Thèse Concevoir des Personas de Chatbots avec l'IA Générative pour Accompagner les Utilisateurs et les Groupes H/F

Détail du poste

Établissement : Institut Polytechnique de Paris Télécom Paris École doctorale : Ecole Doctorale de l'Institut Polytechnique de Paris Laboratoire de recherche : Laboratoire de Traitement et Communication de l'Information Direction de la thèse : Simon PERRAULT ORCID 0000000231059350 Début de la thèse : 2027-10-01 Date limite de candidature : 2027-01-31T23:59:59 Les chatbots fondés sur l'intelligence artificielle générative peuvent aider les utilisateurs à apprendre,
à organiser un voyage et à prendre des décisions en groupe. Leur utilité ne dépend pas seulement
de la qualité de leurs réponses. Elle dépend aussi de leur manière de communiquer et de la place
que les utilisateurs leur accordent. Cette thèse de 36 mois étudiera comment concevoir des personas
de chatbots qui soutiennent les objectifs des utilisateurs et respectent leur autonomie. Un persona
désignera ici un ensemble explicite de choix concernant le rôle, le ton, les comportements relationnels et les limites de l'agent. Il ne s'agira ni d'imiter une personne réelle ni de prétendre posséder une expertise humaine. Les travaux fournis sur les incitations à la réflexion et les agents conversationnels de groupe constituent le point de départ. Ils suggèrent des pistes sur la prise de perspective, les modalités de présentation et la régulation des discussions. Ils ne démontrent pas qu'un persona de chatbot augmente toujours la confiance. La recherche examinera donc quand un persona peut renforcer une confiance justifiée, et quand il peut susciter une confiance excessive. Une première étude associera des entretiens et des ateliers de co-conception avec des adultes, des enseignants et des facilitateurs. Un prototype permettra ensuite de comparer des styles de communication et des rôles dans des tâches d'apprentissage. Une expérience en petits groupes portera sur la planification de voyages avec des préférences divergentes. Le chatbot pourra clarifier les contraintes, reformuler un désaccord, solliciter des contributions et proposer des compromis. Les membres conserveront la décision finale et pourront refuser une intervention. Une étude de terrain de six semaines examinera enfin l'évolution des usages et de la confiance. Les évaluations porteront sur l'apprentissage, la qualité des décisions, la participation, l'équité perçue et la capacité à repérer les erreurs de l'agent. Les contributions attendues sont un espace de conception des personas, des résultats empiriques sur leurs effets et des recommandations pour des interfaces conversationnelles utiles, contrôlables et inclusives. Chatbot personas combine role framing, linguistic style, relational behaviour, identity cues, and
continuity across interactions. These are not the same as the fictional user personas used in design
practice. They are also not the same as the stakeholder perspectives presented in a reflection exercise.
Existing research has investigated several parts of this design space. Feine et al. organise social cues
used by conversational agents [1]. Go and Sundar examine visual, identity, and conversational cues [2].
Araujo studies anthropomorphic cues and communicative agency framing [3]. These studies motivate
careful control of names, avatars, conversational style, and perceived agency. They do not imply that a more human-like agent is always more useful. Bickmore and Picard show that relationship-building
behaviour can increase reported trust during repeated interaction with an exercise-support agent [4].
This supports the possibility that a consistent, considerate persona can help users build trust. It
does not establish the same effect for every LLM chatbot or task. Work on persona-conditioned
dialogue provides methods for maintaining profile consistency, but dialogue benchmarks alone do not
demonstrate user benefit [5]. Research on conversational expectations and human-AI design further
motivates clear limitations, easy correction, and user control [6, 7]. Trust should support appropriate
reliance rather than unconditional acceptance [8]. Measures of human-AI performance are therefore
needed alongside attitude scales [9]. Educational research identifies learning, assistance, and mentoring roles. It also calls for evaluations that match the intended learning objective [10]. A supportive tutor, a questioning peer, and a concise information assistant are thus plausible designs, not universally optimal solutions.
Previous work from the advisor provide the project's immediate foundation. Help Me Reflect compares textual reflection nudges in studies with 12 and 120 participants. Its persona prompts present alternative perspectives and support deliberative quality in the studied setting [11]. The CHI 2025 paper extends reflection nudges to text, image, audio, and video. Text is preferred for persona prompts, while video is preferred for storytelling in the first study [12]. These findings motivate accessible, concise, text-first prototypes. They do not justify assuming fixed learning styles or a universal modality advantage.
The supplied Group Conversational Agents manuscript reviews 53 peer-reviewed studies. It identifies
orientation, conflict, alignment, and execution as recurring group challenges [13]. It also identifies
tensions between visible and discreet support, proactivity and autonomy, and agent authority and group ownership. Related HCI studies examine participation support, consensus-building, community roles, and a devil's advocate agent [14-17]. Research on AI-mediated deliberation also shows that agents can help groups formulate common-ground statements [18]. Together, this evidence motivates agents that clarify positions, reframe disagreement, invite quieter members, and suggest compromises. It does not show that consensus is always desirable or that synthetic personas represent real communities. The research gap is to connect persona design with user needs, group legitimacy, error-sensitive trust, and sustained use. The project will examine this gap in adult learning and small-group trip planning, rather than claim benefits across all domains. The PhD has three linked objectives. First, it will identify persona factors that matter to users in
different tasks and social settings. Second, it will design a configurable chatbot that makes these factors explicit and keeps factual support separate from social presentation. Third, it will test how persona choices affect task success, group processes, and trust over time. The central questions are which personas help which users, when a persona should change, and how users should control that change. Expected outputs are a design space, a research prototype, controlled and longitudinal evidence, and design recommendations. Higher trust is a possible benefit, but only when supported by reliable behaviour and appropriate responses to errors. The project will use a mixed-method HCI approach over 36 months. Months 1-6 will combine a
focused literature review with interviews and co-design involving about 24 adults, including learners,
educators, and group facilitators. Months 7-16 will develop a text-first prototype and compare neutral
versus supportive language and tutor versus peer framing in an adult learning experiment. The
initial recruitment envelope is 200 participants, including a generic-assistant baseline. Months 17-25
will compare unaided discussion, a generic group assistant, and a co-designed persona assistant in
about 60 triads planning trips with competing constraints. The agent will support reflection and
low-stakes conflict mediation, but users will retain final authority. Months 26-32 will study one
selected configuration with about eight existing groups over six weeks. Months 33-36 will consolidate
findings and complete the thesis. Sample sizes are provisional and will be set by pilot-informed power
simulations before preregistration. Evaluation will combine learning tests, planning quality, observed
participation, perceived fairness, validated trust measures, and acceptance or rejection of correct and
incorrect advice. Analyses will account for repeated measures and group clustering. Interviews and
interaction analysis will explain observed effects and failures. Ethics approval, informed consent, data
minimisation, and withdrawal procedures will precede data collection.

Le profil recherché

Les candidats doivent être titulaires d'un master en interaction homme-machine (IHM) ou dans un domaine connexe, tel que l'informatique, le design d'interaction, les sciences cognitives, la psychologie ou les systèmes d'information. Ils doivent porter un intérêt à la recherche utilisateur, aux interfaces conversationnelles et aux activités collaboratives. Une bonne maîtrise de la rédaction en anglais ainsi qu'une volonté de mener des entretiens et des expérimentations sont essentielles. Des connaissances en modèles de langage (LLM), en prototypage assisté par IA (ou « vibe coding »), en programmation et en analyse statistique constituent un atout. Il n'est pas nécessaire de maîtriser toutes ces compétences dès le début ; une formation permettra d'acquérir les méthodes et les compétences techniques manquantes.