Thèse doctorat : Automatique, Traitement du signal, Génie Informatique : Nancy 1 : 2004. / Titre provenant de l'écran-titre.

Thèse de doctorat : Informatique : Nancy 1 : 2001. / Thèse : 2001NAN10123. Titre provenant de l'écran-titre.

Thèse (Ph. D.)--Université Laval, 2009. / Texte en anglais avec résumés en anglais et en français. Bibliogr.: f. 185-197. Publié aussi en version électronique dans la Collection Mémoires et thèses électroniques.

Les systèmes multi-agents appartiennent à un domaine de l'intelligence artificielle et ce sont des systèmes que l'on appréhende très différemment de l'ingénierie informatique classique. Les systèmes multi-agents interviennent là où la résolution classique des problèmes grâce à l'informatique a ses limites. Ce domaine est malheureusement peu exploité aujourd'hui compte tenu des possibilités qu'il offre dans de nombreux domaines comme les sciences sociales, sciences informatiques, sciences expérimentales ou encore l'industrie. Mais les limites des systèmes informatiques et industrielles actuels sont telles qu'il devient envisageable et même intéressant de développer des systèmes multi-agents pour répondre aux besoins croissants de nombreux domaines plus classiques, que ce soit en termes de temps, d'efficacité ou de productivité. Nous allons tout d'abord commencer par le concept d'agent, qui est l'élément fondamental pour concevoir des systèmes multi-agents. Nous verrons les divers types et catégories d'agents, ainsi que les architectures typiques qui leurs sont associés comme BDI, IDA ou CTS. Puis nous allons voir les notions concernant les systèmes multi-agents, comme la notion d'interaction qui est une des pièces maîtresses avec les agents pour concevoir un système multi-agents. Avec les interactions viennent des phénomènes d'auto-organisation, et on verra différent modèles d'organisation ainsi que plusieurs niveaux d'organisation dans les systèmes multi-agent. Enfin nous verrons différents outils, plateformes et langages adaptés à la conception de systèmes multi-agents, pour ce qui est de la structure des agents ou de l'aspect interactions et communications. Puis nous ferons quelques recommandations méthodologiques concernant le développement de systèmes multi-agents dans leur globalité. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : agent, système multi-agents, systèmes adaptatifs, organisation émergente, cycle cognitif, intelligence artificielle distribuée.

Les recherches scientifiques sur la pile à combustible échangeuse de protons (PEMFC) ont, jusqu'il y a peu, concerné presque exclusivement les aspects fondamentaux liés à l'électrochimie, particulièrement la conception, le dimensionnement, les performances et le diagnostic. Récemment, les objectifs de durée de vie ont ouvert un nouvel axe de recherche sur le comportement mécanique de la PEMFC devant conduire à son optimisation statique et dynamique. Parallèlement les installations vibroclimatiques de la plateforme d'essais " Systèmes Pile à Combustible " de Belfort ont été développées. La thèse de Vicky ROUSS soutenue en 2008 montre l'intérêt et le potentiel de la modélisation type " boîte noire " pour simuler le comportement mécanique de la PEMFC, et de la technique des signatures mécaniques expérimentales pour mettre en évidence la présence des phénomènes physiques à l'intérieur de la PEMFC. Dans ce contexte les travaux de la présente thèse ont concerné le pilotage des essais de durabilité par simulation boîte noire temps réel et l'exploitation de cette dernière en vue de la découverte des phénomènes physiques à l'intérieur de la PEMFC. La modélisation par réseaux de neurones des systèmes simples de type oscillateur harmonique a représenté le premier pas pour la définition d'un modèle neuronal de pilotage des essais de durabilité en temps réel. Le cas du système mécanique excité par la base qui correspond à une pile à combustible fixée sur la plateforme vibratoire, a été considéré. L'architecture neuronale optimale a été définie en plusieurs étapes en utilisant différents algorithmes. Elle utilise en entrée le signal de commande du système et la réponse mesurée sur la pile à combustible au moment t et en sortie on obtient la réponse prédite du comportement de la pile à combustible au moment t+1. Cette architecture a été mise au point et validée par des essais sur la plateforme. D'autres essais ont permis de mettre en évidence différents comportements de la pile à combustible en fonction de l'amplitude de sollicitation, de la pression et de la température de la pile à combustible. Les signatures mécaniques obtenues réalisées à partir des essais de durabilité complètent la bibliothèque de signatures déjà existante et mettent en évidence de nouveaux comportements de la pile à combustible.

