Cette thèse s'inscrit dans le cadre du projet SSUWAI, qui a pour objectif d'anticiper et ainsi de prévenir les événements indésirables en salle d'opération. Un simulateur multi-agents existe déjà mais cette thèse vise à l'améliorer sur plusieurs points. La première amélioration consiste à établir une connexion entre le simulateur et les capteurs situés dans la salle d'opération. Cela nécessitera la mise en œuvre d'algorithmes d'acquisition et de traitement des données au sein du simulateur. La deuxième amélioration concerne l'anticipation des événements indésirables. Pour ce faire, le simulateur devra simuler de nombreux scénarios, tout en s'appuyant sur des algorithmes de prévision. Le simulateur devra également déclencher une alerte en cas de situation à risque.

Cette thèse se place dans la continuité des thèses d'Alban Rousset et de Paul Breugnot. Cette dernière s'est faite dans le cadre du projet SYNPAMA, projet structurant de l'équipe Déodis dans lequel nous avons abordé la problématique de la distribution efficace de simulations de modèles à base d'agents. Au sein d'une simulation le système réel cible est modélisé et, plus le modèle reproduit finement le système réel, plus la simulation est réaliste et plus les résultats obtenus sont plausibles. La précision du modèle a cependant un coût en temps de calcul et les simulations de modèles de taille importante ont souvent recours au parallélisme pour limiter le temps d'exécution mais aussi, tout simplement, pour pouvoir s'exécuter en temps réel afin de permettre l'interaction de l'observateur avec le système simulé. Il peut ainsi introduire des perturbations dans le système et en observer les conséquences immédiatement. Ces modèles de grande taille posent aussi la problématique de l'occupation mémoire qui peut être rédhibitoire dans certains cas. Nous avons montré dans la thèse d'Alban Rousset que la question de la synchronisation dans les systèmes multi-agents parallèles est un verrou central car elle détermine la capacité de la simulation à utiliser un grand nombre de nœuds, mais qu'elle reste largement ouverte. Une approche globale de la synchronisation paraît difficile et peu applicable en pratique car soumise à des limites trop restrictives. Dans le cadre de la thèse de Paul Breugnot, nous avons pu mettre en place une méthode complète de distribution des simulations multi-agents. Celle-ci a permis d'isoler des problèmes communs à toute distribution de simulation de SMA, notamment la distribution des SMA, l'équilibrage de charge et la synchronisation des données. La thèse a proposé des composants génériques à implémenter, en montrant comment les solutions mises en place par les plateformes existantes pouvaient s'inclure dans l'architecture logicielle générique proposée. L'accent a été mis, notamment, sur des algorithmes de synchronisation des données. Ces travaux, méthode et algorithmes, ont été mis en oeuvre dans la plateforme FPMAS, dans un code opensource (https://github.com/FPMAS), qui permet l'implémentation de systèmes multi-agents sur la base de structures de graphes.

La simulation de Systèmes Multi-Agents (SMA) permet d’expliquer et de prédire le comportement des systèmes complexes dans de nombreux domaines tels que l’épidémiologie, l’économie ou l’environnement. La grande taille des modèles étudiés mène à l’utilisation du Calcul Haute Performance et de la simulation distribuée pour lever ces limites. L’aspect naturellement parallèle des agents en fait d’excellents candidats à l’exécution distribuée, qui pose cependant de nombreux problèmes, comme la continuité des données, l’équilibrage de charge ou la synchronisation des données entre les processus. Une architecture logicielle générique permettant de résoudre ces problèmes de manière flexible et indépendamment du contexte de développement est proposée. Une conception par interface fait émerger des composants indépendants et abstraits nécessaires à la distribution de toute simulation de SMA. Nous proposons une analyse qualitative et quantitative de méthodes d’équilibrage de charge d’une part, notamment basées sur l’application de partitionnements de graphe à la simulation distribuée de SMA, et de modes de synchronisation des données d’autre part, dont certains permettent la gestion des lectures et écritures concurrentes entre les processus. Cette analyse montre que les avantages de chaque méthode dépendent des modèles et des besoins des utilisateurs, d’où l’intérêt de la conception de plateformes de simulation modulables basées sur des interfaces permettant de facilement intégrer de nouvelles méthodes. L’architecture logicielle proposée est essentiellement issue de notre expérience de développement de FPMAS, une plateforme C++ de simulation distribuée de SMA basée sur les solutions proposées.

