Le succès de l'utilisation du modèle de Markov caché dans des domaines comme le traitement des images, la biologie, la médecine et la robotique, est principalement dû à la possibilité qu'il offre d'obtenir des traitements efficaces et de construire des modèles par apprentissage automatique, même pour d'importantes masses de données. L'objectif de cette mémoire est de d'évaluer l'adéquation et l'efficacité de ce modèle pour modéliser les activités d'utilisateurs de jeux vidéo. Dans ce mémoire, nous avons choisi le jeu Pacman pour mener notre étude. Ce jeu présente un intérêt particulier car les décisions de déplacement et les stratégies utilisées par les joueurs sont basées sur des contraintes liées à l'environnement du jeu (les fantômes, les points, les pastilles, les fruits...). Nous avons choisi d'appliquer le modèle de Markov caché pour modéliser le contrôle du Pacman par un joueur. Notre premier objectif est de prédire la stratégie utilisée par le joueur pendant des parties de jeu. Pour cette tâche, nous avons utilisé seulement le modèle du Markov caché, Notre deuxième objectif est de tenter d'identifier un joueur à partir d'épisodes de jeux. Pour cette deuxième tâche, nous avons combiné un modèle de Markov caché avec une méthode de classification pour obtenir nos résultats. D'après les résultats obtenus dans nos travaux, nous pouvons affirmer que ces modèles se révèlent efficaces pour la reconnaissance d'activités dans des jeux vidéo.

Les jeux vidéo, bien que souvent associés au divertissement, sont de plus en plus utilisés à des fins pratiques en raison de leurs aptitudes à soutenir la motivation intrinsèque des joueurs. Afin de bien répondre aux préférences des joueurs, il devient important de comprendre quels facteurs permettent de soutenir ce type de motivation. Malgré la vaste littérature sur le sujet, aucune étude n'a avancé un modèle des motivations pour les jeux vidéo accepté de façon unanime. D'une part, plusieurs modèles fréquemment recensés dans les écrits ne sont supportés par aucune étude empirique. D'une autre part, les modèles ayant reçu un appui empirique sont souvent spécifiques à un type de jeu, ou divergent les uns des autres en raison d'une interprétation restreinte des analyses factorielles. Par conséquent, la présente étude cherche à proposer un modèle des motivations pour les jeux vidéo unifiant les différents modèles présents dans les écrits. Un questionnaire portant sur les comportements et les préférences des joueurs a été développé afin de tester la validité d'un modèle théorique récent des motivations pour les jeux vidéo et d'explorer les motivations des joueurs dans la population générale. Cent cinquante-six participants (41 Femmes; Mage = 25.95) ont complétés le questionnaire dans le cadre d'une expérience portant sur les jeux vidéo ou en ligne. Une analyse factorielle confirmatoire n'a pas permis de confirmer la structure du modèle théorique étudié. Plutôt, une analyse en composantes principales exploratoire a révélé la présence de sept composantes. Enfin, sept facteurs récurrents à travers les modèles supportés empiriquement ont été identifiés : la socialisation, la compétition, l'accomplissement, l'immersion, l'échappement, l'autonomie, et l'auto-actualisation. Ce modèle propose une base sur laquelle les études futures pourront bâtir, ainsi qu'un modèle préliminaire pouvant contribuer au développement de jeux favorisant la motivation intrinsèque des joueurs.

L’utilisation des jeux en éducation, appelés jeux sérieux, se développe de plus en plus, mais pour être performants, ces jeux doivent être personnalisés en fonction de la progression des apprentissages tout en conservant leur aspect ludique. Un état de l’art sur le domaine de l’analyse de l’apprentissage a été effectué pour comprendre comment personnaliser de tels jeux. Cependant, les travaux actuels prennent peu en compte les deux aspects pédagogiques et ludiques. L’objectif de cette recherche a été de proposer un modèle de personnalisation du contenu pédagogique et ludique pour les joueurs-apprenants dans les jeux sérieux. Le modèle proposé organise le savoir du domaine à apprendre et indique les télémétries à enregistrer sur l’apprenant pour personnaliser son parcours en fonction de ses performances. Le modèle a été validé par la création d’un prototype qui a permis de vérifier sa fonctionnalité. Ainsi, avec ce modèle, le jeu peut proposer le contenu le plus pertinent pour l’apprenant, lui montrer sa progression et interagir avec lui selon la mécanique de jeux qui lui correspond le mieux. Bien que la personnalisation ludique soit limitée, le modèle est assez flexible pour s’adapter à toute forme de matériel pédagogique et tout domaine d’étude. Des tests impliquant des apprenants permettraient une validation plus avancée. / The use of games in education, called serious games is growing, but to be effective, these games must be personalized according to the progress of learning while keeping their playful aspect. A state-of-the-art on the field of learning analytics was conducted to understand how to customize such games. However, the current works do not cover educational and entertainment aspects. The objective of this research project was to propose a model for the personalization of educational and playful content for players-learners in serious games. The proposed model organizes the knowledge of the field to be learned and indicates the telemetry to be recorded on the learner in order to personalize his or her path according to his or her performance. The model was validated by creating a prototype that verified its functionality. Thus, with this model, the game can offer the most relevant content for the learner, show him his or her progress and interact according to the game mechanics that best match him or her. Although playful customization is limited, the model is flexible enough to adapt to any form of educational content and any field of study. Tests involving learners would allow a more advanced validation.

Ce travail est consacré aux guildes, communautés virtuelles que l'on retrouve dans plusieurs MMOGs (Massively Multiplayer Online Games), jeux en ligne comportant des éléments de jeux vidéo et de jeux de rôle. Plus précisément, j'analyse dans ce mémoire les modalités des relations sociales au sein des guildes du monde virtuel de Telara, du jeu Rift. La contribution principale de ce mémoire n'est pas théorique. Elle est davantage de nature ethnographique, car il s'agit ici de mon premier projet intellectuel consacré à ce domaine. Une consolidation des fondements paraissait nécessaire avant de proposer une modélisation théorique aboutie. La méthodologie fait appel aux techniques d'enquête qualitative de l'anthropologie. Plus précisément, la cueillette de données, relevant de 'l'ethnographie virtuelle', comportait observation participante (avec emphase particulière sur la participation), entrevues individuelles, prise de notes sous forme de textes, d'images et de son, ainsi que lecture de forums, blogs et sites internet sur le thème du jeu. Les données recueillies ont produit des résultats que je présente en trois grands chapitres. Le premier chapitre d'analyse traite du choix de la guilde, de sa réputation, de l'appartenance des joueurs ainsi que des rôles sociaux officiels et non officiels joués par les membres. Le deuxième chapitre d'analyse présente les relations entre les joueurs dans la communauté, qu'elles soient positives (collaboration) ou négatives (désagrégation). Le dernier chapitre d'analyse étudie les rapports de genre à l'oeuvre dans le cadre du jeu, tant pour ce qui concerne les personnages joués que pour les joueurs et joueuses derrière leur écran d'ordinateur. Ces analyses m'ont permis de faire ressortir que, contrairement à une idée répandue dans le grand public, les jeux vidéo en ligne ne marquent pas un isolement et un manque de socialite de la part des joueurs, mais qu'au contraire la sociabilité est omniprésente, dynamique, et très importante aux yeux des joueurs, même si ces modes de relation sont particuliers.

Pour respecter les droits d’auteur, la version électronique de ce mémoire a été dépouillée de ses documents visuels. / Cette recherche propose d’identifier comment les jeux vidéo narratifs peuvent susciter l’émoi de leurs joueurs en empruntant des moyens qui sont propres à leurs potentiels d’expression. Ainsi, en se positionnant à la suite des travaux de Bernard Perron, il s’agit d’étudier comment, à travers le contrôle et le gameplay, les émotions vidéoludiques viennent trouver leur place aux côtés des émotions fictionnelles et artistiques pour former une expérience que le joueur pourra appréhender avec sa sensibilité d’agent, et non seulement à travers l’histoire pré-scriptée par les développeurs. Pour ce faire, divers jeux sont analysés: Heavy Rain, Brothers: A Tale of Two Sons, The Walking Dead, Life is Strange et Papo & Yo. En prolongement des travaux de Roger Odin, ce mémoire offre une ouverture vers un nouveau type de mise en phase : la mise en phase émotionnelle. / This master’s thesis analyzes how story-driven video games can trigger players’ emotions in their own way. Following Bernard Perron’s research on emotion in video games, our purpose is to explore how, through player control and gameplay, gameplay emotions find their place along fictional and artifact emotions. We will observe how all these contribute to an experience for the player to understand through his sensibility and agency, and not exclusively through the high-level story written by the game developers. To this end, a range of videogames are analyzed: Heavy Rain, Brothers: A Tale of Two Sons, The Walking Dead, Life is Strange and Papo & Yo. Prolonging Roger Odin’s work, the thesis opens up a new type of attunement: emotional attunement.

