7. Conclusion
Dans ce chapitre consacré à nos travaux ou
apports au monde scientifique, nous avons effectué la
modélisation d'un système d'information d'élevage dans un
agro-système et terminé par la Modélisation / Simulation
multi-agents de la propagation d'une épidémie animale qui
présente l'impact d'une telle épidémie sur la
filière animale considérée ici comme la filière
porcine en milieu rurale.
Au cours de la modélisation du système
d'information d'élevage, nous avons présenté un
modèle conceptuel pour l'archivage des données du secteur
d'élevage dans notre contexte.
Parlant de la Modélisation / Simulation multi-agents
de la propagation de la peste porcine africaine, nous avons fait ressortir en
passant par une modélisation et la simulation l'impact que cette peste a
sur la filière porcine suite à une infection dans une zone. Pour
la simulation, nous considérerons une zone avec les troupeaux repartis
de façon aléatoire dans toute la zone.
La suite de notre mémoire portera sur une conclusion
générale des travaux présentés et des perspectives
pour la continuité des travaux.
10 Chapitre 4 : CONCLUSION
ET PERSPECTIVES
8. 9. Conclusion
générale
Tout long de notre travail, nous avons traité la
modélisation d'un système d'information d'élevage et le
couple modélisation/simulation multi-agents de la propagation d'une
épidémie animale. Ces deux problèmes sont liés par
le fait que la modélisation de la propagation d'une
épidémie dans un système d'élevage par d'abord de
la compréhension de ce dernier.
La modélisation du système d'information
d'élevage a été faite pour répondre au besoin qui
nous a été posé au départ concernant la mise
d'une base de données multimédias
géo-référencées pour la gestion des
agro-systèmes par UNU/INRA et où notre étude sur le
secteur d'élevage. Ce travail nous a permis de comprendre le
fonctionnement des systèmes d'élevage et nous avons mis sur pied,
en plus du modèle conceptuel présenté, un dictionnaire de
données pour un système d'information d'élevage.
Dans la continuité de nos travaux, après avoir
réalisé le dictionnaire de données, nous avons
proposé une approche de modélisation de la Peste Porcine
Africaine (PPA). Dans cette approche de modélisation, nous avons
présenté l'architecture du système à
définir, suivi d'un diagramme de classe du modèle avec l'ensemble
des agents qui interviennent dans le processus de la propagation et
défini chaque par des diagrammes d'états transitions. Par la
suite, nous avons implémenté le modèle et effectué
des simulations pour répondre à la question de montrer l'impact
que cette épizootie a sur la filière porcine. Nous avons ainsi
présenté par des simulations avec NetLogo comment cette
épizootie peut se rependre dans une zone sur cette filière, sa
morbidité et sa mortalité.
\section{Rappel de la problématique}
Le présent document porte sur la modélisation
des systèmes d'élevage et la simulation multi-agents de la
propagation de la PPA. Ce sujet est extrait du problème
générale qui a fait l'objet de notre sage de Master 2 à
savoir : \emph{la mise en oeuvre d'une base de données
multimédias géo-référencées pour la gestion
des agro-systèmes} où nous avons travaillé sur la partie
des systèmes d'élevage. Ainsi, tourné vers le
problème des systèmes d'élevage, ceci a porté nos
travaux sur deux grands axes à savoir :
1. La modélisation d'un système d'information
d'élevage (SIE).
2. La modélisation et la simulation multi-agents d'une
épidémie animale en milieu rurale.
\section{Système d'information d'élevage
(SIE) : Travail effectué et résultats}
\subsection{ Travail effectué }
Dans une logique de mettre en oeuvre le modèle pour
l'archivage des données du secteur d'élevage, nous avons
commencé par définir un ensemble de termes liés au
système d'élevage (SE) et système d'information,
parlé de la notion de SIE et présenté quelques plateformes
existantes de SIE. Ensuite, nous avons présenté dans la
modélisation des systèmes d'élevage telle que
présente dans la littérature, les finalités d'un travail
de modélisation, l'importance du facteur géographique dans un tel
domaine, les modes de représentations des systèmes
d'élevage, les principes et les techniques de modélisation des
SE.
