De nos jours, les entreprises d’ici et d’ailleurs sont confrontées à une concurrence mondiale sans cesse plus féroce. Afin de survivre et de développer des avantages concurrentiels, elles doivent s’approvisionner et vendre leurs produits sur les marchés mondiaux. Elles doivent aussi offrir simultanément à leurs clients des produits d’excellente qualité à prix concurrentiels et assortis d’un service impeccable. Ainsi, les activités d’approvisionnement, de production et de marketing ne peuvent plus être planifiées et gérées indépendamment. Dans ce contexte, les grandes entreprises manufacturières se doivent de réorganiser et reconfigurer sans cesse leur réseau logistique pour faire face aux pressions financières et environnementales ainsi qu’aux exigences de leurs clients. Tout doit être révisé et planifié de façon intégrée : sélection des fournisseurs, choix d’investissements, planification du transport et préparation d’une proposition de valeur incluant souvent produits et services au fournisseur. Au niveau stratégique, ce problème est fréquemment désigné par le vocable « design de réseau logistique ». Une approche intéressante pour résoudre ces problématiques décisionnelles complexes consiste à formuler et résoudre un modèle mathématique en nombres entiers représentant la problématique. Plusieurs modèles ont ainsi été récemment proposés pour traiter différentes catégories de décision en matière de design de réseau logistique. Cependant, ces modèles sont très complexes et difficiles à résoudre, et même les solveurs les plus performants échouent parfois à fournir une solution de qualité. Les travaux développés dans cette thèse proposent plusieurs contributions. Tout d’abord, un modèle de design de réseau logistique incorporant plusieurs innovations proposées récemment dans la littérature a été développé; celui-ci intègre les dimensions du choix des fournisseurs, la localisation, la configuration et l’assignation de mission aux installations (usines, entrepôts, etc.) de l’entreprise, la planification stratégique du transport et la sélection de politiques de marketing et d’offre de valeur au consommateur. Des innovations sont proposées au niveau de la modélisation des inventaires ainsi que de la sélection des options de transport. En deuxième lieu, une méthode de résolution distribuée inspirée du paradigme des systèmes multi-agents a été développée afin de résoudre des problèmes d’optimisation de grande taille incorporant plusieurs catégories de décisions. Cette approche, appelée CAT (pour collaborative agent teams), consiste à diviser le problème en un ensemble de sous-problèmes, et assigner chacun de ces sous-problèmes à un agent qui devra le résoudre. Par la suite, les solutions à chacun de ces sous-problèmes sont combinées par d’autres agents afin d’obtenir une solution de qualité au problème initial. Des mécanismes efficaces sont conçus pour la division du problème, pour la résolution des sous-problèmes et pour l’intégration des solutions. L’approche CAT ainsi développée est utilisée pour résoudre le problème de design de réseaux logistiques en univers certain (déterministe). Finalement, des adaptations sont proposées à CAT permettant de résoudre des problèmes de design de réseaux logistiques en univers incertain (stochastique).

La modélisation de la dynamique des piétons, des cyclistes et des conducteurs de véhicules est d'un grand intérêt théorique et pratique. Au cours des deux dernières décennies, la Recherche dans un large éventail de domaines tels que l'infographie, la physique, la robotique, les sciences sociales, la sécurité et les systèmes de formation a créé des simulations impliquant des individus de type hétérogènes. Deux grands types de simulation d'individus dans un univers virtuel peuvent généralement être distingués selon qu'elles cherchent à atteindre : un haut niveau de réalisme de comportement (simulation pour la sécurité ou les sciences sociales) ou une visualisation de haute qualité (productions de films, de jeux vidéos, d'outils de réalité virtuelle). Dans la première catégorie, les résultats de simulation sont généralement cohérents avec les observations réalisées sur la population réelle et peuvent servir de base à des études théoriques pour l'évaluation et la prévision du comportement des individus. Dans la seconde catégorie, les modèles de comportement ne sont pas la priorité et ne correspondent pas quantitativement au monde réel. Cependant, les individus sont des personnages en 3D entièrement animés et les utilisateurs de l'application peuvent avoir un degré élevé d'interaction avec les éléments de la simulation. Les recherches et les applications récentes tendent à unifier ces deux domaines, en particulier dans le domaine des systèmes de formation où les deux aspects sont nécessaires pour une formation efficace. Dans ce cadre, les systèmes multiagents sont utilisés pour modéliser les populations d'individus. Ils forment un paradigme prometteur pour la conception de logiciels complexes. En effet, ce paradigme propose de nouvelles stratégies pour analyser, concevoir et implémenter de tels systèmes. Les systèmes multiagents sont considérés comme des sociétés composées d'entités autonomes et indépendantes, appelées agents, qui interagissent en vue de résoudre un problème ou de réaliser collectivement une tâche. Les systèmes multiagents peuvent être considérés comme un outil viable pour la modélisation et la simulation de systèmes complexes, et notamment les systèmes de simulation d'individus dans un univers virtuel. Nous proposons un métamodèle organisationnel et holonique permettant de modéliser ces systèmes multiagents. L'approche organisationnelle permet de décomposer le système en unités comportementales appelées rôles. L'approche holonique permet de composer le système en un ensemble d'agents, eux-mêmes, pouvant être décomposés en un ensemble d'agents, et ainsi de suite. Ce métamodèle est utilisé comme la base de notre processus méthodologique, appelé ASPECS, qui guide les scientifiques et les experts d'un domaine dans la modélisation et la construction d'un modèle d'un SMA représentant un système complexe. Sur la base du métamodèle organisationnel et holonique, nous proposons des modèles d'environnement et de groupes d'individus constituant un système de grande échelle spatiale et avec une large population d'individus. Ces modèles sont utilisés pour la simulation d'individus et de foules dans des univers virtuels. L'une des particularités intéressantes de nos modèles est leur conception multiniveau. Nous proposons des modèles de décomposition hiérarchique dynamique pour l'environnement et pour la population. Durant le processus de simulation, il devient alors possible de sélectionner les niveaux permettant d'atteindre le meilleur compromis entre la qualité des résultats produits par la simulation et les performances de calculs pour obtenir ces résultats. Les modèles présentés dans ce mémoire ont été appliqués à la simulation de foule et de trafic dans le cadre de contrats de recherche dont certains sont abordés dans ce document : simulation du réseau urbain de bus de Belfort, simulation de foules dans un centre ville de Belfort, simulation du covoiturage dans les Flandres.