Table des matières - Gilles Daniel

232 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société.
(physiques ou biologiques), qu’à des populations humaines. De nombreux modèles
« individus centrés » ou à agents « hétérogènes » restent d’ailleurs à ce niveau
d’abstraction où les fonctions cognitives, conatives et perceptives décrites par
Jacques Ferber [Chapitre 1] sont si peu développées que les agents peuvent être
représentés sans problème par des automates élémentaires.
L’objet de cette partie est précisément de mettre l’accent sur les résultats que
l’on peut obtenir à ce niveau, où les agents et leurs réseaux sociaux peuvent être
modélisés par des réseaux d’automates, et où ces derniers sont suffisants pour
expliquer les phénomènes, comme dans le cas du modèle de Schelling. Le chapitre 10,
consacré à la modélisation des choix discrets avec dépendance sociale, discute
brièvement de quelques structures résiliaires simples, du réseau régulier de faible
dimension au réseau aléatoire en passant par les réseaux « petits mondes » et les
réseaux à invariance d’échelle ou « scale free ». Il introduit ensuite trois types
d’automates binaires élémentaires, booléen, mimétique et à seuil, qui servent à
illustrer les principaux concepts de la dynamique de ces réseaux (attracteurs,
émergence ou transition d’ordre, avalanches…) et leur mise en correspondance avec
certains concepts de choix utilisés en théorie de la décision et en théorie des jeux. Le
chapitre 11 présente les principales étapes spécifiques à la simulation multi-agents, à
partir d'un exemple simple de théorie des jeux appliqué à la finance. Il montre
comment on passe du cadre théorique au modèle conceptuel, puis à sa formalisation
comme modèle informatique dans l’environnement multi-agents Moduleco-Madkit.
Il termine enfin par la présentation des étapes de simulation et d’exploration
extensive de l’espace des paramètres.
Dans le domaine des sciences humaines et sociales, on ne peut cependant en
rester à ce niveau élémentaire, même si la complexité des phénomènes dont on peut
rendre compte avec ces modèles très « stylisés » est déjà considérable. Nos agents
artificiels peuvent ainsi être progressivement dotés de capacités cognitives plus
sophistiquées (apprentissages, anticipations, catégorisation, conceptualisation). Il est
alors utile et même nécessaire de recourir aux principes de la modélisation « agent »
décrite [Chapitre 1] par Jacques Ferber. Un « agent » est alors une entité logicielle
relativement autonome qui peut percevoir de l’information sur son environnement,
communiquer et agir. Les « actions » d’un agent peuvent être motivées par des objectifs,
conditionnées par des ressources, des capacités (conatives, cognitives, perceptives, etc.)
et l’information disponible. Un agent ainsi défini ne représente pas nécessairement
une entité humaine et, plus généralement, nous avons vu que la programmation
« orientée agent » pouvait concerner aussi bien l’architecture des composants
logiciels de la plateforme de simulation que le modèle de simulation lui-même.
Une question centrale de l’approche multi-agent vue comme complément des
approches formelles traditionnelles (analytiques) concerne alors le degré d’autonomie
effectif que l’on donne aux agents compte tenu des objectifs que l’on poursuit