TH 672 0181

L'ASSISTANCE À L'OPÉRATEUR HUMAIN POUR L'ORDONNANCEMENT
DANS LES ATELIERS MANUFACTURIERS
Jean-Michel Hoc, N. Mebarki, Julien Cegarra
Presses Universitaires de France | « Le travail humain »
2004/2 Vol. 67 | pages 181 à 208

ISSN 0041-1868
ISBN 2130544622
Article disponible en ligne à l'adresse :
--------------------------------------------------------------------------------------------------------------------
https://www.cairn.info/revue-le-travail-humain-2004-2-page-181.htm
--------------------------------------------------------------------------------------------------------------------
© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

Distribution électronique Cairn.info pour Presses Universitaires de France.
© Presses Universitaires de France. Tous droits réservés pour tous pays.
La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les
limites des conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la
licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie,
sous quelque forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de
l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est précisé que son stockage
dans une base de données est également interdit.
Powered by TCPDF (www.tcpdf.org)

SYNTHÈSES
REVIEWS
L’ASSISTANCE À L’OPÉRATEUR HUMAIN

POUR L’ORDONNANCEMENT
DANS LES ATELIERS MANUFACTURIERS
par J.-M. HOC, N. MEBARKI et J. CEGARRA*
SUMMARY
HUMAN OPERATOR SUPPORT OF SCHEDULING IN MANUFACTURING WORKSHOPS
This paper presents three scheduling situations from a technical point of view. First, static

scheduling is considered as the design of a schedule before its execution. Second, dynamic
scheduling considers the elements of the problem in real time, as they are known. Third,
reactive scheduling consists of modifying a schedule on the basis of unexpected events. A
number of questions arise from these situations ; for humans in the main, but also for
machines. How do humans reduce complexity ? How do they manage uncertainty ? What is
the nature of human expertise ? What is the human role in the scheduling process ? What
degree of confidence should the human have in the machine’s model of the problem ? Is the
human able to improve on the solution provided by the machine ? What kind of diagnosis is
necessary when deciding and implementing a modification in a schedule ? The paper then looks
for responses to these questions in the literature. The state-of-the-art work on human factors in
scheduling, published by P. Sanderson in 1989, is considered. Three main contributions to
research were current at this time. First, a comparison between human strategies and simple
scheduling rules showed the frequent superiority of the former over the latter. Second, hybrid
systems (human-machine cooperation) were designed and evaluated as being better than
humans or machines alone. Third, human-computer interfaces were evaluated, integrating
prediction and graphical features. A limitation of these studies was their poor ecological
validity, as they were restricted to laboratory settings. The paper then describes the progress
made in the revival of these approaches. Through individual protocol analysis, a more precise
access to human strategies was possible. Formal approaches were enriched with contributions
from distributed cognition. Some progress has also been made in the analysis of human-
computer interfaces developed within the context of ecological interfaces. Finally, a cooperative
conception of the human-machine relationship has grown within this domain, as well as a
desire to support human machine cooperation in distributed scheduling. The paper concludes
with some promising research directions that could result in a better understanding of human
strategies and representations, the design of more efficient human-machine interfaces and
cooperation, and a greater consideration of dynamic and reactive scheduling.
Key words : Scheduling, Human Scheduling Strategies, Human-Machine Interface,
Human-Machine Cooperation, Operator Support.
* CNRS, IRCCyN, BP 92101, F-44321 Nantes Cedex 3.Jean-Michel.Hoc@irccyn.ec-nantes.fr

(École centrale de Nantes, Université de Nantes, École des Mines de Nantes).
Le Travail Humain, tome 67, no 2/2004, 181-208
182 J.-M. Hoc, N. Mebarki et J. Cegarra
I. INTRODUCTION
La gestion de production dans les ateliers manufacturiers pourrait être

assimilée à une tâche de programmation relativement statique au sens où
le gestionnaire de production pourrait tout contrôler, qu’il s’agisse de la
planification (à long terme) ou de l’ordonnancement (à court et moyen
terme). En fait, elle constitue plutôt une sous-classe de la gestion de situa-
tion dynamique. Il s’agit en effet de situations où ni l’opérateur humain ni
les outils de gestion ne contrôlent complètement les événements, ce qui
introduit la nécessité de gérer des incertitudes. Ces dernières portent à la
fois sur l’environnement (ex. : approvisionnement) et sur la disponibilité
de l’outil de production (ex. : panne). La gestion de production s’oppose
à la gestion de processus continus, sur la base d’une discontinuité du pro-
cessus selon la typologie cognitive proposée par Hoc (1996).
En restant dans la théorie, il est aisé de définir l’ordonnancement, au
centre de cette contribution, comme l’affectation temporelle de tâches à
des ressources1 pour satisfaire des objectifs en respectant des contraintes
(Baker, 1974 ; Blondel, 1999 ; Crawford, MacCarthy, Wilson, & Vernon,
1999 ; MacCarthy & Liu, 1993). En regardant la pratique de l’ordon-
nancement, sa définition devient plus malaisée, ne serait-ce qu’en raison
de la grande variété de situations et d’opérateurs humains impliqués dans

cette pratique. Les choses seraient simples s’il existait un métier
d’ordonnanceur. Il est possible de trouver des services spécifiques
d’ordonnancement, mais faut-il ignorer les activités de réordonnancement
réalisées à des niveaux hiérarchiques variés, depuis celui du chef d’atelier,
du contremaître, jusqu’à celui de l’ouvrier ? Tout comme Hoc (1987)
considérait que la planification impliquait la construction et l’utilisation
de plans, il est dangereux de réduire l’ordonnancement à sa conception.
C’est une telle réduction qui a pu être à la source du mirage d’une auto-
matisation totale, car c’est en appliquant un ordonnancement que l’on se
rend compte qu’il faut le modifier et que l’humain y excelle. En situation
dynamique, sujette à un contrôle partiel et à des incertitudes, la planifica-
tion intègre la replanification et l’ordonnancement le réordonnancement.
Il n’est pas rare que les travaux sur la gestion de situation dynamique
mettent en avant la complexité (Amalberti, 1996 ; Bainbridge, Lenior,
& van der Schaaf, 1993 ; Cellier, De Keyser, & Valot, 1996 ; Hoc, 1996 ;
Hollnagel, Mancini, & Woods, 1988 ; Woods, 1988). Les problèmes
d’ordonnancement sont NP-complets2 et peuvent atteindre assez rapide-
ment l’explosion combinatoire, même au niveau d’un petit atelier (Garey
& Johnson, 1979). La gestion de production est donc complexe dans la
1. Une ressource, en ordonnancement, est « un moyen technique ou humain requis pour la

réalisation d’une tâche et disponible en quantité limitée » (Esquirol & Lopez, 2001, p. 27). Parce
que les ressources évoluent moins rapidement que les tâches, on dit qu’on affecte des tâches à des
ressources, et non l’inverse.
2. Les problèmes NP-complets sont les problèmes les plus difficiles, ce sont des problèmes
d’énumération combinatoire pour lesquels il n’existe pas d’algorithme de calcul déterministe poly-
nomial (Bourda et al., 1994).
L’assistance à l’ordonnancement humain 183
mesure où il faut gérer dans le temps de nombreuses interactions entre de

nombreux éléments.
S’ils ont été peu étudiés, les problèmes de facteurs humains, en parti-
culier cognitifs, sont loin d’être négligeables dans la gestion de produc-
tion. Les évolutions, déjà fort anciennes, du taylorisme vers des formes
plus flexibles de production pour s’adapter à un marché présentant
d’amples variations sont une source de complexification des problèmes
(Blondel, 1999 ; Hatchuel & Sardas, 1992). Sans doute imprégnées de
l’idéologie du taylorisme, des recherches abondantes se sont consacrées à
des méthodes descendantes de planification en privilégiant la cohérence
entre les décisions des centres subordonnés et celles des centres supé-
rieurs, au détriment des capacités adaptatives du système de production
(Blondel, 1999 ; Erschler & Thuriot, 1992 ; Dauzère-Pérès & Lasserre,
1994). Paradoxalement, en cherchant à réduire l’incertitude par des
ordonnancements rigides, les ajustements adaptatifs, tout aussi néces-
saires qu’imprévisibles au niveau des exécutants, créent de nouvelles
incertitudes (Wäfler, 2001 a).
Les approches formelles se sont considérablement sophistiquées, en
abandonnant le recours à des règles d’ordonnancement trop simples (ex. :
« premier arrivé, premier servi », « la tâche la plus courte d’abord », etc.)
pour les combiner. Puis les algorithmes ont montré leurs limites, de sorte
que les chercheurs se sont tournés vers des heuristiques (par exemple
pour changer de règle d’ordonnancement en fonction de la situation :

Pierreval & Mebarki, 1997) et vers des méthodes de simulation. Toute-
fois, même si les travaux de psychologie ergonomique dont il sera ques-
tion dans ce texte peuvent être critiquables, ils laissent penser que les opé-
rateurs humains restent d’assez bons ordonnanceurs. Il y a au moins deux
raisons à cela. En premier lieu, les opérateurs expérimentés semblent
mieux à même de mettre en œuvre des heuristiques puissantes que les
concepteurs de logiciels soit n’ont pas encore découvertes, soit ne sont pas
en mesure de programmer. En second lieu, les opérateurs, à quelque
niveau qu’ils se situent dans la hiérarchie des centres de décision, dispo-
sent d’informations « non informatisables » auxquelles les logiciels ne peu-
vent donc avoir accès. Toutefois, ils restent également confrontés au pro-
blème de réduction de la complexité.
En conséquence, Blondel (1999) exprime assez bien une direction de
travail prometteuse pour l’avenir des recherches dans le domaine : « Ces
méthodes [formelles] impliquent une meilleure formation des opérateurs-
décideurs et une convivialité de plus en plus poussée de l’interface déci-
deur-méthode, sujets qui [...] permettent le plus souvent des gains de pro-
ductivité supérieurs à l’amélioration qui résulterait d’une algorithmique
plus complexe » (p. 259). Nous verrons toutefois que cette opinion doit
être nuancée car elle limite le cadre à une amélioration de l’intégration
homme-logiciel en prenant le logiciel comme une donnée incontournable.
L’opérateur aurait seulement à « comprendre » le logiciel (formation) et à
bénéficier d’une interface satisfaisante pour en faire le meilleur usage. Ce
serait alors méconnaître entièrement les compétences de cet opérateur
dans le travail d’ordonnancement lui-même et le bénéfice que le système
homme-machine pourrait en tirer.
Cette conception de la relation homme-machine dans l’ordon-

nancement conduit tout naturellement à adopter le point de vue de la
coopération cognitive (Hoc, 2001, 2003). Le but le plus raisonnable pour
le développement de logiciels dans ce domaine n’est évidemment pas le
contrôle informatique entier de la production (malgré les désirs d’ « idéal »
de certains), mais l’exploitation de la coopération entre un agent artificiel
et un agent humain pour produire une efficience satisfaisante. Dans un
environnement incertain, les ajustements en temps réels sont cruciaux,
c’est pourquoi une certaine autonomie de chaque agent est nécessaire,
pourvu que les agents coopèrent pour améliorer la qualité de la tâche
commune.
C’est dans cet esprit que nous allons maintenant faire un état des
connaissances en matière de facteurs humains dans l’ordonnancement du
travail des ateliers. Nous résumerons d’abord brièvement un point de vue
technique sur l’ordonnancement qui débouche sur des questions posées
aux recherches sur les facteurs humains. Nous rappellerons les revues
antérieures de la littérature en matière de facteurs humains. Puis nous
recenserons quelques travaux plus récents avant de conclure sur des
orientations de recherche souhaitables dans ce domaine de l’assistance à
l’ordonnanceur. Il s’agira tout d’abord de confrontations entre des appro-
ches formelles et des études de stratégies humaines. Ensuite, nous exami-
nerons certaines évolutions récentes des approches formelles pour nous
adapter à la réalité du travail. Puis nous ferons état de quelques avancées

en matière de coopération homme-machine et de soutien à la coopération
homme-homme, après avoir admis le rôle de la cognition distribuée dans
des ordonnancements un tant soit peu complexes. En conclusion, nous
ferons le point sur la pertinence de ces travaux et leurs évolutions souhai-
tables pour qu’ils alimentent valablement les recherches techniques, dans
une perspective pluridisciplinaire.
II. LES TÂCHES D’ORDONNANCEMENT :

