Doctorant F/H Toward hybrid agile teams: Enhancing collaboration in agile projects by exploring traditional and AI-based tools

Absolument. En se basant sur la description du projet, voici les tâches concrètes que le ou la candidate sera amené(e) à réaliser durant sa thèse :

Le rôle du doctorant ou de la doctorante sera celui d'un chercheur ou d'une chercheuse à l'intersection de l'informatique, de la science des données et des sciences sociales. Son travail s'articulera autour de plusieurs grandes missions :

1. Analyse Comparative et État de l'Art :

   • Recherche bibliographique : Étudier la littérature scientifique sur la collaboration homme-IA, les méthodologies agiles et les outils de développement logiciel.

   • Sélection d'outils : Identifier et choisir des outils collaboratifs pertinents, à la fois traditionnels (ex: Jira, Trello, Slack) et ceux intégrant de l'IA (ex: assistants de code, outils de planification automatisée).

   • Définition de critères : Établir une grille d'analyse pour comparer ces outils de manière objective.

2. Mise en Place d'Études de Cas ou d'Expérimentations :

   • Conception d'un protocole : Mettre en place un cadre expérimental, probablement en observant des équipes de développeurs (étudiantes ou professionnelles) travaillant sur des projets.

   • Collecte de données : Recueillir des données de deux natures :

     • Quantitatives : Extraire les journaux d'événements (event logs) des outils collaboratifs (qui a fait quoi, quand, sur quelle tâche). Ces données sont cruciales pour le process mining.

     • Qualitatives : Mener des entretiens, des sondages et des observations pour comprendre le ressenti des équipes sur la confiance, l'équité et la dynamique de collaboration.

3. Analyse Technique via le Process Mining :

   • Traitement des données : Nettoyer et préparer les journaux d'événements collectés pour les rendre analysables.

   • Modélisation des processus : Utiliser des logiciels et des algorithmes de process mining pour visualiser les flux de travail réels des équipes.

   • Détection de schémas (patterns) : Identifier des séquences d'actions, des goulots d'étranglement, des boucles inefficaces ou, au contraire, des schémas de collaboration très performants qui n'étaient pas visibles à première vue.

4. Analyse Multidimensionnelle et Interprétation :

   • Croiser les données : Mettre en relation les schémas découverts par le process mining avec les données qualitatives. Par exemple, un certain schéma de communication automatisée mène-t-il à une augmentation ou une baisse de la confiance ressentie par l'équipe ?

   • Évaluer les implications : Analyser les résultats sous un angle éthique (l'IA crée-t-elle des biais ?), technique (comment intégrer ces agents sans friction ?) et organisationnel (quel impact sur le rôle du chef de projet ?).

   • Mesurer les bénéfices : Évaluer si les équipes utilisant des outils basés sur l'IA sont réellement plus productives et si la collaboration y est plus juste et basée sur la confiance.

En résumé, le ou la candidate ne va pas seulement programmer ou observer. Il ou elle devra concevoir des expériences, collecter et analyser des données complexes, interpréter les résultats à travers plusieurs prismes (technique, humain, éthique) et, in fine, proposer des recommandations concrètes pour aider les futures équipes à mieux travailler avec des coéquipiers "intelligents".

Absolument. En se basant sur la description du projet, voici les tâches concrètes que le ou la candidate sera amené(e) à réaliser durant sa thèse :

Le rôle du doctorant ou de la doctorante sera celui d'un chercheur ou d'une chercheuse à l'intersection de l'informatique, de la science des données et des sciences sociales. Son travail s'articulera autour de plusieurs grandes missions :

1. Analyse Comparative et État de l'Art :

   • Recherche bibliographique : Étudier la littérature scientifique sur la collaboration homme-IA, les méthodologies agiles et les outils de développement logiciel.

   • Sélection d'outils : Identifier et choisir des outils collaboratifs pertinents, à la fois traditionnels (ex: Jira, Trello, Slack) et ceux intégrant de l'IA (ex: assistants de code, outils de planification automatisée).

   • Définition de critères : Établir une grille d'analyse pour comparer ces outils de manière objective.

2. Mise en Place d'Études de Cas ou d'Expérimentations :

   • Conception d'un protocole : Mettre en place un cadre expérimental, probablement en observant des équipes de développeurs (étudiantes ou professionnelles) travaillant sur des projets.

   • Collecte de données : Recueillir des données de deux natures :

     • Quantitatives : Extraire les journaux d'événements (event logs) des outils collaboratifs (qui a fait quoi, quand, sur quelle tâche). Ces données sont cruciales pour le process mining.

     • Qualitatives : Mener des entretiens, des sondages et des observations pour comprendre le ressenti des équipes sur la confiance, l'équité et la dynamique de collaboration.

3. Analyse Technique via le Process Mining :

   • Traitement des données : Nettoyer et préparer les journaux d'événements collectés pour les rendre analysables.

   • Modélisation des processus : Utiliser des logiciels et des algorithmes de process mining pour visualiser les flux de travail réels des équipes.

   • Détection de schémas (patterns) : Identifier des séquences d'actions, des goulots d'étranglement, des boucles inefficaces ou, au contraire, des schémas de collaboration très performants qui n'étaient pas visibles à première vue.

4. Analyse Multidimensionnelle et Interprétation :

   • Croiser les données : Mettre en relation les schémas découverts par le process mining avec les données qualitatives. Par exemple, un certain schéma de communication automatisée mène-t-il à une augmentation ou une baisse de la confiance ressentie par l'équipe ?

   • Évaluer les implications : Analyser les résultats sous un angle éthique (l'IA crée-t-elle des biais ?), technique (comment intégrer ces agents sans friction ?) et organisationnel (quel impact sur le rôle du chef de projet ?).

   • Mesurer les bénéfices : Évaluer si les équipes utilisant des outils basés sur l'IA sont réellement plus productives et si la collaboration y est plus juste et basée sur la confiance.

En résumé, le ou la candidate ne va pas seulement programmer ou observer. Il ou elle devra concevoir des expériences, collecter et analyser des données complexes, interpréter les résultats à travers plusieurs prismes (technique, humain, éthique) et, in fine, proposer des recommandations concrètes pour aider les futures équipes à mieux travailler avec des coéquipiers "intelligents".