Résumé :

Résumé : Devant le succès grandissant d'Internet ainsi que la vitesse de prolifération des nouveaux services et des nouveaux abonnés, l'accès à un service particulier dans cet énorme réseau est un problème d'actualité. Le but de ce papier est de montrer pourquoi et en quoi les techniques multi-agents sont adaptées à ce type de problème et peuvent permettre de pallier les manques des moteurs de recherche d'informations existants aujourd'hui sur Internet. Après un bref aperçu sur les moteurs de recherche d'informations et sur le domaine multi- agent, nous mettons en évidence les points communs entre ces deux problématiques. Nous montrons alors que les dernières réflexions concernant le domaine des systèmes multi-agents s'appliquent à ce type de problème et nous illustrons enfin comment, en présentant le projet ARCADIA dont l'objectif est la recherche d'informations hétérogènes et réparties. L'architecture d'ARCADIA est basée sur des systèmes multi-agents auto-organisateurs qui de par leurs caractéristiques, facilitent la prise en compte de la très grande dynamique de l'environnement dans lequel s'effectue la recherche d'informations.

Résumé : L'objet de cet article découle de trois observations convergentes qui ont été notées par de nombreux auteurs : la nécessaire aptitude à l'adaptation d'un système lorsque son environnement est dynamique, le rôle essentiel de l'organisation existant entre lesparties dans le comportement global d'un système et l'amélioration des performances survenant au niveau d'une société lorsqu'une coopération existe au niveau des agents qui la composent. De ces trois observations, nous avons défini un processus d'adaptation pour les systèmes artificiels fondé sur l'auto-organisation entre ses parties (agents), où la coopération est le critère d'évaluation et de transformation de l'organisation courante. Le principal objectif de ce papier est de montrer les propriétés de base de cette approche et son utilité pour la conception de systèmes artificiels.

Résumé : La méthode ADELFE a été conçue pour la conception de systèmes multi-agents adaptatifs. Les logiciels adaptatifs sont utilisés lorsque l’environnement est imprévisible ou le Systèmes à construire ouvert. ADELFE assure que le logiciel est développé en accord avec la théorie des AMAS (Adaptive Multi-Agent System). La démonstration est axée sur les trois premières activités du processus de développement de logiciel c’est-à-dire : l’analyse des besoins, l’analyse et la conception. Au cours du processus, les étapes spécifiques aux systèmes multi-agents sont mises en évidence et explicitées et les outils développés pour supporter la méthode tels que l’outil graphique OpenTool, l’outil de suivi du processus, et l’outil de la vérification de l’adéquation sont utilisés et détaillés. Pour cela, la méthode est illustrée grâce à l’application ETTO de développement d’un emploi du temps.

Résumé : RésuméLa construction d’ontologies à partir de textesest une tâche coûteuse en temps. Notre Systèmes,Dynamo, s’inscrit dans la mouvance de l’Ontology Learning, par une approche originalebasée sur une architecture multi-agent adaptative. L’article présente le cœur de notre approche, un systèmes multi-agents exploitant lesrésultats d’un analyseur syntaxique. Nous présentons les règles constituant le comportementde nos agents puis évaluons leurs impacts enterme de complexité. Nous discutons ses limiteset dressons en perspective les aménagements àeffectuer pour aller vers une solution complètede construction d’ontologies.

Résumé : RésuméCe papier propose une approche multi-agent locale, coopérative et temps réel pour la création de profils adaptatifs et incrémentaux danslaquelle un usager est supposé être représentépar un ensemble de documents textuels. Ces documents sont analysés séquentiellement conduisant alors à la création d’un Réseau Terminologique Temporaire (RTT). Ce réseau est ensuitefusionné avec les RTT issus d’autres documents,afin de générer un Réseau Terminologique Permanent (RTP) représentatif de la collection étudiée et pouvant être ensuite indexé pour en extraire un profil. Les résultats préliminaires obtenus ainsi que les perspectives associées sontenfin présentés.

