Mohammad Choaib soutiendra sa thèse le lundi 5 Decembre 2025 à 14h en salle B014 du LISIC à Calais.
La thèse est co-dirigée par Mourad Bouneffa, Yasser Mohanna et Adeel Ahmad.
Titre :
Towards Explainable Conversational Frameworks for Cyber-Physical System Configuration Assistance
Résumé :
À l’ère de l’industrie 4.0, la conception et la configuration des systèmes cyber-physiques (CPS) deviennent de plus en plus complexes. Ce processus requiert un effort cognitif important et reste vulnérable aux erreurs humaines. Les utilisateurs doivent en effet transformer des besoins métier généraux en spécifications techniques précises, tout en gérant des données hétérogènes, des schémas incohérents et des contraintes d’interopérabilité. Les outils de configuration traditionnels, basés sur des formulaires rigides ou des règles définies par des experts, manquent de flexibilité et de transparence.
Pour relever ces défis, cette thèse présente le système de recommandation cyber-physique (CPRS), un cadre conversationnel explicable qui assiste les utilisateurs dans le choix et la configuration des composants CPS. Le CPRS combine l’interaction en langage naturel, les plongements sémantiques, la validation fondée sur des règles et l’intelligence artificielle explicable (XAI) au sein d’une architecture modulaire. Il associe les méthodes classiques de recherche d’information aux capacités de génération de texte des grands modèles de langage (LLM), tandis que Sentence-BERT (SBERT) représente les requêtes et les métadonnées dans un espace sémantique partagé, permettant ainsi une recherche précise basée sur la similarité.
Le système utilise également un classement multicritère et affine ses recommandations de manière progressive et interactive, en dialoguant avec l’utilisateur pour préciser ses besoins. Les expériences menées sur un jeu de données de capteurs CPS ont montré que le CPRS atteignait une précision élevée de 0,85 et des temps de réponse réduits par rapport à des modèles basés sur Word2Vec ou BERT, tout en offrant une plus grande transparence dans le raisonnement. Les études utilisateurs confirment que 85 % des participants trouvent le système intuitif et conscient du contexte, ce qui renforce la confiance et la facilité d’utilisation.
Cette thèse met en avant plusieurs contributions majeures. Elle présente notamment un flux de recommandation modulaire et explicable, l’intégration de plongements SBERT à une base de connaissances structurée, l’attribution de caractéristiques via SHAP, ainsi que l’utilisation du modèle Mistral-7B pour générer des réponses adaptatives centrées sur l’utilisateur.
Enfin, les limites du système sont reconnues, notamment en ce qui concerne la fiabilité de l’extraction automatique de donnéesWeb, l’ambiguïté des plongements SBERT et les bases de connaissances statiques. Des perspectives d’avenir sont proposées, notamment pour assurer une acquisition de données plus robuste, un ajustement spécifique au domaine, une interaction multimodale et un apprentissage continu.
Jury :
Mourad Bouneffa : Université du Littoral Côte d’Opale – Directeur
Yasser Mohanna : Université Libanaise – Directeur
Adeel Ahmad : Université du Littoral Côte d’Opale – Co-directeur
Abdeljalil ABBAS-TURKI : Université de Technologie de Belfort-Montbéliard – Rapporteur
Kathia Marçal de Oliveira : Université Polytechnique Hauts-de-France- Rapporteure
Cyril Fonlupt : Université du Littoral Côte d’Opale – Examinateur
Habiba Chaoui : Université de Toulouse Capitole – Examinatrice
Moncef Garouani : Université Toulouse Capitole – Invité