Table des matières - Gilles Daniel

16 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société.
De ce fait, le modélisateur, l’utilisateur d’un SMA, réalise un modèle en deux
temps : dans un premier temps il réalise un laboratoire virtuel qui reprend en miniature
les caractéristiques du domaine empirique objet de la simulation, ou « système cible »
[Chapitre 4]. Dans un deuxième temps, il pratique des expérimentations, déplaçant des
individus, changeant leur comportement, modifiant les conditions environnementales.
De ce fait, son modèle, sa vision du sytème cible s’élabore au fur et à mesure. Elle
n’est pas issue d’une abstraction d’un monde réel, mais d’une reconstruction, d’une recréation
d’un monde artificiel. Il élabore des hypothèses et peut les tester « in vitro »
en utilisant les mêmes types d’observation que dans le monde réel. Il peut alors lancer
des expérimentations et exploiter les données obtenues lors de ses expérimentations,
les agréger, leur appliquer des traitements statistiques afin de vérifier les hypothèses
émises. Ainsi, à la différence des approches classiques, un SMA n’est pas une boite
noire, et la simulation multi-agents ne se réduit pas à l'implémentation d'un modèle et à
l'analyse de sa réponse en fonction des paramètres d'entrées, mais participe au
processus de recherche de modèles.
D’autre part, l’une des principales qualités des modélisations multi-agents réside
dans leur capacité d'intégration et leur flexibilité. En effet, il est possible d'intégrer
dans la même modélisation des variables quantitatives, des équations différentielles et
des comportements fondés sur des règles symboliques. Il est aussi très facile d'intégrer
des modifications dans le comportement des individus, chaque enrichissement du
modèle étant réalisé par l'adjonction de règles comportementales qui agissent au
niveau de l'individu. De plus, les individus étant toujours distingués les uns des autres,
il est possible d'ajouter de nouveaux types d'agents disposant de leur propre modèle de
comportement, lesquels viennent interagir avec les agents déjà définis. Par exemple,
dans une modélisation de gestion de forêts, on peut introduire de nouvelles espèces
animales ou végétales, ou d’autres types d’exploitants de cette forêt, et analyser leurs
interactions avec les entités déjà modélisées.
Enfin, comme nous l’avons vu plus haut, du fait de la présence de cette émergence
due aux interactions, les SMA permettent de modéliser des situations complexes dont
les structures globales résultent des interactions entre individus, c'est-à-dire de faire
surgir des structures au niveau macro à partir de modélisations du niveau micro,
brisant ainsi la barrière des niveaux, si criante dans les modélisations classiques.
1.2. La notation UML
Pour qu'une modélisation soit acceptée par le milieu industriel, certaines
contraintes sont nécessaires. Il faut proposer une modélisation qui procède par une
approche incrémentale, basée sur une représentation déjà connue des industriels et
munie d'outils exploitant des méthodes déjà acceptées. Contrairement à l'objet qui
reçoit un message et appelle une méthode ou un attribut, l'agent possède une