26
interactions. Certaines des recherches dans ce domaine font appel à des notions et techniques venant
de la microéconomie (en particulier théorie des jeux et théorie du choix social).
Choix social computationnel / Théorie des jeux
Il faut travailler au rapprochement, suivi si possible, d'une véritable collaboration, avec des disciplines
connexes : économie, systèmes complexes, sociologie, biologie des populations, robotique. Dans le
cas particulier du choix social computationnel (pour la décision collective), un enjeu important est de
convaincre les collectivités publiques d'utiliser les outils développés par la communauté, et d'utiliser
leur feedback pour commencer d'autres développements. Ce feedback sociétal est un véritable sujet
disruptif. Il a commencé à être pris en compte, notamment par la plateforme de partage équitable en
ligne Spliddit (http://www.spliddit.org/).
Les applications de la thématique "économie computationnelle" en commerce électronique sont clairs:
systèmes de recommandation, systèmes de réputation (par exemple, TripAdvisor), systèmes d'échange
(P2P ou pas) et problèmes de confiance, systèmes d'enchères sur le web. A noter que la France n'est
pas très active sur ces thématiques (à part les systèmes de recommandation).
Raisonnement sur l'autre
Un agent autonome doit souvent être capable de raisonner sur les croyances, préférences et intentions
d'autres agents (que ce soient des humains ou d'autres agents artificiels), soit parce qu'il est nécessaire
d'agir contre d'autres agents, ou en collaboration avec d'autres agents, ou, enfin, pour d'autres agents.
Les grands défis sont ici la décision en contexte hostile ou compétitif : jeux de sécurité ("security
games"), ou dans un contexte plus anodin, programmation de joueurs (échecs, go, poker, et aussi jeux
vidéos). Dans tous ces contextes il est crucial d'avoir un modèle pertinent des croyances, préférences
et intentions de l'opposant. La recherche doit se faire de façon de plus en plus pluridisciplinaire : machine learning, recherche heuristique, théorie des jeux, économie expérimentale, psychologie
cognitive.
Le problème se pose également pour la décision en environnement collaboratif, où une équipe d'agents
(par exemple, des robots) doit résoudre des tâches collectivement. Il s'agit de résoudre de manière
décentralisée un problème qui se pose globalement à la collectivité d'agents (et donc aux humains qui
les ont programmés). Un exemple typique d'application : la résolution d'une tâche d'exploration dans
un environnement mal connu par une flotte de robots se déplaçant de façon autonome et pouvant (plus
ou moins bien) communiquer entre eux. On est ici en plein dans le cadre de l'IA distribuée, avec des
intersections fortes avec les domaines de la planification, du raisonnement et de la décision dans
l'incertain, voire de la robotique.
Enfin, une dernière application importante, est l'assistance à la personne, où il s'agit cette fois de modéliser les états mentaux de la personne assistée (personne âgée ou en situation de handicap). Là encore, les sujets en rupture sont hautement pluridisplinaires.
Actions conjointes / Planification collaborative
La coopération/collaboration entre agents, humain-machine (en particulier humain-robot), est à la fois
physique et cognitive. Pour réaliser des tâches et actions conjointes, les agents doivent partager des
informations sur l’environnement, sur leurs objectifs communs ou individuels, et sur la manière
d’accomplir les tâches. Ils doivent aussi maintenir une communication leur permettant d’inférer que le
co-acteur est bien engagé dans la tâche commune. Le robot doit donc élaborer et maintenir un modèle
interactions. Certaines des recherches dans ce domaine font appel à des notions et techniques venant
de la microéconomie (en particulier théorie des jeux et théorie du choix social).
Choix social computationnel / Théorie des jeux
Il faut travailler au rapprochement, suivi si possible, d'une véritable collaboration, avec des disciplines
connexes : économie, systèmes complexes, sociologie, biologie des populations, robotique. Dans le
cas particulier du choix social computationnel (pour la décision collective), un enjeu important est de
convaincre les collectivités publiques d'utiliser les outils développés par la communauté, et d'utiliser
leur feedback pour commencer d'autres développements. Ce feedback sociétal est un véritable sujet
disruptif. Il a commencé à être pris en compte, notamment par la plateforme de partage équitable en
ligne Spliddit (http://www.spliddit.org/).
Les applications de la thématique "économie computationnelle" en commerce électronique sont clairs:
systèmes de recommandation, systèmes de réputation (par exemple, TripAdvisor), systèmes d'échange
(P2P ou pas) et problèmes de confiance, systèmes d'enchères sur le web. A noter que la France n'est
pas très active sur ces thématiques (à part les systèmes de recommandation).
Raisonnement sur l'autre
Un agent autonome doit souvent être capable de raisonner sur les croyances, préférences et intentions
d'autres agents (que ce soient des humains ou d'autres agents artificiels), soit parce qu'il est nécessaire
d'agir contre d'autres agents, ou en collaboration avec d'autres agents, ou, enfin, pour d'autres agents.
Les grands défis sont ici la décision en contexte hostile ou compétitif : jeux de sécurité ("security
games"), ou dans un contexte plus anodin, programmation de joueurs (échecs, go, poker, et aussi jeux
vidéos). Dans tous ces contextes il est crucial d'avoir un modèle pertinent des croyances, préférences
et intentions de l'opposant. La recherche doit se faire de façon de plus en plus pluridisciplinaire : machine learning, recherche heuristique, théorie des jeux, économie expérimentale, psychologie
cognitive.
Le problème se pose également pour la décision en environnement collaboratif, où une équipe d'agents
(par exemple, des robots) doit résoudre des tâches collectivement. Il s'agit de résoudre de manière
décentralisée un problème qui se pose globalement à la collectivité d'agents (et donc aux humains qui
les ont programmés). Un exemple typique d'application : la résolution d'une tâche d'exploration dans
un environnement mal connu par une flotte de robots se déplaçant de façon autonome et pouvant (plus
ou moins bien) communiquer entre eux. On est ici en plein dans le cadre de l'IA distribuée, avec des
intersections fortes avec les domaines de la planification, du raisonnement et de la décision dans
l'incertain, voire de la robotique.
Enfin, une dernière application importante, est l'assistance à la personne, où il s'agit cette fois de modéliser les états mentaux de la personne assistée (personne âgée ou en situation de handicap). Là encore, les sujets en rupture sont hautement pluridisplinaires.
Actions conjointes / Planification collaborative
La coopération/collaboration entre agents, humain-machine (en particulier humain-robot), est à la fois
physique et cognitive. Pour réaliser des tâches et actions conjointes, les agents doivent partager des
informations sur l’environnement, sur leurs objectifs communs ou individuels, et sur la manière
d’accomplir les tâches. Ils doivent aussi maintenir une communication leur permettant d’inférer que le
co-acteur est bien engagé dans la tâche commune. Le robot doit donc élaborer et maintenir un modèle