
f
r

q
u
e
n
c
e
s
)
Contrleurs ariens
Modle ACT-R
r =.976
Dviation Moyenne=0,01
Angles divergents Autres angles
Figure 22: Courbes de la moyenne des frquences de performance (en
haut) et de la moyenne des temps de rponse (en bas) en fonc-
tion de la dicult des scnarios. DA-Div : altitudes direntes
et angles divergents, SA-Div : altitudes identiques et angles
divergents, DA-SS : altitudes direntes, vitesses identiques et
angles non divergents, DA-DS : altitudes direntes,vitesses
direntes et angles non divergents, SA-SS : altitudes iden-
tiques et vitesses identiques et angles non divergents, SA-DS :
altitudes identiques et vitesses direntes et angles non diver-
gents.
7.3 le mod` ele act-r 155
Table 12: Temps de rponse et frquence de rponses correctes des contr-
leurs ariens et du modle computationnel.
Scnario Temps de rponse (s) Performance (frquence)
ATC Modle ATC Modle
0-SA-SS-2,5 3,38 3,60 .93 1.00
0-SA-SS-7,5 3,51 3,64 .93 1.00
0-SA-DS-2,5 3,89 4,74 .87 1.00
0-SA-DS-7,5 3,89 4,73 .93 1.00
0-DA-SS-2,5 2,60 2,31 1.00 1.00
0-DA-SS-7,5 2,61 2,31 .53 .47
0-DA-DS-2,5 2,70 2,31 1.00 1.00
0-DA-DS-7,5 2,10 2,31 .67 .33
180-SA-SS-2,5 3,00 3,60 .93 1.00
180-SA-SS-7,5 3,49 4,94 .73 .47
180-SA-DS-2,5 3,07 3,62 1.00 1.00
180-SA-DS-7,5 4,38 4,91 .73 .40
180-DA-SS-2,5 2,22 2,31 1.00 1.00
180-DA-SS-7,5 2,88 2,27 .47 .60
180-DA-DS-2,5 2,24 2,31 1.00 1.00
180-DA-DS-7,5 2,36 2,28 .60 .73
45-SA-SS-2,5 4,48 3,62 .73 1.00
45-SA-SS-7,5 3,51 5,13 .47 .27
45-SA-DS-2,5 3,36 3,59 1.00 1.00
45-SA-DS-7,5 4,19 5,12 .67 .47
45-DA-SS-2,5 2,34 2,31 1.00 1.00
45-DA-SS-7,5 2,84 2,28 1.00 1.00
45-DA-DS-2,5 2,69 2,31 .93 1.00
45-DA-DS-7,5 2,26 2,31 1.00 1.00
90-SA-SS-2,5 2,84 3,63 1.00 1.00
90-SA-SS-7,5 4,18 5,13 1.00 1.00
90-SA-DS-2,5 4,42 5,11 1.00 1.00
90-SA-DS-7,5 4,54 5,13 1.00 1.00
90-DA-SS-2,5 2,20 2,31 1.00 1.00
90-DA-SS-7,5 2,39 2,31 1.00 1.00
90-DA-DS-2,5 2,44 2,31 1.00 1.00
90-DA-DS-7,5 2,53 2,27 1.00 1.00
156 si mulati on de la d etecti on de confli t dans act-r
Table 12: (suite)
Scnario Temps de rponse (s) Performance (frquence)
ATC Modle ATC Modle
135-SA-SS-2,5 3,99 3,65 1.00 1.00
135-SA-SS-7,5 5,07 5,14 1.00 1.00
135-SA-DS-2,5 3,76 3,61 1.00 1.00
135-SA-DS-7,5 4,26 5,11 .93 1.00
135-DA-SS-2,5 2,66 2,31 1.00 1.00
135-DA-SS-7,5 2,40 2,28 1.00 1.00
135-DA-DS-2,5 2,15 2,26 1.00 1.00
135-DA-DS-7,5 2,29 2,31 .93 1.00
Div45-SA-SS-2,5 1,82 1,78 1.00 1.00
Div45-SA-SS-7,5 1,98 1,73 1.00 1.00
Div45-SA-DS-2,5 1,96 1,78 1.00 1.00
Div45-SA-DS-7,5 1,70 1,78 1.00 1.00
Div45-DA-SS-2,5 2,03 1,76 1.00 1.00
Div45-DA-SS-7,5 2,20 1,78 1.00 1.00
Div45-DA-DS-2,5 2,07 1,73 1.00 1.00
Div45-DA-DS-7,5 1,80 1,72 1.00 1.00
Div90-SA-SS-2,5 2,00 1,78 1.00 1.00
Div90-SA-SS-7,5 1,93 1,74 .93 1.00
Div90-SA-DS-2,5 1,77 1,78 1.00 1.00
Div90-SA-DS-7,5 2,09 1,72 1.00 1.00
Div90-DA-SS-2,5 2,09 1,78 1.00 1.00
Div90-DA-SS-7,5 2,21 1,74 1.00 1.00
Div90-DA-DS-2,5 2,11 1,78 1.00 1.00
Div90-DA-DS-7,5 1,97 1,78 1.00 1.00
7.4 di scussi on et conclusi on 157
7.4 di scussi on et conclusi on
Lobjectif de cette partie tait de prsenter une modlisation computa-
tionnelle du modle thorique de dtection de conit prsent au chapitre 5.
Dans un premier temps, nous avons repris la structure des buts que les
contrleurs semblent utiliser : tester la divergence, tester la sparation
verticale et tester la sparation horizontale. Cette structure des buts sert de
squelette. chaque sous-but nous avons dcrit un ensemble de processus
permettant au modle datteindre ses objectifs. Nous avons intgr dans
ces processus une grande partie des travaux que nous avons prsents au
long de la thse : innershoot, stratgies perceptives, mouvements oculaires,
les stratgie possibles pour rsoudre les direntes congurations de paires
davions. Ce modle computationnel est en fait la synthse de dirents
rsultats et travaux.
Nous avons vu quil tait possible de dcrire quatre classes de stratgies
permettant destimer si une intervention sur une paire davions risque
tait entreprendre. Ces quatre classes sont des stratgies de type :
heuristique, bases sur des rgles gnrales et simples ;
globale, qui prennent en compte de la conguration des avions dans
son ensemble ;
perceptive, lors des estimations de distances ;
analytique, lors des calculs de dirences relatives.
Lutilisation de chacune de ces stratgies est dpendante de la conguration
des avions prsents lcran. Nous pouvons galement remarquer que
la plupart de ces stratgies reposent sur lestimation des congurations
gomtriques ou de distances : estimation du Dt
h
dans les cas davions en
face--face ou convergents, la perception de la divergence, reconnaissance
dune situation fort potentiel de risque... Plus les cas sont complexes et
plus les stratgies sont coteuses en temps et demandent de la prcision
(e.g., les stratgies analytiques). Ces direntes stratgies combines aux
apports thoriques de la littrature ainsi quaux apports de cette thse, nous
ont permis de construire un modle psychologique cohrent. Notre objectif
tait de garantir la cohrence du modle et sa validit. Pour ce faire, nous
avons implment le modle et nous avons compar ses rsultats avec ceux
des ATC.
Le modle a t programm dans larchitecture cognitive ACT-R 6.0.
Le but de cette implmentation tait de confronter le comportement de
notre modle thorique celui des contrleurs ariens qui ont particip
lexprience du chapitre 5. Les rsultats des simulations sont relativement
satisfaisants : le modle semble trouver une certaine validit lorsquil
est compar aux donnes des experts que ce soit en termes de temps de
rponse ou de performance.