Les communautés microbiennes des sols sont reconnues comme centrales pour la fertilité des sols et sont des bioindicateurs pour évaluer l’impact des pratiques agricoles sur les sols. L’enjeu est de favoriser leur utilisation pour accompagner / accélérer l’innovation dans le monde agricole. Pour cela, l’objectif était ici de caractériser les dynamiques spatiales et temporelles de l’abondance des communautés microbiennes des sols à l’échelle d’un paysage agricole pour les modéliser et proposer une première version d'outil d’aide à la décision (OAD) aux acteurs du monde agricole. Une approche pluridisciplinaire a été mise en oeuvre en mêlant écologie microbienne, évaluation environnementale, modélisation par des systèmes multi-agents ; combinée à une démarche de modélisation participative permettant d’intégrer le savoir-faire des acteurs (chercheurs, conseillers agricoles et agriculteurs). Cette approche s’est appuyée sur le paysage agricole de Fénay (1200ha, Dijon, 21) pour lequel les communautés microbiennes du sol ont été caractérisées pour leur abondance au cours de trois campagnes respectivement en 2011, 2016 et 2019 ; les pratiques agricoles étant connues depuis 2004. L’analyse des variations d’abondance des communautés microbiennes des sols a permis de mettre en évidence sa dépendance vis à vis des variations des caractéristiques physico-chimiques des sols et des changements de pratiques agricoles, mais aussi et surtout l’importance de l’historique de la parcelle tant en termes d’abondance des communautés microbiennes que de pratiques agricoles. A partir de ces connaissances, un modèle basé sur un système multi-agents a été produit afin de prédire l’évolution de la biomasse microbienne des sols face à des changements de pratiques agricoles. Les étapes de calibration ont permis d’évaluer la capacité d’accueil et le taux de croissance des micro-organismes ainsi que la durée d’impact des pratiques agricoles, ceci en fonction de l’occupation du sol, et ainsi d'aboutir à un modèle ayant une bonne capacité prédictive. En s’appuyant sur une interface utilisateurs, des ateliers participatifs ont permis d’évaluer les facilités d'appropriation du modèle par différents types d'acteurs.

La gestion des risques liés aux actions et aux conditions des différents éléments qui composent un bloc opératoire est une préoccupation majeure lors d'une intervention chirurgicale. La prédiction d’événement indésirables graves associés aux soins (EIGS), et l’analyse de leur survenue sont des enjeux majeurs. Dans cet objectif, nous proposons une architecture qui couple un système multi-agents (SMA) avec un raisonnement à partir de cas (RàPC). Le SMA capable de produire un grand nombre de situations où les agents interagissent entre eux créent des phénomènes émergents et donc un possible nouvel EIGS. Le couplage du système multi-agents avec un raisonnement à partir de cas, enrichit la base de connaissances du modèle, et répond à notre recherche d’approche de résolution de problèmes par analogie à partir d’expériences passées. Au-delà de la détermination d’EIGS nous avons intégré des outils d’aide à la décision. Les deux premiers Algorithmes (similVar et similVar+) que nous avons conçus et comparés à d’autres méthodes sont orientés sur classification des données. Ils consistent à clusteriser les données dans le but d’établir ensuite des corrélations entre les comportements des agents. Deux autres Algorithmes (liaisAttrib et predictPath) sont quant eux respectivement dédiés à la détermination de corrélations entre des données clusterisées et à la prédictivité de l’évolution du système. Les résultats encourageants montrent l’efficacité de notre approche dans la capacité à produire, à analyser et à prédire la survenue d’EIGS dans un contexte non déterministe où évoluent des entités hétérogènes.

En quelques années, les domaines des jeux vidéo et des systèmes multi-agents (SMA) ont pris de plus en plus de places dans la vie de chacun. Malgré des similitudes assez fortes (présences d’entité dans les vidéo pouvant être assimilées à des agents), les SMA ne sont presque jamais utilisés dans le développement de jeux. Ce mémoire présente Shine Agent Modeling Platform (SAMP), une plateforme visant intégrer le paradigme multi-agents au sein du développement de jeux vidéo. Cette fusion permet l’utilisation de la puissance des multi-agents au sein des jeux vidéo.SAMP propose une approche au niveau des interactions permettant de réduire le coût de traitement de ces interactions en optimisant le nombre de recherches effectuées dans l’environnement.En plus d’intégrer le paradigme multi-agents, SAMP vise à être accessible à un maximum d’utilisateurs en proposant une interface de modélisation entièrement graphique. Un système d’importation de modèles comportementaux permet de créer deuxniveaux de modélisation : un niveau proche de la logique développement informatique et un niveau proche de la logique métier de l’utilisateur.SAMP est intégré à un moteur de jeux vidéo, Shine Engine, permettant de générer les environnements graphiques dans lesquels les agents évolueront.

