Elaboration d’un Système d’Aide Multicritères à · 5.1.2. Les objets de la négociation 59...

MEMOIRE

Présenté par

Melle BOUDRAA Nawel

Pour obtenir

LE DIPLOME DE MAGISTER

Spécialité : Informatique

Option : Diagnostic, Aide à la Décision et Interaction Humain Machine

Intitulé :

Elaboration d’un Système d’Aide Multicritères à

la Décision Spatiale de Groupe : Vers une

Négociation par Argumentation

Membres de jury :

2011/2012

Mr BENHAMAMOUCH Djilali Professeur, Université d’Oran

(Président)

Mr

BOUAMRANE Karim Professeur, Université d’Oran

(Encadreur)

Mme

HAMDADOU Djamila Maître de Conférences, Université d’Oran

(Co-Encadreur)

Mme

BOURENANE Malika Maître de Conférences, Université d’Oran

(Examinatrice)

Mr

SENOUCI Mohamed Maître de Conférences, Université d’Oran

(Examinateur)

Dédicace

Je dédie ce travail

A mon Papy chéri, le Professeur BOUDRAA, qui me manque tant,

A mon grand père bien aimé, feu HACHEMAOUI, à qui je pense

énormément

A mes grands-mères que j’aime beaucoup

A mes parents, en modeste témoignage de ma gratitude et de mon

profond amour

Je vous souhaite une longue et heureuse vie ensemble

A mon unique frère Amine que j’adore

A toute ma famille pour leur aide et leurs conseils

A tous mes amis qui m’ont soutenus et offerts leur affection

Qu’ils trouvent dans ce travail l’expression de ma profonde

reconnaissance.

Au bonheur des plus chers.

Et à tous ceux que j’aime, je dis merci.

Remerciements

Merci Allah, Le Tout Puissant !

« C'est le rôle essentiel du professeur d'éveiller la joie de travailler et de connaître. »

Albert Einstein.

Au terme de ce travail, je tiens à exprimer mes vifs remerciements :

A Mr Karim BOUAMRANE, mon directeur de thèse, pour m’avoir tout d’abord enseigné les

bases de mes connaissances. Je le remercie également pour tout le soutien, et l’attention qu’il

m’a portée au cours de ces années.

A Mme Djamila HAMDADOU, pour l'encadrement technique, passionnée par les recherches

et d’un grand charisme avec ses étudiants. Elle a su me guider et me conseiller, afin de faire

progresser mon travail. Ce fut un plaisir de travailler avec elle.

Je remercie infiniment, Mr Djilali BENHAMAMOUCH, pour m’avoir fait l’honneur de

présider le jury d’examen de cette thèse.

Je remercie chaleureusement, Mme Malika BOURENANE, d’avoir accepté de faire partie de

mon jury. Qu’elle en trouve ici, avec ma gratitude, l’assurance de ma considération

distinguée.

Je remercie aussi énormément, Mr Mohamed SENOUCI, pour son soutien et sa présence

pendant toutes mes années d’études, et pour m’avoir fait le plaisir d’être membre de mon

jury. Les mots sont faibles pour lui exprimer ma profonde reconnaissance.

Je tiens également à associer à cette œuvre, tous mes collègues de promotion que j'ai eu à

côtoyer pendant cette période.

Je n’oublie pas dans mes remerciements, ma famille et plus particulièrement mes parents, qui

m’ont toujours soutenue dans mes études, je vous aime !

Je pense à remercier enfin, tous ceux qui ont contribué de près ou de loin à la réalisation de

ce travail.

http://www.citations-francaises.fr/est-le-role-essentiel-du-professeur-eveiller-la-joie-de-travailler-et-de-connaitre-citation-18551.html

http://www.citations-francaises.fr/Albert-Einstein-auteur-286.html

Table des matières

Table des matières

Introduction générale 1

Première Partie : Synthèse de l’état de l’Art

Chapitre I : Les Systèmes d’Aide à la Décision de Groupe

1. Introduction 6

2. Décision et Aide à la Décision 7

2.1. Décision 7

2.2. Processus de décision 7

2.2.1. La recherche d’information (Intelligence) 8

2.2.2. La conception (Design) 8

2.2.3. Le choix (Choice) 8

2.2.4. L’évaluation (Review) 8

2.3. L’Aide à la décision 9

3. Les Systèmes d’Aide à la Décision (SAD) 9

4. L’Aide à la Décision de Groupe 10

4.1. Définitions 11

4.2. Typologies des groupes 12

4.3. Taille de groupe 12

4.4. Anonymat 12

4.5. Le processus de prise de décision de groupe 13

4.6. Typologie des processus de décision de groupe 13

4.7. Modèle générique du processus de décision de groupe 14

4.8. Les systèmes d’aide à la décision de groupe (GDSS) 15

4.8.1. Définition d’un GDSS 15

4.8.2. Avantages et limites d’un GDSS 16

4.8.3. Typologies des GDSS 17

4.8.4. Proximité 18

4.9. Techniques et outils d’aide à la décision de groupe 18

5. La négociation 19

6. Conclusion 19

Chapitre II : La Négociation dans les Systèmes Multi-Agents

1. Introduction 21

2. Parvenir à un accord 21

2.1. Les systèmes de vote 21

2.2. Les enchères 22

2.3. La Négociation 23

2.3.1. Définitions 23

2.3.2. Les différents types de négociation automatique 24

2.3.2.1. Les négociations multi-attributs 24

2.3.2.2. Les négociations multi-niveaux 25

2.3.2.3. Les négociations combinées 25

3. Les Protocoles de Négociation 26

3.1. Le Contract Net Protocol 26

3.2. Protocole à concession monotone (Monotonic Concession Protocol) 26

4. Les Différents Systèmes de Négociation 27

4.1. Traconet 27

4.2. Kasbah 28

4.3. AuctionBot 28

4.4. Fishmarket 28

4.5. Zeus 29

4.6. Magnet 29

4.7. SilkRoad 29

4.8. GNP 29

5. La négociation à base d’argumentation 30

5.1. Définition 30

5.2. Technologies argumentatives 30

5.3. Les types d’arguments 31

5.3.1. Argumentation basée sur la logique 33

5.3.2. Argumentation abstraite 34

5.4. Les méthodes d’argumentation 35

5.4.1. La méthode de Jennings 35

5.4.2. La méthode de Amgoud et Prade 35

5.4.3. La méthode de Carbogim et Robertson 36

5.4.4. La méthode de Jennings et Kraus 36

5.4.5. La méthode de Sycara (le système PERSUADER) 36

5.4.6. La méthode de Sierra 37

5.4.7. Le projet ARGUGRID 37

5.4.7.1. Objectifs du projet 37

5.4.7.2. Modèle d’argumentation pour le raisonnement 38

6. Conclusion 38

Chapitre III : L’Analyse Multicritères

1. Introduction 39

2. Concepts fondamentaux de l’analyse multicritères 39

2.1. Principe des méthodes d’analyse multicritères 40

2.2. Problématiques de référence 40

2.2.1. Problématique du choix (P.α) 40

2.2.2. Problématique du tri (P.β) 41

2.2.3. Problématique du rangement (P.γ) 41

2.2.4. Problématique de description (P.δ) 42

3. Démarche générale d’une méthode multicritères 42

3.1. Définition du problème et l’objet de la décision, l’action 43

3.2. L’analyse des conséquences et détermination des critères 43

3.3. Choix d’une méthode d’aide à la décision multicritères 44

3.4. Performance des actions 45

4. L’agrégation des performances et l’analyse multicritères 45

4.1. Agrégation complète transitive (Approche du critère unique) 46

4.2. Agrégation partielle (Approche du surclassement de synthèse) 46

4.3. Agrégation locale (Approche du jugement local interactif avec itérations) 46

5. Illustration des méthodes multicritères 47

5.1. La famille ELECTRE 47

5.1.1. ELECTRE I 47

5.1.2. ELECTRE II 47

5.1.3. ELECTRE III 47

5.1.4. ELECTRE IV 48

5.1.5. ELECTRE IS 48

5.1.6. ELECTRE TRI 48

5.2. La famille PROMETHEE 49

6. Conclusion 49

Deuxième Partie : Approche Proposée

Chapitre IV : Conception du Modèle Décisionnel

1. Introduction 50

2. Approche décisionnelle proposée 50

2.1. Le module SIG 52

2.2. Le module SMA 53

2.3. Modélisation des agents 53

2.3.1. L’agent coordinateur 53

2.3.2. Les agents participants 54

3. Le modèle décisionnel proposé 54

3.1. Phase de structuration du modèle 55

3.2. La phase d’exploitation du modèle 56

3.3. La phase de concrétisation 56

4. La démarche décisionnelle adoptée par NARGSMA 57

5. Caractéristiques du protocole de négociation proposé 57

5.1. Le niveau de négociation 58

5.1.1. Cardinalité de la négociation 58

5.1.2. Les objets de la négociation 59

5.1.3. Les différentes phases du protocole 59

5.1.3.1. La phase de préparation 59

5.1.3.2. La phase d’initialisation 59

5.1.3.3. La phase de communication 59

5.1.3.4. La phase de modification 60

5.1.3.5. La phase de décision finale 60

5.2. Les primitives de négociation 60

5.2.1. Primitives spécifiques à l’agent coordinateur 60

5.2.2. Primitives spécifiques à chaque agent participant 61

5.2.3. Le format des messages de négociation 62

5.3. Le niveau stratégique 62

5.3.1. Protocole de Négociation à concession monotone 62

5.3.2. Stratégies de l’agent coordinateur 64

5.3.2.1. La méthode ELECTRE TRI 65

5.3.2.2. Etablissement de la première proposition 71

5.3.3. Stratégies de l’agent participant 71

5.3.3.1. Détermination des préférences avec ELECTRE III 71

5.3.3.2. Stratégie d’acceptation 75

5.3.3.3. Stratégie de refus 75

6. Conclusion 75

Chapitre V : Mise en œuvre du GDSS proposé

1. Introduction 76

2. Environnements de développement 76

2.1. Outil de développement JBuilder 77

2.2. Plateforme JADE 77

2.2.1. Architecture de JADE 77

2.2.2. Outils de control et de débogage 78

2.2.2.1. RMA Agent 78

2.2.2.2. Dummy Agent 79

2.2.2.3. Sniffer Agent 79

2.2.3. Les agents sous JADE 80

3. Etude de cas et résultats expérimentaux 80

3.1. Première étude de cas 80

3.1.1. Délimitation de la région d'étude 81

3.1.2. Identification des critères d'adéquation du territoire pour l'habitat 81

3.1.3. Identification des différents acteurs impliqués 83

3.2. Deuxième étude de cas 89

3.2.1. Délimitation de la région d'étude 89

3.2.2. Identification des critères d'adéquation du territoire 90

3.2.3. Identification des différents acteurs impliqués 91

4. Conclusion 96

Conclusion & Perspectives 97

Troisième Partie : Annexes

Annexe A : Les Systèmes Multi-Agents

1. Introduction 99

2. Acteur et agent 99

3. Définition des Systèmes Multi-Agents 100

4. Architecture des systèmes multi-agents 101

5. Caractéristiques d’un SMA 101

6. Types d’agents 102

7. Catégories ou modèles d'agents 102

8. Les plateformes SMA 104

9. Conclusion 109

Annexe B : Les Systèmes d’Information Géographique

1. Introduction 110

2. Définitions 110

3. Les données du SIG 111

4. Les couches d’informations 112

5. Les modes de représentation de l’information géographique 112

5.1. Le mode Vectoriel 112

5.2. Le mode Matriciel (Raster) 113

5.3. La comparaison entre le mode vectoriel et le mode matriciel 113

6. Les fonctionnalités d’un SIG 114

6.1. L’Abstraction 114

6.2. L’Acquisition des données 114

6.3. L’Archivage 115

6.4. L’Analyse 115

6.5. L’Affichage 115

7. Les problématiques d’AT et les SIGs 115

7.1. La recherche d’une surface satisfaisant au mieux certains critères 115

7.2. La recherche de plusieurs surfaces 115

7.3. La recherche d’un tracé reliant des points 115

7.4. La conception d’un réseau linéaire devant relier plusieurs points 116

7.5. La conception d’un réseau de polygones 116

8. Conclusion 116

Bibliographie 117

WeboGraphie 124

Table des Figures

Table des Figures



Figure (I.1) : Modèle du processus de décision de [Sim, 77]. 7

Figure(I.2) : Modèle générique du processus de prise de décision collective. 14


Figure (II.1) : Protocole de négociation basée sur l’argumentation. 37


Figure(III.1) : Le processus de décision multicritères. 40

Figure (III.2) : Problématique du choix (P.α). 41

Figure(III.3) : Problématique du tri (P. β). 41

Figure (III.4) : Problématique du rangement (P. γ). 42

Figure (III.5) : Problématique de description (P. δ). 42



Figure (IV. 1) : Le GDSS Proposé : vue d’ensemble. 52

Figure (IV. 2) : Le modèle décisionnel proposé. 54

Figure (IV. 3) : Synthèse des phases de structuration et d’exploitation du modèle décisionnel proposé. 57

Figure (IV. 4) : Le protocole général de négociation. 62

Figure (IV.5): La problématique de tri. 65


Figure (V.1) : Architecture de la plateforme JADE. 78

Figure (V.2) : RMA Agent. 78

Figure (V.3) : Dummy Agent. 79

Figure (V.4) : Sniffer Agent. 79

Figure (V.5) : Zone d’étude. 81

Figure (V.6) : Interface Matrice de Performances avec 650 actions. 83

Figure (V.7) : Interface graphique du décideur 1. 85




Figure (V.11) : Interface graphique de l’agent coordinateur. 86

Figure (V.12) : Interface Matrice de Performances réduite. 86

Figure (V.13) : Matrice des utilités. 87

Figure (V.14) : Interface du classement des actions effectué par le décideur 1. 87




Figure (V.18) : Visualisation des messages échangés entre agents à l’aide de l’agent Sniffer. 88

Figure (V.19) : Résultat de la négociation. 89

Figure (V.20) : Zone d’étude. 89

Figure (V.21) : Visualisation des îlots potentiels. 90

Figure (V.22) : Interface Matrice de Performances avec six actions. 91

Figure (V.23) : Interface graphique de l’agent public. 93

Figure (V.24) : Interface graphique de l’agent politique. 93

Figure (V.25) : Interface graphique de l’agent environnement. 93

Figure (V.26) : Interface graphique de l’agent économique. 93





Figure (V.31) : Visualisation des messages échangés entre agents à l’aide de l’agent Sniffer. 95

Figure (V.32) : Résultat de la négociation. 96



Figure (A.1) : Représentation d’un agent en interaction avec son environnement et les autres agents. 100

Figure (A.2) : Modèle d’agent cognitif *Fer et al, 98+. 103

Figure (A.3) : Modèle d’agent réactif *Fer et al, 98+. 103


Figure (B.1) : Organisation en couches. 112

Figure (B.2) : Primitives géométriques utilisées en mode vectoriel. 112

Figure (B.3) : Image satellitaire d’Oran (Captée par le satellite Alsat1). 113

Liste des Tableaux

Liste des Tableaux




Tableau (II.1) : Descriptions des différents systèmes de vote les plus utilisés. 22

Tableau (II.2) : Description des différentes enchères existantes.


Tableau (III.1) : Situations possibles lors de la comparaison de deux actions. 43

Tableau (III.2) : Choix de la méthode multicritères. 44

Tableau (III.3) : Tableau de performances. 45



Tableau (IV.1) : Caractéristiques des procédures d’affectation. 70


Tableau (V.1) : Identification des critères. 82

Tableau (V.2) : Matrice des performances. 82

Tableau (V.3) : Paramètres subjectifs exprimés par le décideur 1. 83




Tableau (V.7) : Matrice des performances. 90







Tableau (A.1) : Catégories d'agent. 102

Tableau (A.2) : Les différents environnements de programmation. 105

Tableau (A.3) : Liste de plates-formes disponibles et utilisables. 107

Tableau (A.4) : Autres Plate-formes de développement de systèmes multi-agents. 109


Tableau (B.1) : Comparaison entre le mode vectoriel et le mode matriciel. 114

Liste des Abréviations

Liste des Abréviations

GDSS Group Decision Support System.

SMA Systèmes Multi-Agents.

ELECTRE ELimination Et Choix Traduisant la REalité.

AT Aménagement du Territoire.

PROMETHEE Peference Ranking Organisation METHod for Enrichment Evaluations.

SIG Systèmes d’Information Géographique.

AMCD Aide MultiCritères à la Décision.

SIAD Système Interactif d’Aide à la Décision.

SAD Systèmes d’Aide à la Décision.

CNP Contract Net Protocol.

JADE Java Agent DEvelopement framework.

AMC Analyse Multi Critères.

NARGSMA Négociation par ARGumentation dans les SMA, (protocole proposé).

Introduction Générale


Page 1


Contexte et Problématique

L'aménagement et la gestion des territoires constituent un champ d'étude privilégié pour

l'analyse des conflits et la conception d'outils adaptés à leur gestion. En effet, nous pouvons

observer une grande variété de contextes, de types d'acteurs, et de dynamiques. Par ailleurs,

les évolutions actuelles dans les modalités de la décision publique, avec des orientations vers

des démarches participatives, justifient un besoin accru en outils ouverts permettant de gérer

les conflits qui se multiplient proportionnellement au nombre d'acteurs.

A ce titre, les systèmes d’aide à la décision sont présents dans de nombreux domaines et ont

pour objectif d’aider les décideurs dans leurs tâches en leurs fournissant tous les éléments

pertinents pour la prise de décision et l’aménagement de territoire n’échappe pas à cette

règle.

L’aide a la décision territoriale est réputée d’être rude, faisant intervenir plusieurs critères

souvent conflictuels dont l’importance n’est pas la même et impliquant plusieurs acteurs et

institutions, ayant généralement des préférences et des objectifs souvent divergents dont les

différents points de vue doivent être pris en compte pour la décision finale. Une décision

n’apparaît plus comme un résultat fourni par un seul décideur, mais un compromis entre

plusieurs intérêts et points de vue divergents, impliquant l’utilisation d’une stratégie de

négociation entre les différents acteurs impliqués.


