rrain plat, 
aux), qui 
ètres de 
ividuel de 
ent a de 
un temps 
méthodes 
| modéles 
méthodes 
d Jamet, 
levé pour 
de, tandis 
métriques, 
1995) ne 
'opérateur 
mbre trop 
aisie 
yrrection 
  
NN 
+ 
me 
ssus semi- 
nplexité de 
ux d'erreur 
luer deux 
it la resti- 
du réseau 
e échelle 
expérience 
ans l'esti- 
portés par 
ssentatifs 
js évalua- 
itique pour 
duites par 
es ont été 
nage mini- 
, vallonné, 
du couvert 
es perfor- 
relation et 
ol, lissage, 
une telle 
de réalisa- 
l'ensemble 
our autant, 
lix couples 
de photographies représentent 0,0576 de la surface 
du territoire. Compte tenu de la variabilité des 
paysages, cet échantillon ne peut étre considéré 
comme statistiquement suffisant. Les expériences 
conduites ne sont exploitables que si elles confir- 
ment un modéle de comportement théorique des 
algorithmes utilisés. Dans le cas présent, nous 
avons vérifié que l'exactitude des MNT produits 
était suffisante dans tous les cas, en l'absence de 
végétation — conformément à l'attente que la 
couverture forestiére constitue l'obstacle majeur 
à l'utilisation de la corrélation. Dans un cas aussi 
simple, on peut oser une extrapolation à l'ensemble 
.du territoire, sur la base d'information sur les 
surfaces boisées. || reste toutefois difficile 
d'annoncer un intervalle de confiance sur les gains 
de productivité moyens ainsi estimés. 
L'évaluation des outils d'aide à l'extraction du 
réseau routier en cours actuellement à l'IGN-F 
posera probablement plus de problémes. Si les 
conditions générales de fonctionnement de l’algo- 
rithme choisi sont assez bien modélisées 
(chaussées dépourvues de marquage au sol, 
absence d’éléments masquant le réseau sur les 
images), les données statistiques nationales les 
concernant ne sont pas toutes disponibles. 
L’influence de l'opérateur est le second 
facteur important de variabilité des résultats 
d'évaluation des méthodes semi-automatiques. Il 
est notoire que le temps de saisie d'une méme 
quantité de données peut varier — en mode manuel 
— du simple au double suivant les opérateurs. Cette 
observation a été faite par Hsieh (Hsieh, 1995) 
lors de la comparaison entre deux méthodes de 
saisie de modéles tridimensionnels de bátiments 
dans l'environnement SIMCITY. Hsieh conduit une 
expérience avec 12 sujets et constate que selon le 
site saisi, les images traitées, et les individus, la 
méthode semi-automatique proposée peut se révé- 
ler plus ou moins productive que la méthode 
manuelle (même si elle reste en moyenne plus effi- 
cace). 
De même que pour le choix des sites de test, la 
détermination d’un ensemble représentatif 
d’opérateurs est mal maîtrisée, et les contraintes 
de coûts et de délai conduisent à opter pour des 
solutions empiriques (expérimentation avec 
quelques opérateurs soigneusement choisis). 
Le facteur humain est également sensible pour ce 
qui concerne la maîtrise des outils à évaluer. 
Lorsqu’on propose une nouvelle technique de 
production, les données qui font référence portent 
sur l'efficacité des chaines de production exis- 
tantes, pour lesquelles les opérateurs sont formés 
de longue date. Un nouvel environnement de travail 
sera généralement moins efficace dans les 
International Archives of Photogrammetry and Remote Sensing. Vol. XXXI, Part B3. Vienna 1996 
premiers temps d'utilisation pour cette seule 
raison. 
Hsieh insiste sur ces difficultés et préconise la 
comparaison de saisies identiques (quant aux 
données produites) effectuées deux fois par le 
méme opérateur — une fois par la méthode de 
référence, et une fois par la méthode à évaluer. 
Le protocole expérimental qu'il propose est inté- 
ressant à ce titre. Effectuant son évaluation sur 
deux sites, Hsieh divise les 12 opérateurs sujets 
de l'expérience en quatre groupes, chaque groupe 
étant caractérisé par un ordre de traitement des 
sites (site A puis B ou l'inverse), et un ordre 
d'utilisation des méthodes de saisie (manuel puis 
semi-automatique, ou l'inverse). Ceci permet de 
compléter les évaluations de temps de saisie moyen 
par des mesures du gain de productivité entre la 
premiére et la deuxiéme saisie de chaque site, ce 
gain de productivité traduisant simultanément les 
gains éventuels dus à l'outil de saisie (manuel ou 
semi-automatique), l'apprentissage de la plate- 
forme (la plate-forme de saisie manuelle est la 
méme que la plate-forme de saisie semi-automa- 
tique), et l'apprentissage du site (un opérateur 
travaille généralement plus vite lors de la seconde 
saisie). Les observations croisées de toutes les 
configurations permettent de mettre en évidence 
l'effet réel de l'outil semi-automatique. 
Dans un environnement opérationnel, de telles 
précautions opératoires ne sont toutefois par tou- 
jours possibles, par exemple lorsque l'évaluation 
porte sur la comparaison de deux plates-formes de 
travail différentes (l'introduction d'une technique 
d'automatisation pouvant conduire à réorganiser la 
chaine de production). C'est en particulier le cas 
lorsqu'il faut comparer les techniques de restitu- 
tion numérique (et les outils automatiques dont 
elles bénéficient aujourd'hui) aux techniques de 
restitution analytiques. La prise en compte du 
facteur d'apprentissage de l'outil de travail ne peut 
alors étre faite que par un facteur correctif empi- 
rique sur la productivité atteinte sur le nouveau 
matériel (pouvant conduire à une réévaluation de 
l'ordre de 10 à 20%). 
La plate-forme de saisie joue donc aussi un 
róle central dans l'évaluation des méthodes de 
saisie interactive. Hsieh préconise une comparaison 
entre saisie manuelle et saisie semi-automatique 
dans le méme environnement de travail, la saisie 
manuelle étant effectuée en désactivant les 
fonctions semi-automatiques du logiciel. C'est 
également la méthodologie qui a été suivi par 
Airault (Airault and Jamet, 1995) pour l’évalua- 
tion d’une méthode de restitution semi-automatique 
du réseau routier. 
373