Construction d'individualité par un mécanisme de sélection d'action basé sur les motivations

HAL Id: tel-00839389

https://tel.archives-ouvertes.fr/tel-00839389

Submitted on 27 Jun 2013

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of

sci-entific research documents, whether they are

pub-lished or not. The documents may come from

teaching and research institutions in France or

abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est

destinée au dépôt et à la diffusion de documents

scientifiques de niveau recherche, publiés ou non,

émanant des établissements d’enseignement et de

recherche français ou étrangers, des laboratoires

publics ou privés.

sélection d’action basé sur les motivations

Tony Dujardin

To cite this version:

Tony Dujardin. Construction d’individualité par un mécanisme de sélection d’action basé sur les

motivations. Système multi-agents [cs.MA]. Université des Sciences et Technologie de Lille - Lille I,

2010. Français. �tel-00839389�

Construction d’individualit´

e par un

m´

ecanisme de s´

election d’action bas´

e

sur les motivations

TH`

ESE

pr´esent´ee et soutenue publiquement le 4 novembre 2010

pour l’obtention du

Doctorat de l’Universit´

e Lille 1 - Sciences et Technologies

(sp´

ecialit´

e informatique)

par

Tony Dujardin

Composition du jury

Pr´

esident :

Mohamed Daoudi

_{, Professeur}

_{LIFL, Universit´e Lille1}

Rapporteurs :

Rachid Alami

_{, Directeur de Recherche}

_{LAAS, Toulouse}

Pierre Chevaillier

_{, HDR}

_{CERV, ENIB, Brest}

Examinateur :

Tristan Cazenave

_{, Professeur}

_{LAMSADE, Universit´e Paris-Dauphine}

Directeurs :

Jean-Christophe Routier

_{, Professeur}

_{LIFL, Universit´e Lille1}

Philippe Mathieu

_{, Professeur}

_{LIFL, Universit´e Lille1}

UNIVERSIT ´

E LILLE 1 - SCIENCES ET TECHNOLOGIES

Laboratoire d’Informatique Fondamentale de Lille — UMR USTL/CNRS 8022

U.F.R. d’I.E.E.A. – Bˆ

at. M3 – 59655 VILLENEUVE D’ASCQ CEDEX

Le ommen ement detoutes les s ien es, 'est l'étonnement de e que les hoses sont e qu'elles sont.

Cette thèse est une proposition pour la on eption de omportements rédibles dans les simulationsinformatiquespouragentssituésdansunenvironnementvirtuel.Le omportement d'unagentsedénitàpartirdel'observationdesa tionsqu'ilexé utedansunenvironnement. Chaquea tion exé utée résulte d'un hoix de l'agent parmi l'ensembledes a tionsqu'il peut ee tuer. Le omportement se onstruit don àpartir des apa ités del'agent lui permettant de résoudre ses buts, le raisonnement, et d'un hoix inuen é par ses traits de ara tère, l'individualité. Ces traits de ara tère peuvent être de natures diérentes, par exemple les préféren es de l'agent sur les a tions qu'il peut exé uter, la prise en ompte de la proximité ave la ible d'unea tionouen orelapersévéran edansunerésolution en ours.Depar leurs natures diérentes, il est important de dénir une stru ture permettant à lafois de prendre ompte tous es éléments, d'autoriser l'ajout et la suppression d'un trait de ara tère tout en gardant la ohéren e du omportement obtenu. Enn haque trait de ara tère doit être paramétrablesimplement etréutilisablepour la onstru tion d'autresindividualités.

Ma ontribution onsiste àdénirdes omportementsquisont omposés de esdeux par-ties :leraisonnement etl'individualité.Le raisonnement utiliseun plani ateur pour déduire l'ensemble des résolutions possibles des buts de l'agent à partir de ses onnaissan es et de ses apa ités. L'individualité utilise unmé anisme de séle tion d'a tionan dedéterminer la meilleure a tionparmi l'ensemble desa tionsexé utables.

Denombreux travauxont déjà étéee tuéssurlesplani ateurs, ette thèsese on entre surlapropositiond'unmé anismedeséle tiond'a tionpourlapartieindividualitédu ompor-tement.Cemé anismesebasesurlesnotionsdemotivations etd'alternatives.Lesmotivations sontl'expressiondetraitsdu ara tèredel'agent,ellessontindépendantes etellesinuen ent le hoix de l'a tion à exé uter.Les alternativessont les résolutions possibles al ulées par la partie raisonnement du omportement. Le mé anisme de séle tion d'a tion s'appuie sur les alternatives pour déterminer,à l'aidedesmotivations lameilleure a tionà exé uterà haque instant.

Les motivations inuençant le omportement de l'agent sont dénies indépendamment du ontexte d'appli ation (et indépendamment les unes des autres) permettant leur réutili-sation (même partiellement) pour d'autres agents et d'autres simulations. Ma ontribution vise également à apporter un enri hissement au projet CoCoA par l'apport d'unmé anisme de séle tion d'a tion on ret basé sur les motivations ainsi que la réalisation d'un atelier de on eptionde omportement. L'enri hissement d'unplani ateur basésurl'appro he entrée intera tion,promue dansleprojetCoCoA, par monmé anismede séle tiond'a tion basésur lesmotivationspermetd'obtenirunmoteur omportementalidentiquepourlesagents.Par sa généri ité, emoteurpeutêtreutilisé dansdiérentsenvironnementsetpour diérentsagents ens'adaptantauxspé i itéset apa itésde ha un,toutenproposant unediversitédansles omportements réalisables.

Thisthesisproposesa newdesignapproa h forbuildingsoftwareagentsthatree t belie-vablebehaviorsinsimulatedvirtualenvironments.Observingaspe i agent'sa tionsusually leads to dening its overall behavior s hema, whi h is done a ording to the a tions it per-formswhileattempting torea hagoaland,the hoi es thisagentde idestomakebe auseof spe i personalitytraits. Duetothediversityofnature relatedto personalitytraits,dening an agent's behavioris a hallenging problem sin e itrequires, for example,the onsideration of agent's preferen es on erning the a tions it an perform, agent's loseness to the a tion target,andthelevelofagent'sinsisten etorea ha ertaingoal.The onsisten yofanagent's behavioris a hieved bymeans of astru tured design that onsiders the hangeabilityof per-sonality traits while making them possible to re ongure or reuse by other agents, plus, the impa ts itmakes onan agent's a tions'sele tion.

The ontribution of this thesis is dire tly related to thedesign phasewherein an agent's behavioristo bedened.Deninganagent'sbehavior onsistsofreasoning andindividuality. In the reasoning part, relying on a planner is required to infer all possible resolutions of agent'sgoalsfromitsknowledgeandabilities.Intheindividualitypart,weintrodu e ana tion sele tion me hanism fordetermining anagent's subsequent move fromall possible ones.

This thesis fo uses on the introdu tion of a new a tion sele tion me hanism to an agent behavior'sindividuality. The main on epts behindthedesign of our a tion sele tion me ha-nismaremotivations andalternatives.Welookatmotivations astheindependent expressions ofaspe i agent'straitsthatinuen eitsup ominga tionsele tion.Welookatalternatives aspossible resolutions omputed bythe reasoning partofan agent's behavior.

Inourapproa h,themotivations inuen ingagents'behaviorsaredomain-free.Therefore, wewereableto utilizeourworkin ontributingtotheCoCoAproje tbyprovidinga on rete motivation-based a tion sele tion me hanism. Further to the intera tion-oriented approa h promotedbytheCoCoAproje t,thea tionsele tionme hanismweproposemakesitpossible to provide the means to have reliable behavioral engine thatis the same for all agents. This generi engine anbeusedindierent environmentsandfordierentagents.Italsotakesinto a ount the agent's abilitiesand individualitiesto provide diversiedand realisti behaviors.

Je tiens toutd'abord àremer ierl'ensembledesmembresde monjury dethèse: Moham-medDaoudi pour avoira epté dele présider, Ra hidAlami etPierre Chevaillier pour avoir a epté d'être rapporteurs etd'avoir permis l'amélioration etl'aboutissement quereprésente e do ument etenn TristanCazenave pour avoir examinémontravail.

Je tiens également à remer ier mes dire teurs Jean-Christophe Routier et Philippe Ma-thieu,pouravoirsumeguidertoutenmelaissantlibredemes hoix,pour esujetpassionnant etmotivant ainsique pour les dis ussionsqui m'ont permis d'avan er.

Mer iégalementàtoutel'équipeSystèmesMulti-AgentsetComportementsduLaboratoire d'Informatique Fondamentale de Lille, pour leur a ueil et leur aide à haque étape de mes travaux. Mer i à Sameh Abdelnaby, Bruno Beauls, Jean-Paul Delahaye, Patri ia Everaere, Yoann Kubera, Jean-Baptiste Leroy, Maxime Morge, Antoine Nongaillard, David Panzoli, Sébastien Pi ault et Irina Veryzhenko. Je tiens à rendre hommage en parti ulier Yann Se q pour avoir étémontuteurdu otéenseignement ave qui j'aibeau oupaimé travailler.

Je remer ie mes amis, Benjamin Barbry, Christophe Bouin, Meriem Bouisouden, Fadila Khadar,FrançoisLe roart, Frédéri Maquet, Ludovi Martin, Sylvain Petit, Asli Ürgüplü et FrançoisVantomme.Jen'oubliepasnonpluslesan iensdo torantsSMACquisontégalement mes amis, Laetitia Bonte, Damien Devigne et Julien Derveeuw, qui ont su m'aider et me onseillerdepuis leMaster Re her he.

