Table des matières
INTRODUCTION
1.1 PRESENTATION DE LA PROBLEMATIQUE
1.1.1 La validation des modèles multi-agents
1.1.2 La fiabilité des modèles multi-agents
1.1.3 La réplication et la lisibilité des modèles multi-agents
1.2 LA GESTION DES RESSOURCES RENOUVELABLES
1.2.1 La gestion des ressources renouvelables nécessite une approche transdisciplinaire
1.2.2 Le développement durable
1.2.3 Une posture originale pour appuyer le développement durable
1.2.4 Intégrer les connaissances pour accompagner la décision
1.3 OBJECTIF DE LA THESE
1.4 ORGANISATION DU DOCUMENT
PREMIERE PARTIE : ROLE, EVALUATION ET USAGES DE LA MODELISATION MULTI-AGENT POUR L’AIDE A LA GESTION DES RESSOURCES RENOUVELABLES
CHAPITRE 1 QUE SIGNIFIE LA VALIDATION D’UN MODELE ?
1.1 DEFINITIONS DE VALIDATION ET SES SOUS-ENTENDUS
1.2 QUE PROUVE UN BON AJUSTEMENT A DES DONNEES ?
1.3 LA QUESTION DE LA PREUVE ET DE LA VERITE
1.3.1 La vérité du rat superstitieux
1.3.2 Petit détour du côté de l’épistémologie
1.4 DISCUSSION : EVALUATION DES MODELES
1.4.1 Pas de validation définitive
1.4.2 Modèles Ad Hoc
1.4.3 La valeur informative du modèle
1.4.4 La confirmation d’anticipation
1.4.5 Alignement de modèles
1.5 CONCLUSION DU CHAPITRE
CHAPITRE 2 POURQUOI MODELISER ?