Page 2

La négociation est un mécanisme puissant pour trouver des compromis mutuellement

acceptables. Dans la littérature, trois approches de négociation sont distinguées, les deux

premières approches procèdent par un échange d'offres et de contre-offres, jusqu'à trouver

celle qui satisfait les différents négociateurs. Récemment, une troisième approche suggère

d'intégrer l'argumentation dans les processus de négociation.

Cette nouvelle approche est prometteuse car elle s'apparente plus à la façon dont les humains

négocient. En effet durant une négociation, l’argumentation permet aux agents de justifier

leurs offres et leurs points de vue, de remettre en question les offres des uns et des autres, à

travers un échange d'arguments qui leur permettent de s'influencer mutuellement. Cela

aboutit sur des formes plus riches de négociation en comparaison avec les méthodes

existantes, telles que celles basées sur la théorie des jeux.

Contribution

Dans la présente étude, nous nous proposons d'explorer différentes modalités de

"représentations des conflits de représentations", après en avoir proposé des éléments de

typologie. Cette réflexion s'inscrit dans une perspective ingénieriste de conception d'outils

d'aide à la gestion. L’analyse des différentes représentations présentes et construites dans les

processus de décision en aménagement du territoire nous permet de catégoriser les "objets"

ou "sources" de conflits entre les acteurs. Dans un objectif de gestion, nous étudions alors les

perspectives de développement d'outils dédiés. Ces outils, conçus selon une approche multi-

agents, ont la vocation d’assister des utilisateurs dans leur évolution en situation de conflit.

Pour ce faire, ils s'appuient sur des modèles de représentations permettant d'illustrer et

d'aider à résorber partiellement les conflits.

La contribution principale de cette étude dans le domaine d’aide à la facilitation de la prise

de décision collaborative se trouve dans la conception et la mise en œuvre d’un modèle et

d’un système d’aide à la négociation dédié aux problématiques d’Aménagement du

Territoire.


Page 3

Cette structure collective entre agents humains permet d’une part d’additionner et de

mutualiser les savoirs et les capacités créatrices, et d’autre part de limiter l’incertitude

inhérente au processus de prise de décision par l’échange et la comparaison des points de

vue.

A ce titre, notre objectif principal, consiste à concevoir un processus de négociation basé sur

la concession et l’argumentation entre agents dans un but de recherche de consensus, dans

lequel les préférences des agents sont de nature multicritères et les données manipulées sont

spatiales et géographiques.

L’idée directrice de ce modèle est de renforcer la communication ainsi que la coopération

entre les différents acteurs impliqués dans la prise de décision collective. Il s’agit d’une phase

de production et de résolution créative de problème individuelle précédant la présentation

des contributions au collectif. Cette dynamique d’éclatement puis de regroupement implique

des mécanismes de coopération et de communication entre le groupe et l’individu.

Ainsi, le rôle du système projeté fondé sur ce modèle ne consiste pas à proposer une décision,

mais à s’assurer de la prise de décision de l’un (des) participant(s) à la fin du processus.

Durant ce processus, le système interagit consécutivement ou simultanément avec chacun

des participants et a le double rôle de fournir les éléments spécifiques d’aide à chacun tout en

proposant les éléments d’harmonisation utiles à la convergence du processus vers une

décision collective.

Organisation du mémoire

Ce mémoire est organisé en trois parties qui exposent le cheminement de notre recherche :

Première Partie: Synthèse de l’état de l’Art.

Dans cette première partie, consacrée à l'état de l'art, nous exposons le contexte à l'origine de

nos recherches et nous présentons les principaux concepts liés à notre problématique. Elle

comporte trois chapitres :

Chapitre I : Les Systèmes d’Aide à la Décision de groupe (GDSS)

Ce chapitre est dédié à une présentation des concepts et définitions des systèmes d’aide à la

décision de groupe ainsi qu’à leurs principes de fonctionnement.


Page 4


Dans ce chapitre, nous accordons une large attention à la présentation des différentes

techniques que peuvent utiliser les systèmes multi-agents pour parvenir à un accord. Nous

présentons, également, la définition de la négociation qui est usuellement utilisée par les

chercheurs du domaine, et nous citons les différentes plates-formes de négociation qui ont vu

le jour.

Chapitre III : L’analyse multicritères

Ce chapitre aborde l’Analyse Multicritères, son rôle, ainsi que ses concepts de bases. Il met

l’accent sur les familles de méthodes d’analyse ELECTRE et PROMETHEE.


La seconde partie de notre mémoire détaille notre contribution qui porte sur l’élaboration

d’un système d’aide à la décision de groupe, permettant de répondre aux besoins de l’AT,

cette partie comporte deux chapitres :

Chapitre IV : Conception du Modèle décisionnel

Après avoir rappelé la problématique de localisation en AT et présenté les principaux outils

informatiques existants pour faire face aux problèmes liés la gestion territoriale, nous

exposons notre contribution dans le domaine de l’aide à la prise de décision de groupe. Nous

définissons tout d’abord un modèle du processus de prise de décision collective issu de nos

observations et de notre analyse des modèles existants. Nous décrivons ensuite notre

proposition d’un modèle décisionnel.

Dans ce même chapitre, nous présentons notre approche d'aide à la décision hybride SMA-

SIG permettant de traiter la problématique de localisation en AT.


L’objectif de ce chapitre est de présenter l’aspect technique du système informatique d'aide à

la décision développé, la plateforme multi-agents exploitée pour sa réalisation, ainsi que les

données utilisées relatives à des études de cas réelles tout en discutant les résultats obtenus.

Finalement, nous concluons en synthétisant les différentes contributions et en discutant des

perspectives envisagées pour poursuivre cette recherche.


Page 5


La troisième partie de ce mémoire comporte deux annexes qui permettent d’apporter un

complément d’informations sur différents concepts utilisés à savoir :

Annexe A : Les Systèmes Multi-Agents (SMA)

Cette annexe présente les détails relatifs aux Systèmes Multi-Agents (SMA).

Annexe B : Les Systèmes d’Information Géographique (SIG)

Cette annexe présente les détails relatifs aux Systèmes d’Information Géographique (SIG).

Première Partie

Etat de l’art

Chapitre I : Les Systèmes d’Aide à la Décision de Groupe.

Chapitre II : La Négociation dans les Systèmes Multi-Agents.

Chapitre III : L’Analyse Multicritères.

Chapitre I

Les systèmes d’aide à la décision de groupe

Plan

1. Introduction

2. Décision et Aide à la Décision

2.1. Décision

2.2. Processus de décision

2.2.1. La recherche d’information (Intelligence)

2.2.2. La conception (Design)

2.2.3. Le choix (Choice)

2.2.4. L’évaluation (Review)

2.3. L’Aide à la décision

3. Les systèmes d’Aide à la Décision (SAD)

4. L’Aide à la Décision de Groupe

a. Définitions

b. Typologies des groupes

c. Taille de groupe

d. Anonymat

e. Le processus de prise de décision de groupe

f. Typologie des processus de décision de groupe

g. Modèle générique du processus de décision de groupe

h. Les systèmes d’aide à la décision de groupe (GDSS)

i. Définition d’un GDSS

ii. Avantages et limites d’un GDSS

iii. Typologies des GDSS

iv. Proximité

i. Techniques et outils d’aide à la décision de groupe

5. La négociation

6. Conclusion

Les Systèmes d’Aide à la Décision de Groupe Chapitre I

Page 6

Chapitre I

Les Systèmes d’Aide à la Décision de

Groupe (GDSS)

1. Introduction

La prise de décision et son exécution sont les buts fondamentaux de toute organisation et de

tout management. Toute organisation dépend structurellement de la nature des décisions qui

sont prises par les décideurs. Cependant, les problèmes économiques actuels sont devenus

très complexes pour qu'une seule personne puisse les appréhender dans leur globalité.

Avec l’introduction des Technologies de l’Information et de la Communication (TIC), nous

assistons, actuellement, au sein des organisations à une évolution de la prise de décision et

à un déplacement vers une aide à la décision collective. Cette démarche collective multiplie

les solutions envisagées ainsi que les raisonnements suivis, l’interprétation des faits est

différente selon chaque individu, l’avantage est double et la connaissance est multiple. Le

niveau de connaissance est plus élevé par rapport à chacun. En effet, une personne seule

pourrait difficilement atteindre ce niveau et les méthodes d'analyse sont également

différentes, ce qui permet d'avoir différentes visions des faits. Parallèlement au courant «

systèmes interactifs d’aide à la décision », se sont donc développées des approches visant à

aider des groupes pour faire émerger une solution commune (Group Decision Support System-

GDSS).


Page 7

2. Décision et Aide à la Décision

2.1. Décision

Pour la plupart, la décision est définie comme un choix entre plusieurs alternatives [Sch, 94].

Pour d’autres, la décision concerne aussi le processus de sélection de buts et d’alternatives.

Le terme décision a plusieurs définitions. Il est assimilé à un acte, une action ou un processus

de résolution de problème : Une décision est une action qui est prise pour faire face à une

difficulté ou répondre à une modification de l’environnement, c’est à dire, pour résoudre un

problème qui se pose à l’individu ou à l’organisation [Lév, 89].

2.2. Processus de décision

La modélisation de la décision est abordée par de nombreuses disciplines qui y voient un

intérêt pour appréhender et comprendre les comportements des systèmes organisationnels et

humains. Parmi les différents travaux sur les processus de décision, H.A. Simon, [Sim, 77] a

proposé une vision du processus de décision matérialisé par un schéma de la prise de

décision où les phases d’information et de conception jouent un rôle majeur :

Figure (I.1) : Modèle du processus de décision de [Sim, 77].

Ce modèle distingue quatre phases dans le processus de décision :

2.2.1. La recherche d’information (Intelligence)

Cette phase vise à recenser l’ensemble des informations utiles et prioritaires dont le décideur

aura besoin lors de sa prise de décision. Il s’agit d’identifier les objectifs ou priorités du

décideur et de définir le problème à résoudre. Néanmoins, L’acquisition d’informations

adaptées pendant cette phase peut se poser elle-même en termes de décision.


Page 8

2.2.2. La conception (Design)

Cette phase comprend la génération, le développement et l’analyse des différentes suites

possibles d’actions. Le décideur construit des solutions, imagine des scénarios, ce qui peut

l’amener à rechercher des informations complémentaires

2.2.3. Le choix (Choice)

Pendant cette phase, le décideur choisit entre les différentes suites d’actions (solutions) qu’il

a été capable de construire et d’identifier pendant la phase précédente. Il s’agit dans cette

phase de déterminer les critères d’évaluation des différentes solutions envisageables et

d’étudier ou mesurer les conséquences de chaque alternative.

2.2.4. L’évaluation (Review)

Cette phase conduit à la recommandation d’une solution appropriée au modèle. Elle peut

amener à la réactivation de l’une des trois phases précédentes ou, au contraire, à la

validation de la solution. Après le choix, et dans la mesure où la décision s’intègre dans un

processus dynamique ; la phase « review » nous semble extrêmement importante. De

nouvelles informations pertinentes peuvent influencer tel ou tel choix, voir le modifier

complètement. Cette phase représente le retour du processus d’aide à décision à la réalité.

Quatre éléments constituent le modèle décisionnel :

Le décideur : un individu ou un groupe chargé de prendre une décision particulière.

Un ensemble d’entrées au processus décisionnel : des modèles de données

numériques ou qualitatives pour interpréter ces données, l’expérience avec des

ensembles de données similaires, des situations de décisions similaires et des

différents types de normes culturelles et psychologiques et des contraintes associées à

la prise de décision.

Le processus de décision lui-même : un ensemble d’étapes, plus ou moins bien

comprises pour transformer les entrées en sorties sous forme de décisions.

Un ensemble de sorties du processus décisionnel incluant les décisions elles-mêmes

et idéalement un ensemble de critères pour évaluer les décisions produites par le

processus par rapport à l’ensemble des besoins, des problèmes ou des objectifs

qu’occasionnent les activités du processus décisionnel en premier lieu.


Page 9

2.3. L’Aide à la décision

L’aide à la décision est définie par Roy [Roy, 93] comme étant « l’activité de celui qui,

prenant appui sur des modèles clairement explicités mais non nécessairement complètement

formalisés, cherche à obtenir des éléments de réponses aux questions que pose un

intervenant (décideur) dans un processus de décision, éléments concourant à éclairer la

décision et normalement à prescrire, à recommander ou simplement à favoriser un

comportement de nature à accroître la cohérence entre l’évolution du processus d’une part,

les objectifs et le système de valeurs au service duquel cet intervenant se trouve placé,

d’autre part ». Cette définition traduit le fait qu’il n’existe pas de solution optimale qui soit la

meilleure pour tous les critères et tous les acteurs.

Par ailleurs, l’aide à la décision contribue à construire, à asseoir et à faire partager des

convictions. Ce sur quoi et ce par quoi s’élabore la décision doit pouvoir faire l’objet d’une

discussion critique.

3. Les Systèmes d’Aide à la Décision (SAD)

Keen et Scott-Morton [Kee et al, 78] présentent les Systèmes d’Aide à la Décision (SAD)

comme des systèmes conçus pour résoudre des problèmes de décision peu ou mal structurés.

Ces problèmes possèdent les ou l'une des caractéristiques suivantes [Kle, 97] :

Les préférences, jugements, intuitions et l'expérience du décideur sont essentiels ;

La recherche d'une solution implique un mélange de recherche d'information, de

formalisation ou définition et structuration du problème, du calcul et de la

manipulation de données ;

La séquence des opérations de recherche d'une solution n'est pas connue à l'avance

parce qu'elle peut être fonction des données, être modifiée, peut ne donner que des

résultats partiels, ou encore peut être fonction des préférences de l'utilisateur ;

Les critères pour la décision sont nombreux, en conflit et fortement dépendant de la

perception de l'utilisateur ;

La solution doit être obtenue en un temps limité ;

Le problème évolue rapidement.


Page 10

4. L’Aide à la Décision de Groupe

Dans de nombreuses organisations une décision n’apparaît pas comme un résultat fourni par

un seul décideur, mais un compromis entre plusieurs intérêts et points de vue divergents.

La prise de décision déborde aujourd’hui le strict cadre du décideur traditionnel qui s’isole

pour prendre une décision. En effet, les décisions qui se prennent aujourd’hui font appel à

l’expertise de plusieurs personnes en particulier celles concernées par la décision. Il est par

conséquent nécessaire de les impliquer dans le processus de prise décision. Plusieurs raisons

peuvent être évoquées [Hol, 89] :

L’évolution économique et le marché de plus en plus concurrentiel poussent sans

cesse les organisations à prendre de meilleures décisions ;

Le marché et le monde évoluent de plus en plus vite. Les décisions doivent donc être

prises plus rapidement ;

La quantité d'informations et de connaissances disponibles augmente rapidement ;

les organisations ont donc besoin d'outils pour les utiliser efficacement ;

La modification de la structure hiérarchique ; les organisations ont tendance à

adopter des organigrammes de plus en plus plats et à donner plus de pouvoir aux

niveaux inférieurs, notamment en faisant participer les gens à des réunions ;

La maîtrise de la complexité, l’amélioration de l’efficacité et l’évolution

technologique;

La prise en compte des spécificités géographiques (les décideurs peuvent être

représentatifs de différents sites de l’organisation et avoir des expériences relatives à

des contextes organisationnels, humains et culturels différents) ;

La prise en compte des points de vues différents (on peut disposer de points de vue

complémentaires, selon leur contexte organisationnel, humain et culturel, les experts

auront des perspectives différentes sur le domaine, même si tous les points de vue ne

sont pas destinés à être conservés, les confronter permet de dégager le point de vue

optimal qui sera retenu ;

L’obtention d’une expertise plus complète et mieux validée (un décideur pris

individuellement ne peut détenir toute la connaissance du domaine, le recueil

collectif auprès de plusieurs experts permet alors de mieux recouvrir le domaine, cela

peut permettre aux experts d’affiner l’expression de leurs connaissances et aboutir à

une meilleure validation des connaissances acquises).


Page 11

4.1. Définitions

[Mar, 99] définit la prise de décision collaborative comme : « une activité conduite par une

entité collective composée de deux ou plusieurs individus et caractérisée à la fois en termes

de propriétés de l’entité collective et de celles de ses membres individuels ».

[Lab, 06] définit l’activité de prise de décision collaborative comme : « une convergence

d’interactions cognitives et visuelles, planifiées ou opportunistes, où des personnes acceptent

de se rassembler pour un objectif commun, dans une période de temps définie, soit au même

endroit, soit dans des endroits différents, dans le but de prendre des décisions ».

Cette définition combine plusieurs aspects définis dans la littérature. Elle s’inspire

notamment de l’ingénierie, des sciences de l’information et des sciences de gestion [Joh et al,

91] [Rom et al, 99]. Elle comporte sept dimensions :

1. Le groupe de personnes définit l’aspect collectif. La décision n’est pas le fait d’un seul

individu, mais d’un collège aux rôles et objectifs potentiellement différents.

2. La prise de décision est l’objectif premier du groupe. Elle constitue l’activité de choix

entre plusieurs solutions.

3. Une convergence d’interactions souligne la notion de focalisation de l’activité du

groupe.

4. Un objectif commun pour lequel les acteurs acceptent de se rassembler fait écho aux

définitions de la collaboration et de la coordination. Il s’agit du partage de l’objectif

final entre les participants et de la compréhension de leur rôle dans l’atteinte de cet

objectif.

5. Le niveau de formalisation variable (« planifiée ou opportuniste ») : la définition

englobe donc en partie les échanges opportunistes, imprévus et informels.

6. La dimension temporelle bornée (« une période de temps définie ») est primordiale car

elle induit un début et une fin à l’activité. Il peut s’agir d’une activité informelle de

quelques minutes jusqu’à une activité pouvant prendre plusieurs semaines.