SansoublierMoulay-Driss Ben hiboun etJean-Marie Pla e, pour m'avoir permis d'ensei-gnerau département informatique de l'IUT'A'de Lille.

Ungrandmer iàmesparents,MyriametJa quesetàmafamille,enparti ulier,Delphine et Lu ie pour tout le soutien et lapatien e dont ils ont fait preuve. Enn, un mer i à eux quine sont pluslàaujourd'huimaisque jen'oublierai jamais.

Résumé iii

Abstra t v

Remer iements vii

Introdu tion Générale 1

1 Contexte 5

1.1 Qu'est e quele omportement? . . . 5

1.1.1 Ladénition du omportement . . . 5

1.1.2 Ar hite tures et omportements. . . 6

1.1.3 Crédibilitédu omportement . . . 7

1.2 Laséle tion d'a tion ommemé anismedénissantle omportement . . . 9

1.2.1 Le omportement estune question de hoix . . . 9

1.2.2 Lessystèmes motivationnels . . . 13

1.2.3 Motivations ethiérar hie. . . 17

1.3 Comportements etJeux vidéo . . . 21

1.3.1 La on eption de omportement dansles jeuxvidéo. . . 21

1.3.2 Lesinterfa esde on eptionpour lesjeux vidéo . . . 34

1.3.3 LesMMORPG . . . 39

1.4 L'équipe SMAC Lille . . . 42

1.4.1 L'appro he entrée intera tion. . . 42

1.4.2 MéthodologieIODA . . . 44

1.4.3 Bilan. . . 46

1.5 Con lusion. . . 47

2 Le projet CoCoA 49 2.1 Lesprin ipesdu projetCoCoA . . . 50

2.1.1 Tout estagent . . . 50

2.1.2 Lesagents a tifs . . . 51

2.1.3 L'inuen e dusitué . . . 51

2.1.4 Lesintera tions dansCoCoA . . . 52

2.1.5 Lesbuts . . . 55

2.2 L'ar hite ture desagentsCoCoA . . . 56

2.2.1 La per eption . . . 56

2.2.2 La miseà jour . . . 57

2.2.3 La mémorisation . . . 58

2.2.4 La plani ation . . . 58

2.2.5 La séle tion d'intera tion . . . 59

2.3 La plateforme desimulation CoCoA . . . 60

2.3.1 Les lasses d'agent CoCoA. . . 60

2.3.2 Lesintera tions spé iques . . . 60

2.3.3 La réationd'une simulation CoCoA . . . 61

2.3.4 L'exé ution d'unesimulation CoCoA . . . 62

2.4 Les hiers de onguration . . . 64

2.5 Con lusion. . . 65

3 Modélisation du omportement 67 3.1 Le modèle de on eption de omportement . . . 68

3.1.1 Le raisonnement etl'individualité . . . 68

3.1.2 Le raisonnement . . . 68

3.2 L'individualité . . . 70

3.2.1 Le mé anismede séle tion d'a tion . . . 71

3.2.2 Le mé anismede séle tion d'a tion basésurles motivations . . . 72

3.2.3 Le prold'individualité . . . 74

3.3 Constru tion etIllustration . . . 75

3.3.1 Constru tion de l'ASM. . . 75

3.3.2 Exemple de on eptionde motivation . . . 78

4 Contributions à CoCoA 83 4.1 Des propriétés quiévoluent . . . 84

4.1.1 Propriétés onstanteset dynamiques . . . 84

4.1.2 Implémentation despropriétés. . . 85

4.2 La onstru tion desalternatives . . . 88

4.2.1 Lanotion d'alternative dansun

Arbre − et/ou

. . . 89

4.2.2 La onstru tion desalternatives . . . 91

4.2.3 L'élagagede l'

Arbre − et/ou

. . . 92

4.3 Miseen ÷uvredu mé anismede séle tion d'a tion . . . 94

4.3.1 Analyse . . . 94

4.3.2 Le hoix desmotivations . . . 96

4.3.3 Lesfon tionsde ombinaison . . . 100

4.3.4 Lesévaluateurs . . . 103

4.3.5 Réutilisationde l'ASMen dehors deCoCoA . . . 108

5 Con evoir des omportements 113 5.1 L'atelierde on eptionde omportements . . . 113

5.1.1 Lesprin ipesde l'atelier . . . 114

5.1.2 Lesgroupesde omportement . . . 115

5.1.3 Le hoix de l'utilisateur . . . 116

5.1.4 Vuegénérale . . . 116

5.1.5 Bilan. . . 116

5.2 Lessimulations . . . 117

5.2.1 Lemonitoring dansCoCoA . . . 117

5.2.2 Lessimulations Toys :les motivations . . . 118

5.2.3 La ombinaisondesmotivations . . . 125

5.2.4 L'inuen edespropriétés . . . 128

5.2.5 Lesprols etlesprototypes . . . 135

5.2.6 Lesperforman es . . . 142

Con lusionGénérale 145 Bibliographie 149 A Le hoix de la fon tion de ombinaison 153 A.1 Lafon tion puissan e. . . 153

A.2 Lafon tion ra ine . . . 154

A.3 Lasomme . . . 154

A.4 Lasomme probabiliste . . . 154

B Combiner les préféren es de l'agent 157

B.1 Maximum . . . .158

B.2 Minimum . . . .158

B.3

N

ieme

pluspetitepréféren e . . . .158

B.4 Moyenne arithmétique . . . .159

B.5 Moyenne desN minima . . . .159

B.6 Moyenne Géométrique . . . .159 B.7 Moyenne Harmonique . . . .160 B.8 Bilan . . . .160 C L'atelier de on eption 161 C.1 L'interfa e . . . .161 C.1.1 Vue générale . . . .161 C.1.2 Le menu . . . .162

C.1.3 L'arbre ré apitulatif du omportement . . . .163

C.1.4 Lespropriétés . . . .163

C.1.5 Lesintera tions . . . .163

C.1.6 Lesmotivations . . . .164

C.2 Les hiers dénissant le omportement . . . .165

C.2.1 Le omportement . . . .165

C.2.2 Lespropriétés . . . .166

C.2.3 Lesmotivations . . . .166

C.2.4 Lesintera tions . . . .166

C.3 Les hiers de onguration . . . .167

C.3.1 Le  hier olor. ong . . . .168

C.3.2 Le  hierfun tion. ong . . . .168

C.3.3 Le  hierslider. ong . . . .168

C.3.4 Le  hiermotivation. ong . . . .169

C.3.5 Les hiers de lalanguefr.properties eten.properties . . . .170

C.4 Con lusion. . . .170

Lexique 175

Le omportement d'un agent se dénit à partir de l'observation des a tionsqu'il exé ute dansun environnement. Chaquea tion exé utéerésulted'un hoix del'agent parmises apa- ités. Le omportement se onstruit don àpartir desa tionsquel'agent peut ee tuerpour résoudreses buts(le raisonnement)etd'un hoix inuen é par sestraits de ara tère (l'indi-vidualité).Cettethèse sesitue dansle adredessimulationsinformatiquesde omportements pour desagents situésdansun environnement virtuel.

L'appli ationprin ipaleviséeparmestravauxdesimulationde omportementsestlesjeux vidéo. Comme le dit John Laird le jeu vidéo est la killer appli ation de la modélisation de omportementshumains[LvL00℄.Lamodélisationde omportementsdanslesjeuxvidéoestun ritèreimportant.Plusles omportementsdespersonnagesdansun jeusont variés, plus l'im-mersiondujoueurestintenseet aptivante.Parmileste hniquesd'IAlesplusutiliséesdansles jeuxvidéo,onretrouveprin ipalement less riptsetlesma hinesàétatnis[Ork06 ℄.Ces te h-niquesreposentsurl'énumérationdessituationspossiblesetladénitionpour haquesituation de l'a tion que le personnage doit ee tuer. Ainsi, a roître la diversité des omportements implique d'augmenter le nombre de situations diérentes (an notamment de surprendre le joueur), rendantla on eptiondes omportementslongue etdi ile.Depuisquelquesannées, desoutilssont réésandesimplier ette on eptionetrendreleplusréutilisablepossibleun travail déjà ee tué. Certainsde esoutils possèdent notamment des interfa es représentant les omportements sous forme de graphes pour en simplier la ompréhension. Bien que es outils permettent d'alléger la tâ he du on epteur, on evoir un omportement à partir de l'ensembledessituations présentes dansunjeu reste une tâ he longueet ompliquée.

Si l'on désire dénir un omportement parti ulier, ela ne requiert pasd'information sur lesautresagentsousurlasimulationdanslaquellel'agentvaêtreutilisé.Bienqu'ilpuisseêtre important deprendre en ompte son ontexte (sonenvironnement et lesautres agents),pour être rédibleladénitiond'un omportementnené essitepasd'enêtredépendant.Dénirun agentgourmand,nerequiert pasd'informationsurl'environnementdanslequell'agent vaêtre utilisé. Par ontre, l'expression de sa gourmandise peutêtre ontrainte par l'environnement (s'iln'y arien àmanger par exemple).C'est pourquoi, jeproposede dénirle omportement de l'agent à travers les fa teurs qui le poussent à agir, indépendamment des situations ou de l'environnement dans lequel l'agent sera utilisé. Ainsi, e n'est plus la situation qui va déterminerle omportement de l'agent mais es fa teursqui vont être adaptés à lasituation pourinuen erle omportementdel'agent.Cetteappli ationdeladénitiondu omportement àlasituation doitêtredéléguée àune pro édureautomatiquean delibérerle on epteurde ette tâ he pour lui permettre de se fo aliser sur la on eptiondu omportement de l'agent. Le butde ette thèse estde faireune proposition dans e sens.

