💻 computer science

Exploring Creativity in Human-Human-LLM Collaborative Software Design

Cette étude portant sur 18 paires de concepteurs révèle que, si les modèles de langage peuvent générer des idées novatrices et développer des concepts humains pour soutenir la créativité dans la conception collaborative de logiciels, des traits humains tels que l'expérience et l'empathie demeurent les principaux moteurs des résultats créatifs, les modèles de langage entravant parfois le progrès s'ils ne sont pas utilisés intentionnellement.

Auteurs originaux : Victoria Jackson, Grischa Liebel, Rafael Prikladnicki, Andre van der Hoek

Publié 2026-04-28

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Victoria Jackson, Grischa Liebel, Rafael Prikladnicki, Andre van der Hoek

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes une équipe de deux architectes tentant de concevoir un nouveau parking à vélos sécurisé pour une université. Vous disposez d'une liste de règles de base (comme « les gens doivent trouver des places » et « les gens doivent laisser des avis »), mais vous êtes libres de déterminer les détails. Maintenant, imaginez que vous avez un assistant robotique ultra-intelligent et rapide qui peut dessiner des plans et suggérer des idées instantanément.

C'est exactement ce que les chercheurs de cet article ont fait. Ils ont observé 18 paires de concepteurs logiciels travaillant sur une tâche similaire : concevoir une application de parking à vélos. Certaines paires utilisaient l'assistant robotique (un modèle de langage de grande taille, ou LLM), d'autres non. L'objectif n'était pas de voir si le robot pouvait écrire du code, mais de déterminer où et comment la créativité se manifestait lorsque humains et robots travaillaient ensemble.

Voici ce qu'ils ont découvert, décomposé en concepts simples :

1. Les Humains étaient les « Bougies d'Allumage »

Même si l'assistant robotique était présent, la véritable créativité provenait des humains. Considérez les humains comme les chefs d'orchestre et le robot comme un musicien très rapide capable de jouer la note que vous demandez.

Les Humains : Ils ont utilisé leurs expériences passées, leur empathie (en s'imaginant comme l'utilisateur) et des analogies (comparant l'application à des choses comme Google Maps ou Yelp) pour générer les grandes idées surprenantes.
Le Robot : Il excellait à développer ces idées ou à suggérer de petits détails nouveaux, mais il créait rarement lui-même le « grand saut ».

2. Le Robot était parfois un « Dos d'Âne »

Le robot n'était pas toujours utile. Parfois, il agissait comme un guide touristique distrayant.

Le Bon : Il pouvait effectuer le travail ennuyeux et répétitif (comme écrire du code standard ou lister des fonctionnalités de base) rapidement. Cela libérait l'esprit des humains pour réfléchir aux problèmes créatifs difficiles.
Le Mauvais : Parfois, le robot suggérait des solutions trop complexes ou entraînait les humains dans des débats sur des points déjà décidés. C'était comme un guide touristique qui s'arrête sans cesse pour parler d'une rue latérale alors que vous essayez d'atteindre l'attraction principale. Cela tuait parfois le flux créatif.

3. La « Recette » contre le « Chef »

Les chercheurs ont remarqué quelque chose d'intéressant sur la façon dont les équipes utilisaient le robot :

Les équipes « Recette » : Certaines équipes ont donné au robot une liste d'exigences très stricte et détaillée (comme une recette stricte). Le robot suivait la recette parfaitement mais produisait un plat ennuyeux et prévisible. Ces équipes ont abouti à moins de créativité.
Les équipes « Chef » : D'autres équipes ont donné au robot une invite vague et ouverte (comme « Faites-moi quelque chose de cool »). Ces équipes étaient plus susceptibles d'obtenir des idées surprenantes et créatives.
La Leçon : Si vous traitez le robot comme une calculatrice stricte, il vous donne la réponse d'une calculatrice. Si vous le traitez comme un partenaire de brainstorming, il pourrait vous surprendre.

4. La Créativité Surgissait Même Sans « Essayer »

Les chercheurs n'ont pas dit aux participants : « Soyez créatifs aujourd'hui ». Ils ont simplement dit : « Terminez cette conception ».

Le Résultat : La créativité est apparue naturellement dans chaque paire, même lorsqu'ils ne tentaient pas d'être créatifs.
L'Issue : 13 paires sur 18 ont produit une conception finale comportant au moins un facteur « wow » (quelque chose de nouveau, surprenant et utile). Cependant, le robot ne garantissait pas cela. Deux paires qui n'ont pas utilisé le robot du tout ont tout de même trouvé des conceptions créatives, tandis que certaines paires qui l'ont utilisé ont abouti à des conceptions ennuyeuses.

5. La Créativité « Mini-C » contre « Big-C »

L'article note que la créativité observée était principalement de type « Mini-C » ou « Pro-C » (créativité personnelle ou professionnelle).

