An AI-guided framework for making TRIZ and C–K more accessible

Seyedi, Seyednavid (2026). An AI-guided framework for making TRIZ and C–K more accessible. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (1MB) | Prévisualisation

Résumé

TRIZ, as one of the well-known structured creative problem-solving methods, offers structured ways to approach problem-solving, but in practice it can be difficult to use. Its tool selection steps often require experience, which means many practitioners, especially beginners, find it challenging to apply. Issues such as unfamiliarity with the tools, gaps in relevant knowledge, and the tendency to fall back on familiar thinking patterns can make it hard to benefit fully from this method. Because of this, the strengths of TRIZ are not always reflected in everyday innovation work.

This research explores how the developed framework utilizes artificial intelligence, particularly large language models like ChatGPT, and eases these difficulties by guiding users through TRIZ and, later, C–K theory in a more structured and manageable way. Instead of asking the AI for direct solutions, which often leads to generic or repetitive ideas, the proposed approach uses a series of focused questions based on the logic of TRIZ or C–K. These questions help users move step by step from defining the problem more clearly, recognizing contradictions, gathering relevant knowledge, and finally evaluating possible directions. This interaction allows users to stay in control of the process, adjusting or discarding AI output when needed, and helps avoid the homogenization often seen in unstructured LLM outputs.

The four studies included in this thesis apply this idea in different contexts, from improving the design of non-slip footwear to supporting concept development for compact sanitation systems and exploring solutions related to driver safety. Across these cases, the findings proof that the suggested framework could make it easier to work with TRIZ and C–K principles, especially for users who are not deeply familiar with the methods. Users also are guided to approach complex problems more systematically and are less likely to get stuck in habitual thinking patterns.

Overall, the work shows that application of AI in the framework can play a practical supporting role. By helping clarify steps, surface relevant information, and structure the reasoning process, the proposed frameworks make TRIZ and C–K more accessible to a wider range of users.

Titre traduit

Un cadre guidé par l'IA pour rendre TRIZ et C–K plus accessibles

Résumé traduit

TRIZ, méthode de résolution de problèmes structurée et créative bien connue, propose des approches structurées, mais sa mise en œuvre pratique peut s'avérer complexe. Le choix des outils requiert souvent de l'expérience, ce qui représente un défi pour de nombreux praticiens, notamment les débutants. Le manque de familiarité avec les outils, les lacunes dans les connaissances pertinentes et la tendance à privilégier des schémas de pensée familiers peuvent entraver l'exploitation optimale de cette méthode. De ce fait, les atouts de TRIZ ne se reflètent pas toujours dans le travail d'innovation quotidien.

Cette recherche explore comment le cadre développé utilise l'intelligence artificielle, en particulier les grands modèles de langage comme ChatGPT, pour surmonter ces difficultés en guidant les utilisateurs à travers TRIZ, puis la théorie C-K, de manière plus structurée et accessible. Au lieu de solliciter directement des solutions auprès de l'IA, ce qui conduit souvent à des idées génériques ou répétitives, l'approche proposée utilise une série de questions ciblées, basées sur la logique de TRIZ ou de C-K. Ces questions aident les utilisateurs à progresser étape par étape : définir plus clairement le problème, identifier les contradictions, rassembler les connaissances pertinentes et enfin évaluer les pistes possibles. Cette interaction leur permet de garder la maîtrise du processus, d’ajuster ou de rejeter les résultats de l’IA si nécessaire, et contribue à éviter l’homogénéisation souvent observée dans les résultats non structurés des modèles de langage.

Les quatre études présentées dans cette thèse appliquent cette idée dans différents contextes : de l’amélioration de la conception de chaussures antidérapantes au soutien au développement de concepts pour des systèmes d’assainissement compacts, en passant par l’exploration de solutions liées à la sécurité des conducteurs. Dans ces cas précis, les résultats démontrent que le cadre proposé facilite l’utilisation des principes TRIZ et C-K, notamment pour les utilisateurs peu familiers avec ces méthodes. Les utilisateurs sont également guidés vers une approche plus systématique des problèmes complexes et sont moins susceptibles de s’enfermer dans des schémas de pensée habituels.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Manuscript-based thesis presented to École de technologie supérieure in partial fulfillment of the requirements for the degree of Doctor of Philosophy". Comprend des références bibliographiques (pages 135-144).
Mots-clés libres:	intelligence artificielle, IA, TRIZ, théorie de résolution inventive de problèmes, théorie de la connaissance conceptuelle, C-K, ChatGPT, résolution inventive de problèmes, techniques de créativité et d'innovation, CIT, 8 tendances de l'évaluation technique
Directeur de mémoire/thèse:	Directeur(-trice) Gardoni, Mickaël
Programme:	Doctorat en génie > Génie
Date de dépôt:	24 juill. 2026 14:31
Dernière modification:	24 juill. 2026 14:31
URI:	https://espace.etsmtl.ca/id/eprint/4009

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt