Le concept de chaîne logistique numérique regroupe l'ensemble des modèles, méthodes et outils qui permettent de planifier les décisions sur des prototypes numériques de chaîne logistique. Dans ce travail de thèse, nous proposons deux contributions à la chaîne logistique numérique. Nos résultats se destinent en particulier aux réseaux de Petites et Moyennes Entreprises/Industries. D'une part, nous étudions deux nouveaux problèmes liés à la conception de réseaux logistiques en circuits courts et de proximité pour les produits agricoles frais. Pour chacun d'eux nous proposons une formulation en Programme Linéaire à Variables Mixtes. De plus des méthodes de résolution fondées sur des décompositions du modèle nous permettent de résoudre des instances de grande taille. Pour chaque problème, cette approche est mise en œuvre sur une étude de cas menée avec plusieurs collectivités territoriales. D'autre part, nous étudions le problème de planification tactique des activités de production, de transport et de stockage. Contrairement aux approches classiques centralisées, nous considérons que les décisions des différents acteurs sont prises de manière décentralisée. Nous étudions la manière de décomposer les décisions entre les acteurs ainsi que leurs comportements individuels. Nous analysons aussi des protocoles de concertation basés sur un échange limité d'informations. Afin de répondre à la double complexité du problème, nous proposons un outil innovant qui couple une simulation à base de multi-agents à des approches d'optimisation par programmation mathématique.

Le concept de chaîne logistique numérique regroupe l'ensemble des modèles, méthodes et outils qui permettent de planifier les décisions sur des prototypes numériques de chaîne logistique. Dans ce travail de thèse, nous proposons deux contributions à la chaîne logistique numérique. Nos résultats se destinent en particulier aux réseaux de Petites et Moyennes Entreprises/Industries. D'une part, nous étudions deux nouveaux problèmes liés à la conception de réseaux logistiques en circuits courts et de proximité pour les produits agricoles frais. Pour chacun d'eux nous proposons une formulation en Programme Linéaire à Variables Mixtes. De plus des méthodes de résolution fondées sur des décompositions du modèle nous permettent de résoudre des instances de grande taille. Pour chaque problème, cette approche est mise en œuvre sur une étude de cas menée avec plusieurs collectivités territoriales. D'autre part, nous étudions le problème de planification tactique des activités de production, de transport et de stockage. Contrairement aux approches classiques centralisées, nous considérons que les décisions des différents acteurs sont prises de manière décentralisée. Nous étudions la manière de décomposer les décisions entre les acteurs ainsi que leurs comportements individuels. Nous analysons aussi des protocoles de concertation basés sur un échange limité d'informations. Afin de répondre à la double complexité du problème, nous proposons un outil innovant qui couple une simulation à base de multi-agents à des approches d'optimisation par programmation mathématique. / The concept of digital supply chain gathers models, methods and tools to plan decisions on digital prototypes of supply chains. This doctoral dissertation proposes two contributions to digital supply chain. Mainly, our results address small and medium enterprises/industries. Firstly, we study two new problems related to service network design for short and local fresh food supply chains. For each of them we propose a Mixed Integer Linear Programming formulation. Decomposition-based methods are implemented in order to solve large scale instances. For each problem this approach is applied on a case study conducted with several local institutions. Secondly, we address the tactical supply chain planning problem: how to plan production, transportation and storage activities. As opposed to the classic centralized version, the decision making process is considered decentralized. We study how to decompose the decisions between actors as well as their individual behaviour. We also analyze negotiation processes based on limited information sharing. In order to address the double complexity of the problem, we propose an innovative tool coupling a multi-agent based simulation approach with optimization approaches based on mathematical programming.

L’interaction homme-robot est un domaine qui en est encore à ses balbutiements.Les développements se sont avant tout concentrés sur l’autonomie et l’intelligence artificielle et doter les robots de capacités avancées pour exécuter des tâches complexes. Dans un proche avenir, les robots développeront probablement la capacité de s’adapter et d’apprendre de leur environnement. Les robots ont confiance, ne s’ennuient pas et peuvent fonctionner dans des environnements hostiles et dynamiques - tous des attributs souhaités à l’exploration spatiale et aux situations d’urgence ou militaires. Ils réduisent également les coûts de mission, augmentent la flexibilité de conception et maximisent la production de données. Cependant, lorsqu’ils sont confrontés à de nouveaux scénarios et à des événements inattendus, les robots sont moins performants par rapport aux êtres humains intuitifs et créatifs (mais aussi faillibles et biaisés). L’avenir exigera que les concepteurs de mission équilibrent intelligemment la souplesse et l’ingéniosité des humains avec des systèmes robotiques robustes et sophistiqués. Ce travail de recherche propose un cadre formel, basé sur la théorie de jeux, pour une équipe de drones qui doit coordonner leurs actions entre eux et fournir à l’opérateur humain des données suffisantes pour prendre des décisions « difficiles » qui maximisent l’efficacité de la mission, selon certaines directives opérationnelles. Notre première contribution a consisté à présenter un cadre décentralisé et une fonction d’utilité pour une mission de patrouille avec une équipe de drones. Ensuite, nous avons considéré l’effet de cadrage, ou « framing effect » en anglais, dans le contexte de notre étude,afin de mieux comprendre et modéliser à terme certains processus décisionnels sous incertitude.Ainsi, nous avons réalisé deux expérimentations avec 20 et 12 participants respectivement. Nos résultats ont révélé que la façon dont le problème a été présenté (effet de cadrage positif ou négatif), l’engagement émotionnel et les couleurs du texte ont affecté statistiquement les choix des opérateurs humains. Les données expérimentales nous ont permis de développer un modèle d’utilité pour l’opérateur humain que nous cherchons à intégrer dans la boucle décisionnelle du système homme-robots. Enfin, nous formalisons et évaluons l’ensemble du cadre proposé où nous "fermons la boucle" à travers une expérimentation en ligne avec 101 participants. Nos résultats suggèrent que notre approche permet d’optimiser le système homme-robots dans un contexte où des décisions doivent être prises dans un environnement incertain. / Human-robot interaction is a field that is still in its infancy. Developments havefocused on autonomy and artificial intelligence, and provide robots with advanced capabilitiesto perform complex tasks. In the near future, robots will likely develop the ability to adapt andlearn from their surroundings. Robots have reliance, do not get bored and can operate in hostileand dynamics environments - all attributes well suited for space exploration, and emergency ormilitary situations. They also reduce mission costs, increase design flexibility, and maximizedata production. However, when coped with new scenarios and unexpected events, robots palein comparison with intuitive and creative human beings. The future will require that missiondesigners balance intelligently the flexibility and ingenuity of humans with robust and sophisticatedrobotic systems. This research work proposes a game-theoretic framework for a drone teamthat must coordinate their actions among them and provide the human operator sufficient datato make “hard” decisions that maximize the mission efficiency, according with some operationalguidelines. Our first contribution was to present a decentralized framework and utility functionfor a drone-team patrolling mission. Then, we considered the framing effect in the context of ourstudy, in order to better understand and model certain human decision-making processes underuncertainty. Hence, two experiments were conducted with 20 and 12 participants respectively.Our findings revealed that the way the problem was presented (positive or negative framing), theemotional commitment and the text colors statistically affected the choices made by the humanoperators. The experimental data allowed us to develop a utility model for the human operatorthat we sought to integrate into the decision-making loop of the human-robot system. Finally,we formalized and evaluated the close-loop of the whole proposed framework with a last onlineexperiment with 101 participants. Our results suggest that our approach allow us to optimize thehuman-robot system in a context where decisions must be made in an uncertain environment.