Ce que cela signifie : Les concepteurs ont proposé d'excellentes améliorations pratiques (comme ajouter une fonctionnalité pour suivre le vol de vélos ou rendre l'application plus rapide).
Ce que ce n'était pas : Ils n'ont pas produit de créativité « Big-C » (inventions mondiales, révolutionnaires). Le robot n'a pas soudainement inventé une nouvelle façon de penser le stationnement des vélos ; il a simplement aidé à affiner l'idée actuelle.

La Conclusion

Considérez le LLM comme un outil puissant dans une boîte à outils, et non comme le constructeur lui-même.

Les humains sont les constructeurs qui décident de quoi construire, comment résoudre les problèmes difficiles et quand ignorer l'outil.
Le robot est excellent pour vous passer le marteau ou suggérer un nouveau type de clou, mais si vous le laissez conduire la construction, vous pourriez vous retrouver avec une maison qui ressemble exactement à toutes les autres maisons du quartier.

Pour obtenir les meilleurs résultats, l'article suggère que les concepteurs doivent être intentionnels : utilisez le robot pour gérer les tâches ennuyeuses afin de pouvoir vous concentrer sur la réflexion profonde, mais ne laissez pas la première suggestion du robot vous empêcher d'explorer d'autres idées, meilleures.

1. Énoncé du problème

Bien que les modèles de langage de grande taille (LLM) soient largement étudiés pour leur capacité à accélérer les tâches de développement logiciel (par exemple, la génération de code, le débogage), il existe un écart significatif dans la compréhension de la manière dont les LLM influencent la créativité collaborative au sein du génie logiciel. La conception logicielle est intrinsèquement une activité créative de résolution de problèmes nécessitant la génération d'artefacts nouveaux, surprenants et précieux. Les auteurs enquêtent pour savoir si les LLM agissent comme des catalyseurs de la créativité ou s'ils se contentent d'automatiser des tâches routinières, risquant ainsi d'entraver le processus créatif en ancrant les concepteurs à des solutions conventionnelles ou en provoquant des digressions improductives.

Question de recherche : Comment et où la créativité apparaît-elle naturellement lors de la conception avec un LLM ?

2. Méthodologie

Les auteurs ont mené une étude de laboratoire contrôlée simulant un environnement de travail à distance.

Participants : 18 paires de professionnels du logiciel ( $N=36$ ) ayant une expérience en conception (allant de 5 à plus de 20 ans). Les paires ont été recrutées pour imiter les dynamiques d'équipe réelles.
Tâche : Les paires disposaient de 90 minutes pour produire un document de conception logicielle pour une « Application de stationnement pour vélos » basée sur un document de exigences produit (PRD). Le PRD incluait des fonctionnalités spécifiques (par exemple, trouver un stationnement, avis, itinéraires) mais laissait une marge pour l'expansion architecturale et fonctionnelle.
Conditions :
- Accès au LLM : Toutes les paires avaient accès à un wrapper LLM personnalisé (ChatGPT 3.5 Turbo d'OpenAI) mais n'étaient pas tenues de l'utiliser.
- Amorçage : Les participants n'ont pas reçu d'instructions pour être créatifs ; on leur a indiqué que la conception serait jugée sur son exhaustivité. Cela a assuré que la créativité émergeait naturellement plutôt que d'être forcée.
Collecte de données :
- Enregistrements d'écran des sessions de conception et entretiens de sortie.
- Documents de conception finaux.
- Journaux de toutes les requêtes et réponses du LLM.
Cadre d'analyse :
- Analyse du processus : Utilisation du concept de Dorst et Cross de « Événements créatifs » (moments où les espaces problème et solution co-évoluent via un « saut » ou une intuition).
- Analyse du produit : Utilisation de la définition de la créativité de Boden : des artefacts qui sont Nouveaux, Surprenants et Précieux.
- Codage : Deux chercheurs ont codé qualitativement les transcriptions et les artefacts de conception pour identifier les sources de créativité (initiées par l'humain vs assistées par le LLM).

3. Contributions clés

L'article apporte trois contributions principales au domaine de l'interaction homme-machine (HCI) et du génie logiciel :

Preuve empirique de la créativité naturelle : Il démontre que la créativité émerge naturellement dans la conception logicielle collaborative même sans amorçage explicite, se produisant à la fois dans le processus de conception et dans le produit final.
Attribution des sources : Il fournit une taxonomie granulaire des sources de créativité, distinguant les insights pilotés par l'humain (expérience, empathie, analogies) des contributions pilotées par le LLM (déclenchement, élaboration, fourniture).
Le « double tranchant » des LLM : Il révèle que si les LLM peuvent automatiser le travail routinier pour libérer de l'espace cognitif pour la réflexion profonde, ils peuvent aussi entraver la créativité en introduisant de la complexité, en ancrant les concepteurs à des solutions sous-optimales, ou en provoquant des digressions improductives.

4. Résultats clés

A. Prévalence de la créativité

Processus : La créativité (sous forme d'événements créatifs) était présente dans les 18 paires.
Produit : 13 paires sur 18 ont produit des documents de conception contenant au moins un élément créatif (Nouveau, Surprenant et Précieux).
Utilisation du LLM : Deux paires n'ont pas utilisé le LLM. Trois paires l'ont utilisé pour générer l'intégralité de la conception. Les autres l'ont utilisé pour des tâches spécifiques (recherche d'informations, génération partielle).