Nous vivons aujourd'hui dans un monde de plus en plus complexe et interconnecté où de nombreuses entités, de plus en plus intelligentes, génèrent une multitude d'interactions qui peuvent contribuer à enrichir leurs capacités. Nous nous intéressons à la collaboration qui favorisera la réalisation de tâches complexes par ces machines d'aujourd'hui et de demain en stimulant ces interactions structurées et en intégrant des processus de décisions intelligents. Par ce biais, cela contribuera à améliorer leur fonctionnement et pourra participer à leur perfectionnement (meilleures connaissances de leur environnement, rapidité d'action et de décision, apport de nouvelles compétences). L'objectif principal de la thèse est donc de contribuer à la compréhension de ce qu'est la collaboration, de sa définition à sa mise en œuvre, en mettant en lumière ses concepts sous-jacents. Nous proposons une méthode d'analyse du besoin et des contraintes ainsi qu'un modèle d'architecture d'agent collaboratif (HACCA) permettant d'intégrer toutes les caractéristiques des processus collaboratifs que nous présentons. Nous présentons également une première implémentation dans la plateforme multi-agents GAMA.Dans le cadre de cette étude, nous nous intéressons à deux cas d'application d'entités mobiles : les drones et les véhicules connectés. Ainsi nous contribuons également plus largement aux besoins d'autonomie et de décision des drones, des véhicules connectés et autonomes du futur, dans un contexte temporel contraint où la qualité des interactions est primordiale pour optimiser le processus de réalisation des objectifs.

Les travaux de cette thèse s’inscrivent dans le domaine des systèmes complexes et s’intéressent plus particulièrement à l’exécution efficace et reproductible de simulations multi-agents de grande taille dans un contexte parallèle et distribué de haute performance de type cluster (HPC). Dans ce contexte, nous nous intéressons plus particulièrement à la conception des modèles pour faciliter leur distribution, à la synchronisation des composants distribués et à la communication entre agents. La première contribution de cette thèse est la comparaison qualitative et quantitative des principales plateformes multi-agents parallèles et distribués qui ciblent les simulations à large échelle dans un environnement haute performance.Ce travail a permis d’identifier les limites ou manques des plateformes existantes, majoritairement la communication entre les agents, la synchronisation ainsi que la distribution de la charge peu flexible. Pour offrir plus de flexibilité à la distribution des simulations, nous proposons un formalisme de modélisation à base de graphes imbriqués qui nous permet de tirer parti de librairies performantes pour décomposer et distribuer les simulations. Nous avons ensuite effectué une étude sur l’impact de la synchronisation dans les PDMAS, en proposant trois politiques de synchronisation différentes afin de fournir aux modélisateurs un niveau de résolution adapté aux différents problèmes de synchronisation. Pour finir, nous définissons un schéma de communication entre toutes les entités qui composent une simulation indépendamment du processus sur lequel les entités s’exécutent. Ces propositions sont réunies au sein d’une plateforme multi-agents parallèle appelée FractalPMAS. Cette plateforme est une preuve de concept qui nous a permis de mettre en œuvre nos différentes contributions afin d’observer et de comparer les comportements de nos algorithmes. Pour valider ce travail trois modèles agents reconnus, le modèle proie-prédateur, le modèle Flocking et un modèle de contamination, ont été utilisés. Nous avons réalisé des simulations utilisant jusqu’à 512 cœurs et les résultats obtenus, en termes de performances et d’extensibilité, s’avèrent prometteurs.

Un certain nombre de travaux basés sur les réseaux de capteurs sans fil s'intéressent à la gestion de l'énergie de ces capteurs. Cette énergie est, de fait, un facteur critique dans le fonctionnement de ces réseaux. Une construction adéquate des clusters de capteurs est un très bon moyen pour minimiser la consommation de cette énergie. La problématique liée à ces réseaux réside ainsi souvent dans leur durée de vie mais aussi dans le nécessaire maintien de la connectivité entre tous les capteurs. Ces deux aspects sont étroitement liés. Dans cette thèse, nous nous sommes focalisés sur ces deux volets, dans le contexte de réseaux de capteurs statiques mais aussi celui de capteurs mobiles.Nous proposons, dans un premier temps, un algorithme hybride pour la mise en place des clusters et la gestions de ces clusters. L'originalité de cette solution réside dans la mise en place de zones géographiques de désignation des cluster heads mais aussi dans la transmission, dans les messages échangés, de la quantité d'énergie restante sur les capteurs. Ainsi, les données sur les capteurs permettront de désigner les cluster heads et leurs successeurs qui détermineront les seuils pour les autres capteurs et pour leur fonctionnement. L'algorithme est testé à travers de nombreuses simulations. La seconde partie du travail consiste à adapter notre premier algorithme pour les réseaux de capteurs mobiles. Nous in_uons sur la trajectoire des capteurs pour maintenir la connectivité et limiter la consommation d'énergie. Pour cela, nous nous inspirons de l'écho-localisation pratiquée par les chauvessouris. Nous nous sommes donc intéressés à la topologie changeante et dynamique dans les réseaux de capteurs. Nous avons analysé la perte d'énergie en fonction de la distance et de la puissance de transmission entre les n÷uds et le cluster head. Nous évaluons également notre algorithme sur des capteurs qui ont un déplacement aléatoire. Nous appliquons ces algorithmes à une simulation de _otte de drones de surveillance.

