1 Introduction aux agents et systèmes multi-agents
1.3 La construction d'un système multi-agents

1.3.1 L'observation d'un système multi-agents

Les travaux existants sur l'observation des systèmes multi-agents sont axés essentiellement sur deux volets de recherche : la simulation et l'étude de "l'émergence" comme centre de pensée pour la compréhension des phénomènes et des mécanismes opératoires qui la régisse, et l'explication du raisonnement et du comportement du système multi-agents à partir des observations qui sont faites sur les comportements internes de ses agents.

Simulation et observation de phénomènes : émergence

La simulation est une branche très active de l'informatique. Elle consiste à analyser les propriétés de modèles théoriques du monde réel. L'usage de la simulation est très fréquent dans des disciplines diverses telles que les sciences sociales pour essayer d'expliquer et de prévoir les phénomènes naturels.

Les systèmes multi-agents apportent une solution en offrant la possibilité de représenter les individus, leurs comportements et leurs interactions. La simulation multi-agents est fondée sur l'idée qu'il est possible de représenter sous forme informatique des comportements individuels des entités dont les interactions font apparaître des phénomènes nouveaux (i.e. émergences).

Ferber évoque les phénomènes attendus de l'interaction de plusieurs agents : la catalyse et l'émergence par amplification qualitative (augmenter les capacités et les performances des agents pris isolément) et quantitative (accroître le nombre d'agents). L'ajout de nouvelles compétences dans un SMA apportera une amélioration qualitative du système. On peut espérer arriver à un phénomène de catalyse (ex: permettre la résolution d'un problème en ajoutant un agent possédant des capacités faisant défaut). Une augmentation numérique des agents à capacités équivalentes, fait apparaître un phénomène d'émergence. Cette amélioration quantitative permet de mettre en évidence un phénomène d'émergence ou effet de seuil (ex: les robots transporteurs, à capacité limitée, voulant transporter un objet particulièrement lourd. L'effet de seuil implique qu'il existe un nombre de robots à partir duquel il sera possible de transporter l'objet).

Dans le cas des agents réactifs, les comportements sont relativement simples, ceci étant lié à leur faible capacité de raisonnement. Cela peut être un fonctionnement similaire à un automate comme les agents du système d'éco­-résolution de Ferber (Ferber 1991). L'automate réagit en fonction de la valeur de ses entrées et de son état courant pour produire des sorties. Les informations reçues ont un contenu sémantique limité puisqu'elles se résument aux possibilités d'interprétation d'un certain nombre de signaux.

Le comportement de l'agent est un comportement réflexe comme pour la modélisation des fourmis (Drogoul, 1993) (Drogoul et Fresneau, 1998).

Ces agents “ fourmis ” exécutent des tâches qui coordonnent l'appel de primitives en fonction des stimulus reçus. En général, ces agents vivent dans une société sans avoir conscience de participer à un objectif commun. Leurs interactions sont dues au fait qu'ils sont immergés dans le même milieu. Ces interactions ne sont pas maîtrisées par l'agent et chaque agent possède donc peu ou pas de connaissances sociales liées à l'existence des autres. Dans le système de modélisation d'une fourmilière, une fourmi ne modélise pas les autres et n'a pas de connaissance sur la façon d'interagir avec les autres, elle suit son objectif en laissant des signatures dans l'environnement.

Explication dans les systèmes multi-agents

Une caractéristique intéressante des SMA généralement conçus à partir des systèmes à bases de connaissances réside dans leur capacité à reproduire, et, dans une certaine mesure, à expliquer les lignes de raisonnement suivies pour résoudre un problème. De telles explications susceptibles d'être fournies par le système sont importantes à plusieurs titres :

• pour la mise au point d'un système d'application, comme outil pédagogique dans certains domaines,
• pour faciliter l'acceptation d'un système par ses utilisateurs.

Les explications dans les systèmes multi-agents sont particulièrement nécessaires du fait de la complexité liée à la multiplicité des sources de connaissances, à leurs interactions et à la présence de mécanismes élaborés de conduite des raisonnements. Le développement des recherches en acquisition des connaissances et plus particulièrement autour de la conception des systèmes à base de connaissances sont exploitées pour expliquer le raisonnement au niveau agent ou SMA à base de tableau noir (Maître et Laâsri, 198), (Chevrier, 1993). Ces recherches s'intéressent à la conception des mécanismes d'explication adaptés aux problèmes de la multiplicité des sources de connaissances dans le cas d'une architecture généralement centralisé. Le but est d'obtenir des informations qualitatives et quantitatives utiles pour la mise au point telles que les raisons rendant une action possible, les sources de connaissances utilisées, le nombre de règles associées, etc.