38
gociation...); la planification pour la réalisation de tâches complexes par des agents autonomes ou des
groupes d’agents en collaboration; l’apprentissage multi-agent et l’émergence de comportements collectifs. D’autres sont propres au domaine, notamment:
1. la conception de langages et de protocoles pour la communication, le dialogue et la collaboration
entre agents, leur permettant, entre autres, de former des coalitions.
2. la résolution collective de problèmes : 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 : 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.
3. l’étude de sociétés d’agents et des approches sociétales des systèmes multi-agents (organisations et
institutions, systèmes socio-techniques, systèmes normatifs, confiance et réputation), ainsi que les
problèmes normatifs et éthiques qui en découlent (par exemple : évitement et gestion d’accidents relatifs à des voitures autonomes en interaction dans une même zone de conduite).
4. l’étude de modèles représentant le comportement d’agents en interaction, provenant entre autres de
la microéconomie (notamment la théorie des jeux, coopératifs ou non-coopératifs) et visant à mesurer
l’impact des comportements stratégiques sur l’efficacité globale du système, et à concevoir des mécanismes permettant d’éviter ces comportement stratégiques ou de limiter leur interaction. On est ici
dans le domaine de la théorie de la décision algorithmique, qui a sa conférence dédiée (Symposium on
Algorithmic Game Theory) et qui est l’une des thématiques de la conférence ACM Economics and
Computation. Les applications concernent notamment les enchères (en particulier les enchères combinatoires) et, au-delà, le commerce électronique, ainsi que les problèmes de routage distribué (jeux de
congestion), et les systèmes P2P.
5. la conception et l’étude de mécanismes pour la décision collective (vote, partage de ressources,
appariement, formation de groupes). On est ici dans le cadre du choix social computationnel, qui a son
workshop dédié (COMSOC). Il s’agit à la fois d’utiliser des techniques de l’IA pour résoudre des problèmes de décision collectives algorithmiquement complexes, et d’appliquer des concepts, des modèles et des techniques proviennent du choix social pour la gestion de collectifs d’agents (humains
et/ou artificiels).
6. la modélisation et la simulation de phénomènes complexes. Il s’agit ici d’utiliser les systèmes multiagents pour simuler des interactions existant entre agents autonomes, et de chercher à déterminer
l’évolution de ce système afin de prévoir l’organisation qui en résulte. Ce paradigme permet même
d’expérimenter des scénarios qui ne seraient pas réalisables sur des populations réelles, que ce soit
pour des raisons techniques ou éthiques. Ce qui importe, c’est le comportement d’ensemble, non pas le
comportement individuel. Des exemples concrets : simulation de la propagation de maladies dans un
espace géographique paramétrable, simulations de trafic routier ou d’évacuation de foule paniquée
dans un bâtiment, qui permettent d’étudier l’origine des problèmes (embouteillages, bousculades) afin
de réfléchir à des solutions pour les restreindre.
IA & Web
Le Web sémantique est un domaine d’application emblématique de la thématique de la représentation
des connaissances et du raisonnement au service du Big data. La représentation des connaissances et
du raisonnement se caractérisent par la représentation formelle de connaissances et leur traitement
symbolique par des algorithmes de raisonnement automatique. Dans le cadre du Web sémantique, les
gociation...); la planification pour la réalisation de tâches complexes par des agents autonomes ou des
groupes d’agents en collaboration; l’apprentissage multi-agent et l’émergence de comportements collectifs. D’autres sont propres au domaine, notamment:
1. la conception de langages et de protocoles pour la communication, le dialogue et la collaboration
entre agents, leur permettant, entre autres, de former des coalitions.
2. la résolution collective de problèmes : 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 : 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.
3. l’étude de sociétés d’agents et des approches sociétales des systèmes multi-agents (organisations et
institutions, systèmes socio-techniques, systèmes normatifs, confiance et réputation), ainsi que les
problèmes normatifs et éthiques qui en découlent (par exemple : évitement et gestion d’accidents relatifs à des voitures autonomes en interaction dans une même zone de conduite).
4. l’étude de modèles représentant le comportement d’agents en interaction, provenant entre autres de
la microéconomie (notamment la théorie des jeux, coopératifs ou non-coopératifs) et visant à mesurer
l’impact des comportements stratégiques sur l’efficacité globale du système, et à concevoir des mécanismes permettant d’éviter ces comportement stratégiques ou de limiter leur interaction. On est ici
dans le domaine de la théorie de la décision algorithmique, qui a sa conférence dédiée (Symposium on
Algorithmic Game Theory) et qui est l’une des thématiques de la conférence ACM Economics and
Computation. Les applications concernent notamment les enchères (en particulier les enchères combinatoires) et, au-delà, le commerce électronique, ainsi que les problèmes de routage distribué (jeux de
congestion), et les systèmes P2P.
5. la conception et l’étude de mécanismes pour la décision collective (vote, partage de ressources,
appariement, formation de groupes). On est ici dans le cadre du choix social computationnel, qui a son
workshop dédié (COMSOC). Il s’agit à la fois d’utiliser des techniques de l’IA pour résoudre des problèmes de décision collectives algorithmiquement complexes, et d’appliquer des concepts, des modèles et des techniques proviennent du choix social pour la gestion de collectifs d’agents (humains
et/ou artificiels).
6. la modélisation et la simulation de phénomènes complexes. Il s’agit ici d’utiliser les systèmes multiagents pour simuler des interactions existant entre agents autonomes, et de chercher à déterminer
l’évolution de ce système afin de prévoir l’organisation qui en résulte. Ce paradigme permet même
d’expérimenter des scénarios qui ne seraient pas réalisables sur des populations réelles, que ce soit
pour des raisons techniques ou éthiques. Ce qui importe, c’est le comportement d’ensemble, non pas le
comportement individuel. Des exemples concrets : simulation de la propagation de maladies dans un
espace géographique paramétrable, simulations de trafic routier ou d’évacuation de foule paniquée
dans un bâtiment, qui permettent d’étudier l’origine des problèmes (embouteillages, bousculades) afin
de réfléchir à des solutions pour les restreindre.
IA & Web
Le Web sémantique est un domaine d’application emblématique de la thématique de la représentation
des connaissances et du raisonnement au service du Big data. La représentation des connaissances et
du raisonnement se caractérisent par la représentation formelle de connaissances et leur traitement
symbolique par des algorithmes de raisonnement automatique. Dans le cadre du Web sémantique, les