II. UN POINT DE VUE TECHNIQUE
L’ordonnancement de tâches en gestion de production est caractérisé

principalement par deux aspects :
— la complexité des problèmes : par exemple, de nombreuses tâches sont
en compétition sur plusieurs ressources, toutes à capacité limitée ;
— des contraintes impératives d’antériorité entre les tâches mais aussi des
contraintes de synchronisation entre flux (de composants principale-
ment), problématique qui prend une dimension encore plus forte et
plus complexe dans le cadre d’une chaîne logistique intégrée (concept
de supply chain management : fournisseur-atelier-client).
Par ailleurs, peuvent s’ajouter à ces deux caractéristiques principales

des contraintes annexes (gestion d’outillages, gestion des compétences des
opérateurs affectés aux tâches, etc.) qui accroissent encore la complexité
du problème. Cela conduit à une première question posée aux spécialistes
des facteurs humains : Comment les ordonnanceurs humains réduisent-ils la

complexité ?
Enfin, à cette complexité due aux interactions entre les différents élé-
ments à synchroniser, s’ajoute le fait que l’ordonnancement en gestion de
production concerne des ateliers de fabrication où l’aléa tient une place
importante. Une seconde question se pose alors : Comment les ordonnan-
ceurs humains gèrent-ils l’incertitude et, plus généralement, le risque ? Cette
complexité et cette incertitude nous conduisent à considérer l’ordon-
nancement en gestion de production comme un véritable processus
(Vieira, Herrmann, & Lin, 2003) et chaque problème d’ordonnancement
comme un problème singulier. Il s’agit d’un processus car il ne peut être
réalisé une fois pour toute et doit être adapté aux aléas. Quant à la singula-
rité du problème, elle est souvent mise en avant et pose la question du
caractère générique des solutions. Une troisième question serait : Comment
se construit l’expertise en ordonnancement ou, plus précisément, l’ordonnanceur
humain apprend-il plutôt des stratégies génériques ou des solutions spécifiques à
des cas spécifiques (raisonnement à base de cas) ?
L’ordonnancement de tâches dans un atelier de production est une
fonction-clé de la gestion de production faisant le lien entre les décisions
stratégiques et tactiques (planification) et les décisions opérationnelles
(conduite en temps réel, supervision) (Blondel, 1999 ; Lopez, Haudot,
Esquirol, & Sicard, 1996). Alors que la fonction de planification est consi-
dérée avant tout comme une fonction de choix et finalement de décisions

(que produire ? pour quand ? en quelles quantités ? selon quelles procé-
dures opératoires et avec quels moyens ?), la fonction ordonnancement
est souvent considérée comme une simple fonction de calcul et
d’optimisation. Ainsi, de nombreuses méthodes de résolution ont été
développées et des outils informatiques proposés pour résoudre le pro-
blème d’ordonnancement en gestion de production. Mais la mise en
œuvre concrète de ces méthodes ou des outils informatiques révèle un
problème fondamental (une quatrième question) : Quelle doit être la place
de l’humain dans le processus d’ordonnancement ?
L’ordonnancement est également en interaction avec d’autres fonc-
tions de l’entreprise : lancement, méthodes, service commercial, etc., ou
directement en relation avec d’autres entreprises. L’organisation en
réseaux, l’intégration de la chaîne logistique renforce le besoin d’outils
offrant une assistance à la coopération entre responsables de différentes
fonctions. En fait, on constate que d’un point de vue opérationnel,
l’humain (technicien ordonnancement, responsable d’atelier, pilote de
ligne de fabrication) a toujours joué un rôle fondamental dans le proces-
sus d’ordonnancement. Les méthodes et les outils proposés ces dernières
années, participant d’une vision d’usine informatisée, voire complètement
automatisée, avaient tendance à ne considérer l’humain que comme une
ressource de production ou d’information (Lopez et al., 1996). C’était
sans doute moins en raison d’un refus de considérer le rôle de l’humain
dans le système qu’à cause d’une incapacité à chercher à combler un fossé
évident entre théorie et pratique. Comme l’a clairement formulé Higgins
(1996, p. 186, notre traduction) : « Dans l’ordonnancement, les méthodes
théoriques sont l’antithèse de la praxis : leurs buts diffèrent, elles utilisent
des informations différentes et elles observent des pratiques différentes. »

Mais face au caractère spécifique de chaque problème d’ordonnancement
en gestion de production et à l’exigence de réactivité des systèmes de pro-
duction actuels, le rôle de l’humain dans le processus d’ordonnancement
se trouve conforté et sa participation inévitable. Toutefois, l’opérateur a
besoin de la machine pour réagir rapidement. Une véritable coopération
entre l’humain et la machine (celle-ci modélisant les méthodes de résolu-
tion et offrant la puissance de calcul nécessaire au vu de la complexité des
problèmes à traiter) permettrait de mieux prendre en compte cet aspect.
D’un point de vue technique, mais probablement aussi cognitif, les
tâches d’ordonnancement en gestion de production, telles qu’on les
conçoit de nos jours, peuvent être classées en trois grandes catégories.
C’est en référence à ces dernières que nous soulignerons les limites des
méthodes et outils de résolution actuellement utilisés, que nous explicite-
rons le rôle de l’humain dans ces différents contextes et que nous propo-
serons des pistes de réflexion pour une meilleure coopération entre
l’humain et la machine.
II . 1. ORDONNANCEMENT STATIQUE
La situation d’ordonnancement la plus classique en gestion de produc-

tion est l’ordonnancement statique (ou prévisionnel). Dans cette situa-

tion, un ensemble de tâches issu d’un programme de production, pro-
gramme défini par la fonction planification (plus globale et à plus long
terme), doit être ordonnancé sur un horizon figé. Les tâches, les contrain-
tes et les données opératoires sont supposées connues et non soumises à
variation. Dans ce cas, le problème d’ordonnancement peut être formalisé
comme un problème d’optimisation combinatoire où une fonction
d’objectif est à minimiser et où les contraintes explicitées doivent être
impérativement respectées.
II . 1 . A. Les méthodes formelles

Des méthodes formelles, comme des méthodes de programmation
mathématique ou des méthodes de programmation logique avec contrain-
tes, sont adaptées pour la résolution de tels problèmes. Des méthodes
d’optimisation itératives (méta-heuristiques par exemple) couplées à un
modèle permettant d’évaluer l’ordonnancement proposé (via la simula-
tion à événements discrets) sont également bien adaptées.
Néanmoins, en admettant que la complexité de l’ordonnancement à
traiter permette de donner une réponse en un temps acceptable, de nom-
breux problèmes demeurent quant à l’utilisation de telles méthodes. Le
premier problème concerne la modélisation des données de l’ordon-
nancement, en particulier des contraintes et des objectifs à satisfaire. Ce
problème, non trivial, est souvent résolu par l’appel à un expert, voire
par la réalisation d’un outil informatique conçu spécifiquement pour la
modélisation de l’ordonnancement (cas de la simulation par exemple).
L’expert doit alors travailler avec un interlocuteur principal qui est
soit un technicien chargé de l’ordonnancement soit le responsable de

production.
S’il s’agit d’un technicien ordonnancement (gestionnaire de produc-
tion), celui-ci aura pour principal objectif de respecter impérativement les
contraintes définies lors de la planification et de satisfaire les objectifs
fixés. Mais il ne sera pas en charge de l’application in situ de
l’ordonnancement proposé et certaines contraintes opérationnelles (ges-
tion des compétences, pertinence des données techniques utilisées, con-
traintes technologiques) risquent d’être mal ou non explicitées, remettant
en cause la validité même du modèle.
S’il s’agit du responsable de production (chef d’atelier), celui-ci, en
charge de l’application opérationnelle, risque d’avoir pour objectif princi-
pal le respect de contraintes techniques propres à l’atelier, au détriment
des contraintes de planification. Il pourra, par exemple, accorder plus
d’importance à la synchronisation nécessaire avec des flux externes à
l’atelier (flux de composants achetés ou livrés par d’autres unités), au
détriment de certains des objectifs définis par la planification (délais com-
merciaux, juste à temps, etc.). Dans ce cas, c’est la qualité de la solution
fournie qui peut être remise en cause.
On le voit, l’opérateur humain joue un rôle important dès la phase de
conception du modèle en permettant d’expliciter toutes les contraintes,
qu’elles soient issues de la planification ou qu’elles soient opérationnelles.
Il arrive aussi que l’exhaustivité ne soit pas accessible et que l’excès de

contrôle ne puisse satisfaire un compromis nécessaire entre cohérence et
robustesse aux aléas.
À ce stade, apparaît un autre problème qui est l’évaluation ou la cri-
tique de la solution fournie par la méthode de résolution. On l’a dit, le
processus d’ordonnancement reste une fonction où l’humain, dans ce
contexte le technicien ordonnancement ou le responsable de production,
doit valider la solution fournie avant sa mise en œuvre opérationnelle.
C’est reconnaître que les méthodes formelles d’ordonnancement ne peu-
vent pas considérer les contraintes dans leur exhaustivité. Cette validation
consiste finalement à se demander si cette simplification est compatible
avec les données qu’elle a ignorées.
À nouveau, deux questions se posent : quelle est la validité du modèle
évalué par rapport à la réalité ? et comment évaluer la solution fournie par
rapport aux objectifs fixés ?
La première question peut être reformulée ainsi : quel est le degré de
confiance de l’opérateur humain dans le modèle ? Ce degré de confiance sera
plus ou moins grand si, d’une part, l’opérateur humain comprend peu ou
prou le modèle et/ou la méthode de résolution, et surtout si les solutions
déjà fournies ont été validées par l’expérience. Toutefois, il est
souhaitable que la classe de situations dans lesquelles l’opérateur a
confiance dans le modèle soit limitée au domaine de validité de ce
dernier.
La deuxième question renvoie à une critique de la solution fournie.
L’opérateur humain est-il capable d’améliorer la solution fournie ou en tout cas
d’en percevoir une traduction concrète ? Pour cela, l’opérateur humain doit
être capable d’anticiper une solution.
Finalement, la validation de la solution fournie par le programme

