Dans cette thèse, nous nous adressons au problème de l’étude socio-cognitive d’interactions humaines, plus particulièrement dans le domaine de l’apprentissage collaboratif médiatisé par ordinateur. L’étude de telles situations passe par l’analyse de traces (fichiers de log, audio-vidéo, etc.) du processus d’activité et présente de nombreuses difficultés :
- Grande quantité de données multimodales complexes issues de sources différentes.
- Données fortement dépendantes du contexte dans lequel elles ont été produites.
- Variété des approches méthodologiques et épistémologiques d’analyse possibles.
- Difficulté de partage et réutilisation de données et d’analyses effectuées à partir de ces données.

Notre travail a porté sur une réduction de ces difficultés et nous présentons dans cette thèse nos trois résultats principaux. D’une part, nous proposons une description du processus d’analyse de ce genre données ainsi qu’un artefact générique permettant de recouvrir un grand nombre d’artefacts analytiques que nous avons pu observer et que nous nommons rejouable. D’autre part, nous présentons une étude et modélisation informatique des rejouables, et décrivons les opérations de synchronisation, visualisation, transformation et enrichissement qui peuvent s’y appliquer. Enfin, nous décrivons l’implémentation de cette modélisation dans un environnement d’aide à l’analyse par manipulation de rejouables que nous évaluons dans des situations de recherche réelles.

Tatiana (Trace Analysis Tool for Interaction Analysts – http://code.google.com/p/tatiana), l’environnement logiciel résultant, est basé sur ces quatre opérations fondamentales tout en intégrant de nombreuses possibilités d’extension de ces opérations pour s’adapter à de nouvelles formes d’analyse sans sortir du cadre de l’analyse au travers de rejouables. Cet outil est utilisé par plus de 10 équipes de chercheurs (France, Royaume Uni, Pays-Bas, Danemark, Hong Kong) sur des thématiques et objets d’étude variés.

Cette thématique de recherche s’introduit dans une problématique plus large de passage à l’échelle sur l’analyse de données d’interaction, de partage de corpus de données et d’analyses collaboratives et incrémentales sur ces corpus. L’objet que nous avons défini et implémenté permet à de nombreuses disciplines informatiques (recherche d’information, fouille de données, ingénierie des connaissances, interaction homme-machine, intelligence artificielle) de trouver un nouveau champ d’application dans l’analyse de traces, tout en tenant compte de la particularité de ces objets d’étude et des artefacts qui en sont issus.