9. Modèles à base d'agents (ABM)
Ces dernières années témoignent d'un
grand essor dans l'utilisation de la modélisation à base d'agents
pour l'étude des systèmes complexes. Cette approche, qui consiste
à représenter explicitement les entités composant le
système étudié sous la forme d'un ensemble
d'entités informatiques autonomes en interaction appelées agent,
connaît aujourd'hui un grand succès dans de nombreux domaines tels
que l'agronomie, l'écologie, la cartographie ou
l'épidémiologie.
a) Principe de la modélisation à base d'agent
(ABM)
Selon Jacques Ferber, dans « Les
Systèmes Multi Agents: vers une intelligence
collective » : développer un modèle de
simulation à l'aide de l'approche multi-agent consiste, à
modéliser un système un système composé des
'éléments suivants (figure 8):
· Un environnement E,
c'est-à-dire un espace disposant généralement d'une
métrique.
· Un ensemble d'objets O. Ces objets
sont situés, c'est-à-dire que, pour tout objet, il est possible,
à un moment donne, d'associer une position dans E.
· Un ensemble A d'agents, qui sont des
objets particuliers (A ? O), lesquels représentent les entités
actives du système.
· Un ensemble de relations R qui
unissent des objets (et donc des agents) entre eux.
· Un ensemble d'opérations Op
permettant aux agents de A de percevoir, produire, consommer, transformer et
manipuler des objets de O.
· Des opérateurs chargés
de représenter l'application de ces opérations et la
réaction du monde à cette tentative de modification, que l'on
appellera les lois de l'univers
Figure 7 :
Représentation imagée d'un agent en interaction avec son
environnementet les autres agents, (Ferber, 1995)
b) Avantages des modèles à base d'agent
Les systèmes multi-agents apportent une solution
radicalement nouvelle au concept même de modèle et de simulation
dans les sciences de l'environnement :
· En offrant la possibilité de représenter
directement les individus, leurs comportements et leurs interactions.
· L'intérêt de ces simulations est de
pouvoir considérer aussi bien des paramètres quantitatifs
(paramètres numériques) que qualitatifs (des comportements
individuels).
· Enfin, les systèmes multi-agents permettent la
modélisation de situations complexes dont les structures globales
émergent des interactions entre individus.
c) Travaux connexes modèles à base
d'agent :COMOKIT
Les travaux sur la modélisationde
l'épidémie de la covid-19 par une approche des systèmes
multi-agents sont abondants. Mais l'un de ces travaux méritent
d'être cite ici.L'équipe des chercheurs de l'Unité de
Modélisation Mathématique et Informatique des Systèmes
Complexes (UMMISCO), constituée de Kevin Chapuis, Patrick Taillandier,
Benoit Gaudou, Arthur Brugière et Alexis Drogoul, ont mis sur pieds,
l'environnement logiciel COMOKIT (covid-19, modeling kit), qui repose sur un
modèle à base d'agents. COMOKIT est un projet
développé à l'origine pour répondre aux besoins du
gouvernement vietnamien et l'aider à prendre des décisions. Il a
été codé en GAMA, et l'une de ses forces est qu'il est
modulaire et évolutif. Les données peuvent être
modifiées pour étudier d'autres villes, ce qui a
été fait pour étudier la propagation du virus à
Nice. Il a été conçu pour aider à la prise de
décision et a réellement été utilisé pour
cela, notamment au Vietnam. La figure 9 montre le diagramme UML du
modèle COMOKIT, résumant les différents agents inclus.
COMOKIT permet d'explorer l'impact des différentes politiques mises en
place.
Figure 8 : Diagramme de
classe des entités COMOKIT(Taillandier, Drogoul, & Gaudou,
2020)
| 