7. La distribution géographique des acteurs de la décision se justifie par les réalités

organisationnelles. La prise de décision peut ainsi rassembler des acteurs distribués

sur un ou plusieurs sites.


Page 12

4.2. Typologies des groupes

Il existe trois manières selon lesquelles le travail de groupe peut être organisé [Gal et al, 92] :

. Groupe interactif : Seule une personne du groupe peut proposer son idée à un instant

donné, car les membres du groupe ne peuvent prêter attention qu’à une seule personne à la

fois.

. Groupe nominal : Les membres du groupe travaillent séparément sur la même tâche et un

des résultats est choisi comme le produit du groupe. Un groupe nominal peut être utilisé

pour fournir un processus d’anonymat pour les membres du groupe.

. Equipe : un travail d’équipe combine des aspects à la fois du travail de groupe interactif et

nominal. Le groupe de travail est divisé en équipes, qui travaillent séparément. Les équipes

sont de taille assez réduite.

4.3. Taille de groupe

Des recherches ont montré que le nombre d’idées générées par personne baisse quand le

groupe devient plus large, et il est généralement établi que les groupes larges ne sont pas

productifs [Gal et al, 92]. D’avantage de recherches suggèrent que 3-5 personnes est une taille

de groupe optimale pour les groupes [Val et al, 92].

4.4. Anonymat

Les communications anonymes signifient que les participants à la réunion peuvent :

Proposer leurs idées sans être identifiés.

Voir les commentaires produits par d'autres sans connaître leurs identités.

Quand l'anonymat est permis, même le médiateur ne peut connaître l'auteur d'un

commentaire particulier. L'anonymat n'est pas une caractéristique obligatoire, ni

nécessairement désirable non plus [Lyy et al, 93]. Quand l'interaction du groupe est

anonyme, les membres du groupe sont soumis à beaucoup moins d'influence de leurs pairs

ou leurs responsables.

Toutefois, les commentaires non inhibés ou l’utilisation d’expressions fortes peuvent mener à

des conflits.

Durant un processus d’aide à la décision, différents acteurs peuvent être amenés à participer

à différents niveaux et/ou à titre varié. Parmi ces acteurs, il convient d’identifier deux

intervenants jouant un rôle important : le médiateur, initiateur ou facilitateur et les

participants [Che et al, 05].


Page 13

a) Le facilitateur

Une composante clé dans le processus de prise de décision de groupe est le facilitateur

(humain) de la réunion. Le facilitateur est un agent, accepté par les participants à la réunion.

Il lance et prépare les phases du processus de prise de décision. Il définit la problématique de

la décision et organise le groupe de décideurs humains pour le processus de prise de

décision. Sa responsabilité est de diffuser les résultats aux participants à la fin de la session

de prise de décision. Pendant le processus, le facilitateur a la responsabilité principale de

faire converger le processus de prise de décision. Il est responsable du processus complet et

de son achèvement, à savoir la décision.

b) Participants

Les participants sont des experts qui interviennent dans la session de prise de décision,

produisant et partageant différents types d’informations telles que les idées et les

commentaires. Les activités de groupe sont, en effet, exécutées par des équipes en

collaboration. Elles incluent la communication des idées, l’échange et le partage des

informations, la coordination des activités, la discussion des résultats et la prise des

décisions.

4.5. Le processus de prise de décision de groupe

Le processus de prise de décision fait référence aux états successifs par lesquels passe le

groupe pour arriver à la décision. Le processus de décision est considéré comme une

machine à états : le groupe part d'un état initial, où plusieurs perspectives existent et, en

intégrant des perspectives, atteint un état final.

4.6. Typologie des processus de décision de groupe

Selon [Den, 07], les processus de décision multi-décideurs peuvent être de différents types :

le cas où les décideurs forment un collectif ayant des intérêts et des objectifs

communs dans le processus d’aide à la décision, qu’on référence par processus

décisionnel multi-décideurs “coopératifs” ;

le cas où les décideurs présentent des intérêts différents voire conflictuels, on parlera

de processus décisionnel multi-décideurs “ non-coopératifs ”.

Dans un collectif de décideurs coopératifs, il faut ensuite distinguer :

les communautés où chaque individu a sa propre stratégie pour atteindre l’objectif ;


Page 14

les organisations où la stratégie d’évaluation des alternatives est définie et imposée

par un comité réduit de direction, d’éthique, etc.

4.7. Modèle générique du processus de décision de groupe

L’objectif du modèle générique est de caractériser les phases et les activités successives du

processus. La modélisation des phases doit permettre de mieux appréhender les besoins des

acteurs de la prise de décision pour guider la conception d’un environnement la supportant.

[Sim, 77] [Min, 79] [Ras et al, 91] [McG, 94].

Le terme processus de prise de décision fait référence aux états successifs par lesquels passe

le groupe pour arriver à la décision [Lab, 06].

Un processus de décision de groupe comprend plusieurs étapes au cours desquelles il est

question de cerner la problématique, de collecter des données, d’élaborer des règles faisant

en sorte que le processus devienne un contrat entre les participants qui s’engagent ainsi à

accepter le résultat qui en découle, d’évaluer des solutions préconisées en regard des points

de vue retenus, de mettre en application les règles sur lesquelles les participants se sont mis

d’accord et de s’enquérir de l’adéquation des recommandations [Net 1]. Les observations

empiriques et leur confrontation avec des études existantes permettent de soutenir que les

processus de prise de décision de groupe peuvent être modélisés de façon générique, voir la

figure (I.2).

Figure (I.2) : Modèle générique du processus de prise de décision collective.


Page 15

La tendance vers le travail de groupe a inspiré la recherche et le développement d'une classe

d'environnements informatiques pour soutenir le travail de groupe. Différents types de

travaux ont été entrepris pour améliorer le fonctionnement et la performance des groupes

dans la résolution d’un problème de décision. Selon Jabeur et Martel [Jab et al, 05], on peut

distinguer trois perspectives de travaux :

une perspective structurelle : les travaux développés selon cette perspective

s’intéressent essentiellement aux structures et aux règles de fonctionnement des

groupes restreints ;

une perspective mathématique : les travaux développés selon cette perspective

s’intéressent aux problèmes liés à l’agrégation des préférences individuelles en vue

d’établir une préférence collective ou de consensus ;

une perspective technologique : les travaux développés selon cette perspective

s’intéressent aux apports des TIC pour supporter la prise de décision de groupe.

Appartenant à la perspective technologique, il existe différents types de systèmes de décision

de groupe.

4.8. Les systèmes d’aide à la décision de groupe (GDSS)

Les GDSS sont une classe particulière de systèmes d’aide au travail de groupe destinés à

fournir une aide computationnelle aux processus de prise de décision collaboratifs [DeS et al,

87] [Kra, 88]. Les GDSS définissent une technologie collaborative largement utilisée qui a fait

augmenter la participation d'utilisateurs et la qualité de la prise de décision.

Parallèlement, les GDSS diminuent les pertes de processus telles que l'appréhension

d'évaluation, la domination, la socialisation et l'analyse de tâche incomplète.

4.8.1. Définition d’un GDSS

Les Systèmes d'aide à la décision de Groupe (GDSS), qui sont étroitement liés au DSS,

facilitent la résolution de problèmes non structurés et semi-structurés par un groupe de

décideurs travaillant ensemble telle une équipe [Ker, 86] [DeS et al, 87] [Kra, 88] [Nun, 91]

[Tur, 95]. Ce sont des environnements informatiques interactifs qui favorisent un effort

concerté et coordonné d’une équipe de décideurs vers l'achèvement de tâches collectives de

prise de décision et font évoluer la prise de décision collectivement en facilitant l’échange et

l’utilisation d’informations par les membres du groupe d’un coté, et l’interaction entre le

groupe et le système d’un autre coté. En plus des données et des modèles de décision, les


Page 16

GDSS doivent prendre en compte la dynamique du processus de prise de décision de

groupe. DeSanctis et Gallupe [DeS et al, 87] définissent un GDSS comme « une combinaison

d'ordinateurs, de communications et de technologies de décision travaillant en tandem pour

fournir une aide à l'identification de problème, à la formulation et à la génération de

solutions pendant les réunions de groupe ».

4.8.2. Avantages et limites d’un GDSS

En utilisant un GDSS, les membres du groupe peuvent discuter un problème, échanger des

idées, évaluer les solutions alternatives, voter et choisir une solution, imprimer des rapports

et accomplir tout autre travail collaboratif. Les GDSS sont censés améliorer la performance

du groupe en améliorant le processus de prise de décision.

A ce titre, les GDSS offrent au groupe plusieurs avantages :

Les GDSS peuvent améliorer la participation et la compréhension et atténuer les

conflits interpersonnels contre-productifs [Mir, 99] ;

La fragmentation du temps peut également être réduite par les GDSS puisque les

participants peuvent faire des contributions simultanément [Den, 88]. Les personnes

travaillent sur le système en parallèle. Nous parlons de parallélisme de la

communication [Fav, 97]. Ainsi, il est possible de générer des solutions innovatrices

et créatives, d’obtenir plusieurs idées en circulation et de les capter rapidement ;

L’évaluation des alternatives peut également être plus objective avec l’utilisation des

GDSS [Dal, 93] [Sha, 98] ;

Le système fournit un schéma anonyme. Toute suggestion d’idées est anonyme et

aucune dominance n’est privilégiée. De ce fait, il y a une opportunité égale pour la

participation à toutes les réunions pour chaque participant. Ainsi, le participant ne se

sent pas encombré par les statuts des autres ;

Le schéma d’anonymat maximise la participation des intervenants dans l’élaboration

de solutions, aide les membres à exprimer leurs opinions plus librement et assure

ainsi un plus grand appui aux solutions élaborées de la part des participants. [Gal et

al, 92] ;

Le système offre un accès à des sources d’information externes afin qu’il puisse être

utilisé dans un processus décisionnel collectif efficacement et plus facilement ;

Le système favorise le développement d’une mémoire organisationnelle en gardant

un enregistrement des entrées des participants et des choix faits ;


Page 17

Un autre aspect positif des GDSS est l’amélioration de la cohésion du groupe et des

relations entre les participants dans le contexte de la prise de décision collective [Ans,

95] [Chi, 96] et, selon [Val et al, 92], une décision de plus grande qualité.

Cependant, de nombreuses autres études n’ont pas trouvé de liens significatifs entre les

GDSS et la performance du groupe [Pin, 90] [Mir, 99]. Benbasat et Lim [Ben et al, 93] ont

aussi conclu que les apports des GDSS se limitaient uniquement à l’amélioration de la qualité

de la décision et à la facilitation de la création d’idées. Mais la technologie, apparemment, ne

semble pas, selon les auteurs, améliorer la satisfaction des participants. De même, la limite

essentielle de ces types de systèmes pour la décision collective réside dans le manque

d’interactivité du système. En effet, les tâches et les rôles ne sont pas dynamiquement

affectés.

4.8.3. Typologies des GDSS

Un GDSS peut être vu comme un DSS évolué par le fait qu’il y a plus d’un décideur

impliqué dans le processus décisionnel, à même de fournir une certaine aide informatique

pour la communication et l’intégration d’idées multiples. Il peut être caractérisé comme

comprenant trois composants :

DeSanctis & Gallupe [DeS et al, 87] distinguent trois types de GDSS correspondant aux trois

niveaux d’évolution que ces auteurs ont mis en perspective :

la fonction essentielle des GDSS du premier niveau est d’améliorer la

communication entre les décideurs ;

les GDSS du deuxième niveau, intégrant les mêmes caractéristiques que ceux du

premier, sont en plus dotés de procédures permettant de modéliser et d’agréger les

préférences individuelles afin d’établir un consensus. Remarquons que les GDSS de

ces niveaux font souvent intervenir un facilitateur dont le rôle est de faire avancer le

processus de décision ;

les GDSS de niveau 3 permettraient de façon automatisée de structurer les échanges

d’information et la communication sur la base de recommandations émises par des

systèmes experts, par exemple les règles à suivre au cours du processus de décision et

les méthodes d’aide à la décision à mettre en œuvre, en fonction du contexte.

Quelque soit son niveau d’évolution, un GDSS intègre différentes fonctions qui sont

respectivement la collecte, le partage et l’analyse de l’information. [Den, 88] fournit une


Page 18

taxinomie claire d’environnements d’aide à la décision, en notant qu’outre la taille du

groupe, il y a deux dimensions de base qui caractérisent les systèmes d’aide à la décision

collective: la proximité des participants (local, distant); et la synchronisation du temps

(synchrone ou asynchrone).

4.8.4. Proximité

Quand la proximité du groupe est considérée, on fait l'hypothèse qu'un seul groupe 'logique'

est impliqué et que les membres du groupe traitent la même tâche. Les participants du

groupe n'ont pas besoin, cependant, d’être physiquement au même endroit, même salle,

même bâtiment ou même pays. [Den, 88] fournit trois catégories de dispersion :

– Sites individuels multiples : “les membres individuels du groupe sont physiquement

séparés, travaillant dans leurs postes de travail individuels”;

– Un seul site de groupe : “tous les membres du groupe sont physiquement ensemble

dans une salle”;

– Sites de groupe multiples : “les membres du groupe se rencontrent en sous-groupes à

des endroits séparés et ensuite, les réunions de sous-groupes multiples sont

interconnectés via EMS (les systèmes de réunion électroniques).

4.9. Techniques et outils d’aide à la décision de groupe

Aujourd’hui de nombreuses situations invitent les managers et/ou dirigeants à utiliser des

techniques de discussion et de résolution en groupes pour :

– le recueil et l’extraction des connaissances chez les experts (gestion des services) ;

– l’aide à la prise de décision collective ;

– pour la résolution de problèmes complexes ;

– pour la créativité et l’innovation.

Les techniques de groupe sont très utiles car elles fournissent un moyen pour produire un

résultat qui est potentiellement meilleur que celui produit par un individu seul. Elles

permettent une utilisation efficace du temps des participants. Ainsi, chacun peut contribuer

sans être encombré. Les techniques de groupe établissent aussi un engagement de ceux qui

participent dans le produit final et elles permettent au groupe d’examiner des problèmes

sociaux qui sont complexes ou mal définis.


Page 19

5. La négociation

Traditionnellement, la négociation n’intervient que lorsqu’il s’agit d’établir un accord entre

des participants interdépendants dont les positions de départ sont conflictuelles car les

parties en présence ne partagent pas nécessairement la même perception de la

problématique.

L’objectif de la négociation est de trouver un terrain d’entente entre les parties, une

platebande où leurs positions respectives se joignent. Le recours à la négociation est une

pratique courante dans les organisations.

« Par négociation, nous entendons une discussion dans laquelle les différentes parties

intéressées échangent des informations et arrivent à un accord. Les trois temps de la

négociation se décomposent en (a) un échange bilatéral de l’information, (b) chaque partie

dans le processus de négociation évalue les informations en fonction de son point de vue, (c)

l’accord final est obtenu par consentement mutuel » [Smi, 90]. Dans cette définition, la

négociation implique deux éléments essentiels, d’une part la communication (a) et d’autre

part la prise de décision (b) (c).

La négociation est abordée par différentes disciplines : l’économie, les sciences des

organisations, les sciences de l’aide à la décision, l’intelligence artificielle distribuée, etc.

Dans le domaine des systèmes d’aide à la décision de groupe (GDSS), des systèmes

informatiques d’aide à la négociation (NDSS), dans lesquels intervient un médiateur,

fournissent une aide aux acteurs humains pour négocier [Bui, 92].

6. Conclusion

Le recours à la décision de groupe s’est fait sentir au sein des organisations qui se sont

aperçues que les modèles de décision traditionnels adaptés au cas mono-décideur ne

correspondaient plus à la réalité organisationnelle. Le déplacement vers des systèmes d’aide

à la décision collective, provient d’une prise de conscience que le processus décisionnel est

souvent un phénomène de groupe. Même lorsque la décision est assumée

organisationnellement par un seul, elle est presque toujours préparée par un travail

collaboratif. La nécessité de rendre compte, d’informer, de communiquer entre eux, voire de

coopérer devient un impératif généralisé.


Page 20

Dans ce chapitre, nous avons présenté les systèmes d’aide à la décision de groupe (GDSS).

Ces approches sont fondées sur un dispositif particulier de réunion de décision, le travail

essentiel étant dans la communication et le partage d’informations.

Dans le chapitre suivant, nous aborderons, en détails, les techniques les plus utilisées afin de

parvenir à un accord dans un système multi-agents.

Chapitre II

La Négociation dans les SMA

Plan

7. Introduction

8. Parvenir à un accord

a. Les systèmes de vote

b. Les enchères

c. La Négociation

i. Définitions

ii. Les différents types de négociation automatique

1. Les négociations multi-attributs

2. Les négociations multi-niveaux

3. Les négociations combinées

9. Les Protocoles de Négociation

a. Le Contract Net Protocol

b. Protocole à concession monotone

10. Les Différents Systèmes de Négociation

a. Traconet

b. Kasbah

c. AuctionBot

d. Fishmarket

e. Zeus

f. Magnet

g. SilkRoad

h. GNP

11. La négociation à base d’argumentation

a. Définition

b. Technologies argumentatives

c. Les types d’arguments

i. Argumentation basée sur la logique

ii. Argumentation abstraite

d. Les méthodes d’argumentation

i. La méthode de Jennings

ii. La méthode de Amgoud et Prade

iii. La méthode de Carbogim et Robertson

iv. La méthode de Jennings et Kraus

v. La méthode de Sycara

vi. La méthode de Sierra

vii. Le projet ARGUGRID

1. Objectifs du projet

2. Modèle d’argumentation pour le raisonnement

12. Conclusion

La Négociation dans les SMA Chapitre II

Page 21

Chapitre II

La Négociation dans les Systèmes Multi-

Agents

1. Introduction

Dans les Systèmes Multi-Agents, lorsque de nombreux agents interagissent, des conflits

peuvent survenir. Le parvient à un accord au sein du groupe relève d'un processus

complexe. Chacun ayant des intérêts et des désirs différents, voire opposés, il faut trouver

une solution qui, à défaut de satisfaire pleinement chaque membre du groupe, convienne à la

majorité d'entre eux. Chacun va devoir interagir avec ses partenaires pour élaborer une

solution tenant compte de l'ensemble du groupe. Pour résoudre ces conflits, différentes

méthodes peuvent être utilisées, comme les systèmes de vote, les enchères et la négociation.