Partant de ces éléments de la
littérature, avec les entretiens avec les thématiciens
(chercheurs et ingénieurs) du domaine de l'agronomie et l'aide de
l'APESS par son formulaire des enquêtes de ménages, nous sommes
arrivés à définir les étapes à suivre, avec
les éléments pour mettre en oeuvre le modèle de SIE. Dans
cette logique, nous avons commencé par présenter le type de
modèle de système d'élevage à mettre en oeuvre.
Ensuite, nous avons proposé quelques cas d'utilisation de notre
système. Ces cas d'utilisation on permit d'identifier et de
caractériser les éléments du modèle. Partant de
cette identification et caractérisation, nous sommes parvenus à
mettre en oeuvre le modèle de SIE qui est illustré dans la figure
\ref{f10} et qui présente les différentes entités du
domaine, avec leurs attributs et les interactions qui existent entre elles.
Ce modèle a permis en de réaliser le
dictionnaire de données qui constituait la suite du résultat
attendu du travail de modélisation du SIE. En suite pour les besoins de
test du modèle, nous avons extrait le script SQL pour l'intégrer
dans un SGBD qui ici est PostgreSQL avec son extension PostGIS pour les
données géo-référencés.
Afin de montrer la réalisation des cas d'utilisation
que nous avons énumérée par notre modèle, nous
avons réalisé quelques diagrammes de collaborations.
Dans notre travail, nous avons pour un premier temps
modélisé un système d'information d'élevage,
ensuite, nous avons modélisé et simulé en utilisant le
système multi-agents la propagation d'une épidémie
animale. %Ces deux problèmes sont liés par le fait que la
modélisation de la propagation d'une épidémie dans un
système d'élevage par d'abord de la compréhension de ce
dernier.
\\
La modélisation du système d'information
d'élevage a été faite dans le cadre de notre sujet de
stage au Laboratoire MAT à savoir : \emph{la mise en oeuvre d'une base
de données multimédias
géo-référencées pour la gestion des
agro-systèmes} où nous avons travaillé sur la couche des
systèmes d'élevage. % par UNU/INRA et où notre
étude sur le secteur d'élevage.
Après une étude du domaine, nous avons mis sur
pied, en plus du modèle conceptuel de données, un dictionnaire de
données pour un système d'information d'élevage. \\
\section{Système multi-agents (SMA) : travail
effectué et résultats}
Dans ce travail de SMA, dans une optique de pouvoir mettre en
oeuvre un modèle muti-agents de la propagation de peste porcine
africaine (PPA) en milieu rurale et de faire les simulations, nous avons
commencé par définir la notion d'agent qui est une entité
autonome, en relation avec la notion d'objet et présenté les
principaux types d'agents. Ensuite, nous avons défini ce qu'est un
système multi-agents qui se résume à un ensemble d'agents
potentiellement organisés qui interagissent dans un environnement
commun. Cette définition est illustré dans la figure \ref{f6}.
Ensuite, nous avons présenté tel que décrit dans la
littérature la notion de modélisation des SMA où nous
avons illustré deux approches à savoir : l'approche de
modélisation centrée agent et l'approche de
modélisation centrée groupe dans lequel on définit le
modèle AGR (Agent/Groupe/Rôle) qui est illustré dans la
figure \ref{f7}. Dans cette suite, Marilleau [Marilleau, 2006] dans ses
travaux de thèse conclut en définissant les différents
modèles d'un travail de modélisation-simulation et dont le
schéma de la figure \ref{f8} qui présentes les étapes d'un
tel travail. Nous avons ainsi poursuivi les travaux par la présentation
de quelques plateformes de simulation multi-agents.
Cette présentation des SMA étant ainsi faite,
nous avons poursuivi nos travaux avec la présentation des SMA pour les
SE dans lequel nous présentons les travaux du domaine de SE qui ont
été effectués en utilisant les SMA comme le montre Chirat
[Chirat, 2010] dans ses travaux de thèses avec son modèle
multi-agents PastoTrop illustré par la figure \ref{f9}. Ensuite, nous
avons présenté les travaux de modélisation de la
propagation des épidémies animales en utilisant les SMA où
nous énumérons les principaux modèles, les travaux
d'Ivorra et al. [Ivorra & al., 2009] et des travaux de thèse de
Weber [Weber, 2007]. Cette étude nous a ainsi permit d'avoir une
connaissance du domaine des SMA et de leur pratique dans les SE pour pouvoir
réaliser un modèle multi-agents de la propagation de PPA.