Ma ontribution onsisteàdénir des omportementsquisont omposésdedeuxparties: le raisonnement et l'individualité. Le omportement est onstruit à partir des apa ités de l'agent lui permettant de résoudre ses buts, le raisonnement, et d'un hoix inuen é par ses traits de ara tère, l'individualité. Le raisonnement utilise un plani ateur pour déduire l'ensemble des résolutions possibles des buts de l'agent à partir de ses onnaissan es et de ses apa ités. L'individualité utilise un mé anisme de séle tion d'a tion (ASM pour A tion Sele tion Me hanism) an de déterminer la meilleure a tion parmi l'ensemble des a tions exé utables.

Denombreuxtravauxontdéjà étéee tuéssurles plani ateurs, ettethèse se on entre surlapartieindividualitéetsurlapropositiond'unmé anismedeséle tiond'a tion.Ce mé a-nismesebasesurlesnotions d'alternative etdemotivation. Une alternative estune séquen e d'a tions omposée d'une a tion exé utable, d'a tions intermédiaires et de l'a tion permet-tant de résoudre un but. Les alternatives sont des prévisions à moyen terme des résolutions possiblesdesbuts, elles sont al ulées par lapartie raisonnement du omportement. Les mo-tivationssont l'expressionde traitsdu ara tèrede l'agentqui inuen ent le hoix del'a tion à exé uter. Leur rle est d'évaluer à haque instant les a tions exé utables par l'agent en prenant en ompte les alternatives orrespondantes. Le mé anisme de séle tion d'a tion est le même pour tous les agents, son rle est de ombiner les évaluations des motivations an de déterminerlameilleure a tionàexé uter.Lesmotivations sont indépendanteslesunesdes autres, rendant lemé anismede séle tion d'a tionrobuste aux ajoutsetauxsuppressionsde motivation.Lesmotivationssontdénies indépendammentdu ontexted'appli ationdu om-portement,ellessontdon réutilisablespourd'autresagentsetd'autressimulations.Enn, les motivationssontparamétrables ande réerdesprols omportementaux.Ainsi,deuxagents dans lamême situation, ayant lemême ASM,les mêmes apa ités, les mêmes onnaissan es et les mêmes motivations peuvent ee tuer des a tionsdiérentes, s'ils possèdent desprols omportementaux diérents.

La réutilisation du travail est un aspe t important de l'allègement du temps onsa ré à la on eption. Le but est de dénir des agents ave des omportements pouvant exprimer destraitsde ara tère.Lesagentsne sontpasseulement distinguésselonleurs apa itésmais égalementsuivantlamanièredontilsdé identd'ee tuerunea tion.Mapropositionreposesur une dénition d'individualité sans a priori surl'environnement dans lequel le omportement sera appliqué. Cette dénition se veut être réutilisable (même partiellement) pour d'autres environnementset d'autresagents.

De plus, mes travaux s'ins rivent dans le adre du projet CoCoA de l'équipe SMAC de Lille. Ma ontribution vise à apporter un enri hissement au projet du point de vue de la on eption d'individualité. Cet enri hissement du plani ateur du projet CoCoA basé sur l'appro he entrée intera tion par mon mé anismede séle tion d'a tion permet d'obtenir un moteur omportemental générique etune dénitiondu omportement réutilisable tant surla partie raisonnement quesur lapartie individualité. An de pouvoir expérimenter e moteur, j'ai implémenté un mé anismede séle tion d'a tion on ret danslaplateforme de simulation CoCoA. Cemé anisme extraitles alternativesà partir d'unplan(i.e.un

Arbre − et/ou

) pro-duit parlaplateforme de simulation(lapartie raisonnement du omportement). Puis, l'ASM évalue haque a tion exé utable (et don haque alternative) à l'aide de sept motivations. Chaque motivation donne une évaluation indépendante pour haque alternative.Ces évalua-tions sont ensuite ombinées an de déterminer lameilleure a tion quel'agent doit exé uter

(la partie individualité du omportement). Ces sept motivations répondent aux ritères de Tyrrell dénissant un bon mé anismede séle tion d'a tion[Tyr93b℄.Un atelier de on eption de omportement a été également mis en pla e an de fa iliter la onstru tion de l'indivi-dualitédes agents CoCoA. Enn, plusieurs simulations ont été réaliséesan de présenter les diérentsaspe tsdumé anismedeséle tion d'a tionpour la on eptiondel'individualitédes agents.

Organisation du do ument

La on eptionde omportement regroupe plusieurs parties. Tout d'abord,lemodèle,puis laméthodologiede on eption,ensuitel'implémentation etennl'interfa e de on eption.Un modèle, ou e qui peut être présenté sous la forme d'une ar hite ture, permet de détermi-ner omment le omportement est déni. Une méthodologie de on eption dénit omment on evoir un omportement ainsique les prin ipes de ette on eption. Une implémentation permet de on rétiser le modèle an d'exé uter les omportements dénis. Une interfa e de on eption fournit les outils né essaires à un utilisateur pour onstruire des omportements pour lemodèleen suivant laméthodologie ande pouvoirl'exé uter.

Le premier hapitre est onsa réau ontextedemes travaux.Je ommen erai par donner unedénitiondu omportementavant deparlerdesamodélisation. Jeprésenteraiensuitedes travauxrelatifs àla on eptionde omportement quiont marquéouinuen émesre her hes. Certainsde estravauxsont évidemmentdestinés àla on eptionde omportementspourles jeuxvidéo. Ce hapitre présente également l'appro he entrée intera tion de l'équipe SMAC deLille. Cette appro he a notamment donné naissan e auprojetCoCoA.

Le hapitre deuxestunétatdeslieuxduprojetCoCoAavantmestravauxdere her hesur la on eptionde omportement.Le projetCoCoAse omposeégalement d'uneplateforme de simulationsurlaquellej'aipuréaliseruneimplémentation on rètedumodèlequejepropose. LeprojetCoCoAoraitdéjà ertaines solutionsde on eptionpourdesagents ognitifssitués dontle omportementestorientépardesbuts.Ce hapitrepermetdon demieuxappréhender l'implémentation qui aétéfaite dansCoCoA(présentée dansle hapitre quatre).

Le hapitre trois présente lemodèle queje proposepour la on eption de omportement. Ce modèle est basé sur la séparation de la partie raisonnement et de la partie individualité du omportement. La partie raisonnement est déléguée à un plani ateur dont la tâ he sera de dénir les résolutions possiblesdes buts de l'agent, en fon tion de ses apa ités et de ses onnaissan es. La partie individualité est gérée par un mé anisme de séle tion d'a tion basé surlesnotions de motivationetd'alternative. Lesmotivations sont vues ommedeséléments inuençantle hoixdesa tionsàee tueretdon le omportementdel'agent.Lesalternatives sontlesrésolutionspossiblessurlesquelleslemé anismedeséle tions'appuieande hoisirà haqueinstant lameilleurea tion àexé uter.Ce hapitreprésenteégalementlaméthodologie de on eptionainsiqueles ontraintesauxquellesdoiventrépondretouteslesimplémentations dumodèle.

Le hapitre quatreillustrelespointsprésentésau hapitre pré édent àtravers l'implémen-tation du mé anisme de séle tion d'a tion réalisée dans la plateforme CoCoA. Cette implé-mentation né essitait la prise en ompte de troiséléments inuençant le omportement :les

tés supplémentaires de modélisation et d'évolution du omportement de l'agent, e hapitre présente la mise en pla e de propriétés qui évoluent durant la simulation dans CoCoA. Le mé anisme deséle tion d'a tion baséesurles motivations né essitel'apportd'alternativesde lapartieraisonnementdu omportement.Ce hapitre présenteégalementuneimplémentation on rètedu mé anismede séle tion d'a tionave sept motivations.

Le hapitre inq se fo alise sur la partie utilisation du modèle. Il présente l'atelier de on eptionde omportementainsiquedessimulationspermettantd'illustrerlefon tionnement du modèle proposé. L'atelier de on eption de omportement est une interfa e destinée à un utilisateur expérimenté permettant une on eption modulaire du omportement tout en n'ayantau unapriorisurlessimulationsdanslesquellesle omportementserautilisé.Lapartie dessimulationspermetde omprendrelefon tionnementdumé anismedeséle tiond'a tionà traversquatreparties.Lapremièrepartieprésentel'eet,unàun,de haquemotivationsurle omportementde l'agent.Ladeuxième partieestl'illustrationdel'inuen ed'unensemblede motivations sur le omportement. La troisième partie montre un as d'utilisation du modèle pour la on eption de omportement basé sur les motivations an de gérer des propriétés internes de l'agent.La dernière partie regroupe desexpérimentations quej'ai menées an de per evoirles utilisationspossiblesdumodèledansun adre oopératif.

Les annexes A et B, présentent les diérentes fon tions mathématiques que j'ai testées omme andidatespotentiellespour êtredesfon tionsde ombinaison(enannexeA)des mo-tivationsetdespréféren es(enannexeB).Dans esdeuxannexes, haquefon tionest ritiquée par rapportà des ritères pré isattendusde lafon tion de ombinaison pour laquelleelle est andidate. Lesdeuxfon tionsretenues(la ombinaisondesmotivations etla ombinaisondes préféren es) ont été mises en pla e dans le mé anisme de séle tion de CoCoA. L'annexe C est onsa rée àla présentation en détailde l'atelier de on eption. Cette annexe présente les diérentsé rans, les ongurations possibles de l'atelier de on eption etles  hiers générés permettant une on eptionmodulaire du omportement.

