Série d'entretiens avec la professeure Saeema Ahmed-Kristensen, directrice du laboratoire DIGIT.

Professeur Saeema Ahmed-Kristensen est un éminent chercheur en ingénierie de conception et vice-chancelier adjoint (Recherche et Impact) à l'Université de Université d'Exeter, où elle occupe également le poste de directrice de Laboratoire DIGIT, Une importante initiative de recherche interdisciplinaire axée sur l'innovation et la transformation numériques. Ses recherches portent sur la créativité et la cognition en matière de conception, la conception numérique et axée sur les données, ainsi que l'intégration des technologies de pointe dans l'ingénierie complexe et le développement de produits. L'accent est mis sur la traduction des connaissances académiques en applications concrètes grâce à la collaboration avec l'industrie, l'implication dans les politiques publiques et des programmes de recherche à grande échelle.

Votre parcours professionnel vous a mené à Cambridge, à la DTU, à l'Imperial College London, au Royal College of Art et maintenant à l'Université d'Exeter. Avec le recul, quelles expériences ou quels moments charnières ont le plus influencé votre réflexion sur le design, la créativité et le rôle des technologies numériques ?

Mon parcours professionnel en design m'a amené à explorer de nombreuses cultures et disciplines. J'ai débuté à Brunel, suivant l'un des rares cursus de l'époque qui alliait technologie, conception centrée sur l'humain et compréhension des formes. J'y ai très tôt compris que créativité et innovation sont intimement liées.

Mes études à Cambridge ont ensuite élargi mes horizons. L'environnement universitaire m'a permis de découvrir de nombreuses disciplines et de comprendre comment l'innovation repose sur la convergence des connaissances issues de différents domaines. Mon doctorat portait sur le secteur aérospatial et examinait comment les ingénieurs concepteurs recherchent et utilisent l'information. J'ai étudié comment les individus accèdent au savoir, comment l'expertise peut être soutenue ou reproduite, et l'intersection entre la cognition, l'informatique et la conception technique. Cette approche centrée sur l'humain m'accompagne depuis.

Avec le développement des technologies numériques, les questions au cœur de mon travail se sont multipliées. L'essor de l'Internet des objets, de l'intelligence artificielle et du calcul avancé a transformé la conception, passant d'une approche exclusivement centrée sur l'humain à une approche centrée sur la société. Cette évolution continue d'influencer mon travail à l'Université d'Exeter, où je dirige le laboratoire DIGIT et me concentre sur le rôle des masters en droit (LLM) dans le processus créatif, les obstacles à leur adoption par les entreprises et la manière dont les données peuvent stimuler l'innovation.

Mon passage à Imperial College et au Royal College of Art m'a conforté dans l'idée que le design va bien au-delà de la simple conception de produits ou de services. Avec les bonnes personnes, les bons processus et la bonne culture, le design devient un moteur de technologies, de matériaux et d'idées novateurs et adaptables, capables de relever les défis mondiaux d'aujourd'hui et de demain.

DIGIT Lab se concentre principalement sur la transformation numérique au sein des grandes organisations établies. Selon vous, quelle est la principale erreur de compréhension des dirigeants concernant l'impact de l'IA sur la conception, l'innovation et la prise de décision ?

Depuis des décennies, l'IA progresse dans la recherche et s'est imposée dans certains secteurs, mais son développement est souvent freiné par le manque de compétences, la compréhension insuffisante des dirigeants et le manque de clarté quant à sa valeur et aux infrastructures nécessaires. Avec l'essor des masters en apprentissage et des outils génératifs tels que DALL·E, l'IA est désormais plus accessible et requiert beaucoup moins d'expertise et de configuration spécialisées. Cependant, cela soulève également de nouvelles questions relatives à la protection de la vie privée, à la sécurité des données et à la pertinence des modèles généralistes pour des domaines spécifiques.

En matière de conception et d'innovation, ces problématiques sont particulièrement criantes. Notre étude, portant sur plus de 12 000 idées générées par des humains et par l'IA, a révélé que les idées issues de l'IA tendent à se regrouper autour de concepts similaires. Ceci souligne la nécessité d'intégrer l'expertise humaine aux outils génériques, d'adapter l'IA au domaine concerné, ou encore de comprendre quand et comment l'utiliser en complément de la créativité et de la prise de décision humaines.

Une grande partie de vos recherches porte sur la créativité et la cognition dans le domaine du design. L'IA générative étant désormais capable de produire des idées, des concepts et des itérations à grande échelle, quels aspects de la créativité considérez-vous comme étant spécifiquement humains ? Et quelles parties peuvent être transférées de manière responsable vers des processus pilotés par l'IA ?

Pour moi, la créativité a toujours été bien plus que la simple génération d'alternatives. Elle englobe l'intention, la signification culturelle et le lien émotionnel qu'un design crée. Notre récente enquête DIGIT Lab l'a clairement démontré : 82 % des personnes interrogées ont déclaré que le travail réalisé par des humains ou de manière hybride leur semblait plus significatif, tandis que 71 % se sentaient moins impliquées émotionnellement par les designs entièrement générés par l'IA. Nombreux sont ceux qui ont décrit le travail généré par l'IA comme « dénué d'émotion » (48 %) ou « trop parfait » (40 %), et 36 % ont estimé que son impact s'estompait rapidement. Ces réponses ont conforté une conviction que j'ai depuis longtemps : l'engagement émotionnel n'est pas un luxe, il est essentiel à la manière dont les gens perçoivent et apprécient le travail créatif.

Nos recherches comparant les idées humaines et celles de l'IA montrent également que les concepteurs humains excellent dans la création d'idées diversifiées et novatrices, et veillent à ce que le résultat créatif, qu'il s'agisse d'œuvres d'art, de design de produits ou de services, soit riche et significatif. Les experts créatifs possèdent un ensemble de compétences qu'il est actuellement impossible de reproduire. Les concepteurs doivent comprendre le problème avant de générer des idées, et les masters en droit (LLM) sont très utiles pour recueillir les informations nécessaires à la transition d'un problème à l'autre. Si nous parvenons à intégrer des modèles d'expertise humaine dans les outils d'IA, ces derniers pourront également faciliter l'évaluation des idées, permettant ainsi à l'IA de mieux exploiter les compétences créatives humaines.

L'approche par chaîne de pensée que nous expérimentons soutient Les LLM suivront les experts raisonnementIl ne s'agit pas simplement d'attribuer des notes. Dans tous les cas, une supervision humaine est nécessaire pour interpréter les résultats et s'assurer que les choix de conception correspondent à l'expérience vécue des utilisateurs.

Il est clair que nous devons soit créer des modèles capables de saisir comment les utilisateurs perçoivent les produits, les services et les interactions, de manière à ce que les ordinateurs puissent les interpréter, soit intégrer des données riches (des informations qualitatives approfondies qui contextualisent le sujet) aux données issues de capteurs, qu'elles soient superficielles ou massives. L'élaboration de ces modèles est complexe, et c'est précisément là que l'intervention humaine demeure essentielle.

Pour moi, la leçon à retenir n'est pas que l'IA n'a pas sa place dans la créativité. Bien au contraire. C'est que l'IA et les humains apportent des atouts différents. Le fait que le public réagisse systématiquement plus positivement au travail humain ou hybride nous indique simplement où se situe le point d'équilibre. L'IA peut aider à explorer un espace de conception plus vaste, à analyser des tendances et à formuler des critiques structurées, mais ces perceptions de superficialité, de perfection algorithmique et de distance émotionnelle montrent que l'IA a encore besoin du jugement humain pour transformer les possibilités en quelque chose de profondément humain.

C’est pourquoi je perçois l’avenir de la créativité comme fondamentalement collaboratif. L’IA peut élargir le champ des possibles. Les designers apportent l’empathie, la compréhension culturelle et le sens de l’intention qui donnent sens à ces possibilités. Lorsque les deux travaillent de concert, le jugement humain définissant la direction et l’IA enrichissant l’exploration, il en résulte un processus créatif plus rigoureux, plus imaginatif et, en fin de compte, plus humain dans ses aboutissements.

Vous avez été pionniers dans la quantification des expériences utilisateur et la structuration des connaissances en conception. À mesure que les systèmes d'IA prennent une place de plus en plus importante dans la génération de produits et de services, comment garantir que les expériences humaines, les émotions et les signaux culturels restent au cœur du processus de conception ?

Pour placer l'expérience humaine au centre de nos préoccupations, nous devons intégrer la connaissance de la perception et des émotions dans nos méthodes.

Il existe deux approches principales. La première reconnaît la nécessité de données qualitatives permettant une compréhension approfondie de l'expérience, de la perception et des émotions humaines, et contribuant ainsi à une collaboration homme-IA efficace. La seconde, sur laquelle se sont concentrés mes travaux, vise à traduire ces connaissances en modèles compréhensibles et utilisables par les systèmes d'IA.