158 si mulati on de la d etecti on de confli t dans act-r
Dans ACT-R, il existe tout un ensemble de paramtres implments
(seuil de rcupration des souvenirs, facteur de latence, bruit instantan...)
propres au fonctionnement de larchitecture. Ces paramtres ont des va-
leurs par dfaut. Il est frquent de modier ces valeurs pour ajuster les
performances dun modle. Or, plus un modle ncessite dajustements,
plus il modie le fonctionnement gnral de larchitecture. Ces modi-
cations rendent le modle plus spcique, lcartant de fait dun modle
cognitif gnral. En ce qui concerne notre modle, nous navons modi
quun seul paramtre, celui de la valeur du seuil de rcupration dun
chunk en mmoire dclarative. Nous avons baiss cette valeur
15
pour que
le modle retrouve systmatiquement le chunk contenant les informations
relatives lchelle des 5 miles nautiques. Nous avons donc implment
un modle valide qui respecte le fonctionnement gnral de larchitecture
cognitive ACT-R. Il reste toutefois un ensemble de points aner pour
amliorer ce modle.
Au niveau des stratgies, tout dabord, le modle capture avec dicult
les comportements des ATC lorsque les avions convergent avec un angle de
45, notamment pour les conditions o les avions vont la mme vitesse
(SS). Nous avons vu plus haut que lorsque les avions ont des vitesses iden-
tiques, seules les estimations de distances entre le point de croisement des
deux trajectoires et chaque avion permettaient destimer le Dt
h
. Les stra-
tgies que nous avons appliques pour les angles convergents ne prennent
pas le type dangle en compte. Or il semble, vu les comportements du
modle, que les processus impliqus dans lanalyse des cas 45 sont
dirents que ceux pour 90 et 135 . La faon dont cette conguration
est eectivement estime reste une question ouverte ce jour. En eet, les
donnes que nous avons recueillies auprs des ATC ne peuvent pas nous
renseigner davantage sur la faon dont langle 45 est trait.
Un autre point est lcart de temps moyen entre le modle et les ATC :
le modle est un peu trop lent. De manire gnrale, un modle est lent car
il utilise plus de productions quil ne le devrait lors de la ralisation dune
tche. Dit autrement, le modle pourrait tre optimis. Nous aurions pu
mettre en place une solution plus technique que psychologique. Dans
ACT-R, toute information met un certain temps tre manipule. Nous
avons vu que le temps de latence entre lactivation et lmergence dune
connaissance prenait en gnral 35 ms, 50 ms pour une production, etc.
Dans le cas dune modication du chunk contenu dans le buer du module
imaginal, ACT-R met 200 ms avant de ractualiser la perception de la
situation. Il est possible que nos choix, concernant la manipulation des
connaissances dans le module imaginal, naient pas t optimaux. Nous
aurions donc pu rduire le nombre de modications opres partir du
module imaginal pour faire baisser les temps de rponse du modle. Or
15. La valeur par dfaut du seuil de rcupration est de 0, nous lavons modie 1,5.
7.4 di scussi on et conclusi on 159
ces modications impliquaient que la perception de la situation du modle
ne soit pas remise jour rgulirement, ou que le chunk qui contient la
reprsentation de la situation comporterait un nombre demplacements
(slots) bien plus important que ce qui est normalement considr comme
acceptable dans la communaut ACT-R. An de conserver une cohrence
psychologique au modle, nous avons cart cette solution.
Une autre approche an damliorer le modle est de prendre en compte
la capacit des contrleurs mener de front plusieurs tches. Lors de nos
observations au Centre Rgional de la Navigation Arienne (CRNA) de
Bordeaux et lors de sances de simulations lENAC nous avons remarqu
que les ATC ralisaient rgulirement plusieurs actions simultanment : d-
placements des strips sur le tableau, clairance un pilote, prise en compte
dun signe fait par le radariste... Il semble que les contrleurs pourraient
dune manire ou dune autre traiter en parallle plusieurs informations
sur des modalits direntes. Cette capacit pourrait expliquer en partie
pourquoi le modle est plus lent que les contrleurs. Il serait donc int-
ressant dtudier si eectivement les contrleurs ariens possdent des
capacits particulires de traitement de linformation : attention partage,
travail en double tche, nombre dinformations manipules simultanment
en mmoire etc.
Globalement, la performance du modle est bonne, mais il reste cepen-
dant rgulier dans certaines situations. En eet, lorsquil sagit dvaluer
des situations o les avions sont soit des altitudes direntes, soit di-
vergents, les performances du modle ne varient que trs lgrement en
fonction du scnario alors que les performances des ATC sont bien moins
stables.
Nous avons utilis des fonctions LISP reprsentant des processus paral-
lles pour pouvoir simuler dirents biais sur lestimation des distances et
pour obtenir une valuation globale de la conguration gomtrique. Ce
parti pris sest rvl payant dans la mesure o le modle corrle assez bien
avec les donnes des ATC. Toutefois, pouvons-nous rsumer la dtection
de conit des estimations de distances ? Dun point de vue strictement
thorique il semble que lvaluation de la sparation horizontale soit forte-
ment dpendante de la conguration gomtrique des avions. Quelques
auteurs (Bisseret, 1995 ; Averty, 1998 ; Stankovic et al., 2008) partent
galement du principe selon lequel les distances jouent un rle important.
Il nous a donc fallu trouver un moyen pour que le modle puisse raliser
ces direntes estimations. Or dans son tat actuel, le module de la vision
dACT-R ne prend pas en compte les biais perceptifs inhrents une acti-
vit particulire comme la perception de lintersection de deux trajectoires
convergentes (i.e., innershoot). La solution que nous avons retenue pour
rsoudre ce problme fut donc dimplmenter ces biais perceptifs grce
des fonctions. Ces fonctions reprsenteraient des rseaux de neurones
160 si mulati on de la d etecti on de confli t dans act-r
fonctionnant en parallle et dont lactivit naurait pas de consquences
sur les temps de traitement simuls.
On pourrait penser que lestimation des distances ne soit pas aussi
importante. En eet, les tudes sur la dtection de conit impliquent g-
nralement deux avions sur un cran radar, cette position volontairement
rductionniste a pour principal dfaut de ne pas prendre en compte len-
semble de lactivit et lensemble des informations en entre qui sont
habituellement traites par les contrleurs. De plus, un radar comporte un
grand nombre dinformations, rendant sa lecture complexe. La surcharge
dinformations aches sur le radar peut nuire lestimation prcise des
distances (Hotopf & Brown, 1988). Lutilisation des vecteurs vitesse est
une solution adapte ce problme. En eet, leur usage permet dantici-
per la position dun ou de plusieurs avions dans le temps. Or lachage
des vecteurs vitesse permet dans une certaine mesure destimer les dis-
tances, de les comparer, voir destimer le temps avant un possible conit.
Donc que ce soit dans une situation de travail relle ou dans une situa-
tion exprimentale nimpliquant que deux avions, nous pouvons penser
que lestimation des distances est un facteur extrmement important dans
lactivit des ATC lheure actuelle.
En termes de perspectives de recherche, plusieurs axes paraissent per-
tinents pour amliorer et complter le modle computationnel. Notre
approche rductionniste nous a permis de partir dune situation particu-
lirement simple : les deux avions maintenaient constantes leurs altitudes
et leurs vitesses. Par consquent, il est simple de procder au test de la
sparation verticale puisquil sut calculer le direntiel daltitude pour
pouvoir prendre une dcision. Or dans un secteur en-route, les avions ne
sont pas ncessairement aussi stables et voluent verticalement. Les ATC
ont donc une contrainte supplmentaire. Ce qui fait la dicult de ce
genre danticipation cest qu aucun instant lATC na une reprsentation
externe de cette volution (i.e. graphique), lcran radar tant en deux
dimensions. Comment font les ATC pour rsoudre ces cas ? Comment est
estime la sparation horizontale quand un ou plusieurs avions voluent
simultanment ? Les modles de Averty (1998) et Stankovic et al. (2008)
mettent en avant une troisime distance qui est le Dt
v
. Cette variable est la
distance de sparation verticale au moment o un des deux avions sortira
de la limite de sparation. Toutefois, les auteurs ne dcrivent aucun mo-
ment comment cette distance est value, ni en fonction de quels processus
cognitifs. Cette question relve dun intrt particulier pour toute personne
implique dans ltude des processus cognitifs responsables de la dtection
de conit sur radar.