pourrait passer par une phase de choix de la part de l’opérateur humain
entre plusieurs solutions. Dans d’autres domaines (ex. : la replanification
d’un vol en aéronautique), il a été recommandé que le programme
propose plusieurs solutions pour éviter des problèmes de « contente-
ment » (complacency : Smith, McCoy, & Layton, 1997). Il s’agit d’éviter
que l’opérateur ne se contente d’une solution qui pourrait être meilleure
s’il y contribuait. Cette phase de choix pose le problème de la
modélisation des objectifs et également de leur interprétation par
l’opérateur humain. Ce problème devient fondamental dans le cas relati-
vement fréquent où la solution doit satisfaire simultanément plusieurs
critères. Dans le cas multi-critères, il faut évaluer le poids de chacun des
critères et visualiser la pertinence des solutions fournies par rapport à
l’ensemble pondéré des critères et par rapport à chacun d’entre eux. Les
décisions doivent souvent s’opérer sur des variables agrégées et cachées,
c’est pourquoi une réflexion sur des interfaces « écologiques », rendant
visibles ces abstractions est nécessaire (Trenteseaux, Moray, & Tahon,
1998).
II . 1 . B. Les règles de priorité
Une autre méthode est souvent utilisée en pratique. Il s’agit de cons-


truire un ordonnancement en plaçant chaque tâche sur un planning
(diagramme de Gantt). Le placement peut être réalisé de manière auto-
matique en affectant à chaque tâche une priorité, celle-ci est définie par
l’opérateur humain ou attribuée par une heuristique d’ordonnancement.
Cette méthode ne permet pas de formaliser les contraintes et elle néces-
site une implication beaucoup plus grande de l’opérateur humain
puisque c’est celui-ci qui construit son modèle en utilisant un outil infor-
matique le plus souvent standard. Ainsi, en construisant lui-même le
modèle, l’opérateur humain le maîtrise mieux, mais au prix d’une
complexité beaucoup plus grande dans la résolution. En effet, les con-
traintes ne sont pas toujours formalisées et les solutions fournies sont
purement heuristiques. Néanmoins, cette approche semble être la plus
utilisée en ordonnancement statique, et Sanderson (1989) indique que
les meilleurs sujets humains sont très performants dans ce type de
démarche. Sans doute, ce résultat tient à leur expertise et parce que cer-
tains aspects cruciaux des stratégies d’ordonnancement relèvent de pro-
cessus subsymboliques, notamment fondés sur des reconnaissances de
configurations perceptives. Cela renvoie à la question de la nature de
l’expertise humaine.
Dans ce type d’approche, pour parvenir rapidement à de bons résul-
tats, l’humain doit être capable d’utiliser l’outil comme une aide à
l’anticipation. Les expériences ont montré que les sujets les utilisaient
moins pour générer des anticipations que pour bénéficier d’un contrôle
mutuel afin de valider leurs propres anticipations (Smith & Crabtree,
1975). L’opérateur doit également être capable de visualiser les implica-
tions dues à un changement. L’évaluation des interfaces prédictives et
graphiques montre l’importance qu’il convient d’apporter aux propriétés

perceptives des interfaces qui peuvent produire des suggestions percep-
tives de solution.
II . 2. ORDONNANCEMENT DYNAMIQUE
Dans cette situation, l’environnement est perçu comme non figé. À

l’intérieur de l’horizon de planification, les données ne sont pas toutes
connues a priori. Certaines tâches sont déjà planifiées ou même ordonnan-
cées sur les ressources mais d’autres tâches arrivent au fur et à mesure.
L’objectif est ici d’ordonnancer sans avoir une vision claire sur tout
l’horizon de planification, de manière dynamique au fur et à mesure de
l’arrivée de nouvelles tâches, tout en respectant des objectifs de planifica-
tion (respecter les délais, limiter les en-cours et les stocks) et/ou des objec-
tifs de production (maximiser la productivité, équilibrer la charge). Le
plus souvent, l’opérateur humain en charge de ce type d’ordonnancement
est le responsable de production. Parfois, dans le cas d’unités de produc-
tion importantes, ce travail est confié à un technicien opérationnel dit
pilote de ligne (de fabrication). Dans ce contexte, la simulation à événe-
ments discrets permettant de représenter le comportement dynamique de
l’atelier étudié est un outil d’évaluation approprié. Cet outil est alors sou-
vent couplé à des méthodes de résolution heuristiques basées principale-

ment sur les règles de priorité. L’objectif n’est pas de construire réelle-
ment un ordonnancement optimal mais plutôt de trouver des heuristiques
d’ordonnancement tout à la fois robustes aux variations (puisque
l’horizon est incertain) et adaptées à la configuration du système étudié et
aux objectifs à satisfaire (Pierreval & Mebarki, 1997). Le plus souvent,
l’outil est utilisé comme un outil d’aide à la décision permettant à
l’opérateur de construire itérativement une solution valide, en faisant
donc une large place à la simulation. La distinction entre ordonnance-
ment statique (ou prévisionnel) et ordonnancement dynamique peut sem-
bler purement formelle. À notre avis, elle ne l’est pas. En effet, l’ordon-
nancement dynamique permet d’une part, la prise en compte des données
réelles de l’atelier et surtout la prise en compte des aléas par des modèles
probabilistes. De ce fait, l’ordonnancement dynamique doit avoir pour
but la recherche et l’évaluation de solutions satisfaisantes, en particulier
sur le plan de la robustesse (Davenport & Beck, 2000).
La validation des solutions fournies pose à nouveau la question de la
validité du modèle. L’opérateur chargé de l’ordonnancement doit, au
travers de l’outil de simulation, avoir une bonne représentation du sys-
tème étudié, d’où l’importance de l’interface graphique et des modèles
d’animation couplés à la simulation permettant une représentation
dynamique de l’atelier simulé. Ainsi, le modèle de simulation, et plus
particulièrement, l’animation graphique doivent permettre la visualisa-
tion des interactions entre les différents éléments du système, afin d’aider
l’opérateur à anticiper de nouvelles solutions. Lorsque la méthode de
résolution utilisée est basée sur des règles de priorité, la coopération
homme-machine nécessaire dans ce type d’approche sera sans doute faci-
litée si l’opérateur a une claire représentation du comportement des dif-

férentes règles utilisées.
Enfin, dans ce type de démarche itérative, l’interface graphique per-
mettant d’évaluer la solution par rapport aux objectifs est fondamentale.
Elle doit offrir une mesure de la solution mais aussi permettre à
l’opérateur qui construit les solutions de percevoir les améliorations possi-
bles et nécessaires.
II . 3. ORDONNANCEMENT RÉACTIF
Dans ce contexte, un ordonnancement a déjà été réalisé et commencé

d’être mis en œuvre. Mais des perturbations (une commande urgente doit
être traitée, un opérateur est absent, une machine est en panne, des com-
posants nécessaires à la réalisation d’une tâche n’ont pas été livrés) impo-
sent de revoir une partie de cet ordonnancement. Cette situation est très
fréquente dans l’industrie. Le responsable de production (éventuellement
le pilote de ligne) est en charge du réordonnancement. Son objectif est
alors d’absorber ces perturbations en remettant en cause a minima
l’ordonnancement en cours.
Il existe actuellement peu de méthodes de résolution adaptées à ce
type de problème. Les méthodes de résolution proposées reposent
principalement sur la définition dès l’ordonnancement statique de mar-

ges facilitant le réordonnancement. Le plus souvent, c’est l’opérateur
qui, à partir de son expertise, construit une solution en utilisant un outil
standard de représentation de planning. Il est alors important de bien
visualiser les implications dues aux changements. Cette visualisation
est compliquée par le fait que le processus d’ordonnancement doit
également synchroniser différents flux, gérer de nombreuses interactions.
Les changements (soit liés aux perturbations, soit proposés par l’opé-
rateur) peuvent remettre en cause ce fragile équilibre. L’opérateur doit
pouvoir répondre aux questions suivantes : quelles sont toutes les impli-
cations liées à un changement (jusqu’où va la perturbation) ? quel est le
degré de perturbation admissible ? Le réordonnancement pose d’abord une
question de diagnostic. Il s’agit de bien définir quel est le problème, en par-
ticulier à quel niveau d’abstraction il se situe : très localement (modifica-
tion locale de l’ordonnancement) ou plus globalement (remise en ques-
tion profonde).
Nous allons maintenant examiner comment les travaux réalisés sur les
facteurs humains dans l’ordonnancement répondent à ces questions.
Nous verrons aussi comment ils pourraient être enrichis pour fournir des
réponses plus avancées.
III. LES REVUES ANTÉRIEURES DE LA LITTÉRATURE

III. SUR LES FACTEURS HUMAINS
III. DANS L’ORDONNANCEMENT
Les recherches sur les facteurs humains dans l’ordonnancement en

atelier manufacturier remontent au milieu des années 1960. Toutefois,
elles restent très rares et il a fallu attendre la toute fin des années 1980
pour qu’une revue puisse prendre corps (Sanderson, 1989). Depuis,
l’investissement en recherche dans ce domaine ne s’est pas considérable-
ment accru (MacCarthy & Wilson, 2001). En revanche, l’évolution des
recherches sur la gestion de situation dynamique en général (notamment
dans le domaine des processus continus) a connu des avancées impor-
tantes (voir Hoc, 1996, pour une synthèse). Bien des résultats de ces
recherches sont largement pertinents au domaine de l’ordonnancement,
comme Smith (1972) le notait, il y a près de trente ans. Ce texte ne les
reprendra pas car il se propose de se concentrer sur les spécificités des
recherches sur l’ordonnancement par rapport à celles qui ont été dévelop-
pées sur d’autres situations dynamiques.
Dans sa revue assez complète, Sanderson (1989) soulignait les princi-
pales caractéristiques de l’ordonnancement du point de vue de l’humain :
— Les événements pertinents aux décisions peuvent s’installer très

rapidement, mais leurs conséquences peuvent n’apparaître clairement
qu’après des délais de plusieurs heures à plusieurs jours. On retrouve là
une caractéristique de certaines situations de contrôle de processus à
longs délais de réponse (haut fourneau par ex. : Hoc, 1989) qui impli-
quent l’acquisition d’information sur des indicateurs précoces, non seule-
ment de dérives sur des paramètres observables, mais surtout du dévelop-
pement de syndromes à conséquences multiples. Il s’agit là de la
composante anticipatrice de la planification humaine (Hoc, 1987).
— Les événements peuvent être simultanés et doivent être intégrés
pour estimer correctement l’évolution du système. C’est le second aspect
de la planification humaine (Hoc, 1987) : la schématisation. L’opérateur
doit s’appuyer sur des représentations abstraites ou globales du processus
et ne peut se contenter de traiter des variables de surface. L’analyse de ces
variables doit le conduire à évaluer des variables plus profondes qui,
seules, sont de nature à permettre des anticipations efficaces. Cette sché-
matisation, prise ici au sens de l’abstraction, peut être considérablement
soutenue par les habiletés humaines très puissantes de reconnaissance de
configurations perceptives (dans ce cas, essentiellement visuelles).
— Les composantes du système sont fortement interactives. Ceci a
trait à la complexité du système, en termes de nombre d’éléments et de
relations à prendre en considération. La composante de schématisation de
la planification est susceptible de réduire cette complexité. Si les opéra-
teurs humains atteignent des performances acceptables dans l’ordon-
nancement, malgré ce niveau de complexité, ce n’est pas parce qu’ils sont
en mesure de le traiter en détail, mais par leurs capacités heuristiques (en
grande partie acquises par expérience). Ils sont en mesure de réduire
l’ensemble des options possibles à quelques options satisfaisantes, suscep-

