L'essor de l'informatique affective ouvre aujourd'hui la porte à la création de dispositifs artificiels dotés d'une forme d'intelligence sociale et émotionnelle. L’étude de l'interaction homme-machine dans ce contexte offre de nombreuses pistes de recherche. Parmi celles-ci se trouve la question de la personnalité : comment il est possible de modéliser certaines caractéristiques d’une personnalité artificielle ? Comment ces caractéristiques influencent le déroulement de l'interaction entre l'homme et la machine ? Cette question globale soulève plusieurs questions de recherche : Comment définir la personnalité ? Sur quels modèles et théories issus de la psychologie peut-on s'appuyer pour développer une personnalité artificielle ? Quelle méthodologie adopter pour aborder l’implémentation d'un concept psychologique complexe ? Qu'apporte le développement informatique d'une personnalité à l'interaction homme-machine ? Au domaine de la psychologie de la personnalité ? Comment évaluer expérimentalement ces apports ? Pour aborder ces questions, nos travaux se positionnent dans une optique pluridisciplinaire, au croisement de l’informatique et de la psychologie. Au regard de sa pertinence pour une approche computationnelle, nous avons modélisé la régulation du Soi comme une composante de la personnalité. Ce concept est approché à partir de la théorie du regulatory focus. Sur cette base théorique, un cadre de travail conceptuel et un modèle computationnel sont proposés. Un questionnaire mesurant le regulatory focus a également été développé et validé. Ces propositions théoriques sont mises en œuvre dans deux implémentations data-driven (dimensionnelle vs socio-cognitive) dotant des agents de regulatory focus en utilisant de l’apprentissage automatique. Deux études utilisateurs (interaction unique avec agent artificiel vs sessions répétées avec agent animé), présentées dans un cadre ludique, ont permis d’étudier la perception du regulatory focus chez un agent et son impact sur l'interaction. Nos résultats encouragent l’utilisation du regulatory focus en informatique affective et ouvrent des perspectives sur les liens théoriques et méthodologiques entre informatique et psychologie. / The development of affective computing is leading to the design of artificial devices endowed with a form of social and emotional intelligence. The study of human-computer interaction in this context offers many research tracks. Among them is the question of personality: how to model some characteristics of an artificial personality? How these characteristics will influence the course of interaction with users? This goal rises several research questions: how to define personality? On which models and theories from psychology should we rely to define some artificial personality? Which methodology will help to address the implementation of such a complex psychological concept? What could artificial personality bring to the field of human-computer interaction? And to the psychology of personality? How to experimentally evaluate these contributions? To address these issues, this thesis takes a multidisciplinary approach, at the crossing of computing science and psychology. Given its relevance to a computational approach, we modeled self-regulation as a component of personality. This concept is approached from the regulatory focus theory. On this theoretical basis, a conceptual framework and a computational model are proposed. Our theoretical proposals led to two data-driven implementations (dimensional vs. socio-cognitive) which endowed our artificial agents with regulatory focus by using machine-learning. A French questionnaire measuring regulatory focus was designed and validated. Two user studies (brief interaction with artificial agents vs. repeated sessions with animated agents), where the regulatory focus of agents is conveyed via game strategies, enabled the study of regulatory focus perception and its impact on the interaction. Our results support the use of regulatory focus in affective computing and open perspectives on the theoretical and methodological links between computer science and psychology.

Cette thèse porte sur l'utilisation de systèmes multi-agents (SMA) pour l'aide à la décision et la négociation en aménagement du territoire, et a été conduite en collaboration avec la société CERREP SA. Dans une première partie, nous présentons les problèmes de l'expertise, de la décision et de la négociation pour des projets d'infrastructures linéaires. Puis nous introduisons les SMA, avec une définition orientée vers la conception. Nous proposons diverses références sociologiques pour structurer l'analyse des systèmes sociaux artificiels. Dans une deuxième partie, nous abordons l'utilisation de SMA, pour la modélisation, la simulation et la résolution de problèmes, mais aussi la dialectique entre SMA réactifs et cognitifs et l'apport de la sociologie. Nous présentons la bibliothèque SMARRPS dédiée à la résolution de problèmes spatialisés. Et nous poursuivons avec trois modèles formels abordant le problème de la convergence. Dans une troisième partie, nous décrivons deux applications réalisées : tout d'abord, le système SMAALA, pour l'aide à la localisation d'infrastructures. Ce système d'aide à l'expertise, calcule les ensembles de choix possibles (fuseaux) à partir de cartes de sensibilité environnementale de contraintes structurelles, et de descriptions des préférences des acteurs. Il s'appuie sur une architecture SMARRPS, proche des représentations utilisées par les experts, ajustable dynamiquement, et autorisant la spécification de contraintes hétérogènes. Puis nous présentons SANPA, un système pour l'aide à la négociation de projets en aménagement , de façon distribuée et asynchrone (sur internet). Ce système s'appuie sur une communauté d'agents assistants, échangeant avec un agent gestionnaire de projets, et des structures de type SMAALA pour la représentation spatiale. SANPA utilise des messages structurés, fondés sur la théorie des actes de langage. Nous concluons en indiquant les perspectives d'intégration de systèmes d'information en environnement sur les bases multi-agents.