Notre modlisation est base sur la rplication du protocole exprimen-
tal de Rantanen et Nunes (2005). Ce protocole permet de croiser quatre
variables (angle, altitude, vitesse et Dt
h
) ce qui a pour avantage de mettre
7.4 di scussi on et conclusi on 161
en vidence le rle des ces facteurs dans la dtection de conit. Toutefois,
la dnition mme du plan ne nous permet pas de crer toutes les congu-
rations de conit possibles. Une ou plusieurs expriences supplmentaires
nous permettraient de construire davantage de scnarios et donc dtudier
plus nement les stratgies possibles mises en place par les ATC pour
tenter den faire un inventaire et de les implmenter pour complter notre
modle. Finalement, il est probable que les stratgies utilises soient forte-
ment variables dune personne lautre. Notre modle est trs gnraliste
dans la mesure o il ne prend pas le facteur inter-individuel en compte. En-
core une fois, il serait ncessaire de mettre en place plusieurs expriences
montrant comment sont utilises les stratgies en fonction du contrleur
et non en fonction de la situation. Lutilisation de stratgies personnelles
pourrait expliquer pourquoi les donnes sont aussi disperses dans certains
cas.
En conclusion, bien que notre modle ne prenne pas en compte les
dirences inter-individuelles, et ne couvre pas lintgralit des cas de
conit possibles, il se comporte dune faon satisfaisante quelle que soit la
mthode de validation adopte. Nous sommes particulirement conscients
des amliorations apporter en terme de exibilit, de modlisation des
erreurs dinattention. Quoi quil en soit, la modlisation computationnelle
est un bon outil pour tester et valider une thorie. Cette mthode nest
toutefois pas la panace. En eet, larchitecture doit tre la plus complte
possible pour pouvoir implmenter dirents processus sans passer par
lajout de fonctions particulires.
Nous avons implment le modle thorique prsent au chapitre 5 dans
larchitecture cognitive ACT-R 6. Les rsultats de la simulation ont montr
que le modle pouvait prdire correctement la fois les temps de rponse
et la performance des contrleurs humains (respectivement r(56) = .93 et
r(56) = .83).
Toutefois, notre modle reste amliorer notamment en prenant en
compte :
Lvolution verticale des avions ;
Les dirences inter-individuelles dans lutilisation de stratgies de
dtection de conit.
8
CONCLUSI ON ET PERSPECTI VES
Dans cette dernire partie, nous prsenterons les contributions apportes
par notre travail. Nous discuterons ensuite des limites gnrales de notre
approche et, pour terminer nous verrons quelles sont les perspectives
de recherches relatives ltude des processus cognitifs utiliss par les
contrleurs ariens.
8.1 les apports de notre travai l
Lobjectif de la thse tait de pouvoir implmenter un modle cognitif
de la dtection de conit chez les contrleurs arien en-route dans lar-
chitecture cognitive ACT-R. Le modle computationnel que nous avons
prsent repose sur les bases thoriques introduites par Leplat et Bisseret
et reprises entre autres par Niessen et al., Rantanen et Nunes, Raufaste...
Il reprend lide selon laquelle les contrleurs ariens utilisent une stra-
tgie lexicographique pour prendre une dcision sur le risque de conit.
Toutefois, ce modle dire de ceux prcdemment dcrits sur plusieurs
points.
Tout dabord, sur le plan thorique, notre modle ne se contente pas de
mettre en vidence la squence des tests dcisionnels, il propose galement
des stratgies possibles pour eectuer ces tests. En eet, hormis dans le
modle de Raufaste, les micro-dcisions intgres dans chaque test de
chaque modle ne sont pas, ou peu dtailles. Nous entendons par pas
dtailles le fait quelles ne sont pas susamment prcises pour pouvoir
tre implmentes. Par exemple, dire que les contrleurs estiment la dis-
tance horizontale au point le plus proche ninforme absolument en rien sur
la faon dont cette distance est value. Ce manque de prcision nous a
pouss comprendre comment les distances taient estimes. Nous avons
vu quil existe de srieux arguments appuyant lide que la perception des
distances sur un cran radar est biaise. Nous avons donc intgr notre
modle computationnel une partie de ces biais perceptifs qui nont, notre
connaissance, que rarement t pris en compte dans les tudes relatives
la dtection de conit.
163
164 conclusi on et perspecti ves
La deuxime dirence entre notre modle et les modles existants est
dordre mthodologique. Nous avons remarqu quil existait relativement
peu dtudes sur la dtection de conit prenant en compte les mouvements
oculaires. Dans ces tudes, les aires dintrt restent un niveau de dtail
soit trs gnral (Metzger & Parasuraman, 2006), soit pas assez dtaill
(Willems et al., 1999) pour rpondre la question Quelles sont les infor-
mations aches sur le radar pour diagnostiquer une perte de sparation
entre deux avions ? . Il nous a donc paru pertinent daller encore plus loin
dans lanalyse des lments regards sur un cran radar, notamment en
mesurant les informations acquises partir des tiquettes de chaque avion.
Grce cette technique nous avon pu galement mesurer limportance
de chaque information. Cest en grande partie ces rsultats qui nous ont
pouss proposer un nouveau modle de la dtection de conit.
Grce aux donnes recueillies lors de la rplication du protocole ex-
primental inspir de Rantanen et Nunes (2005), nous avons pu mener
une analyse en deux temps. Dans un premier temps, chaque indicateur
(temps de rponse, performance, mouvements oculaires) a t analys
indpendamment pour pouvoir valider ou inrmer les prdictions des
modles existants sur lesquels nous aurions pu nous appuyer. Dans un
second temps, nous avons tent dintgrer lensemble de nos rsultats pour
pouvoir construire un nouveau modle cohrent qui ne trouve pas son
semblable dans la littrature.
La troisime dirence majeure est que notre modle a t implment
et test dans une architecture cognitive. Nous sommes partis de nos don-
nes pour pouvoir comparer le comportement du modle avec celui des
contrleurs humains. Les rsultats issus de la simulation ont montr que
notre modle possdait une certaine validit, tant au niveau du traitement
cognitif que de la performance obtenue.
Finalement, nous avons test limpact de la consigne dans une tche
de dtection de conit. Nous sommes partis de lide de Loft selon la-
quelle les contrleurs dcideraient avant tout dintervenir sur un avion
problmatique plutt que de dcider sil y avait eectivement conit. Cette
dirence a des consquences sur la validit cologique des donnes re-
cueillies. En eet, demander un contrleur de faire ce quil ne fait pas
rellement pose un problme dcologie vident. Toutefois, on pourrait
essayer dargumenter que si un contrleur intervient cest quil estime
quil y a conit. Cet argument parat valable, nanmoins, avec un peu de
recul sur lactivit de contrle arien il est possible de voir les choses di-
remment. Lactivit des contrleurs est varie et complexe. Ceci contraint
les contrleurs rguler leur charge cognitive et rpartir leur attention sur
lensemble des traitements quils ont eectuer. Par consquent, il est peu
probable que les ATC sinvestissent dans des jugements prcis, complexes
et coteux dans la mesure o une simple dcision dintervenir permet de
8.2 les li mi tes de notre approche 165
rgler immdiatement une situation, quil y ait rellement un danger ou
non. Cependant, mme si la dirence entre dcider dintervenir et juger
loccurrence dun conit existe, elle nest pas gnralisable toutes les
situations. En eet, la dirence ne se fait ressentir (1) que dans les con-
gurations les plus complexes et (2) uniquement sur le temps de traitement
des informations. La performance ainsi que la prise dinformation sont
identiques quelle que soit la tche demande. Quoi quil en soit, la pru-
dence doit tre de rigueur lorsque des protocoles exprimentaux utilisant
des temps de rponse et une consigne de dtection de conit sont mis en
place pour valider un modle. Il est probable que les donnes recueillies
ne retent pas rellement lactivit des contrleurs en situation naturelle.