tibles de satisfaire des critères multiples. Comme dans bien d’autres
domaines, le caractère « compétitif » de l’humain vis-à-vis de la machine
ne tient pas à sa puissance de calcul (« force brute » de l’algorithme), mais
aux heuristiques dont il dispose qui peuvent l’orienter rapidement vers les
voies les plus prometteuses. Ce type de stratégie ne va évidemment pas
sans erreur et pose le problème de la validation. Toutefois, l’erreur n’est
négative que si l’on en reste à une conception mécaniste. Elle prend toute
sa signification quand on la voit comme une composante essentielle de
l’adaptation (Amalberti, 2001). En outre, la schématisation peut conduire
à négliger certaines interactions dont les plus cruciales doivent être inté-
grées dans les niveaux d’abstraction élevés pour avoir des chances d’être
traitées.
Dans sa revue de question, Sanderson (1989) soulignait les limites de
l’époque en matière de machines autonomes pour réaliser des ordonnan-
cements. Les algorithmes (analytiques) fondés sur des règles simples ne
résistaient pas à la complexité. Les systèmes experts manquaient d’une
expertise suffisante pour produire des inférences satisfaisantes. La rédac-
trice de cette revue était alors conduite à orienter les réflexions sur des sys-
tèmes « hybrides » homme-ordinateur, comme dans bien d’autres domai-
nes, il est vrai. Parmi les justifications à cette conception, elle soulignait le
taux d’immobilisation important des ateliers flexibles, le syndrome clas-
sique de l’humain « hors de la boucle » (tenu à l’écart de certaines infor-

mations utilisées par la machine) et la bonne performance des systèmes
hybrides (par rapport à celle de la machine seule ou à celle de l’humain
seul). Depuis, cette orientation n’a pas été vraiment remise en question.
Ici comme ailleurs, la stratégie d’automatisation totale avait montré ses
limites, y compris la stratégie d’intégration d’heuristiques humaines dans
la machine. L’opérateur est trop difficile à modéliser finement. Le carac-
tère approximatif des modèles que l’on peut en faire permet de résoudre
certains problèmes de facteurs humains et de coopération homme-
machine, mais ne permet guère de remplacer l’opérateur humain. À cette
difficulté de modélisation s’ajoute la difficulté récurrente des machines à
accéder à certaines informations cruciales, disponibles chez les humains,
comme on le verra plus bas.
Très peu d’études avaient été conduites sur le terrain, de sorte que
l’on disposait de peu de données (souvent d’ailleurs très imprécises) sur
les heuristiques humaines d’ordonnancement. Pour l’essentiel, les tra-
vaux avaient été menés dans le cadre d’expériences de laboratoire faisant
usage d’étudiants ingénieurs, certes techniquement compétents, mais
dont l’expérience sur le terrain (pour le moins cruciale) était très réduite.
Deux biais bien connus de validité écologique doivent toujours être
évités : la surestimation de la performance sur des problèmes trop sim-
ples ou sa sous-estimation en recourant à des sujets peu experts.
Sanderson (1989) fait état de trois grands thèmes couverts par ces études
expérimentales :
— La comparaison de performance entre les stratégies humaines (non
assistées) et les règles simples d’ordonnancement. Ces études ont montré
que les meilleurs sujets surpassaient les règles simples, mais que certaines
conditions pouvaient atténuer cette supériorité (tout en ne fournissant pas

d’explications et de généralisations très convaincantes). L’objectif de ces
études n’était jamais bien clair et, en tout cas, mal atteint : justifier le
maintien de l’humain dans le système ou extraire l’expertise humaine ? Le
premier objectif supposerait que l’on compare la performance humaine à
celle de la machine la plus performante sur chaque type de problème. Or,
déjà, les machines commençaient à aller au-delà de leur restriction à des
règles simples. Le second objectif ne pouvait pas non plus être atteint
puisque l’expertise humaine n’est pas accessible entièrement par des éva-
luations de performance, encore faut-il se donner des indicateurs de ce
qui génère la performance. En tout cas, ces comparaisons de performance
entre humain et machine n’ont pas permis de mieux comprendre les stra-
tégies humaines. Quand le modèle est trop éloigné de ce qu’il modélise,
les écarts au modèle sont souvent difficiles à exploiter pour aboutir à un
meilleur modèle.
— L’évaluation de systèmes hybrides avait commencé avant cette
revue, en comparant les performances entre un mode interactif, un mode
automatique et un mode manuel. Toutefois, la conception des expérien-
ces ne permettait pas d’aller au-delà du constat de supériorité du mode
interactif sur les autres. Les raisons de cette supériorité ne pouvaient être
atteintes et pouvaient tout autant dépendre de la plus grande flexibilité
des règles utilisées dans le mode interactif que de la qualité des interfaces.
— L’évaluation des interfaces prédictives et graphiques a apporté, en

revanche, des résultats plus pertinents. Elle a souligné l’importance qu’il
convenait d’apporter aux propriétés perceptives des interfaces qui pou-
vaient produire des suggestions perceptives de solution. Cette première
formulation trouvera ensuite un cadrage théorique mieux défini, notam-
ment dans le courant de recherche plus généraliste des interfaces écologi-
ques (Vicente & Rasmussen, 1990). Au-delà de l’évaluation stricte
d’interface, les systèmes d’assistance à l’opérateur ont été aussi considérés
comme des aides à l’anticipation. Par ailleurs, l’empan temporel considéré
dans l’utilisation de l’assistance est relativement réduit, sans doute du fait
des incertitudes croissantes.
Depuis cette revue de Sanderson, d’autres revues moins exhaustives
ont été conduites pour justifier le recours à des méthodes d’observation
sur le terrain afin d’accéder plus directement à l’expertise humaine
(Crawford et al., 1999 ; Crawford & Wiers, 2001 ; Tremblay, 1998).
Toutefois, les études que ces revues introduisaient se sont plus appesan-
ties sur les méthodes utilisées que sur les résultats obtenus qui étaient
d’un intérêt général réduit, en restant au niveau de description spécifique
des études de cas. Dans ce domaine comme dans d’autres, le développe-
ment d’une dialectique entre des études théoriques et méthodologiques,
des études de terrain et des études de laboratoire est absolument néces-
saire pour aboutir à un niveau de pertinence suffisamment générale. Il est
clair que la seule référence aux travaux sur les règles d’ordonnancement,
aussi sophistiquées soient-elles, est insuffisante pour approcher les straté-
gies humaines, mais l’observation des comportements humains sans autre
cadre que le cas spécifique d’étude n’est pas, non plus, une bonne voie.
Ces difficultés peuvent expliquer la relative pauvreté des acquis obtenus
par les recherches citées dans la revue de Sanderson (1989). Le but de

notre texte n’est pas de fournir une orientation gagnante avec certitude,
mais de s’appuyer sur ce constat de difficulté et sur les travaux réalisés
depuis un peu plus de dix ans pour dresser quelques voies de recherche
souhaitables pour avancer vers des systèmes homme-machine plus
efficients.
IV. LES APPROCHES FORMELLES

IV. ET LES STRATÉGIES HUMAINES
La comparaison entre les approches formelles et les stratégies humai-

nes, déjà présente dans la revue de Sanderson (1989) a trouvé son
apogée dans quelques travaux menés à Urbana-Champaign autour de
Neville Moray (Dessouky, Moray, & Kijowski, 1995 ; Moray, Dessouky,
Kijowski, & Adapathya, 1991). L’approche formelle de ces auteurs leur
permettait de définir un critère d’optimalité et de vérifier si ce critère
pouvait être atteint par leurs sujets. Ils ont utilisé deux tâches. La tâche
de Tulga (du nom de son auteur) présente sur un écran un ensemble de
segments (de haut en bas) sur chacun desquels se déplace un rectangle
(de gauche à droite). Métaphoriquement, on peut considérer l’extrémité
droite de chaque segment comme une date limite de traitement et la base

d’un rectangle comme sa durée de traitement (figure 1). En cliquant sur
un rectangle, on arrête sa progression vers la droite et l’on réduit sa base
par la gauche. Le but du sujet est de réduire à zéro les bases du maxi-
mum de rectangles avant leur arrivée sur les extrémités droites de leurs
segments. On peut faire varier les durées de traitement et les dates
limites. Ce problème a une solution optimale, mais non intuitive. Les
auteurs ont utilisé également une autre tâche, intégrée dans une
simulation plus complexe de pilotage d’un hélicoptère de secours en
montagne (recherche de personnes). Il s’agissait de procéder à une
surveillance régulière de cinq paramètres de l’hélicoptère, chacun avec
une fréquence différente. Ce problème (STRESSFWL) n’avait pas de
solution algorithmique dans la littérature, mais une heuristique per-
mettait de calculer la solution optimale (ordre de consultation des
paramètres).
Fig. 1. — La tâche de Tulga (d’après Moray et al., 1991)

Tulga Task (from Moray et al., 1991)
Plus spécifiquement, Moray et al. (1991) ont montré, sur la tâche de

Tulga, que la connaissance de la règle optimale n’améliorait pas la perfor-
mance et que les sujets étaient non optimaux, qu’on leur ait appris la règle
ou non. Par ailleurs, si la charge s’accroissait avec la pression temporelle,
elle ne semblait pas être affectée par le nombre de tâches réalisées ou
l’ignorance de la règle. En général (pour les deux tâches), Dessouky et al.
(1995) ont commencé à s’interroger sur l’intérêt d’une mesure d’écart à la
performance optimale. Quand il n’y a pas d’écart, il n’est pas certain que
le sujet utilise la règle algorithmique. Quand on parvient à identifier que le
sujet n’utilise pas la règle, la question se pose de sa faisabilité « à la main »
et on est renvoyé au problème du soutien. Les auteurs en venaient à sup-
poser que les sujets échappaient aux algorithmes par des heuristiques qui
s’appuient notamment sur des processus très puissants de traitement de
configurations perceptives. Ils s’interrogeaient alors sur l’opportunité qu’il
y aurait à rechercher d’autres méthodes d’ordonnancement que des pro-
cédures seulement fondées sur le calcul. De telles méthodes pourraient
être faciles à réaliser par des humains et très difficiles à programmer sur
des machines.
Sanderson (1991) a toutefois essayé de formaliser, en s’appuyant sur le
modèle de prise de décision de Rasmussen (1986), ce qu’elle supposait
être les heuristiques humaines de choix entre des règles algorithmiques.
Avant d’aboutir à la procédure, elle introduisait deux étapes : choix du
critère à satisfaire et choix de la « politique » à adopter. Ce travail n’a tou-

tefois pas donné lieu à validation et il se concluait sur des perspectives de
recherche plus que sur des résultats. En revanche, Tabe, Yamamuro et
Salvendy (1990) ont tenté d’extraire les heuristiques humaines (par com-
paraison à des règles classiques) pour spécifier un système d’assistance à
la prédiction. Une analyse factorielle leur permettait de montrer
l’orthogonalité entre deux dimensions (rendant compte de 85 % de la
variance), l’une consistant à gérer au mieux le retard, l’autre l’utilisation
de l’atelier. Une analyse du sujet le plus performant a montré que sa supé-
riorité par rapport aux règles classiques tenait bien à un changement de
règle au moment opportun sur la base d’une analyse du contexte.
On peut quand même s’interroger sur l’absence d’exploitation de
modèles de gestion de contraintes dans ce domaine où ils apparaîtraient
intuitivement pertinents, par exemple dans la ligne des travaux de Stefik
(1981) sur la conception d’expérience en génétique moléculaire. C’est du
moins l’impression que retire McKay (2001), à la suite d’un certain
nombre d’études de terrain.
V. LES ÉVOLUTIONS DES APPROCHES FORMELLES
L’évolution des approches formelles fondées sur des règles algorithmi-