Résumé : la dynamique intrinsèque des réseaux d'agents ouverts nécessite une constante remise en cause des connaissances possédées par les agents qui composent le système ainsi que des interactions entre ceux-ci. Les mécanismes internes aux agents assurant cet apprentissage et la réorganisation incessante du système sont nombreux et hétérogènes, allant des mécanismes de confiance aux protocolesépidémiques. Nous proposons ici de passer en revue la diversité de ces protocoles et de présenter sous forme d'une classification leurs propriétés essentielles. Nous posons ensuite les bases d'un modèle descriptif commun de tous ces mécanismes, en vue de permettre la représentation du point de vue local de l'évolution temporelle de l'organisation du réseau.

Résumé : Les ontologies sont une des représentations lesplus utilisées pour modéliser les connaissancesd’un domaine. Une ontologie est constituée d’unensemble de concepts reliés par des relationssémantiques. Construire et maintenir manuellement une ontologie sont des tâches difficileset complexes. Les textes d’un domaine peuventservir de sources de connaissance pour réaliser ces tâches. Dans ces textes, l’extraction etl’organisation des connaissances d’un domaineainsi que leur évolution nécessitent une intervention humaine. Dans cet article, nous présentons DYNAMO, un logiciel interactif basé sur latechnologie des Systèmes Multi-Agents Adaptatifs pour construire et maintenir des ontologiesà partir de textes. Les termes et les conceptsdu domaine sont agentifiés et coopèrent localement pour trouver leur place dans l’ontologie à partir d’informations liées à l’usage destermes dans les textes. Grâce aux capacitésd’adaptation du système multi-agent, de nouveaux termes, concepts et relations peuvent êtreajoutés ou retirés de l’ontologie. Ce système estun système de co-construction d’ontologie dansle sens où l’ontographe interagit avec le système pour valider cette construction. Ce papierprésente l’architecture et les mécanismes soustendant le fonctionnement du système proposéainsi que son évaluation.

Résumé : ans l’approche par AMAS (Adaptive MultiAgent System), la coopération est définie commeattitude sociale de l’agent et permet de détecter,de résoudre, voire d’anticiper les contraintessubies par le Systèmes au travers du concept deSituations Non Coopératives. Nous proposonsici une stratégie de décision pour l’agent coopératif, basée uniquement sur la "criticité", afind’aider ses voisins les plus contraints. Cette métrique permet de prioriser les actions des agentset de répartir de manière coopérative la chargepesant sur le Systèmes, évitant ainsi qu’un ouplusieurs agents ne puisse(nt) accomplir sa/leurtâche et donc nuire à la performance et à la robustesse du Systèmes. Afin de montrer l’apport denotre approche, cette stratégie de décision estévaluée au travers de différentes expérimentations sur un Systèmes de transport de ressourcespar plusieurs robots.

Résumé : véhicules selon leur capacité à assister les conducteurs humains. La société internationale des ingénieurs de l’automobile a ainsi identifié 5 niveaux de conduite autonome.Dans ce travail, nous considérons les véhicules de niveau3 également appelé "l’automatisation conditionnée". Danscertaines situations prédéfinies, comme de longues lignesdroites avec marquage au sol bien visible, le véhicule peutautomatiquement gérer sa trajectoire et sa vitesse, éviter lesobstacles, etc. Le conducteur humain n’est plus obligé degarder les yeux sur la route, mais il doit être capable dereprendre le volant en cas de nécessité.

Résumé : La ville intelligente s’intéresse à l’améliorationde la qualité de vie de ses habitants. De nombreux capteurs ad hoc nécessitent alors d’êtredéployés pour connaître l’état de l’environnement dans lequel les activités humaines se déroulent. Si ces capteurs sont souvent bon marché,leurs coûts d’installation et de maintenance augmentent rapidement avec leur nombre. La problématique adressée dans ce papier consiste àestimer des informations environnementales oùdes capteurs physiques ne sont pas disponibles,pour limiter les coûts engendrés par l’installation de capteurs supplémentaires.Cet article présente le système HybridIoT, quipermet d’estimer les valeurs environnementalesmanquantes dans des réseaux de capteurs àgrande échelle. Notre contribution est triple :la définition d’une approche pour estimer desvaleurs manquantes dans des environnements àgrande échelle, l’utilisation des systèmes multiagents pour adresser simultanément les propriétés d’ouverture et d’hétérogénéité, et enfin le déploiement du système dans le contexte du GISneOCampus