En synthse nous avons contribu crer partir dun ensemble de
donnes un modle hirarchique de prise de dcision susamment dtaill
pour pouvoir tre implment dans une architecture cognitive et valid par
une srie de simulations. Toutefois, nous sommes conscients que notre
modle peut tre discut sur plusieurs points.
8.2 les li mi tes de notre approche
8.2.1 Le rductionnisme
Nous nous sommes focaliss sur la dtection de conit entre deux
avions stables sur le plan vertical. Des experts anonymes
1
du contrle
arien nous ont fait remarquer quaborder le contrle arien de cette
faon tait vain car selon eux, les travaux prcdents se susaient
eux-mmes. Toujours selon eux, continuer sur cette voie risque de
perptuer une reprsentation incomplte de la tche de contrle car
dautres lments ne sont pas pris en compte comme la structure des
secteurs, les ux de trac... Certes notre modle ne prend pas en compte
les spcicits dun secteur, dailleurs quel modle gnral pourrait le
faire ? Autant il peut sembler peu utile de dtailler le processus de prise
de dcision lors de la dtection de conit, autant il semble illusoire de
produire un modle global du contrle arien. ce type de remarques
certes pertinent, nous rpondrons que nous ne sommes simplement pas sur
le mme niveau danalyse des comptences relatives au contrle arien.
En eet, les contrleurs acquirent leurs comptences en deux temps et
que pendant ces deux priodes les ATC dveloppent des savoirs dirents.
Le premier temps est celui de lacquisition de connaissances gnrales, le
second celui des connaissances spciques un secteur.
Il est ncessaire de revenir sur le parcours de formation dun Ingnieur
du Contrle de la Navigation Arienne (ICNA) pour comprendre comment
1. Reviewers anonymes pour la confrence HCI 2008.
166 conclusi on et perspecti ves
sont acquis les savoir-faire. Pendant sa formation lENAC, le futur ICNA
va apprendre des procdures et des mthodes gnralisables et applicables
tout type de situation. Par exemple, on lui enseigne la dtection de
conit, la gestion des ux du trac arien, la matrise des communications
etc. Ces direntes comptences forment le tronc commun des savoirs
ncessaires la pratique du contrle arien. Avant la n de sa formation,
llve va tre aect un centre de contrle de la navigation arienne
pendant plusieurs mois (voir annes). Une fois que llve est diplm
de lENAC, il obtient le titre dICNA. Mais ce titre ne sut pas pour
que le contrleur soit quali sur la position , cest--dire expert dans
son secteur. Pour que le contrleur devienne autonome, il va passer une
priode de temps variable sous la supervision dun contrleur expert (i.e.,
quali) du secteur. Ce superviseur aura pour tche de communiquer
au nouveau venu toutes les spcicits du secteur (routes, trac, types
davions, vnements rcurrents, impact de la mto...) et dvaluer les
capacits de son apprenant. Une fois que lICNA a dmontr ses qualits
tre autonome il devient contrleur quali.
Donc, nous voyons bien que dans un premier temps le contrleur ac-
quiert des comptences gnrales et que, dans un second temps, ces com-
ptences sont adaptes en fonction de leur secteur. Cest ce moment-l
que, selon nous, le contrleur se forge une relle expertise.
Un modle global de la reprsentation mentale des ATC ne peut, par
dnition, que dicilement exister. En eet, il devra inclure chaque par-
ticularit de chaque secteur. la vue du nombre de secteurs (et donc du
nombre de spcicits relatives), il sera dicile de pouvoir dpasser de
telles contraintes.
En rduisant la situation de dtection de conit sa plus simple ex-
pression, nous pouvons rendre compte du processus gnral de prise de
dcision et ce, sans altrer nos donnes avec des eets parasites lis
la conguration du secteur. Nous pensons que ce processus est partag
par tous les contrleurs. Cela pourrait expliquer pourquoi, dans une tche
de dtection de conit entre deux avions, il est dicile de faire la di-
rence entre les performances des experts et celles des novices (Rantanen
& Nunes, 2005). Il nous parat donc pertinent de continuer dans cette voie.
Finalement, tudier et prendre en compte leet des routes de naviga-
tion et/ou le ux particulier dun secteur, nentre pas dans le mme objet
dtude et mrite tout simplement une attention spcique qui dpasse le
cadre de cette thse. Toutefois, comprendre limpact de la conguration
des voies ariennes sur la gestion du trac est ncessaire. En eet, ces
connaissances permettraient de faire des recommandations lors de la d-
nition de nouvelles routes dans un secteur. Il parat galement dicile
de produire un modle gnral du contrle arien si on ne connat pas
prcisment toutes les activits cognitives impliques dans une tche aussi
8.3 perspecti ves de recherches et appli cati ons potenti elles 167
complexe. Notre approche rductionniste prend donc sens si on comprend
quelle a pour but de dtailler un processus indispensable la tche de
contrle arien. Nous sommes toutefois conscients que dautres activits
cognitives sont luvre dans le contrle et quelles devront tre intgres
dans de futurs modles.
8.2.2 Un modle post-hoc
Les hypothses testes au chapitre 5 taient relatives aux dirents
modles de la dtection de conit prcdemment labors. Avant lanalyse
des rsultats, nous ne pensions pas ncessairement introduire un nouveau
modle. Nous pensions conrmer une approche plutt quune autre. Or
nos rsultats ne permettaient pas de trancher en faveur de tel ou tel modle,
mais laissaient plutt envisager quil tait possible dintgrer ensemble
plusieurs parties des dirents modles. Toutefois, on pourrait nous faire
la remarque que notre modle a t construit partir des donnes et
non partir dune thorie. Nous pouvons prsenter deux arguments qui
permettent dattnuer cette critique.
Premirement, nos rsultats ont t considrs la lumire de nouvelles
perspectives thoriques, notamment sur le traitement des vitesses ou sur les
problmes dordre perceptifs (voir le chapitre 5). Bien que nos choix aient
t orients par la qualit de nos rsultats, nous les avons thoriquement
justis pour la plupart.
Notre deuxime argument est limplmentation du modle dans une
architecture cognitive. Deux dmarches sont possibles lorsquun chercheur
veux crer un modle computationnel : soit le modle est cr, simul
et nalement compar avec des donnes issues dexprimentations avec
des humains. Soit, linverse, les donnes des exprimentations sont
recueillies et le modle est cr et compar. Comme ltat de lart ne
nous permettait pas de faire un modle a priori, nous avons choisi la
seconde solution. Ceci dit, dune manire ou dune autre, notre approche
de la dtection de conit a t teste et confronte aux donnes issues
de lexprience que nous avons mene. Les rsultats ont conrm que le
modle de dtection de conit tait cohrent et valide. Cependant comme
nous lavons voqu dans la conclusion du chapitre 7, il reste amliorer.
8.3 perspecti ves de recherches et appli cati ons potenti elles
En rduisant la situation de conit son minimum de complexit, nous
avons pu crer un modle cognitif de la dtection performant. Toutefois,
ce modle nest quune base de travail partir de laquelle nous pourrons
nous appuyer pour de futures recherches.
168 conclusi on et perspecti ves
Tout dabord, nous avons tent de dcrire plusieurs types de stratgies
impliques dans lestimation de la sparation horizontale. Toutefois, notre
plan exprimental ne nous a pas permis de pouvoir simuler lintgralit
des cas de conit. De fait, les stratgies que nous avons implmentes ne
forment pas une liste exhaustive de lensemble des stratgies possibles.
