Analyse des Tâches Expertes et Conception de Capacités
Utilisez cette compétence lorsqu'un modèle de tâche semble procéduralement complet mais manque encore des déclencheurs perceptuels, des boucles de surveillance et des habitudes d'utilisation d'outils qui séparent la performance experte d'une simple liste de contrôle.
Quand l'utiliser
- Vous devez transformer une performance experte en une architecture d'agent, un simulateur ou un environnement d'entraînement.
- Une SOP écrite explique les étapes mais pas comment les experts savent quelle branche prendre.
- Le système fonctionne sur les cas normaux et échoue sur les cas limites qui dépendent d'un jugement situationnel.
- Vous interviewez des experts du domaine et avez besoin d'une méthode pour extraire des connaissances tacites plutôt qu'une simple procédure narrée.
- Un DAG ou un arbre d'orchestration a besoin de boucles de surveillance récurrentes au lieu de seulement des nœuds séquentiels uniques.
Limites d'utilisation
Cette compétence n'est pas l'outil principal approprié pour :
- Des workflows simples et déterministes où des procédures explicites capturent déjà l'ensemble de la tâche.
- L'automatisation à faible enjeu qui ne dépend pas de la reconnaissance de motifs perceptuels.
- Des exercices de documentation a posteriori qui n'ont pas besoin de validation par rapport à une performance experte réelle.
- Des simulations où le réalisme visuel importe plus que la fidélité des indices pour la prise de décision.
Modèles Mentaux Essentiels
Couche Scientifique vs. Couche Artistique
La performance experte comporte une couche déclarative que les experts peuvent généralement expliquer et une couche perceptuelle qui n'apparaît souvent que lorsqu'on les pousse sur les points de ramification. GOMS capture la première. Les inventaires d'indices critiques et les entretiens par méthode de décision critique sont la façon dont vous récupérez la seconde.
Les Indices Sont Porteurs
Les motifs de sillage, la tension d'une ligne, un changement de son ou une relation de position subtile ne sont pas des détails décoratifs. Ce sont les intrants réels du choix de l'expert. Si le système ne peut pas voir les indices, il ne peut pas reproduire la fonction de décision experte.
Hiérarchie avec Règles de Sélection
Le travail expert est une hiérarchie d'objectifs imbriqués avec des conditions de branche locales, pas une liste plate d'étapes. La structure importante n'est pas seulement ce qui est fait, mais quelles conditions sélectionnent la méthode A plutôt que la méthode B.
Boucles de Surveillance Récurrentes
De nombreuses tâches expertes dépendent d'objectifs d'évaluation continus qui s'exécutent parallèlement aux actions séquentielles. Un workflow qui ne modélise que des nœuds uniques perd l'anticipation et transforme l'expertise en réaction.
Écart de Validation
Les modèles de tâches à expert unique sont inévitablement incomplets car les outils de routine et les comportements de configuration disparaissent de la conscience. La validation n'est pas une étape de polissage optionnelle ; c'est ainsi que la structure de tâche manquante devient visible.
Points de Décision
Voir le flux de modélisation dans diagrams/01_flowchart_decision-points.md.
flowchart TD
A[Bien besoin d'un modèle de capacité experte] --> B[Décomposer les objectifs et méthodes]
B --> C{Point de ramification expliqué procéduralement ?}
C -->|Oui| D[Enregistrer la règle de sélection explicite]
C -->|Non| E[Sonder les indices perceptuels]
D --> F{Surveillance récurrente requise ?}
E --> F
F -->|Oui| G[Modéliser la boucle de surveillance et la détection redondante]
F -->|Non| H[Conserver le sous-objectif séquentiel]
G --> I[Valider avec plus d'experts ou de traces]
H --> I
1. Déterminer le Grain de Décomposition Approprié
- Arrêtez-vous au niveau où un choix de méthode significatif apparaît pour la première fois.
- Si une condition de branche est encore cachée, décomposez plus profondément et sondez l'indice qui sélectionne la branche.
- S'il ne reste plus de points de ramification, vous documentez maintenant l'exécution plutôt que l'architecture de la tâche.
2. Déterminer la Méthode d'Élicitation des Connaissances à Utiliser
- Utilisez la décomposition structurée pour les procédures explicites et le séquencement des outils.
- Utilisez les sondes de la méthode de décision critique lorsque l'expert dit "je sais juste" ou "ça dépend".
- Utilisez la validation multi-experts chaque fois que le premier modèle semble étrangement propre ou sans outil.
3. Déterminer ce qu'il faut Simuler
- Simulez les indices qui déclenchent réellement les décisions de branche.
- Ajoutez une détection redondante là où les experts s'appuient sur plus d'un canal.
