Les approches de simulation classiques ne sont en général pas adaptées pour traiter les aspects de complexité que présentent les systèmes complexes tels que l'émergence ou l'adaptation. Dans cette thèse, l'auteur s'appuie sur ses travaux menés dans le cadre d'un projet de simulation sur l’épidémie de grippe en France associée à des interventions sur une population en considérant le phénomène étudié comme un processus diffusif sur un réseau complexe d'individus, l'originalité réside dans le fait que la population y est considérée comme un système réactif. La modélisation de tels systèmes nécessite de spécifier explicitement le comportement des individus et les réactions de ceux-cis tout en produisant un modèle informatique qui doit être à la fois flexible et réutilisable. Les diagrammes d'états sont proposés comme une approche de programmation reposant sur une modélisation validée par l'expertise. Ils correspondent également à une spécification du code informatique désormais disponibles dans les outils logiciels de programmation agent. L'approche agent de type bottom-up permet d'obtenir des simulations de scénario "what-if" où le déroulement des actions peut nécessiter que les agents s'adaptent aux changements de contexte. Cette thèse propose également l'apprentissage pour un agent par l'emploi d'arbre de décision afin d'apporter flexibilité et lisibilité pour la définition du modèle de comportement des agents et une prise de décision adaptée au cours de la simulation. Notre approche de modélisation computationnelle est complémentaire aux approches traditionnelles et peut se révéler indispensable pour garantir une approche pluridisciplinaire validable par l'expertise. / Traditional approaches are not sufficient, and sometimes impossible in dealing with complexity issues such as emergence, self-organization, evolution and adaptation of complex systems. As illustrated in this thesis by the practical work of the author in a real-life project, the spreading of infectious disease as well as interventions could be considered as difusion processes on complex networks of heterogeneous individuals in a society which is considered as a reactive system. Modeling of this system requires explicitly specifying of each individual’s behaviors and (re)actions, and transforming them into computational model which has to be flexible, reusable, and ease of coding. Statechart, typical for model-based programming, is a good solution that the thesis proposes. Bottom-up agent based simulation finds emergence episodes in what-if scenarios that change rules governing agent’s behaviors that requires agents to learn to adapt with these changes. Decision tree learning is proposed to bring more flexibility and legibility in modeling of agent’s autonomous decision making during simulation runtime. Our proposition for computational models such as agent based models are complementary to traditional ones, and in some case they are unique solutions due to legal, ethical issues.

L’objet principal de cette thèse est la reconsidération du rôle de la politique monétaire dans uneéconomie caractérisée par l’hétérogénéité des agents et leur apprentissage en rationalité limitée. Ce travail sesitue dans le prolongement d’une littérature qui se développe depuis les années 1980 sur le prise en comptede l’apprentissage des agents dans l’appréciation des conséquences des politiques monétaires (Sargent (1993),Evans & Honkapohja (2001)). La thèse vise à développer cette littérature en mobilisant une modélisation entermes de systèmes complexes (voir Miller & Page (2007)) et en l’appliquant à l’analyse des régimes de ciblagede l’inflation, en mettant notamment l’accent sur le rôle de l’ancrage des anticipations d’inflation. En partantdes modèles analytiques établis dans la littérature (voir Woodford (2003b)), la thèse développe progressivementun cadre d’analyse utilisant une modélisation computationnelle à base d’agents. En explorant rigoureusementles principaux phénomènes qui émergent de ce cadre, la thèse aborde les questions de conception de politiquesmonétaires optimales et montre comment les interactions entre les mécanismes d’apprentissage et les caractéristiquesdes régimes de ciblage de l’inflation sont cruciales pour les performances de ce régime. / The main goal of this Ph.D. dissertation is to reconsider the role of monetary policy in a learningeconomy populated by boundedly rational and heterogeneous agents. This work is in the line with the growingliterature on learning and monetary policy, which has emerged since the eighties (Sargent (1993), Evans &Honkapohja (2001)). The dissertation aims at developing that literature through a complex system modelingstrategy (see Miller & Page (2007)), applying it to the analysis of inflation targeting regimes, and especiallyhighlighting the role of the anchor of inflation expectations. Starting from the analytic models available in theliterature (see Woodford (2003b)), the dissertation gradually develops a framework using agent-based modeling.While deeply exploring the emergent phenomena in that framework, the thesis raises the issue of the design ofoptimal monetary policy rules, and emphasizes how the interplay of learning mechanisms and inflation targetingregimes is crucial for the performances of that regime.

