Table des matières - Gilles Daniel

142 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société.
sauf peut être pour préciser que les simulations de prise de décision économique dans
les premiers travaux pionniers d'Orcutt et ses collègues [ORC 61], ainsi que ceux de
la Graduate School of Industrial Administration de Carnegie Tech [CYE 63] n’étaient
pas vraiment basées sur des agents. Plus exactement, ces modèles ont employé une
unité d'abstraction autre que l’individu – le ménage dans les microsimulations d’Orcutt
– et ont traité chacune de ces unités de décision comme idiosyncratique.
Nous laisserons de côté ces antécédents informatiques, quelque ait été leur rôle
précurseur, et considèrerons que c’est vraiment dans les travaux de Thomas Schelling
[SCH 71], [SCH 78] que se rencontre la première approche pré-moderne de la
modélisation agent, quoi qu’en dise Philip Mirowski ([MIR 01] p. 369). Ces efforts
pré-modernes sont caractérisés par des populations d’agents qui interagissent
directement les uns avec les autres, avec une attention toute particulière accordée à la
relation entre comportement des agents et résultats agrégés. La variante véritablement
moderne des agents en tant qu'entités logicielles autonomes ne pouvait cependant
prendre forme tant que la technologie de programmation orientée-objet n’était pas
devenue aisément disponible. Il a donc fallu attendre la fin des années 80 avec
SmallTalk, ObjectiveC, puis C++, qui ont permis aux chercheurs en sciences sociales
d’utiliser systématiquement ces technologies dès le début des années 90. Je date le
début de cette ère moderne à partir de deux événements tout à fait indépendants :
(1) le travail sur les « agents adaptatifs artificiels » en économie au Santa Fe Institute
[HOL 91], puis sur le Marché Boursier Artificiel de Santa Fe [ART 97]
(2) deux livres édités par Nigel Gilbert avec Jim Doran et Rosaria Conte [GIL 94],
[GIL 95] respectivement : “Simulating Society” et “Artificial Societies”,
auxquels j’ai eu accès alors que les expériences avec Sugarscape étaient en
cours [EPS 96].
Je trouve remarquable que ces développements précurseurs aient été réalisés par
des personnes formées dans beaucoup de domaines traditionnels des sciences sociales,
comme la sociologie, les sciences économiques, les sciences politiques, la théorie des
jeux, la psychologie sociale, la finance, l'anthropologie et l'archéologie, aussi bien que
dans des domaines comportementaux correspondants comme les sciences cognitives,
en collaboration avec certaines sciences naturelles comme la physique. Les efforts de
ces précurseurs modernes ont été accomplis par des personnes qui n’étaient pas
forcément issues d’un même domaine (et n’avaient donc pas de culture particulière en
commun), mais avaient toutes une solide culture informatique : certains étaient
qualifiés en intelligence artificielle (IA) et dans des domaines dérivés, y compris
l’intelligence artificielle distribuée, d'autres non. Mais si les précurseurs avaient tous
des compétences informatiques solides, ils avaient d'autres caractéristiques en
commun, telles que le fait d’appréhender les phénomènes sociaux comme des
processus parallèles distribués et décentralisés, en opposition à la vision « top-down »
jusqu’alors dominante.