Normalement, il devrait en manquer. Dans un premier temps, il sera nces-
saire de faire un inventaire complet des stratgies de dtection de conit
lorsque deux avions sont la mme altitude. Une nouvelle srie dexp-
riences sera mettre en place, pour cette fois-ci tudier tous les cas de
conit et les dirents moyens mis en place par les contrleurs pour les
dtecter. Ce travail permettra de complter notre modle computationnel
et de le rendre plus exible face aux cas auxquels il pourra tre confront.
Dans un second temps, il nous parat ncessaire damliorer le modle
pour quil puisse prendre en considration des scnarios plus complexes.
En eet, dans un secteur rel, mme dans un secteur en route, les avions
voluent. Ils peuvent changer de cap, de vitesse et daltitude. Ces chan-
gements produisent des modications importantes dans la reprsentation
de la situation des contrleurs. Ces variations doivent donc tre prises en
compte pour prendre les dcisions adaptes.
Notre deuxime axe de recherche se focaliserait sur les processus per-
mettant destimer la sparation verticale entre deux avions. Cette question
est en partie aborde dans le modle dAverty (1998) et de Stankovic et
al. (2008) et est voque dans le modle de Niessen et al. (1998). Se-
lon le modle de Stankovic et al., le jugement de risque de conit serait
sous linuence dune variable dcrivant une distance verticale, le Dt
v
.
Mme si ce modle prend en compte la distance verticale de sparation,
il nexplique en rien les processus cognitifs impliqus dans lestimation
de cette variable par les contrleurs. Nous pouvons remarquer que dans
le modle de Niessen lvolution verticale des avions est prise en compte
dans ltape 1 du modle. Les contrleurs estimeraient la possibilit de
perte de sparation sur le plan vertical laide dheuristiques. Par exemple,
si un premier avion est stable et que le second volue verticalement vers le
premier, alors il y a un risque de perte de sparation sur ce plan. Il est peu
probable que les contrleurs appliquent exactement ce type de stratgie.
En eet, cette rgle est clairement suboptimale. Elle ne permet de savoir
ni o, ni quand, les avions perdront leur sparation verticale.
Le traitement de la distance de sparation horizontale ne parat pas
rpondre aux mmes processus que ceux responsables du traitement de la
sparation horizontale. En eet, autant le contrleur peut sappuyer sur
limage radar pour estimer un Dt
h
, autant cela lui est impossible pour la
sparation verticale, limage radar tant en deux dimensions sur le plan
horizontal. Le contrleur ne peut sappuyer que sur peu dinformations :
laltitude, lvolution de lavion (montant, stable, descendant) ainsi que sa
8.3 perspecti ves de recherches et appli cati ons potenti elles 169
catgorie (modle davion). LATC doit donc combiner ces informations
pour produire un jugement sur le risque de perte de sparation verticale.
Il nous parat donc important de comprendre comment ce jugement est
produit et par quels facteurs il est inuenc. Une fois que nous aurons
rpondu ces questions, nous pourrons continuer faire voluer le modle
computationnel et en lui permettant de prendre en compte lestimation de
la distance verticale.
Une fois que notre modle sera capable de rendre compte des juge-
ments de conit entre deux avions, nous pourrons intgrer des traitements
plus gnraux pour tenter dapprocher un peu plus la reprsentation des
contrleurs. Par exemple, comprendre comment les conits sont rsolus en
fonction de la charge de trac, partir de quelles informations les contr-
leurs arrivent dtecter des points chauds dans leur secteur, comment sont
prises en compte les variations mtorologiques, etc.
8.3.1 Applications potentielles
lheure actuelle, le trac tend se dvelopper. Malgr cela, la taille
des secteurs est revue la hausse. Par consquent, les secteurs vont devenir
plus vastes (complexes ?), avec encore plus de trac. La charge cognitive
des contrleurs risque, elle aussi, daugmenter. Il est donc ncessaire
de prvoir des outils daide la dcision an de supporter le contrleur
dans sa tche quotidienne. Au moins deux types de solutions peuvent
tre envisags pour permettre aux contrleurs de grer ecacement cette
augmentation de la charge de travail.
La premire solution consiste laisser un calculateur dtecter et rsoudre
une partie des conits. Par exemple, le projet ERASMUS de la DTI/SDER,
permet de grer des avions qui risquent dentrer en conit sans intervention
du contrleur. ERASMUS diagnostique les avions risque, et rsout le
conit en tablissant une clairance pour modier la vitesse dun ou des
deux avions. Toutes les oprations menes par ERASMUS sont invisibles
pour les ATC. Des tudes sont en cours pour valuer limpact dERASMUS
sur la charge cognitive des contrleurs.
La deuxime solution est dorir au contrleur des outils de mesure
adapts leur demande. Par exemple, en France, les vecteurs vitesses
nextrapolent la position des avions qu neuf minutes maximum. Or dans
certains cas, il semble que cette dure ne soit pas susante pour que le
contrleur puisse se faire une bonne reprsentation dune situation venir.
Implmenter des vecteurs vitesse dont la longueur reste intgralement au
choix des contrleurs parat tre utile.
Les contrleurs se reposent rgulirement sur lvaluation de direntes
distances partir de lcran radar. Nous avons vu que la perception de
ces distances tait biaise. Il est possible de crer une aide graphique
170 conclusi on et perspecti ves
permettant de mieux visualiser des distances critiques comme le Dt
h
. Par
exemple, il devrait tre possible de faire acher au bout des vecteurs
vitesse un cercle de 2,5 miles nautiques de rayon, reprsentant la zone
de scurit sur le plan horizontal dun avion. Ainsi, si un contrleur veut
valuer le risque de perte de sparation, il lui surait de faire acher les
vecteurs vitesse de chaque avion et de constater les positions relatives des
deux cercles. Si les deux cercles ne se touchent pas, alors le contrleur
aura une bonne prsomption de non conit. Si les cercles se touchent
ou se croisent, alors le contrleur pourra valuer plus prcisment la
situation et dcider ou non dintervenir. Reste savoir limpact que ce
genre de mesures a sur la dtection de conit et sur la charge mentale des
contrleurs. Il reste galement vrier si ce type doutil serait accept et
utilis par les ATC.
Malgr la crise, le cot nergtique et limpact cologique, le nombre
davions simultanment achs sur un radar continuera daugmenter avec
le temps. Il sera de plus en plus dicile pour le contrleur de se faire
une reprsentation globale du trac. Il faudra donc permettre aux ATC
non pas davoir une reprsentation globale du trac, mais plutt de leur
permettre de porter leur attention sur un vnement particulier au moment
opportun. Cest avec cette considration que notre travail prend sens. En
eet, nous avons vu en introduction que le problme des aides actuelles
tait de produire de fausses alarmes qui perturbaient les contrleurs (Alliot
et al., 2005). Or si nous arrivons crer un modle dont les processus sont
calqus sur ceux des contrleurs, il est probable que ses dcisions soient
plus tolres par les ATC. Nous sommes conscients toutefois que cette
hypothse reste conrmer.
Finalement, les chercheurs particulirement intresss par la tche de
contrle arien doivent prendre en compte lvolution de ce mtier. En
eet, il semble que dans un futur plus ou moins proche le mtier de
contrleur arien subisse dimportantes modications. Les avions sont
et seront de plus en plus autonomes. Par exemple, de nos jours chaque
avion de ligne est quip dun TCAS
2
. Le TCAS est un radar embarqu
permettant dvaluer si lavion risque de se faire aborder par un autre
avion. Lors dune telle situation, les TCAS placs dans chaque avion,
diagnostiquent le problme et communiquent entre eux pour donner une
instruction en cap ou en altitude aux pilotes. Avec les progrs techniques,
il est fort probable que les communications entre les avions soient de plus
en plus performantes. Ces changes dinformations permettront au trac
de sautogrer partiellement. Quen sera t-il du travail des contrleurs ? Il
parat dans lordre des choses que les ATC aient un rle de plus en plus
passif dans la gestion du trac si celui-ci sautorgule. La tche principale
des contrleurs sera la supervision du trac. La part active du contrleur
2. Trac Collision Avoidance System.
8.3 perspecti ves de recherches et appli cati ons potenti elles 171
sera rduite aux situations les plus exceptionnelles. Si cette prdiction
savre tre exacte, il nous faudra reconsidrer les processus cognitifs
luvre dans la gestion du trac arien.