Ce mémoire porte sur les jeux de rôle participatifs en environnement virtuel (JRPEV), un phénomène qui, dans le champ des game studies, n’a jamais été défini jusqu’ici. Une définition est donc apportée afin d’établir leur spécificité au regard des environnements virtuels, des jeux vidéo, des MMOG et des jeux de rôle traditionnels (sur table et grandeur nature) tout en mettant en lumière les dimensions qui en font un hybride mi-jeu vidéo, mi-jeu de rôle. Pour ce faire, les JRPEV seront définis en tant que jeux, jeux de rôle, pratiques représentatives de la culture participative (Jenkins 2006) et environnements virtuels. À la suite de cette définition, un modèle théorique flexible sera décrit qui rendra compte de l’expérience vidéoludique des joueurs au sein des JRPEV. Pour ce faire, des alternatives aux notions polémiques et polysémiques de «cercle magique» et «d’immersion», très présentes dans la littérature scientifique portant sur les jeux de rôle et les jeux vidéo, sont d’abord apportées : le cadrage de l’expérience vidéoludique et l’allocation des ressources attentionnelles. De plus, le modèle intègre les styles de jeu et les postures interprétatives privilégiées par les joueurs sur les œuvres dont les JRPEV constituent une adaptation vidéoludique ou sur les textes appartenant à l’architexte (Genette 1982) de ces JRPEV. En effet, ces styles de jeu et ces postures interprétatives contribuent à structurer l’expérience vidéoludique. Enfin, ce modèle inclura la dynamique sociale dans laquelle est vécue l’expérience vidéoludique sur les JRPEV en mobilisant le concept de «communauté herméneutique conflictuelle». Cette entreprise conjoint les perspectives herméneutique et sociocritique dans l’étude de jeux perçus comme une médiation ludique (Genvo 2011) (Henriot 1989), soit comme la rencontre d’une attitude et d’une structure ludiques. Elle repose à la fois sur un travail métathéorique et sur l’observation des jeux de rôle goréens, des JRPEV organisés sur Second Life qui illustreront de manière concrète les spécificités de ce phénomène vidéoludique.

Les besoins de l'industrie des jeux vidéo sont en constante évolution. Dans le domaine de l'intelligence artificielle, nous identifions dans le chapitre 1, les différents besoins de l'industrie dans ce domaine. Nous pensons que la conception d'une solution d'apprentissage de comportements par imitation qui soit fonctionnelle et efficace permettrait de couvrir la plupart de ces besoins. Dans le chapitre 2, nous montrons que les techniques d'extraction de données peuvent être très utiles pour offrir une telle solution. Cependant, ces techniques ne sont pas suffisantes pour construire automatiquement un comportement complet qui serait utilisable dans les jeux vidéo modernes. Dans le chapitre 3, nous proposons un modèle générique pour apprendre des comportements en imitant des joueurs humains : Orion. Ce modèle est composé de deux parties, un modèle structurel et un modèle comportemental. Le modèle structurel propose un framework généraliste d'exploration de données, fournissant une abstraction des différentes méthodes utilisées dans ce domaine de recherche. Ce framework nous permet de construire un outil d'usage général avec de meilleures possibilités de visualisation que les outils d'extraction de données existants. Le modèle comportemental est conçu pour intégrer des techniques d'exploration de données dans une architecture plus générale et repose sur les Behavior Trees. Dans le chapitre 4, nous illustrons comment nous utilisons notre modèle en mettant en oeuvre le comportement des joueurs dans les jeux Pong et UT3 en utilisant Orion. Dans le chapitre 5, nous identifions les améliorations possibles, à la fois de notre outil d'extraction de données et de notre modèle comportemental. / The video game industry's needs are constantly changing. In the field of artificial intelligence, we identify inchapter 1, the different needs of industry in this area. We believe that the design of a learning behavior through imitation solution that is functional and efficient would cover most of these needs. In chapter 2, we show that data mining techniques can be very useful to provide such a solution. However, for now, these techniques are not sufficient to automatically build a comprehensive behavior that would be usable in modern video games. In chapter 3, we propose a generic model to learn behavior by imitating human players: Orion.This model consists of two parts, a structural model and a behavioral model. The structural model provides a general data mining framework, providing an abstraction of the different methods used in this research. This framework allows us to build a general purpose tool with better possibilities for visualizing than existing data mining tools. The behavioral model is designed to integrate data mining techniques in a more general architecture and is based on the Behavior Trees. In chapter 4, we illustrate how we use our model by implementing the behavior of players in the Pong and Unreal Tournament 3 games using Orion. In chapter 5,we identify possible improvements, both of our data mining framework and our behavioral model.