ques simples (mais néanmoins coûteuses en calcul, avec le risque
d’explosion combinatoire) vers des heuristiques de choix dynamique dans
un ensemble de règles, en tenant compte des résultats et des circonstan-
ces, est déjà bien engagée depuis les années 1980. C’est d’un autre type
d’évolution dont il sera ici question, qui s’appuie sur une approche plus
macroscopique de la planification et de l’ordonnancement en gestion de
production. On assiste en effet à une remise en question progressive, pru-
dente mais aussi déterminée, des approches purement descendantes
(Dauzère-Pérès & Lasserre, 2002 ; Nakamura, 2001). La planification
purement descendante, des espaces problèmes les plus abstraits vers les
espaces problèmes les plus concrets, sans retour en arrière, avait déjà
montré ses limites dans bien d’autres domaines (en particulier en intelli-
gence artificielle et en psychologie cognitive : Hoc, 1987).
On assiste à une convergence de réflexions et de propositions de solu-
tion, en ce qui concerne la gestion de production, entre psychologie
ergonomique (ex. : Tremblay, 1998 ; Valax & Cellier, 1992) et formali-
sation (ex. : Erschler & Thuriot, 1992 ; Hatchuel & Sardas, 1992). Si les
approches descendantes peuvent assurer la cohérence des décisions entre
les centres de décision, elles ne sont pas en mesure d’assurer une robus-
tesse suffisante car elles ne peuvent pas traiter toutes les interactions, de
sorte que les décisions doivent être remises en question au niveau de cen-
tres subordonnés. C’est alors que les différents niveaux de décision doi-
vent créer des marges d’autonomie, souvent en contradiction avec les
règles organisationnelles, pour modifier les plans et les ordonnancements
afin de s’adapter aux circonstances. Cette problématique prend de plus
en plus d’importance dans les travaux récents (MacCarthy & Wilson,
2001 ; van Wezel, 2001 ; Wiers, 1997), en considérant l’ordon-

nancement comme une ressource dans le cadre d’une distribution
d’autonomie et de contrôle. C’est ainsi qu’on traitera plus loin de
la perspective d’assistance de l’ordonnancement comme une activité
coopérative.
Une étude des stratégies d’ordonnancement de chefs d’atelier a mon-
tré que 20 % des critères de décision utilisés ne concernaient pas l’atelier
en lui-même, mais son amont et son aval, avec lesquels l’atelier est en
interaction (Tremblay, 1998). Par ailleurs, les critères utilisés pour
l’atelier ne sont pas toujours pris en compte par les logiciels. Ils dépen-
dent de ce que l’auteur appelle le « contexte décisionnel », par exemple la
saison, le niveau de production, etc. Notamment, quand le niveau de
production est, soit très bas, soit très élevé, les décisions portent plutôt
sur les ressources, alors que lorsqu’il est normal, les décisions portent
plutôt sur le travail (humain). Valax et Cellier (1992) relèvent, à partir
de plusieurs travaux menés dans le domaine, un certain nombre de cau-
ses d’écarts entre ordonnancement et réalisation. Ils notent que la varia-
bilité des compétences et des performances des ressources humaines
n’est pas suffisamment prise en compte. Ils relèvent également que des
tâches s’intercalent (commandes ponctuelles et à bref délai), sans saisie
informatique, de sorte que la charge réelle de l’atelier est souvent plus
importante que la charge connue. Souvent enfin, l’atelier n’intervient pas
directement dans les choix de solution d’ordonnancement, mais un ser-
vice distinct de gestion de production. Or les logiques sont différentes :
optimisation des ressources pour l’atelier, délai pour le service de gestion
de production. On saisit ici la place de l’humain dans le processus
d’ordonnancement.
Ces travaux sont convergents avec des travaux formels visant à gérer
le plus convenablement possible le compromis entre cohérence et robus-
tesse des choix. C’est notamment le principe de l’ASC (Analyse sous con-
trainte) présenté par Erschler et Thuriot (1992). Dans le cadre d’une
hiérarchie de centres de décision qui ne peut être remise en question
pour maintenir une cohérence, il s’agit, à chaque niveau, de caractériser
les ordonnancements admissibles (incomplets) pour proposer au déci-
deur un choix d’issues cohérentes avec les contraintes. La robustesse
d’une décision correspond à la marge d’autonomie laissée par les con-
traintes créées par cette décision pour les centres situés en aval. Cette
approche vise, à la fois, à expliciter l’autonomie locale et à assister la
coordination de décisions distribuées qui soient cohérentes avec l’amont
et robustes vis-à-vis de l’aval.
VI. LA RELATION HOMME-MACHINE
Comme nous l’avons indiqué précédemment, les conceptions de

l’activité d’ordonnancement ont évolué vers une meilleure prise en consi-
dération de l’intérêt du recours à l’ordonnanceur humain. Un certain
nombre d’affirmations d’experts qui demandent sans doute à être véri-
fiées et nuancées, conduisent à penser que l’humain reste assez perfor-

mant, bien que non optimal. Mais les machines, bien qu’elles soient
conçues pour être optimales, restent peu performantes dans des situa-
tions réalistes. Par conséquent, trois idées sont explorées : a) la concep-
tion de machines fournissant des soutiens aux heuristiques humaines
(interfaces) ; b) la recherche de principes de coopération homme-
machine, même s’ils restent encore peu élaborés (par rapport à d’autres
domaines) ; et c) l’assistance à la coopération entre humains dans la mise
au point et l’adaptation d’un ordonnancement. S’il est encore difficile de
parler de coopération homme-machine au sens propre (Hoc, 2001,
2003), les avancées constatées pourraient être poursuivies avec profit
dans cette direction.
VI . 1. LES INTERFACES HOMME-MACHINE
Bien qu’ils intègrent encore peu d’évaluations fondées sur des métho-
des satisfaisantes, les travaux récents sur les interfaces de soutien à
l’opérateur s’appuient sur des analyses d’observations en situation réelle
ou en situation simulée faisant appel à des scénarios réalistes. Comme
bien des démarches ergonomiques, la dérivation des « besoins » d’assis-
tance s’appuie sur des stratégies humaines considérées comme des don-
nées non modifiables. L’opérateur est considéré comme un expert qui
adopte la meilleure stratégie possible. On cherche alors à assister cette
stratégie, sans trop argumenter sur la nécessité de l’assister, et on ne se
pose pas la question de l’opportunité de soutenir d’autres stratégies qui
pourraient être plus efficientes.
La récente revue de question de Crawford et Wiers (2001) met en

avant quelques résultats marquants d’un certain nombre d’études de cas.
Les auteurs de cette revue soulignent que ces faits devraient être confortés
et interprétés à la lumière d’un cadre théorique plus ferme. Toutefois,
quelques résultats obtenus justifient que l’on s’intéresse à des soutiens,
soit par des interfaces, soit dans le cadre d’une réelle coopération homme-
machine. Les représentations utilisées par les opérateurs examinés dans
ces études ne sont pas très anticipatives (à la demi-heure ou à l’heure).
Cela peut traduire, soit une difficulté à anticiper, que des outils de simula-
tion pourraient réduire, soit la nécessité de ne pas se compromettre dans
un environnement sujet à des aléas. Les opérateurs passent la majeure
partie de leur temps à identifier les contraintes. Cela justifie qu’on
s’intéresse à des interfaces susceptibles de faciliter la construction de la
représentation du problème. Enfin, les opérateurs vérifient en perma-
nence la validité de l’ordonnancement. Cela conduit à imaginer des inter-
faces qui facilitent ce diagnostic de validité. Cela dénote bien les stratégies
de réduction de la complexité mises en œuvre par les opérateurs humains.
Higgins (1996) considérait que les interfaces devaient révéler des confi-
gurations de données susceptibles de faciliter les bonnes inférences. Il sou-
lignait l’inadéquation des diagrammes de Gantt qui est moins un outil pour
l’ordonnanceur qu’un outil pour l’exécutant. Il critiquait les méthodes for-
melles classiques qui lui semblaient être à l’antithèse de la praxis. Il mon-
trait que les opérateurs ne pouvaient adhérer aux présupposés classiques :

ils affectent des priorités aux tâches, changent la taille des lots, divisent des
opérations sur des machines différentes et recouvrent des opérations pour
accélérer le travail, interrompent des opérations pour faire passer des
tâches plus urgentes, renégocient les dates limites avec les clients pour
répartir la charge de travail, utilisent des machines de façon non standard
pour accroître la capacité à court terme. Dans une étude de cas, McKay
(1987, cité par Higgins, 1996) a montré que les opérateurs usaient d’une
proportion restreinte de contraintes correspondant aux données explicites,
ce qui rejoint certains travaux que nous avons cités (notamment ceux de
Tremblay, 1998). Les connaissances prises en compte par les logiciels doi-
vent donc être enrichies des connaissances tacites mises en œuvre par les
opérateurs (Cegarra & Mebarki, 2002). Higgins (op. cit.) proposait alors
une interface étendue qui faisait apparaître plus exhaustivement les attri-
buts des tâches. Mais l’évaluation se résume à une validation d’expert par
« parcours cognitif » (cognitive walkthrough), c’est-à-dire des essais d’utili-
sation de l’interface dans la résolution de quelques problèmes types.
Dans un article de Trenteseaux, Moray et Tahon (1998), Moray a
repris les idées déjà avancées par Sanderson (1989) pour concevoir des
interfaces écologiques, susceptibles de mettre en évidence les informa-
tions pertinentes à l’action. Le principe de ces interfaces est de s’appuyer
sur des représentations graphiques, d’usage courant en recherche opéra-
tionnelle, qui permettent de trouver immédiatement des solutions graphi-
ques sans nécessité de calcul. Cela ouvre certainement des perspectives de
recherche intéressantes, mais les auteurs ne semblent pas les avoir encore
mises en œuvre. Ce type d’approche est en contraste avec des approches
plus traditionnelles d’analyse a priori des tâches des opérateurs pour en
dériver des besoins d’information. Par exemple, Usher et Kaber (2000) se

sont engagés dans une analyse hiérarchique des tâches (méthode courante
en ergonomie) pour proposer des myriades d’informations, supposées uti-
les, mais dont la présentation pourrait être de nature à noyer l’opérateur
dans une surcharge informationnelle.
La seule évaluation récente d’interface vraiment satisfaisante a été réa-
lisée par Kuo et Hwang (1998). L’interface en question permettait de
montrer l’état de l’atelier pour chaque période d’ordonnancement et, sur-
tout, de bien mettre en évidence les informations que pouvait traiter la
machine et celles auxquelles elle ne pouvait avoir accès. Trois conditions
expérimentales étaient définies (pour des sujets ayant eu une formation sur
les processus de fabrication ou sur la gestion de production) : une situation
sans aide, une situation avec l’aide de l’interface et des situations contrôles
correspondant à quatre règles courantes d’ordonnancement. Les auteurs
ont montré que la performance humaine était meilleure que les règles, sur
la base de la minimisation des dates limites et du temps d’élaboration de
l’ordonnancement. L’interprétation des auteurs est assez classique : il fal-
lait utiliser plus d’une règle à la fois. En revanche, si le soutien réduisait le
temps d’ordonnancement, il ne réduisait pas les temps d’indisponibilité
des machines dues à des changements de série trop fréquents (set up time).
VI . 2. COOPÉRATION HOMME-MACHINE

