Méthodologie et outils pour la simulation multiagent dans des univers virtuels

HAL Id: tel-00936334

https://tel.archives-ouvertes.fr/tel-00936334

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.

dans des univers virtuels

Stéphane Galland

To cite this version:

Stéphane Galland. Méthodologie et outils pour la simulation multiagent dans des univers virtuels. Intelligence artificielle [cs.AI]. Université de Franche-Comté, 2013. �tel-00936334�

simulation multiagent dans des

univers virtuels

de l’Universit ´e de Franche-Comt ´e

pr ´epar ´ee au sein de l’Universit ´e de Technologie de Belfort-Montb ´eliard Sp ´ecialit ´e :Informatique

pr ´esent ´ee par

S

T

EPHANE

´

G

ALLAND

M ´ethodologie et outils pour la simulation multiagent

dans des univers virtuels

Soutenue publiquement le 11 d ´ecembre 2013 devant le Jury compos ´e de : RENE´ MANDIAU Pr ´esident Professeur `a l’Universit ´e de Valenciennes et du

Hainaut-Cambr ´esis

CYRILLE BERTELLE Rapporteur Professeur `a l’Universit ´e du Havre

OLIVIER BOISSIER Rapporteur Professeur `a l’ ´Ecole Nationale Sup ´erieure des

Mines de Saint- ´Etienne

MARIE-PIERREGLEIZES Rapporteur Professeur `a l’Universit ´e Sabatier de Toulouse

FRANC¸OISCHARPILLET Examinateur Directeur de Recherche `a l’INRIA de Nancy

VINCENTHILAIRE Examinateur Professeur `a l’Universit ´e de Technologie de

Belfort-Montb ´eliard

ABDERRAFIAAKOUKAM Examinateur Professeur `a l’Universit ´e de Technologie de

ensemble plein d’harmonie, aucun des organes ne saurait changer sans que les autres changent ; et que, par cons ´equent, on peut juger de tout animal par un de ses organes, et du tout ensemble par une de ses parties[...] »

GEORGESCUVIER(1769–1832)

Secr ´etaire perp ´etuel de l’Acad ´emie des sciences. Professeur au Mus ´eum d’histoire naturelle. Fondateur de la pal ´eontologie scientifique et promotteur de l’anatomie compar ´ee. N ´e `a Montb ´eliard, Franche-Comt ´e.

« Dans la vie, il faut s’acharner. S’acharner comme un perdu sur le but poursuivi. On souffre. On est malheureux. On rec¸oit des coups. Et si on persiste, on passe. Et la r ´ecompense est toujours royale. »

´

ETIENNEŒHMICHEN(1886–1955)

Professeur d’a ´erolocomotion m ´ecanique et biologie au Coll `ege de France. Pionnier de l’aviation `a voilures tournantes et pr ´ecurseur de la biom ´ecanique. Premier kilom `etre en circuit ferm ´e en h ´elicopt `ere `a Arbouans, Franche-Comt ´e.

C’est avec tr `es grand plaisir que je souhaite remercier tous ceux qui m’ont aid ´e ou sou-tenu durant les dix derni `eres ann ´ees de ma carri `ere, que r ´esume ce m ´emoire.

Je remercie RENE´ MANDIAU de m’avoir fait l’honneur de pr ´esider mon jury ; ainsi que

MARIE-PIERRE GLEIZES,CYRILLE BERTELLE et OLIVIER BOISSIER d’avoir accept ´e la lourde

t ˆache de rapporteur ; et FRANC¸OIS CHARPILLET d’avoir participer `a mon jury et ´evaluer

mon travail. Nos ´echanges ont confirm ´e ou ouvert des perspectives passionnantes. ABDERRAFIAAKOUKAMm’a recrut ´e dans son ´equipe. Je le remercie pour la libert ´e d’action

et la confiance qu’il m’a accord ´ees. Je fais partie des nombreux chercheurs qui lui doivent leur carri `ere et qui partagent des valeurs qu’il aura transmises par ses conseils et son exemple. Je lui suis profond ´ement reconnaissant pour tout ce qu’il a fait et continue `a faire pour moi.

VINCENT HILAIRE a ´et ´e le premier `a avoir propos ´e une approche organisationnelle dans

notre laboratoire. Ses qualit ´es scientifiques et humaines ont ´et ´e autant d’inspirations pour g ´erer mes activit ´es de recherche. C’est avec un grand plaisir que je le remercie d’avoir accept ´e de participer `a mon jury.

NICOLAS GAUD a ´et ´e mon premier doctorant. Je garderai un souvenir imp ´erissable de

notre exp ´erience, ´etalonnant mes exigences pour le « malheur » de ses successeurs. Je tiens ´egalement `a le remercier profond ´ement pour son amiti ´e, son soutien et sa pr ´esence durant ces ann ´ees de labeur. Il est un pilier de notre ´equipe de recherche, initiateur et architecte de nombreuses id ´ees qui ont contribu ´e aux travaux de recherche pr ´esent ´es dans ce m ´emoire.

SEBASTIAN RODRIGUEZ est une inspiration pour ses qualit ´es scientifiques et humaines.

Architecte des premiers mod `eles holoniques dans notre laboratoire, sans lui, les travaux pr ´esent ´es dans ce m ´emoire n’auraient pas vu le jour. Je le remercie pour m’avoir permis de d ´ecouvrir sa culture et son pays : l’Argentine. Mon amiti ´e lui est acquise, ainsi qu’ `a sa famille.

Je remercie DAVID, DAVY, JOLECYN,MICHAEL¨ , OLIVIER, PHILIPPE et RENAN sans qui la vie au

laboratoire et `a l’ext ´erieur n’aurait pas eu ce « je ne sais quoi » ´eminemment agr ´eable et divertissant. N’est-ce pasPHILIPPE!

Merci `a ARIANE, CINDY, FABRICE, FRANCK, FRED´ ERICK´ , GILLIAN, JALIL, PABLO et YASSINE; nos

petites causeries au coin caf ´e et ailleurs resteront des instants privil ´egi ´es. Merci `aANSAR,

CHRISTOPHE, LUK, MASSIMO et THOMAS pour nos collaborations et ´echanges scientifiques

vivifiants.

Une pens ´ee pour mon fils ARTHUR, sans qui rien n’aurait ´et ´e possible, pour `Eve, source

de maintes ´emotions, ainsi que pour AURORE, CHRISTELLE, DELPHINE, JEAN-CLAUDE, JEAN -FRANC¸OIS,J ´EROMEˆ ,JOSETTE,MARIE-CLAUDEet tous mes autres proches, pour leur patience,

leur amour et leurs encouragements durant cette derni `ere d ´ecennie. Merci infiniment.

I Introduction 1

1 Introduction 3

1.1 Contexte . . . 3

1.1.1 Historique . . . 3

1.1.2 Contexte et Probl ´ematique . . . 3

1.2 Contributions . . . 5

1.2.1 M ´etamod `ele et m ´ethododologie pour la mod ´elisation de syst `emes complexes . . . 6

1.2.2 Simulation de foules dans un univers virtuel . . . 7

1.2.3 Evaluation des mod `eles multiniveaux´ . . . 7

1.2.4 Outils et environnement de simulation . . . 8

1.3 Organisation du m ´emoire . . . 8

II Mod ´elisation organisationnelle et holonique de syst `emes complexes 11 2 M ´etamod `ele organisationnel et syst `emes multiagents holoniques 13 2.1 Introduction . . . 13

2.2 M ´etamod `ele organisationnel CRIO . . . 14

2.3 Approche MDA pour structurer le m ´etamod `eleCRIO . . . 15

2.4 Domaine du probl `eme deCRIO . . . 16

2.4.1 Ontologie : repr ´esentation des connaissances li ´ees au probl `eme . . 16

2.4.2 Organisation, r ˆole et interaction : d ´ecomposition comportementale d’un syst `eme . . . 18

2.4.3 Capacit ´e : description des comp ´etences d’une organisation ou d’un agent . . . 21

2.5 Domaine agent de CRIO . . . 24

2.5.1 Principes de la mod ´elisation organisationnelle d’un SMAH . . . 24

2.5.2 De l’organisation au groupe . . . 25

2.5.3 De l’agent : une entit ´e autonome et organisationnelle . . . 26

2.5.4 Au holon : un agent hi ´erarchiquement d ´ecompos ´e . . . 27 ix

2.5.5 Service : r ´ealisation des capacit ´es d’un holon . . . 35

2.6 Conclusion . . . 38

3 Processus m ´ethodologiqueASPECS 41 3.1 Introduction . . . 41

3.2 Motivations . . . 42

3.3 ProcessusASPECS . . . 42

3.4 Activit ´es du processusASPECS . . . 44

3.5 Fragments de m ´ethode . . . 44

3.6 Vers un outil d’ing ´enierie logicielle pourASPECS. . . 46

3.7 Conclusion . . . 47

4 Plate-forme JANUS 49 4.1 Introduction . . . 49

4.2 Pourquoi une nouvelle plate-forme ? . . . 49

4.3 M ´etamod `ele implant ´e dans JANUS . . . 50

4.4 Architecture de la plate-forme . . . 52

4.5 Conclusion . . . 54

III Mod ´elisation et simulation d’univers virtuels 57 5 Simulation d’individus dans des univers virtuels 59 5.1 Introduction . . . 59