Cette thèse explore l'utilisation des modèles bayésiens dans les IA de jeux vidéo multi-joueurs, particulièrement l'IA des jeux de stratégie en temps réel (STR). Les jeux vidéo se situent entre la robotique et la simulation totale, car les autres joueurs ne sont pas simulés, et l'IA n'a pas de contrôle sur la simulation. Les jeux de STR demandent simultanément d'effectuer des actions reactives (contrôle d'unités) et de prendre des décisions stratégiques (technologiques, économiques) et tactiques (spatiales, temporelles). Nous avons utilisé la modélisation bayésienne comme une alternative à la logique (booléenne), étant capable de travailler avec des informations incomplètes, et donc incertaines. En effet, la spécification incomplète des comportement "scriptés", ou la spécification incomplète des états possibles dans la recherche de plans, demandent une solution qui peut gérer cette incertitude. L'apprentissage artificiel aide à réduire la complexité de spécifier de tels modèles. Nous montrons que la programmation bayésienne peut intégrer toutes sortes de sources d'incertitudes (états cachés, intentions, stochasticité) par la réalisation d'un joueur de StarCraft complètement robotique. Les distributions de probabilité sont un moyen de transporter, sans perte, l'information que l'on a et qui peut représenter au choix: des contraintes, une connaissance partielle, une estimation de l'espace des états et l'incomplétude du modèle lui-même. Dans la première partie de cette thèse, nous détaillons les solutions actuelles aux problèmes qui se posent lors de la réalisation d'une IA de jeu multi-joueur, en donnant un aperçu des caractéristiques calculatoires et cognitives complexes des principaux types de jeux. En partant de ce constat, nous résumons les catégories transversales de problèmes, et nous introduisons comment elles peuvent être résolues par la modélisation bayésienne. Nous expliquons alors comment construire un programme bayésien en partant de connaissances et d'observations du domaine à travers un exemple simple de jeu de rôle. Dans la deuxième partie de la thèse, nous détaillons l'application de cette approche à l'IA de STR, ainsi que les modèles auxquels nous sommes parvenus. Pour le comportement réactif (micro-management), nous présentons un controleur multi-agent décentralisé et temps réel inspiré de la fusion sensori-motrice. Ensuite, nous accomplissons les adaptation dynamiques de nos stratégies et tactiques à celles de l'adversaire en le modélisant à l'aide de l'apprentissage artificiel (supervisé et non supervisé) depuis des traces de joueurs de haut niveau. Ces modèles probabilistes de joueurs peuvent être utilisés à la fois pour la prédiction des décisions/actions de l'adversaire, mais aussi à nous-même pour la prise de décision si on substitue les entrées par les notres. Enfin, nous expliquons l'architecture de notre joueur robotique de StarCraft, et nous précisions quelques détails techniques d'implémentation. Au delà des modèles et de leurs implémentations, il y a trois contributions principales: la reconnaissance de plan et la modélisation de l'adversaire par apprentissage artificiel, en tirant partie de la structure du jeu, la prise de décision multi-échelles en présence d'informations incertaines, et l'intégration des modèles bayésiens au contrôle temps réel d'un joueur artificiel.

