Libérer le "goulot d'étranglement" cognitif dans les véhicules autonomes

Pour comprendre les risques liés aux systèmes de conduite autonome, il faut d'abord comprendre la dynamique du traitement de l'attention et du multitâche. C'est là que les sciences du comportement entrent en jeu. L'analyse scientifique de la prise de décision humaine fournit au secteur du transport autonome des informations importantes sur la manière dont les gens agissent lorsque leur attention est divisée entre plusieurs stimuli environnementaux, ce qui peut souvent être le cas dans un véhicule qui encourage le traitement multitâche entre des éléments tels que l'observation de la route et des signaux de sécurité tout en écrivant un courrier électronique ou en répondant à un appel téléphonique.

Même si notre système cognitif nous permet souvent de traiter plusieurs éléments d'une tâche dans de telles circonstances, ce n'est que dans une mesure limitée. Ce n'est que lorsque ces flux parallèles d'informations entrantes doivent se rétrécir et converger vers un "goulot d'étranglement" central que nous sommes incapables de réagir à l'une ou aux deux sources d'informations, qui, dans le pire des cas, peuvent inclure des dangers sur la route.

La recherche en déduit que nous ne sommes pas câblés pour faire les deux choses à la fois en toutes circonstances. Knowles (1963) a proposé que l'esprit humain ne puisse percevoir que ce que son réservoir de ressources cognitives lui permet, et que nous réagissions beaucoup moins bien à des stimuli supplémentaires lorsque nous approchons de notre pleine capacité cognitive. Dans le cadre de la conduite d'un véhicule autonome, le fait de s'occuper pleinement d'une tâche secondaire, comme regarder l'écran d'un téléphone ou d'un ordinateur portable, utilise des ressources cognitives qui devraient être allouées à la tâche principale de la conduite, en particulier dans les situations critiques.

Pourquoi le cerveau humain est-il moins efficace pour prendre des décisions lorsque le goulot d'étranglement cognitif est occupé à traiter des flux parallèles d'informations entrantes ? Une approche consiste à se demander si cela n'a pas un rapport avec le décalage temporel dans lequel les différents flux sont traités. Welford (1952) a réfléchi à la relation entre le temps et la prise de décision dans le contexte d'un goulot d'étranglement de la réponse, et a cherché à comprendre pourquoi il avait constaté que les gens étaient incapables de répondre à deux stimuli discrets lorsqu'ils étaient séparés par un intervalle de moins de 500 ms.

Il a attribué ce décalage cérébral à la "période psychologique réfractaire", un laps de temps théorique pendant lequel nous sommes incapables de répondre à une deuxième tâche tant que nous n'avons pas fini de répondre à la première. Ce modèle théorise que notre cerveau utilise ce que l'on appelle le traitement en série (où nous traitons un seul stimulus à la fois), qui épuise notre réservoir de ressources cognitives beaucoup plus rapidement que le traitement en parallèle (où nous pouvons traiter plusieurs stimuli à la fois).

Dans ce cas, le multitâche dans les tâches autonomes risque d'entraîner des accidents dangereux, car les conducteurs qui sont au téléphone ou qui regardent ailleurs ne pourront pas réagir aux avertissements de danger tant qu'ils n'auront pas fini de traiter la tâche principale. Dans de nombreux cas, lorsque les dangers surgissent rapidement, il peut déjà être trop tard pour que l'attention du conducteur soit libérée et qu'il puisse se concentrer sur la route une fois la première tâche terminée.

Toutefois, ce modèle de traitement sériel ne tient pas compte de la possibilité du multitâche et stipule que pour prêter attention à une deuxième tâche, nous devons toujours terminer de nous occuper de la première. Le traitement en série est donc plutôt rationalisé et donc totalement inefficace en ce qui concerne le multitâche. Un modèle de traitement parallèle, en revanche, affirme que notre cerveau peut traiter efficacement des tâches doubles - plutôt que d'allouer des ressources de manière "tout ou rien", nous pouvons les partager sous la forme de ressources multiples avec des goulets d'étranglement multiples (Fischer et Plessow 2015).

Ce modèle alternatif tient compte de la mesure dans laquelle nous pouvons effectivement traiter des tâches multiples d'une manière que nous percevons comme étant parfaitement simultanée. Par exemple, nous pouvons écouter la radio tout en changeant de voie ou avoir une conversation avec un ami tout en tournant à gauche. Ce type de traitement, qu'il soit sériel ou parallèle, ne peut cependant pas nous mener très loin. De nouvelles connaissances suggèrent qu'il devient plus difficile de passer d'une tâche à l'autre ou d'effectuer plusieurs tâches à la fois lorsque les correspondances entre les stimuli et les réponses ne sont pas adaptées, ou "incongrues". Le traitement parallèle, qui est le type de traitement utilisé pour le multitâche, et le traitement en série, qui est le type de traitement utilisé pour le changement de tâche, fonctionnent tous deux de manière optimale lorsque les stimuli et/ou les réponses sont congruents.

