Résumé
L’adaptation en temps réel en réalité virtuelle (RV) est essentielle pour créer des expériences personnalisées et pour informer l’utilisateur sur les actions pertinentes à effectuer dans l’environnement. Traditionnellement, lorsque ces adaptations cherchent à fournir une assistance à l’humain, elles sont axées sur les tâches à réaliser et reposent sur une connaissance explicite des objectifs de l’utilisateur. Dans cette thèse, nous proposons une nouvelle approche pour la conception de systèmes d’aide de RV adaptative, une conception task-blind, i.e. sans aucune connaissance des tâches de l’utilisateur ou tentative de les déduire en temps réel. Tout d’abord, nous proposons une nouvelle lecture de la littérature en présentant une classification et une modélisation des systèmes adaptatifs en RV. Notre classification se décline en trois axes : le degré de connaissance du système envers les tâches de l’utilisateur, le degré de contrôle donné à l’utilisateur et le niveau d’aide fourni par les systèmes. Cela nous permet de mettre en perspective certains aspects de la conception de systèmes adaptatifs et de proposer un modèle de conception qui : 1) met en lumière et généralise les types d’entrées de ces systèmes, et 2) intègre des composants permettant de mettre en oeuvre les trois axes de la classification. Nous présentons deux études évaluant des systèmes adaptatifs task-blind qui visent à améliorer les capacités cognitives. Les résultats permettent d’évaluer 1) la faisabilité de l’implémentation de notre approche task-blind dans des cas complexes, 2) l’impact de tels systèmes sur la performance et le comportement des utilisateurs, et 3) les composants de conception principaux qui ont un impact sur l’efficacité de tels systèmes. Ces travaux laissent envisager des perspectives prometteuses sur la conception des systèmes adaptatifs en RV en général, ainsi que plus spécifiquement sur les systèmes adaptatifs task-blind fournissant une assistance.