Cette thèse explore l'utilisation des modèles bayésiens dans les IA de jeux vidéo multi-joueurs, particulièrement l'IA des jeux de stratégie en temps réel (STR). Les jeux vidéo se situent entre la robotique et la simulation totale, car les autres joueurs ne sont pas simulés, et l'IA n'a pas de contrôle sur la simulation. Les jeux de STR demandent simultanément d'effectuer des actions reactives (contrôle d'unités) et de prendre des décisions stratégiques (technologiques, économiques) et tactiques (spatiales, temporelles). Nous avons utilisé la modélisation bayésienne comme une alternative à la logique (booléenne), étant capable de travailler avec des informations incomplètes, et donc incertaines. En effet, la spécification incomplète des comportement "scriptés", ou la spécification incomplète des états possibles dans la recherche de plans, demandent une solution qui peut gérer cette incertitude. L'apprentissage artificiel aide à réduire la complexité de spécifier de tels modèles. Nous montrons que la programmation bayésienne peut intégrer toutes sortes de sources d'incertitudes (états cachés, intentions, stochasticité) par la réalisation d'un joueur de StarCraft complètement robotique. Les distributions de probabilité sont un moyen de transporter, sans perte, l'information que l'on a et qui peut représenter au choix: des contraintes, une connaissance partielle, une estimation de l'espace des états et l'incomplétude du modèle lui-même. Dans la première partie de cette thèse, nous détaillons les solutions actuelles aux problèmes qui se posent lors de la réalisation d'une IA de jeu multi-joueur, en donnant un aperçu des caractéristiques calculatoires et cognitives complexes des principaux types de jeux. En partant de ce constat, nous résumons les catégories transversales de problèmes, et nous introduisons comment elles peuvent être résolues par la modélisation bayésienne. Nous expliquons alors comment construire un programme bayésien en partant de connaissances et d'observations du domaine à travers un exemple simple de jeu de rôle. Dans la deuxième partie de la thèse, nous détaillons l'application de cette approche à l'IA de STR, ainsi que les modèles auxquels nous sommes parvenus. Pour le comportement réactif (micro-management), nous présentons un controleur multi-agent décentralisé et temps réel inspiré de la fusion sensori-motrice. Ensuite, nous accomplissons les adaptation dynamiques de nos stratégies et tactiques à celles de l'adversaire en le modélisant à l'aide de l'apprentissage artificiel (supervisé et non supervisé) depuis des traces de joueurs de haut niveau. Ces modèles probabilistes de joueurs peuvent être utilisés à la fois pour la prédiction des décisions/actions de l'adversaire, mais aussi à nous-même pour la prise de décision si on substitue les entrées par les notres. Enfin, nous expliquons l'architecture de notre joueur robotique de StarCraft, et nous précisions quelques détails techniques d'implémentation. Au delà des modèles et de leurs implémentations, il y a trois contributions principales: la reconnaissance de plan et la modélisation de l'adversaire par apprentissage artificiel, en tirant partie de la structure du jeu, la prise de décision multi-échelles en présence d'informations incertaines, et l'intégration des modèles bayésiens au contrôle temps réel d'un joueur artificiel. / This thesis explores the use of Bayesian models in multi-player video games AI, particularly real-time strategy (RTS) games AI. Video games are an in-between of real world robotics and total simulations, as other players are not simulated, nor do we have control over the simulation. RTS games require having strategic (technological, economical), tactical (spatial, temporal) and reactive (units control) actions and decisions on the go. We used Bayesian modeling as an alternative to (boolean valued) logic, able to cope with incompleteness of information and (thus) uncertainty. Indeed, incomplete specification of the possible behaviors in scripting, or incomplete specification of the possible states in planning/search raise the need to deal with uncertainty. Machine learning helps reducing the complexity of fully specifying such models. We show that Bayesian programming can integrate all kinds of sources of uncertainty (hidden state, intention, stochasticity), through the realization of a fully robotic StarCraft player. Probability distributions are a mean to convey the full extent of the information we have and can represent by turns: constraints, partial knowledge, state space estimation and incompleteness in the model itself. In the first part of this thesis, we review the current solutions to problems raised by multi-player game AI, by outlining the types of computational and cognitive complexities in the main gameplay types. From here, we sum up the transversal categories of prob- lems, introducing how Bayesian modeling can deal with all of them. We then explain how to build a Bayesian program from domain knowledge and observations through a toy role-playing game example. In the second part of the thesis, we detail our application of this approach to RTS AI, and the models that we built up. For reactive behavior (micro-management), we present a real-time multi-agent decentralized controller inspired from sensory motor fusion. We then show how to perform strategic and tactical adaptation to a dynamic opponent through opponent modeling and machine learning (both supervised and unsupervised) from highly skilled players' traces. These probabilistic player-based models can be applied both to the opponent for prediction, or to ourselves for decision-making, through different inputs. Finally, we explain our StarCraft robotic player architecture and precise some technical implementation details. Beyond models and their implementations, our contributions are threefolds: machine learning based plan recognition/opponent modeling by using the structure of the domain knowledge, multi-scale decision-making under uncertainty, and integration of Bayesian models with a real-time control program.