2. Parvenir à un accord

D’une manière générale, dans les méthodes détaillées dans les sections suivantes, la

résolution de conflits se fonde sur la recherche d’un compromis acceptable par plusieurs

parties.

2.1. Les systèmes de vote

Les systèmes de vote sont utilisés pour élire une alternative parmi différentes alternatives

possibles. Cela revient à proposer l’alternative et à recueillir les votes pour et les votes contre

cette alternative. Les systèmes complexes impliquent un nombre d’alternatives supérieur à

deux, les votants devant alors choisir l’alternative qu’ils préfèrent. Le tableau suivant résume

les différents systèmes de vote existants [Bau et al, 01] :


Page 22

Tableau (II.1) : Descriptions des différents systèmes de vote les plus utilisés.

2.2. Les enchères

Les enchères se sont démocratisées sur Internet grâce aux sites comme eBay, Yahoo enchères,

etc. Elles sont utilisées pour la vente d’objets d’art, d’antiquités, de produits périssables, mais

également pour l’immobilier et les voitures, et elles sont même utilisées dans certains jeux

comme le bridge.

Elles permettent à des personnes de vendre leurs biens au meilleur prix possible. Chacune de

ces enchères implique un vendeur et une assemblée d’acheteurs, mais le déroulement de

l’enchère diffère selon le type utilisé. Le vendeur fixe son prix de départ et son prix de

réserve, c’est-à-dire le plus petit prix acceptable pour vendre le bien. Le tableau (II.2) décrit le

déroulement des différents types d’enchères [Wur et al, 98] :

Systèmes de vote Description

Le scrutin uninominal

majoritaire à un tour

Nommer choix social l’alternative étant classée première le plus

grand nombre de fois parmi les listes de préférences des votants

(majorité relative).

La méthode de Borda Attribuer des points à chaque alternative.

La méthode de Hare Déterminer le choix social en éliminant successivement les

alternatives les moins désirées.

La méthode de

Condorcet

Pour chaque paire d’alternatives, déterminer le nombre

d’électeurs ayant voté pour l’une ou l’autre en vérifiant, sur

chaque liste de préférences, comment l’une était classée par

rapport à l’autre.

Vote séquentiel par

paires dans un ordre

fixé

Comparaison des alternatives deux à deux dans un ordre

préétabli à l’avance.

La dictature Désigner une personne parmi l’ensemble P et de l’appeler

dictateur.


Page 23

Type d’enchères Description

Ascendantes Enchères ascendantes, publiques

Descendantes Enchères descendantes, publiques

Offres scellées au meilleur

prix

Enchères en un seul tour de parole, privées, le

vainqueur est celui qui propose le meilleur prix

Offres scellées au second

meilleur prix (Vickrey)

Enchères en un seul tour de parole, privées, le

vainqueur est celui qui propose le meilleur prix mais

ne paie que le second meilleur prix.

Tableau (II.2) : Description des différentes enchères existantes.

2.3. La Négociation

Avec les progrès des technologies de l’information, des systèmes multi-agents (SMA) et des

places de marché électroniques, le besoin d’agents logiciels capables de négocier avec les

autres à la place de leur utilisateur afin d’arriver à des accords devient de plus en plus

important.

Il y a négociation, lorsqu’il y a une discussion, des propositions entre les protagonistes et

lorsque l’accord final satisfait au mieux tous les participants.

2.3.1. Définitions

Tous les chercheurs s’accordent sur la finalité de la négociation, à savoir l’aboutissement à un

accord commun satisfaisant. Mais la négociation est elle-même définie comme un processus.

Toute la diversité des recherches en négociation provient de ce mot : processus.

La négociation peut donc être vue comme « une boîte noire ayant en entrée un conflit et en

sortie un accord, dans le meilleur des cas. La recherche sur la négociation consiste donc à

étudier les mécanismes de cette boîte noire, pour la rendre transparente » [Jen et al, 00].

Une négociation met en jeu des ressources, qui seront rassemblées afin d’être négociées dans

un contrat et un ensemble de personnes qui participent à cette négociation [Ver, 01].


Page 24

2.3.2. Les différents types de négociation automatique

Moins connues du grand public, les négociations sont tout aussi nombreuses et variées.

Parmi ces négociations, nous retrouvons les négociations multi-attributs, les négociations

multi-niveaux, et les négociations combinées [Ver, 01].

2.3.2.1. Les négociations multi-attributs

Les négociations multi-attributs, comme leur nom l’indique, sont des négociations qui

impliquent différents attributs devant être négociés. Elles sont directement opposées aux

enchères qui n’impliquent qu’un seul attribut : un prix. Cette forme de négociation est

cependant très répandue et à la base de nombreuses variantes de négociation.

Un exemple de négociation multi-attributs est la négociation d’une voiture chez un

concessionnaire. Le modèle, la motorisation, la couleur et de nombreuses options comme la

climatisation, la direction assistée ou encore la présence d’airbags, en plus du prix, seront

négociés.

Une fonction d’utilité est utilisée pour comparer les différentes offres. Cette fonction permet

de pondérer l’importance de chaque attribut et chaque attribut est associé à une autre

fonction d’utilité déterminant la satisfaction pour cet attribut. Si l’on reprend l’exemple de

l’achat d’une voiture, on peut utiliser la même fonction d’utilité pour les options qui vaut 1 si

l’option est présente, 0 sinon. De manière générale, la fonction d’utilité d’une offre 𝑜𝑗 est de

la forme :

U (oj)= 𝝎𝒊𝒏𝒊=𝟏 .𝒖𝒊 (𝒐𝒋

𝒊) où la négociation comprend n attributs, 𝜔𝑖 le poids du ième attribut, 𝑢𝑖

la fonction d’utilité du ième attribut et 𝑜𝑖, 𝑗 la valeur du 𝑖ème attribut dans l’offre 𝑜𝑗 .

Le but est de maximiser la valeur de cette fonction d’utilité.

Dans *Bic et al, 99+, Bichler et ses collègues proposent d’utiliser les enchères pour les

négociations multi-attributs en utilisant la fonction d’utilité comme seul attribut d’évaluation

de l’enchère.

Dans *Jon et al, 01+, Jonker et Treur proposent une architecture d’agent pour la négociation

multi-attributs et décrivent le modèle de négociation qu’ils proposent et l’illustrent avec

l’exemple de l’achat d’une voiture.


Page 25

2.3.2.2. Les négociations multi-niveaux

C’est un type de négociation où le contrat se décompose en plusieurs “sous-contrats”,

dépendants les uns des autres *Me et al, 88+. La négociation s’effectue séquentiellement pour

chaque sous-contrat, la réussite globale est atteinte lorsque tous les sous-contrats ont été

négociés avec succès. Lorsqu’un sous-contrat est en cours de négociation et qu’aucune

solution n’est possible, on effectue un backtrack pour la négociation du sous-contrat

précédent. Par exemple, pour la prise de rendez-vous, on peut décomposer le contrat en

recherche d’un jour, puis d’une heure dans ce jour.

Dans [Con et al, 92], les auteurs utilisent la négociation multi-niveaux pour la satisfaction de

contraintes distribuées et plus particulièrement pour le cas d’agents ayant des buts locaux

qui nécessitent l’obtention de ressources communes. Ils utilisent également la négociation

multi-niveaux pour la restauration de canaux de communication dans un système de

communications complexe.

2.3.2.3. Les négociations combinées

Les négociations combinées sont utilisées lorsqu’une personne a besoin d’un ensemble

d’objets non disponibles auprès d’un unique vendeur. Il faut alors négocier chaque objet (ou

sous-ensemble d’objets) séparément et avoir un mécanisme de liaison entre les négociations,

car si l’ensemble des objets ne peut être acquis, aucun objet ne doit l’être.

De plus, il ne faut obtenir chaque item qu’en un seul exemplaire. Les différentes

négociations sont indépendantes les unes des autres, alors que les objets négociés sont

typiquement interdépendants. Les négociations peuvent être de type différent pour chaque

objet ou sous-ensemble d’objets. Nous pouvons donc rencontrer des enchères anglaises, le

type take it or leave it, ou autres.

Un exemple type de négociation combinée est la composition d’un voyage. Pour obtenir un

voyage, il faut un moyen de transport (par exemple, un vol aller-retour vers la destination

choisie) et les nuits d’hôtel pour la période du voyage. Le vol aller-retour se négocie avec une

compagnie aérienne, tandis que les nuits d’hôtel se négocient avec une compagnie hôtelière.


Page 26

3. Les Protocoles de Négociation

Les différentes formes de négociations sont étudiées par de nombreux chercheurs et

différentes plates-formes de négociation ont vu le jour.

3.1. Le Contract Net Protocol

Le Contract Net Protocol [Smi, 80], proposé par Smith en 1980, est un protocole de haut

niveau pour la communication entre les nœuds d’un résolveur de problèmes distribué. Il

facilite le contrôle distribué de l’exécution de tâches coopératives avec une communication

efficace entre les nœuds. Pour Smith, la négociation comporte quatre composantes

importantes :

– c’est un processus local qui n’implique pas un contrôle centralisé,

– l’échange d’information a lieu dans les deux sens,

– chaque partie dans la négociation évalue les informations de sa propre

perspective,

– l’accord final est réalisé par une sélection mutuelle (le contractant a choisi de

répondre au manager et le manager a choisi d’affecter la tâche au

contractant).

Le Contract Net est un protocole basé sur l’échange de contrats, qui met en relation un agent,

le manager, avec plusieurs autres agents, les contractants. C’est donc de la négociation de 1

vers n agents. Le Contract Net est un modèle où seul le manager émet des propositions, les

contractants ne peuvent que faire une offre et pas de contre-proposition [Ham et al, 09].

3.2. Protocole à concession monotone (Monotonic Concession Protocol)

Dans le cas d’une négociation entre deux agents seulement, nous supposons le suivant [Woo

,02]:

A= {1,2} ensemble de deux agents,

X : ensemble des actions potentiels (deals), cet ensemble contient une action spéciale

appelée accord de conflit (the conflict deal) qui donne une utilité nulle aux deux

agents, et

Chaque agent est doté d’une fonction d’utilité : Ui : X→R0+, qui à chaque action affecte

une valeur réelle positive, plus cette valeur est grande, plus l’action correspondante

est préférée. xi est la proposition la plus récente faite par l’agent i.


Page 27

Ce protocole procède en tours, dans chaque tour, les agents font des propositions

simultanément. Dans le premier tour, chaque agent est libre de faire n’importe quelle

proposition, et dans les tours ultérieurs, l’agent i dispose de deux options :

Faire une concession en faisant une nouvelle proposition à condition qu’elle respecte

la condition suivante : Uj (xi) ≤ Uj (xi’).

Rester sur la proposition la dernière proposition faite dans les tours précédents.

Un accord est trouvé si ou bien U1(x1) ≤ U1(x2), ou U2(x2) ≤ U2(x1), ou les deux en même temps.

Un conflit se produit lorsque les deux agents refusent de faire une concession dans un tour

donné (car les deux agents ne sont pas en mesure de faire une proposition qui respecte la

contrainte définie par le protocole à concession monotone).

Dans chaque tour, la stratégie de Zeuthen [Woo, 02] identifie les agents qui doivent faire une

concession en calculant une certaine mesure Zi au niveau de chaque agent. L’agent qui

possède la valeur la plus basse doit effectuer une concession. En cas d’égalité, les deux

agents concèdent simultanément. Z se calcule pour un agent i comme suit :

𝑍𝑖= 𝑢𝑖 𝑥𝑖

− 𝑢𝑖 𝑥𝑗

𝑢 𝑖 𝑥𝑖

Le protocole se déroule jusqu'à ce qu’un accord soit atteint ou un conflit se produit, dans ce

dernier cas, la négociation se termine par un accord de conflit.

4. Les Différents Systèmes de Négociation

4.1. Traconet

Ce projet de Tuomas Sandholm [San, 93] est destiné à résoudre le problème de routage de

véhicules (VRP). Pour cela, il propose une extension du Contract Net qui formalise le

processus de décision d’enchérissement et d’attribution de tâches. Cette formalisation se base

sur le calcul de coûts marginaux relativement aux critères locaux de l’agent. De cette façon,

les agents ayant des critères locaux très différents (basés sur leur propre intérêt), peuvent

interagir afin de distribuer les tâches pour que le système global fonctionne plus

efficacement. L’implémentation est asynchrone et distribuée et elle procure aux agents une

autonomie étendue. Traconet permet de réaliser une négociation de 1 vers m agents.


Page 28

4.2. Kasbah

Kasbah [Cha et al, 96] a été développé au MIT Media Lab par Pattie Maes. C’est un système

où les utilisateurs créent des agents pour négocier la vente et l’achat de biens pour leur

compte sur Internet. Ces biens sont classifiés, reprenant ainsi l’idée des petites annonces

classées par type. Lors de la création d’un agent, pour la vente ou l’achat, l’utilisateur

spécifie le type de bien à négocier, la date à laquelle il souhaite que la transaction soit

effectuée, le prix désiré, le plus petit (resp. grand) prix acceptable et la stratégie de

négociation à choisir parmi les 3 proposées qui correspondent aux fonctions linéaire,

quadratique et exponentielle pour le calcul de l’évolution du prix selon le temps.

4.3. AuctionBot

AuctionBot [Wur et al, 98] est un serveur d’enchères expérimental développé et opérationnel

au laboratoire d’intelligence artificielle de l’université du Michigan par Michael P. Wellman

et Peter R. Wurman. Son but est de permettre à n’importe quel internaute de participer aux

enchères sur le net. Son architecture est asynchrone, il stocke les enchères dans une base de

données et il peut en gérer plusieurs simultanément. Afin de participer aux enchères, il faut

s’enregistrer. Les utilisateurs humains peuvent consulter leurs comptes via une page web ou

choisir d’être avertis de l’avancement des enchères par mail.

4.4. Fishmarket

Fishmarket *Nor, 98+ est une agence d’enchères électroniques pour vendre du poisson, où les

agents peuvent être soit humains, soit virtuels et qui a été développée à l’Institut de

Recherche en Intelligence Artificielle en Espagne par Pablo Noriega.

Fishmarket a été conçu pour montrer la complexité des interactions tout en gardant aussi

fortement que possible une similarité avec l’ontologie des éléments du marché de poisson.

Chaque agent logiciel de Fishmarket représente soit un intermédiaire du marché, soit un

vendeur ou encore un acheteur. De même les allocutions (tacites ou explicites) utilisées dans

le marché ont été reprises en allocutions toujours explicites pour les agents logiciels.


Page 29

4.5. Zeus

Zeus [Nwa et al, 99] est une API Java qui permet de programmer une application multi-

agents, développée par British Telecom. Le but de Zeus est de proposer une boîte à outils qui

puisse être appliquée à une large variété de problèmes et non à des variations sur une

application particulière [Col et al, 99].

4.6. Magnet

Magnet (Multi AGent NEgotiation Testbed) [Col et al, 98] est un banc de tests pour la

négociation multi-agents, implémenté sous la forme d’une architecture généralisée de

marché et développé à l’université du Minnesota par John Collins et al. Il fournit un support

pour un large panel de transactions, du simple achat/vente de biens à la négociation

complexe de contrats entre agents. Le but des auteurs est de concevoir, implémenter et

analyser une architecture de marché multi-agents généralisée, qui peut fournir un support

explicite et intégré pour les interactions complexes entre agents, comme dans la prise de

contrats automatisée, tout comme pour d’autres types de protocoles de négociation, incluant

les enchères à offres scellées et la vente et l’achat à prix public ou offres publiques. Les

auteurs introduisent également un protocole de prise de contrats flexible qui peut prendre

complètement avantage de l’architecture de marché proposée pour faciliter les interactions

entre agents.

4.7. SilkRoad

Le projet SilkRoad [Str, 00], [Str, 01a], [Str, 01b], [Str et al, 01] est développé au laboratoire de

recherche d’IBM à Zurich. Ce projet a pour but de faciliter la conception et l’implémentation

de systèmes de support de négociation pour des domaines d’applications spécifiques.

SilkRoad facilite les négociations multi-attributs dans les scénarios d’e-business grâce à une

méthodologie de conception spécifique et à une architecture de système générique avec des

composants de support de négociation réutilisables.

4.8. GNP

La Generic Negotiation Platform (GNP) est réalisée par Morad Benyoucef, Rudolf Keller et

leurs collègues [Ben et al, 00] au département IRO de l’université de Montréal.


Page 30

5. La négociation à base d’argumentation

La négociation telle que nous la concevons commence à un niveau supérieur, où plusieurs

offres sont échangées, des contre-propositions sont formulées et des concessions sont faites

par les différentes parties impliquées. Les négociations par argumentation constituent un

niveau supérieur dans les différentes formes de négociation.

5.1. Définition

L’argumentation est le processus par lequel un agent essaie de convaincre un autre agent de

la véracité ou la fausseté d’un certain état d’affaires, ce processus implique que les agents

mettent en avance les arguments qui sont pour et contre les propositions avec les

justifications de l’acceptabilité de ces arguments. La négociation à base d’argumentation est

utilisée chez les agents logiques qui possèdent une base de connaissances avec des prédicats

et des règles d’inférence. L’argumentation a alors pour but de modifier les croyances des

autres agents afin qu’ils adoptent le même point de vue, les mêmes croyances et intentions

que l’agent argumentant [Par et al, 96].