Pour se faire une idée de la signification de la congruence dans ce contexte, Hommel (1998) a démontré les conséquences de l'incongruité des réponses, appelées effets de diaphonie. Son expérience comportait un paradigme à double tâche, conçu pour étudier l'effet de la diaphonie sur l'efficacité du traitement. Les stimuli de la première tâche étaient des couleurs de lettres, auxquelles les personnes devaient répondre manuellement sur un clavier (flèche gauche pour le rouge et flèche droite pour le vert). Les stimuli de la seconde tâche étaient des identités de lettres, auxquelles les personnes devaient répondre verbalement (en disant "droite" pour un S ou "gauche" pour un H). Lorsque les réponses étaient incongrues (gauche/"droite"), les personnes étaient beaucoup plus lentes en raison de l'augmentation de la diaphonie, mais cet effet était inversé lorsque les réponses partageaient la même catégorie conceptuelle (gauche/"gauche" ou droite/"droite").

L'explication peut être trouvée dans les paramètres d'un modèle de goulot d'étranglement à ressources multiples. Le traitement parallèle de tâches nécessitant des ressources différentes (par exemple, des réponses manuelles et verbales) présente le moins d'interférences lorsqu'il y a un chevauchement dimensionnel ou lorsque les réponses appartiennent à la même catégorie conceptuelle. Cela signifie que, lors de la conduite de véhicules autonomes, les difficultés liées au traitement multitâche ne sont pas simplement dues au fait de devoir traiter plusieurs stimuli à la fois, comme changer de voie et avoir une conversation, mais spécifiquement à l'utilisation des mêmes ressources cognitives de codage représentationnel (Wickens 2002), comme tourner à un carrefour et identifier les panneaux de signalisation.

Imaginons que vous soyez conduit par votre voiture autonome mais que vous soyez sur votre téléphone. Il devient beaucoup plus difficile d'éviter un danger potentiel lorsque vos réponses ne sont pas préparées de manière appropriée. Les réponses que vous avez au téléphone ne sont pas les mêmes que celles dont vous avez besoin sur la route. Cette incongruité crée un retard cognitif sous la forme d'une baisse de la conscience de la situation, ce qui peut être dangereux pour les conducteurs autonomes.

En 2014, Strand et al. ont observé que les conducteurs entièrement autonomes subissaient deux fois plus de collisions que les conducteurs de véhicules semi-autonomes. En outre, par rapport aux conducteurs manuels, les conducteurs autonomes peuvent mettre 70 % de temps en plus pour dépasser un véhicule de tête et 2,5 secondes de plus pour freiner en réaction à un feu rouge (Radlmayr et al. 2014 ; Merat et Jamson 2017).

Cette situation est d'autant plus préoccupante que de nombreuses personnes considèrent ces voitures comme des centres futuristes d'amélioration de la productivité. Une enquête réalisée en 2014 a demandé à des personnes interrogées aux États-Unis quel type d'activités elles seraient susceptibles de pratiquer à bord d'un véhicule autonome (Schoettle et Sivak 2014). Seulement 36 % des personnes ont admis qu'elles ne quitteraient pas la route des yeux. Environ 10 % des personnes interrogées ont déclaré qu'elles liraient ou enverraient des SMS et parleraient avec leurs amis et leur famille, jusqu'à 6 % ont déclaré qu'elles travailleraient ou regarderaient des films, et 7 % ont fait suffisamment confiance au véhicule pour dormir en route vers leur destination. Il est vrai qu'un véhicule autonome pourrait libérer du temps de conduite et permettre d'effectuer plusieurs tâches à la fois. Mais comment faire en sorte que ce rêve de multitâche devienne une réalité de manière intelligente et sûre ?

La compréhension des mécanismes de traitement du goulot d'étranglement central est cruciale dans le contexte de la conception des interfaces homme-machine (IHM). Il convient de réfléchir sérieusement à la conception d'interfaces homme-machine complémentaires afin que les conducteurs puissent se concentrer en toute sécurité sur des tâches secondaires. Ce n'est pas un mystère que des choses comme lire ou parler au téléphone portable interfèrent avec la capacité d'un conducteur à se concentrer et à répondre à des situations inattendues sur la route (Levy, Pashler, et Boer 2006).

