Pourquoi c’est important
Les environnements VR sont de plus en plus réalistes. Pour les rendre plus immersifs, les concepteurs se posent souvent la même question : que ressentent réellement nos utilisateurs, et notre scène transmet-elle l’émotion que nous souhaitons ?
Les enjeux sont réels. L’émotion et l’immersion se nourrissent l’une l’autre : les scènes conçues pour être émotionnelles donnent aux utilisateurs un plus fort sentiment d’immersion, et ce sentiment influence à son tour ce qu’ils ressentent (Riva et al., 2007). Les scènes immersives peuvent déclencher des émotions visibles dans les signaux du cerveau et du cœur (Marín-Morales et al., 2018).
Au-delà des intentions des concepteurs, comment savoir ce que les utilisateurs ressentent ? Quels outils le permettent ?
Pour répondre, nous avons ré-analysé un jeu de données ouvert. Il contient deux scènes VR conçues pour déclencher deux émotions opposées. Ces scènes ont-elles produit les émotions visées ? Et comment le mesurer ?
Deux scènes, deux émotions visées
Les deux scènes visent une émotion forte : la colère dans le métro, la joie dans la forêt (Alonso-Valerdi et al., 2025). Les chercheurs décrivent un état affectif sur deux axes : la valence, qui indique s’il est agréable ou désagréable, et l’arousal, qui indique son niveau d’activation, du calme à l’excitation (Russell, 1980). La colère et la joie ont le même arousal élevé. Leur valence est opposée.
| Scène | Émotion visée | Valence | Arousal | Comment la scène s’y prend |
|---|---|---|---|---|
| Métro | Colère | Désagréable | Élevé | Lumière faible ; un avatar virtuel raconte une expérience injuste dans les transports en commun |
| Forêt | Joie | Agréable | Élevé | Lumière vive ; le même avatar virtuel partage un souvenir de famille heureux |
Comment le mesurer
Chaque participant voit les deux scènes
2 min de pause
6 participants ont vécu les deux scènes dans un casque VR, 3 minutes chacune, après 2 minutes de repos.
| Niveau | Outil dans l’étude | Ce que cela indique |
|---|---|---|
| Subjectif | Questionnaire Self-Assessment Manikin (SAM) après chaque scène (Bradley & Lang, 1994) | La valence, l’arousal et l’émotion perçue chez l’avatar virtuel |
| Corps | Activité électrodermale (EDA) | Si le corps s’est activé : l’EDA mesure la sueur sur la peau, qui suit l’activation du système nerveux (Boucsein, 2012) |
| Cerveau | Électroencéphalographie (EEG), casque à 8 canaux | Comment l’activité du cerveau a évolué : l’EEG mesure l’activité électrique du cerveau avec des électrodes posées sur la tête. Nous avons regardé le rythme alpha, une oscillation régulière de cette activité, à l’arrière de la tête. Il augmente quand le cerveau réduit l’attention portée à ce que l’on voit |
Nous parlons de réaction lorsque le signal pendant la scène s’écarte nettement du signal au repos du même participant. Chaque participant est ainsi sa propre référence.
Ce que nous avons trouvé
Dans cet échantillon de 6 participants, la scène du métro a produit l’effet visé : elle a été jugée désagréable, et le corps et le cerveau ont réagi. La scène de la forêt a été jugée agréable mais calme, alors qu’elle était conçue pour être excitante et produire une joie intense.
- Métro : l’effet visé est atteint. 4 participants sur 6 l’ont trouvé désagréable. Chez 4 des 5 participants dont le capteur était exploitable, l’EDA a augmenté dès le début de la scène.
- Forêt : agréable, mais pas joyeuse. 5 participants sur 6 l’ont trouvée agréable et 4 sur 6 l’ont trouvée calme. L’EDA n’a augmenté que chez 1 participant sur 5. La forêt n’a donc pas produit l’arousal élevé de la joie visée.
- Cerveau : moins d’attention à l’image dans le métro ? Le rythme alpha augmente quand le cerveau réduit son attention visuelle (Jensen & Mazaheri, 2010). Ce résultat est compatible avec une attention portée à la voix de l’avatar virtuel plutôt qu’à l’image.
- Le questionnaire et les capteurs ne disent pas la même chose. Chaque mesure apporte une information que l’autre n’apporte pas.
Ce que cela signifie pour vous
Il s’agit ici d’une étude de cas, qui montre plusieurs choses :
- Étudiez le ressenti de vos utilisateurs, ne le supposez pas. Une scène conçue pour la joie a produit du calme. Un court pilote montre l’effet réel de votre scène avant son déploiement.
- Combinez le questionnaire et les capteurs.
- Testez les expressions de votre avatar virtuel. Une émotion évidente pour le concepteur peut être mal identifiée par des utilisateurs.
- Nous pouvons tester vos scènes avec un pilote adapté et des mesures adaptées à votre question.
Données et crédits
Données : Ramirez-Lechuga, Alonso-Valerdi & Ibarra-Zarate (2023), Tecnológico de Monterrey, Mendeley Data, doi:10.17632/y76vbw92y9.3, CC BY 4.0. Ré-analysées de façon indépendante par Nox Science : la sélection des participants, le traitement et les statistiques sont les nôtres, et les auteurs du jeu de données n’ont pas participé. Démonstration sur données ouvertes : 6 participants, scènes toujours présentées dans le même ordre.
Références
- Riva, G., Mantovani, F., Capideville, C. S., Preziosa, A., Morganti, F., Villani, D., Gaggioli, A., Botella, C. & Alcañiz, M. (2007). Affective interactions using virtual reality: the link between presence and emotions. CyberPsychology & Behavior, 10(1), 45–56. doi:10.1089/cpb.2006.9993
- Marín-Morales, J., Higuera-Trujillo, J. L., Greco, A., Guixeres, J., Llinares, C., Scilingo, E. P., Alcañiz, M. & Valenza, G. (2018). Affective computing in virtual reality: emotion recognition from brain and heartbeat dynamics using wearable sensors. Scientific Reports, 8, 13657. doi:10.1038/s41598-018-32063-4
- Russell, J. A. (1980). A circumplex model of affect. Journal of Personality and Social Psychology, 39(6), 1161–1178. doi:10.1037/h0077714
- Bradley, M. M. & Lang, P. J. (1994). Measuring emotion: the Self-Assessment Manikin and the semantic differential. Journal of Behavior Therapy and Experimental Psychiatry, 25(1), 49–59. doi:10.1016/0005-7916(94)90063-9
- Boucsein, W. (2012). Electrodermal Activity (2nd ed.). Springer. doi:10.1007/978-1-4614-1126-0
- Jensen, O. & Mazaheri, A. (2010). Shaping functional architecture by oscillatory alpha activity: gating by inhibition. Frontiers in Human Neuroscience, 4, 186. doi:10.3389/fnhum.2010.00186
- Alonso-Valerdi, L. M., Ramirez-Lechuga, S. & Ibarra-Zarate, D. I. (2025). Audiovisual virtual reality for emotion induction: a dataset of physiological responses. Scientific Data, 12, 1387. doi:10.1038/s41597-025-05691-5