Tout comme les évaluations d’interface, les études de la coopération
homme-machine dans le domaine ne décrivent pas toujours très précisé-
ment la réelle contribution de la machine dans l’activité d’ordon-
nancement. Une telle description à un niveau fonctionnel devrait être suf-
fisamment générale (ou abstraite) pour tirer le meilleur profit des
évaluations. Nous retirerons ici quelques éléments de généralité des rares
études de cas de la littérature.
Trois études portent sur l’assistance à l’anticipation. L’une est
ancienne, mais elle vaut la peine qu’on y revienne, et nous l’avons déjà
évoquée plus haut. C’est celle de Smith et Crabtree (1975) qui montre
que les sujets utilisent la machine, non pas pour construire un ordonnan-
cement, mais pour corriger leurs éventuelles erreurs. En quelque sorte, le
sujet a déjà construit une anticipation et il la valide à l’aide de la machine.
En termes de coopération, il s’agit d’une activité de contrôle mutuel.
C’est sans doute pour cette raison que les sujets examinés considéraient
peu d’alternatives. Cela est confirmé par des comptes rendus d’obser-
vation dans d’autres études. Déjà, les auteurs constataient que les sujets
mettaient en œuvre des stratégies composites, mixant une recherche
méthodique à des heuristiques locales, fondées sur des reconnaissances de
configuration du système. C’est ce type de résultat qui a été exploité dans
des recherches sur la conception d’assistance, menées par van Wezel et
Jorna (1999). Ces auteurs sont les seuls à avoir intégré explicitement dans
leurs travaux le réordonnancement en temps réel. Ils se sont appuyés sur
deux principes de coopération homme-machine. L’un relève du contrôle
mutuel : il est plus utile de faire calculer à la machine les conséquences
d’une décision (validation) que de lui faire prendre la décision à la place

de l’opérateur. L’autre a trait à l’élaboration d’un modèle du partenaire :
pour que l’opérateur puisse tirer le meilleur profit de la machine, il doit en
avoir construit un modèle satisfaisant. Dans ces travaux, les caractéristi-
ques du domaine d’application sont explicitement prises en compte, du
point de vue de l’opérateur. Le formalisme utilisé est celui d’une hié-
rarchie d’objets qui se termine sur des contraintes et des buts. Le passage
d’un domaine à l’autre s’appuie sur un mécanisme d’analogie. Cette
approche satisfait une autre propriété de la coopération : le partage d’un
référentiel commun entre les agents.
Une autre étude, bien que portant sur une tâche différente de
l’ordonnancement stricto sensu, souligne une propriété importante des
stratégies humaines qu’il conviendrait de vérifier dans le cadre de
l’ordonnancement. Sharit et Elhence (1990) ont en effet étudié la coopé-
ration homme-machine dans les prises de décision de remplacement
d’outils sur des ateliers flexibles. Trois situations expérimentales étaient
comparées : prise de décision sans la machine, soutien à la décision (fondé
sur une approche bayésienne et sur la maximisation des gains), contrôle
par la machine avec droit de veto et contrôle autonome par la machine.
Cette étude montre la supériorité de la prise de décision sans la machine.
En comparant les stratégies humaines et celles de la machine qui adopte
une stratégie locale, il apparaît que la raison majeure de cette supériorité
tient à ce que les stratégies humaines s’appuient sur des stratégies glo-

bales. Le contrôle avec droit de veto était conçu pour conserver l’humain
dans la boucle, mais, du fait de désaccords trop fréquents, les sujets
apportaient systématiquement leur veto, même dans les situations où
l’algorithme fournissait des décisions satisfaisantes.
Plutôt que de répondre à la question que nous nous posions sur la
capacité de l’opérateur humain à améliorer la solution fournie par la
machine, ces travaux prêchent plutôt en faveur d’une machine qui aide
l’humain à valider sa propre solution.
VI . 3. SOUTIEN À LA COOPÉRATION HOMME-HOMME
Dans ces situations complexes (ateliers), impliquant non seulement

des machines, mais aussi des humains (de diverses qualifications et aux
rôles divers), il est difficile d’aborder la question de l’ordonnancement
sans tenir compte des facteurs sociaux (Mantovani, 1996). La conception
d’aides logicielles à l’ordonnancement doit permettre une certaine sou-
plesse (robustesse) pour prendre en compte, non seulement les décisions
individuelles, mais aussi les décisions collectives (Valax & Cellier, 1992 ;
Wäfler, 2001 b).
Dans beaucoup d’entreprises, la production est répartie entre diffé-
rents sites où chacun est responsable d’une partie du produit final (Roux,
Dauzère-Pérès, & Lasserre, 1999). Un retard dans un atelier peut avoir
des retombées inattendues dans l’enchaînement de la production. La prise
en compte d’événements imprévus nécessite de calibrer l’ensemble des
ajustements (distribués) pour respecter le planning global (Huguet, de
Terssac, Erschler, & Lompré, 1996 ; Sauer, sous presse). Ces ajustements
sont réalisés par les chefs d’atelier, ceux-ci s’avérant indispensables à la
coordination dans l’incertain par leurs communications avec d’autres opé-
rateurs (Hatchuel & Sardas, 1992).
Jusqu’à présent, peu d’études ont été menées sur la négociation entre
opérateurs dans le cadre du réordonnancement. Pourtant, comme le note
Mérin (2000), alors qu’un ordonnancement est sous la responsabilité
d’une seule personne, la plupart des décisions sont prises collectivement.
Il convient alors de s’intéresser aux outils qui permettent la coopération
entre chefs d’ateliers favorisant aussi les échanges avec les services
annexes (comme, par exemple, le service planification) (Camalot
& Esquirol, 1998 ; Erschler, 1996).
Vernon (2001) proposait d’adopter le cadre du CSCW1 ce qui permet-
trait d’enrichir les travaux en ordonnancement par une analyse des
besoins en matière de coopération. On sait, par exemple, que le remplace-
ment de diagrammes de Gantt « papier » (affichés sur un mur) par
une version électronique réduit les échanges coopératifs (Whittaker
& Schwarz, 1999). Ils perdent en effet leur rôle de soutien au référentiel
opératif commun.
C’est en fait à la condition d’une double prise en compte des besoins
cognitifs et sociaux que les échecs constatés d’assistance aux opérateurs
(notamment par Kerr, 1992) pourront être corrigés.

VII. CONCLUSION
Cette revue de la littérature, après celle de Sanderson (1989), com-

plétée par celle de Crawford et Wiers (2001), en ce qui concerne les étu-
des de cas, montrent combien les avancées en matière d’étude des fac-
teurs humains dans les activités d’ordonnancement restent ténues en
regard des enjeux auxquels elles devraient répondre. Les uns (chercheurs
de laboratoire) reprochent aux autres (ergonomes de terrain) le manque
de caractère générique de leurs travaux, par ailleurs peu ancrés théorique-
ment. Ces derniers reprochent aux premiers leur méconnaissance des réa-
lités de l’entreprise et de la façon dont se pose concrètement le problème
de l’ordonnancement. Comme de coutume, il existe une position inter-
médiaire qui est susceptible de prendre sérieusement en considération la
validité écologique de travaux à visée générique, en ne négligeant pas la
mise en perspective des recherches avec la réalité de l’ordonnancement
sur le terrain. Mais il va de soi que des progrès conséquents doivent être
réalisés sur le plan théorique, au-delà des seules références aux modèles
formels. L’importation de modèles cognitifs élaborés dans d’autres
contextes pourrait renouveler les perspectives. La tentative de Sanderson
(1991) qui a importé le modèle de Rasmussen (1986) largement utilisé
dans le domaine du contrôle de processus, mais aussi ailleurs, fut un essai
intéressant. Il n’a malheureusement pas eu de suite (vers la validation), si
1. Computer Supported Cooperative Work (Travail coopératif assisté par ordinateur).

l’on excepte sa reprise dans une démarche de génie industriel par Higgins
(2001). D’autres approches théoriques pourraient être exploitées, notam-
ment les modèles de gestion de contraintes (Darses, 1991) ou les modèles
de workflow, développés dans le cadre de l’étude des activités collectives
(Myers & Berry, 1999). En tout cas, la littérature montre que les modèles
formels utilisés dans l’ordonnancement statique ne sont pas de bons can-
didats pour modéliser l’opérateur humain.
Les recherches sur les facteurs humains dans l’ordonnancement ont
éclairci certaines des questions posées au début de cet article, telles que la
nature des stratégies de réduction de la complexité, la place de l’opérateur
humain dans le processus d’ordonnancement, la coopération homme-
machine, etc. Toutefois, certaines autres questions restent encore sans
réponse, par exemple, la nature des stratégies de réduction d’incertitude,
la nature de l’expertise humaine ou les activités de diagnostic dans le
réordonnancement. Par ailleurs, la dimension collective du processus
d’ordonnancement reste encore sous-estimée.
De l’état actuel de la recherche sur les facteurs humains dans
l’ordonnancement se dégagent quatre grandes catégories de problèmes à
approfondir. Certes, ces catégories ont déjà été en partie abordées, mais
elles gagneraient sans doute à être mieux ancrées théoriquement et à don-
ner lieu, au-delà des études de cas, à des approches plus génériques. Dans
ce domaine de recherche en ergonomie cognitive comme dans bien
d’autres, une ouverture à d’autres modèles que ceux qui sont générale-

ment pratiqués par la communauté spécialisée pourrait renouveler les
angles d’approche de ces questions.
VII . 1. COMPRENDRE LES STRATÉGIES

VII . 1. ET LES REPRÉSENTATIONS HUMAINES
Les études de cas réalisées ont eu le mérite de livrer une part des stra-
tégies et des connaissances expertes qui ne pouvaient transparaître des
approches formelles menées loin des opérateurs concernés. Un gros tra-
vail reste à faire pour mettre ces études en perspective, y déceler des inva-
riants cognitifs, autant que des différences selon les types de situations. Là
comme ailleurs, une typologie cognitive des problèmes reste à faire pour
se donner les moyens de généraliser. Qu’y a-t-il de différent (et de com-
mun) entre les stratégies d’un débutant et celles d’un expert ? Entre celles
d’un technicien d’ordonnancement et celles d’un chef d’atelier ? Entre
celles développées pour ordonnancer un atelier, un aéroport, une entre-
prise de logistique, etc. ?
Les descriptions de stratégies restent encore de nature très symbo-
lique, en s’appuyant sur le formalisme classique des règles de production.
Or, il semble bien que certains aspects cruciaux de ces stratégies relèvent
de processus subsymboliques, comme dans bien d’autres domaines de la
prise de décision en situation complexe (Klein, Orasanu, Calderwood,
& Zsambok, 1993 ; Zsambok & Klein, 1997). La nature de l’expertise
n’est pas parfaitement circonscrite. Or, il n’est pas impossible qu’à un
niveau d’expérience avancée, un raisonnement à base de cas soit déve-
loppé en reconnaissant des configurations familières pour lesquelles

l’expert a des solutions qui se sont révélées satisfaisantes par le passé.
Deux grandes catégories de questions restent à approfondir : la réduc-
tion de la complexité et la gestion de l’incertitude. Les travaux dans le
domaine soulignent l’importance de ces questions et y voient des sources
de supériorité de l’opérateur humain sur la machine. Des modélisations
plus précises des stratégies de réduction de complexité sont nécessaires
pour déterminer s’il faut les soutenir et comment. Si cette réduction
s’appuie sur l’usage de variables abstraites, agrégées à partir de variables
de surface, la question de rendre visible ce qui est caché est pertinente. Si
elle s’appuie sur des éliminations de variables, la question est d’aider
l’opérateur à les prendre en compte si elles sont importantes.
Enfin, comme dans d’autres domaines, il est peu probable qu’il existe
« une stratégie humaine » d’ordonnancement. Plusieurs stratégies (ou pri-
mitives) cohabitent certainement dont les conditions de mise en œuvre
sont à découvrir dans une typologie des problèmes. Dans certains cas, il
serait surprenant que l’on n’identifie pas des stratégies de gestion de con-
traintes telles qu’on les a décrites dans la résolution de problème de
conception par exemple (Darses, 1991).
VII . 2. CONCEVOIR DES INTERFACES EFFICACES