Du serious game à l'Artgame, le jeu vidéo s'est détaché de l'industrie du loisir pour devenir l'un des médiums les plus attractifs de ce siècle. La gamification, notamment, traduit une aspiration au ludique qui pénètre les mentalités des individus contemporains et leur rapport au monde et à autrui. Que ce soit dans son industrie, dans les mouvements des serious games, des Games For Change et également de l'Artgame et du Game Art, l'avènement de la société du jeu total est manifeste. Comme le jeu avant lui, le jeu vidéo apparaît comme un espace de représentations, véhicule de l'esprit du temps. Perpétué ou mise en critique, celles-ci se déploient à l'intérieur des représentations formelles et structurelles de ces objets vidéoludiques. Formant des « architectures rhétoriques », les jeux vidéo doivent être considérés comme des hypermédiums afin de découvrir les discours et les tensions socio-politiques en jeux.Conçus par des sujets culturels, les jeux vidéo véhiculent les idéologèmes transmis par leurs game designers. A travers leurs créateurs, ces formes artistiques sont telles des prismes qui permettent de faire apparaître les enjeux contemporains à travers différents matériaux artistiques dont ils se font le porteur : image, musique, texte, mécanique, systèmes de gameplay, etc. Face à une gamification dont l'objectif est d'édulcorer le monde pour le rendre fonctionnel dans une société néolibérale aliénante, certaines œuvres vidéoludiques, notamment dans le domaine de l'Artgame, dévoile le potentiel émancipateur, critique et revendicateur du jeu vidéo. Chez elles, les territoires vidéoludiques sont, au contraire, saisis comme une « technique du réveil » des questions philosophiques fondamentales, des actes sociétaux nécessaires et d'un engagement politique vital chez l'individu contemporain. / From serious games to ArtGame, the video game broke away from the entertainment industry to become one of the most attractive media of this century. Gamification, in particular, reflects a desire for fun penetrating the mentality of contemporary people and their relation to the world and to others. Whether in its industry, in the serious games movement, or the Games for Change and also the ArtGame and Game Art, the advent of the society of total gaming is obvious. As with all forms of games previously, the video game appears as a space for representations, a vehicle of “l'esprit du temps”. Perpetuated or criticized, these representations unfold within the formal and structural representations of these videogames. Forming "rhetorical architectures", video games must be regarded as “hypermediums” to discover discussions and the socio-political tensions at play.Conceived by game designers, who are “cultural subjects”, video games convey their “ideologemes” transmitted from a time. Through their creators, these art forms are like prisms that can show the contemporary issues through the various artistic materials : image, music, text, mechanics, gameplay systems, etc. Faced with gamification aiming to sweeten the world to make it functional in an alienating neo-liberal society, some video games, especially in the field of ArtGame, unveil the emancipating, critical and demanding potential of video games. Among them, the video game territories are, instead, considered as an "awakening technique" for fundamental philosophical questions, necessary societal actions and vital political commitments in the contemporary individual.