Contexte

Le ommen ement detoutes les s ien es, 'est l'étonnement de e que les hoses sont e qu'elles sont.

Aristote

L'étudedu omportementetsamodélisationestunsujetpluridis iplinaire.Cesujettou he à la fois à la psy hologie, la biologie et la himie des organismes étudiés, l'é onomie, la so- iologie et évidemment l'informatique. Nous nous limiterons à la présentation de travaux prin ipalement eninformatiquepermettantla ompréhensionde ettethèse.Nousaborderons dans un premier temps la thématique de la dénition du omportement. Puis je présenterai des modélisations informatiques du omportement et je me fo aliserai sur eux qui ont été appliqués aux jeux vidéo et j'expliquerai laproblématique liée aux jeux massivement multi-joueurs. Enn je présenterai l'appro he entrée intera tion qui est la base du projet CoCoA danslequelj'ai travaillé.

1.1 Qu'est e que le omportement?

Avantdeparlerdelamanièredemodéliserun omportement,ilfautd'abords'entendresur ladénitiondumot omportement. Pour ela,j'utiliseraiunedénitionbaséesurl'éthologie et expliquerai en quoi il est di ile de pouvoir qualier un omportement. Je présenterai également une appro he psy hologique du omportement et plus généralement des prols omportementaux.

1.1.1 La dénition du omportement Dénition de l'éthologie

Dans [Set98 ℄, l'auteur donne une dénition du omportement basée sur l'éthologie qui est l'étude du omportement et plus spé ialement l'étude du omportement animal sauvage dans son milieu naturel. Le omportement est déni omme le résultat de l'observation de

l'ensemble desa tionsd'unagent danssonenvironnement. Cettedénition meten jeuxtrois entités :l'agent, l'environnement et l'observateur. Le omportement existe, il est observable, maison a souvent envie dele nommer, 'est-à-dire de vouloir l'identier ave un on eptpar nominalisme. Le nominalisme est une do trine de pensée fondéepar Ros elin de Compiègne (1050-1121), opposéeauréalismedePlaton, privilégiant equi est onstruitpar l'observation et dénissant la généralisation par on epts omme un simple outil de ommodité pour la ommuni ation.

Identier un omportement

Donner un nom à un omportement dépend de l'auteur 'est-à-dire de l'observateur du omportement. Qualier un omportement est subje tif ar il dépend de l'observateur, de sa ulture et de ses onnaissan es. Par onséquent, donner un nom à un omportement est une interprétation personnelle de l'observateur sur les a tions que l'agent a ee tuées. En outre, l'introdu tion d'un observateur souligne le problème du sens que l'on veut donner au omportementlorsdesa on eption.L'interprétationd'uneobservationétantsubje tive,ilest di iledeprétendrefairedes omportements,delesnommer,delesmontreràdesobservateurs etdepouvoirobtenir l'unanimitéque e soitsurlenomutilisé ousurl'interprétationquefont les observateurs du omportement. Le problème se pose également, du fait que la notion de omportement d'un personnage ne vient pas seulement de l'observation des a tions qu'il mène, maisaussi d'une appré iation qui est faite de sa personnalité. C'est,par l'observation des a tions entreprises, que l'observateur onstruit sa propre appré iation du omportement et le lasse en fon tion de son évaluation : brutal, onvivial, et . C'est pourquoi, les termes utilisés dans e do ument pour qualier un omportement seront évidemment subje tifs et n'auront prin ipalement pour but quede lesidentier.

Les prols omportementaux

Dans[Don01 ℄ Jean-Paul Don kèle, dé ritdes portraits an de mieux omprendre les étu-diants etmieux ommuniquer ave eux. Dans e livre,basé surl'analyse transa tionnelle, il dé ritsixprols :sentimental,idéaliste, travailleur,ludique,songeur etentreprenant.Chaque prol est présenté en fon tion des attitudes adoptées, de ses réa tions fa eà ertaines situa-tions, des modes de ommuni ation privilégiés et eux évités. Ce que l'auteur dé rit e sont des prols omportementaux qui sont des ari atures de omportements. Il pré ise que les omportementshumainssonttous omposésde essixprols dansdesproportionsdiérentes ( ertains sont dominantsetd'autres sont presqueinexistants).

Il est intéressant de pouvoir dénir des omportements via ertaines ara téristiques et de pouvoir doser ha une d'elles. Nous verrons plus tard que je prendrai ette idée an de onstruire e que j'appelle leprold'individualité desagents.

1.1.2 Ar hite tures et omportements

Cette thèse se pla e dans le adre des systèmes multi-agents (SMA). Une quali ation usuelle d'unagent dansles SMA estla distin tionentreréa tif et ognitif. Mais lanotionde

en parlant d'agent réa tif [Nar98 ℄, ognitif ou même d'hybride [MP93 ℄ on ne détermine pas né essairement sontypede omportement.

Généralement,les omportementssont vus ommedépendantde fa teursinternes omme latempérature, lafaim,lafatigueetd'autresvariableshoméostatiques quipoussent l'agent à a omplirunea tionspé iqueetsurtoutdansle asdesar hite tures réa tives.Dans[Fer95℄ l'auteurpré isequelaprin ipale diéren e entre unagent réa tifet ognitifvient dufait que l'agent réa tif se base sur la per eption de son environnement pour agir, alors qu'un agent ognitifsebasesurunereprésentationsymboliquequ'ilpossèdedesonenvironnement.Ainsile omportement réa tifne selimite pasàl'ensemble desa tionsqui sont ee tuées par l'agent en réponse à des stimuli internes ou externes et le omportement ognitif à l'ensemble des a tionsplaniées quisont ee tués par l'agent danslebut derésoudreses buts.

Il est possible ave des agents réa tifs de onstruire des plans à moyen-terme sans repré-sentation symboliqueet ave desagents ognitifs de prendre en ompte sonvoisinage pro he pour prendre une dé ision. Dansmes travaux,j'ai utilisé lesagents ognitifsde laplateforme CoCoA.Néanmoins,jemontrequ'ilestpossibled'obtenirdes omportementsquipeuventêtre onsidérés ommeréa tifs,tel quel'opportunisme.

1.1.3 Crédibilité du omportement La notion de rédibilité

La rédibilité d'un omportement est une notion parti ulièrement importante. Dans le adre des jeux vidéo, plus la rédibilité des omportements des personnages non joueurs est grande,pluselleentraineuneimmersionintensedesjoueurs.Toutefoisilnefautpas onfondre rédibilité,réalisme ourationalité. Le réalismedanssonsens ommun (onne parle pasi idu réalismephilosophiqueissudel'idéalisme,nidu ourantlittéraireet artistiqueduXIXesiè le) estunetendan eàdé rirelaréalitéennemasquantau unaspe t.Dansle adredesjeuxvidéo, le réalisme pur disparaît bien souvent en laissant pla e à la  tion. La rationalité introduit l'idéed'une orrespondan eentreladénitiondu omportement etl'exé ution de elui- i.La rationalitépeutégalementêtreliéeàlanotionde omportementoptimalparrapportauxbuts, 'est-à-diremaximisersesintérêtsousonbien-être.Nouspréféronsdansle adrede ettethèse ne pasnousfo aliser surl'aspe td'optimalité du omportement.En eet,nous ne her hons pasà atteindre unoptimal en minimisant,par exemple,le nombred'a tions maisà produire des omportements rédibles.Pour être rédible,un omportementdoitêtreena ordave le ontexte.

Dans sathèse[Sep07℄ CyrilSeptseault s'intéresse à ette notion de rédibilité du ompor-tement des agents. Selon l'auteur, pour être rédible, le omportement d'un agent doit être onsistant et ohérent. C'est-à-dire qu'il doit être le même devant des situations similaires sanspourautant avoirun aspe ttropmé anique etildoit également s'adapterà lasituation ourante. Pour ela,lepersonnage doitappréhender son environnement :en avoir unebonne représentation et unebonne ompréhension. Pourtant, l'auteur onstatequegénéralement la représentation del'environnement neprendpasen ompteladynamiquedumonde, alors que ela permettrait aux agents d'anti iper les hoses et d'avoir un omportement plus rédible. L'auteur propose don un agent observateur qui n'a pas de omportement mais qui possède

namique de l'environnement. À partir de saper eption partielle de l'environnement, l'agent observateurvase onstruireunereprésentationdel'environnement.Ilvatenterde omprendre ladynamiquedesonenvironnement an depouvoirprédirel'évolution deséléments quinese trouvent plus dansson hampde per eption. Pour ela, l'agent observateur sedé omposeen inq parties (voirlagure 1.1):

1. La per eption: e systèmeré upère lesinformations del'environnement.

2. La représentation : ette partie sto ke les informations provenant de la per eption et ontient lesétats potentielsdesobjets perçus.

3. La miseà jour de la représentation : ette partie tente de prédirel'évolution desétats desobjets en onnaissant ladynamiquedesintera tions subiespar es objets.

4. Le pro essus attentionnel : ette partie détermine les objets sur lesquels l'agent porte sonattentionandefo aliserlamiseàjour delareprésentation sur esobjetsainsique les objetsqui pourraient être en intera tionave eux.

5. Le système d'adaptation : e système met à jour les informations surl'appli ation des intera tions ( omme lafréquen e ou la durée) en fon tion des hangements perçus par l'agent.

Fig. 1.1  Ar hite ture de l'agent observateur proposé par Cyril Septseault permettant le maintien delareprésentation del'environnement, présentée dans[Sep07 ℄.