Comme on l’a vu à plusieurs reprises, les stratégies d’ordonnancement
(ou de réordonnancement) peuvent s’appuyer fortement sur des recon-
naissances de configurations perceptives, fondées sur des affordances
(c’est-à-dire des suggestions automatiques d’actions). Une attention
beaucoup plus soutenue devrait être accordée à ces mécanismes ou, tout
au moins aux conditions dans lesquelles ils peuvent révéler leur efficacité.
Il restera, bien entendu, à déterminer les limites de leur robustesse puis-
qu’il s’agit d’heuristiques. Le courant des interfaces écologiques devrait
être davantage exploité (Rasmussen & Vicente, 1987 ; Vicente, 1999).
Cela suppose des recherches pluridisciplinaires, car les connaissances en
psychologie cognitive doivent se combiner avec des connaissances en ges-
tion de production sur les variables cruciales à prendre en considération
dans l’ordonnancement. Ces connaissances sont par ailleurs fortement
dépendantes des domaines d’application. Le domaine pourrait bénéficier
des avancées réalisées dans le contrôle de processus en matière
d’interfaces.
VII . 3. RENFORCER LA PROBLÉMATIQUE DE LA COOPÉRATION
Comme dans bien d’autres domaines, la problématique de coopéra-

tion homme-machine reste encore peu développée dans le cadre des acti-
vités d’ordonnancement (Cegarra & Hoc, 2003). Il conviendrait de
l’appliquer plus systématiquement, en s’appuyant sur l’ensemble des acti-
vités coopératives pertinentes à la conception d’une coopération satisfai-
sante entre l’humain et la machine (Hoc, 2001, 2003). La place de
l’humain (en fait, des différentes catégories d’opérateurs) dans le proces-

sus d’ordonnancement doit être précisée pour mieux gérer la coopération,
non seulement entre humains et machines, mais aussi entre humains. Une
attention toute particulière devrait être accordée à la notion d’ordon-
nancement distribué. En tout cas, il est important de déterminer le
modèle opérationnel de la machine (à ordonnancer) qu’il faut que
l’humain acquière pour établir une confiance éclairée. Les activités de
contrôle mutuel sont sans doute cruciales dans ce domaine où les activités
de diagnostic de la validité de l’ordonnancement sont permanentes. Peu
de recherches semblent avoir été consacrées à cette forme de diagnostic.
VII . 4. ACCORDER PLUS D’ATTENTION À L’ORDONNANCEMENT

VII . 4. EN SITUATION DYNAMIQUE AU RÉORDONNANCEMENT RÉACTIF
Les études de cas mises à part, la plupart des recherches se sont déve-
loppées sur l’ordonnancement statique. Or, l’ordonnancement en situa-
tion dynamique et le réordonnancement en temps réel sont des activités
très courantes qu’il faudrait mieux couvrir. Ils concernent les responsables
de production et ils nécessitent d’autant plus un soutien que l’ordon-
nancement n’est pas l’activité principale de ces opérateurs. Là encore, les
activités de diagnostic sont majeures. C’est dans ces situations où le pro-
cessus d’ordonnancement ou de réordonnancement doit se dérouler sous

contraintes temporelles que les travaux sur les interfaces ou la coopération
homme-machine présentent des enjeux très importants.
Remerciements
Nous remercions S. Dauzère-Pérès et les experts anonymes de la revue
pour leurs précieuses suggestions d’amélioration.
BIBLIOGRAPHIE
Amalberti, R. (1996). La conduite de systèmes à risques. Paris : PUF.

Amalberti, R. (2001). The paradoxes of almost totally safe transportation systems.
Safety Science, 37, 109-126.
Bainbridge, L., Lenior, D., & Van der Schaaf, T. (Eds.). (1993). Cognitive pro-
cesses in complex tasks. Ergonomics, 36 (11). Numéro spécial.
Baker, K. R. (1974). Introduction to sequencing and scheduling. New York :
Wiley.
Blondel, F. (1999). Gestion de la production (2e éd.). Paris : Dunod.
Bourda, Y., Graner, N., Rousset, M. C., Vidal-Naquet, G., & Volle, P. (1994).
Introduction à l’informatique théorique. Paris : Eyrolles.
Camalot, J.-P., & Esquirol, P. (1998). Supporting cooperation and constraints nego-
tiation between time and resource managers. Paper presented at the 17th European
Annual Conference on Human Decision Making and Manual Control. Valencien-
nes, France, décembre.
Cegarra, J., & Hoc, J.-M. (2003). Human scheduling and its support. Paper presen-
ted at the Human Computer Interaction International 2003. Crete, Greece,
June.
Cegarra, J., & Mebarki, N. (2002). Les compétences humaines de ré-ordonnancement.

Communication présentée au Ier Colloque Gestion des compétences et des connais-
sances en génie industriel. Nantes, France, Décembre.
Cellier, J.-M., De Keyser, V., & Valot, C. (Eds.). (1996). La gestion du temps dans
les environnements dynamiques. Paris : PUF.
Crawford, S. & Wiers, V. C. S. (2001). From anecdotes to theory : A review of
existing knowledge on human factors of planning and scheduling. In
B. L. MacCarthy & J. R. Wilson (Eds.), Human Performance in planning and
scheduling (pp. 15-43). London : Taylor & Francis.
Crawford, S., MacCarthy, B. L., Wilson, J. R., & Vernon, C. (1999). Investiga-
ting the work of industrial schedulers through field study. Cognition, Techno-
logy & Work, 1, 63-77.
Darses, F. (1991). An assessment of the constraint satisfaction approach
for design : A psychological investigation. Acta Psychologica, 78, 307-
325.
Dauzère-Pérès, S., & Lasserre, J.-B. (1994). Integration of Lotsizing and Scheduling
Decisions in a Job-Shop. European Journal of Operational Research, 75, 413-
426.
Dauzère-Pérès, S., & Lasserre, J.-B. (2002). On the importance of sequencing
decisions in production planning and scheduling. International Transactions in
Operational Research, 9, 779-793.
Davenport, A. J., & Beck, J. C. (2000). A survey of techniques with uncertainty.
Unpublished Manuscript. Available : http://www.eil.utoronto.ca./EIL/profiles/
chris/zip/uncertainty-survey.ps.zip.
Dessouky, M. I., Moray, N., & Kijowski, B. (1995). Taxonomy of scheduling sys-

tems as a basis for the study of strategic behavior. Human Factors, 37,
443.472.
Erschler, J. (1996). Approches par contraintes pour l’aide à la décision et à la coo-
pération : une nouvelle logique d’utilisation des modèles formels. In G. de
Terssac & E. Friedberg (Eds.), Cooperation et conception (pp. 137-147). Tou-
louse, France : Octarès.
Erschler, J., & Thuriot, C. (1992). Approche par contraintes pour l’aide aux déci-
sions d’ordonnancement. In G. de Terssac & P. Dubois (Eds.), Les nouvelles
rationalisations de la production (pp. 249-266). Toulouse, France : Cépaduès.
Esquirol, P., & Lopez, P. (2001). Concepts et méthodes de base en ordonnance-
ment de la production. In P. Lopez & F. Roubellat (Eds.), Ordonnancement de
la production (pp. 25-51). Paris : Hermès.
Garey, M. R., & Johnson, S. J. (1979). Computers and intractability : A guide to the
theory of NP-completeness. San Francisco, CA : Freeman.
Hatchuel, A., & Sardas, J.-C. (1992). Le pilotage des systèmes complexes de pro-
duction. Planification hiérarchisée et coopération dans l’incertain. In G. de
Terssac & P. Dubois (Eds.), Les nouvelles rationalisations de la production
(pp. 227-245). Toulouse, France : Cépaduès.
Higgins, P. G. (1996). Interaction in hybrid intelligent scheduling. International
Journal of Human Factors in Manufacturing, 6, 185-203.
Higgins, P. G. (2001). Architecture and interface aspects of scheduling decision
support. In B. L. MacCarthy & J. R. Wilson (Eds.), Human performance in
planning and scheduling : Fieldwork studies, methodologies and research issues
(pp. 245-279). London : Taylor & Francis.
Hoc, J.-M. (1987). Psychologie cognitive de la planification. Grenoble, France :
Presses Universitaires de Grenoble.
Hoc, J.-M. (1989). Strategies in controlling a continuous process with long res-
ponse latencies : Needs for computer support to diagnosis. International Jour-
nal of Man-Machine Studies, 30, 47-67.
Hoc, J.-M. (1996). Supervision et contrôle de processus : la cognition en situation dyna-

mique. Grenoble, France : Presses Universitaires de Grenoble.
Hoc, J.-M. (2001). Towards a cognitive approach to human-machine cooperation
in dynamic situations. International Journal of Human-Computer Studies, 54,
509-540.
Hoc, J.-M. (2003). Coopération humaine et systèmes coopératifs. In G. Boy
(Éd.), Ingénierie cognitive : IHM et cognition (pp. 139-187). Paris : Hermès.
Hollnagel, E., Mancini, G., & Woods, D. D. (Eds.). (1988). Cognitive engineering
in complex dynamic worlds. London : Academic Press.
Huguet, M.-J., de Terssac, G., Erschler, J., & Lompré, N. (1996). De la réalité à
la modélisation de la coopération en gestion de production. In G. de Terssac
& E. Friedberg (Eds.), Coopération et conception (pp. 149-169). Toulouse,
France : Octarès.
Kerr, R. M. (1992). Expert systems in production scheduling : Lessons from a fai-
led implementation. Journal of Systems Software, 19, 123-130.
Klein, G. A., Orasanu, J., Calderwood, R., & Zsambok, C. E. (1993). Decision-
making in action : Models and methods. Norwood, NJ : Ablex.
Kuo, W. H., & Hwang, S. L. (1998). A prototype of a real-time support system in
the scheduling of production systems. International Journal of Industrial Engi-
neering, 21, 133-143.
Lopez, P., Haudot, L., Esquirol, P., & Sicard, M. (1996). Conception d’un système
coopératif en ordonnancement de production : une approche pluridisciplinaire. Com-
munication présentée au Ve Congrès international de génie industriel (GI5). Gre-
noble, France, Avril.
MacCarthy, B. L., & Liu, J. (1993). Addressing the gap in scheduling research : A
review of optimization and heuristic methods in production scheduling. Inter-