Afin de parvenir à ce modèle, en passant par la
description de la PPA, nous avons défini par le schéma de la
figure \ref{f13} une architecture qui présente tous les acteurs et le
milieu de la propagation. Ensuite, nous avons réalisé un
modèle conceptuel, continuant avec les digrammes d'états
transitions qui décrivent les états par lesquels peuvent
transiter un acteur et ses différentes actions. Nous avons poursuivi
avec une description algorithmique de la propagation de la PPA.
Le modèle étant mis en oeuvre, nous avons
poursuivi avec la phase d'implémentation en utilisant l'environnement de
simulation multi-agent NetLogo du modèle réalisé, la
simulation et la présentation des résultats assortis de ces
simulations. De ces résultats, nous avons observé une forte
propagation de l'épidémie dans un milieu ou les porcs sont
concentrés, et ne prenant pas les mesures de précautions ou de
contrôles, l'épidémie peut prendre une forme aigüe ou
la morbidité et la mortalité sont à presque 100%
[Cruciere, 2003], ceci par le schéma de la figure \ref{f24}. En prenant
les mesures de précautions ou de contrôles tels que
illustrés par les résultats de la deuxième simulation
illustré dans la figure \ref{f26}, nous observons une réduction
considérable de morbidité et la mortalité de animaux.
Par la suite, nous avons proposé une approche de
modélisation de la propagation de la Peste Porcine Africaine (PPA). Dans
cette approche, nous avons présenté l'architecture du
système, suivie d'un diagramme de classe du modèle avec
l'ensemble des agents qui interviennent dans le processus avec leurs diagrammes
d'états transitions. Pour terminer, nous avons implémenté
avec NetLogo le modèle et effectué des simulations pour montrer
l'impact que cette épizootie a sur la filière porcine. %Nous
avons ainsi présenté par des simulations comment cette
épizootie peut se rependre dans une zone sur cette filière, sa
morbidité et sa mortalité. \\
en passant par la description de la PPA, nous avons
défini par le schéma de la figure \ref{f13} une architecture qui
présente tous les acteurs et le milieu de la propagation. Ensuite, nous
avons réalisé un modèle conceptuel, continuant avec les
digrammes d'états transitions qui décrivent les états par
lesquels peuvent transiter un acteur et ses différentes actions. Nous
avons poursuivi avec une description algorithmique de la propagation de la PPA
, mis fait ressortir l'impact que cette peste a sur la filière porcine
suite à une infection dans une zone.
a. Perspectives
Quelques perspectives pour une continuité de nos
travaux :
1. Concernant la base de données multimédia
géo-référencées, nous projetons de fusionner les
différentes couches ou vues définies et de la mettre en oeuvre
avec un SGBD disposant d'une extension pour les données
géo-référencées comme PostgreSql avec sa cartouche
PostGIS ou Oracle avec son extension OracleSpacial. Nous optons le plus pour
PostgreSql/PostGIS, car il est open source et free.
2. Parlant de la Peste Porcine Africaine, nous projetons de
faire une simulation avec les données
géo-référencées de terrain, les données
collectés pour le calibrage et la représentation de plusieurs
exploitations d'élevage avec la répartition des troupeaux
présents dans ces derniers avant la présence de la peste. Car
dans notre simulation, les troupeaux ne sont pas définis, les porcs sont
repartis de façon aléatoire dans la zone.
3. Après avoir simulé un cas avec les
données réelles de la PPA, nous projetons continuer avec les
pestes qui infestent les bovins comme la trypanosomiase.
4. Pour poursuivre l'exploration du modèle de
système d'information du secteur d'élevage, nous pouvons par
exemple explorer la production dans une exploitation d'élevage en
relation avec le système de production mis en oeuvre.
| 
