Résumé : MERCURE est un prototype d'environnement de développement de système multi- agent générique conforme aux spécifications FIPA 98. Cet environnement comprend les agents de base permettant de créer et de gérer une plate-forme mais également de faire communiquer plusieurs plates-formes compatibles FIPA. Les agents communiquent par l'intermédiaire d'un langage de haut niveau (ACL) et indépendamment des protocolestechniques ; les déclarations de compétences et de ressources sont dynamiques et la gestion des modifications est transparente grâce à des mécanismes d'abonnements dynamiques. L'encapsulation de logiciels externes par le biais d'API conceptuelles permet aux acteurs de continuer à utiliser leurs logiciels habituels. MERCURE comprend également un certain nombre d'interfaces dédiées facilitant la programmation et la gestion des agents, ainsi que des interfaces de consultation des évènements se déroulant au sein de la plate-forme (flots, messages, liste des agents...).

Résumé : Nous proposons un modèle de résolution multi-agent de problèmes utilisant une mé-taphore émotionnelle. Elle s’inspire du comportement de groupes d’humains possédant unesusceptibilité personnelle et une susceptibilité collective. Les concepts importants reposent surla notion 'd’auto-perception' de soi en tant que géneur, la notion 'd’ambiance collective',de 'stress' et de 'crise'. Bien que rappelant d’autres méthodes telles que l’éco-résolution,l’article montre en quoi elle s’en distingue. De plus, l’approche est bien adaptée à la problé-matique du passage à l’échelle car elle élimine tout mécanisme d’acquittement et de connais-sance mutuelle globale des agents entre-eux. L’article présente les algorithmes d’évolution desagents émotionnels ainsi que la vue statique de leur implémentation. L’approche a été appliquéau problème de résolution des emploi du temps et comparé à certains algorithmes distribuésde résolution de contraintes. Elle offre l’avantage d’Œtre robuste, dynamique et adaptative paressence aboutissant à modélisation simple.

Résumé : RésuméLa simulation d’écoSystèmes requièrent une méthodologie et un outil multi-modèles afin de rationnaliser et d’automatiser les processus demodélisation et de simulation. Nous proposons,en nous appuyant sur les approches orientéepattern et basée agent, une société de modèles qui s’organisent en agents en interactionvia l’environnement. Nous identifions quatrerôles d’agents : (1) l’agent-modèle manipuleun modèle expert ; (2) l’agent-contrôleur surveille l’environnement ; (3) l’agent-opérationtransforme l’environnement pour satisfaire lesbuts d’agents-modèle ; (4) l’agent-observateurconstruit des observables. Les buts des agentsmodèles font partie d’une rationnalité qui sestructure autour de données d’entrée ou de sortie ayant une sémantique et une forme particulière. L’environnement est structuré par cesdonnées, des cartes, dans lesquelles s’inscriventles patterns dont les agents-modèles rendentcompte. Un exemple de modélisation incrémentale exhibe les propriétés de robustesse du Systèmes et le principe de co-construction du modèle par les experts et les agents.

Résumé : La résolution de modèles conceptuels par desmodèles multi-agents requiert des hypothèses entermes de discrétisation de l'espace, du tempset en agents. Celles-ci peuvent induire des biaissur les résultats et rendre les modèles computationnels non conformes aux modèles conceptuels. 11 s'agit ici d'identifier ces hypothèseset la sensibilité de modèles aux biais correspondants au travers d'une démarche expérimentale systématique. Les modèles étudiés sont des modèles de peuplements d'agents particuliers, mais parcimonieux en paramètres, dans une perspective de pouvoir abstraire les résultats obtenus. Ceux-ci montrent qu'une implémentation se pose en termes de précision et que les outils de simulation doivent permettre aux thématiciens d'expliciter leur modèle (dépendances entre comportements, initialisations,discrétisations) et 2° des analyses systématiquesdes biais computationnels.

Résumé : Nous nous intéressons à la locomotion degroupes de piétons et cherchons à en caracté-riser la dynamique comportementale. La ques-tion est de comprendre quels processus ex-pliquent les observations obtenues par une expérience de psychologie cognitive. Nous recher-chons par une approche de simulation incré-mentale comment différentes combinaisons decomportements d’attraction, répulsion et coor-dination expliquent nos observations. Nous met-tons en évidence que la composante de coordination joue un rôle plus important que ce quiest rapporté dans la littérature. En nous ap-puyant sur l’approche écologique de la psycho-logie cognitive, nous montrons que les agentsqui coordonnent leur direction de mouvementaméliorent les résultats de simulation. Ceci met en évidence l’existence d’une réelle dynamiquecollective au sein du groupe d’agents.