A
ANNEXE
173
174 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 23: Graphiques de dispersion : angles 45. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
175
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 24: Graphiques de dispersion : angles 45. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
176 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 25: Graphiques de dispersion : angles 45. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
177
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 26: Graphiques de dispersion : angles 45. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
178 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 27: Graphiques de dispersion : angles 67. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
179
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 28: Graphiques de dispersion : angles 67. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
180 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 29: Graphiques de dispersion : angles 67. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
181
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 30: Graphiques de dispersion : angles 67. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
182 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 31: Graphiques de dispersion : angles 90. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
183
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 32: Graphiques de dispersion : angles 90. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
184 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 33: Graphiques de dispersion : angles 90. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
185
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 34: Graphiques de dispersion : angles 90. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
186 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 35: Graphiques de dispersion : angles 112. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
187
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 36: Graphiques de dispersion : angles 112. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
188 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 37: Graphiques de dispersion : angles 112. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
189
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 38: Graphiques de dispersion : angles 112. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
190 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 39: Graphiques de dispersion : angles 135. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
191
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 40: Graphiques de dispersion : angles 135. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
192 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 41: Graphiques de dispersion : angles 135. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
193
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 42: Graphiques de dispersion : angles 135. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
194 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 43: Graphiques de dispersion : angles 135. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
RFRENCES
Ahlstrom, U., & Friedman-Berg, F. J. (2006). Using eye movement
activity as a correlate of cognitive workload. International Journal
of Industrial Ergonomics, 36, 623636. (Cit pages 13, 22, et 23.)
Alliot, J., Durand, N., & Granger, G. (2005). A statistical analysis of
the inuence of vertical and ground speed errors on conict probe
(Rapport technique). CENA. (Cit pages 1 et 170.)
Anderson, J. (1993). Rules of the mind. Hillsdale : Lawrence Erlbaum.
(Cit pages 114 et 119.)
Anderson, J. (2007). How can the human mind occur in the physical
universe ? New York, NY : Oxford University Press. (Cit pages 4
et 119.)
Anderson, J., Bothell, D., Byrne, M. D., Douglass, S., Lebiere, C., & Qin,
Y. L. (2004). An integrated theory of the mind. Psychological
Review, 111, 10361060. (Cit pages 4 et 119.)
Anderson, J., & Lebiere, C. (1998). The atomic components of thought.
Mahwah, NJ : LEA. (Cit pages 4 et 119.)
Averty, P. (1998). Les eets de la charge de trac sur le niveau dactivation
psychophysiologique du contrleur arien. Thse de doctorat non
publie, Universit Lumire Lyon II. (Cit pages 21, 25, 159, 160,
et 168.)
Averty, P. (2005). Conit perception by ATCS admits doubt but not
inconsistency. In Proceedings of the 6th air trac management
research & developpment seminar. Baltimore (USA). (Cit page 14.)
Baddeley, A. D. (1986). Working memory. London : Oxford University
Press. (Cit pages 55 et 110.)
Baddeley, A. D. (2001). Is working memory still working ? American
Psychologist, 56, 849864. (Cit page 110.)
Baddley, A. D., & Hitch, G. (1974). Working memory. the psychology of
learning and motivation. Londres : Academic Press. (Cit page 110.)
Bisseret, A. (1970). Mmoire oprationnelle et structure de travail [wor-
king memory and work structure]. Bulletin de Psychologie, 24,
280294. (Cit page 93.)
Bisseret, A. (1981a). Application of signal detection theory to decision
making in supervisory control : the eect of operators experience.
Ergonomics, 24, 8194. (Cit page 21.)
Bisseret, A. (1981b). Application of signal detection theory to decision ma-
king in supervisory control : the eect of the operators experience.
Ergonomics, 24, 81-94. (Cit page 96.)
195
196 r ef erences
Bisseret, A. (1995). Reprsentation et dcision experte. psychologie
cognitive de la dcision chez les aiguilleurs du ciel. Toulouse :
Octares Editions. (Cit pages 16, 140, et 159.)
Bisseret, A., & Girard, Y. (1973). Le traitement des informations par le
contrleur du trac arien. une description globale des raisonne-
ments (Rapport technique). IRIA CO. R37. (Cit pages 14 et 21.)
Boag, C., Neal, A., Loft, S., & Halford, G. S. (2006). An analysis of
relational complexity in an air trac control conict detection task.
Ergonomics, 49, 15081526. (Cit page 14.)
Boudes, N., & Cellier, J. (2000). Accuracy of estimations made by air
trac controllers. International Journal of Aviation Psychology, 10,
207225. (Cit pages 92 et 93.)
Bouju, F., & Sperandio, J. C. (1979). Eects of qualication level and
work load of air controller on their operational strategies. Travail
Humain, 42, 137-138. (Cit page 26.)
Bouma, H., & Andriessen, J. (1968). Perceived orientation of isolated line
segments. Vision Research, 8, 493507. (Cit page 38.)
Brainerd, C. J., & Reyna, V. F. (1990). Gist is the grist - fuzzy-trace theory
and the new intuitionism. Developmental Review, 10, 347. (Cit
page 92.)
Callantine, T. J. (2005). Performance evaluation of a computational model
of en route air trac control. In Proceedings of the thirteenth inter-
national symposium on aviation psychology (pp. 8691). Oklahoma
City. (Cit pages 104 et 105.)
Campbell, F., & Kulikowski, J. (1966a). The eect of orientation on the
visual resolution of gratings. Journal of Physiology, 187, 427436.
(Cit page 65.)
Campbell, F., & Kulikowski, J. (1966b). Orientation selectivity of the
human visual system. Journal of Physiology, 187, 437445. (Cit
page 65.)
Cohen, J. (1988). Statistical power analysis for the behavioral sciences.
(2d ed.) Hillsdale, NJ : Lawrence Erlbaum. (Cit page 50.)
Corker, K. M., & Gore, B. F. (2000). Free ight and the context of
control : Experiments and modeling to determine the impact of dis-
tributed air-ground air trac management on safety and procedures.
In 3rd annual eurocontrol international symposium on air trac
management. Naples, Italy. (Cit pages 104, 109, et 110.)
Delucia, P. R., & Liddell, G. W. (1998). Cognitive motion extrapolation
and cognitive clocking in prediction motion tasks. Journal of ex-
perimental psychology : Human perception and performance, 24,
901914. (Cit page 17.)
Endsley, M. R. (1995). Toward a theory of situation awareness in dynamic
systems. Human Factors, 37, 3264. (Cit pages 9 et 107.)
r ef erences 197
Eyferth, K., Niessen, C., & Spaeth, O. (2003). A model of air trac
controllers conict detection and conict resolution. Aerospace
Science and Technology, 7, 409416. (Cit pages 19, 104, et 114.)
Findlay, J. M., & Hotopf, W. H. N. (1985). Eye movements and perception
of alignment. Perception, 14, 387391. (Cit page 39.)
Furmanski, C. S., & Engel, S. (2000). An oblique eect in human primary
visual cortex. Nature Neuroscience, 535536. (Cit page 65.)
Galster, S. M., Duley, J. A., Masalonis, A. J., & Parasuraman, R. (2001).
Air trac controller performance and workload under mature free
ight : Conict detection and resolution of aircraft self-separation.
International Journal of Aviation Psychology, 11, 7193. (Cit
page 13.)
