Par l'utilisation de l'approche individus-centrée, en particulier pour la modélisation de systèmes sociaux, le modélisateur est souvent confronté au sein même de son modèle, à une des complexités majeures du système réel qu'il cherche à comprendre, à savoir la relation entre comportements individuels et comportements collectifs, qui présente dans le système réel se retrouve, par cette approche, présente également dans son modèle. Dès lors il se retrouve face à un modèle dont il ne peut que difficilement comprendre le fonctionnement même s'il en connaît les règles de fonctionnement au niveau individuel. Nous proposons ici le recours à une démarche expérimentale pour la compréhension de modèles de simulation sociale individus-centrés. De manière à cerner l'objet de cette démarche, nous exposons tout d'abord un cadre formel pour l'expression de modèles individus-centrés, qui nous permettra d'englober plusieurs grands types de modèles (automates cellulaires, microsimulation, simulation multi-agents notamment). Nous présenterons ensuite les modèles individus-centrés de l'influence sociale rencontrés dans la littérature en utilisant ce formalisme comme grille de lecture pour tenter de représenter le spectre des comportements possibles que l'on peut introduire dans le modèle. Dans une deuxième partie, nous nous intéresserons à la démarche expérimentale comme accompagnement pour la compréhension du modèle. Nous présenterons tout d'abord les différents points de vue sur le modèle que peut prendre le modélisateur (individuel, collectif, population de simulations notamment) et nous argumenterons sur la nécessaire complémentarité entre ces points de vue dans le but de comprendre le fonctionnement du modèle. Nous proposerons ensuite un environnement dédié à la gestion des plans d'expérience sur des modèles de simulation destiné à accompagner l'exploration systématique de l'espace des paramètres d'un modèle. Nous présenterons enfin une méthodologie incrémentale de construction des modèles pour nous permettre d'obtenir une compréhension construite et croissante du fonctionnement de modèles complexes envisagés comme une collection de modèles de complexité croissante. Dans une dernière partie, nous mettrons en pratique les éléments abordés précédemment en présentant une série de modèles de dynamiques d'opinions dont la compréhension est enrichie en étudiant tout d'abord des modèles très simples puis en complexifiant progressivement les modèles étudiés. Nous aborderons ainsi successivement un modèle d'interaction conditionnel en population homogène, nous ferons ensuite évoluer la dynamique des agents de ce modèle, puis nous introduirons de l'hétérogénéité dans le modèle pour finir par étudier son comportement lorsque l'on introduit un réseau social.

Cette thèse porte sur la prise de décision distribuée dans des<br />systèmes multi-agents agissant sous incertitude (les colonies de<br />robots autonomes par exemple). Les processus décisionnels de Markov<br />Décentralisés décrivent un formalisme mathématique permettant de<br />modéliser et de résoudre de tels problèmes. Leur utilisation pour la<br />planification des tâches dans des applications réelles pose<br />toutefois quelques difficultés. Le modèle usuel des DEC-MDPs ne<br />permet par exemple pas la prise en compte de contraintes sur l'exécution des tâches. De plus,<br />la complexité de leur résolution est telle qu'il est difficile de déterminer une solution optimale excepté pour de <br />petits problèmes.<br /><br />Le travail que nous présentons dans cette thèse a pour premier objectif<br />d'adapter le modèle des DEC-MDPs afin de proposer une modélisation<br />adéquate du temps et des actions, et de permettre la représentation de<br />problèmes réels. Nous décrivons ainsi une nouvelle classe de<br />DEC-MDPs : les OC-DEC-MDPs (DEC-MDP avec Coût Occasionné). Dans un second temps,<br />nous nous intéressons à leur résolution. Nous proposons différents<br />algorithmes procédant à la planification des tâches de chaque agent<br />en vue d'une prise de décision décentralisée et autonome, en accord<br />avec les contraintes du problème. Afin de développer des algorithmes<br />efficaces et de traiter des problèmes de taille importante, nous recherchons une<br />approximation de la solution optimale. Nous procédons<br />également à un découpage du problème initial en un ensemble de MDPs,<br />et introduisons la notion de coût occasionné afin de tenir compte<br />des interactions entre les agents et de calculer des politiques<br />coopératives.