Danssathèse,CyrilSeptseaultmeten÷uvreunagentvoleurdontlebutestdedéterminer la ronde des gardiens an de subtiliser un objet sans se faire repérer. L'environnement est généréaléatoirement,il ontient plusieurspiè esetl'agent n'apasde onnaissan e aprioride

Bien que ses travaux permettent une représentation plus rédible de l'environnement et d'augmenterpar onséquentla rédibilitédespersonnages,deuxpointssontàsouligner.Le pre-mierestque on rètementl'environnement informé ontient desinformationssupplémentaires danslebutde simplierlamiseàjourdelareprésentation etdon deguiderle omportement de l'agent. Dans des environnements de grandes tailles et ave un plus grand nombre d'élé-mentsparti ipantàladynamiquedel'environnement,laquestionseposesurle hoixentreles informations qui doivent être portées par l'environnement (et qui doivent être valables pour tousles omportementsde touslesagents)etlesinformations portéespar l'agent.Le se ond, dans le adre restreint de l'exemple du voleur développé dans ette thèse, les al uls pour lareprésentation monopolisent déjà beau oupde ressour es, omment est-il alors possible de gérer un nombre important d'informations et d'agents tout en permettant à haque agent d'exprimer un omportement[Per09℄.

Comment valider un omportement?

Comme présenté pré édemment, l'interprétation que l'on peut faire d'un omportement observé est subje tif.Il serait don hasardeux de prétendre dans ette thèse pouvoir réaliser des omportements répondant à une dénition basée sur des quali atifs qui peuvent être eux-même sujet à interprétation. Il est don né essaire de se xer des ritères pour évaluer un omportement.Ces ritèrespeuventêtredediérentesnatures etsefo aliser surdiérents aspe tsde la on eptiondu omportement.Onpeutsefo alisersurl'aspe tpratiqueetdon surl'utilisationdumodèle:est- equela on eptiond'un omportementestsimpleàréaliser? Est- eque les diérentsélémentsde la on eptionsont ompréhensibles etmaitrisables? On peut également attendre d'un omportement ertains résultats : le omportement de l'agent est-il déni indépendamment du ontexte d'utilisation, est-il réutilisable? Le omportement répond-t-il àun s énarioprédéni?

1.2 La séle tion d'a tion omme mé anisme dénissant le om-portement

1.2.1 Le omportement est une question de hoix

Généralementlorsqu'on her he àreprésenterun omportement onparled'un hoixqu'un agentauraàfaire.Ce hoixpeutêtreinuen é parplusieurs fa teurs.Lesmé anismesmis en pla epour ee tuer e hoix peuvent êtredediérentesnatures (parexemplehiérar hique ou dé entralisé).

La subsomption de Brooks

Dans [Bro85℄,l'auteur proposeune ar hite ture où haque omportement est gérépar un module. Tous lesmodules ont a ès auxsenseurs etauxee teurs. Un modulepeut ontenir un ensemble de onditions et d'a tions mais elles- i doivent gérer le même omportement spé ique. Ces modules appartiennent à une hiérar hie danslaquelleils sont présentés verti- alement (voir lagure 1.2).Dans ette hiérar hie les niveaux supérieurs sont prioritaires à

eux des niveaux inférieurs. Lorsqu'il y a un onit, les modules supérieurs peuvent inhiber la sortie des modules inférieurs. Chaque omportement pré is (ou partie du omportement) de l'agent étant gérer par un module, il est fa ile d'en supprimer une partie en enlevant le module orrespondant ou d'en ajouter en positionnement orre tement le nouveau module. Dans ette ar hite ture, la relation hiérar hique n'intervient qu'à lasortie, tous les modules ont a èsauxinformationsdessenseurs enmême temps et produisent en parallèle lesa tions pour lesee teurs.

Bienquel'aspe tmodulairede ettear hite turesimpliela onstru tionetlaréutilisation de omportement, les ritères séle tion de omportement sont dénis à travers la stru ture hiérar hique. La séle tion d'a tionest don un pro essusstatiquepermettant de dérouler un s énario dénià travers ette hiérar hie.

Fig. 1.2 Ar hite ture hiérar hique etmodulaire deBrooks,présentée dans[Bro85 ℄.

La méthode DEM

Dans[Wit99 ℄ MarkWitkowski présente laméthode DEM (Dynami Expe tan y Model), permettant à un agent de résoudre es buts en utilisant de l'apprentissage non supervisé et un mé anisme de séle tion d'a tion. L'agent ne sait pas a priori omment résoudre ses buts et va l'apprendre par des tentatives su essives. Pour ela, l'agent ee tue des hypothèses prédisant lesa tions qu'il doitee tuer pour atteindre une situation à partir d'unesituation ourante.Chaque prédi tion possède une mesurequi augmentelorsqu'elle s'avère être bonne (et qui diminue si elle s'avère être fausse). L'agent se fo alise dans ses résolutions sur lebut le plusprioritaire. Chaquebut possède une priorité, elui qui possède la valeur de priorité la plus importante est le plus prioritaire. Pour ela,DEM onstruit un DPM (Dynami Poli y MAP) quiformeuneséquen edeliensentrelessituationsàatteindre(résolvantlebutleplus prioritaire)ave lesautressituations.LeDPMformeungraphe,oùlesn÷udssontles ontextes etlesar ssontlesa tions.Chaquear possèdeun oûtquidépenddu oûtunitairedel'a tion (en temps ou en ressour e) et de la mesure de la prédi tion asso iée. Chaque n÷ud possède un niveau indiquant lenombred'ar sà traverser pour atteindre lebutleplus prioritaire(qui est de niveau

0

). Le mé anismede séle tion d'a tion a pour rle de séle tionner la meilleure a tion à exé uter. Pour ela, le mé anisme al ule à partir de haque situation d'un même niveau

n

dansleDPM,lavaleur delapolitique. Cettevaleur estlavaleurminimaledu trajet dans le DPM du niveau

n

vers lebut le plus prioritaire en prenant en ompte les oûts des

politique est laplus faible à partir d'unesituation a tive (unesituation qui esta tuellement vériée). La valeur desprédi tions est miseà jour au ours de l'exé ution par apprentissage, les oûtsdesa tionssontdon misàjourainsiquelesvaleursdespolitiques,andeprivilégier lesa tions defaibles oûtsave les prédi tionslesplus faibles.

La méthode DEM se base sur les priorités des buts et l'ensemble des a tions à exé uter pour atteindreun but (ainsi queles oûts asso iés à sesa tions) pour déterminer les a tions à exé uter. Le mé anisme de séle tion d'a tion présenté dans ette thèse se base sur des motivations et la notion d'alternative (i.e. les séquen es d'a tions à exé uter pour atteindre un but). Les motivations inuen ent le hoix de l'a tion à exé uter mais peuvent être de diérentes natures. Deplus, tous les buts sont pris en ompte simultanément. Nous verrons quelemé anismedeséle tiond'a tion on retquejepropose,prenden omptedesmotivations liéesàlaprioritédesbuts,les oûtsdesa tionsetd'autresmotivations ommeparexempleles préféren esdel'agent.Enn, ontrairementàDEM,l'ASMquejeproposepermetàl'agentde sedétourner temporairement d'unbut prioritaire an de proter de la proximité d'une ible par opportunisme.

Les ritères de séle tion d'a tion selon Tyrrell

Les animats(pour la ontra tion de anima-materials) sont desrobotsanimaux physiques (ousimulés parordinateur) quise omportentdanslemonderéel (oudansunmondesimulé) d'une manière réaliste. Dans sa thèse de do torat[Tyr93b℄, Toby Tyrrell ompare plusieurs modèles ( on rets ou seulement théoriques) de mé anismes de séle tion d'a tion pour ani-mats. Il ena mis en ÷uvre les modèles théoriques, les a testé et omparé, an d'extraire des ontraintes qui doivent être prises en ompte dans l'évaluation d'unbon mé anisme de sé-le tiond'a tion. Dansle adrede ettethèse,nousnousfo alisonssurdesagentsvirtuelsqui n'ont pas d'a tionneurs physiques, ni de apteurs. La liste des ritères défendus par Tyrrell quirestent appli ables àdesagents virtuelsestprésentéedansle tableau1.1.

Dans ses travaux Tyrrell défend les ar hite tures hiérar hiques à ux libres. En eet, les stru tureshiérar hiques lassiquessont onsidérées ommetroprigidesetpeu robustes. Pour-tant par nature, les mé anismes de séle tion d'a tion sont hiérar hiques. Pour résoudre e problème,Tyrrellproposed'utiliserunear hite ture hiérar hiqueàuxlibres.Contrairement aux ar hite tures hiérar hiques lassiques, les ar hite tures hiérar hiques à ux libres n'éva-luent pas à haque étape de la hiérar hie les a tions à ee tuer évitant ainsi une séle tion du type winner-takes-all. Ces ar hite tures évaluent les a tions en n de hiérar hie an de déterminerlameilleure a tion andidatedu ompromis lorsquel'onprenden ompte toutes les ontraintes oumotivations.

Dans [Tyr93a℄, Tyrrell montre que les ar hite tures hiérar hiques à ux libres sont plus adaptées pour on evoir des mé anismes de séle tion d'a tion que les ar hite tures hiérar- hiques lassiquesouque lesar hite tures distribuées[Mae90 ℄.

DAMN

DAMN (DistributedAr hite ture for MobileNavigation)estdénipar Rosenblatt[Ros97 ℄ ommeunear hite turedistribuéeoùplusieursmodulesgèrentle ontrled'unrobot.Chaque

Critères de Tyrrell Dénition Persistan e jusqu'à

l'a hè-vement d'unea tion

ontinuer jusqu'àl'a hèvement d'une a tion,pour éviter le oûtd'un hangement d'a tion.

