Résumé Technique : Reflecti-Mate

Énoncé du Problème

La prise de décision personnelle à haut risque implique une interaction complexe de processus cognitifs, émotionnels et intuitifs. Bien que l'intégration de ces sources de jugement diverses conduise à des décisions plus efficaces, les individus éprouvent souvent des difficultés à le faire en raison d'une conscience métacognitive limitée. Les systèmes d'aide à la décision actuels se concentrent principalement sur le raisonnement cognitif (Système 2), traitant souvent les entrées émotionnelles et intuitives (Système 1) comme des biais heuristiques à minimiser ou ignorer. Par conséquent, les systèmes adaptatifs existants tendent à produire des interactions homogénéisées qui orientent tous les utilisateurs vers l'élaboration cognitive, sans respecter les profils de pensée individuels ni soutenir l'intégration de perspectives non cognitives. Il manque des systèmes capables de modéliser les schémas de pensée des utilisateurs au cours d'un dialogue réflexif pour soutenir de manière adaptative un raisonnement intégratif sans imposer un seul style de raisonnement « idéal ».

Méthodologie

Architecture du Système : Reflecti-Mate

Les auteurs proposent Reflecti-Mate, un agent conversationnel conçu pour soutenir la réflexion pré-décisionnelle intégrative. Le système fonctionne sur un cadre à double processus, visant à appliquer une élaboration de niveau Système 2 à tous les types de pensée (interne/émotionnelle, externe/cognitive et expérientielle/intuitive) sans privilégier l'un par rapport aux autres.

1. Modélisation de l'Utilisateur et Profil de Réflexion :
Le système construit une représentation computationnelle de la réflexion de l'utilisateur, notée $R = (T, G)$, où $T$ est un ensemble de pensées principales et $G$ représente les relations parent-enfant entre les pensées et leurs élaborations.

• Catégories de Pensées : Les pensées sont classées en quatre catégories basées sur le cadre « tête-cœur-tripes » : Interne (sentiments, valeurs), Externe (contraintes factuelles, parties prenantes), Expérientielle (expériences passées) et Autre.
• Métriques : L'agent calcule deux dimensions clés pour chaque catégorie $k$ :
  • Largeur ($B_k$) : Le nombre de pensées principales distinctes dans une catégorie.
  • Profondeur ($D_i$) : La richesse élaborative d'une pensée, définie comme $1 + |E_i|$ (où $E_i$ est l'ensemble des élaborations).
  • Indicateur de Fixation ($S_k$) : Une mesure cumulative de l'attention portée à une catégorie, combinant largeur et profondeur.
  • Profondeur Moyenne ($\bar{D}_k$) : Le niveau moyen d'élaboration au sein d'une catégorie, indépendamment du nombre de pensées.

2. Algorithme d'Adaptation :
L'agent emploie une stratégie de compromis exploration-exploitation guidée par un état interne $s_t$ qui se met à jour après chaque tour.

• Perturbation de la Fixation (Exploration) : Si un utilisateur se fixe sur une catégorie spécifique (forte $S_k$), l'agent priorise l'exploration en posant des questions ciblant des catégories sous-représentées (analogue à l'échantillonnage basé sur l'incertitude).
• Perturbation du Raisonnement Superficiel (Exploitation) : Si les pensées sont de surface (faible $\bar{D}_k$), l'agent priorise l'exploitation en générant des questions de suivi socratiques pour approfondir des pensées spécifiques sous-développées.
• Politique de Décision : L'agent utilise une politique $\epsilon$-gloutonne pour sélectionner entre l'exploration (probabilité $\epsilon$) et l'exploitation (probabilité $1-\epsilon$).
• Implémentation : Le système utilise un modèle Phi-4 14B hébergé localement (quantification Q4_K_M) pour générer des suivis socratiques et catégoriser les entrées des utilisateurs. Les questions d'exploration sont tirées d'un ensemble sélectionné et examiné par des pairs pour contrôler les variables de formulation.

Conception de l'Étude Utilisateur

Une étude entre-sujets ($N=128$) a été menée pour comparer l'agent expérimental (Reflecti-Mate) à un Agent de Référence.