Gore, B., & Corker, K. M. (1999). System interaction in free ight : A
modeling tool cross-comparison. In Third annual sae international
conference and exposition - digital human modeling for design and
engineering. Dearborn, Michigan. (Cit pages 104 et 109.)
Greene, E. (1987). The relative contribution of contact and target lines in
the magnitude of the Poggendor eect. Perception, 16, 385388.
(Cit page 39.)
Greene, E. (1993). The inuence of response factors on the magnitude of
angular induction. Perceptual and Motor Skills, 76, 323335. (Cit
pages 39, 40, 43, et 63.)
Greene, E. (1994). Collinearity judgment as a function of induction angle.
Perceptual and Motor Skills, 78, 655674. (Cit page 40.)
Greene, E., & Frawley, W. (2001). Evaluating models of collinearity
judgment for reliability and scale. Perception, 30, 543558. (Cit
pages 38, 39, et 43.)
Greene, E., Frawley, W., & Swimm, R. (2000). Individual dierences in
collinearity judgment as a function of angular position. Perception
& Psychophysics, 62, 14401458. (Cit pages 38, 39, et 43.)
Greene, E., & Pavlov, G. (1989). Angular induction as a function of
contact and target orientation. Perception, 18, 143154. (Cit
pages 39 et 40.)
Gronlund, S., Ohrt, D., Dougherty, M. R., Perry, J. L., & Manning, C. A.
(1998). Role of memory in air trac control. journal of experimental
psychology : Applied, 4, 263280. (Cit page 92.)
Haider, H., & Frensch, P. A. (1996). The role of information reduction
in skill acquisition. Cognitive Psychology, 30, 304337. (Cit
page 20.)
Homann, E., Payne, A., & Prescott, S. (1980). Childrens estimates
of vehicle approach times. Human Factors, 22, 235240. (Cit
page 66.)
198 r ef erences
Hotopf, W. (1981). Mistracking in alignment illusions. Journal of
Experimental Psychology : Human Perception and Performance, 7,
12111246. (Cit page 39.)
Hotopf, W., & Brown, S. (1988). Constant errors in judgment of colli-
nearity due to the presence of neighboring objects. Perception, 17,
523534. (Cit pages 39 et 160.)
Irwin, D. E. (1996). Integrating information across saccadic eye mo-
vements. Current Directions in Psychological Science, 5, 94-100.
(Cit page 94.)
Irwin, D. E. (2004). Fixation location and xation duration as indices
of cognitive processing. In J. M. Henderson & F. Ferreira (Eds.),
The interface of language, vision, and action : Eye movements and
the visual world (pp. 59104). New York : Psychology Press. (Cit
page 94.)
Karsten, G., Goldberg, B., Rood, R., & Sultzer, R. (1975). Oculomo-
tor measurment of air trac controller visual attention (Rapport
technique). NJ : DOT/FAA Technical Center. (Cit page 23.)
Kimball, K. A. (1970). Estimation of intersection of two converging targets
as a function of speed and angle of target movement. Perceptual &
Motor Skills, 30, 303310. (Cit pages 16 et 66.)
Kimball, K. A., Hofmann, M. A., & Nossaman, R. O. (1973). Dierential
velocity and time prediction of motion. Perceptual & Motor Skills,
36, 935945. (Cit pages 16 et 66.)
Law, D. J., Pellegrino, J. W., Mitchell, S. R., Fischer, S. C., McDonald,
T. P., & Hunt, E. B. (1993). Perceptual and cognitive factors gover-
nig performance in comparative arrival-time jugdments. Journal of
Experimental Psychology : Human perception and performance, 19,
11831199. (Cit pages 16, 17, 37, 65, et 66.)
Lawrence, B. M., Myerson, J., Oonk, H. M., & Abrams, R. A. (2001). The
eects of eye and limb movements on working memory. Memory, 9,
433444. (Cit page 55.)
Lee, S. M., Ravinder, U., & Johnston, J. C. (2005). Developing an agent
model of human performance in air trac control operations using
APEX cognitive architecture. In Proceedings of the 2005 winter
simulation conference, Vols 1-4 (pp. 979987). Orlando, FL. (Cit
pages 104 et 111.)
Lee, S. M., Remington, R., Ravinder, U., & Matessa, M. (2004). De-
veloping human performance models using APEX/CPM-GOMS
for agent-based modeling and simulation. In Proceedings of the
2004 Advanced Simulation Technologies Conference (ASTC04).
Arlington, VA. (Cit pages 104 et 111.)
Leplat, J., & Bisseret. (1965). Analyse des processus de traitement de
linformation chez le controleur de la navigation arienne. Bulletin
r ef erences 199
dtudes et Recherches Psychologiques, 14, 5167. (Cit page 15.)
Leuchter, S., Niessen, C., Eyferth, K., & Bierwagen, T. (1997). Modelling
mental processes of experienced operators during control of a dyna-
mic man maschine system. In C. W. G. S. B.B. Borys G. Johannsen
(Ed.), Proceeding of the XVI european annual conference on human-
decision making and manual control (pp. 268276). University of
Kassel, Germany. (Cit pages 19, 104, et 114.)
Loft, S., Bolland, S., Humphreys, M., & Neal, A. (2007). Modelling the
humain air trac controller, part 1 : Expert-trainee dierences in
conict detection. In Proceedings of the 14th international sympo-
sium on aviation psychology (pp. 409413). ISAP07, Dayton, USA.
(Cit page 92.)
Loft, S., Humphreys, M., & Neal, A. (2004). The inuence of memory for
prior instances on performance in a conict detection task. Journal
of Experimental Psychology-Applied, 10, 173187. (Cit page 32.)
Loft, S., Sanderson, P., Neal, A., & Mooij, M. (2007). Modeling and
predicting mental workload in en route air trac control : Critical
review and broader implications. Human Factors, 49, 376399.
(Cit page 12.)
Metzeger, U., & Parasuraman, R. (2001). The role of air trac controller in
future air trac management : an empirical study of active control
versus passive monitoring. Human Factors, 43, 519528. (Cit
pages 13 et 14.)
Metzeger, U., & Parasuraman, R. (2005). Automation in future air trac
management : Eects of decision aid reliability on controller per-
formance and mental workload. Human Factors, 47, 3549. (Cit
page 13.)
Metzger, U., & Parasuraman, R. (2006). Eects of automated conict
cuing and trac density on air trac controller performance and
visual attention in a datalink environment. The International Journal
of Aviation Psychology, 16, 343362. (Cit pages 23 et 164.)
Miller, G. A. (1956). Human memory and the storage of information. Ire
Transactions on Information Theory, 2, 129-137. (Cit page 121.)
Mitrani, L., & Yakimo, N. (1983). A model of perceived intersection
of 2 converging line segments. Perception & Psychophysics, 33,
186192. (Cit pages 40, 41, 48, 62, 65, et 93.)
Moray, N. (1990). A lattice theory approach to the structure of mental
models. Philosophical Transactions of the Royal Society of London
Series B-Biological Sciences, 327, 577583. (Cit page 92.)
Morineau, T., Hoc, J.-M., & Denecker, P. (2003). Cognitive control
levels in air trac radar controller activity. International Journal of
Aviation Psychology, 13, 107130. (Cit pages 92, 93, et 96.)
200 r ef erences
Niessen, C., & Eyferth, K. (2001). A model of the air trac controllers
picture. Safety Science, 37, 187202. (Cit pages 19, 104, et 114.)
Niessen, C., Eyferth, K., & Bierwagen, T. (1999). Modelling cognitive
processes of experienced air trac controllers. Ergonomics, 42,
15071520. (Cit pages 15, 20, 22, 27, 32, et 88.)
Niessen, C., Leuchter, S., & Eyferth, K. (1998). A psychological model
of air trac control and its implementation. In F. Ritter & R. Young
(Eds.), Proceedings of the second european conference on cognitive
modelling (ECCM-98) (pp. 104111). Nottingham, UK : Nottin-
gham University Press. (Cit pages iii, iv, 3, 19, 20, 25, 26, 27, 33,
71, 104, 114, et 168.)