A tivations proportion-nellesàl'état ourant

dans les systèmes homéostatiques, le besoin d'avoir des a tivations proportionnelles à l'état ourant

Con urren e équilibrée entre lesa tions

lesn÷udsaidant àlaréalisationd'unseulbut nedoivent pasêtredévaloriséspar rapportauxn÷udsa hevant plu-sieursbuts

Continuité des séquen es d'a tions

besoin d'une autre persistan e ar hanger de séquen e d'a tions aun oût élevé.

Candidatdu ompromis l'a tion séle tionnée ne doit pas être la meilleure solu-tionpour haquesous-problèmemaislameilleuresur l'en-semble dessous-problèmessimultanément

Interruptibilité si né es-saire

interrompre une séquen e d'a tions de priorité relative-ment faible pouren ee tuer une de priorité plus impor-tante.

Proter de l'avantage qu'orent desopportunités

permettre d'interrompre une séquen e d'a tions an de proter del'avantage qu'orent desopportunités.

Combinaison de préfé-ren es

prendre en ompte des priorités de n÷uds de hauts ni-veauxpour hoisir parmi lesn÷uds de basniveaux. Combinaison exible des

stimuli

utiliserd'unefon tionarbitrairepour ombinerlesvaleurs desstimuli.

Tab.1.1  Les ritères de Tyrrell pour un bon mé anisme de séle tion d'a tion. Ces ritères orrespondantes aux ritères de Tyrrell appli ablesà unagent virtuel.

l'environnement qui lui sont pertinents. Suivant es informations haque module donne son avis (allant de -1 à +1 : de ontre à pour) sur les a tions que le robot peut ee tuer. Les modules travaillent de manière asyn hrone et en parallèle. L'ensemble des avis est envoyé à unmoduled'arbitrage quiva ombinerlesavispourévaluerglobalement lameilleurea tion à ee tuer. Chaquemodulepossède unpoidsdéterminant l'importan e desonévaluation, ilest possibled'utiliser dansDAMNun ontrleurdontlebutestdemettreàjour espoidssuivant le ontexte ourant(voirlagure1.3).La méthodede séle tionpermetde hoisirlameilleure a tion en prenant en ompte l'ensemble des évaluateurs (les omportements) et évite une séle tion dutypewinner-takes-all (laséle tion d'a tionestlerésultatdu ompromis omme le pré onise Tyrrell dans [Tyr93b ℄). Cette stru ture permet également de ne dénir que le omportement du robot, via les omportements parti uliers, sans se fo aliser sur l'ensemble des situations possibles. Ainsi l'ajout et lasuppression d'un omportement passe par l'ajout et la suppression d'un module, et aspe t modulaire rend la stru ture évolutive et les poids sur haque modulepermettent de spé ialiserle omportement du robot.

Le mé anisme de séle tion d'a tion proposé par DAMN, permet de dénir des modules votant pour ou ontre une a tion. Le fait de dé entraliser es modules permet de simplier la on eptionetde rendre le mé anismeplus évolutif. Dans ette thèse,je propose un mé a-nisme basé surun prin ipe similaireoù des évaluateurs donneront leur avissur les a tions à ee tuer de manière indépendante les uns des autres. Toutefois, je garde la possibilité pour

Fig.1.3Ar hite turedeDAMNave lesmodulesde omportementsindépendantsquivotent pour lameilleure a tion,présentéedans[Ros97℄.

esévaluateursd'inhiberlesautres évaluateursetd'avoirdesseuilsd'a tivation, en e sensje merappro herai également destravaux deBlumbergdans[Blu94 ℄

1.2.2 Les systèmes motivationnels

Selon le Grand Di tionnaire de la Psy hologie une motivation est un pro essus physio-logique et psy hologique responsable du dé len hement, de l'entretien et de la essation d'un omportement ainsique delavaleurappétitiveouaversive onférée auxélémentsdumilieusur lesquels s'exer ent le omportement. Pour Spen er A. Rathus [Rat95 ℄, les motivations sont dénies omme des états hypothétiques au sein de l'organisme qui a tivent le omportement et poussent l'organisme vers un but et toujours selon lui le omportement des organismes est ensé être en grande partie engendré par des motivations. Les besoins, les tendan es et les in itateurs sont des on epts étroitement liés. Dans [NDA08 ℄ l'auteur dé ritlanotion de motivation ommeétant provoquée par unbesoinphysiologique(oxygène, nourriture, eau, ..) ou un besoin psy hologique (a omplissement, pouvoir, estime de soi, approbation so iale et appartenan e).Cesbesoinsdonnentlieu auxtendan es. Exemples:l'épanouissement de nour-riture provoque une tendan e de la faim. Être poussé à gravir les é helons professionnels.. D'après [Clo05 ℄, du point de vue psy hologique, la motivation orrespond aux for es qui en-traînent des omportements orientés vers un obje tif, for es qui permettent de maintenir es omportements jusqu'à e que l'obje tifsoit atteint.

Globalementpour esdiérentesdénitionsetdanslaplupartdessystèmesmotivationnels, les motivations s'a tivent en fon tion de propriétés internes et vont inuen er le hoix des a tions à exé uter. La notion de but dans e as, se limite généralement au maintien des propriétés internes. Dans notre as, une motivation selimite au moyen d'inuen er le hoix des a tions à ee tuer. Ce hoix n'est qu'une partie de e qui ompose le omportement et nous verrons dans la suite que j'appelle ette partie du omportement l'individualité. Les a tionsàee tuerreprésentent lespremierspasdesolutionspossiblespermettant derésoudre les buts de l'agent. Nous faisons don intervenir les motivations beau oup plus tard dansle mé anisme omportemental, 'est-à-dire après la re her he des résolutions possibles par la partie du omportement quej'appelle le raisonnement.

Tendan es et Motivations

Sinous revenons sur ladénition du omportement omme lerésultat de l'ensemble des a tionsqu'unagentee tuedansunenvironnement,nouspouvonsdéduiredeuxéléments par-ti ipantàsa on eption.Lepremierélémentest omposédesa tionsquel'agentpeutee tuer. Si l'on restreint les apa ités de l'agent, on restreint par onséquent son omportement. Par exemple,unagent quinepourraitque asserdesportes pour lestraverser pourraitêtreperçu omme plusbrutal qu'unagent quiaurait la apa itéde les ouvrir. Le deuxième élément est omposé des a tions que l'agent a ee tuées. Si à un moment donné l'agent peut ee tuer, par e que le ontexte s'y prête bien, plusieurs a tions et qu'il doit faire un hoix pour n'en ee tuer qu'une seule à la fois, alors il faut dénir une manière de séle tionner la meilleure a tion à exé uter à un moment donné. Nouspouvons don voir le omportement omme les a tionsexé utéesparl'agentdansl'environnement,quisontissuesd'un hoixparmil'ensemble desa tionsqu'unagentpeutee tuerà haqueinstant.Ce hoixétantunpro essusrépondant à des ontraintes diverses. Prenons par exemple manger : un humain peut préférer aller au restaurantpluttquede uisiner, arilestfatigué.Oualors,ilpeutpréférermangerdesplats surgelés, ariln'apaslesmoyensd'alleraurestaurant.Ainsi,le omportementestorienté(de façon positiveounégative)pardestendan es.Lanotiondetendan esreposesurunethéorie du omportement psy hologique développée par Albert Burloud [Bur36 ℄. En a ord ave e onstat,nousproposonsdedénirnotrevisiondu omportement ommelesa tionsee tuées qui résultent d'unensemble detendan es subies parl'agent.

Dans[Fer95℄lestendan es sont dénies parles ognitons(i.e.parti ulesélémentaires per-mettant de dénir l'état mental d'un agent selon Ferber) qui poussent ou ontraignent un agent à agir ou qui l'empê hent d'agir. Elles sont issues de ombinaisons de motivations qui sont des ognitons plusélémentaires. Le fon tionnement de l'appro he par motivationest ex-pliqué au travers d'un système onatif proposé par l'auteur, e dernier est présenté dans la gure 1.4. Dans e système, les motivations forment la base de l'élaboration des tendan es qui ontraignent ladé isionde l'agent. L'auteur proposeune lassi ation desmotivationsen quatre atégories suivant lesorigines desmotivations :

motivationspersonnelles : e sont les motivations qui pro urent un ertain plaisir à l'agent.Par exemple,avoirfaimest unemotivation personnelle qui va pousserl'agent à her herde lanourriture.

motivationsprovenant de l'environnement : e sont les motivations qui proviennent d'éléments de l'environnement de l'agent. Par exemple, per evoir de la nourriture ou être àproximité d'elle, va pousserl'agent à manger.

motivationsso iales: e sont les motivations liées à la so iété qui poussent l'agent à agir d'une ertaine façon.Par exemple,il estpréférabled'avoir untravail etde bienlefaire. motivationsrelationnelles : e sont les motivations provenant des autres agents. Par exemple un agent va en aider un autre à porter une harge qui est trop lourde pour un seulagent.

Chaque motivation peut orienter le omportement de l'agent selon les tendan es qu'elle fournit.Unetendan eallantdel'attra tion àlarépulsion vainuen erle hoixdel'ASM.Une attra tion vapousserl'agent àréaliserune a tion alors qu'une répulsion va lefreiner.