5.2. Technologies argumentatives

L’argumentation s’intéresse aux interactions entre différentes partis plaidant en faveur ou en

défaveur de différentes conclusions. L’argumentation fournit un cadre pour capturer les

interactions entre des agents :

1) qui prennent des décisions,

2) qui évaluent la validité des informations, et

3) qui résolvent les conflits entre des opinions divergentes.

L’argumentation est un ingrédient essentiel pour les dialogues entre agents, la négociation et

la prise de décision collaborative. L’argumentation peut tenir lieu de médium unifié pour

fournir :

a. un modèle d’agent en soutenant le raisonnement et la prise de décision des agents,

b. un modèle de dialogue en soutenant le processus de négociation afin d’atteindre un

accord,

c. un modèle d’organisation virtuelle en soutenant le processus de résolution de conflits

entre agents concernant l’exécution de négociation.


Page 31

Dans [Par et al, 96], les auteurs ont présenté un rapport préliminaire sur cette forme de

négociation en 1996, dans lequel il utilise des agents BDI (Belief, Desire, Intention) ainsi que

des arguments et des règles d’inférence utilisant la notation Prolog et une extension des

arguments pour indiquer le soutien ou le doute dans les propositions et pour les prouver.

Amgoud et Prade proposent une approche possibiliste de la négociation par argumentation

dans [Amg et al, 04b] et un framework logique qui comprend de nouveaux types

d’arguments dans [Amg et al, 04a]. Dans [Car et al, 99], Carbogim et Robertson proposent un

framework général d’argumentation.

Dans ce qui suit, nous présentons les arguments utilisés dans un système d’argumentation

nommé ANA (l’Agent de Négociation Automatisé) et développé par Kraus, Sycara et

Evenchik [Kra et al, 98]. Les agents ANA sont des agents égocentrés et utilisent une méthode

de négociation pour essayer de convaincre les autres d’accepter leurs propositions en cas de

refus. Dans ce but, les agents doivent être capables de représenter leurs propres croyances,

désirs et buts, de raisonner sur les croyances, désirs et buts des autres agents et d’essayer

d’influencer les croyances et les intentions des autres agents du système.

Le modèle d’agent dans le système est un modèle BDI et la décision pour choisir le bon

argument dépend des propres buts, des rapports entre ces buts, des croyances de l’agent, et

de ce que l’agent croit concernant l’autre agent. Dans la négociation, les agents peuvent

utiliser différents types d’arguments.

Chaque type d’argument est défini par des pré-conditions pour son utilisation. Si ces

conditions sont satisfaites, alors l’agent peut utiliser l’argument. Évidemment, parmi les

arguments possibles dans une certaine situation, l’agent doit choisir le bon argument ; par

conséquent l’agent a besoin d’une stratégie pour décider quel argument utiliser.

5.3. Les types d’arguments

Chaque type d’argument est défini par des pré-conditions pour son utilisation. Si ces

conditions sont satisfaites, alors l’agent peut utiliser l’argument. Évidemment, parmi les

arguments possibles dans une certaine situation, l’agent doit choisir le bon argument ; par

conséquent l’agent a besoin d’une stratégie pour décider quel argument utiliser.


Page 32

Les types d’arguments sont les suivants [Par et al, 96] :

A. Appels à une promesse passée : le négociateur A rappelle à B une promesse passée

concernant l’objet de négociation, autrement dit l’agent B a promis dans une négociation

antérieure à l’agent A d’offrir ou effectuer un objet de négociation. Pré-conditions : l’agent A

doit vérifier si une promesse concernant un objet de négociation a été reçue dans le passé à

l’occasion d’une négociation conclue avec succès.

B. Promesse d’une récompense future : le négociateur A promet de faire l’objet de

négociation pour un autre agent B à un moment futur. Pré-conditions : l’agent A doit trouver

un désir de l’agent B pour un moment futur, si possible un désir qui peut être satisfait par

une action (service) que A peut effectuer mais que B ne peut pas effectuer.

C. Appels au propre intérêt : l’agent A croit que la conclusion d’un accord sur l’objet de

négociation est dans l’intérêt de B et essaye de convaincre B de cela. Pré-conditions : l’agent

A doit trouver (ou déduire) un des désirs de B qui sera satisfait si l’agent B a l’objet de

négociation ou A doit trouver un autre objet de négociation ON0 qui a été offert auparavant

sur le marché et démontrer que l’objet de négociation proposé est plus intéressant que ON0.

D. Appel à une pratique fréquente : l’agent A croit que B a refusé la proposition parce que B

croit que la proposition contredit un de ses buts. Dans ce cas, l’agent A donne à B l’exemple

d’une pratique fréquente qui démontre que l’acceptation de la proposition ne contredit pas le

but de B. Pré-condition : l’agent A doit trouver un autre agent ayant le même but que B, qui a

été déjà d’accord avec une proposition semblable et qui a vu que l’accord n’a pas nui à ses

buts.

E. Menace : le négociateur menace de refuser à faire/offrir quelque chose à B ou il menace

de !faire quelque chose qui contredit les désirs de B. Pré-conditions : l’agent A doit trouver

un des désirs de B directement satisfiable par un objet de négociation que l’agent A peut

offrir ou A doit trouver une action qui est contradictoire avec ce qu’il croit être un des désirs

de B.

Dans ce qui suit, nous allons illustrer deux exemples d’argumentations, le premier est basé

sur la logique, et le second correspond à l’argumentation abstraite [Woo, 02].


Page 33

5.3.1. Argumentation basée sur la logique

Ce système fonctionne en construisant des séries d’arguments pour et contre les propositions

d’intérêt. Il étend la logique classique en enregistrant explicitement les propositions qui ont

été utilisées pour la dérivation, ceci rend possible l’évaluation de la puissance d’un argument

donné en examinant les propositions sur lesquelles il est basé [Woo, 02].

La forme de base d’un argument est la suivante : Database (Sentence, Grounds) avec :

Database : un ensemble de formules logiques

Sentence : une formule logique connue sous le nom de conclusion, et

Grounds : un ensemble de formules logiques telles que : Grounds est inclut dans

Database, et Sentence peut être prouvée à partir de Grounds.

Database fournit un territoire commun entre les agents. Un agent construit l’argument

(Sentence, Grounds) pour dire que sentence est vraie, et la justification est donnée par Grounds.

Formellement, ∆ est une base de données, un argument sur ∆ est un pair (φ,τ), où φ est une

conclusion, et τ appartient à ∆.

L’ensemble de tous les arguments qui peuvent être construit sur ∆ est A(∆), Arg1, Arg2,

Arg3< sont des membres de A(∆).

Un agent peut construire plusieurs arguments pour une proposition données, certains sont

pour et d’autres sont contre cette proposition. Afin de pouvoir dire ou on que l’ensemble

d’arguments dans son ensemble est en faveur d’une proposition, il est nécessaire d’avoir un

certain moyen pour aplatir l’ensemble de ces arguments en une certaine mesure qui nous

indique combien la proposition est favorisée. [Woo, 02] propose de le faire comme suit :

On identifie deux classes importantes d’arguments :

Argument non trivial : (φ, τ) est non trivial si τ est consistant.

Argument tautologique : (φ, τ) est tautologique si τ est vide.

L’idée importante derrière la défaite entre les arguments est la suivante : (φ1, τ1) et (φ2, τ2)

sont deux arguments de la BDD ∆, (φ2, τ2) peut être battu de deux manières :

1. (φ1, τ1) réfute (φ2, τ2) si φ1 attaque φ2.

2. (φ1, τ1) réduit la valeur de (φ2, τ2) si φ1 attaque ψ avec ψ appartenant à φ2.

La fonction attaque est définie comme suit : Pour deux propositions α, β, on dit que α

attaque β si α= non β.


Page 34

L’étape suivante est de définir un ordre sur les types d’arguments, l’idée est que certains

arguments sont plus puissants que d’autres. Pour cela on identifie cinq classes d’arguments :

A1 : Classe de tous les arguments qui peuvent être fait à partir de ∆.

A2 : Classe de tous les arguments non triviaux qui peuvent être fait à partir de ∆.

A3 : Classe de tous les arguments non réfutés, qui peuvent être fait à partir de ∆.

A4 : Classe de tous les arguments dont la valeur ne peut être réduite, qui peuvent

être construit à partir de ∆.

A5 : Classe de tous les arguments tautologiques qui peuvent être construit à partir

de ∆.

Il y a un ordre ≤ sur l’acceptabilité des classes : A1≤ A2≤A3≤ A4≤ A5, avec les classes

d’arguments les plus à droite sont plus puissantes que celles qui se trouvent à gauche.

Il est ensuite possible de construire un dialogue entre deux agents qui est une série

d’arguments, avec le premier est fait par l’agent 1, le deuxième par l’agent 2, le troisième par

l’agent 1 etc. L’agent 1 s’engage dans le dialogue pour convaincre l’agent 2 de la conclusion

du premier argument, ensuite l’agent 2 essaie de défaire cet argument, l’agent 1 doit

répondre en proposant un argument du défait celui proposé par l’agent 2 et ainsi de suite.

Chaque étape du dialogue est un mouvement, ce dernier est un pair (Joueur, Arg) où Joueur

∈{1,2}, Arg ∈A(∆), et (m0, m1, ..mk) est l’ensemble des mouvements, cet ensemble est un

historique de dialogue s’il satisfait les conditions suivantes :

Joueuru=1 (le premier mouvement est fait par le joueur 1).

Joueuru=1 si et seulement si u est pair, et joueuru=2 si et seulement si u est

impair.

Si Joueuru = joueurv et u<> v alors Argu<>Argv.

Argu défait Argu-1.

5.3.2. Argumentation abstraite

Dans ce type d’argumentation, nous nous n’intéressons pas à la structure interne de

l’argument, mais à la structure globale de l’argumentation. Formellement, un système

d’argumentation abstraite A est défini par un couple A(X, →) où [Syc, 90]:


Page 35

X : est l’ensemble des arguments.

→ : X*X est une relation binaire sur l’ensemble des arguments représentant la notion

d’attaque, où x→y signifie que l’argument x attaque l’argument y, ou que x est un

contre exemple de y.

Etant donné un système d’argumentation abstraite, on doit chercher les arguments sains ou

acceptables, ainsi que les arguments admissibles. Nous pouvons formuler ces notions de

plusieurs manières :

Un argument x X est attaqué par un ensemble d’arguments Y X si au moins

un membre de Y attaque x (c.à.d. y→x pour un certain y Y).

Un argument x X est acceptable par rapport à un ensemble d’arguments Y de X

si chaque attaqueur de x dans Y est lui-même attaqué.

Un ensemble d’arguments Y est libre de conflits (conflict free) si tout argument

dans Y n’est pas attaqué par un autre argument dans Y (Y est dans un sens

consistent).

Un ensemble d’arguments Y libre de conflits est di admissible si chaque argument

dans Y est acceptable par rapport à Y.

5.4. Les méthodes d’argumentation

5.4.1. La méthode de Jennings

Jennings [Par et al, 96] a présenté un rapport préliminaire sur cette forme de négociation en

1996, dans lequel il utilise des agents BDI (Belief, Desire, Intention) ainsi que des arguments

et des règles d’inférence utilisant la notation Prolog et une extension des arguments pour

indiquer le soutien ou le doute dans les propositions et pour les prouver.

5.4.2. La méthode de Amgoud et Prade

Amgoud et Prade proposent une approche possibiliste de la négociation par argumentation

dans [Amg et al, 04b] et un framework logique qui comprend de nouveaux types

d’arguments dans *Amg et al, 04a+.


Page 36

5.4.3. La méthode de Carbogim et Robertson

Dans [Care et al, 99], Carbogim et Robertson proposent un framework général

d’argumentation. Les arguments utilisés dans un système d’argumentation nommé ANA

(l’Agent de Négociation Automatisé) sont présenté dans ce qui suit :

Les agents ANA sont des agents égocentrés et utilisent une méthode de négociation pour

essayer de convaincre les autres d’accepter leurs propositions en cas de refus. Dans ce but,

les agents doivent être capables de représenter leurs propres croyances, désirs et buts, de

raisonner sur les croyances, désirs et buts des autres agents et d’essayer d’influencer les

croyances et les intentions des autres agents du système.

Le modèle d’agent dans le système est un modèle BDI et la décision pour choisir le bon

argument dépend des propres buts, des rapports entre ces buts, des croyances de l’agent, et

de ce que l’agent croit concernant l’autre agent. Dans la négociation, les agents peuvent

utiliser différents types d’arguments.

5.4.4. La méthode de Jennings et Kraus

Dans cette méthode [Kra et al, 98], les agents sont de type BDI. Ils peuvent être coopératifs

ou ne pas l’être. L’argumentation est un processus itératif qui émerge des échanges entre

agents pour persuader l’autre et lui faire changer ses intentions. Un échange s’opère en

mobilisant des illocutoires qui peuvent être de type promesse, menace, demande<et des

modèles de logiques qui peuvent être des logiques modales, floues, etc.

L’idée de base est de permettre d’augmenter la nature des informations échangées. Un agent

pourra ainsi expliquer les raisons de sa réaction à une proposition, par exemple, associer des

critiques au rejet d’une proposition et expliquer en quoi elle est inacceptable. De même, un

agent pourra accompagner une proposition d’arguments destinée à convaincre un autre

agent de répondre favorablement, par exemple : menace (threats), récompense (rewards), etc.

5.4.5. La méthode de Sycara (le système PERSUADER)

Le système PERSUADER [Syc, 90] est un autre système bien connu qui utilise la négociation

par argumentation. Les agents du système sont conçus pour résoudre les problèmes existant

entre une compagnie et l’organisation syndicale de ses employés mais le modèle a été aussi

appliqué dans le domaine de l’ingénierie concurrente.


Page 37

5.4.6. La méthode de Sierra

Dans [Sie et al, 97], les auteurs proposent une ontologie de base pour la négociation et

présentent sur la figure (II.1) la mise en œuvre de cette ontologie au cours d’un processus.

Une négociation commence toujours par une proposition qui peut être une offre ou une

demande.

Cette étape est suivie par un échange d’illocutions qui peuvent être l’émission de contre

propositions ou d’arguments de persuasion. Enfin, une illocution de fin de processus est

invoquée, par exemple : acceptation, refus.

Figure (II.1) : Protocole de négociation basée sur l’argumentation.

Pour être utilisable en situation concrète les agents doivent pouvoir être dotés de

comportements flexibles. Les individus doivent avoir une ontologie commune.

5.4.7. Le projet ARGUGRID

5.4.7.1. Objectifs du projet

Le projet ARGUGRID souhaite fournir un nouveau modèle informatique pour la

programmation des grilles de calcul au niveau sémantique à l’aide des technologies

argumentatives multi-agents. Au sein de ce modèle, ces technologies sont utilisées pour

fournir le modèle de raisonnement des agents, pour faciliter l’interaction rationnel entre ces

agents et pour résoudre les conflits qui les oppose. Au sein d’ARGUGRID, les agents sont

associés aux fournisseurs et aux demandeurs de services. Les agents englobent la machinerie

logique pour la prise de décision et sont équipés de fonctionnalités pour la négociation. À

l’aide du processus d’argumentation, les agents décident du service qui permet de répondre


Page 38

aux besoins du client mais également créent, gèrent et rejoignent des organisations virtuelles

afin de composer des services atomiques pour en créer de plus de complexes.

5.4.7.2. Modèle d’argumentation pour le raisonnement

Dans ARGUGRID, on a proposé un Modèle d’Argumentation (MA) pour le raisonnement

pratique. Celui-ci s’appuie sur un langage logique qui sert de structure de données afin de

capturer des énoncés sur des connaissances, sur des buts et sur des actions. Les différentes

priorités, qui sont associées à ces éléments, correspondent à la vraisemblance des

connaissances, aux préférences entre buts, et à l’utilité des actions. Ces structures de données

constituent la colonne vertébrale des arguments. De par la nature abductive du

raisonnement pratique, ces arguments sont construits à rebours. Ce sont des structures

arborescentes. De cette manière, le MA permet d’évaluer les actions possibles, de suggérer

des solutions et fournit une explication intelligible et interactive du choix effectué.

Dans le but de calculer les arguments admissibles de ce modèle d’argumentation, on a

traduit le MA dans le modèle à base d’hypothèses (en anglais, Assumption-based

Argumentation Framework). De plus, on a développé un méta-interpréteur CaSAPI pour

relâcher les contraintes sur les buts et pour faire des suppositions afin de calculer la

sémantique admissible dans ce MA.

6. Conclusion

Dans ce chapitre, nous avons décrit succinctement comment parvenir à un accord dans un

système multi-agents. Nous avons, également décrit l’une des négociations automatiques les

plus répandues actuellement à savoir la négociation par argumentation.

La négociation basée sur l’argumentation est très proche de la négociation humaine. Même

en exploitant les capacités d’inférence des langages de programmation basés sur la logique,

le problème d’implémenter une négociation à base d’augmentation reste très difficile. La

négociation par argumentation est de plus en plus utilisée dans les systèmes multi-agents

pour résoudre les conflits, mais peu sont les programmes qui ont réalisé avec succès ce genre

de négociation.

Dans le chapitre suivant, nous présenterons la méthodologie multicritère d’aide à la décision,

nous réserverons une attention particulière aux différentes méthodes d’analyse multicritère.

Chapitre III

Analyse Multicritères

Plan

13. Introduction

14. Concepts fondamentaux de l’aide multicritères

a. Principe des méthodes d’aide multicritères

b. Problématiques de référence

i. Problématique du choix (P.α)

ii. Problématique du tri (P.β)

iii. Problématique du rangement (P.γ)

iv. Problématique de description (P.δ)

15. Démarche générale d’une méthode multicritères

a. Définition du problème et l’objet de la décision, l’action

b. L’analyse des conséquences et détermination des

critères

c. Choix d’une méthode d’aide à la décision multicritères

d. Performance des actions

16. L’agrégation des performances et l’analyse multicritères

a. Agrégation complète transitive

b. Agrégation partielle

c. Agrégation locale

17. Illustration des méthodes multicritères

a. La famille ELECTRE

i. ELECTRE I

ii. ELECTRE II

iii. ELECTRE III

iv. ELECTRE IV

v. ELECTRE IS

vi. ELECTRE TRI

b. La famille PROMETHEE

18. Conclusion

L’Analyse Multicritères Chapitre III

Page 39

Chapitre III

L’Analyse Multicritères

1. Introduction

Nombreuses sont les situations dont la complexité et les enjeux invitent à rechercher une

aide à la décision allant au-delà de l'utilisation du bon sens, de l'expérience ou de la mise en

œuvre de techniques de calcul élémentaire.