La Réalité Virtuelle propose un nouvel outil d'investigation des systèmes biologiques complexes : l'expérimentation in virtuo. La modélisation de tels systèmes implique nécessairement celle de la cinétique de réactions biochimiques. Dans ce contexte, nous soutenons la thèse qu'il est possible d'expérimenter in virtuo la cinétique biochimique d'un système biologique complexe par des systèmes multi-agents (SMA) ordonnancés sur la base d'itérations asynchrones et chaotiques. Cette cinétique peut être abordée selon trois échelles de modélisation : macroscopique, mésoscopique et microscopique. Ainsi, nous proposons d'abord un SMA capable de simuler cette dernière à l'échelle macroscopique. Nous proposons ensuite un SMA pour la cinétique à l'échelle microscopique. Afin d'illustrer ces modèles, nous les appliquons à l'exemple de la coagulation du sang. Le modèle macroscopique est illustré sur le test du temps de Quick, tandis que le modèle microscopique est appliqué à la réaction d'activation de la prothrombine en thrombine.

Lorsque de nombreux agents interagissent, des conflits peuvent survenir. Pour les résoudre, différentes méthodes peuvent être utilisées, comme la coordination, les systèmes de vote et la négociation. Celle qui nous intéresse dans cette thèse est la négociation à base de contrats portant sur des ressources. L'objectif de notre travail est de concevoir un modèle général de négociation que nous avons appelé GeNCA : Generic Negotiation of Contracts API. Afin de concevoir un tel modèle, nous commençons par étudier les formes de négociation les plus courantes. L'analyse de ces négociations nous permet de dégager leurs points communs et nous fournit une base pour concevoir notre modèle. Grâce à la collecte de ces points communs et à l'étude du déroulement de ces négociations, nous montrons qu'il est possible de concevoir un protocole général de négociation, paramétrable, qui offre la possibilité de formuler des contre-propositions et qui permet de décrire le déroulement d'une négociation particulière.

Si la question de l'origine du langage reste d'un abord compliqué, celle de l'origine des formes du langage semble plus susceptible de se confronter à la démarche expérimentale. Malgré leur infinie variété, d'évidentes régularités y sont présentes~: les universaux du langage. Nous les étudions par des raisonnements plus généraux sur l'émergence du langage, notamment sur la recherche de précurseurs onto- et phylogénétiques. Nous abordons trois thèmes principaux~: la situation de communication parlée, les architectures cognitives des agents et l'émergence des universaux du langage dans des sociétés d'agents. Notre première contribution est un modèle conceptuel des agents communicants en interaction, issu de notre analyse bibliographique. Nous en proposons ensuite une formalisation mathématique Bayésienne~: le modèle d'un agent est une distribution de probabilités, et la production et la perception sont des inférences bayésiennes. Cela permet la comparaison formelle des différents courants théoriques en perception et en production de la parole. Enfin, nos simulations informatiques de société d'agents identifient les conditions qui favorisent l'apparition des universaux du langage.

L'ensemble des travaux présentés relève de l'Apprentissage Artificiel, et aborde l'apprentissage supervisé, ainsi que l'aide à la découverte par la fouille de données. On se place ici dans le cas où un problème d'apprentissage passe par l'exploration d'un "Espace de Recherche", constitué de représentations formées dans un certain langage d'énoncés. La structure cachée liant "énoncés" et sous-ensembles d'"objets", représentable dans un treillis intension/extension, permet en particulier de réduire l'espace de recherche dans les problèmes d'apprentissage supervisé. Je présente ensuite une forme d'"abstraction" ordonnée faisant varier le niveau de granularité des énoncés, ou des objets considérés, et garantissant que le treillis intension/extension est ainsi lui-même réduit. Certains travaux concernant la recherche de motifs séquentiels réquents, sont également interprétés du point de vue de cette relation intension/extension. Enfin, deux "paradigmes" nouveaux en apprentissage supervisé sont présentés, l'un traitant de la notion d'ambiguïté des exemples, l'autre étendant l'apprentissage supervisé cohérent dans un cadre collectif.

Cette thèse s'est intéressée à deux domaines de l'intelligence artificielle : d'une part l'apprentissage par renforcement (A/R), et d'autre part les systèmes multi-agents (SMA). Le premier permet de concevoir des agents (entités intelligentes) en se basant sur un signal de renforcement qui récompense les décisions menant au but fixé, alors que le second concerne l'intelligence qui peut venir de l'interaction d'un groupe d'entités (dans la perspective que le tout soit plus que la somme de ses parties). Chacun de ces deux outils souffre de diverses difficultés d'emploi. Le travail que nous avons mené a permis de montrer comment chacun des deux outils peut servir à l'autre pour répondre à certains de ces problèmes. On a ainsi conçu les agents d'un SMA par A/R, et organisé l'architecture d'un agent apprenant par renforcement sous la forme d'un SMA. Ces deux outils se sont avérés très complémentaires, et notre approche globale d'une conception “progressive” a prouvé son efficacité.