S y s t è m e

m o t i v a t i o n n e l

S y s t è m e

d é c i s i o n n e l

T e n d a n c e s

M o t i v a t i o n s

D é c i s i o n s

S y s t è m e C o n a t i f

Fig. 1.4  Le système onatif proposé par Ferber est omposé de deux sous-systèmes : le systèmemotivationnelquiélaborelestendan esetlesystèmedé isionnelquidé idedesa tions àee tuer en fon tiondes tendan es.

PECS

S hmidt propose dans PECS (Physi al onditions Emotional state Cognitive apabilities So ial status) un modèle pour représenter les omportements humains[S h05℄. Ce modèle a étéfait pour rempla er le modèleBDI (Believe Desire Intention) dansle adre de la on ep-tionde omportementhumain.L'ar hite turedePECSseveutêtreuniversellementappli able ave uneadaptationàl'individualitésimple.Lesagentssont apablesd'exprimerdes ompor-tements diérents en ayant la même stru ture profonde et peuvent être dé rits par le même modèle de référen e. La stru ture du monde est représentée à l'aide de troisentités : l'envi-ronnement,un onne teuretles agents.

L'environnement représente touslesfa teursexternespouvantinuen er le omportement del'agent ( equipeutégalement in lureles autresagents).Chaqueagent PECSpossède une représentation de etenvironnement quipeutêtrein omplète, in ertaine etmême erronée.

Le onne teurest un omposant gérant lesé hanges d'informations entreles agents. Les agents PECS (voir la gure 1.5) sont omposés d'éléments dont l'organisation est dé omposée en trois ou heshorizontales:les entrées, les étatsinternes etlessorties.

 Les entrées sont omposées des modules de per eption et senseur. Le module senseur prendlesinformations provenant de l'environnement, lemodule deper eptiontraite et ltreles informations pour les mémoriser.

 Les états internes gèrent le omportement de l'agent et sont omposés de quatre mo-dules:lemoduleso ial,lemodule ognitif,lemoduleémotionneletlemodulephysique. Chaque module possède des propriétés (notées Z) représentant des propriétés internes del'agent etdesfon tions (notés F)gérant lamiseà jour de es propriétés.Le module physique gère l'aspe t physique de l'agent (par exemple ses variables homéostatiques omme la température), le module émotionnel gère les émotions de l'agent (tristesse, olère),lemoduleso ialgèrela ollaboration entrelesagentset lemodule ognitifgère les onnaissan es del'agent.

 Lessortiessontgéréespar lesmodulesde omportementetd'a tion.Lemodulede om-portement hoisitles a tionsàee tuer(ilpermet d'utilisernotamment laplani ation ou l'apprentissage) en fon tion des états internes. Le module d'a tion réalise l'a tion

hoisie. Les a tions sont de deux types, les a tions internes (qui se font sur l'agent lui-même) etlesa tions externesqui sefont dansl'environnement.

Fig.1.5 Ar hite ture d'unagent PECSprésentée dans[S h05 ℄.

DansPECS,ilestpossibledemettreenpla edesmotivations(motives)quivont inuen- er le omportement de l'agent. L'auteur dénit quatre types de motivations se distinguant par leurs onstru tions et leurs origines (la pulsion, l'intensité émotionnelle, la volonté et le désir so ial). L'auteur proposeuneséle tion d'a tion baséesurunwinner-takes-all.À haque motivation orrespond une intensité, les motivations sont en on urren e entre-elles et elle qui alaplusforteintensitédétermine l'a tionà exé uteretdon le omportementde l'agent. Les intensités sont al ulées suivantles variablesinternes de l'agent etleurs valeurs hangent au oursdel'exé ution.Parexemple,lafaimpilotele omportement:allerauréfrigérateur. La méthodologieproposéefon tionne en quatreétapes(voirletableau 1.2).

Ilestintéressantpourdesagentspurement ognitifsqui sont lassiquement dirigéspar les butsdeprendreen ompte espropriétés internes.Eneet,un omportement réalistedevrait pourvoirêtreinuen épardespropriétésinternestellesquesonniveaud'énergieousonniveau de faim. La on eptionde omportement que je proposeraiprendra en ompte les propriétés del'agent.Dansl'implémentationquejeferaipour CoCoA,j'ajouterailanotiondepropriétés dynamiques permettant notamment de représenterdes propriétés homéostatiques.

Étapes Dénition

1 Cal uler lesnouvelles valeursdevariables d'état internes. 2 Cal uler l'intensitéde haquemotivation orrespondante.

3 Comparer etséle tionner lamotivation ave l'intensitélaplus importante. 4 Ee tuer l'a tion défenduepar lamotivation hoisie.

Tab.1.2 Fon tionnement en quatreétapesdu modèlePECS. Motivations et hormones

Dans[CAG07 ,Cañ97 ℄les auteurs présentent un mé anismedeséle tion d'a tionbasé sur les motivations et les émotions. Dans ette proposition haque agent possède des propriétés internes dont les valeursdoiventêtre maintenues entre ertaines bornesprédénies. Un agent possède également des omportements (i.e. des a tions qu'il peut ee tuer) qui ont un eet sursespropriétés internes(le omportement mangerdelanourritureaugmentelavaleurdela propriétésu redanslesang). Unemotivationestunélément quipoussel'agentàséle tionner un omportement, satendan eest al uléesuivant desstimuli internes(ses propriétés)et ex-ternes (l'environnement). Une foisles tendan es al ulées,lemé anisme deséle tion d'a tion hoisitlamotivationayant obtenulaplusgrandevaleur.Puis,il hoisitle omportementa tif (pouvant êtreexé uté)satisfaisantlepluslebesoin del'agentlié à ettemotivation. Siau un omportement ne permet de satisfaire le besoin, le mé anisme séle tionne un omportement d'exploration permettant d'a tiver un omportement satisfaisant le besoin (notions d'appé-ten eetd'exploration enpsy hologie). Deplus, lesauteursutilisent lanotiond'hormonedont laquantité peutfairevarier lavaleur desstimuli(internes et externes)etdesmotivations.La quantité d'hormones estdénie en fon tion desémotions del'agent etde sonétat interne, e quiinuen e le hoix des omportements.

Dans ette appro he, la séle tion d'a tion s'ee tue en fon tion de la motivation la plus importante. Mon mé anisme de séle tion d'a tion hoisit l'a tion à exé uter en fon tion de plusieurs motivations, ette a tion est un ompromis entre toutes es motivations. Enn, ontrairement à ette appro he, les buts de mes agents ne seront pas uniquement fo alisés surlemaintien de propriétés internes. Lesmotivations queje proposene sont pasdes butsà satisfairemaisdesélémentsinuençant le omportement de l'agent.

1.2.3 Motivations et hiérar hie

Certainstravauxproposent une séle tion d'a tionoù lesmotivations sont organisées dans une hiérar hie. Je présenterai deux travaux proposant une hiérar hisation des motivations baséesurune étudedu omportement humain[Mas98℄de Maslow,un psy hologueaméri ain. Hiérar hie des besoins de Maslow

Maslow[Mas98 ℄proposeune représentationdesbesoinsdeshumains onnue ommela py-ramidedesbesoinsdeMaslow (voir lagure1.6). Ené onomie, l'utilisation de ette théorie défend l'idée que si les besoins primaires des salariés sont satisfaits, ils auront alors de nou-veaux besoinsplus omplexes omme eux liés à l'a omplissement personnel etnotamment

besoinshumainssontorganisésdansunestru turehiérar hiqueorganiséeen inq ou hesselon lapriorité desbesoins.Dansla ou he inférieurede ette pyramide sont ontenuesles besoins les plus prioritaires et les plus primaires : les besoins physiologiques et biologiques ( omme manger ourespirer). La ou he supérieureest omposéedesbesoinsles moinsprioritairesqui sont également les plus omplexes, les besoins de réalisation de soi.Cette théorie repose sur la satisfa tiondes besoins. Une fois queles besoins primairessont satisfaits,d'autres besoins plus omplexesetmoinsprioritairesapparaissent.Ainsi,lorsquelesbesoinsd'une ou hesont entièrement satisfaits, un individu her he à satisfaire des besoinsplus omplexes provenant de la ou he supérieure.

Réalisation

de soi

Besoin d’estime

Besoins sociaux.

Appartenance, Acceptation

Besoin de sécurité

Besoins biologiques et physiologiques

Fig. 1.6 Pyramide desbesoinsde Maslow.

Le système MASLOW défendu par Andriamasinoro

Dans[And03 ℄, l'auteurnousprésenteun modèle d'agentshybrides basésurlamotivation naturelle.Cemodèlefon tionnepourdesagentsréa tifsetdesagents ognitifs.Parmotivation naturelle, l'auteur veut dé rire les besoins qui font agir l'agent. Le modèle d'agent proposé, nommé MASLOW (pour Multi-Agent System based on Low-Needs), est omposé de trois éléments :lapyramide desbesoins(ou desmotivations)nommée

Π

,unréseau d'a tions

Ω

et un mé anismenommé NIM(Need Importan e Manager).

La pyramide des besoins

Π

est basée sur la pyramide des besoins de Maslow[Mas54 ℄. Comme la pyramide de Maslow, l'auteur propose pour haque besoin d'attribuer un niveau ( orrespondant auniveaudans lapyramide)représentant l'importan e du besoin.Mais, l'au-teur dénitégalement pour haque besoin une atégorie. Cette atégorie dénit l'importan e desbesoinsappartenant àun même niveau.

Chaquebesoinest également déni par une listed'états possiblesdubesoin (qui peuvent être par exemple : satisfait, bas ou insatisfait) ainsi qu'une liste d'a tions à ee tuer pour satisfaire haque état du besoin orrespondant (sauf dans le as de l'état satisfait qui ne requiert pas d'a tion ar le besoin est satisfait). Un besoin peut être de trois natures dié-rentes :LN,MN,HN.