Ces modèles sont complexes à développer, car ils doivent intégrer l'expérience utilisateur, la perception humaine et les caractéristiques des produits ou systèmes conçus, afin de prédire les réactions humaines et l'expérience globale.

Vous travaillez en étroite collaboration avec des secteurs complexes : aérospatiale, médical, industrie manufacturière et biens de consommation. Dans ces environnements à forts enjeux, comment conciliez-vous le potentiel de la conception assistée par l’IA avec les impératifs de sécurité, de traçabilité et de confiance ?

Dans les secteurs à haut risque comme la santé, l'aérospatiale et l'industrie manufacturière, la question n'est pas de savoir si l'IA peut être utilisée, mais comment elle est encadrée. La confiance dans ces environnements repose sur une responsabilité claire, une traçabilité et une explication transparentes à chaque étape du processus de conception et de prise de décision. L'IA peut jouer un rôle de soutien précieux dans la simulation, l'optimisation et l'exploration préliminaire, mais elle ne saurait constituer l'autorité finale.

Nombre de ces domaines sont strictement réglementés et soumis à des exigences de sécurité rigoureuses, qui imposent un traitement sécurisé de toutes les données, qu'elles soient personnelles ou commercialement sensibles. Dans ces contextes, il est souvent nécessaire d'élaborer des invites ou des requêtes à partir de données locales afin d'en garantir la spécificité et la pertinence, et il est courant que les organisations de ces secteurs conçoivent et gèrent leurs propres outils d'IA.

Nos recherches approfondies démontrent de façon constante que les systèmes hybrides sont essentiels : l’IA doit compléter le jugement des experts, et non le remplacer. La supervision humaine doit demeurer intégrée à chaque étape critique de la décision, notamment en matière de sécurité, de risques et de responsabilité. Pour que les organismes de réglementation et les utilisateurs finaux fassent confiance aux systèmes d’IA, les organisations doivent également fournir une documentation transparente sur la manière dont les modèles sont entraînés, les données utilisées et la façon dont les résultats sont générés. Sans cette transparence, la confiance ne peut se généraliser, aussi avancée que soit la technologie.

De nombreuses organisations peinent à combler le fossé entre « l'expérimentation avec l'IA » et son intégration pertinente dans le développement de leurs produits. Quelles mesures pratiques recommanderiez-vous aux équipes qui souhaitent passer de l'expérimentation à une mise en œuvre stratégique ?

De nombreuses organisations stagnent au stade de l'expérimentation car elles adoptent l'IA sans objectif stratégique clair. La première étape pratique consiste à définir explicitement le rôle que l'IA est censée jouer dans le processus de développement : soutien à l'idéation, accélération des tests, amélioration de l'évaluation ou optimisation de la prise de décision. Sans cette clarté, les projets pilotes restent déconnectés des réalités métier et des objectifs de conception.

Les équipes ont également besoin de bases solides. Cela implique d'investir dans des données de haute qualité et bien gérées, notamment des données reflétant l'expérience utilisateur réelle plutôt que de simples performances techniques. Il est également essentiel d'être réaliste quant aux limites actuelles de l'IA, en particulier en matière de jugement créatif et centré sur l'humain, où la supervision d'experts demeure indispensable.

De nombreux secteurs commencent à élaborer des politiques d'IA qui accompagnent les équipes dans leurs expérimentations, depuis la définition des objectifs commerciaux et la mise en œuvre de projets pilotes jusqu'à l'adoption à plus grande échelle. Ces politiques aident les organisations à identifier les domaines où l'IA peut réellement apporter une valeur ajoutée, tout en veillant à ce que l'humain reste impliqué lorsque cela s'avère nécessaire.

Enfin, les organisations devraient privilégier les projets pilotes structurés et à faible risque, intégrés aux processus métiers réels et non menés de manière isolée. Ces projets pilotes devraient être interdisciplinaires, réunissant concepteurs, ingénieurs, data scientists et experts du domaine afin de favoriser le partage et la transférabilité des connaissances. L'IA apporte une réelle valeur ajoutée lorsqu'elle est intégrée dès la conception aux pratiques quotidiennes, et non traitée comme une couche expérimentale distincte.

Vous avez une longue expérience dans le développement de méthodes de structuration et d'automatisation des connaissances. Sommes-nous proches de systèmes d'IA capables de raisonner sur l'intention de conception, les besoins des utilisateurs et le contexte de manière à apporter une réelle valeur ajoutée plutôt que de simplement générer du contenu ?