Prendre une décision, c’est trancher entre plusieurs possibilités et choisir celle qui sera

effectivement mise en œuvre. La prise de décision est un acte simple quand toutes les

alternatives sont connues, qu’elles sont peu nombreuses, qu’elles peuvent être évaluées de

manière unique, et qu’il n’y a qu’une seule personne qui décide. Cependant, si les

alternatives ou leurs conséquences sont imparfaitement connues, si leur nombre est trop

important pour qu’une approche systématique puisse être envisagée, si elles doivent être

évaluées selon plusieurs critères partiellement conflictuels, ou si plusieurs personnes sont

amenées à se prononcer, alors la prise de décision devient un acte complexe.

Sur quels concepts, modèles, procédures, méthodes, prendre appui pour parvenir à une aide

multicritères à la décision ? Tel est l'objet de ce chapitre.

2. Concepts fondamentaux de l’analyse multicritères

L’aide à la décision multicritères se présente comme une alternative aux méthodes

d’optimisation classiques basées sur la définition d’une fonction unique, et qui reflète la prise

en compte de plusieurs critères, souvent incommensurables. L’intérêt des méthodes

multicritères est de considérer un ensemble de critères de différentes natures. Il ne s’agit pas

de rechercher un optimum, mais une solution compromis.


Page 40

2.1. Principe des méthodes d’analyse multicritères

Le processus de décision multicritères peut être décrit par la figure (III.1) :

Figure (III.1) : Le processus de décision multicritères.

2.2. Problématiques de référence

Dans le cadre de la décision multicritères, l’objet de la décision est formé par un ensemble

d’actions ou alternatives. Pour Roy [Roy, 97], les problèmes réels peuvent être formulés à

l’aide des méthodes d’analyse multicritères, selon trois formulations de bases :

problématique de choix, notée Pα, la problématique de tri ou d’affectation notée Pβ, la

problématique de rangement noté Pγ et la problématique de rangement noté Pδ.

2.2.1. Problématique du choix (P.α)

Elle consiste à sélectionner les meilleures actions. Cette problématique cherche un ensemble

aussi réduit que possible, contenant la ou les meilleures actions, voir figure (III.2).


Page 41

Figure (III.2) : Problématique du choix (P.α).

2.2.2. Problématique du tri (P.β)

Elle consiste à affecter les actions à des catégories (ou classes) prédéfinies. Cette

problématique affecte les actions à des catégories en examinant leur valeur intrinsèque, voir

figure (III.3).

Figure (III.3) : Problématique du tri (P. β).

2.2.3. Problématique du rangement (P.γ)

Elle consiste à ranger les actions selon un ordre de préférence. Cette problématique cherche à

obtenir un pré-ordre complet ou partiel sur l’ensemble A, c’est-à-dire un ordre complet ou

partiel entre les classes d’équivalences. Etant donné qu’il est difficile de comparer certaines

actions entre elles, l’ordre obtenu entre les classes est souvent partiel, voir figure (III.4).


Page 42

Figure (III.4) : Problématique du rangement (P. γ).

2.2.4. Problématique de description (P.δ)

Cette problématique fait partie de la première phase d’analyse des problématiques

précédentes. Elle consiste à éclairer l’analyse des actions par une description, dans un

langage approprié, des actions et de leurs conséquences. Si cette problématique aboutit à une

procédure, nous parlerons de procédure cognitive, voir figure (III.5).

Description des actions et de leurs conséquences.

Figure (III.5) : Problématique de description (P. δ).

3. Démarche générale d’une méthode multicritères

Les problèmes de décision multicritères opèrent, habituellement, en 4 étapes [May et al, 94]

[Ben, 00], [Ham, 08] :

1. Dresser la liste des actions potentielles.

2. Dresser la liste des critères à prendre en considération.

3. Établir le tableau des performances des actions par critère (matrice d’évaluation).

4. Agréger les performances aboutissant à un classement par préférence.


Page 43

3.1. Définition du problème et l’objet de la décision, l’action

La détermination de l’objet de la décision consiste à identifier l’ensemble des actions ou

alternatives sur lesquelles va porter la décision. Une action potentielle est une action réelle

ou fictive provisoirement jugée réaliste par un acteur au moins. On note par A l’ensemble

des actions potentielles.

3.2. L’analyse des conséquences et détermination des critères

Il s’agit d’identifier et mesurer les conséquences des actions sur lesquelles va porter la

décision. Les critères découlent des conséquences des actions. Souvent, une action a

plusieurs conséquences, ainsi la conséquence d’une action selon un critère donné est évaluée

par une fonction g (à valeurs réelles) définie sur l’ensemble A des actions potentielles de telle

sorte qu’il soit possible de raisonner ou de décrire le résultat de la comparaison de deux

actions a et b relativement à partir des nombres g(a) et g(b).

Situation Définition Relation binaire (Propriétés)

Indifférence

Elle correspond à l’existence de raisons claires et

positives qui justifient une équivalence entre

deux actions.

I : relation symétrique

réflexive.

Préférence stricte


positives qui justifient une préférence

significative en faveur de l’une des deux actions.

P : relation asymétrique

(irréflexive)

Préférence faible


positives qui infirment une préférence stricte en

faveur de l’une des deux actions. Mais ces

raisons sont insuffisantes pour en déduire soit

une préférence stricte en faveur de l’autre, soit

une indifférence entre ces deux actions.

Q : relation asymétrique

(irréflexive)

Incomparabilité

Elle correspond à l’absence de raisons claires et

positives justifiant l’une des trois situations

précédentes.

R : relation symétrique

irréflexive

Tableau (III.1) : Situations possibles lors de la comparaison de deux actions.


Page 44

Les critères à retenir pour juger quelle est l’action préférée, doivent présenter les conditions

suivantes :

L’aide multicritères à la décision doit permettre de juger l’intérêt économique des

différentes actions entre elles. Il s’agit donc de construire une famille de critères qui

puissent représenter, d’une façon aussi proche que possible, les coûts et les avantages

des actions, bénéfices.

Les critères doivent être d’une part, suffisamment nombreux et précis pour bien

discriminer entre elles les différentes actions ; d’autre part, ne pas être redondant

pour éviter de majorer l’importance attribuée à une dimension d’analyse.

Les critères peuvent être de nature différente: économiques, sociaux,

environnementaux, techniques. Chaque famille de critères peut contenir un ou

plusieurs critères.

Les critères doivent également vérifier des axiomes :

Axiome d’exhaustivité: si deux actions ont les mêmes vecteurs de performances

alors il faut être sûr que les acteurs sont bien indifférents entre les deux actions.

Axiome de cohésion: En partant de deux actions qui sont jugées équivalentes, si l'on

accroît la performance de la première sur un critère quelconque, alors elle apparaît

comme au moins aussi bonne que la seconde action inchangée.

Axiome de non-redondance: un critère est redondant si son retrait de la famille

laisse une nouvelle famille vérifiant les deux axiomes précédents.

3.3. Choix d’une méthode d’aide à la décision multicritères

Cette étape dépend de la nature du problème posé. Plusieurs méthodes ont été développées,

le tableau (III.2), [May et al, 94] identifient certaines méthodes en fonction de la nature du

problème étudié.

Nature du problème

Critères α

(sélection)

β

(affectation)

γ

(classement)

Vrai critère I - II

Pseudo-critère IS Tri III, IV

Tableau (III.2) : Choix de la méthode multicritères.


Page 45

3.4. Performance des actions

Lorsque l’analyse des actions a conduit à la construction d’un seul critère, on peut réaliser

une optimisation sur ce critère, ce qui peut être simple lorsque le nombre d’action est faible.

Dans le cas fréquent, où l’analyse des conséquences des actions potentielles a conduit à

construire plusieurs critères, c’est l’analyse multicritères qui permet de donner des réponses

au problème posé. Pour chaque action considérée, et pour chaque critère un seuil de

préférence p, d’indifférence q et un seuil de veto v sont estimés. Chaque critère se voit

attribué un poids k traduisant sa contribution dans la décision finale. Le résultat de l’analyse

des conséquences est présenté dans un tableau de performances, voir tableau (III.3) :

Tableau (III.3) : Tableau de performances.

4. L’agrégation des performances et l’analyse multicritères

Pour définir une solution (action) qui fait émerger une préférence commune, qui jouit

globalement des meilleures évaluations, les jugements doivent être agrégés. Les méthodes

multicritères diffèrent selon leurs façons de traiter cette dernière étape. Roy [Roy, 85]

propose trois familles de méthodes : une famille de méthodes utilisant une agrégation

complète, une autre utilisant une agrégation partielle, et enfin une famille de méthodes

utilisant une agrégation partielle itérative [Ham, 08].


Page 46

4.1. Agrégation complète transitive (Approche du critère unique)

Il s’agit d’évacuer toute situation d’incomparabitité et introduire toutes les performances

dans une seule fonction d’agrégation ou d’utilité en leur attribuant d’éventuels poids. La

difficulté lié au choix de la fonction d’agrégation est considérée, entre autres, comme

inconvenant. MAUT (Multiple Attribute Utility Theory), UTA (Utilities Additives), AHP

(Analytic Hierarchy Process), WPM (Weight Product Method) sont autant d’exemples de

méthodes de cette famille [Ben, 00].

4.2. Agrégation partielle (Approche du surclassement de synthèse)

Cette approche repose sur la comparaison des actions deux à deux, puis une synthèse des

résultats de ces comparaisons est établie, et c’est la façon de synthétiser qui différencie les

méthodes de cette famille. Cette approche respecte l’incomparabilité, mais au détriment de la

clarté des résultats, et est privilégiée si un critère au moins est qualitatif (elle travaille à la

fois avec les critères qualitatifs et quantitatifs) [Mou. 93]. Les critères sont très hétérogènes et

leur codage en une échelle commune est difficile.

Des seuils de préférence ou de véto doivent être prix en considération. Parmi les méthodes

les plus connues de cette approche, on cite la famille ELECTRE (ELimination Et Choix

Traduisant la Réalité), et PROMETHEE (Preference Ranking Organisation METhod For

Enrichement Evaluation) [Ben, 00].

4.3. Agrégation locale (Approche du jugement local interactif avec itérations)

Cette technique consiste à partir d’une solution de départ, supposée aussi bonne que

possible, et voir dans le voisinage, s’il existe une solution mieux qu’elle. En d’autres termes,

une solution de départ est choisie, ensuite, on sélectionne un groupe de variantes

relativement proche à la solution de départ, par la suite, on vérifie s’il n’existe pas de

meilleure variante par rapport à celle sélectionnée, ce nouveau choix constitue la solution de

départ pour une nouvelle itération. On pratique donc une exploration locale et répétitive.

Cette approche trouve toute son utilité dans les situations où il existe un nombre quasi infini

de variantes. Les principales méthodes de cette catégorie sont: PLM (Programmation

Linéaire Multicritères), Stem (Pop), et UTA interactive [May et al, 94].


Page 47

5. Illustration des méthodes multicritères

L’aide multicritères à la décision vise à fournir à un décideur des outils lui permettant de

progresser dans la résolution du problème de décision où plusieurs critères souvent

contradictoires, doivent être pris en compte, elle permet de modéliser de la manière la plus

fidèle possible les préférences d’un expert, une telle modélisation permet ensuite la

construction d’outils adaptés et capables d’assister ou de remplacer un décideur sur des

problèmes complexes. Il existe des méthodes et algorithmes qui permettent de résoudre des

problèmes d'aide à la décision multicritères, tels que la famille de méthodes ELECTRE et la

famille de méthodes PROMETHEE.

5.1. La famille ELECTRE

Les méthodes ELECTRE (Elimination et choix traduisant la réalité) ont été développées par

Bernard ROY au courant des années 70 [Sch, 85]. Elles ont évolué en une famille de méthodes

dites de surclassèrent basées sur la comparaison des actions deux par deux.

5.1.1. ELECTRE I

Elle est utilisée pour des problématiques de sélection. Le but étant de déterminer un sous

ensemble des actions qui surclasse le reste des actions. Nous constituons pour ce faire un

noyau d'action qui surclasse les autres. Ce noyau n'existe pas nécessairement et n'est pas

nécessairement unique.

5.1.2. ELECTRE II

Elle relève des problématiques de classement. Elle vise à classer les actions depuis les

meilleurs jusqu'aux moins bonnes. En se basant sur un principe de préordre total, ELECTRE

II postule que toutes les actions sont comparables (l'incomparabilité est exclue, en d'autre

termes, le décideur peut toujours opérer un choix entre une action a et une action b).

5.1.3. ELECTRE III

Elle relève aussi des problématiques de classement. Le but est de classer les actions des

meilleures aux moins bonnes. L'originalité de cette méthode est d'admettre une part de flou

dans les choix du décideur. Cet aléa est pris en compte par la définition de seuils de

préférence et de surclassement, et par l'introduction d'un seuil véto qui, pour un critère

http://fr.wikipedia.org/wiki/PROMETHEE


Page 48

donné, défini la marge au-delà de laquelle une action b ne saurait être préférée à une action a

quelque soit sa performance sur les autres critères.

La méthode s’appuie sur la définition d’une relation de sur-classement S permettant de

comparer deux actions a et b distinctes.

En considérant un ensemble d’actions A= {a1, a2, a3,…,am}, il s’agit de classer les actions en

les comparants par pairs. Chaque action est donc comparée aux autres sur la base des critères

considérés. L’évaluation des actions est effectuée par une fonction réelle, pour chaque critère

on définit l’ensemble G= {g1,g2,…,gn} contenant l’évaluation de l’action sur l’ensemble des

critères. L’importance des critères dans la prise de décision est évaluée par un ensemble de

poids K= {k1,k2,…,kn}. Pour cette méthode, les seuils d’indifférence, de préférence et de veto

sont fonction de l’évaluation de l’action pour chaque critère. Pour une action a, évaluée par

gj(a) pour le critère j, dans ce cas le seuil d’indifférence est noté qj(gj(a)), le seuil de préférence

par pj(gj(a)) et le seuil de veto par vj(gj(a)).

En conclusion, ELECTRE III est une méthode très complète, qui a le mérite d'exploiter

l'information en sauvant un maximum de nuances et d'avancer des conclusions bien fondées.

5.1.4. ELECTRE IV

Relève des problématiques liées aux procédures de classement. Comme Electre III, elle

associe à chaque critère des seuils de préférences, mais l'originalité réside dans le fait de

supprimer la pondération attachée à chaque critère.

5.1.5. ELECTRE IS

C’est une adaptation de la méthode ELECTRE I à la logique floue, permettant d’utiliser des

pseudo-critères (Le S veut dire seuil) [May et al, 94]. Comme dans ELECTRE I, l’ensemble

des actions potentielles A est divisé en deux sous ensembles :

Le noyau N, qui comprend les actions non surclassées, et le reste A\N qui contient les

actions surclassées. C’est dans le noyau que se trouve la meilleure action. La construction de

ces partitions nécessite l’utilisation de la relation de surclassement.

5.1.6. ELECTRE TRI

Relève des problématiques d'affectation. Ici, des actions de références sont classées par

catégorie; Chaque catégorie est bornée inférieurement et supérieurement par des actions. Le


Page 49

but du jeu est de classer les actions qui seront proposées au décideur dans une des catégories

prédéfinies.

5.2. La famille PROMETHEE

PROMETHEE est l'acronyme de Peference Ranking Organisation METHod for Enrichment

Evaluations. La méthode PROMETHEE [Ham, 08] relève de la problématique γ. Tout comme

les méthodes de la famille ELECTRE, PROMETHEE construit une relation de surclassement

value, en s'appuyant sur la comparaison des actions deux à deux, son but est donc de ranger

les actions de le meilleure à la moins bonne. Il en existe quatre versions assez proches dont

les deux premières rencontrent assez bien de succès grâce, notamment, à la disponibilité d'un

logiciel commercial qui comporte une interface réussie. PROMETHEE se distingue

d'ELECTRE par le fait qu'elle construit une relation de surclassement valuée traduisant une

intensité de préférence : on peut considérer que les méthodes PROMETHEE sont à mi-chemin

entre l'approche de surclassement dont elles conservent la relation S et les méthodes de

MAUT dont elles utilisent les méthodes de construction des fonctions d'utilité partielles gi.

Le logiciel intègre des représentations graphiques permettant de construire les fonctions gi.

6. Conclusion

L'aide à la décision multicritères a pour but de donner à un décideur les outils lui

permettant de résoudre un problème de décision à plusieurs points de vue. Ces points de

vue sont souvent contradictoires. En général, il n'existe pas de solution qui soit la meilleure

pour tous les critères. Il n'y a donc pas de solution optimale contrairement aux techniques

classiques de Recherche Opérationnelle. Les problèmes réels sont complexes et nécessitent

l’analyse quant au choix de la méthode adaptée. Les méthodes ELECTRE offrent

d’intéressantes possibilités quand le choix en fonction du problème donné est bien fait. Dans

le cadre du développement de notre système d’aide multicritères à la décision de

groupe, nous définissons un protocole à concession monotone avec argumentation et

intégrant des méthodes d’analyse multicritères. Le chapitre suivant est consacré à la

description des différents modules composant notre système d’aide à la négociation,

tout en décrivant le protocole ainsi que le processus de négociation adoptés dans la

démarche décisionnelle que nous proposons.

Deuxième Partie

Approche Proposée

Chapitre IV : Conception du Modèle Décisionnel. Chapitre V : Mise en œuvre du GDSS proposé.