 LN ou Low Needs représentent les besoinsinnés qui sont ommuns à tousles agentset qui nedépendent pasde l'appli ation (parexemple lafaim).

 MN ou Medium Needs orrespondent aux besoins répondant immédiatement aux LN (parexemple lebesoin d'aller aurestaurant).

 HN ou High Needs font référen e aux besoins d'anti iper la satisfa tion des LN (par exemple le besoin d'aller au travail pour gagner de l'argent qui permettra de se payer delanourriture).

LesMNetHNsont desbesoinsliésàl'appli ation ontrairement auxLNqui sontgénériques. Le réseau d'a tions

Ω

est un graphedont les n÷uds sont des a tions(primitives ou om-posées)etdontles onne teurspermettent dedénirlesliensentrelesdiérentesa tions(par exemples la non possibilité d'exé uter deux a tions simultanément, l'in lusion d'une a tion dans une a tion omplexe ou la relation de su ession entre deux a tions). Une a tion est dénieparlebesoinquel'a tionsatisfaitetlalistedesa tionsqui nepeuvent pasêtre exé u-téessimultanément. Un besoin doitêtre satisfaitpour ee tuerl'a tion (Lebesoinest videsi l'a tion esttoujours exé utable). Unea tion peutêtreune a tion primitive (PR)élémentaire etnon-interruptible ouune a tion omplexe (AC) omposéed'a tions primitivesou d'AC.

Le mé anisme NIM utilise un algorithmequi détermine les a tions àexé uter. Pour ela, NIM olle te toutes les a tions(PR ou AC)que l'agent peutee tuer à travers

Π

et

Ω

pour en déduire l'ensemble des a tions primitives que l'agent peut exé uter. Ce mé anisme n'est pas a essible à l'utilisateur, il fon tionne de manière générique en respe tant la manière dont l'utilisateur a déni

Π

et

Ω

. En as de onit entre les a tions (des a tions qui ne peuvent pass'exé utersimultanément), l'algorithmevafaire un hoixen fon tiondesbesoins orrespondant,en privilégiant (ltrant)les besoins nonsatisfaits,les besoinslesplus pro hes de la satisfa tion des LN (MN>HN), le niveau du besoin, la atégorie du besoin, l'état du besoin et le ratio du besoin (la position par rapport à l'état le plus bas du besoin). En as d'égalité de esltresun hoix aléatoire est ee tué.

Cette proposition permet de dénir des omportements dirigés par des motivations na-turelles (ou besoins). L'utilisateur ne doit pas oder les omportements, il doit uniquement dénir la pyramide des besoins

Π

et le graphe des a tions

Ω

an que NIM puisse al uler automatiquementlesa tionsàexé uterà haque y le. Selonl'auteur, la on eptiondela py-ramide

Π

peut être simpliée en s'appuyant sur des ritères provenant d'études s ientiques (parexempleenbiologieouenso iologiesuivant equ'on her heàmodéliser).La onstru tion de

Ω

dansle adre d'un omportement omplexe peut s'avérer une tâ he di ile et notam-ment, ommeledé larel'auteur,lorsdeladénitiondesrelationsentrelesa tions.Dans ette proposition,l'étatd'unbesoinestliéàunesémantiqueparti ulièreetpeutêtrereprésentésoit par une valeur(booléenne ounumérique), soit par un intervalle de valeursnumériques. Nous verrons que je propose une notion assez similaire à l'état d'unbesoin qui s'appelle le proto-type d'un prol d'individualité qui fait orrespondre à haque motivation, une valeur ou un intervalle de valeursdénissant l'expression plusou moins importante d'unemotivation.Ces valeurspouvant également êtredénies via despropriétés de l'agent qui évoluent pendant la simulation( ommeles besoins).

Le système de lasseurs hiérar hiques

Dans [dS06 ℄ l'auteur propose un mé anisme de séle tion d'a tion basé sur des lasseurs hiérar hiquespourlespersonnagesvirtuelsdansunmondepersistant( ommelesjeuxvidéo).

Leprin iped'un lasseur lassiqueestdeproduiredesa tionsrépondantà ertaines ondi-tionsenrespe tantdesrèglesprédénies.Lesa tionssontinternes (misesàjourdespropriétés de l'agent)ouexternes (desa tionsàee tuerdansl'environnement). Par ontre, unsystème de lasseurshiérar hiques(HCSpourHierar hi alClassier System)séparelesrèglesquivont générer des a tionsinternes desrègles quivont générer desa tions externes,à l'aidede deux lasseurs (voir la gure 1.7). Dans un HCS les règles produisant des a tions né essitent une ondition liée à l'état interne et une ondition liée à la per eption pour être a tivées. Les règles sont plussimples àdénir (que dansun lasseur lassique) etlare her he desrègles à a tiver est plus e a e. Bien que né essitant plus de règles que le pré édent, l'organisation hiérar hique d'unHCSpermetdedénirdessous-problèmes(detaillesinférieures)etainside diminuer l'espa ede re her he.

Fig. 1.7 Lesystème de lassieur hiérar hique dans[dS06 ℄.

Le omportement de l'humain virtuel est inuen é par des motivations dont le but est de répondre àses besoins, 'est-à-dire d'assurer lastabilitéde ses propriétés homéostatiques. Ces motivations sont regroupées suivant trois atégories (dont la priorité est dé roissante) : basique, essentielle etse ondaire (les motivations basiques étant les plus prioritaires). Cette organisation s'inspire surla pyramide des besoins de Maslow[Mas54 ℄. Le modèle de séle tion d'a tion motivationnelproposé parl'auteur sedé omposeen quatreparties.

 Les variables internesqui représentent les variables homéostatiques de l'humain vir-tuel.

 Les motivations qui vont produire des butsà satisfaire, suivant les informations pro-venant de l'environnement, desvariables internes etun y led'hystérésis.

 Les omportements orientés buts qui représentent le ontexte interne du HCS et qui sontutilisés pour planier lesséquen es d'a tions.

 Lesa tionsquisontséparéesendeux atégories,lesa tions motivées quivontsatisfaire une ou plusieurs motivations et les a tions intermédiaires qui sont les a tions rendant possible l'exé ution d'unea tion motivée.

Lesmotivations sontévaluées suivant lavaleurde l'étatinterne orrespondant.Cette éva-luationestfaiteviadeuxseuilsdénissant troiszones:lazonede onfort,lazonedetoléran e et lazone ritique. Dans la zonede onfort l'agent ne prendra pas en ompte la motivation,

interneetdanslazonede dangerlavaleur delamotivationestampliée parrapportàsa va-riableinterne.Lesa tionspeuvent également avoirunseuild'a tivation(suivantleseuilde la motivation orrespondante), edernierseuil pouvant êtremoduléen fon tion despréféren es del'agent.

Laséle tion del'a tionàexé uterdépenddel'évaluationdelamotivation,du y le d'hys-térésis,desinformationsdel'environnement,du ontexteinterneduHCS,dupoidsdu lasseur, despréféren es del'agent etdesautres motivations. L'auteur a mis enpla e une hiérar hieà ux libres séle tionnant la meilleure a tion suivant diérents ritères (la andidate du om-promispour Tyrrell).

1.3 Comportements et Jeux vidéo

1.3.1 La on eption de omportement dans les jeux vidéo Les jeux vidéo : leur su ès est une ontrainte

Depuis plusieurs années, l'industrie du jeu vidéo ne esse de se développer. À titre de omparaison, depuis 2002, le hire d'aaires généré par l'industrie du jeu vidéo a dépassé elui del'industrie du inéma.

En 2008, les hires de vente des jeux vidéo ont dépassé les 33 milliards d'euros, dont 13.9milliardspour l'Europe,9.7milliardspourleJapon et17.1milliards pourlesÉtats-Unis (d'aprèsl'IDATE:l'Institutdel'audiovisueletdestélé ommuni ationsenEurope).EnFran e à ette même période ette industrie aurait employé plus de 10 000 personnes ave plus de 430entreprises(selonl'agen efrançaise pour lejeuvidéo). Lemar hédu jeuvidéo omprend inq grandesparties.

 lemar hé des onsoles de salon  lemar hé des onsoles portables  lemar hé deslogi iels pourordinateur  lemar hé deslogi iels pour onsoles de salon  lemar hé deslogi iels pour onsoles de portables

Le premier mar hé est elui deslogi iels de onsoles de salon (ave plus 16 milliards d'euros dans le monde en 2008). Fin juillet 2009, il s'est vendu 52.6 millions de Nintendo Wii, 30 millionsdeXbox360et24millionsdePS3.Aujourd'hui,ilfaut également prendreen ompte lemar hédes logi ielssur mobilesqui sont également en pleine expansion.

En 2007, le se rétariat d'État à laprospe tive, à l'évaluation des politiques publiques et audéveloppement del'é onomienumérique,amisaupointleplanFran enumérique2012.Ce plande développement del'é onomie numérique prévoit notamment dedévelopperlese teur dujeu vidéo (point 2.6du rapport datant d'o tobre 2008).

Ainsi, lemar hé du jeu vidéo prospère, il est soutenu par le gouvernement et de plus en plusdeprojetsd'innovationssontréalisésdans edomaine.La on urren edans emar héest don trèsimportanteet 'estpourquoiilestsouventdi iled'avoirdesinformations on rètes surlefon tionnement d'unjeuvidéo.Ce iest parti ulièrement vraipour l'aspe tintelligen e arti ielle de edomaine quiestunpointde omparaisonentrelesdiérentsproduitsdeplus