La régulation du trafic dans un carrefour à feux concerne en général deux objectifs distincts: la fluidification ou la résorption de congestion. Dans le premier cas, on évite de se retrouver dans une situation de trafic très dense en essayant d'ajuster les durées de commutations des feux en fonction de la demande d'affluence au carrefour: c'est une action a priori. Dans le second cas, on est confronté à un trafic saturé (état de congestion). Dans ce cas, il faudra agir a posteriori.Dans ce travail, nous nous intéressons essentiellement à un travail en amont (action a priori) permettant d'éviter la congestion en forçant les files d'attente à ne pas dépasser le niveau du trafic correspondant à l'optimum opérationnel des lignes. Plus précisément, après avoir modélisé le système, nous proposons une commande par retour d'état basée sur le concept d'invariance positive des ensembles et permettant d'atteindre l'objectif. Deux approches sont utilisées: La première fait appel aux inégalités matricielles Linéaires (LMI). La deuxième approche utilise le concept de la (A-B)-invariance issu de la généralisation du théorème de Farkas. Ensuite, nous enrichissons ces deux approches par la technique des réseaux de neurones pour estimer les flux d'entrée au carrefour afin de garantir la faisabilité en temps réel de la commande proposée. Enfin, les résultats de ces travaux sont appliqués sur un carrefour réel du boulevard Anatole France afin de montrer leur intérêt.

