Résumé (FR)

Dans cette thèse, nous proposons un modèle de simulation multi-agents, le modèle Eass (Environment as Active Support for Simulation) dont l'originalité est d'intégrer le processus de simulation dans la modélisation du système. Actuellement lors de l'élaboration d'une simulation, la modélisation du système se confond avec sa mise en oeuvre dans une plate-forme de simulation car la phase d'activation des agents gérée par un ordonnanceur global et la phase d'action des agents qui intègre le mécanisme de sélection d'actions de l'agent dépendra en partie de la plate-forme de simulation. Notre proposition est d'externaliser l'évaluation du contexte local à chaque agent et la sélection du comportement en fonction de cette évaluation dans une entité centrale qui est l'environnement, tout en gardant les propriétés d'autonomie, de réactivité et de proactivité propres au paradigme multi-agent. Pour ce faire, il a fallu réifi er le lien entre le contexte d'un agent et son comportement associé à ce contexte en s'appuyant sur le principe Property-based Coordination pour permettre la représentation et la gestion des informations relatives aux composants du système. Ainsi, la modélisation ne consiste pas uniquement à modéliser le comportement de l'agent mais également à modéliser le comportement de la simulation en prenant en compte le processus d'ordonnancement. Après avoir proposé un modèle de simulation, nous avons explicité une architecture fonctionnelle précisant les spécifi cations que les plates-formes de simulation doivent respecter pour mettre en oeuvre notre modèle Eass. Pour illustrer cette architecture, deux plates-formes de simulation furent développées : la première à partir d'outils existants en couplant la plate-forme agent MadKit avec un générateur de systèmes experts Jess, et la deuxième qui est une plate- forme que nous avons entièrement développée pour s'abstraire des concessions liées à l'utilisation d'outils existants. L'application de notre modèle de simulation est un problème de gestion de crise dans les transports. Pour la modélisation du problème, il a fallu prendre en compte les contraintes organisationnelles et communicationnelles qui résultent de la nécessité de faire intervenir di fférents services avec leurs propres protocoles pour résorber la crise. Pour répondre à ce problème, nous nous sommes appuyés sur l'extension du modèle organisationnel Moise qui intègre la modélisation de la dimension communicationnelle de l'organisation, auquel nous avons intégré la modélisation de la simulation avec la défi nition des comportements des agents.