Comme nous l’avons soulign´e en introduction, notre travail allie d’une part, les caract´ e-ristiques des syst`emes multi-agents pour la prise de d´ecision, la coop´eration et la commu-nication inter agents et d’autre part, la mise en ´evidence du langage (et des interactions qui en d´ecoulent) lors des diverses phases de l’apprentissage humain. Or, pour r´ealiser et d´evelopper cette approche, il n’existe malheureusement pas de m´ethodologies pr´ecises et d’outils standard en IAD. Dans cette perspective, nous avons donc ´elabor´e une forme hybride de mod´elisation baptis´ee ALONE.
8.2.1 Un mod`ele et un environnement d’agent apprenant
A l’instar d’une conversation humaine instaur´ee sur un sujet en particulier, nous avons d´evelopp´e trois types d’agents pr´esents dans notre environnement avec des rˆoles, des caract´eristiques et des cycles de vie qui leur sont propres :
- Un apprenant: Son objectif est d’acqu´erir de nouvelles connaissances (repr´ esen-t´ees, dans notre cas, sous la forme d’une ontologie), lui permettant d’´etablir un dialogue avec le reste des participants. Toutes ses communications se font par l’en-voi et la r´eception de messages en langage naturel. Il dispose d’un certain nombre de connaissances de base qui lui sont indispensables tout au long de son apprentissage. Son module d’apprentissage constitue, bien entendu, le coeur de son fonctionne-ment. Son cycle de vie est initialis´e par l’envoi d’un message de bienvenue de la part du conseiller et se termine une fois que son apprentissage est achev´e.
- Des participants: Leurs principaux rˆoles sont d’´etablir un v´eritable dialogue avec les autres participants de l’environnement et d’aider l’apprenant dans son processus d’apprentissage. L’ensemble de leur communication se fait par l’envoi de messages r´edig´es en langage naturel. Ils poss`edent non seulement des connaissances li´ees `a un domaine particulier (repr´esent´ees sous la forme d’une ontologie) mais aussi des connaissances de base visant `a comprendre les messages ´echang´es. Leurs d´ecisions sont prises au niveau de leur module de R´eponse/Action qui est la partie la plus d´evelopp´ee pour ces agents. Leur cycle de vie est initialis´e par l’envoi d’un message de bienvenue de la part du conseiller et se termine avec l’envoi d’un message de retrait.
- Le conseiller: Il a pour rˆole de surveiller et r´eguler le syst`eme mais aussi d’apporter `
a l’apprenant toutes les informations relatives aux agents pr´esents dans l’environ-nement via l’envoi de messages en langage naturel. Ses connaissances de base sont plus r´eduites que les autres mais concernent surtout des informations sur tous les agents pr´esents. Son cycle de vie correspond avec le d´ebut et la fin de la simulation puisqu’il est le premier agent a ˆetre cr´ee et le dernier `a ˆetre supprim´e.
En ce qui concerne le processus d’apprentissage, nous l’avons d´ecompos´e endeux ´etapes
de telle fa¸con `a co¨ıncider avec l’´evolution et la construction d’un individu au cours de son d´eveloppement :
- Une premi`ere ´etape d’´ecoute passive de toutes les conversations (avec une analyse textuelle sur chacun des messages envoy´es entre participants et une analyse statistique sur les mots extraits pour d´egager les plus importants) ainsi qu’un calcul de confiance (se basant sur une m´ethode d’agr´egation d’opinions) pour tous les participants pr´esents lors du dialogue simul´e (de sorte `a avoir un classement des participants, prenant en consid´eration leur participation durant une conversation, leur grade et leur anciennet´e). Ce calcul de confiance est plus particuli`erement utilis´e par l’apprenant lors de la deuxi`eme ´etape de son apprentissage afin d’interroger un seul agent sur la signification d’un terme et disposer ainsi d’une r´eponse unique. - Une deuxi`eme ´etape d’interrogation des participants concernant la d´
efini-tion de tous les termes inconnus et la mise `a jour de l’ontologie, qui devient alors en ad´equation avec le domaine simul´e.
Lors de ces ´etapes, nous mettons successivement en œuvre des techniques issues de la lin-guistique (pour analyser les messages), de l’´ethologie des communications (pour quantifier la participation de chacun lors d’une conversation) et des math´ematiques (pour accorder
Conclusion
plus ou moins de confiance aux propos d’un agent) visant `a conjuguer les avantages et les apports de chacune de ces disciplines.