Cette thèse illustre le rôle que l'Ingénierie Ontologique (IO) peut jouer dans les Environnements Informatiques pour l'Apprentissage Humain (EIAH). Même si ce rôle touche à la fois la conception et la diffusion de l'apprentissage, nous nous attardons sur son rôle dans la conception. Nous montrons alors comment il vise à combler un manque, celui de l'assistance aux concepteurs. Notre but est donc de faire la preuve de la contribution possible de l'IO dans l'ingénierie des EIAH, et pour illustrer cette preuve, nous prenons l'assistance aux concepteurs pédagogiques comme exemple de situation où l'IO est utile. Nous abordons le problème, en le posant de la façon suivante: Comment assister les concepteurs pédagogiques dans leur tâche parfois complexe de design pédagogique (DP), alors que les systèmes auteurs ne leur offrent pas l'assistance nécessaire pour concevoir des scénarios sémantiquement corrects, c'est-à-dire des scénarios valides du point de vue des Théories et Paradigmes d'Apprentissage, d'Enseignement et de Design pédagogique (TPAED), ni le moyen de procéder à une telle validation sémantique? Nous montrons que la cause principale de ce manque dans les systèmes auteurs (incluant les systèmes orientés pédagogie, orientés performance, hypermédias, adaptatifs et collaboratifs et Web, pour n'en nommer que quelques-uns) est leur faible représentation explicite du DP et des TPAED dans leur modèle pédagogique. Nous privilégions une approche d'IO basée sur le Web sémantique afin de profiter des technologies bien établies et standardisées qui en découlent, à savoir les langages Web basés sur la syntaxe XML, les services Web et les annotations sémantiques. Pour mettre en oeuvre notre thèse, nous proposons la conception d'un système d'aide permettant d'apporter au concepteur pédagogique l'assistance dont il a besoin lors de l'utilisation de tout système auteur. Nous nommons ce système CIAO, ce qui signifie qu'il s'agit d'un système d'aide à la Conception Intelligemment Assistée par des Ontologies. CIAO exploite une ontologie formalisant les TPAED, dont nous assurons la construction selon une approche d'IO que nous proposons. Les services offerts au concepteur sont assurés grâce à des règles de validation syntaxique et sémantique que nous avons créées et intégrées à CIAO. Quelle que soit la situation dans laquelle l'IO est utilisée, il s'agit d'un processus complexe qu'il faut avant tout développer de façon méthodologique. Cette thèse apporte aussi une solution sur cet aspect méthodologique de l'IO, puisque nous proposons une Méthode Intégrée d'IO appelée, MI2O. Cette méthode est dite intégrée parce qu'elle tient compte des points forts des principales méthodes d'IO et du standard du génie logiciel IEEE 1074-1995 (l'ontologie étant considérée comme un produit du génie logiciel). Notre contribution peut se résumer ainsi: (1) La méthode MI2O, utilisée pour construire l'Ontologie des Théories et Paradigmes d'Apprentissage, d'Enseignement et de Design pédagogique ou OTPAED ; (2) L'OTPAED, une contribution originale pouvant être exploitée par tous les systèmes auteurs d'EIAH ; (3) Le système CIAO, un système réactif d'assistance en design pédagogique qui donne, entre autres, du conseil pour la conception des scénarios pédagogiques syntaxiquement/sémantiquement valides selon une théorie déterminée. Ainsi, il offre une validation flexible de scénarios selon les standards du DP (par ex. IMS Learning Design) et selon les TPAED. Le prototype que nous avons développé tend à montrer le potentiel de l'IO en contexte de DP en illustrant (à travers plusieurs scénarios d'utilisation de CIAO) comment des ontologies peuvent être exploitées pour assister le concepteur pédagogique; (4) Les règles de validation syntaxiques et sémantiques de CIAO. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Environnement interactif pour l'apprentissage humain, Ingénierie ontologique, Intelligence artificielle dans l'éducation, Méthodologie, Ontologie, Représentation des connaissances, Système auteur, Système tutoriel intelligent, Théories et paradigmes de l'apprentissage, de l'enseignement et du design pédagogique.