Nunes, A., & Scholl, B. J. (2004). Interactions between convergence
angle, trac load, and altitude distribution in air trac control. In
M. M. P. A. H. D. A. Vincenzi (Ed.), Human performance, situation
awareness and automation : Current research and trends (Vol. 1, pp.
180185). Mahwah, NJ : Erlbaum. (Cit page 13.)
Pompanon, C., & Raufaste, E. (2007). Extrapolation of the intersection of
two trajectories on a 2D display : Evidence of biases. In Proceedings
of the 14th international symposium on aviation psychology (pp.
530536). ISAP07, Dayton, USA. (Cit page 93.)
Postle, B. R., Idzikowski, C., Della Sala, S., Logie, R. H., & Baddeley,
A. D. (2006). The selective disruption of spatial working memory
by eye movements. Quarterly Journal of Experimental Psychology,
59, 100120. (Cit pages 55 et 64.)
Rantanen, E. M., & Levinthal, B. (2005). Time-based modelling of human
performance. In Proceedings of the human factors and ergonomics
society 49th annual meeting (pp. 12001204). Santa Monica, CA :
Human Factors and Ergonomics Society. (Cit pages 13 et 14.)
Rantanen, E. M., & Nunes, A. (2005). Hierarchical conict detection in
air trac control. International Journal of Aviation Psychology, 15,
339362. (Cit pages iii, iv, 3, 14, 15, 16, 17, 18, 19, 22, 25, 26, 27,
28, 29, 31, 32, 33, 67, 69, 71, 77, 89, 91, 93, 96, 153, 160, et 166.)
Raufaste, E. (2001). Les mcanismes cognitifs du diagnostic mdical :
optimisation et expertise. Paris : PUF. (Cit page 21.)
Raufaste, E. (2006). ATC in ACT-R : A model of conict detection
between planes. In Proceedings of the thirteens annual ACT-R
workshop (p. 102-107). Pittsburgh, PA, USA.. (Cit pages iii, iv, 3,
18, 25, et 26.)
Remington, R. W., Johnston, J. C., Ruthru, E., Gold, M., & Romera, M.
(2000). Visual search in complex displays : Factors aecting conict
detection by air trac controllers. Human Factors, 42, 349366.
(Cit pages 13 et 14.)
r ef erences 201
Remington, R. W., Johnston, J. C., & Yantis, S. (1992). Involontary
attentional capture by abrupt onsets. Perception & Psychophysics,
51, 279290. (Cit page 110.)
Reyna, V. F., & Brainerd, C. J. (1992). A fuzzy trace theory of reaso-
ning and remembering : Paradoxes, patterns and parallelism. In
A. F. Healy, S. Kosslyn, & R. M. Shirin (Eds.), From learning pro-
cesses : Essays in honor of william k. estes (pp. 235260). Hillsdale
: Erlbaum. (Cit page 92.)
Salthouse, T., & Prill, K. (1983). Analysis of a perceptual skill. Journal
Of Experimental Psychology-Human Perception And Performance,
9, 607621. (Cit page 66.)
Seamster, T. L., Redding, R. E., Cannon, J. R., Ryder, J. M., & Purcell,
J. A. (1993). Cognitive task analysis of expertise in air trac control.
International Journal of Aviation Psychology, 3, 257283. (Cit
pages 2, 9, et 21.)
Shanteau, J. (1992). How much information does an expert use - is it
relevant. Acta Psychologica, 81, 75-86. (Cit page 21.)
Shorrock, S. T. (2007). Errors of perception in air trac control. Safety
Science, 45, 890904. (Cit page 92.)
Sittig, A., & De Graaf, J. B. (1994). Orientation depedent dependent
misalignments in a visual adjustment task. Vision Research, 34,
21952203. (Cit page 38.)
Stankovic, S., Raufaste, E., & Averty, P. (2008). Determinants of conict
detection : A model of risk judgments in air trac control. Human
Factors, 50, 121134. (Cit pages 14, 15, 16, 22, 25, 26, 28, 37, 67,
159, 160, et 168.)
Tanner, W. P., & Swets, J. A. (1954). A decision-making theory of visual
detection. Psychological Review, 61, 401409. (Cit page 21.)
Thomas, L., & Wickens, C. D. (2006). Display dimensionality, conict
geometry, and time pressure eects on conict detection and resolu-
tion performance using cokpit displays of trac information. The
International Journal of Aviation Psychology, 16, 321342. (Cit
page 14.)
Todd, J. T., Oomes, S., Koenderink, J. J., & Kappers, A. M. L. (1999).
The intrinsic geometry of perceptual space : Its metrical, ane and
projective properties. In P. R. Killeen & W. R. Uttal (Eds.), Fechner
day 99 : the end of 20th century psychophysics, proceedings of the
15th annual meeting of the international-society-for-psychophysics
(pp. 169174). Oct 21-24, 1999, Tempe, Arizona. (Cit page 40.)
Tresilian, J. R. (1991). Empirical and theorical issues in the perception
of time to contact. Journal of Experimental Psychology : Human
Perception and Performance, 17, 865876. (Cit pages 16, 37, 65,
et 66.)
202 r ef erences
Tresilian, J. R. (1995). Perceptual and cognitive processes in time-to-
contact estimation :analysis of prediction-motion and relative judg-
ment task. Perception & Psychophysics, 2, 231245. (Cit pages 16,
37, 65, et 66.)
Tukey, J. (1977). Exploratory data analysis. Reading, Mass. : Addison-
Wesley. (Cit page 78.)
Weintraub, D. J. (1993). The logic of misperceived distance (or location)
theories of the Poggendor illusion. Perception & Psychophysics,
53, 231238. (Cit page 39.)
Weintraub, D. J., Krantz, D. H., & Olson, T. P. (1980). The Poggen-
dor illusion : Consider all the angles. Journal of Experimental
Psychology-Human Perception and Performance, 6, 718725. (Cit
page 39.)
Weintraub, D. J., & Virsu, V. (1971). The misperception of angles :
Estimating the vertex of converging line segments. Perception &
Psychophysics, 9, 58. (Cit page 40.)
Weintraub, D. J., & Virsu, V. (1972). Estimating the vertex of converging
lines : Angle misperception ? Perception & Psychophysics, 11, 277
283. (Cit page 40.)
Willems, B., Allen, R. C., & Stein, E. S. (1999). Air trac control
specialist visual scaning ii : Task load, visual noise and intrusion
into controled airspace (Rapport technique). U.S Department NJ :
DOT/FAA Technical Center. (Cit pages 13, 23, et 164.)
Xu, X., & Rantanen, E. M. (2003). Conict detection in air trac control.
a task analysis, a literature review, and a need for further research.
In 12th international symposium on aviation psychology. Dayton,
OH. (Cit pages 3, 16, 17, et 67.)
Yakimo, N. (1977a). Visual extrapolation of 2 converging nonintersecting
line segments. Acta Physiologica et Pharmacologica Bulgarica, 3,
5864. (Cit pages 40, 48, et 62.)
Yakimo, N. (1977b). Visual extrapolation of 2 converging nonintersecting
line segments. Acta Physiologica et Pharmacologica Bulgarica, 3,
5864. (Cit page 93.)
Yakimo, N., Mitrani, L., & Matee, S. (1977a). Visual extrapolation of
a line segment to the point of its intersection with a straight line part
1. Acta Physiologica et Pharmacologica Bulgarica, 3, 1320. (Cit
page 39.)
Yakimo, N., Mitrani, L., & Matee, S. (1977b). Visual extrapolation of
a line segment to the point of its intersection with a straight line part
2. Acta Physiologica et Pharmacologica Bulgarica, 3, 6975. (Cit
pages 39, 54, et 63.)