8.2.2 Une impl´ementation op´erationnelle
L’intention finale de notre d´emarche ´etait de concevoir et r´ealiser une impl´ementation de notre mod`ele la plus proche possible de nos contraintes th´eoriques. Pour cela, nous avons d´evelopp´e un programme se basant sur une plate forme multi-agents (DIMAX) pour ne pas red´evelopper tous les protocoles d’interactions existants et nous concentrer sur les propri´et´es de notre mod`ele. Tout au long de la conception de l’application, nous avons tent´e de r´efl´echir `a son ´evolution et avons, dans cette perspective, mis en place un certain nombre d’outils qui peuvent ˆetre facilement am´elior´es par l’utilisateur. De plus, ce logiciel poss`ede l’avantage de s’installer rapidement et n´ecessite tr`es peu de contraintes techniques. Enfin, toutes les simulations peuvent ˆetre appliqu´ees dans des contextes tr`es divers et disposer d’un ou plusieurs apprenants ainsi qu’un certain nombre de participants. Nous avons aussi mis en avant, le fait que notre application fonctionne en distribu´e (sur des machines physiquement r´eparties). D`es lors, nous avons pu r´ealiser notre intention de d´epart : cr´eer un environnement o`u des agents virtuels «discutent» et apprennent de fa¸con autonome.
8.2.3 Une application dans le domaine de la sant´e
Pour valider notre mod`ele et pouvoir tester l’efficacit´e de notre programme (en terme de concepts appris dans notre cas), une derni`ere ´etape manquait `a notre travail : trouver un domaine d’application pertinent o`u l’acquisition r´eguli`ere de nouvelles connaissances a un sens. Notre choix s’est port´e sur le domaine de la sant´e puisque c’est un domaine o`u les informations quotidiennes sont tr`es nombreuses, et qu’il est essentiel pour les acteurs de ce syst`eme de se tenir au courant de toutes les ´evolutions et nouveaut´es. Nous avons donc utilis´e une ontologie de plus de 1800 concepts (l’ontologie du projet MENELAS) et avons ´ecrit un certain nombre de sc´enarii sur des sujets ayant trait `a la chirurgie cardio-vasculaire. Nous avons ainsi pu nous rendre compte de la vitesse d’apprentissage de nos agents et des diff´erents temps attribu´es `a chacune des ´etapes. Partant de l`a, nous avons effectu´e certaines modifications au niveau de notre algorithme et avons not´e les faiblesses de notre mod`ele.
En conclusion, nous pouvons dire que cette application nous a permis de prouver le caract`ere g´en´erique de notre mod`ele d’apprentissage tant au niveau des conversations ´
emises que des concepts appris.
8.2.4 Des apports dans les deux disciplines
Notre travail se trouvant `a la charni`ere de deux disciplines, des apports dans chacune d’elles peuvent ˆetre ´enonc´es :
Apports de notre mod`ele ALONE au niveau des sciences sociales
Dans le domaine des sciences sociales, l’originalit´e de notre approche r´eside dans :
- La mod´elisation de la th´eorie de Vygotsky mettant en avant le langage et les inter-actions comme source d’apprentissage ;
- L’utilisation de travaux issus de l’´ethologie des communications pour le calcul de confiance ;
- L’int´egration de toutes les caract´eristiques des syst`emes multi-agents visant `a ajou-ter aux r´epertoires th´eoriques des sciences sociales des m´ecanismes nouveaux et per-formants apportant des ´el´ements novateurs et constructifs (l’approche agent pour mod´eliser les fonctions de haut niveau de l’ˆetre humain, les protocoles d’interac-tions...).
Apports de notre mod`ele ALONE au niveau des syst`emes multi-agents
Les principaux avantages de cette mod´elisation sont :
- L’introduction des th´eories « socio-constructivistes » `a la base d’un mod`ele d’ap-prentissage visant `a se rapprocher des particularit´es humaines ;
- La prise en compte du langage et des interactions en tant que source d’apprentissage et l’accord d’un poids plus important `a la communication. Une v´eritable « intelli-gence verbale » peut ainsi ˆetre d´egag´ee au mˆeme niveau que celle d’un individu ; - Le d´eveloppement d’un mod`ele hybride d’apprentissage combinant les sp´ecificit´es
th´eoriques des sciences sociales et de l’IAD ;
- La mise en avant de la pr´esence de trois types d’agents dans un environnement d’apprentissage avec leurs propres caract´eristiques et leurs objectifs ;
- La prise en compte d’informations professionnelles (grade et anciennet´e) et relatives `
a la participation d’un agent lors d’une conversation pour le calcul de confiance. L’utilisation d’une m´ethode d’agr´egation d’opinions pour agr´eger toutes ces infor-mations et obtenir un classement des participants ;
- L’impl´ementation de notre mod`ele `a partir d’une plate-forme multi-agents. L’ins-tallation rapide de cette application sur n’importe quel syst`eme d’exploitation et son ´evolution possible au niveau de la programmation. La possibilit´e d’utiliser ce programme de fa¸con locale ou distribu´ee ;
- La validation de notre proposition dans un domaine particulier : celui du milieu de la sant´e en prenant en consid´eration une ontologie construite lors d’un projet europ´een.