• Procédure : Les participants ont participé à deux phases : (1) Réflexion Non Assistée, où ils ont articulé leurs pensées librement ; et (2) Réflexion Assistée, où ils ont interagi avec l'agent assigné.
• Conditions :
  • Expérimentale : L'agent a utilisé le profil adaptatif et l'algorithme décrits ci-dessus.
  • Référence : L'agent partageait les mêmes objectifs de haut niveau (élargir et approfondir la réflexion) et le même LLM sous-jacent, mais manquait du profil utilisateur explicite et de la logique adaptative, s'appuyant uniquement sur l'historique conversationnel et des instructions fixes.
• Mesures :
  • Langage Réflexif : Analysé à l'aide de LIWC-22 pour quantifier les marqueurs linguistiques cognitifs, émotionnels et intuitifs.
  • Soutien Perçu : Évalué via des échelles de Likert concernant l'intégration holistique et la profondeur d'élaboration.
  • Hétérogénéité : Un regroupement post-hoc a analysé si les effets variaient selon les profils réflexifs initiaux des utilisateurs (Réservé, Dominant Intuition, Dominant Émotion).

Résultats Clés

1. Langage Réflexif et Intégration (RQ1)

L'agent expérimental a favorisé avec succès un profil de langage réflexif plus intégratif par rapport à la référence.

• Référence : A produit un profil homogénéisé dominé par des marqueurs linguistiques cognitifs, supprimant l'expression émotionnelle et intuitive par rapport à la phase non assistée de référence.
• Expérimentale : A facilité une participation multimodale. Les utilisateurs ont présenté une dominance cognitive significativement plus faible et une expression plus élevée de marqueurs émotionnels et intuitifs par rapport à la référence. Crucialement, les marqueurs cognitifs sont restés robustes ; l'agent n'a pas supprimé la cognition mais a permis aux marqueurs émotionnels et intuitifs de coexister à des niveaux comparables.

2. Soutien Perçu (RQ2)

Les participants ont perçu l'agent expérimental comme significativement plus efficace pour soutenir l'intégration holistique (72 % d'accord contre 44 % pour la référence). Cependant, les deux agents ont été notés très haut pour la profondeur d'élaboration (72 % contre 79 %), indiquant que si la référence pouvait approfondir les pensées, elle échouait à intégrer des types de pensées divers.

3. Préservation des Styles de Raisonnement (RQ3)

L'étude a examiné si l'agent préservait les styles de raisonnement dominants des utilisateurs.

• Effet de Référence : L'agent de référence a agi comme un « homogénéiseur ». Peu importe que les utilisateurs aient commencé comme Réservés, Dominant Intuition ou Dominant Émotion, l'interaction de référence a déplacé tous les groupes vers un profil similaire, lourd en cognition.
• Effet Expérimental : L'agent adaptatif a produit des effets hétérogènes. Il a sélectivement élargi les modes sous-représentés tout en maintenant la prééminence du mode initialement dominant de l'utilisateur. Par exemple, les utilisateurs Dominant Intuition sont restés Dominant Intuition mais ont acquis un étayage en émotion ; les utilisateurs Dominant Émotion sont restés Dominant Émotion mais ont acquis un étayage en intuition. Cela démontre que l'agent a soutenu des trajectoires personnalisées sans forcer la convergence vers un seul style de raisonnement.

Signification et Contributions

L'article affirme que Reflecti-Mate offre une approche novatrice de l'aide à la décision en allant au-delà du « nudging » cognitif « taille unique ». Ses contributions principales sont :

1. Intégration Adaptative : Il démontre que les agents conversationnels peuvent soutenir l'intégration des processus cognitifs, émotionnels et intuitifs en équilibrant dynamiquement l'exploration et l'exploitation sur la base d'une modélisation utilisateur en temps réel.
2. Respect de l'Individualité : Contrairement aux systèmes antérieurs qui assimilent souvent le soutien à la réflexion à la rationalisation, cette approche respecte les préférences de raisonnement diverses. Elle permet aux utilisateurs de maintenir leur style de raisonnement dominant tout en élargissant leur perspective, évitant l'imposition d'un seul profil « idéal ».
3. Conscience Computationnelle : L'étude souligne que le soutien efficace à la réflexion nécessite une adaptation principielle fondée sur une modélisation utilisateur structurée, plutôt que de reposer uniquement sur l'ingénierie de prompts ou l'historique conversationnel. Les instructions seules étaient insuffisantes pour empêcher l'agent de référence d'homogénéiser les réponses des utilisateurs.
4. Conception Éthique : En évitant les conseils directifs et en se concentrant sur l'enquête facilitatrice, le système vise à préserver l'agence et l'autonomie de l'utilisateur dans les décisions à haut risque, abordant le risque que les LLM influencent ou biaisent excessivement les décisions des utilisateurs.

Les auteurs concluent que, bien que le système ait réussi à susciter un langage intégratif et ait été perçu comme soutenant, des travaux futurs sont nécessaires pour explorer des questions d'exploration personnalisées et valider ces résultats par des études longitudinales et des mesures comportementales au-delà des substituts linguistiques.