Chapitre IV

Conception du Modèle décisionnel

Plan

19. Introduction

20. Approche décisionnelle proposée

5.1. Le module SIG

5.2. Le module SMA

5.3. Modélisation des agents

5.3.1. L’agent coordinateur

5.3.2. Les agents participants

21. Le modèle décisionnel proposé

a. Phase de structuration du modèle

b. Phase d’exploitation du modèle

c. Phase de concrétisation

22. La démarche décisionnelle adoptée par NARGSMA

23. Caractéristiques du protocole de négociation proposé

a. Le niveau de négociation

i. Cardinalité de la négociation

ii. Les objets de la négociation

iii. Les différentes phases du protocole 1. La phase de préparation

2. La phase d’initialisation

3. La phase de communication

4. La phase de modification

5. La phase de décision finale

b. Les primitives de négociation

i. Primitives spécifiques à l’agent coordinateur

ii. Primitives spécifiques à chaque agent participant

iii. Le format des messages de négociation

c. Le niveau stratégique

i. Protocole de Négociation à concession monotone

ii. Stratégies de l’agent coordinateur

1. La méthode ELECTRE TRI

2. Etablissement de la première proposition

iii. Stratégies de l’agent participant 1. Détermination des préférences avec ELECTRE III

2. Stratégie d’acceptation

3. Stratégie de refus

24. Conclusion

Conception du Modèle Décisionnel Chapitre IV

Page 50

Chapitre IV

Conception du Modèle Décisionnel

1. Introduction

L'aménagement du territoire, le développement durable, la préservation de l'environnement,

la gestion des ressources renouvelables, sont des problématiques de long terme auxquelles

les décideurs souhaitent faire face avec le plus d'éléments objectifs leur permettant de

rationaliser et d'expliciter leurs choix.

La prise de décision au sein d'un groupe relève d'un processus complexe. Chacun ayant des

intérêts et des désirs différents, voire opposés, il faut trouver une solution qui, à défaut de

satisfaire pleinement chaque membre du groupe, convienne à la majorité d'entre eux.

Chacun va devoir interagir avec ses partenaires pour élaborer une solution tenant compte de

l'ensemble du groupe.

2. Approche décisionnelle proposée

L’originalité de notre approche tient à l'utilisation simultanée d'un système multi-agents

(SMA) et d'un système d'information géographique (SIG). La littérature offre peu d'exemples

de couplage de ces deux types de représentations de la réalité.


Page 51

- Le SMA: De la notion de système multi-agents, se dégage immédiatement l’idée d’un

système constitué de plusieurs agents, le concept d’agent reste donc le pivot de ce domaine.

En effet, un agent est une entité réelle ou virtuelle évoluant dans un environnement capable

de le percevoir et d’agir dessus, qui peut communiquer avec d’autres agents, qui exhibe un

comportement autonome, lequel peut être vu comme la conséquence de ses interactions avec

d’autres agents et des buts qu’il poursuit [Fer, 95]. Ainsi, les SMA sont très adaptés pour

modéliser les phénomènes dans lesquels les interactions entre diverses entités sont assez

complexes pour être appréhendées par les outils de modélisation classiques. Ils sont, de plus

en plus, utilisés dans les problèmes de gestion de l’environnement et d’AT car ils permettent

de représenter des entités autonomes, dotées de comportements, pouvant coopérer,

négocier et communiquer avec les autres.

- Le SIG : Est un ensemble informatique constitué de hardware, software et de méthodes

destiné à assurer la saisie, l’exploitation, l’analyse et la représentation des données géo-

référencées pour résoudre un problème de planification et de gestion [The, 96]. Le SIG est

basé sur une description synthétique du territoire, les données spatiales sont organisées sous

forme de couches et les données attributaires sont suturées en base de données. Chaque

couche contient des données du même type et facilite leur présentation ainsi que leur

manipulation. A cet effet, les SIG sont de plus en plus mis en avant dans les projets d’AT, car

ils offrent de nombreux outils d'analyse spatiale.

Par soucis de simplicité, les modules SMA et SIG restent indépendants et communiquent

uniquement en s'échangeant des données. Les fonctionnalités des SMA et des SIG sont bien

distinctes.

Le GDSS proposé NARGSMA (Négociation par ARGumentation dans les SMA) est composé

de deux modules : un module SIG et un module SMA doté d’un protocole de négociation qui

permet d’aboutir à un consensus qui satisfait la majorité des participants. L’architecture du

système NARGSMA est illustrée par la figure (IV.1) :


Page 52

Figure (IV. 1) : Le GDSS Proposé : vue d’ensemble.

2.1. Le module SIG

Le SIG aura pour fonction essentielle de permettre la gestion des connaissances du territoire.

Grâce à ses fonctionnalités, il est possible de :

Gérer la base de données géographiques ;

Archiver des informations ;

Manipuler et interroger les bases des données géographiques ;

Fournir une représentation spatiale des systèmes étudiés ;

Mettre en forme et visualiser les données. Nous exploitons les fonctionnalités du SIG

pour préparer les entrées (inputs) nécessaires pour la prise de décision. Lorsque les

décideurs parviennent à identifier les actions et les critères, grâce aux capacités

analytiques du SIG, une valeur est affectée à chaque critère. L’ensemble des actions et

de leurs valeurs relativement aux différents critères constitue la matrice d’évaluation

(Tableau de performances).

Nég

oci

atio

n

Module SMA Module SMA


Page 53

2.2. Le module SMA

Les Systèmes Multi-Agents ont déjà fait leurs preuves dans de nombreux domaines par leur

capacité de modélisation, ils permettent de représenter les interactions entre diverses entités

pouvant coopérer, négocier et communiquer.

Les intervenants du système, que nous étudions, sont les différents décideurs ou experts qui

disposent de leurs propres objectifs. Cela implique que le processus de décision est distribué

entre les différentes entités impliquées par cette décision de groupe. Le module SMA aura

pour mission de représenter les différents acteurs qui disposent de leurs propres objectifs et

préférences. Afin de faire face à cette décision de groupe où différents points de vue doivent

être pris en considération, il est indispensable de passer par une phase de négociation pour

arriver à un consensus bénéfique aux groupes. A cet effet, nous dotons le module SMA d’un

protocole de négociation, mettant en scène un agent coordinateur et un ensemble d’agents

participants représentant les différents acteurs concernés par la décision en AT.

2.3. Modélisation des agents

Notre modélisation agent s’appuie sur les concepts agent, groupe et rôle pour représenter

une organisation réelle, elle est basée sur la méthodologie Aalaadin [Fer et al, 98] :

Un agent est défini comme étant une entité autonome et communicante jouant des

rôles au sein de différents groupes ;

Un groupe est composé de différents agents ;

Un rôle représente une fonction, un service ou une identification d’un agent

appartenant à un groupe particulier. Les rôles des agents dans notre modèle, sont de

deux types : coordinateur et participants.

2.3.1. L’agent coordinateur

C’est l’élément central du SMA, il permet à chaque participant de communiquer sa

proposition aux autres agents. L’ajout de ce médiateur permet entre autres de réduire le

nombre de messages que les participants doivent s’échanger s’ils communiquent directement

entre eux. Finalement, il nous permet de centraliser certains calculs, qui dans son absence,

doivent être fait de la même manière, dans chaque itération et au niveau de chaque agent

participant. C’est lui qui initie et met fin à la négociation, il se charge aussi d’identifier les

agents qui doivent faire une concession dans le prochain tour.


Page 54

2.3.2. Les agents participants

Les agents participants sont les agents concernés par la décision, chacun de ces agents

possède ses propres préférences et objectifs concernant les ressources (îlots), le but de chacun

des ces agents est qu’une de ses ressources (îlots) les plus préférées soit choisie lors de la

décision finale.

3. Le modèle décisionnel proposé

Nous avons adopté le modèle décisionnel proposé par Mme Hamdadou [Ham, 08]. Il

comprend trois phases principales : la structuration du modèle, son exploitation et la

concrétisation des résultats.

La figure (IV. 2) illustre les différentes phases et étapes d’utilisation du modèle proposé :

Figure (IV. 2) : Le modèle décisionnel proposé.


Page 55

3.1. Phase de structuration du modèle

Cette phase a pour objectif l’identification du problème et les choix fondamentaux sur la

manière de l’aborder.

- Identifier les Actions

L’identification de l’ensemble des actions est une étape très sensible dans toute démarche

d’aide à la décison , en particulier lorsque la méthode d’analyse multicirtères procède par

agrégation partielle, il est très important que l’ensemble des actions soit aussi complet que

possible car sa modification en cours de route peut entrainer la répétitions de l’analyse

multicritères.

- Identifier les Critères

La liste des critères obtenus par agrégation des facteurs correspondants (sous critères) doit

être aussi complète que possible. Ces critères doivent être en relation avec les contraintes et

les objectifs utilisés dans la génération des actions.

La famille des critères les plus pertinents pour le traitement de la problématique abordée

doit vérifier les conditions d’exaustivité, de cohérence et d’indépendance [Roy et al, 93].

- Identifier les Décideurs

Le concept d’acteur se réfère à une entité concrète et localisée (dans un contexte). C’est une

unité d’action et de décision, individuelle ou collective, à laquelle on peut attribuer des

ressources, une finalité et une stratégie. On peut identifier deux grands types d'acteurs :

individuels et collectifs. Les acteurs collectifs sont des groupes ou des organisations qui

peuvent être économiques (entreprise, coopératives, groupement de producteurs, etc.),

politiques (un parti, le conseil municipal, le conseil des anciens d’une communauté, etc.) ou

sociales (associations de jeunes, etc.). La multiplicité des acteurs rend la négociation

territoriale difficile puisque d’un côté on aura les acteurs forts disposant d’un pouvoir

important et de l’autre côté des acteurs faibles qui ont plus de difficulté à défendre leurs

intérêts.


Page 56

3.2. Phase d’exploitation du modèle

Cette phase sert à effectuer certains types d’analyses sur le modèle conçu telle que l’analyse

spatiale [The, 96]. Dans cette phase, tous les partis impliqués seront modélisés sous forme

d’agents auquel est associé un poids afin d’exprimer son importance et l’étendu de son

pouvoir lors de la décision. Tous les agents peuvent accéder à la matrice d’évaluation gérée

par le SIG afin d’établir leur vecteurs de préférences concernant les différentes ressources en

exploitant la méthode ELECTRE III (ou ELECTRE TRI pour l’agent coordinateur). Après

plusieurs tours de négociation selon le protocole proposé, les agents participants arrivent à

un consensus qui satisfait tous les partis concernés ou une partie d’entre eux, c’est l’accord

final.

3.3. Phase de concrétisation

Cette phase vise essentiellement l’acceptation sociale du résultat, cependant elle comprend

aussi la mise en œuvre de la décision et son contrôle.

La figure (IV. 3) résume les différentes étapes de la phase de structuration et d’exploitation

du modèle décisionnel proposé afin de traiter la problématique de localisation en AT.


Page 57

4. La démarche décisionnelle adoptée par NARGSMA

La démarche décisionnelle adoptée par le GDSS proposé est illustrée par la figure suivante :

Figure (IV. 3) : Synthèse des phases de structuration et d’exploitation du modèle décisionnel proposé.

5. Caractéristiques du protocole de négociation proposé

Nous décrivons, dans cette section, le protocole de négociation utilisé dans notre modèle

décisionnel. L’objectif du protocole est de définir les messages que les agents pourront

s’envoyer avec la dynamique opérationnelle associée dans le but d’assurer la communication

entre les différents décideurs durant le processus de négociation.

Critères effectifs

Phase de Structuration

Phase d’exploitation

Délimitation de La région d’étude

Choix des critères et des Méthodes d’évaluations

Evaluation des critères

Matrice d’évaluations

Identification des Décideurs

Négociation Via le protocole proposé

Accord final

Méthode d’évaluations


Page 58

Le protocole de négociation que nous proposons est caractérisé par une suite de messages

échangés entre un agent initiateur et des agents participants en s’inspirant du protocole à

concession monotone et en utilisant la négociation à base d’argumentation.

Notre proposition s’appuie sur une architecture à trois niveaux pour permettre une réelle

généricité :

1. Le niveau de négociation qui contient la gestion des structures de données et les

actes de langage nécessaires aux agents pour faire évoluer leur connaissance ;

2. Le niveau de communication (Primitives) qui permet aux agents d’échanger des

messages entre eux.

3. Le niveau stratégique qui permet aux agents de raisonner sur le problème et

d’inférer leurs décisions en fonction de la connaissance obtenue des autres agents

négociateurs.

5.1. Le niveau de négociation

Le niveau de négociation est le cœur de notre modèle, il inclut les phases du protocole de

négociation et les structures de données nécessaires à la réalisation d’une négociation. Ce

niveau intègre le protocole de négociation et a la charge de gérer la négociation entre les

agents. Afin de modéliser la négociation, deux aspects doivent être traités : l’aspect statique

qui contient les structures de données nécessaires à la description d’une négociation, et

l’aspect dynamique qui permet de décrire l’avancement des négociations.

5.1.1. Cardinalité de la négociation

La cardinalité de la négociation est une notion importante pour les SMA. Il s’agit de savoir

combien d’agents négocient entre eux. Différents types de cardinalité de négociation existent,

depuis la négociation de 1 vers 1 jusqu’à n vers m.

Lorsque la négociation implique plusieurs participants avec un initiateur, il s’agit de

négociation de 1 vers n. Notre protocole permet à un initiateur de communiquer une

proposition à un ensemble de participants simultanément, il s’agit donc de négociation de 1

vers m agents.


Page 59

5.1.2. Les objets de la négociation

N’importe quel objet peut être une ressource. Les ressources sont les objets de la négociation

que chaque agent essaie d’obtenir. Elles peuvent être soit personnelles, soit communes. Dans

ce cas, ce sont des ressources communes (les îlots vierges destinés pour une construction

donnée).

5.1.3. Les différentes phases du protocole

Notre protocole de négociation se caractérise par une suite de messages échangés entre un

agent initiateur et des agents participants. Il procède en cinq phases:

5.1.3.1. La phase de préparation

Cette phase est la première phase de notre protocole, elle permet de tester le nombre de

ressources en entrées si ce nombre est inférieur ou égal à 100, alors elle passe à la phase qui

suit. Sinon, si le nombre de ressources est supérieur à 100, alors elle procède par la méthode

ELECTRE TRI afin que ce nombre soit réduit (≤ 100) pour passer à la phase suivante.

5.1.3.2. La phase d’initialisation

Dans cette phase, les participants sont appelés à exprimer leur préférences concernant les

ressources, chaque participant effectue un classement des ressources de la meilleure (qui lui

ait la plus bénéfique) à la moins bonne.

5.1.3.3. La phase de communication

Cette phase comprend l’établissement d’une proposition par le coordinateur aux

participants et la collecte des réponses de chacun des participants. Chaque participant peut

soit accepter, soit refuser cette proposition et ceci en se référant à son vecteur de préférence

construit précédemment. Le coordinateur alors, comptabilise le nombre d’agents participants

ayant accepté sa proposition.

Si ce nombre est supérieur ou égal à un certain seuil (70%) alors la négociation est un succès,

sinon une conversation impliquant des arguments entre l’initiateur et les participants se

déroule, durant laquelle ils doivent concéder afin de procéder à une modification des

propositions.


Page 60

5.1.3.4. La phase de modification

Cette phase est optionnelle, l’initiateur doit faire des modifications en s’inspirant des

propositions des agents. Il doit établir une synthèse à partir de la collecte des dernières

réponses reçues de leur part, puis revient à la phase de communication.

5.1.3.5. La phase de décision finale

C’est la dernière phase du protocole suggéré. Elle est synonyme de la fin de la négociation,

une décision est prise par l’initiateur selon les réponses des participants aux propositions

qu’il leur a faites.

5.2. Les primitives de négociation

Afin de modéliser notre processus de négociation entre les différents agents, il est nécessaire

de définir plusieurs primitives de négociation spécifiques à chaque type d’agents. Il faut

donc considérer des primitives spécifiques à l’initiateur et des primitives spécifiques aux

participants.

5.2.1. Primitives spécifiques à l’agent coordinateur

L’agent coordinateur possède quatre primitives de négociation :

- Test () : c’est une primitive sous forme de test que l’agent coordinateur effectue à son

niveau, la condition est de réduire le nombre de ressources (ilots) :

Si NR ≥ 100 alors ELECTRE TRI

Sinon Request.

NR : Nombre de ressources.

- Request () : c’est la première primitive que l’agent coordinateur envoie aux participants

pour les inciter à effectuer leur vecteur de préférences ;

- Propose () : l’agent coordinateur fait une proposition aux agents participants

concernant une ressource donnée ;{

- Confirm () : l’agent coordinateur envoie un message à tous les agents participants pour

les informer que la négociation a été un succès et que la ressource a été trouvé.


Page 61

5.2.2. Primitives spécifiques à chaque agent participant

Les messages envoyés par les participants sont uniquement destinés à l’agent coordinateur.

Les autres participants n’ont pas connaissance de ces messages.

Le participant possède trois primitives de négociation :

- Inform () : après avoir établit un classement des ressources de la meilleure à la moins

bonne, les agents participants informent l’agent coordinateur qu’il peut leur faire une

première proposition ;

- Accept (argument) : ce message répond à la proposition du résultat fait par l’agent

coordinateur. Le participant indique par ce message à l’agent coordinateur qu’il accepte

la proposition. Son argument est que la ressource (action) choisie est bien classée dans

son vecteur de préférences;

- Refuse (argument) : Le participant indique à l’agent coordinateur qu’il refuse sa

proposition, l’argument est que la ressource choisie est classée parmi les dernières dans

son vecteur de préférences.

Plusieurs chercheurs considèrent que le standard de modélisation UML constitue l’un

des outils les plus adaptés pour la modélisation des SMA. Afin de représenter les

différentes interactions entre l’agent coordinateur et les agents participants nous optons

pour l’utilisation du diagramme de séquence d’UML, très souvent employé pour décrire

l’interaction des agents *Bau et al, 01+. Le séquencement de ces interactions est illustré

par la figure (IV. 4) suivante via un diagramme UML :


Page 62

Figure (IV. 4) : Le protocole général de négociation.