L'objectif de ce travail de thèse est la prise en compte en temps réel du travail d'un apprenant pour une meilleure personnalisation de l'environnement informatique pour l'apprentissage humain AI-VT (Artificial Intelligence Virtual Trainer).Certains des problèmes les plus courants et les plus typiques dans le domaine des environnements informatiques d'apprentissage humain (EIAH) sont (i) l'identification correcte des difficultés des apprenants dans le processus d'apprentissage, (ii) l'adaptation du contenu ou de la présentation du système en fonction des difficultés rencontrées, et (iii) la capacité à s'adapter sans données initiales (démarrage à froid). Dans certains cas, le système tolère des modifications après la réalisation et l'évaluation des compétences. D'autres systèmes nécessitent une adaptation compliquée en temps réel car seul un nombre limité de données peut être capturé. Dans ce cas, elles doivent être analysées correctement et avec une certaine précision afin d'obtenir les adaptations appropriées. L'architecture proposée et les modules développés avec techniques d'intelligence artificielle fonctionnent de manière associée en exploitant les avantages de chacun pour obtenir des propositions d'adaptation performantes selon l'évolution des connaissances des apprenants, permettant ainsi l'acquisition des connaissances et la progression dans le processus d'apprentissage.

De nombreux systèmes, naturels ou artificiels, s'appuient sur des mécanismes d'équilibrage de charge pour fonctionner efficacement, mécanismes qui dépendent directement de l'organisation de leurs composants. Cette organisation peut être centralisée, contrôlée par une entité unique, ou émerger à partir de décisions prises localement, conduisant à une auto-organisation du système. Nous nous intéressons dans cette thèse à la criticalité auto-organisée, un phénomène où des instabilités locales génèrent spontanément des organisations. Nous explorons ainsi comment ce phénomène peut être exploité pour équilibrer la charge dans des systèmes informatiques distribués. Dans un premier temps, nous examinons la robustesse des systèmes qui présentent de la criticalité auto-organisée à l'aide du modèle du tas de sable proposé par Bak, Tang et Wiesenfeld. Nos résultats montrent que l'introduction d'une quantité minimale d'aléatoire dans la structure du système augmente notablement sa résistance aux défaillances, repoussant ainsi les seuils critiques d'effondrement. Dans un second temps des mécanismes d'auto-adaptation, utilisant un modèle dérivé du tas de sable où chaque élément est susceptible de traiter des tâches, sont développés. Ces mécanismes s'adaptent efficacement aux surcharges tout en présentant des atouts et des limites propres. Ces travaux ouvrent des perspectives vers des systèmes distribués robustes et adaptatifs inspirés de l'auto-organisation.

Dans ce travail, nous présentons une approche de couplage de modèles orientée agent pour la modélisation des systèmes complexes spatiaux. L’idée principale est d’utiliser l’espace comme medium d’interaction entre les modèles à coupler pour leur permettre de coexister et d’interagir conformément à un ensemble de règles qui régissent ces interactions. En jouant le rôle de facteur de couplage, l’espace permet aux agents chargés du couplage d’échanger des données et nous permet d’observer les résultats concrets du couplage des différents modèles constituant le système complexe spatial étudié. Cette approche est composée d’une méthodologie et d’un métamodèle de couplage orienté-agent. Notre métamodèle est basé sur une architecture organisationnelle (AGRE) et de type holonique qui prend en considération la spécificité, l’autonomie et l’échelle de calcul de chaque modèle. Cette notion de holon nous permet de gérer l’hétérogénéité des formalismes et des échelles spatio-temporelles des modèles. En effet, l’hétérogénéité spatiale est gérée par la décomposition des agents de collecte et de spatialisation jusqu’à atteindre le niveau d’abstraction souhaité. Ces agents peuvent passer d’un niveau à l’autre en adaptant l’échelle spatiale de l’espace à l’échelle spatiale du modèle grâce à des fonctions de conversion. L’hétérogénéité temporelle est gérée par un agent de temps qui permettra de calculer la future date d’exécution du modèle et un agent scheduler qui se chargera de l’ordonnancement de ces dates sur l’échelle de temps de la simulation. Nous prenons le système urbain de Métouia (Tunisie), comme exemple de système complexe spatial à étudier pour répondre aux besoins des urbanistes en termes d’aide à la décision en aménagement et tester notre approche de couplage coupling4modeling.