- Omettez les détails cosmétiques qui ne modifient pas la reconnaissance des indices ou la qualité du choix.
Modes de Défaillance
1. Capture Plate sous Forme de Liste
Symptômes : le modèle de tâche se lit bien mais échoue dès que l'environnement dévie. Règle de détection : les conditions de branche sont manquantes ou cachées dans la prose au lieu de règles de sélection explicites. Récupération : convertissez la liste de contrôle en une hiérarchie d'objectifs avec des points de ramification liés aux indices.
2. Simulation sans Indices
Symptômes : les stagiaires ou les agents réussissent dans le simulateur mais échouent en déploiement. Règle de détection : la simulation reproduit les procédures mais pas les signaux que les experts utilisent pour choisir entre elles. Récupération : construisez un inventaire d'indices critiques et reconcevez l'environnement autour de la fidélité des indices.
3. Fragilité Monocanal
Symptômes : une entrée bruyante ou manquante effondre tout le processus de décision. Règle de détection : un jugement critique dépend d'une seule source. Récupération : ajoutez des canaux redondants et un comportement de vérification croisée explicite.
4. Angle Mort de l'Expert Unique
Symptômes : des outils essentiels ou des actions de mise en contexte n'apparaissent jamais dans le premier modèle. Règle de détection : les experts de validation mentionnent immédiatement des équipements, routines ou comportements de surveillance omis. Récupération : traitez le désaccord comme une preuve de structure manquante, pas comme du bruit.
5. Architecture Uniquement Séquentielle
Symptômes : le système peut réagir aux événements mais ne peut pas soutenir une évaluation continue. Règle de détection : tous les nœuds sont des tâches uniques et aucun ne représente des objectifs de surveillance récurrents. Récupération : ajoutez des boucles de surveillance explicites avec un comportement de prédire-observer-comparer-ajuster.
Exemples Concrets
Exemple 1 : Transformer un Jugement Expert en Arbre d'Agent
Un expert du domaine maritime donne un récit procédural pour l'accostage. La première ébauche se décompose proprement en étapes mais échoue encore lorsque le courant, la disponibilité des remorqueurs et le comportement des lignes changent simultanément. La compétence ajoute des règles de sélection aux points de ramification pertinents, enregistre l'inventaire des indices qui déterminent ces choix et introduit des boucles de surveillance récurrentes au lieu de seulement des nœuds séquentiels.
Exemple 2 : Triage de la Fidélité de Simulation
Un simulateur d'entraînement rend l'eau, les navires et la géométrie des quais magnifiquement, mais les stagiaires dépassent encore le point d'arrêt. L'ATC révèle que les experts s'appuient sur le mouvement relatif par rapport à des références fixes de la rive et sur des indices de tension de ligne que le simulateur ne met jamais en avant. La compétence oriente l'effort de conception vers ces indices plutôt que vers davantage de polissage visuel.
Jalons de Qualité
- Le modèle de tâche distingue la procédure explicite de la connaissance des indices perceptuels.
- Les points de ramification incluent les indices ou conditions qui sélectionnent chaque méthode.
- Les objectifs de surveillance récurrents sont modélisés séparément des objectifs séquentiels uniques.
- Les décisions critiques ont des canaux d'information redondants là où les experts s'y fient.
- Au moins un passage de validation confronte le modèle avec des experts ou des traces supplémentaires.
Fichiers de Référence
| Fichier | Charger quand |
|---|---|
references/goms-task-decomposition-for-agent-systems.md | Construire une hiérarchie d'objectifs ou décider de la profondeur de décomposition |
references/critical-cue-inventories-for-agent-perception.md | Récupérer les déclencheurs perceptuels aux points de décision |
references/knowledge-elicitation-methodology-for-agent-capability-building.md | Mener des entretiens ATC ou de méthode de décision critique |
references/validation-gap-what-experts-dont-know-they-know.md | Tester un modèle de tâche de première ébauche |
references/redundant-sensing-in-multi-channel-environments.md | Concevoir une perception multi-canal robuste |
references/the-art-science-gap-transfer-to-simulation.md | Décider quel détail de simulation affecte matériellement le transfert de compétence |
references/situation-awareness-and-the-conning-officers-mental-model.md | Modéliser les boucles de surveillance et la détection de divergence |
Anti-Patterns
- Traiter la "connaissance tacite" comme une étiquette qui met fin à la recherche plutôt que comme un signal pour sonder plus profondément.
- Capturer uniquement des procédures et appeler le résultat un modèle expert.
- Concevoir des simulations pour l'esthétique du réalisme plutôt que pour la fidélité des indices.
- Supposer l'exhaustivité d'un expert unique dans un domaine où l'automaticité cache la structure la plus importante.