Le paradigme Human-Autonomy Teaming (HAT) a récemment émergé pour concevoir des équipes hybrides, dans lesquelles un opérateur humain coopère avec un agent artificiel autonome. Un défi majeur est de transformer cet agent autonome en un meilleur coéquipier, capable de plus d’interdépendance avec les humains. Les travaux présentés explorent deux axes, soutenus par des collaborations industrielles (dans les domaines du transport et des systèmes industriels), des partenariats académiques (notamment l'Australie Méridionale), et l'encadrement de doctorants. Le premier axe porte sur le suivi des états cognitifs, afin de doter la machine d'une capacité de détection des difficultés rencontrées par l'humain. Pour répondre à cette question, une approche globale est proposée pour classifier la charge mentale de l'opérateur à partir de la fusion de données physiologiques et comportementales. Puis sont explorés les mécanismes de régulation mis en oeuvre par les humains, en étudiant le concept de contrôle cognitif et sa relation avec la charge mentale. Le deuxième axe traite des mécanismes d'adaptation de ces équipes, pour rendre la machine plus "compatible" avec l'homme. Deux pistes sont explorées. L'une porte sur l'amélioration hors ligne du savoir-coopérer des machines, à l'aide de la méthode CWA et des techniques IDM. L'autre s’intéresse à l'adaptation en ligne de la coopération homme-machine, où le système autonome peut être un coéquipier à l'intérieur de l'équipe, ou un coach au-dessus de l'équipe. Enfin, des pistes de recherche sont ouvertes, soutenues par des initiatives en cours en France et à l'étranger. Elles concernent la consolidation d'une approche multi-niveau et neuro-ergonomique pour le suivi des états cognitifs, la construction d'un dialogue transparent entre l'humain et l'agent autonome, une prise en compte des situations transitoires et longitudinales, et le passage à l'échelle pour étudier des configurations plus complexes de ces équipes hybrides.