Heureusement, des efforts de recherche ont déjà été déployés pour comprendre la conception optimale des IHM. Des indices prédictifs, par exemple, peuvent être incorporés dans les IHM pour renforcer l'attention du conducteur sur les détails importants. Lorsque le système de capteurs de la voiture détecte et prédit les obstacles environnementaux, des indices explicites peuvent aider le conducteur à reconnaître les piétons, les cyclistes, les automobiles, les panneaux de signalisation et d'autres éléments.

Ces indices peuvent être programmés dans le logiciel de la voiture et peuvent couvrir les modalités visuelles, auditives ou tactiles (Broeker et al. 2017). Par exemple, des expériences de conduite simulée ont montré que les conducteurs intègrent de manière optimale les indices auditifs présentés en même temps et dans la même région de l'espace que les zones visuelles d'intérêt, ce qui améliore l'attention et les performances de conduite (C. Ho et Spence 2005 ; Steenken et al. 2014).

Les signaux d'avertissement vibrotactiles se sont également révélés particulièrement efficaces pour orienter spatialement un conducteur vers un obstacle visuellement pertinent, tel que la décélération soudaine d'une voiture de tête (C. Ho, Reed et Spence 2006). Les signaux d'avertissement vibrotactiles sont particulièrement utiles lorsqu'ils sont associés à un signal auditif simultané (C. Ho, Reed et Spence 2007). Bien que de nombreuses entreprises de voitures autonomes utilisent déjà des versions simples de signaux d'avertissement visuels, auditifs et tactiles, il est possible de faire davantage pour améliorer l'ergonomie cognitive entre le conducteur et la voiture (Beattie, Baillie et Halvey 2017).

L'intégration multisensorielle réduit la charge de travail cognitif car, au lieu d'utiliser les données d'un seul indice, le cerveau utilise les données redondantes de plusieurs indices et des flux parallèles d'informations entrantes pour fournir l'estimation la plus fiable pour la discrimination perceptive (Ernst 2006). L'intégration multisensorielle tire parti de la capacité du cerveau à traiter simultanément des indices différents mais programmés de manière cohérente, ce qui permet de contourner les insuffisances du traitement cognitif en série.

Certains types d'indices sont plus efficaces lorsqu'ils sont intégrés dans des technologies de réalité augmentée ou des IHM pour la conduite assistée. Les conducteurs de véhicules autonomes préfèrent quelques sons naturels prédictifs dans l'espace à de nombreux sons abstraits omnidirectionnels (Fagerlonn et Alm 2010 ; C. Ho et Spence 2005), ce qui est la norme dans l'industrie de la voiture autonome. Si une voiture vous talonne, il est beaucoup plus facile de réagir à cet événement si votre propre voiture vous alerte au moyen d'un indice localisé à l'arrière plutôt que n'importe où dans l'espace ; la congruence dimensionnelle offerte par l'indice localisé tire parti de l'efficacité fournie par le traitement parallèle du cerveau, comme le suggère le modèle des ressources multiples (C. Ho et Spence 2005 ; D. C. Ho et Spence 2012).

La conscience de la situation d'un conducteur peut être encore améliorée en incorporant des indices auditifs qui imitent les sons naturels d'événements externes, tels que les accidents, plutôt que de simples bips (van der Heiden, Iqbal et Janssen 2017). Les indices peuvent être particulièrement utiles si l'on demande aux conducteurs de traduire volontairement les symboles, tels que les panneaux de signalisation, en significations réelles dans leur esprit. Cette forme de repérage endogène, qui implique des processus cognitifs contrôlés et volontaires, peut aider à stimuler l'attention du conducteur pour qu'il puisse prévoir les obstacles et se concentrer sur des tâches importantes pendant une période plus longue (C. Ho, Reed et Spence 2007 ; Talsma et al. 2010 ; Lee, Lee et Boyle 2009).

De nombreux constructeurs automobiles promettent de mettre en circulation des véhicules entièrement autonomes d'ici 2020 (Sage et Lienert 2016). D'ici là, un cadre législatif est absolument nécessaire. Heureusement, les concepteurs de l'expérience utilisateur des entreprises autonomes telles que Tesla s'investissent fortement dans le perfectionnement des IHM afin qu'elles soient aussi intégrées que possible aux limites attentionnelles du conducteur (Shepardson 2017).

Tandis que les constructeurs automobiles poursuivent leur course à la domination, les décideurs politiques devront suivre les conseils des chercheurs en expérience utilisateur et d'autres organismes scientifiques pour s'assurer que la sécurité est garantie par une conception d'aide à la conduite de haute qualité. L'utilisation de la technologie prédictive pour accroître la conscience situationnelle du conducteur face aux dangers potentiels semble être la meilleure option pour la synchronisation des transports, du moins au stade précaire actuel du développement des voitures autonomes.