5.2 Vue g ´en ´eral sur le mod `ele de simulation . . . 61

5.3 Mod `ele de l’environnement . . . 62

5.3.1 Missions de l’environnement . . . 63

5.3.2 Vue g ´en ´erale du mod `ele de l’environnement . . . 63

5.3.3 Vers un mod `ele organisationnel et holonique de l’environnement . . 67

5.3.4 Vers un mod `ele inform ´e de l’environnement . . . 70

5.4 Mod `ele des individus . . . 73

5.5 Vers l’ ´evaluation de la coh ´erence d’une simulation multiniveau . . . 74

5.6 Plate-formes JASIMet Simulate . . . 76

5.7 Conclusion . . . 78

6 Applications aux domaines du transport et de la mobilit ´e 79 6.1 Introduction . . . 79

6.2 Mod ´elisation et ´evaluation d’un r ´eseau de bus . . . 80

6.2.1 Mod ´elisation d’un r ´eseau transport public . . . 81

6.2.2 Evaluation du r ´eseau de transport . . . 82´

6.2.3 Collecte d’informations dans les bus . . . 83

6.3 Simulation des d ´eplacements d’individus dans une ville . . . 84

6.3.1 Mod `ele d’ ´evitement de collision . . . 85

6.3.2 Application `a l’am ´enagement du centre-ville de Belfort . . . 87

6.4 Mod ´elisation et simulation du processus de covoiturage . . . 88

6.4.1 Recherche et s ´election de partenaires . . . 89

6.4.2 N ´egociation du covoiturage . . . 91

6.4.3 R ´ealisation des trajets de covoiturage ou en v ´ehicule personnel . . . 91

6.5 Conclusion . . . 92 IV Conclusion et Perspectives 95 7 Conclusion 97 7.1 Bilan . . . 97 7.2 Perspectives . . . 98 V Annexes 101 A Curriculum Vitæ 103 A.1 Th ´ematique de la th `ese . . . 104

A.2 Activit ´es de recherche apr `es la th `ese . . . 105

A.2.1 Axe 1 : M ´etamod `eles, m ´ethodes et outils pour la mod ´elisation et la simulation multiagent de syst `emes complexes . . . 106

A.2.2 Axe 2 : Mod `eles pour la simulation d’individus dans des d’environ-nements virtuels 3D . . . 107

A.2.3 Axe 3 : Applications aux domaines du transport et de la mobilit ´e . . 108

A.3 Perspectives . . . 109

A.3.1 Axe 1 : M ´etamod `eles et m ´ethodes pour l’analyse, la conception et la programmation orient ´ee-agent . . . 110

A.3.2 Axe 2 : Mod `eles multiniveaux pour la simulation d’individus en en-vironnement inform ´e 3D . . . 110

A.3.3 Axe 3 : Mod `eles de simulation pour le LUTI et le covoiturage . . . . 111

A.4.1 Animation de la recherche . . . 111

A.4.2 Coop ´eration . . . 112

A.4.3 Contrats de recherche . . . 112

A.4.4 Brevets, d ´ep ˆots logiciels et transferts de technologie . . . 114

A.4.5 Organisation de manifestations . . . 115

A.4.6 Insertion dans des r ´eseaux . . . 115

A.4.7 Expertises, Invitations . . . 116

A.5 Encadrement . . . 117

A.5.1 Th `eses soutenues . . . 117

A.5.2 Th `eses en-cours . . . 117

A.5.3 Stages de recherche . . . 117

A.6 Autres activit ´es . . . 118

A.6.1 Activit ´es d’int ´er ˆet collectif . . . 118

A.6.2 Activit ´es d’enseignement . . . 118

B Liste des publications de l’auteur 121 B.1 Journaux internationaux avec comit ´es de lecture . . . 121

B.2 Chapitres de livres . . . 122

B.3 Conf ´erences internationales avec comit ´es de lecture et publi ´ees dans Lec-ture Notes . . . 122

B.4 Conf ´erences internationales avec comit ´es de lecture . . . 123

B.5 Conf ´erences nationales avec comit ´es de lecture . . . 126

B.6 Conf ´erences nationales sans comit ´e de lecture . . . 126

B.7 Th `eses et m ´emoires . . . 126

I

I

NTRODUCTION

1

I

NTRODUCTION

1.1/

C

Avant de pr ´esenter le contexte et l’objectif de nos travaux, il me paraˆıt utile de dresser un bref historique retrac¸ant les diff ´erentes ´etapes qui ont marqu ´e l’ ´evolution de mes activit ´es de recherche.

1.1.1/ HISTORIQUE

Apr `es une th `ese de doctorat pr ´epar ´ee au sein de l’ ´Ecole Nationale Sup ´erieure des Mines de Saint- ´Etienne (ENSM-SE) et soutenue en d ´ecembre 2001, la suite de mes activit ´es s’est d ´eroul ´ee `a l’Universit ´e de Technologie de Belfort-Montb ´eliard (UTBM). Ma th `ese a consist ´e en la proposition d’une m ´ethodologie permettant la mod ´elisation et la simula-tion de syst `emes industriels compos ´es de plusieurs entit ´es autonomes et en interacsimula-tion (groupement d’entreprises, entreprises virtuelles, . . .) Cette m ´ethodologie est bas ´ee sur un m ´etamod `ele d ´ecrivant les concepts associ ´es `a ces syst `emes, selon une perspective syst ´emique. La n ´ecessit ´e de simuler le syst `eme d ´ecisionnel, en plus des sous-syst `emes physique et informationnel, m’a pouss ´e `a proposer un mod `ele multiagent pour mod ´eliser et simuler conjointement ces trois diff ´erentes vues. `A mon arriv ´ee `a l’UTBM, une nouvelle th ´ematique transversale a ´emerg ´e au sein du laboratoire Syst `emes et Transports : la simulation en environnement virtuel utilisant une plate-forme immersive 3D (ou plate-forme de r ´ealit ´e virtuelle). L’ ´equipe « Syst `emes Multiagents », par mon in-term ´ediaire, s’est d `es lors int ´eress ´ee aux probl ´ematiques scientifiques et technologiques li ´ees `a la simulation en temps r ´eel de syst `emes et d’applications traitant de la mobilit ´e des individus dans un univers virtuel. Ces syst `emes ´etant complexes par nature, nous nous sommes particuli `erement int ´eress ´es aux probl ´ematiques de leur mod ´elisation en utilisant une approche organisationnelle et holonique. Dans ce m ´emoire, seuls les tra-vaux post ´erieurs `a ma th `ese sont pr ´esent ´es.

1.1.2/ CONTEXTE ET PROBLEMATIQUE´

La mod ´elisation de la dynamique des pi ´etons, des cyclistes et des conducteurs de v ´ehicules est d’un grand int ´er ˆet th ´eorique et pratique. Au cours des deux derni `eres d ´ecennies, la recherche dans un large ´eventail de domaines tels que l’infographie, la physique, la robotique, les sciences sociales, la s ´ecurit ´e et les syst `emes de formation

a montr ´e l’int ´er ˆet des simulations impliquant des entit ´es de types h ´et ´erog `enes (pi ´etons, cyclistes, . . .)

Deux grandes cat ´egories de simulations d’individus dans des univers virtuels peuvent ˆetre distingu ´ees selon qu’elles cherchent `a atteindre un haut niveau de r ´ealisme de comportement (simulation pour la s ´ecurit ´e ou les sciences sociales) ou une visuali-sation de haute qualit ´e (productions de films, de jeux vid ´eos, d’outils de r ´ealit ´e vir-tuelle) [Thalmann and Musse, 2007]. Dans la premi `ere cat ´egorie, les r ´esultats de simula-tion sont g ´en ´eralement coh ´erents avec les observasimula-tions r ´ealis ´ees sur la populasimula-tion r ´eelle et peuvent servir de base `a des ´etudes th ´eoriques pour l’ ´evaluation et la pr ´evision des comportements des individus. Dans la seconde cat ´egorie, les mod `eles de comportement ne sont pas la priorit ´e et ne correspondent pas quantitativement au monde r ´eel. Cepen-dant, les individus sont des personnages en 3D enti `erement anim ´es et les utilisateurs de l’application peuvent avoir un degr ´e ´elev ´e d’interaction avec ces ´el ´ements de la simula-tion. Les recherches et les applications r ´ecentes tendent `a unifier ces deux cat ´egories, en particulier dans le domaine des syst `emes de formation o `u les deux aspects sont n ´ecessaires pour une formation efficace.

Dans ce cadre, [Thalmann et al., 2009] propose une synth `ese des d ´efis th ´eoriques et pratiques que l’on peut r ´esumer par un ensemble de questions r ´ecurrentes :

1 - G ´en ´eration d’individus virtuels: Comment g ´en ´erer une population d’indivi-dus poss ´edant des propri ´et ´es physiques h ´et ´erog `enes ? [Goto et al., 2001, Seo et al., 2002, Braun et al., 2003]

2 - Animation et mouvements des individus: Comment peut se d ´eplacer chaque individu au sein de l’univers de mani `ere r ´ealiste et en tenant compte des objets sta-tiques et dynamiques ? Comment peuvent se d ´eplacer de mani `ere coordonn ´ee les individus formant un groupe ? [Ashida et al., 2001, Goldenstein et al., 2001, Anderson et al., 2003, Lamarche and Donikian, 2004, Braun et al., 2005, Van den Berg et al., 2008, Buisson et al., 2013]

3 - G ´en ´eration de comportements individuels et collectifs: Comment peut r ´eagir une population aux changements pouvant survenir dans son environ-nement ? Comment peut int ´eragir chaque individu avec ses voisins, et avoir une activit ´e sociale avec eux ? [Reynolds, 1987, Tu and Terzopoulos, 1994, Hodgins and Brogan, 1994, Bouvier et al., 1997, Brogan and Hodgins, 1997, Reynolds, 1999, Musse and Thalmann, 2001, Ulicny and Thalmann, 2002, Niederberger and Gross, 2003, Galland et al., 2009, Razavi et al., 2011b]