2.1 ROLE ET STATUT DES MODELES
2.1.1 Modèles prédictifs et modèles explicatifs
2.1.2 L’origine étymologique de « modèle » possède deux significations
2.2 MODELISER POUR IMITER ?
2.3 MODELISER POUR PREDIRE ?
2.3.1 Déterminisme et sciences prédictives
2.3.2 Déterminisme et hasard : théorie du chaos déterministe
2.3.3 Démarches prospectives pour découvrir le champ des possibles
2.4 MODELISER POUR GENERER DES SCENARIOS PROSPECTIFS
2.5 MODELISER POUR COMPRENDRE : UN MODELE JOUE LE ROLE DE FILTRE DISCRIMINANT
2.5.1 Le modèle, filtre discriminant pour résumer la réalité en une photo plus explicite
2.5.2 Un filtre discriminant selon les points de vue
2.6 DU FILTRE PASSIF A L’AFFIRMATION D’UN REGARD CONSTRUIT
2.7 MODELISER POUR APPRENDRE
2.7.1 Nous pensons par modèles
2.7.2 La modélisation est un processus itératif d’apprentissage
2.8 LE QUESTIONNEMENT, POINT D’ENTREE DE LA MODELISATION
2.8.1 Le modèle scientifique repose sur une question
2.8.2 La modélisation a pour rôle de proposer des questions
2.9 CONCLUSION DU CHAPITRE
2.9.1 Un modèle n’est pas neutre
2.9.2 La modélisation commence par des questions
2.9.3 Générer des scénarios pour anticiper des futurs possibles
CHAPITRE 3 LES AVANTAGES DE LA MODELISATION MULTI-AGENT
3.1 LES GRANDES CATEGORIES DE MODELES DE SIMULATION
3.1.1 Modèles mathématiques et prise en compte des interactions
3.1.2 Modèles multi-agents et modèles individus-centrés
3.2 DEFINITIONS DES AGENTS ET DES SYSTEMES MULTI-AGENTS
3.3 SMA ET ORGANISATION
3.4 LES RELATIONS ENTRE LES NOTIONS D’AGENT ET D’OBJET
3.5 LES SMA SONT PARTICULIEREMENT ADAPTES A L’AIDE A LA GESTION DES RESSOURCES RENOUVELABLES
3.5.1 Aborder la complexité par une démarche de modélisation systémique
3.5.2 Importance de l’espace et des interactions en écologie
3.5.3 Coupler les dynamiques naturelles et les dynamiques sociales pour la gestion des ressources renouvelables
3.6 COMMOD : LA MODELISATION COMME OBJET DE MEDIATION
3.6.1 De l’aide à la décision pour piloter un système
3.6.2 … à l’accompagnement du processus de décision
3.6.3 Générer des scénarios exploratoires par simulation interactive
3.7 CONCLUSION DU CHAPITRE
CHAPITRE 4 LE STATUT DE LA SIMULATION ET SES CONSEQUENCES POUR LA « VALIDATION » DES SYSTEMES MULTI-AGENTS
4.1 DISTINGUER « MODELE » ET « SIMULATION
4.2 LA SIMULATION REVELE L’IMPORTANCE DU TEMPS
4.2.1 Prise en compte progressive du temps dans les modèles
4.2.2 Distribution des interactions au cours du temps
4.3 LA SIMULATION REVELE LA COMPLEXITE
4.3.1 La complexité selon Von Neumann
4.3.2 ECEC : un exemple de modèle simple et de résultats non triviaux
4.4 LA SIMULATION : UNE EXPERIENCE INCOMPRESSIBLE
4.4.1 Une expérience sans raccourci…
4.4.2 … qui ne peut se démontrer
4.5 LA SIMULATION ET LA NOTION D’EMERGENCE
4.5.1 Préambule
4.5.2 Une notion délicate qui lie un phénomène global à des comportements individuels
4.5.3 Surprise et observateur
4.5.4 Définition édifiante de l’émergence
4.5.5 Emergence faible – émergence forte
4.5.6 Auto-organisation et autonomie
DISCUSSION : LA SIMULATION ET SES CONSEQUENCES POUR LA « VALIDATION » DES SYSTEMES MULTIAGENTS
4.6.1 Importance de distinguer « modèle », « simulation » et « simulateur »
4.6.2 Vérification et « validation” : « Building the model right » et « Building the right model »
4.6.3 Fiabilité du simulateur
4.6.4 Réplication et alignement de modèles
4.6.5 La lisibilité des modèles multi-agents
4.6.6 Traçabilité et robustesse du modèle
4.6.7 Autonomie et modèle Ad Hoc
4.7 CONCLUSION DU CHAPITRE
DEUXIEME PARTIE : LES ARTEFACTS LIES A LA GESTION DU TEMPS ET DES INTERACTIONS
CHAPITRE 5 GESTION DU TEMPS DANS LES SIMULATIONS
5.1 LES TEMPS
5.2 TEMPS DISCRET ET TEMPS CONTINU DES MODELES MATHEMATIQUES
5.2.1 Modèles à temps continu
5.2.2 Exemple de modèle à temps continu : le modèle de Verhulst
5.2.3 Modèles à temps discret : Systèmes dynamiques discrets
5.2.4 Exemple de modèle à temps discret : équation logistique discrète
5.2.5 Alors… discret ou continue ?
5.3 LES POLITIQUES DE GESTION DU TEMPS DES SMA
5.3.1 Les modèles à événements discrets : simulation dirigée par les événements
5.3.2 Les modèles à pas de temps : simulation dirigée par l’horloge
5.3.3 Biais liés à la séquentialisation du temps
5.3.4 Alors… gestion événementielle ou par horloge ?
5.3.5 Résolution de conflit : aucune politique de gestion n’y échappe
5.3.6 Les plates-formes multiprocesseurs ne constituent pas une solution
5.3.7 Problème de simultanéité ou problème d’interaction ?