Le changement climatique continue d'affecter la dynamique des paysages forestiers à grande échelle. Cependant, il demeure incertain comment ces changements affecteront les forêts futures et en particulier les épidémies des insectes ravageurs forestiers. Le changement climatique affecte l’émergence des insectes, en perturbant notamment la synchronisation phénologique entre les insectes herbivores et leurs arbres hôtes. De telles perturbations peuvent avoir des conséquences importantes sur le moment de l’émergence, l'étendue et la gravité de l'épidémie. Cette étude vise à comprendre comment le changement climatique pourrait affecter la synchronie phénologique entre la tordeuse des bourgeons de l'épinette (Choristoneura fumiferana), un défoliateur indigène, et ses espèces hôtes (Abies balsamea et Picea mariana) et comment cela pourrait affecter l'étendue des épidémies de la tordeuse des bourgeons de l'épinette dans la région de la Côte-Nord au Québec, Canada. Nous avons exploré les effets de deux facteurs expérimentaux sur l'étendue des épidémies à l'aide d'un modèle de simulation stochastique spatialement explicite à base d’agents (MBA): (1) la température quotidienne représentée selon deux niveaux d'augmentation (+2°C et +4°C) relative à une base de référence 2016 et (2) la variation de la phénologie des arbres hôtes correspondant aux différents niveaux d'incertitude (SD) concernant le moment du débourrement des bourgeons. Nous avons évalué comment ces facteurs ont affecté la variation de l'étendue des épidémies de la tordeuse des bourgeons de l'épinette et la complexité spatiale du patch épidémique sur un horizon de simulation de 20 ans. Nos résultats de simulation indiquent que la synchronisation phénologique arbres hôtes-insectes est fortement affectée par les changements de température, mais de manière non linéaire. Une augmentation de 2°C a permis de réduire l'étendue de l'épidémie en raison de la faible survie des larves, tandis qu'une augmentation de 4°C a entraîné une survie plus élevée des insectes et des épidémies plus importantes. Notre modèle peut aider à prévoir la dynamique future des forêts et faciliter l'élaboration de meilleures stratégies de gestion pour réduire l'effet des épidémies sur les paysages forestiers. / Climate change continues to affect forest landscape dynamics at a global scale. However, it remains uncertain how these changes will affect future forests and in particular outbreaks of forest insect pests. Climate change can affect outbreaking insects by disrupting phenological synchrony between herbivorous insects and their host trees. Such disruptions can have important consequences for outbreak timing, extent, and severity. This study aims to understand how climate change could affect the phenological synchrony between the spruce budworm (Choristoneura fumiferana), a native outbreaking defoliator, and its host trees (Abies balsamea and Picea mariana), and how this might affect the extent of spruce budworm outbreaks in the Côte-Nord region in Quebec, Canada. We explored the effects of two experimental factors on outbreak extent using a spatially explicit stochastic agent-based simulation model (ABM): (1) daily temperature represented as two levels of increase (+2°C and +4 °C) relative to a 2016 baseline, and (2) variation in host phenology represented as four different levels of uncertainty (SD) around the timing of budburst. We assessed how these factors affected variation in spruce budworm outbreak extent and outbreak patch spatial complexity over a 20-year simulation horizon. Our simulation results indicate that host trees-insect phenological synchrony is strongly affected by temperature changes, but in a non-linear way. An increase of 2°C was found to reduce outbreak extent due to poor larval survival, while an increase of 4°C resulted in higher insect survival and larger outbreaks. Our model can help to forecast future forest dynamics and facilitate the development of better management strategies to reduce the effect of outbreaks on forest landscapes.