Les technologies du numérique s’invitent de plus en plus dans l’enseignement. Les nouvelles pratiques pédagogiques révolutionnent également les standards de la formation. La « gamification » des cursus est, par exemple, devenue une tendance actuelle. Elle permet, par le jeu, d’exercer les apprenants différemment. Les simulations de gestion d’entreprise entrent dans ce cadre. Elles positionnent les stagiaires à la tête d’entreprises virtuelles et simulent un marché concurrentiel. Le déploiement de cette pratique se heurte néanmoins à des difficultés opérationnelles : taille du groupe, formation de l’animateur… C’est dans ce contexte que nous envisageons la mise en œuvre d’agents autonomes permettant d’accompagner ou de concurrencer les apprenants.Pour cela, nous proposons, tout d’abord, une modélisation performante d’une entreprise à base de programmes linéaires mixtes permettant l’optimisation des départements internes des entreprises (production, distribution, finance). Ensuite, nous introduisons une heuristique de recherche locale afin de générer des solutions performantes dans un environnement économique. Aussi, à la suite d’une phase d’extraction de connaissances, nous proposons la définition et la construction d’arbres d’anticipation qui permettent de prévoir les décisions concurrentielles des protagonistes engagés et ainsi de pouvoir estimer la qualité des solutions construites. Afin de valider les approches proposées, nous les avons comparées aux comportements réels de joueurs et avons évalué l’apport de l’exploitation de la connaissance. Enfin, nous avons proposé une généralisation de la méthode à d’autres simulateurs de gestion d’entreprise. / Digital technologies are becoming increasingly popular in teaching and learning processes. New educational practices are also revolutionizing the standards of training. For example, the "gamification" of the curricula has become a current trend. It allows, through games, to exercise learners differently. Business management simulation, also known as business games, fall within this context. They place learners at the head of virtual companies and simulate a competitive market. The deployment of this practice nevertheless encounters some operational difficulties: size of the group, training of the teacher... It is in this context that we envisage the implementation of autonomous agents to accompany the learners or the competitors.To do this, firstly, we propose a modeling of a company, based on mixed linear programs allowing optimization of the internal departments of the companies (production, delivery, finance). For the second step, we will introduce a local heuristic search, ensuring a generation of efficient solutions in a given economic and competitive environment. Thirdly, following a knowledge extraction phase, we propose the definition and construction of anticipation trees that predict the competitive decisions of the engaged protagonists and thus to be able to estimate the quality of the solutions built. In order to validate the proposed approaches, we compared them with the real behaviors of players and evaluated the contribution of the exploitation of the knowledge. Finally, we proposed a framework allowing a generalization of the method to other business games.

L’apprentissage mobile est devenu un sujet d’intérêt car il implique de nombreux domaines de recherche concernant les contextes d’usages et de technologie complexes. En effet, ce type de formation a été reconnu pour sa capacité à motiver les apprenants car ils peuvent construire leurs propres connaissances en collaborant avec les autres. Dans ce contexte, l’orchestration des scénarios d'apprentissage mobile permet la gestion en temps réel et la contextualisation des activités à réaliser mais ceci engendre des coûts importants d’organisation. En outre, cette organisation réalisée par l'instructeur est peu adaptée aux méthodes d’apprentissage employées pendant la sortie pédagogique car l’apprenant doit pouvoir garder une certaine maîtrise de ses choix et de son parcours. Dans cette thèse, nous présentons un nouveau style de recommandation pour faire une orchestration dynamique des activités d’apprentissage en fonction de la localisation des apprenants et de l’historique de la visite. Cette technique s’appuie sur un filtrage collaboratif exploitant l’activité antérieure des apprenants mais en prenant en compte les contraintes pédagogiques et la localisation. Notre approche s’inspire du mode de fonctionnement de l’intelligence en essaim (algorithme ACO) pour l’implémentation de notre système de recommandation des POIs. Outre les simulations qui ont permis de comparer les différentes variantes de recommandations, la validation de notre système SAMSSP passe par l’expérimentation de nos deux prototypes de visite de campus. / Mobile learning has become a topic of interest because it involves many areas of research concerning usage contexts and complex technology. Indeed, mobile learning is has been recognized for its ability to motivate learners because they can construct their own knowledge by collaborating with others. In this context, the orchestration of mobile learning allows real-time management and contextualization of activities to do but this results in significant costs of organization. In addition, centralized orchestration is not adapted to the context of our mobile scenario because the learner must be able to keep some control over their choices of learning.In this thesis, we present a new style of recommendation for a dynamic orchestration of learning activities based on the location of the learners and the history of the visit. This technique is based on a collaborative filtering that exploits prior activity of the learners and that respects the educational and location constraints. Our approach is based on the mode of operation of the Swarm Intelligence (ACO algorithm) for the implementation of our system of recommendation. Besides the simulations that are used to compare the different variants of recommendations, the validation of the SAMSSP system goes through the experimentation of the two prototypes of campus visit.