Dans certains domaines, prédire les préférences des utilisateurs est relativement simple, car des données telles que l'historique de navigation ou les listes de films et de séries visionnés peuvent servir à formuler des recommandations. Ces domaines bénéficient de données facilement accessibles.

À l'inverse, un défi majeur dans la conception de produits et de services réside dans le fait que les données relatives aux choix, aux besoins et aux expériences vécues des individus sont souvent difficiles d'accès.

My recherches récentes Digit Lab a étudié les capacités d'un modèle linéaire mixte (LLM) à partir d'un modèle décrivant la perception et la réaction des individus face aux caractéristiques d'un design. Cependant, les modèles actuels fonctionnent sur des schémas présents dans les données et ne peuvent contextualiser le sens. Des études antérieures établissant un lien entre la forme et les perceptions montrent que même de légères modifications de forme peuvent influencer les réponses émotionnelles, et ces subtilités sont difficiles à anticiper pour l'IA sans intervention humaine ou sans modèles sophistiqués. Par conséquent, le raisonnement de l'IA sur les intentions progresse, mais reste complémentaire à l'expertise humaine.

À mesure que l'IA accélère les cycles de conception — de l'idéation au prototypage —, de quelles nouvelles compétences les designers auront-ils besoin ? Comment les universités et les organisations devraient-elles repenser la formation de la prochaine génération de talents créatifs ?

Les designers devront maîtriser à la fois la perception humaine et les outils d'IA. Comprendre comment la forme, les matériaux et les proportions influencent la réponse émotionnelle restera fondamental pour une conception réussie. Parallèlement, les designers devront être capables d'utiliser avec assurance les systèmes d'IA qui facilitent la génération et l'évaluation d'idées. Cela implique non seulement d'utiliser les outils, mais aussi de comprendre leurs objectifs et leurs limites. À mesure que l'IA s'intègre davantage aux processus de conception, la capacité d'interpréter ses résultats de manière critique et de les combiner au jugement humain deviendra l'une des compétences créatives les plus précieuses.

À mesure que l'IA accélère les cycles de conception, de l'idéation au prototypage, les designers auront besoin d'un nouvel ensemble de compétences et de modes de pensée dépassant le cadre des savoir-faire traditionnels. Ils devront comprendre le fonctionnement des technologies numériques, ce que les différents types de données peuvent (et ne peuvent pas) révéler, et comment allier expertise en design et maîtrise de l'IA. Cela implique de savoir exploiter des données de haute qualité, rigoureusement contrôlées, reflétant l'expérience utilisateur réelle, plutôt que de se fier uniquement à des indicateurs de performance technique. Parallèlement, les designers devront également faire preuve de discernement pour identifier les domaines où l'IA est utile et ceux où la créativité et l'esprit critique humains doivent demeurer essentiels.

Pour répondre à ces besoins, les universités et les organisations devront repenser la formation de la prochaine génération de talents créatifs. Certaines universités intègrent déjà la science des données dans leurs programmes de design ; un pas important, mais insuffisant. Il manque encore des méthodes de conception adaptées aux réalités de l’ère numérique : des méthodes qui permettent aux designers de collaborer avec l’IA, de travailler de manière interdisciplinaire et de mener des expérimentations rapides tout en garantissant une supervision éthique et centrée sur l’humain.

Combler cette lacune est essentiel. C’est pourquoi mon collègue, le Dr Ji Han, et moi-même écrivons un livre avec Cambridge University Press sur ce sujet. La pensée conceptuelle à l'ère du numérique, qui rassemble les cadres, les compétences et les modes de pensée nécessaires pour concevoir efficacement aux côtés de l'IA.

DIGIT Lab met l'accent sur une transformation responsable. Selon vous, quels risques éthiques ou sociétaux nécessitent une attention accrue à mesure que l'IA s'intègre aux processus de conception dans tous les secteurs ?

Un exemple consiste à garantir l'utilisation éthique des données, notamment en obtenant un consentement éclairé et en assurant la transparence concernant les ensembles de données utilisés pour développer des produits d'IA, ainsi que les biais potentiels qu'ils peuvent contenir. Par exemple, les ensembles de données intégrés aux systèmes de santé doivent être examinés avec soin afin de s'assurer qu'ils représentent adéquatement l'ensemble de la population, d'identifier les groupes potentiellement sous-représentés et de confirmer que le système d'IA est adapté à son objectif et inclusif. D'un point de vue sociétal, on craint souvent que l'IA ne remplace des emplois ; cependant, il est important de comprendre où l'expertise humaine demeure essentielle et comment l'IA peut être utilisée pour compléter, et non remplacer, les capacités humaines.

Cependant, des questions éthiques plus profondes se posent également. Lorsque les concepteurs s'appuient sur des données humaines, ils doivent gérer les questions de confidentialité, de biais et transparence responsableUn atelier du DIGIT Lab a identifié les « données », le « humain » et la « gouvernance » comme les principaux défis du secteur manufacturier, soulignant la nécessité d’une meilleure collecte de données, d’une supervision humaine continue et de politiques claires en matière de sécurité, de confiance, de propriété intellectuelle et de réglementation. Pour relever ces défis, il est essentiel de veiller à ce que les systèmes d’IA soient construits sur des données diversifiées, d’intégrer le jugement humain aux points critiques et de développer des normes de conception inclusives qui respectent la vie privée, le consentement et le contexte culturel.

Vous avez étudié comment les données et l'IA peuvent personnaliser les produits en fonction de l'expérience utilisateur. Envisagez-vous un avenir où les produits évolueront dynamiquement en fonction des données en temps réel après leur sortie d'usine ? Si oui, comment les concepteurs doivent-ils s'y préparer ? 

Conception axée sur les données Les produits utilisés peuvent être personnalisés, adaptés ou personnalisés aux comportements individuels. Ils deviennent alors des systèmes « intelligents » qui collectent des données sur leur utilisation et communiquent via des capteurs intégrés et la connectivité IoT. Dans notre cadre, les activités de personnalisation consistent à utiliser ces données pour mettre à jour et adapter les produits après leur sortie d'usine. Par exemple, on peut citer la liaison de modèles de reconnaissance gestuelle à un jumeau numérique pour la collaboration homme-robot et l'utilisation de la numérisation assistée par apprentissage automatique pour créer des composants personnalisés.

Ce changement engendre de nouvelles responsabilités. Les concepteurs doivent décider lesquelles. données humainesTout élément comportemental, physiologique, émotionnel ou lié au feedback est pertinent. Il est également essentiel de veiller à ce que les mises à jour préservent les qualités esthétiques et émotionnelles recherchées, intrinsèquement liées à la forme et à la perception. Enfin, la gouvernance est primordiale : notre atelier sectoriel a mis en lumière la nécessité de politiques claires et d’une supervision humaine pour les questions relatives aux données, à la confiance et à la confidentialité. Bien conçues, les évolutions des produits peuvent offrir une valeur et une réactivité durables sans compromettre le sens ni l’éthique.

Quelles sont les grandes questions de recherche qui vous motivent actuellement ? Et quelles avancées pensez-vous que le domaine connaîtra dans les prochaines années à l’intersection de l’IA, de la créativité et de l’ingénierie de conception ?

Bon nombre des défis décrits ci-dessus restent à relever – plusieurs d'entre eux sont actuellement sur lesquels je travaille, notamment pour garantir que les outils d'IA générative à usage général puissent être efficacement adaptés aux secteurs spécifiques qui souhaitent les adopter.

Au niveau sectoriel, cela peut se présenter de manière très différente : dans le secteur manufacturier, cela peut impliquer l’utilisation de modèles localisés, entraînés sur des connaissances spécifiques au domaine, ainsi que des mesures strictes de confidentialité et de sécurité ; dans les industries créatives, l’accent peut être mis sur la diversification des productions et la mise en place d’une collaboration plus significative entre les humains et l’IA.

Sur le plan technique, nous expérimentons des modèles de langage de grande taille pour faciliter les tâches d'évaluation. Une étude montre que ces modèles peuvent évaluer la nouveauté et l'utilité, et se rapprocher davantage de l'avis des experts humains lorsqu'ils sont guidés par des consignes bien conçues. Un article connexe utilise chaîne de pensée Nous utilisons des techniques d'incitation et d'agrégation multi-modèles pour rendre l'évaluation de l'IA plus fiable. Nous explorons également les agents conversationnels pour cerner les besoins de transformation numérique des organisations, démontrant ainsi que les chatbots peuvent mener des actions ciblées. entretiens structurés Conjuguées aux travaux sur l'utilisation des données humaines dans la conception, ces initiatives laissent entrevoir un avenir où l'IA nous aidera à préserver l'expertise, à prendre de meilleures décisions et à interagir avec les utilisateurs de manière éthique.

Merci pour cet entretien pertinent et éclairant ; les lecteurs souhaitant en savoir plus sur les travaux du professeur Ahmed-Kristensen concernant la conception pilotée par l’IA, la créativité et la transformation numérique responsable peuvent consulter ses recherches et initiatives en cours sur : Laboratoire numérique.