| Summary: | Développer des produits mieux acceptés en intégrant les préférences des parties prenantes constitue un principal défi pour les concepteurs et les chefs de projet. Comment évaluer et améliorer l'acceptabilité des utilisateurs est devenu une importante question de recherche. Les approches actuelles laissent cette question pour les dernières étapes du processus de développement de nouveaux produits (NPD), quand un prototype est presque fini et quand c’est trop tard pour apporter des modifications. Pour cela nos travaux se déclinent dans les contributions suivantes : • Principes et démarches de co-conception testés au travers deux études de cas. • Démarche de co-adaptation de l'habitat pour le maintien à domicile. • Démarche d'évaluation du niveau d'acceptabilité d'une solution basée sur les réseaux bayésiens. • Démarche d'amélioration du niveau d'acceptabilité évalué, permettant la recherche et simulation de scénarios d'amélioration, combinant les réseaux bayésiens et un algorithme de recuit simulé. Les modèles et démarches proposés ont été appliqués à des projets de conception dans le domaine de la santé pour lequel nous avons pu identifier des spécificités === Developing products that are better accepted by integrating users’ and stakeholders’ preferences is a major challenge for designers and project managers. How to evaluate and improve users’ acceptability has become an important research question. Current approaches leave the acceptability evaluation question for the last stages of New Product Development process (NPD), when a prototype is almost finished and when it is too late to make changes. For this our work is divided in the following contributions: • The test of the co-design approaches through two case studies. • A co-adaptation approach of the habitat for home-healthcare. • An assessment approach of the acceptability level of a solution based on Bayesian networks. • An improvement approach of the assessed acceptability level, enabling the research and simulation of improvement scenarios, combining Bayesian networks and a simulated annealing algorithm
|
|---|
