Dans le cadre de l'environnement multi-agents AMICAL, cette thèse se propose d'étudier les problématiques liées à la conception de l'agent gestionnaire du modèle de l'apprenant (AGMA). Par gestion du modèle de l'apprenant, nous entendons à la fois la construction de ce modèle ainsi que la réponse aux interrogations des autres agents de l'environnement concernant le contenu de celui-ci. Nos problématiques sont à la fois de réfléchir à une formalisation du modèle de l'apprenant dans un domaine particulier qu'est l'apprentissage de la lecture ainsi que de proposer des mécanismes de construction de ce modèle intégrés à AGMA. Pour remplir son rôle de modélisation, AGMA va analyser le compte-rendu de la session de travail réalisée avec l'apprenant puis intégrer les nouvelles hypothèses issues de cette analyse au modèle existant. La contribution apportée par nos travaux est de deux ordres. Premièrement, nous proposons une représentation du modèle de l'apprenant sous forme de système multi-agents cognitifs où chaque agent sera en charge d'une partie du modèle. Deuxièmement, nous proposons de voir l'architecture d'AGMA comme un système multi-agents. À partir de l'analyse des différents rôles d'AGMA, nous avons dégagé une architecture modulaire : un module communication responsable de la communication entre les modules d'AGMA et le reste du système, un module analyse en charge de l'analyse des séquences de travail avec l'apprenant et un module modèle en charge de stocker et de maintenir à jour le modèle en intégrant les nouvelles hypothèses issues de l'analyse. Pour accroître la rapidité d'exécution nous avons représenté chaque module comme un système multi-agents.

Pour des tâches simples ou dans un environnement contrôlé, la coordination des di érents processus internes d'un robot est un problème relativement trivial, souvent implémenté de manière ad-hoc. Toutefois, avec le développement de robots plus complexes travaillant dans des environnements non contrôlés et dynamiques, le robot doit en permanence se reconfigurer afin de s'adapter aux conditions extérieures et à ses objectifs. La définition d'une architecture de contrôle e cace permettant de gérer ces reconfigurations devient alors primordiale pour l'autonomie de tels robots. Dans ces travaux, nous avons d'abord étudié les di érentes architectures proposées dans la littérature, dont l'analyse a permis d'identifier les grandes problématiques qu'une architecture de contrôle doit résoudre. Cette analyse nous a mené à proposer une nouvelle architecture de contrôle décentralisée, générique et réutilisable, selon une démarche qui intègre une approche "intelligence artificielle" (utilisation de raisonneur logique, propagation dynamique de contraintes) et une approche "génie logiciel" (programmation par contrats, agents). Après une présentation des concepts qui sous-tendent cette architecture et une description approfondie de son fonctionnement, nous en décrivons une implémentation, qui est exploitée pour assurer le contrôle d'un robot terrestre d'extérieur dans le cadre de tâches de navigation, d'exploration ou de suivi. Des résultats sont présentés et analysés. Dans une seconde partie, nous nous sommes penchés sur la modélisation et la vérifiabilité d'une telle architecture de contrôle. Après avoir analysé di érentes solutions, nous décrivons un modèle complet de l'architecture qui utilise la logique linéaire. Nous discutons ensuite des di érentes approches possibles pour montrer des propriétés d'atteignabilité et de sûreté de fonctionnement en exploitant ce modèle. Enfin nous abordons di érentes voies d'enrichissement de ces travaux. En particulier, nous discutons des extensions possibles pour le contrôle d'un ensemble de robots coopérants entre eux, mais aussi de la nécessité d'avoir des liens plus forts entre cette couche de contrôle, et les approches de modélisation des fonctionnalités sous-jacentes.

L'objectif de cette thèse a été de concevoir un environnement de développement pour la resolution de problèmes, s'inspirant des langages a objets et de l'intelligence artificielle distribuée. Un environnement de programmation multi-agents a été conçu dans ce cadre. Cet environnement (maps) est fonde sur la distinction de deux classes d'agents, dédiées a la modélisation et a l'exploitation des connaissances figuratives (agent ks ou knowledge server) et des connaissances opératoires (agent kp ou knowledge processor). Ces classes peuvent alors etre spécialisées a l'aide d'un langage de programmation dedie. Une première version de cet environnement nous a permis de valider ces concepts de base, par la conception d'applications, en vision par ordinateur (système kiss), en diagnostic biomédical (système kids), en compréhension de la parole et en acquisition des connaissances. Le système kiss, décrit dans cette thèse, a été conçu pour manipuler les connaissances introduites par les phases d'analyse de bas niveau, de niveau intermédiaire et de haut niveau, dans une approche de type coopération région/contour. Dans notre approche multi-agents, ces connaissances sont distribuées au sein d'agents ks et kp, formant un réseau. Plusieurs améliorations ont été envisagées pour pallier un certain nombre de faiblesses de cet environnement et le rapprocher des plates-formes de conception en intelligence artificielle distribuée. Des améliorations fonctionnelles concernent l'introduction d'un mode d'exécution parallèle. Ces améliorations ont conduit a la définition d'un nouvel environnement. Des améliorations structurelles, encore a l'étude, concernent la définition d'agents hétérogènes et une structuration en couche des agents