Résumé : RésuméEn cartographie numérique, la généralisationest une opération qui consiste à diminuer leniveau de détail de données géographiquesvectorielles. De nombreux modèles ont étédéveloppésafindepermettresonautomatisation parmi lesquels certains baséssur une approche multi-agent. Le travailprésenté dans cet article s’intéresse à larévision automatique des connaissances deguidage d’un Systèmes existant de ce type etfonctionnant par essais/erreurs. L’objectifglobal de la révision de ces connaissances estde rendre le Systèmes de généralisation plusperformant mais aussi en même temps capabled’évoluer. L’approche que nous proposons sebase sur l’analyse des traces d’exécution duSystèmes ainsi que sur une modélisation agentdes connaissances de guidage afin de leurpermettre de s’améliorer en fonction desdonnées recueillies.

Résumé : La simulation à base d'agents est maintenant largement utilisée pour étudier les Systèmes complexes. Cependant, le problème de la définition des agents est toujours posé. Définir des agents complexes capables d'agir de manière réaliste est une tâche difficile. Un paradigme couramment utilisé pour formaliser le comportement de tels agents est le paradigme BDI (Belief-Desire-Intention). Cependant, ce formalisme est peu utilisé en simulation. Une raison est que la plupart des architectures basées sur celui-ci sont très complexes à comprendre pour des non- informaticiens. De plus, elles sont en générales très lourdes en termes de temps de calcul. Dans cet article, nous proposons ici une architecture agent basée sur le paradigme BDI et sur la théorie des fonctionde croyance qui permet de répondre aux difficultés précitées. Nous présentons une application de celle-ci pour la simulation du choix et de la conduite de Systèmes de culture par des agriculteurs. Cette application montre que notre architecture permet de faire tourner plusieurs milliers d'agents simultanément.

Résumé : La Simulation multi-agent est devenue un outilimportant ces dernières années, notamment dansle domaine des sciences sociales. En effet, ellepermet de simuler des situations mettant en jeudes êtres humains plus facilement qu’en réalisant des simulations à échelle réelle.Afin de garantir la qualité des résultats obtenuspar simulations, il est important que celles-ci reproduisent le mieux possible le comportementhumain. Ce besoin en réalisme implique nonseulement de fournir une architecture cognitiveaux agents mais également de représenter leursémotions.

Résumé : Les simulations sociales ont besoin d’agentsau comportement réaliste pour être utiliséescomme outil scientifique par les sciences sociales. La simulation d’une société humaineavec un comportement crédible implique l’utilisation de cognition, de liens sociaux entre lespersonnes ainsi que la prise en compte desémotions et des dynamiques entre ces composants. Cependant, développer un tel comportement est souvent trop complexe pour des chercheurs ayant peu de connaissances en programmation. Dans cet article, nous présentons unformalisme qui a pour but de représenter lacognition, les relations sociales et les émotions et qui est intégré dans une architectured’agent pour donner un comportement émotionnel dynamique à des agents sociaux. Cette architecture est implémentée dans la plateformemulti-agent open-source GAMA. Un cas d’étuded’évacuation lors d’un incendie de brousse enAustralie est utilisé pour montrer le potentiel denos travaux.

Résumé : La simulation sociale en tant qu’outil scientifique nécessite le développement de comportements crédibles pourles agents simulant le comportement d’acteurs humains.Une façon d’améliorer la crédibilité des simulations obtenues est d’intégrer des dimensions cognitive, affective etsociales dans la prise de décision des agents. Pour autant,développer des agents avec ces dimensions peut s’avérercompliqué si l’on veut rester accessible à des chercheursqui ne sont pas experts en informatique. L’architectureBEN (Behavior with Emotions and Norms) intègre des dimensions affectives et sociales à une prise de décisions basée sur une architecture BDI pour la réalisation de simulations sociales. Cette architecture modulaire s’appuie surune formalisation des dimensions cognitives, affectives etsociales. BEN est implémenté dans la plateforme de modélisation et de Simulation multi-agent GAMA et est ici illustrée sur un cas d’évacuation d’urgence.

Résumé : epuis le début de la pandémie de la COVID19, de nombreux travaux ont cherché à modéliseret comparer les impacts des politiques d’intervention non pharmaceutique. Cette volonté s’estcependant heurtée à la difficulté à pouvoir facilement prendre en compte la variété des cultures,des comportements et des contextes dans lesquels se déploient à la fois le virus et les politiques de santé publique. Initié pour soutenirles autorités vietnamiennes dans le déploiementd’interventions à l’échelle locale, l’environnement logiciel COMOKIT, qui repose sur un modèle à base d’agents, a été conçu dès le départpour être modulaire et facilement déployé surdifférents cas d’étude, quelles que soient la disponibilité et la qualité des données démographiques, géographiques et épidémiologiques. Intégrant des outils de construction de l’environnement géographique et de génération de populations synthétiques, COMOKIT permet une modélisation détaillée des individus et de leurs activités à une temporalité fine. Cet article présenteson adaptation à la comparaison de l’impact demesures de confinement dans le centre-ville deNice.

Résumé : De nombreux travaux ont démontré l’intérêtdes Solutions fondées sur la Nature (SfN)pour réconcilier la prévention des risques etle développement durable. Cependant, leurmise en œuvre concrète soulève le problèmede la réception sociale et de l’appropriationde ces stratégies par les différents acteurs. Leprojet MANA vise à concevoir un jeuinformatisé (Sim-MANA) permettant desensibiliser les parties prenantes aux SfNpour gérer le risque inondation. Au cœur dujeu se positionne la simulation d’uneinondation. Elle est réalisée à partir dumodèle Agent MANA-Flo qui permet desimuler le déroulement d’une inondation enconsidérant le comportement des habitants(fuite, protection de ses biens, de sa voiture,diffusion d’information, etc.). Ce modèlepermet de simuler différents scénarios d’aléasainsi que différentes stratégies pour faire faceà l’inondation.