Table des matières - Gilles Daniel

284 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société.
psychologie ou l’informatique lui attachent des connotations diverses, souvent assez
floues. Notre but dans cette section est de présenter succinctement quelques
définitions fondamentales et généralement admises.
Une première distinction d’importance est celle entre apprentissage individuel,
apprentissage social, et évolution :
Apprentissage individuel : modification du comportement d’un agent
économique qui est basée uniquement sur les propres expériences de l’agent.
Apprentissage social : modification du comportement d’un agent qui prend en
compte les expériences d’autres agents. Typiquement, un modèle d’apprentissage
social suppose qu’un agent tend à imiter le comportement d’autres agents – la
probabilité qu’il adopte une stratégie donnée étant typiquement une fonction
croissante des gains (monétaires ou non) moyens obtenus par les agents qui la
suivent déjà.
Evolution : modification de la composition de la population par élimination des
agents dont les performances se révèlent localement mauvaises. Le mot localement a
été mis en italique pour rappeler que dans un modèle multi-agents le succès d’une
stratégie dépend de l’instant et de l’endroit précis où elle est appliquée.
Une autre distinction est traditionnellement faite entre apprentissage adaptatif
(backward looking) et apprentissage anticipatif (forward looking).
Apprentissage adaptatif : les agents modifient leur comportement sur la base
d’une analyse du succès relatif des actions prises dans le passé. Ils ne font pas
d’efforts pour « améliorer » leur environnement.
Apprentissage anticipatif : les agents utilisent un modèle de leur
environnement pour prédire, sous forme probabiliste typiquement, les conséquences
de comportements différents: « Si j’agis de cette façon maintenant, j’obtiendrai
probablement ce résultat dans le futur » et modifient leur comportement sur la base
de ces prédictions.
Il faut souligner qu’il n’est pas certain qu’un comportement plus anticipatif soit
toujours favorable pour l’agent. Des règles de comportement simples se révèlent
souvent plus avantageuses. En particulier, anticiper nécessite des calculs importants.
Si les calculs sont coûteux, il peut être plus favorable pour l’agent de prendre des
décisions basées sur des règles de comportement simples que sur un modèle
d’anticipation complexe. Diverses réserves d’ordre méthodologique peuvent par
ailleurs être faites vis à vis de l’utilisation de règles trop anticipatrices. Les calculs
nécessaires peuvent être trop complexes pour être réalistes. Des régressions infinies