Les techniques de reconnaissance et de synthèse vocale deviennent de plus en plus performantes et robustes, ce qui facilite la création des applications de dialogue oral humain-machine. Ce sont des applications à partir desquelles la machine dialogue oralement avec l'humain en imitant l'acte de communication des humains. Cependant, le dialogue entre l'humain et la machine manque encore de naturel, de souplesse et est parfois même agaçant. Alors que les recherches se sont orientées vers l'aspect acoustique et sémantique du signal de la parole, d'autres se sont positionnées au niveau de l'apprentissage de la machine. Cette technique consiste à lui apprendre une stratégie du dialogue. La stratégie optimale du dialogue permet à l'humain et à la machine de communiquer de manière efficace. La question qui se pose en informatique cognitive est de savoir comment une machine peut apprendre des séquences de comportements, en l'occurrence, des énoncés du langage naturel qui, lorsque confrontées à une séquence effective, doivent être aptes à interagir avec celui qui a ces comportements (humains)? . Plus généralement, l'un des domaines importants de recherche en informatique cognitive est celui de la représentation des connaissances qu'il faut construire pour permettre à la machine d'effectuer une tâche de type intelligence artificielle. Pour ce faire, il existe plusieurs approches. Quelle que soit celle retenue, il faut d'abord savoir quelle est sa représentation, ensuite, savoir comment transférer ces connaissances à la machine pour qu'elle puisse apprendre afin d'améliorer sa performance. Ce transfert relève de trois aspects fondamentaux de notre thèse : représentation des connaissances, acquisition des connaissances et recherche d'information. Notre recherche ne vise cependant pas des réponses abstraites. Elle les explore directement dans un domaine spécifique où ces connaissances sont éminemment requises et doivent être apprises: le dialogue oral humain-machine qui se réalise dans un système de dialogue oral humain-machine. Dans ce système, nous nous concentrerons sur l'aspect stratégique du dialogue considéré comme étant important pour contrôler les interactions orales entre l'humain et la machine [ENG05], [HEN05], [LEV00], [PIE04], [SCH05], [SCH06], [SCH99]. Une stratégie optimale du dialogue permet à la machine de contrôler efficacement ces interactions orales. Nos hypothèses de solutions à appliquer dans le domaine du dialogue sont: 1-La connaissance que représente la stratégie du dialogue peut être vue comme un processus dynamique qui est composé de séquences d'actions. Il traduit un comportement stochastique, dynamique et coopératif avec lequel deux interlocuteurs s'engagent dans un dialogue. Ce processus peut être décrit comme le processus de décision de Markov (état, action, transition, récompense). 2-Pour transférer cette connaissance de l'humain à la machine, nous proposerons une approche d'apprentissage par renforcement avec l'aide d'un utilisateur simulé (Pietquin et Beaufort, 2005 ; J. Schatzmann et al., 2006). Cette approche permet à la machine d'acquérir les connaissances des stratégies optimales du dialogue. 3-Cette stratégie optimale est le résultat, non seulement de la formalisation des connaissances et de l'apprentissage, mais est aussi obtenue grâce à la recherche d'information qui se manifeste à travers un mécanisme de transition entre les états qu'offre le modèle de Markov. Nous démontrerons la faisabilité de notre approche par la réalisation d'un prototype qui met en évidence le processus d'apprentissage proposé. Le dialogue issu de cet apprentissage sera simulé oralement par une interface Windows programmé en Visual Studio C++/.Net dans le laboratoire de R&D de Nuance Communications, Inc. Ainsi, nous démontrerons qu'un système avec une stratégie apprise, modélisée selon nos hypothèses de représentation et d'acquisition des connaissances sera meilleur qu'un système sans stratégie apprise grâce à cette approche. ______________________________________________________________________________ MOTS-CLÉS DE L'AUTEUR: représentation des connaissances, acquisition des connaissances, recherche d'information, contrôle des interactions, intelligence artificielle, processus de décision de Markov, apprentissage machine par renforcement, stratégie du dialogue, système de dialogue oral humain-machine, utilisateur simulé.

Thèse diffusée initialement dans le cadre d'un projet pilote des Presses de l'Université de Montréal/Centre d'édition numérique UdeM (1997-2008) avec l'autorisation de l'auteur.

Le sujet de Thèse de ce doctorat consiste en l'élaboration de méthodes pour la planification dans les domaines avec aspects continus, discrets et stochastiques. Cette classe de problème, bien qu'assez générale, ne comporte pas pour l'instant de solution efficace et est souvent traitée de façon discrète plutôt que continue afin d'y appliquer les approches existantes. L'aspect stochastique apporte une difficulté supplémentaire à la recherche d'un plan optimal, et rend le problème d'autant plus intéressant. L'ensemble des approches et méthodes proposées dans cette Thèse sont avant tout appliquées au jeu du billard, tout en gardant dans l'esprit qu'une généralisation permettrait son application à d'autres problèmes similaires. En un premier lieu, une classification de ce type de problème par rapport aux recherches existantes sera effectuée, suivie d'une courte revue des approches actuelles possiblement applicables pour la recherche d'une solution acceptable. Un modèle général développé dans le contexte du jeu du billard sera présenté, ainsi que quelques indices sur la façon de le résoudre à l'aide de la programmation dynamique. Deuxièmement, un modèle pour une approche à deux-couches sera proposé, utilisant un contrôleur robuste profitant de la finesse qui peut être exploitée des techniques d'optimisation non-linéaire. Finalement, le modèle à deux-couches sera raffiné et quelques heuristiques de planifications seront proposée, afin de guider le contrôleur de façon à déterminer un plan efficace. On terminera à l'aide d'une synThèse des résultats et une discussion sur les perspectives futures.