national Journal of Production Research, 31, 59-79.
MacCarthy, B. L., & Wilson, J. R. (Eds.). (2001). Human performance in planning
and scheduling. London : Taylor & Francis.
Mantovani, G. (1996). Social context in HCI : A new framework for mental
models, cooperation, and communication. Cognitive Science, 20, 237-269.
McKay, K. N. (1987). Conceptual framework for job shop scheduling. MASc Disserta-
tion, Department of Management Science, University of Waterloo, IA.
McKay, K. N. (2001). Lessons from the factory floor. In B. L. MacCarthy &
J. R. Wilson (Eds.), Human Performance in planning and scheduling (pp. 45-64).
London : Taylor & Francis.
Mérin, S. (2000). Les aspects collectifs de l’ordonnancement dans une industrie
pharmaceutique : de l’organisation formelle à l’activité de travail. In B. Mélier
& Y. Quéinnec (Eds.), Actes du XXXVe Congrès de la SELF (pp. 428-438). Tou-
louse, France : Octarès.
Moray, N., Dessouky, M. I., Kijowski, B. A., & Adapathya, R. (1991). Strategic
behavior, workload, and performance in task scheduling. Human Factors, 33,
607-629.
Myers, K. L., & Berry, P. M. (1999). At the boundary of workflow and AI. Paper
presented at the AAAI-99 Workshop on Agent-Based Systems in the Business
Context. Orlando, FL, July.
Nakamura, N. (2001). Designing and using an interactive MRP-CRP sys-
tem based on human responsibility. In B. L. MacCarthy & J. R. Wil-
son (Eds.), Human performance in planning and scheduling : Fieldwork studies,
methodologies and research issues (pp. 281-307). London : Taylor & Francis.
Pierreval, H., & Mebarki, N. (1997). Dynamic selection of dispatching rules for
manufacturing system scheduling. International Journal of Production Research,
35, 1575-1591.
Rasmussen, J. (1986). Information processing and human-machine interaction.
Amsterdam : North-Holland.
Rasmussen, J., & Vicente, K. (1987). Cognitive control of human activities and
errors : Implications for ecological interface design. Roskilde, DK : RISØ National
Laboratory, Research Report.
Roux, W., Dauzère-Pérès, S., & Lasserre, J.-B. (1999). Planning and schedu-
ling in a multi-site environment. Production Planning & Control, 10, 19.28.
Sanderson, P. M. (1989). The human planning and scheduling role in advanced
manufacturing systems : An emerging human factors domain. Human Factors,
31, 635-666.
Sanderson, P. M. (1991). Towards the model human scheduler. International
Journal of Human Factors in Manufacturing, 1, 195-219.
Sauer, J. (sous presse). Modeling and solving multi-site scheduling problems. In
R. Jorna (Ed.), Planning and intelligence. New York : Wiley.
Sharit, J., & Elhence, S. (1990). Allocation of tool-replacement decision-making
responsibility in flexible manufacturing systems. International Journal of Indus-
trial Ergonomics, 5, 29-46.
Smith, H. T. (1972). Human decision making in a sequential task. Paper presented
at the International NATO Advanced Study Institute on Information Science. Seven
Springs, PA, August.
Smith, H. T., & Crabtree, R. G. (1975). Interactive planning : A study of compu-
ter aiding in the execution of a simulated scheduling task. International Journal
of Man-Machine Studies, 7, 213-231.
Smith, P. J., McCoy, E., & Layton, C. (1997). Brittleness in the design of coope-
rative problem-solving systems : The effects on user performance. IEEE Tran-
sactions on Systems, Man, and Cybernetics – Part A : Systems and Humans, 27,
360-371.
Stefik, M. (1981). Planning with constraints. (MOLGEN : Part 1). Artificial Intelli-

gence, 16, 111-140.
Tabe, T., Yamamuro, S., & Salvendy, G. (1990). Knowledge elicitation in sche-
duling FMS : Towards a hybrid intelligent system. International Journal of
Industrial Ergonomics, 5, 17-27.
Tremblay, E. (1998). Le temps dans les décisions d’organisation du travail d’ateliers :
contribution au principe de planification située pour l’aide au pilotage des productions
manufacturières. Thèse, Université de Toulouse, France.
Trentesaux, D., Moray, N., & Tahon, C. (1998). Integration of the human opera-
tor into responsive discrete production management systems. European Journal
of Operational Research, 109, 342-361.
Usher, J. M., & Kaber, D. B. (2000). Establishing information requirements
for supervisory controllers in a flexible manufacturing system using GTA. Inter-
national Journal of Human Factors and Ergonomics in Manufacturing, 10, 431-452.
Valax, M. F., & Cellier, J.-M. (1992). Aides à l’organisation du travail dans les
ateliers : problèmes du décalage entre prévision et réalisation. In G. de Ters-
sac & P. Dubois (Eds.), Les nouvelles rationalisations de la production (pp. 121-
137). Toulouse, France : Cépaduès.
Wezel, W. van (2001). Tasks, hierarchies, and flexibility. Planning in food
processing industries. Doctoral dissertation, University of Groningen, Gro-
ningen, The Netherlands.
Wezel, W. van, & Jorna, R. (1999). The SEC-system reuse : Support for schedu-
ling system development. The International Journal of Decision Support Systems,
26, 67-87.
Vernon, C. (2001). Lingering amongst the lingerie : An observation-based study
into support for scheduling at a garment manufacturer. In B. L. MacCarthy
& J. R. Wilson (Eds.), Human Performance in planning and scheduling (pp. 135-
163). London : Taylor & Francis.
Vicente, K. J. (1999). Cognitive work analysis. Mahwah, NJ : Lawrence Erlbaum
Associates.
Vicente, K. J., & Rasmussen, J. (1990). The ecology of human-machine sys-

tems II : Mediating direct perception in complex work domains. Ecological
Psychology, 2, 207-249.
Vieira, G. E., Herrmann, J. W., & Lin, E. (2003). Rescheduling manufacturing
systems : A framework of strategies, policies and methods. Journal of Schedu-
ling, 6, 39-62.
Wäfler, T. (2001 a). Planning and scheduling in secondary work systems. In
B. L. MacCarthy & J. R. Wilson (Eds.), Human Performance in planning and
scheduling (pp. 411-447). London : Taylor & Francis.
Wäfler, T. (2001 b). Distributed but coordinated (some theoretical reflections). Paper
presented at the 3rd Workshop on Human Performance in Planning and Schedu-
ling. Saint John’s, Canada, July.
Whittaker, S., & Schwarz, H. (1999). Meetings of the board : The impact of sche-
duling medium on long term group coordination in software development.
Computer Supported Cooperative Work, 8, 175-205.
Wiers, V. C. S. (1997). Human-computer interaction in production scheduling : Analysis
and design of decision support systems for production scheduling tasks. Doctoral dis-
sertation, Technische Universiteit Eindhoven, Eindhoven, The Netherlands.
Woods, D. D. (1988). Coping with complexity : The psychology of human
behaviour in complex systems. In J. Goodstein, H. Andersen, & B. Olsen (Eds.),
Tasks, errors, and mental models (pp. 128-148). London : Taylor & Francis.
Zsambok, C. E., & Klein, G. (Eds.). (1997). Naturalistic decision-making. Mah-
wah, NJ : Lawrence Erlbaum Associates.

RÉSUMÉ
Ce texte présente d’abord les différentes situations d’ordonnancement et les questions

qu’elles posent, tant aux machines qu’aux humains. Il fait ensuite le point sur les travaux
menés depuis la dernière revue de question exhaustive de P. Sanderson (1989) sur les facteurs
humains dans l’ordonnancement. Il rappelle l’état de la question en 1989 et décrit quelques
avancées dans le renouvellement des approches formelles, dans l’analyse des stratégies humai-
nes et dans l’émergence d’une conception plus coopérative des relations homme-machine dans
ce domaine. Il se conclut par quelques directions de recherche qui pourraient être prometteuses.
Mots-clés : Ordonnancement, Stratégies humaines d’ordonnancement, Interface homme-
machine, Coopération homme-machine, Assistance à l’opérateur.
Manuscrit reçu : octobre 2002.
Accepté par G. Karnas, après modification : mai 2003.
Le Directeur de la publication : M PRIGENT
Imprimé en France, à Vendôme

Vendôme Impressions - Groupe Landais
ISSN 0041-1868
ISBN 2 13 054462 2 — CPPAP no 1008 T 83762 – Impr. no 51 123
Dépôt légal : Juin 2004
© Presses Universitaires de France, 2004
6, avenue Reille, 75014 Paris

Langue

TH 672 0181

Transféré par

Informations du document

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

TH 672 0181

Titre original :

Transféré par

Droits d'auteur :

L'ASSISTANCE À L'OPÉRATEUR HUMAIN POUR L'ORDONNANCEMENT

DANS LES ATELIERS MANUFACTURIERS

Jean-Michel Hoc, N. Mebarki, Julien Cegarra

Presses Universitaires de France | « Le travail humain »

2004/2 Vol. 67 | pages 181 à 208

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

Powered by TCPDF (www.tcpdf.org)

L’ASSISTANCE À L’OPÉRATEUR HUMAIN

par J.-M. HOC, N. MEBARKI et J. CEGARRA*

HUMAN OPERATOR SUPPORT OF SCHEDULING IN MANUFACTURING WORKSHOPS

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

* CNRS, IRCCyN, BP 92101, F-44321 Nantes Cedex 3.Jean-Michel.Hoc@irccyn.ec-nantes.fr

La gestion de production dans les ateliers manufacturiers pourrait être

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

1. Une ressource, en ordonnancement, est « un moyen technique ou humain requis pour la

mesure où il faut gérer dans le temps de nombreuses interactions entre de

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

Cette conception de la relation homme-machine dans l’ordon-

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

II. LES TÂCHES D’ORDONNANCEMENT :

L’ordonnancement de tâches en gestion de production est caractérisé

Par ailleurs, peuvent s’ajouter à ces deux caractéristiques principales

des facteurs humains : Comment les ordonnanceurs humains réduisent-ils la

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

des informations différentes et elles observent des pratiques différentes. »

La situation d’ordonnancement la plus classique en gestion de produc-

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

II . 1 . A. Les méthodes formelles

soit un technicien chargé de l’ordonnancement soit le responsable de

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

Finalement, la validation de la solution fournie par le programme

II . 1 . B. Les règles de priorité

Une autre méthode est souvent utilisée en pratique. Il s’agit de cons-

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

graphiques montre l’importance qu’il convient d’apporter aux propriétés

Dans cette situation, l’environnement est perçu comme non figé. À

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

litée si l’opérateur a une claire représentation du comportement des dif-

Dans ce contexte, un ordonnancement a déjà été réalisé et commencé

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

III. LES REVUES ANTÉRIEURES DE LA LITTÉRATURE

Les recherches sur les facteurs humains dans l’ordonnancement en

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

l’ensemble des options possibles à quelques options satisfaisantes, suscep-

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

conditions pouvaient atténuer cette supériorité (tout en ne fournissant pas

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

par les recherches citées dans la revue de Sanderson (1989). Le but de

IV. LES APPROCHES FORMELLES

La comparaison entre les approches formelles et les stratégies humai-

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

Fig. 1. — La tâche de Tulga (d’après Moray et al., 1991)

Plus spécifiquement, Moray et al. (1991) ont montré, sur la tâche de

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

V. LES ÉVOLUTIONS DES APPROCHES FORMELLES

L’évolution des approches formelles fondées sur des règles algorithmi-

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

VI. LA RELATION HOMME-MACHINE

Comme nous l’avons indiqué précédemment, les conceptions de

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

VI . 1. LES INTERFACES HOMME-MACHINE

La récente revue de question de Crawford et Wiers (2001) met en

© Presses Universitaires de France | Téléchargé le 03/05/2021 sur www.cairn.info (IP: 105.71.21.82)

dériver des besoins d’information. Par exemple, Usher et Kaber (2000) se