B. Sources de créativité (Le « Qui » et le « Comment »)

L'étude a identifié 8 sources d'éléments créatifs (Tableau 1 dans l'article) :

Initié par l'humain (Dominant) :
- Connaissances/Expérience antérieures : La source la plus fréquente (par exemple, l'application de normes industrielles pour la sécurité ou l'évolutivité).
- Empathie : Les concepteurs s'imaginant en tant qu'utilisateurs (par exemple, ajouter un « épinglage de l'écran d'accueil » pour un accès rapide).
- Analogies : Comparer le problème à des applications existantes (par exemple, Google Maps, Yelp) pour résoudre des défis de conception.
- Ambiguïté et objectifs sous-jacents : Interpréter des exigences vagues ou se concentrer sur le problème racine plutôt que sur les exigences simplement énoncées.
Assisté par le LLM (Minoritaire) :
- Étincelles du LLM : Une réponse du LLM a déclenché une nouvelle idée humaine (par exemple, suggérer un CDN a conduit à une insight sur la performance).
- Élaboration par le LLM : Le LLM a développé une idée initiée par l'humain (par exemple, détailler des métriques de coût).
- Fourniture par le LLM : Le LLM a suggéré directement une idée nouvelle (par exemple, modération de contenu).

Résultat statistique : Sur les 29 éléments créatifs identifiés dans les conceptions finales, 15 étaient initiés par l'humain, 5 étaient conjoints humain-LLM, et 9 étaient fournis directement par le LLM. Les traits humains (expérience, empathie) étaient les principaux moteurs.

C. Impact du LLM sur le processus de conception

Positif : Les LLM ont souvent automatisé le travail « boilerplate » (par exemple, définitions d'API, modèles de données), libérant de l'espace cognitif pour permettre aux concepteurs de s'engager dans une résolution de problèmes plus profonde et une réflexion stratégique.
Négatif :
- Ancrage : Les concepteurs ont parfois accepté la première solution du LLM sans explorer d'alternatives.
- Digressions : Les réponses du LLM ont parfois déclenché des discussions improductives (par exemple, redébattre de comptes utilisateurs déjà réglés).
- Sur-complication : Les LLM ont parfois suggéré des architectures trop complexes (par exemple, mélanger plusieurs fournisseurs de cloud) que les concepteurs ont dû simplifier.

D. Résultats sur la créativité du produit

Nouveauté vs Surprise : Les idées générées par le LLM étaient souvent « nouvelles » par rapport au PRD, mais rarement « surprenantes » ou révolutionnaires. Elles tendaient à être des fonctionnalités commoditisées (par exemple, modération de contenu standard).
Le piège des « exigences fixes » : Les paires qui ont collé l'intégralité du PRD dans les requêtes du LLM ont tendance à produire des conceptions contraintes et non créatives. À l'inverse, les paires qui ont utilisé des requêtes ouvertes ou se sont fiées à leur propre jugement ont produit des résultats plus créatifs.
Succès sans LLM : Fait intéressant, les deux paires qui n'ont pas utilisé le LLM ont tout de même produit des conceptions créatives, prouvant que la disponibilité du LLM ne garantit pas la créativité.

5. Signification et implications

Créativité centrée sur l'humain : L'étude renforce le fait que l'insight humain reste central dans la conception logicielle. Les LLM agissent comme des amplificateurs plutôt que comme des remplaçants de la créativité humaine.
Stratégie de prompt engineering : Pour favoriser la créativité, les praticiens devraient utiliser des requêtes ouvertes et expansives avec un contexte minimal plutôt que d'alimenter rigoureusement le LLM avec des exigences détaillées. Cela empêche le LLM de contraindre l'espace des solutions.
Délestage cognitif : Utiliser les LLM pour gérer les tâches routinières (code boilerplate, documentation) est bénéfique car cela crée l'« espace » nécessaire à une pensée créative profonde.
Engagement critique : Les concepteurs doivent rester critiques face aux sorties du LLM pour éviter les biais d'ancrage et les digressions improductives.
Outils futurs : Les auteurs suggèrent la nécessité d'outils de « soutien à la créativité » basés sur les LLM, spécifiquement conçus pour encourager l'exploration de l'espace problème, atténuer la fixation de conception et maintenir l'agence humaine.

Conclusion :
L'article conclut que si les LLM peuvent soutenir la conception logicielle collaborative en générant des idées nouvelles et en élaborant sur des concepts humains, ils ne conduisent pas intrinsèquement à une créativité de haut niveau. Les sauts créatifs les plus significatifs provenaient de concepteurs humains exploitant l'expérience, l'empathie et les analogies. Une intégration efficace des LLM nécessite des stratégies d'engagement intentionnelles qui privilégient l'agence humaine et la pensée critique par rapport à l'acceptation passive des suggestions de l'IA.