4 - Mod ´elisation de l’environnement virtuel: Quels aspects de l’univers (ou l’en-vironnement virtuel) doivent ˆetre mod ´elis ´es ? Quel est le mod `ele pou-vant supporter efficacement l’ensemble des comportements des individus ? Comment g ´en ´erer efficacement les perceptions dans l’univers virtuel pour chaque individu ? Comment appliquer correctement les actions des indivi-dus tout en respectant l’int ´egrit ´e de l’environnement ? [Farenc et al., 1999a, Bayazit et al., 2002, Kallmann et al., 2003, Loscos et al., 2003, Paiva et al., 2005, Gaud, 2007, Galland et al., 2009, Demange et al., 2010b, Behe et al., 2014a] 5 - Interaction avec la population virtuelle: Quelles informations doivent ´echanger

un humain r ´eel, immerg ´e dans l’univers virtuel, et la population synth ´etique ? Com-ment mettre en œuvre ces interactions ? Quelle est la m ´etaphore la plus appropri ´ee pour « diriger » la population synth ´etique ? [Farenc et al., 1999b, Ulicny et al., 2004]

6 - Affichage des individus dans l’univers virtuel: Comment afficher de nombreux individus anim ´es avec le minimum de latence ? Comment afficher une grande vari ´et ´e d’apparences ? [Aubel et al., 2000, Loscos et al., 2001, Tecchia et al., 2002, Wand and Strasser, 2002, Heras et al., 2005, Courty and Musse, 2005, Pettr ´e et al., 2006]

Les travaux de recherche pr ´esent ´es dans ce m ´emoire s’inscrivent principalement dans les d ´efis 2, 3 et 4.

Les syst `emes multiagents (SMA) proposent un paradigme prometteur pour l’ana-lyse, la conception et l’implantation des syst `emes complexes [Ferber, 1995, Jennings and Wooldridge, 1998, Jennings, 2001, Bergenti et al., 2004, Henderson-Sellers and Giorgini, 2005]. Les syst `emes multiagents sont consid ´er ´es comme des soci ´et ´es compos ´ees d’entit ´es autonomes et ind ´ependantes, appel ´ees agents, qui interagissent en vue de r ´esoudre un probl `eme ou de r ´ealiser collectivement une t ˆache. Gr ˆace `a la g ´en ´ericit ´e de ces concepts, les domaines d’application des SMA sont vastes [Jennings and Wooldridge, 1998]. Les SMA offrent aussi un bon cadre pour la mod ´elisation et la simulation de syst `emes complexes. Notamment, les travaux dans le domaine de la simulation de foules (cit ´es sur la page pr ´ec ´edente) illustrent l’usage quasiment syst ´ematique des SMA. Toutefois, pour qu’un nouveau paradigme d’ing ´enierie logicielle soit pleinement appliqu ´e, il faut disposer d’abstractions et de mod `eles appro-pri ´es [Zambonelli et al., 2003]. Pour r ´epondre `a cette probl ´ematique d’ing ´enierie, trois approches ont ´et ´e propos ´ees : (i) la d ´efinition de syst `emes et d’architectures d’agents sp ´ecifiques `a un probl `eme ou `a une classe de probl `emes [Ferber and Gutknecht, 1998] ; (ii) l’utilisation d’abstractions et de m ´ethodes existantes, notamment celles d ´edi ´ees au paradigme objet [Bergenti and Poggi, 2000, Iglesias et al., 1999] ; et (iii) la d ´efinition d’abstractions appropri ´ees pour les SMA. Nos travaux se situent principalement dans ce dernier type d’approche. En effet, nous proposons dans ce m ´emoire des abstractions fond ´ees sur les concepts organisationnels et holoniques.

Parall `element `a ces travaux sur les m ´ethodologies de mod ´elisation et de simulation, nous nous int ´eressons `a deux probl ´ematiques transversales : la mise `a l’ ´echelle des mod `eles et les performances des outils de simulation associ ´es. En effet, avec la complexit ´e crois-sante des syst `emes, la mise `a l’ ´echelle d’un mod `ele et les performances de son implan-tation deviennent des probl `emes cruciaux et conditionnent la capacit ´e de ce mod `ele `a repr ´esenter la complexit ´e du syst `eme [Pawlaszczyk and Strassburger, 2009].

1.2/

C

Nous nous plac¸ons dans le cadre de l’ing ´enierie logicielle pour la simulation multiagent dans des univers virtuels. La figure 1.1 sch ´ematise les contributions1 pr ´esent ´ees dans ce m ´emoire.

Les axes verticaux constituent trois points de vue sur le syst `eme ´etudi ´e : l’environne-ment situ ´e et inform ´e, les individus, et les groupes d’individus. Chacun de ces points s’int ´eresse `a l’une des probl ´ematiques cit ´ees ci-dessus par [Thalmann et al., 2009]. L’en-vironnement est commun ´ement consid ´er ´e comme l’une des parties essentielles d’une simulation multiagent [Michel, 2004]. Les instances d’environnements utilis ´ees dans 1. Les parties gris ´ees ne sont pas pr ´esent ´ees dans ce m ´emoire. Elles correspondent `a de travaux en cours dans notre ´equipe de recherche.

Modèles Métamodèles

Méthodes

Outils logiciels

Individus _d'individusGroupes Environnement

situé et informé

CRIO : Métamodèle organisationnel et holonique

3D 2D 1D Ontologie Modèles à base de forces FMM Intelligent Driver Model ASPECS Modélisation d'univers virtuels

Génération automatique

Plate-forme multiagent Janus

Outils de modélisation Janeiro Studio

M od èl es m ul tini vea ux Plate-forme JaSIM Energies 2 5 3 4 5 3 5 6 Chapitres

FIGURE1.1 – Aperc¸u des contributions

nos travaux sont des cas particuliers d’« environnements physiques » [Odell et al., 2002, Weyns et al., 2005]. La notion d’« environnement physique » se r ´ef `ere `a la classe de syst `emes dans laquelle les agents, ainsi que les objets, disposent d’une position ex-plicite et produisent des actions, elles aussi localis ´ees [Ferber and M ¨uller, 1996]. La compr ´ehension et l’analyse des comportements et des ph ´enom `enes li ´es `a des in-dividus ou des foules se d ´eplac¸ant dans un univers virtuel n ´ecessitent l’ ´elaboration de mod `eles li ´es aux individus d’une part, et aux groupes d’individus d’autre part [Thalmann and Musse, 2007]. Les mod `eles appartenant `a la premi `ere cat ´egorie se focalisent sur les comportements de s ´election d’actions et de mise en œuvre de ces actions par chaque individu. Nos travaux sur ces mod `eles s’int ´eressent ´egalement aux interactions entre un individu et son environnement et `a la stigmergie2_{entre les individus.}

Les mod `eles relevant de la seconde cat ´egorie s’int ´eressent particuli `erement aux interac-tions physiques et sociales entre les individus et `a la mod ´elisation des comportements collectifs r ´esultants.

Si les axes verticaux repr ´esentent les diff ´erentes parties des syst `emes ´etudi ´es dans nos travaux, les axes horizontaux repr ´esentent les diff ´erents niveaux d’abstraction qui ont ´et ´e abord ´es : m ´etamod `ele, mod `eles, m ´ethodologie et outils.

Les sections suivantes pr ´esentent nos quatres contributions principales. Nous nous int ´eressons `a la mod ´elisation de syst `emes complexes avec une approche organisation-nelle et le paradigme de syst `emes multiagent. Les r ´esultats de ces travaux ont ´et ´e utilis ´es pour la mod ´elisation de foules dans des univers virtuels et leur simulation multiniveau. Afin d’ ´evaluer la qualit ´e des niveaux d’abstraction constituant nos mod `eles de simulation, nous proposons une approche d’ ´evaluation inspir ´ee de la physique. Enfin, nous fournis-2. Le terme fut introduit par le biologiste franc¸ais PIERRE-PAUL GRASSE´ en 1959, en r ´ef ´erence au com-portement des termites. Il le d ´efinit comme : « Stimulation des travailleurs par l’œuvre qu’ils r ´ealisent. » Ce terme exprime la notion que les actions d’un agent laissent des signes dans l’environnement, signes perc¸us par lui-m ˆeme et les autres agents et qui d ´eterminent leurs prochaines actions [Parunak, 2003]

sons un ensemble d’outils logiciels d ´edi ´es.

1.2.1/ M ´ETAMODELE` ET METHODODOLOGIE´ POUR LA MODELISATION´ DE

SYSTEMES COMPLEXES`

Nous proposons un ensemble de concepts organisationnels permettant de d ´ecomposer un SMA en unit ´es de comportement en interaction, appel ´ees r ˆoles. Ces concepts sont regroup ´es au sein du m ´etamod `ele CRIO (Capacit ´e, R ˆole, Interaction, Organisation). L’ ´etude des syst `emes complexes nous a conduit au paradigme holonique. Notre contri-bution dans ce cadre consiste en la d ´efinition d’une approche organisationnelle pour l’ing ´enierie de syst `emes multiagent holoniques (SMAH). Pour ce faire, nous avons raffin ´e les concepts de CRIO pour la mod ´elisation des agents et ajout ´e des concepts li ´es aux agents holoniques (ou holons). Le concept de capacit ´e introduit dansCRIOa pour double objectif de d ´ecrire les comp ´etences et le savoir-faire d’un comportement (r ˆole ou organi-sation), et ce qu’un r ˆole requiert pour mettre en œuvre son comportement. Ces aspects duaux permettent la mise en relation des r ˆoles et des organisations `a diff ´erents niveaux d’abstraction, et ainsi de construire une hi ´erarchie holonique (ou holarchie).