5.3.8 Un exemple : le pompier incompétent
5.4 CONCLUSION DU CHAPITRE
CHAPITRE 6 LA NOTION D’AUTONOMIE
6.1 QUELLES AUTONOMIES ?
6.1.1 Autonomie biologique et sociale
6.1.2 Autonomie informatique
6.2 AUTONOMIE FORTE : PROTEGER L’INTEGRITE INFORMATIQUE DE L’AGENT
6.2.1 Action de l’agent : manipulation directe de l’environnement
6.2.2 Principe « Influences–Réaction » : séparer le geste et le résultat du geste
6.2.3 Principe « Influences–Réaction » renforcé : séparer le corps et l’esprit
6.2.4 Réification des interactions : le modèle MIC* {Mouvement Interaction Calcul}*
6.3 CONCLUSION DU CHAPITRE
CHAPITRE 7 GESTION DES INTERACTIONS APPLIQUEE AUX MODELES DES RESSOURCES RENOUVELABLES
7.1 QUELLES INTERACTIONS ?
7.1.1 Actions simultanées
7.1.2 Interactions Co-X
7.1.3 Actes de langages
7.1.4 Protocoles d’interaction
7.2 INTERACTION FORTE – INTERACTION FAIBLE
7.2.1 Modèle de reproduction croisée : interaction forte
7.2.2 Modèle de consommation d’une ressource commune : interaction faible
7.2.3 Modèle sans interaction
7.3 DISCUSSION
7.4 CONCLUSION
TROISEME PARTIE : AMELIORER LA FIABILITE ET LA LISIBILITE DES MODELES MULTIAGENTS
CHAPITRE 8 EXPLORATION DES MODELES
8.1 ANALYSE DE LA STRUCTURE : VERIFIER LA COHERENCE DES COMPORTEMENTS INDIVIDUELS
8.2 ANALYSE DE SENSIBILITE
8.2.1 Choix des indicateurs (sondes
8.2.2 Enquête sur un modèle
8.2.3 Sensibilité locale
8.2.4 Sensibilité globale
8.3 ANALYSE DES CONFIGURATIONS INITIALES
8.3.1 Niveau initial d’énergie des plantes du modèle ECEC
8.3.2 Fragmentation de l’espace
8.4 DISCUSSION
8.4.1 Vérifier, comprendre et simplifier
8.4.2 Sensibilité et robustesse
8.4.3 Importance des configurations initiales
8.5 CONCLUSION DU CHAPITRE
CHAPITRE 9 DECRIRE POUR PERMETTRE LA CRITIQUE ET LA REPLICATION
9.1 LA REPLICATION : UNE NECESSITE POUR TOUTE DEMARCHE SCIENTIFIQUE
9.1.1 Pourquoi répliquer ?
9.1.2 Répliquer des résultats de simulations à partir de spécifications
9.1.3 Exemple : [Rouchier, 2003] à partir des spécifications de [Duffy, 2001]
9.1.4 Exemple : [Rand & Wilensky, 2006] à partir des spécifications de [Axelrod & Hammond, 2003]
9.1.5 Exemple : [Edmonds & Hales, 2003] à partir des spécifications de [Riolo et al. , 2001]
9.1.6 Qualité du générateur de nombres pseudo-aléatoires
9.1.7 Problème récurrent de la gestion du temps et des interactions
9.2 ATTENTION PARTICULIERE DANS LA DESCRIPTION DES MODELES
9.2.1 Une nouvelle phase dans le cycle de la modélisation
9.2.2 Protocole ODD
9.2.3 UML
9.3 CONCLUSION : PENSER PAR DIAGRAMME
CHAPITRE 10 CONCLUSION : DES MODELES SIMPLES, FIABLES, EXPLICITES ET REPRODUCTIBLES POUR RETROUVER LA COMPLEXITE
10.1 FAIBLESSES DES MODELES MULTI-AGENTS
10.1.1 Un SMA révèle des propriétés non prouvables
10.1.2 Boite noire
10.1.3 Gestion délicate du temps et des interactions
10.1.4 « The ghost in the model »
10.1.5 Passage par le codage
10.1.6 Complexification sans fin
10.2 KISS OU KIDS ?
10.2.1 Préambule : l’efficacité n’implique pas la complexité
10.2.2 KIDS
10.2.3 KISS
10.2.4 Discussion
10.2.5 Modèles géographiques : modèles-cathédrales ou modèles-Kleenex ?
10.3 DU MODELE DESCRIPTIF AU MODELE ADAPTATIF EN CIBLANT LA QUESTION DE RECHERCHE
10.4 CONCLUSION GENERALE
CHAPITRE 11 APPLICATION DE LA METHODOLOGIE : EXEMPLE DU MODELE TRANSAMAZON
11.1 LE CONTEXTE AMAZONIEN
11.2 LOCALISATION DU SITE D’ETUDE
11.3 OBJECTIFS DU MODELE
11.3.1 La question de recherche, point d’entrée de la modélisation {chap. 2}
11.3.2 Autres modèles et avantages de la modélisation multi-agent {chap. 3}
11.4 DESCRIPTION DU MODELE : OUVRIR LA BOITE NOIRE {CHAP. 9
11.4.1 Délimitations
11.4.2 Description de la structure
11.4.3 Description des dynamiques
11.5 GESTION DU TEMPS, DE L’AUTONOMIE ET DES INTERACTIONS {PARTIE 2)
11.5.1 Un modèle sans difficultés pour l’activation des entités {chap. 6}
11.5.2 Simplification des interactions : échanges de lots par la technique du commissaire-priseur {chap. 7}
11.5.3 Pas de protection particulière de l’autonomie {chap. 6}
11.6 PREMIERS RESULTATS
11.6.1 Le simulateur
11.6.2 Exemple d’une simulation
11.6.3 Analyse de sensibilité {chap. 8}
11.6.4 Réplication
11.7 DISCUSSION
11.8 PERSPECTIVES
CONCLUSION
BIBLIOGRAPHIE
ANNEXES
1 EXEMPLE DE MODELE MATHEMATIQUE : LE MODELE DE VOLTERRA
2 MODELE D’INTERACTION INDIRECTE : CONSOMMATION D’UNE RESSOURCE COMMUNE
3 LE MODELE ECEC : EVOLUTION DE LA COOPERATION DANS UN CONTEXTE ECOLOGIQUE
4 DESCRIPTIONS SUPPLEMENTAIRES DU MODELE TRANSAMAZON