Cette thèse propose des modèles multi-agents réactifs fondés sur un cadre formel pour la vérification de propriétés et les valider par la simulation et l'expérimentation en considérant la navigation multi-véhicules comme domaine d'application. La navigation multi-véhicules soulève plusieurs problématiques : perception de l'environnement, communication inter-véhicule, évitement d'obstacle, ... Dans ce contexte, nous avons abordé plus particulièrement les aspects suivants : - Concernant la navigation multi-véhicules nous avons abordé deux problèmes spécifiques : la conduite en convoi ou platooning et la navigation autonome. En ce qui concerne la navigation autonome, nous avons mis l'accent sur l'évitement d'obstacles. - Concernant l'approche proposée : nous adoptons les systèmes multi-agents réactifs, dont les interac- tions sont inspirée de la physique. Pour la conduite en convoi, nous proposons un modèle d'interaction basé sur la physique classique. En ce qui concerne l'évitement d'obstacles, nous adoptant un modèle inspiré de la physique statistique. - Nous plaçons les systèmes multi-agents réactifs dans un cadre formel pour la vérification des pro- priétés, compte-tenu des contraintes de sécurité imposées par la classe d'applications cible. Pour faire face à la complexité des modèles, nous proposons une règle et une méthode de vérification compositionnelle. Cela nous a permis de vérifier la satisfaction d'une propriété de sûreté essentielle : la non-collision entre véhicules lors de la conduite en convoi. - Nous abordons également la question de la validation du système multi-agents par la simulation et l'expérimentation : nous avons contribué au développement d'un simulateur de la conduite en convoi et la navigation autonome. Le simulateur prend en compte les caractéristiques physiques des véhicules et est couplé à un outil de visualisation 3D. Nous avons aussi expérimenté nos modèles sur des véhicules tels que le Cycab et le GEM Car.

Cette thèse concerne le contrôle coopératif de systèmes multi-agents. Ce sujet a été largement étudié dans la littérature récente en raison de son grand nombre d'applications. Cette thèse propose des nouvelles conceptions de stratégies de contrôle collaboratif afin de réaliser une mission d'exploration sous-marine. En particulier, l'objectif final est de diriger une flotte de véhicules autonomes sous-marins, équipés de capteurs appropriés, jusqu'à l'emplacement d'une source de température, de polluants ou d'eau douce. Dans cette situation, il est pertinent de considérer les contraintes de communication entre véhicules qui sont décrites au moyen d'un graphe de communication. Les premières contributions traitent du développement des lois de commande d'une formation qui stabilisent la flotte vers des formations variant dans le temps, et qui, de plus, distribuent uniformément les véhicules le long de la formation. Enfin, le problème de recherche d'une source est abordé par l'interprétation de la flottille de véhicules comme un réseau de capteurs mobiles. En particulier, il est démontré que les mesures recueillies par la flotte de véhicules permettent d'estimer le gradient de concentration de la quantité d'intérêt. En suivant cette idée, un algorithme distribué basé sur des algorithmes de consensus est proposé pour estimer la direction du gradient d'une distribution de signal.

Nous prenons le point de vue d'un agent sur le point d'entrer dans une organisation multi-agent, où il aura à choisir parmi plusieurs rôles disponibles. Notre objectif est de donner à cet agent les moyens d'évaluer avant d'entrer dans une organisation les implications que cette action aura sur ses capacités de satisfaire les désirs de son utilisateur. Quand il entre dans une organisation, un agent devient le sujet de plusieurs contraintes imposées par des entités externes (d'autres agents, l'organisation même, la société). Comme le montre cette thèse, l'autonomie sociale de décision est une caractéristique d'un agent, qui est directement liée à ces contraintes sociales. En conséquence, nous basons l'évaluation faite par un agent des contraintes qui lui sont imposées sur le concept d'autonomie. Cette approche est illustrée à l'aide d'un scénario d'intelligence ambiante qui a été implémenté et déployé sur des objets portables.