Nous avons ´egalement explor ´e le domaine des m ´ethodes afin de proposer une approche m ´ethodologique bas ´ee sur les abstractions d ´efinies dans CRIO. Cette m ´ethododologie, appel ´ee ASPECS, est essentiellement d ´edi ´ee aux SMAH. Elle propose un processus al-lant de l’analyse `a l’impal-lantation et au d ´eploiement.ASPECSest une m ´ethodologie fond ´ee sur l’ing ´enierie dirig ´ee par les mod `eles.

1.2.2/ SIMULATION DE FOULES DANS UN UNIVERS VIRTUEL

La mod ´elisation d’individus, de foules et de leurs environnements virtuels a ´et ´e ´etudi ´ee par notre ´equipe de recherche.

Dans ce cadre, nous proposons une approche de mod ´elisation organisationnelle et mul-tiniveau des aspects structurels et dynamiques de l’environnement. Cette vision nous permet de r ´epondre `a la probl ´ematique de mise `a l’ ´echelle du syst `eme en tentant de d ´eterminer dynamiquement le meilleur compromis entre la qualit ´e des entr ´ees-sorties de l’environnement et les performances de calcul nous permettant de les obtenir. De plus, la qualit ´e des comportements des individus immerg ´es dans l’environnement d ´epend en partie de la qualit ´e et de la pr ´ecision de l’information dans celui-ci. Nous proposons d’int ´egrer la d ´efinition s ´emantique des objets constituant l’environnement en introduisant une ontologie respectant un standard reconnu. C’est pourquoi nous proposons d’utiliser un standard ISO dans le domaine de l’architecture et de la construction de b ˆatiments : les ``Industry Foundation Classes´´. Ce standard nous permet de fournir une informa-tion pr ´ecise et pertinente aux individus se d ´eplac¸ant dans un b ˆatiment. De plus, les informations d ´ecrites dans ce standard permettent de construire automatiquement les b ˆatiments d’un univers virtuel. Son usage, en collaboration avec des syst `emes d’infor-mation g ´eographique et des mod `eles num ´eriques de terrain, permet de construire de mani `ere semi automatique un environnement urbain virtuel.

Pour concevoir le comportement des entit ´es, nous proposons des mod `eles `a base de forces permettant de calculer les d ´eplacements `a court terme des individus tout en mi-nimisant les approximations de calcul des trajectoires rendant souvent les mod `eles

exis-tants moins r ´ealistes. Nous proposons un cadre unique pour mod ´eliser des pi ´etons et des cyclistes. Afin de r ´epondre `a la probl ´ematique de mise `a l’ ´echelle, une approche de mod ´elisation organisationnelle et multiniveau de la population d’entit ´es est utilis ´ee. Les mod `eles de comportement des individus sont adapt ´es aux niveaux sup ´erieurs d’abs-traction (groupes d’individus, groupes de groupes, . . .) en appliquant le principe d’auto-similarit ´e des holons.

1.2.3/ E´VALUATION DES MODELES MULTINIVEAUX`

D `es lors que l’on consid `ere diff ´erents niveaux d’abstraction au sein d’une m ˆeme simu-lation, la question de la transition entre ces niveaux devient cruciale. Nous proposons une approche bas ´ee sur la physique ( ´energies cin ´etique, potentielle de l’objectif, poten-tielle de contrainte) pour ´evaluer la « qualit ´e » d’un mod `ele de simulation multiniveau : individu, groupe d’individus, groupes de groupes, . . . En comparant dynamiquement ces ´energies entre elles, il devient possible de s ´electionner le niveau d’abstraction fournissant le meilleur compromis entre la qualit ´e des r ´esultats de simulation et les temps de calcul. Enfin, nous avons ´egalement explor ´e la possibilit ´e d’utiliser la ``Fast Multipole Method ´´ dans le cadre de la simulation de groupes d’individus [Razavi et al., 2012].

1.2.4/ OUTILS ET ENVIRONNEMENT DE SIMULATION

L’ensemble de nos propositions a fait l’objet d’outils logiciels d ´edi ´es. Ils ont permis de faire des preuves de concepts et ont servi de composants pour construire des proto-types et des logiciels dans le cadre de nos contrats de recherche. JANUSest une plate-forme de d ´eveloppement de SMA supportant nativement les concepts du m ´etamod `ele CRIO. La plate-forme JASIM propose une implantation des mod `eles d’univers virtuels en liaison avec JANUS. Ces univers sont partiellement g ´en ´er ´es par des outils logiciels colla-tionnant diverses sources d’informations (syst `emes d’information g ´eographique, mod `eles num ´eriques de terrain, . . .) Enfin, nous proposons un prototype d’outil de mod ´elisation, appel ´e JANEIROSTUDIO, bas ´e sur le m ´etamod `ele CRIOet supportant le processus de la m ´ethodologieASPECS.

1.3/

O

´

Ce m ´emoire est structur ´e comme suit :

– La partie II pr ´esente nos travaux relatifs `a la mod ´elisation de syst `emes complexes en utilisant une approche organisationnelle et holonique. Cette partie est constitu ´ee des trois chapitres suivants.

– Le chapitre 2 d ´ecrit les concepts organisationnels qui sont au cœur de nos travaux. Ces concepts sont utilis ´es pour mod ´eliser les syst `emes en termes d’organisation compos ´ees de r ˆoles en interaction. Ce chapitre propose ´egalement une infrastruc-ture pour mod ´eliser des syst `emes multiagents holoniques. Les concepts, la strucinfrastruc-ture et la dynamique d’un syst `eme multiagent holonique sont d ´etaill ´es.

– Le chapitre 3 pose la base de la m ´ethodologie ASPECS. Elle est issue d’un tra-vail initial concernant l’analyse et la conception de SMA holoniques dans un cadre

g ´en ´eral, et est le r ´esultat d’une collaboration avec l’ ´equipe de recherche deMASSIMO

COSSENTINO.

– Le chapitre 4 d ´ecrit la plate-forme JANUS. Elle permet l’implantation, le d ´eploiement et l’ex ´ecution de syst `emes multiagents holoniques et organisationnels. Les concepts pr ´esent ´es dans les chapitres qui pr ´ec `edent y sont directement implant ´es.

– Lapartie III r ´esume nos travaux concernant la mod ´elisation et la simulation d’individus et de foules dans des univers virtuels. Cette partie est compos ´ee des deux chapitres suivants.

– Le chapitre 5 propose des mod `eles pour la simulation d’entit ´es autonomes dans un univers virtuel. Les principes et les concepts permettant de mod ´eliser une population virtuelle et l’environnement dans lequel elle ´evolue sont d ´etaill ´es. Une approche or-ganisationnelle et holonique est utilis ´ee pour les mod ´eliser. Ces mod `eles font l’objet d’un contrat de transfert de technologie avec la soci ´et ´e Voxelia.

– Le chapitre 6 d ´ecrit les mod `eles de trois applications venant raffiner et compl ´eter le mod `ele g ´en ´eral pr ´esent ´e dans le chapitre 5 : mod ´elisation et ´evaluation d’un r ´eseau de transport en commun, simulation de foules sur la Place d’Armes de Belfort, et mod ´elisation et simulation du processus de covoiturage dans les Flandres. Ces trois applications sont issues de collaborations avec le Syndicat Mixte des Transports en Commun, la soci ´et ´e Voxelia et l’Institut IMOB, respectivement.

– Lapartie IV, constitu ´ee du chapitre 7, conclut ce m ´emoire et pr ´esente quelques pistes de recherches futures.

– Lesannexes de ce m ´emoire d’habilitation sont compos ´ees des chapitres suivants : – L’annexe A pr ´esente mon curriculum vitæ.

– L’annexe B liste mes publications class ´ees par types.

– Une s ´election d’articles scientifiques est pr ´esent ´ee dans le document annexe `a ce m ´emoire d’habilitation. Ces annexes sont divis ´es en deux parties correspondant aux parties II et III du pr ´esent m ´emoire. Les articles pr ´esent ´es permettront au lecteur int ´eress ´e d’obtenir des d ´etails sur nos diff ´erentes propositions.

II

M

OD

ELISATION ORGANISATIONNELLE ET

´

HOLONIQUE DE SYST

EMES COMPLEXES

`

2

M ´

ETAMOD

ELE ORGANISATIONNEL ET

`

SYST

EMES MULTIAGENTS

`

HOLONIQUES

2.1/

I

L’approche organisationnelle est d ´esormais consid ´er ´ee comme une approche adapt ´ee `a l’analyse et `a la conception des syst `emes complexes. En effet, les m ´ethodes orient ´ees-agent ont ´evolu ´e depuis une vision initiale o `u le syst `eme ´etait essentiellement centr ´e sur l’agent et ses aspects individuels, vers une vision o `u il est d ´esormais consid ´er ´e comme une organisation dans laquelle les agents forment des groupes et des hi ´erarchies, et suivent des r `egles et des comportements sp ´ecifiques [Argente et al., 2006]. Les ´evolutions des m ´ethodesGAIA[Wooldridge et al., 2000, Zambonelli et al., 2003] et TRO-POS [Giunchiglia et al., 2002, Kolp et al., 2006] en sont d’ailleurs les exemples les plus ´evidents. Dans leur majorit ´e, les m ´ethodes orient ´ees-agent admettent qu’un SMA puisse ˆetre conc¸u comme une soci ´et ´e organis ´ee d’individus dans laquelle chaque agent joue des r ˆoles sp ´ecifiques et interagit avec d’autres agents [Jennings, 2000, Zambonelli et al., 2003].

Cependant, dans ce contexte, mod ´eliser le fait qu’un groupe d’agents en interac-tion exhibe, `a un certain niveau d’abstracinterac-tion, un comportement global sp ´ecifique et qu’en m ˆeme temps, ses membres puissent se comporter comme des entit ´es indivi-duelles partiellement ind ´ependantes demeurent des probl `emes r ´ecurrents. De nom-breux travaux ont d ´ej `a ´etudi ´e cette question, et plusieurs mod `eles ont ´et ´e pro-pos ´es dans des domaines tr `es vari ´es [Ferber, 1995, Holland, 1995, Marcenac, 1997, Correa e Silva Fernandes, 2001, Odell et al., 2005]. Les syst `emes holoniques offrent une approche permettant de faire cohabiter ces diff ´erents niveaux d’abstraction au sein d’un m ˆeme syst `eme [Rodriguez et al., 2011].

Le terme holon a ´et ´e introduit par le philosophe hongrois ARTHUR KOESTLER en 1967

pour d ´esigner des structures naturelles ou artificielles qui ne sont ni tout ni par-ties dans un sens absolu [Koestler, 1967]. Selon KOESTLER, un holon doit poss ´eder trois propri ´et ´es : (i) ˆetre stable, (ii) ˆetre autonome, (iii) ˆetre coop ´eratif. La stabilit ´e correspond `a la capacit ´e d’auto-organisation. L’autonomie d ´esigne l’aptitude pour un agent de prendre des initiatives et d’agir sans intervention ext ´erieure. La coop ´eration implique l’habilit ´e `a travailler conjointement avec d’autres holons pour r ´ealiser des

t ˆaches communes. Les syst `emes holoniques ont ´et ´e utilis ´es dans plusieurs do-maines d’applications [B ¨urckert et al., 1998, B ¨urckert et al., 2000, Maturana et al., 1999, Brussel et al., 1998, Adam et al., 2002, Ulieru and Geras, 2002]. L’une des propri ´et ´es les plus int ´eressantes des syst `emes holoniques, qui constitue l’essence m ˆeme de leur complexit ´e, est qu’un holon peut ˆetre `a la fois une entit ´e et une organisa-tion [Rodriguez, 2005a]. M ˆeme si l’id ´ee d’agent holonique est d ´ej `a largement r ´epandue dans la communaut ´e multiagent, de nombreux m ´etamod `eles consid `erent encore les agents comme des entit ´es atomiques [Gasser, 1992, Giret and Botti, 2004], les rendant de fait inappropri ´ees aux syst `emes multiagents holoniques. Les m ´etamod `eles int ´egrant la notion de holon sont quant `a eux g ´en ´eralement associ ´es `a un domaine d’application particulier tel que les syst `emes holoniques manufacturiers par exemple [Maturana, 1997, Wyns, 1999]. Ce constat est ´egalement v ´erifi ´e concernant les infrastructures telles PROSA [Brussel et al., 1998] et MetaMorph [Maturana et al., 1999].

L’ ´elaboration d’un m ´etamod `ele est une premi `ere ´etape en vue de d ´efinir une m ´ethodologie de mod ´elisation de syst `emes multiagents holoniques. C’est dans ce contexte que nous proposons CRIO (Capacit ´e-R ˆole-Interaction-Organisation), un m ´etamod `ele fond ´e sur une approche organisationnelle. CRIO diff `ere es-sentiellement d’autres m ´etamod `eles organisationnels [Ferber et al., 2004, Ferber and Gutknecht, 1998, Gutknecht, 2001, Hannoun et al., 2000] par la mani `ere de d ´efinir le concept de r ˆole. En effet, le r ˆole est consid ´er ´e comme une entit ´e fondamentale, pr ´esente depuis l’analyse jusqu’ `a l’implantation. Ce concept de r ˆole est l’abstraction d’un comportement qui peut ˆetre d ´efini ind ´ependamment de l’entit ´e qui le joue. Cette vision sp ´ecifique du concept du r ˆole, et son impact sur la mod ´elisation organisationnelle d’un syst `eme constituent la seconde motivation qui justifie la cr ´eation du m ´etamod `ele CRIO, et ´egalement du processus m ´ethodologique ASPECS et de la plate-forme JANUS. De plus, certaines des plates-formes d’implantation les plus connues ne supportent pas le concept de r ˆole : Jade [Bellifemine et al., 2001], FIPA-OS [Poslad et al., 2000] pour n’en citer que quelques-unes.

Nous d ´efinissons dans la suite de ce chapitre les principes et les concepts du m ´etamod `ele CRIO et de notre cadriciel1 pour la mod ´elisation de syst `emes multiagents holoniques. Le m ´etamod `ele CRIO s’inspire de l’approche de d ´eveloppement dirig ´ee par les mod `eles. Il est divis ´e en trois parties appell ´ees domaines. Le premier permet de d ´ecrire un probl `eme ind ´ependament d’une solution. Le second domaine propose les concepts permettant la proposition d’une solution orient ´ee-agent. Le dernier domaine est relatif `a l’implantation de la solution. La seconde partie de ce chapitre est d ´edi ´ee aux concepts relatifs `a la mod ´elisation des agents et des holons. Elle pr ´esente ´egalement le cadre permettant de construire des hi ´erarchies de holons. Cette construction est rendue possible gr ˆace aux concepts organisationnels, et notamment `a celui de capacit ´e.

La section 2.2 r ´esume la g ´en `ese du m ´etamod `ele CRIO. La section 2.3 pr ´esente les diff ´erents domaines de d ´efinition deCRIO. La section 2.4 pr ´ecise les d ´efinitions associ ´ees au domaine du probl `eme. Le domaine agent est pr ´esent ´e dans la section 2.5. La sec-tion 2.6 conclut ce chapitre.

1. Au terme anglais ``framework ´´, nous pr ´ef ´erons le terme franc¸ais « cadriciel », en usage depuis au moins 2000 [Guy, 2000, Barthez et al., 2000]. Les termes synonymes sont « cadre d’applications » (Office qu ´eb ´ecois de la langue franc¸aise) et « canevas ».

2.2/

M ´

`

CRIO est un m ´etamod `ele organisationnel destin ´e `a la mod ´elisation de syst `emes com-plexes ouverts. Un m ´etamod `ele se doit de d ´efinir de mani `ere exhaustive l’ensemble des concepts manipul ´es dans le processus de d ´eveloppement. Le m ´etamod `ele CRIO est issu de l’int ´egration et l’extension de deux m ´etamod `eles existants. Le premier, RIO (R ˆole-Interaction-Organisation), a ´et ´e propos ´e dans [Hilaire, 2000]. Il fut conc¸u pour la mod ´elisation organisationnelle de syst `emes multiagents. Le second est le cadriciel pour la mod ´elisation de syst `emes multiagents holoniques, propos ´e par [Rodriguez, 2005b]. CRIO pr ´ecise et red ´efinit certains des concepts pr ´ec ´edemment propos ´es dans RIO et introduit le concept de Capacit ´e.

2.3/

A

MDA

´

`

CRIO s’inspire de l’approche de d ´eveloppement dirig ´ee par les mod `eles2(ou MDD). Ce type de m ´ethode est de plus en plus utilis ´e dans l’industrie du logiciel. En t ´emoignent, l’adoption par l’``Object Management Group´´ (OMG) en 2003 du standard ``Model Driven Architecture´´ [MDA, 2003] et le nombre grandissant d’ateliers de g ´enie logiciel bas ´es sur les principes de cette approche (Eclipse, Borland Together Architect, Codagen Ar-chitect, . . .). L’approche MDD place la notion de mod `ele au cœur du processus de conception d’un logiciel et ses principes sont les suivants : (i) sp ´ecifier le syst `eme cible ind ´ependamment d’une plate-forme d’implantation donn ´ee, (ii) sp ´ecifier les plates-formes d’implantation, et d ´eterminer une plate-forme particuli `ere pour le syst `eme consid ´er ´e, (iii) et finalement transformer la sp ´ecification du syst `eme en une sp ´ecification compatible avec la plate-forme choisie.

Sur la base de ces principes, MDA consid `ere trois niveaux de mod `eles :

– Le mod `ele ind ´ependant de la solution (CIM3) se focalise sur l’environnement du syst `eme et la sp ´ecification des besoins que le syst `eme devra satisfaire. Les d ´etails de la structure et du fonctionnement du syst `eme sont cach ´es ou ind ´etermin ´es. Le CIM est parfois nomm ´e mod `ele du domaine. Dans ce type de mod `ele, un vocabulaire sp ´ecifique aux acteurs du domaine de l’application est employ ´e dans la sp ´ecification. Le CIM a pour objectif de combler le foss ´e entre les experts du domaine de l’applica-tion et leurs besoins d’une part, et les experts de la concepl’applica-tion du syst `eme charg ´es de satisfaire ces besoins d’autre part.

– Le mod `ele ind ´ependant d’une plate-forme d’implantation (PIM4_{) se concentre sur le}

fonctionnement d’un syst `eme tout en dissimulant les d ´etails n ´ecessaires `a son im-plantation sur une plate-forme particuli `ere. Ce type de mod `ele d ´ecrit la partie de la sp ´ecification compl `ete qui ne change pas d’une plate-forme d’implantation `a l’autre. Un tel mod `ele peut employer un langage de mod ´elisation g ´en ´erique ou un langage sp ´ecifique au domaine dans lequel le syst `eme sera utilis ´e.

– Le mod `ele sp ´ecifique `a une plate-forme (PSM5_{) combine le PIM avec un mod `ele}

d ´ecrivant les d ´etails de l’utilisation d’une plate-forme d’implantation sp ´ecifique. 2. MDD : ``Model Driven Development´´

3. CIM :``Computation Independent Model´´ 4. PIM :``Platform Independent Model´´ 5. PSM :``Platform Specific Model´´

Pour assurer la transition entre ces diff ´erents mod `eles, l’approche MDD d ´efinit des trans-formations entre mod `eles. Une transformation de mod `ele consiste `a combiner un mod `ele avec un ensemble d’informations additionnelles, et `a appliquer des r `egles de transforma-tion pour d ´eriver un autre mod `ele. Le guide MDA de l’OMG [MDA, 2003] d ´ecrit ainsi un patron de transformation pour transformer un mod `ele PIM vers un mod `ele sp ´ecifique `a une plate-forme donn ´ee (PSM) (voir figure 2.1).

PIM

PSM

additionnelles

Transformation

FIGURE2.1 – Le patron de transformation de PIM vers PSM dans l’approche MDA

Dans la logique de l’approche MDD,CRIOoffre trois niveaux de mod `eles. Chacun de ces trois niveaux est qualifi ´e de domaine6:

– Le domaine du probl `eme (≈CIM) fournit la description organisationnelle du probl `eme ind ´ependamment d’une solution sp ´ecifique. Les concepts introduits dans ce domaine sont principalement utilis ´es durant la phase d’analyse et au d ´ebut de la phase de conception du processus de d ´eveloppement.

– Le domaine agent (≈PIM) introduit les concepts multiagents et fournit une description d’une solution multiagent, ´eventuellement holonique, bas ´ee sur les ´el ´ements du do-maine du probl `eme. Le dodo-maine agent est davantage associ ´e `a la fin de la phase de conception.

– Le domaine de la solution (≈PSM) est relatif `a l’implantation de la solution sur une plate-forme sp ´ecifique. Cet aspect est donc d ´ependant d’une plate-forme de d ´eploiement particuli `ere. Dans le cas pr ´esent, cette phase repose sur la plate-forme JANUS qui fut sp ´ecifiquement d ´evelopp ´ee pour faciliter l’implantation de mod `eles or-ganisationnels et holoniques. Les concepts li ´es `a ce domaine ainsi que la plate-forme JANUSsont d ´ecrits au chapitre 4 de ce document. Ils ne sont donc pas d ´etaill ´es dans ce chapitre.

Les concepts d ´efinis dans les domaines du probl `eme et agent sont d ´ecrits dans la suite de ce chapitre (respectivement dans les sections 2.4 et 2.5). Une implantation du m ´etamod `eleCRIO, correspondant au domaine de la solution, est pr ´esent ´ee dans le cha-pitre 4. Tout au long de ce chacha-pitre, la notation UML est utilis ´ee pour d ´ecrire les parties du m ´etamod `ele et les exemples qui leur sont associ ´es.

2.4/

D

`

La figure 2.2 pr ´esente le diagrammeUMLde la partie du m ´etamod `eleCRIOconsacr ´ee `a la mod ´elisation d’un probl `eme. Le domaine du probl `eme introduit les concepts au cœur de 6. en r ´ef ´erence au m ´etamod `ele de la m ´ethodePASSI, qui constitue ´egalement l’une des inspirations pour ces travaux

l’approche propos ´ee : organisation, r ˆole, interaction, capacit ´e et ontologie. Ces concepts sont pr ´esent ´es dans la suite de cette section.

FIGURE2.2 – DiagrammeUMLdu domaine du probl `eme du m ´etamod `eleCRIO

2.4.1/ ONTOLOGIE : REPRESENTATION´ DES CONNAISSANCES LIEES´ AU

PROBLEME`

L’ontologie (``Ontology ´´) et les ´el ´ements d’ontologie (``Ontology Element´´) sont utilis ´es pour d ´ecrire les connaissances du domaine de l’application et d ´efinir le contexte des organisations du syst `eme. Une ontologie est un ensemble structur ´e de concepts visant `a d ´ecrire un ou plusieurs domaines d’ ´etude. Les relations entre concepts peuvent ˆetre s ´emantiques, de composition ou d’h ´eritage.

[Gruber, 1995] fournit une d ´efinition g ´en ´erale de la notion d’ontologie : « Une ontologie est la sp ´ecification d’une conceptualisation d’un domaine de connais-sance ». Dans [Cossentino et al., 2010c, Gaud, 2007], nous adoptons une d ´efinition plus op ´erationnelle, propos ´ee par l’OMGdans le document de sp ´ecification ``Ontology Defini-tion Metamodel´´7_{(ODM) : « Une ontologie d ´efinit un ensemble de termes et de concepts}

communs utilis ´es pour d ´ecrire et repr ´esenter un domaine de connaissance. Une ontolo-gie peut prendre diverses formes telles qu’une taxonomie (ensemble de connaissances

avec une hi ´erarchie minimale), un th ´esaurus (mots et synonymes), un mod `ele concep-tuel (avec des connaissances plus complexes) ou une th ´eorie logique (avec des connais-sances tr `es riches, complexes, consistantes et significatives). Une ontologie bien form ´ee est celle qui est exprim ´ee dans une syntaxe bien d ´efinie et qui dispose d’un interpr ´eteur bien pr ´ecis et conforme avec la d ´efinition ci-dessus. »

Dans le m ´etamod `ele CRIO, l’ontologie poss `ede une double fonction. Elle permet tout d’abord de rassembler et d’organiser l’ensemble des connaissances disponibles sur le probl `eme et sur son domaine, et de d ´efinir le contexte des organisations utilis ´ees pour les mod ´eliser. La structuration des concepts de l’ontologie du probl `eme permet notam-ment de renseigner le concepteur sur la structure ´eventuelle du syst `eme. Concernant la capitalisation des connaissances du domaine, l’ontologie constitue ´egalement une base de connaissances commune `a tous les acteurs intervenant dans le d ´eveloppement du syst `eme. Elle permet ainsi de regrouper les concepts issus du vocabulaire sp ´ecifique des experts du domaine et de les organiser de sorte `a faciliter leur compr ´ehension par les ´equipes charg ´ees de la conception du syst `eme.

L’ontologie regroupe ´egalement l’ensemble des connaissances pouvant ˆetre ´echang ´ees au cours des interactions entre les r ˆoles qui composent les organisations du syst `eme. Dans le domaine agent, l’ontologie constitue ainsi la base de connaissances n ´ecessaire

`a la d ´efinition des communications entre les agents.

Une ontologie est compos ´ee d’ ´el ´ements abstraits pouvant ˆetre (voir figure 2.2) :

– un concept, une cat ´egorie ou une abstraction qui abr `ege et r ´esume une multiplicit ´e d’objets par g ´en ´eralisation de traits communs identifiables.

– une action qui est un m ´ecanisme r ´ealis ´e par un acteur modifiant une ou plusieurs propri ´et ´es (et par cons ´equent leurs ´etats) d’un ou plusieurs concepts r ´ecepteurs. – unpr ´edicat qui est une assertion sur les propri ´et ´es des concepts.

2.4.2/ ORGANISATION, ROLE ET INTERACTIONˆ : DECOMPOSITION COMPORTE´

-MENTALE D’UN SYSTEME`

L’organisation est, avec l’interaction, l’un des concepts clefs des syst `emes multiagents. D’ailleurs, ces deux concepts sont intrins `equement li ´es. L’interaction a lieu au sein d’une organisation. Selon [Ferber, 1995], les organisations constituent `a la fois le support et la mani `ere dont se d ´eroulent les interactions, c’est- `a-dire la fac¸on dont sont r ´eparties les t ˆaches, les informations, les ressources, et la coordination des actions. La vision propos ´ee de l’organisation, pr ´esent ´ee dans la d ´efinition 1, est tr `es proche de ce que [Ferber, 1995, chap. 3] qualifie de structure organisationnelle.

D ´efinition 1 : Organisation, traduit de [Cossentino et al., 2010c]

Une organisation est d ´efinie par un ensemble de r ˆoles qui participent `a un sch ´ema d’interaction avec d’autres r ˆoles dans un contexte commun. Ce contexte consiste en un partage des connaissances, des r `egles, de normes sociales, de sentiments sociaux, . . . Il est d ´efini selon une ontologie. Le but de l’organisation est de r ´epondre `a certains besoins fonctionnels du syst `eme mod ´elis ´e.

Chaque organisation est associ ´ee `a au moins un besoin fonctionnel qui correspond `a l’objectif qu’elle doit satisfaire, `a la t ˆache qu’elle doit effectuer, ou au comportement global qu’elle doit exhiber. L’objectif de chaque organisation est donc de satisfaire les diff ´erents

besoins auxquels elle est associ ´ee. Chacun d’entre eux devra ˆetre satisfait soit par le comportement individuel de l’un des r ˆoles de l’organisation, soit par le comportement global ´emergent des interactions de tout ou d’une partie des r ˆoles.

L’organisation ´etant `a la fois le support et la mani `ere de satisfaire un besoin, elle peut ˆetre consid ´er ´ee comme la description d’un comportement global auquel devront se plier une ou plusieurs entit ´es, afin de satisfaire les objectifs qui leur sont attribu ´es. Si l’on cherche `a ´etudier ce comportement et `a le d ´ecomposer d’un point de vue fonctionnel, on obtient un ensemble de comportements de complexit ´e inf ´erieure interagissant pour satisfaire les objectifs associ ´es `a l’organisation. Selon le niveau d’abstraction consid ´er ´e, une orga-nisation peut ˆetre vue soit comme un comportement unitaire soit comme un ensemble de comportements en interaction. L’organisation est donc un concept intrins `equement r ´ecursif.

Cette dualit ´e est ´egalement pr ´esente dans le concept de holon comme cela est d ´emontr ´e par [Rodriguez et al., 2011] et r ´esum ´e dans la section 2.5. Tous deux sont d’ailleurs sou-vent illustr ´es par la m ˆeme analogie : la composition du corps humain. Le corps est consid ´er ´e d’un certain point de vue comme une entit ´e `a part enti `ere disposant d’une iden-tit ´e et d’un comportement propre. Il peut ˆetre ´egalement consid ´er ´e comme un agr ´egat d’organes, eux-m ˆemes compos ´es de cellules, . . . `A chaque niveau de cette hi ´erarchie de composition, des comportements sp ´ecifiques apparaissent [Chauvet, 1998]. Le corps dispose d’une identit ´e et d’un comportement unique pour chaque individu. Les organes disposent chacun d’une mission qui leur est propre : filtration pour les reins, extraction de l’oxyg `ene pour les poumons ou encore circulation du sang pour le cœur.

L’organisation est `a la fois l’agr ´egation d’un ensemble de comportements, et un comporte-ment composant une organisation de niveau sup ´erieur ; le tout constituant une hi ´erarchie de comportements sp ´ecifiques avec `a chaque niveau des objectifs pr ´ecis `a satisfaire. Cette d ´efinition r ´ecursive de l’organisation constitue la base du processus d’analyse as-soci ´e `a ASPECS (chapitre 3). Les comportements consid ´er ´es comme ´el ´ementaires `a un niveau donn ´e de la hi ´erarchie sont appel ´es r ˆoles. La d ´efinition 2 a ´et ´e retenue pour d ´efinir le concept de r ˆole. Cette vision de l’organisation qui est perc¸ue tant ˆot comme compor-tement `a part enti `ere, tant ˆot comme un r ˆole dans une organisation de niveau d’abs-traction sup ´erieur est partag ´ee par d’autres auteurs [Anderson and Reenskaug, 1992, Singh, 1992].

D ´efinition 2 : R ˆole, traduit de [Cossentino et al., 2010c]

Un r ˆole est `a la fois un comportement et un ensemble de droits et d’obliga-tions dans le cadre d’une organisation. Le but de chaque r ˆole est de contribuer totalement ou partiellement `a la r ´ealisation des objectifs de l’organisation au sein de laquelle il est d ´efini. Un r ˆole peut ˆetre instanci ´e soit comme un r ˆole « commun » ou un r ˆole « fronti `ere » (``Boundary role´´). Un r ˆole commun est un r ˆole `a l’int ´erieur du syst `eme conc¸u. Il interagie avec des r ˆoles communs ou fronti `eres. Un r ˆole fronti `ere est un r ˆole situ ´e `a la fronti `ere entre le syst `eme et son environnement. Il est responsable des interactions qui se produisent `a cette fronti `ere (interaction avec une interface graphique, une base de donn ´ees, . . .) Chaque r ˆole est d ´efini dans une et une seule organisation. Dans le contexte de son organisation, un r ˆole d ´efinit un comportement et un statut.

ensemble de droits et d’obligations pour l’agent qui le joue. Le statut d ´efinit ´egalement l’interface au travers de laquelle l’agent jouant le r ˆole est perc¸u par les autres entit ´es de la m ˆeme organisation. Il fournit `a cet agent le droit d’exercer ses capacit ´es (comp ´etences) dans le contexte de l’organisation et l’obligation de respecter le comportement d ´ecrit par le r ˆole. Le statut d’un r ˆole est caract ´eris ´e par au moins un concept de l’ontologie d ´efinissant le contexte de son organisation.

Le comportement d’un r ˆole fixe les responsabilit ´es qui sont associ ´ees au r ˆole et la m ´ethode pour les satisfaire. Pour d ´efinir ce comportement, chaque r ˆole dispose d’at-tributs qui lui sont propres. L’objectif d’un r ˆole est de contribuer, pour toute ou partie, aux besoins associ ´es `a l’organisation dans laquelle il est d ´efini. Le comportement d’un r ˆole est sp ´ecifi ´e par un plan comportemental (ou plan de comportement) qui peut ˆetre repr ´esent ´e par un diagramme d’activit ´e UML ou un diagramme ´etat-transition (``state-chart´´). Un tel plan d ´ecrit comment un ou plusieurs objectifs d’un r ˆole peuvent ˆetre satisfaits par son comportement.

L’aspect dual du concept de r ˆole dans CRIO, combinant statut et comportement, est une diff ´erence majeure avec bien des d ´efinitions existantes de ce concept. En effet, le r ˆole est souvent consid ´er ´e comme une interface au travers de laquelle les autres agents perc¸oivent l’agent qui le joue. Le r ˆole est alors assimil ´e `a une sorte de filtre pour l’agent, ce qui correspond `a la notion de statut dans l’approche propos ´ee. Dans MES-SAGE [Caire et al., 2002] par exemple, la relation entre le r ˆole et l’agent est consid ´er ´ee comme analogue `a celle entre l’interface et la classe dans les mod `eles orient ´es-objet. Dans [Kristensen and Osterbye, 1996], les auteurs nomment cette approche la m ´etaphore du filtre (ou ``Filter Metaphor ´´) et examinent les probl `emes li ´es `a une telle vision : ``This is mistaken because the filter metaphor implies that the persons has all the properties from the outset, and we choose to see only some of them. This neglects the important meaning behind roles, that the properties are extrinsic, — the person only has them because of the role´´. Une ´etude du concept de r ˆole pour les objets, qui partage d’ailleurs de nombreux points communs avec l’approche pr ´esent ´ee ici peut ˆetre trouv ´ee dans la th `ese de [Graversen, 2006].

De nombreux auteurs s’accordent sur le fait que la complexit ´e des SMA est une cons ´equence directe de l’interaction entre les agents [Jennings, 2001, Odell, 2002]. La notion d’interaction est fondamentale puisqu’elle permet `a un groupe d’agents d’accom-plir davantage ensemble que la somme de leurs actions individuelles. Mais l’interaction va ´egalement de pair avec la n ´ecessit ´e de coordination et l’ ´emergence de conflits. Une interaction entre r ˆoles est d ´efinie de la mani `ere suivante :

D ´efinition 3 : Interaction, traduit de [Cossentino et al., 2010c]

Une interaction est un ensemble dynamique d’ ´ev ´enements connus `a priori et ´echang ´es entre les r ˆoles, ou des r ˆoles et des entit ´es en dehors du syst `eme. Les r ˆoles peuvent r ´eagir aux ´ev ´enements en fonction de leurs comportements.

Les interactions survenant entre les r ˆoles au sein d’une organisation sont d ´ecrites dans un sc ´enario d’interaction qui est g ´en ´eralement repr ´esent ´e par un diagramme de s ´equenceUML, nomm ´e protocole. Un sc ´enario d’interaction d ´ecrit comment un ensemble de r ˆoles interagissent et se coordonnent pour satisfaire un objectif commun, lequel peut lui-m ˆeme ˆetre associ ´e `a un r ˆole de niveau d’abstraction sup ´erieur. Cette association im-plique de pouvoir faire transiter de l’information entre deux niveaux d’abstraction adja-cents. Ce m ´ecanisme est g ´er ´e dans CRIO par l’utilisation combin ´ee des concepts de

capacit ´e, d’organisation et de services. Il sera pr ´esent ´e `a la section 2.5.5.

Les concepts jusqu’alors introduits dans le domaine du probl `eme permettent d’assurer l’identification des besoins, et de dresser une premi `ere d ´ecomposition du syst `eme sous la forme d’une hi ´erarchie d’organisations ; chacune de ces organisations ayant pour objectif de satisfaire un ou plusieurs besoins fonctionnels. Cependant, la phase d’analyse d’un syst `eme passe, certes, par l’identification des besoins auxquels il devra r ´epondre, mais ´egalement par la d ´elimitation du p ´erim `etre du syst `eme. Ce p ´erim `etre marque la fronti `ere entre le syst `eme et son environnement. Il est mod ´elis ´e par un r ˆole sp ´ecifique qualifi ´e de r ˆole fronti `ere (``Boundary Role´´) et qui est responsable des interactions entre le syst `eme et son environnement. DansCRIOetASPECS, et contrairement `a ce qui est parfois recom-mand ´e dans la litt ´erature, aucun mod `ele global de l’environnement n’est explicitement fourni. En effet, le point de vue adopt ´e sur l’environnement d ´epend du contexte et de l’organisation consid ´er ´es. Cette vision est donc distribu ´ee, et le mod `ele d’environnement l’est ´egalement au travers des diff ´erentes organisations situ ´ees `a la fronti `ere du syst `eme. Distribuer le point de vue adopt ´e sur l’environnement facilite la distribution des applica-tions dans des environnements h ´et ´erog `enes et distribu ´es. De plus, l’environnement est par nature `a l’ext ´erieur du syst `eme, par cons ´equent seules les parties manipul ´ees par le syst `eme ou en interaction avec lui sont effectivement mod ´elis ´ees.

2.4.3/ CAPACITE´ :DESCRIPTION DES COMPETENCES D´ ’UNE ORGANISATION OU

D’UN AGENT

Les syst `emes de grande ´echelle doivent pouvoir coop ´erer et fonctionner en environne-ment ouvert. Les agents impliqu ´es dans de tels syst `emes doivent par cons ´equent col-laborer avec d’autres agents, ´eventuellement int ´egr ´es `a des syst `emes diff ´erents, pour satisfaire leurs objectifs. Il en d ´ecoule que tout agent doit ˆetre en mesure d’ ´evaluer les comp ´etences de ses partenaires potentiels et ainsi identifier les collaborateurs les plus appropri ´es. La notion de capacit ´e fut initialement introduite pour permettre aux agents de raisonner sur leurs propres comp ´etences et celles de leurs collaborateurs de sorte `a pouvoir s’adapter et satisfaire des objectifs nouveaux [Rodriguez et al., 2007].

Le but de l’introduction du concept de capacit ´e est de disposer d’un outil permettant de d ´ecrire les comp ´etences d’un agent ou d’un groupe d’agents de mani `ere g ´en ´erique, tout en faisant abstraction de l’architecture interne de l’agent (voir d ´efinition 4).

D ´efinition 4 : Capacit ´e, traduit de [Cossentino et al., 2010c]

Une capacit ´e est une sp ´ecification d’une transformation d’une partie du syst `eme conc¸u ou de son environnement. Cette transformation garantit des propri ´et ´es r ´esultantes si le syst `eme avant la transformation r ´epond `a un ensemble de contraintes. Il peut ˆetre consid ´er ´e comme les sp ´ecifications des pr ´econditions et postconditions d’une r ´ealisation d’un objectif.

Les propri ´etaires de capacit ´es peuvent ˆetre des agents, des holons, des r ˆoles ou des organisations. Les utilisateurs sont g ´en ´eralement des r ˆoles ou des organisations.

La capacit ´e poss `ede une double fonction dans le m ´etamod `eleCRIO:

1. Elle constitue tout d’abord une interface entre l’agent et le r ˆole. Elle permet de d ´efinir le comportement du r ˆole en faisant abstraction de l’architecture de l’agent. Cette notion permet d’obtenir des mod `eles g ´en ´eriques d’organisation. Une

capa-cit ´e repr ´esente en effet une comp ´etence d’un agent ou d’un groupe d’agents. Le r ˆole requiert certaines comp ´etences pour d ´efinir son comportement, lesquelles sont mod ´elis ´ees par des capacit ´es. Les capacit ´es peuvent ensuite ˆetre invoqu ´ees dans l’une des t ˆaches qui composent le comportement du r ˆole. En contrepartie, une en-tit ´e qui souhaite acc ´eder `a un r ˆole doit fournir une r ´ealisation concr `ete (ou implanta-tion) `a chacune des capacit ´es exig ´ees par le r ˆole. Ces relations entre capacit ´e, r ˆole et agent sont d ´ecrites dans la figure 2.3. La relation entre capacit ´e et agent sera approfondie dans le domaine agent.

2. La capacit ´e permet ´egalement, dans le processus de mod ´elisation, d’effectuer l’in-terface entre deux niveaux d’abstraction adjacents dans la hi ´erarchie organisation-nelle du syst `eme. La figure 2.5 d ´ecrit cette seconde fonction de la notion de capa-cit ´e.

FIGURE2.3 – Relations entre les concepts de Capacit ´e, de R ˆole et d’Agent [Gaud, 2007]

Afin d’illustrer ce double aspect du concept de capacit ´e, consid ´erons la capacit ´e `a trouver le plus court chemin dans un graphe pond ´er ´e et connexe G(N, E) depuis un nœud source svers un nœud destination d (capacit ´e que l’on nommera TrouverPlusCourtChemin). La description associ ´ee `a une telle capacit ´e est pr ´esent ´ee dans la figure 2.4. Cette capacit ´e est param ´etr ´ee par le graphe G, d ´efini par son ensemble de nœuds N et d’ar ˆetes E pond ´er ´ees par la fonction w, ainsi que les nœuds source s et destination d du plus court chemin `a identifier. Le r ´esultat de cette capacit ´e est mat ´erialis ´e par le plus court chemin P liant s `a d. Ce chemin repr ´esente une s ´equence de nœuds adjacents du graphe. La clause requiert pr ´ecise que les ensembles de nœuds et d’ar ˆetes ne doivent pas ˆetre vides. Elle impose ´egalement que les nœuds source et destination appartiennent au graphe et que les poids associ ´es aux ar ˆetes soient positifs ou nuls. La clause garantit, pr ´ecise qu’il n’existe aucun chemin Q du graphe, liant s `a d, qui soit plus court que P. La d ´efinition d’une Capacit´ene contient aucune r ´ef ´erence aux entit ´es ou groupes d’en-tit ´es susceptibles de poss ´eder ou d’exhiber ce savoir-faire. Ainsi, la notion de capa-cit ´e est clairement distincte de la mani `ere dont elle est r ´ealis ´ee. En effet, une capacapa-cit ´e d ´ecrit ce qu’une entit ´e ou un groupe d’entit ´es est capable de faire, ind ´ependamment de sa r ´ealisation effective. Par exemple, la capacit ´e TrouverPlusCourtChemin peut ˆetre r ´ealis ´ee de diverses mani `eres. Il est possible d’utiliser l’algorithme de Dijkstra, ou celui de Bellman-Ford si l’on consid `ere le savoir-faire d’une unique entit ´e. D’autres exemples de r ´ealisations peuvent ˆetre apport ´es, notamment si l’on consid `ere la capacit ´e d’un groupe d’entit ´es, plut ˆot que celle d’une entit ´e individuelle. En effet, une Colonie de fourmis est une organisation connue pour ˆetre capable d’offrir une solution au probl `eme du plus court chemin dans un graphe. La solution (le plus court chemin) ´emerge des interactions entre

– Nom : : TrouverPlusCourtChemin - FindShortestPath – Param `etres : :

– G = (N, E), graphe orient ´e. E = N × N – w : E → R, fonction de poids.

– s ∈ N, nœud source. – d ∈ N, nœud destination.

– R ´esultats : : P = hs = i0, i1, · · · , in−1, d = ini, with ∀k ∈ {0..n}, ik∈ N

Le plus court chemin P entre s et d.

– Requiert : : N , ∅ et E , ∅ et ∀(u, v) ∈ E/w(u, v) ≥ 0 – Garanti : : ∀ jt ∈ N, t ∈ {0..m} ∄ Q = hs = j0, j1· · ·, jm= di/P , Q ∧ m−1_X t=0 w( jt, jt+1) < n−1 X k=0 w(ik, ik+1)

Il n’existe aucun chemin Q du graphe, liant s `a d, plus court que P.

– Description Textuelle : : Fournit une solution au probl `eme de plus court chemin `a un seul nœud source dans un graphe connexe et pond ´er ´e dont le poids li ´e aux arcs est positif ou nul.

FIGURE2.4 – La capacit ´e TrouverPlusCourtChemin [Gaud, 2007]

fourmis dans leur environnement. En accord avec la description fournie dans la figure 2.4, l’environnement est repr ´esent ´e par le graphe G, le nœud source s est assimil ´e `a la four-mili `ere, et le nœud destination d `a une source de nourriture.

La figure 2.5 pr ´esente le diagrammeUMLdes organisations Colonie de fourmis et Calcul de chemin dans un graphe, et d ´ecrit leurs relations. Ces deux organisations se situent `a deux niveaux d’abstraction diff ´erents :

– le niveau n o `u le plus court chemin ´emerge des interactions entre les fourmis ; et – le niveau n + 1 o `u ce plus court chemin est exploit ´e.

Au niveau n+1, le r ˆole Route Provider requiert la capacit ´e `a trouver le plus court chemin dans un graphe. Cette capacit ´e est ensuite fournie par une organisation situ ´ee au niveau inf ´erieur dans la hi ´erarchie. Au niveau n, le comportement global de l’organisation Colonie de fourmis fournit la capacit ´e permettant de d ´eterminer le plus court chemin.

Le concept de capacit ´e permet ainsi de d ´efinir comment une organisation de niveau n peut contribuer au comportement d’un r ˆole de niveau n+1. La mani `ere pr ´ecise permettant `a une organisation de fournir une capacit ´e n’est pas l’objet du domaine du probl `eme. Cet aspect sera raffin ´e et sp ´ecialis ´e dans le domaine agent (cf. section 2.5.5) notamment gr ˆace `a l’introduction du concept de service.

En revanche, les conditions n ´ecessaires pour qu’une organisation donn ´ee soit effecti-vement en mesure de fournir une capacit ´e peuvent d’ores et d ´ej `a ˆetre pr ´ecis ´ees, et sp ´ecifi ´ees directement sur le diagramme UML repr ´esentant la hi ´erarchie d’organisation du syst `eme sous la forme de contraintes OCL8.

FIGURE2.5 – Le concept de capacit ´e en tant que charni `ere entre deux niveaux adjacents d’abstraction [Gaud, 2007]

2.5/

D

Le domaine du probl `eme de CRIO permet la mod ´elisation du probl `eme en termes d’or-ganisations, de r ˆoles, de capacit ´es et d’interactions. Le r ´esultat de cette mod ´elisation doit aboutir `a la d ´efinition d’une hi ´erarchie d’organisations combinant leurs comporte-ments respectifs pour satisfaire les besoins identifi ´es. Disposant d ´esormais d’un mod `ele du probl `eme, l’objectif est alors de concevoir le mod `ele d’une solution multiagent. Il s’agit d’ ´elaborer le mod `ele d’une soci ´et ´e d’agents (ou de holons) capable d’offrir une solu-tion au probl `eme ´etudi ´e, en d ´ecrivant les interacsolu-tions entre les agents ainsi que leurs ´eventuelles d ´ependances. La figure 2.6 pr ´esente le diagramme UML du domaine agent du m ´etamod `eleCRIO.

Les sections suivantes pr ´esentent les principes de mod ´elisation et les concepts du m ´etamod `ele CRIO appartenant au domaine agent. Le cœur de ce domaine tient ´evidemment dans la d ´efinition des entit ´es qui seront `a la base de la solution du probl `eme trait ´e : les agents et les holons.