5.2.3. Le format des messages de négociation

Chaque message possède un émetteur, une primitive et des paramètres éventuels (dans

notre protocole des arguments possibles).

Le message comprend en plus de l’émetteur du message, de la primitive de négociation

employée et des paramètres nécessaires pour le traitement de cette primitive, l’identifiant de

la négociation ainsi que l’état de la négociation.

5.3. Le niveau stratégique

Le succès d’une négociation dépend bien sûr de stratégies adaptées au problème traité.

5.3.1. Protocole de Négociation à concession monotone

La négociation va permettre de trouver un accord commun qui satisfait tous les agents, pour

cela nous avons utilisé un protocole de négociation dit à concession monotone (Monotonic

Concession Protocol) mettant en scène l’agent coordinateur et l’ensemble d’agents

participants.


Page 63

Ce protocole s’exécute en plusieurs tours, il suppose que chaque agent i soit doté d’une

fonction d’utilité Ui : X→R0+, où X est l’ensemble des ressources (actions ou choix possibles,

dans notre cas ce sont des îlots), qui à chaque ressource possible affecte une valeur réelle,

plus cette valeur est grande, plus la ressource en question est préférée par l’agent i, xi est la

proposition la plus récente faite par l’agent i. Dans le premier, tour tous les agents doivent

faire des propositions, et chaque agent est libre de faire n’importe quelle proposition, donc

logiquement, chaque agent choisit la proposition qui maximise son utilité. Dans les tours

ultérieurs, l’identification des agents qui doivent faire une concession (faire des propositions)

est faite comme suit :

Dans le cas où deux agents seulement sont impliqués dans la négociation, Zeuthen [Woo, 02]

a proposé une mesure qui évalue l’empressement respectif des agents au risque de conflit

(willingness to risk conflict), et l’agent dont la valeur est la plus petite pour cette mesure doit

concéder. En cas d’égalité, les deux concèdent. Cette mesure se calcule en fonction des

utilités des deux agents comme suit :

Zi= (Ui(xi) - Ui(xj) ) / Ui(xi)

Cette stratégie est efficace dans le sens qu’elle mène à un accord qui maximise le produit des

utilités [Ull, 06].

Dans le cas où plusieurs agents sont impliqués dans la négociation, plusieurs stratégies ont

été définies pour identifier les agents qui doivent concéder dans un tour donné, on trouve

entre autres : la stratégie du produit croissant des utilités (Product-increasing Strategy) [Ull,

06+ qui choisit l’agent qui a dernièrement fait une proposition dont le produit des utilités (de

tous les agents) est le plus faible.

Le protocole se déroule jusqu'à ce qu’un accord soit atteint, dans ce dernier cas, la

négociation se termine par ce qu’on appelle un accord de conflit. Ce dernier est définit

comme suit : nous choisissons parmi toutes les ressources proposées dans les itérations

précédentes, celle qui maximise le produit des utilités des agents.

Nous avons vu que notre protocole distingue deux rôles : coordinateur et participant. La

stratégie de négociation n’est pas la même selon le rôle de l’agent, il y a donc deux sortes de

stratégies. Les stratégies du coordinateur lui permettant d’une part de réduire le nombre

d’actions (ressources) à négocier, d’autres part de faire une proposition et de décider, de


Page 64

confirmer ou d’annuler le résultat des négociations dans le cas où les participants n’ont pas

été assez nombreux à l’accepter, et de synthétiser les différentes propositions de

modifications afin de proposer un nouveau résultat. L’autre stratégie est celle des

participants qui leur permettent d’établir leurs préférences, afin de décider d’accepter ou de

refuser la proposition du coordinateur et de trouver une modification des propositions

lorsque le coordinateur en demande une [Ouf et al, 08b].

Dans notre modèle, les arguments sont utilisés pour justifier l’acceptation ou le refus des

propositions faites par les autres agents. L’agent a besoin d’une stratégie pour décider quel

argument utiliser. Pour être optimale, une stratégie nécessite une expertise du domaine de

l’application de négociation.

Nous présentons les stratégies que nous proposons pour le rôle du coordinateur, puis celles

pour le rôle de participant concernant l’affectation ou le partage des ressources :

5.3.2. Stratégies de l’agent coordinateur

Dans notre protocole, l’agent coordinateur ou initiateur, ne représente aucun acteur, et

assure les tâches suivantes :

Réduire le nombre d’actions (ressources ≤ 100) si ce nombre est supérieur, en utilisant

la méthode ELECTRE TRI lors de la phase de préparation.

Envoyer un appel à propositions aux agents participants concernés par la concession

en utilisant le message Request ;

Recevoir les réponses des agents participants ;

Vérifier si on a atteint un accord, un refus, ou on est face à une concession ;

En cas d’un accord, envoyer le message Confirm aux agents participants à la

négociation.

En cas de concession, identifier les agents qui doivent concéder dans l’itération

suivante.

Nous associons alors au coordinateur, deux types de stratégies, une pour la réduction du

nombre de ressources par la méthode ELECTRE TRI, une autre pour établir une première

proposition.


Page 65

5.3.2.1. La méthode ELECTRE TRI

a) Principe de la méthode

La méthode ELECTRE TRI relève de la problématique de tri ou d’affectation β. Il s’agit

d’affecter chacune des actions potentielles à une ou plusieurs catégories en examinant la

valeur intrinsèque de l’action. Les catégories sont définies en fonction de normes

d’affectation préétablies indépendamment de l’ensemble des actions à affecter. Une norme

d’affectation spécifique doit être associée à chaque catégorie. De ce fait, l’affectation d’une

action quelconque à une des catégories est uniquement fondée sur l’analyse de l’action par

rapport aux normes d’affectation et non sur sa valeur relative par rapport à d’autres actions.

Dans ce cadre, l’aide à la décision repose généralement sur l’élaboration d’une méthode ou

procédure d’affectation. L’idée de cette problématique est de séparer les bonnes actions des

moins bonnes.

Figure (IV.5): La problématique de tri.

La problématique du tri

Pour déterminer si l’action a appartient à la classe des bonnes actions, elle est comparée aux

actions de référence {b1, b2,<<, bn} définissant cette classe (étalons-bonnes). Ainsi pour n

actions de référence, le résultat de cette comparaison sera un ensemble de 2n degrés de

crédibilité (a surclasse bi,bi surclasse a). Si a est une bonne action, elle doit surclasser

significativement au moins une action de référence et ne pas être trop nettement surclassée

par une autre action de référence.


Page 66

Pour exprimer mathématiquement cette condition, il est évidemment nécessaire de

remplacer les termes «significativement» et «nettement» par des seuils (valeurs) S1 et S2. Il

s’ensuit que a appartient aux bonnes actions si, d’une part, le plus grand degré de crédibilité

dans la relation a surclasse bi est supérieur au seuil S1 et si, d’autre part, le plus grand degré

de crédibilité dans la relation bi surclasse a est inférieur au seuil S2.

L’appartenance à la classe des mauvaises actions est déterminée de manière semblable. La

condition pour qu’une action soit dite mauvaise est composée de trois points.

1. l’action a ne doit pas surclasser significativement une action étalon bonne.

l’action a doit être, significativement, surclassée par une action appartenant à l’ensemble

M1.

l’action a ne doit pas surclasser trop nettement une action étalon mauvaise. Le test est

vérifié comme précédemment en comparant les degrés de crédibilité maximum des

relations (a surclasse bi), (mi surclasse a), (a surclasse mi,) avec des seuils, S1, S3, S4, Si

aucune de ces deux conditions n’est vérifiée, l’action a est classée dans les actions

douteuses.

Pour être réalisé correctement, ce tri doit respecter quelques règles supplémentaires :

Tout d’abord, concernant les valeurs de seuils : S1>S2et S3>S4.

Ensuite lors de la recherche des degrés de crédibilité maximum dans les relations a surclasse

bi, bi surclasse a pour le test d’appartenance à la classe des bonnes actions, l’action bi utilisée

dans la relation a surclasse bi, est exclue du test sur la relation bi surclasse a.

De même, pour le test de l’appartenance aux mauvaises actions, l’action de référence utilisée

dans la relation mi surclasse a, est exclue du test sur a surclasse mi.

Démarche d’utilisation

Des actions de référence sont utilisées pour segmenter l'espace des critères en catégories.

Chaque catégorie est bornée inférieurement et supérieurement par deux actions de référence

et chaque action de référence sert donc de borne à deux catégories, l'une supérieure et l'autre

inférieure.

1M= {m1, m2,…, mm} des actions de référence définissant les mauvaises actions (étalons-mauvaises).


Page 67

Cette méthode suit la même démarche que la méthode ELECTRE III jusqu'aux degrés de

crédibilité. Pour déceler l'incomparabilité, deux procédures d'affectation distinctes, appelées

optimiste et pessimiste, sont nécessaires. Elles consistent à comparer chaque action

potentielle avec les actions de référence en commençant par la plus contraignante puis la

moins contraignante.

Si les deux procédures affectent l'action potentielle à la même catégorie, elle est alors

parfaitement comparable avec les actions de référence, sinon, en fonction de la différence

entre les deux catégories auxquelles elle est attribuée, elle est plus ou moins incomparable

[May et al, 94].

Les actions de référence

Les actions de références sont soit des actions réelles, c’est-à-dire appartenant à l’ensemble

des actions à analyser, soit des actions artificielles. Elles permettent de «délimiter » les

différentes catégories du tri [Joe, 97]. Les actions de références appelées étalons- bonnes

«délimitent» les bonnes actions, alors que les étalons- mauvaises délimitent les mauvaises

actions. Le décideur doit donc choisir comme actions de références, des actions qui se

situent, par leurs notes dans les différents critères, à la limite de deux classes. Une action

choisie comme étalon-bonne devrait par définition avoir, par exemple, les caractéristiques

minimales pour appartenir aux bonnes actions.

Dans le cas des actions de références artificielles, le décideur peut fixer directement les

valeurs de ces actions pour chaque critère. Il est aussi possible de demander au décideur de

trier un petit échantillon de l’ensemble des actions, puis d’analyser ce tri pour déterminer les

caractéristiques des actions de référence.

La méthode ELECTRE TRI se base sur les phases d’études successives suivantes :

Phase 1 : Réaliser le tableau des performances

Il s’agit d’évaluer les performances des variantes (ce qu’on appelle les gj(ai)) auprès de

chaque critère en les disposant dans le tableau des performances, tout en définissant

l’ensemble des actions de références ,b1, b2,<<, bn}, les poids Pj , et les différents seuils ,qj, pj,

vj, de telle façon que chaque action de référence dispose de poids et de seuils spécifiques.


Page 68

Phase 2 : Calculer les indices de concordance par critère

Le remplissage des matrices de concordance par critère, se fait tel que :

Cj (ai ,bk ) = 0 pj<gj(bk ) – gj(ai)

Cj (ai, bk ) = gj(ai) + pj-gj(ak) qj<gj(bk ) – gj(ai) ≤ pj

pj - qj

Cj (ai ,bk) = 1 gj(bk ) – gj(ai) ≤ qj

Phase 3 : Calculer les indices de concordance globale

Après avoir réalisé des matrices de concordance pour chaque critère (m matrices n × n

comprenant les indices de concordance cj (ai, ak)), une matrice de concordance globale est

ensuite réalisée (matrice n × m comprenant les indices de concordance globale Cik).

Cik =

m

j

j

m

j

k

ijj

k

i

p

bacp

baC

1

1

),(

),(

Phase 4 : Calculer les indices de discordance par critère

La discordance avec l’hypothèse de surclassement aiSak se détermine pour chaque critère

par le calcul de l’indice de discordance dj (ai, ak), tel que :

dj (ai ,bk ) = 1 vj<gj(bk ) – gj(ai)

dj (ai ,bk ) = gj(ak) - gj(ai) + pjpj<gj(bk ) – gj(ai) ≤ vj

vj _ pj

dj (ai ,bk ) = 0 gj(bk ) – gj(ai) ≤ pj

Des matrices de discordance par critère sont ensuite réalisées pour chaque critère (matrices n

× m comprenant les indices de discordance dj (ai, ak),

Phase 5 : Calculer le degré de crédibilité

Le degré de crédibilité δj (ai, bk) est déterminé ainsi :

1-dj (ai, bk)

δj(ai,bk) =C(ai,bk)

j F 1-C(ai, bk)


Page 69

Où C (ai, bk) est l’indice de concordance globale et F le sous ensemble de la famille des

critères F qui a comme éléments les critères pour lesquels l’indice de discordance est

supérieur à l’indice de concordance globale :

F = {j \ j ∈ F, dj (ai ,bk ) >Cj (ai ,bk) }

Une matrice des degrés de crédibilité est ensuite réalisée (matrice n × m comprenant les

degrés de crédibilité δj (ai, bk)).

Phase 6 : Etablir la relation de surclassement

La relation de surclassement entre une action potentielle a et une action de référence b est

établie à partir des degrés de crédibilité et d’un seuil de coupe λ constant.

On note δ (a, bk) ≥ λ ⇔ a S bk ,P dénote la préférence, I dénote l’indifférence et R

l’incomparabilité. a et bk sont affectés à l’une des situations suivantes :

1. a I bkssi a S bk et bk S a

a P bkssi a S bk et non [bk S a]

bk P a ssibk S a et non [a S bk]

a R bkssi non [a S bk] et non [bk S a]

Phase 7 : Procédure d’affectation

Avant d’aborder les procédures d’affectation optimiste et pessimiste, sept exigences doivent

être respectées [Roy, 94] :

1. Aucune action potentielle ne peut être indifférente à plus d’une action de référence.

Toute action potentielle doit être attribuée à une seule catégorie (unicité).

L’affectation d’une action potentielle ne dépend pas de l’affectation d’autres actions

(indépendance).

L’affectation des actions potentielles aux catégories doit être conforme à la conception

des actions de référence (conformité).

Lorsque deux actions se comparent de manière identique avec les actions de référence,

elles doivent être affectées à la même catégorie (homogénité).

Si a` domine a (c’est–à-dire que pour tout j, gj(a`)≥gj(a) ), alors a` doit être affectée à une

catégorie supérieure ou égale à celle de a (monotonicité).

Le regroupement de deux catégories voisines ne doit pas modifier l’affectation des

actions aux catégories non concernées (stabilité).


Page 70

Les caractéristiques des deux procédures d’affectation sont détaillées dans le tableau (IV.1) :

Procédure d’affectation Pessimiste Optimiste

Objectif Pousser les actions dans les

catégories les plus basses

possibles.

Pousser les actions dans les

catégories les plus hautes

possibles.

Procédure

Affecter l’action à une

catégorie de façon telle que

cette action surclasse l’action

de référence basse de cette

catégorie :

aSbh a‎ Ch+1

Affecter l’action à une

catégorie de façon telle que

l’action de référence haute de

cette catégorie soit préférée à

l’action :

bh>a a Ch

Sens De haut en bas De bas en haut

Tableau (IV.1) : Caractéristiques des procédures d’affectation.

Pourquoi ELECTRE TRI

La méthode ELECTRE TRI est intéressante pour les raisons suivantes :

elle permet de juger chaque variante sur sa valeur relative vis-à-vis des variantes de

références et ceci indépendamment des autres variantes. On peut ainsi rajouter une

variante dans l’analyse et rapidement l’étudier sans modifier les résultats déjà obtenus.

on peut fixer des valeurs de référence comme des normes légales ou des résultats

minimaux nécessaires pour l’acceptation ou le refus d’une variante.

on peut considérer un nombre de variantes plus important que dans les autres méthodes

ELECTRE, car le volume de calculs à réaliser est nettement inférieur.

le tri permet de rapidement réduire le nombre de variantes à étudier pour pouvoir ensuite

concentrer l’étude sur les variantes intéressantes, ceci en appliquant une autre méthode

d’agrégation partielle, ELECTRE III comme pour notre protocole.


Page 71

5.3.2.2. Etablissement de la première proposition

Après avoir procédé à la réduction du nombre de ressources par la méthode ELECTRE TRI,

le coordinateur envoie un message aux agents participants afin qu’ils établissent leur

vecteurs de préférences. Il associe à chaque ressource un rang, la ressource classée première

aura le rang le plus petit (elle représentera la préférence du participant). Ce rang est, à

chaque fois, incrémenté de 1 pour les ressources suivantes.

Le coordinateur comptabilise alors, la somme des rangs de chaque ressource par rapport à

chaque agent. Il propose alors la ressource qui minimise cette somme.

5.3.3. Stratégies de l’agent participant

Nous associons à chaque agent participant trois stratégies:

5.3.3.1. Détermination des préférences avec ELECTRE III

Afin de représenter les préférences des agents participants, nous optons pour l’utilisation de

la méthode d’analyse multicritères ELECTRE III. Grâce à cette méthode, chacun des agents

participants va pouvoir exprimer ses préférences concernant les ressources (îlots) et

construire son vecteur de préférence qui contient les ressources classées de la meilleure (celle

qui lui ait la plus bénéfique) à la moins bonne et ceci en se référant à un certain nombre de

critères.

Cependant pour prendre une décision de groupe, il est indispensable de passer par une

phase de négociation.

a) Principe de la méthode ELECTRE III

C’est une méthode de surclassement, qui date de 1977 [Til, 00], et qui vise à résoudre les

problématiques de type gamma : Classer les actions de la meilleure à la pire pour

sélectionner ensuite la (ou les) action(s) qui semble(nt) la (ou les) plus adéquate(s).

Pour se faire, ELECTRE III traite une matrice d’évaluation contenant des actions et des

pseudo-critères. Les traitements de surclassement muni sur cette matrice permettront

d’établir un préordre final partiel.

ELECTRE III apporte des évolutions remarquables [May et al, 94] :


Page 72

Le flou est introduit dans la relation de surclassement : La réflexion ne porte pas sur

l’acceptation ou le rejet en bloc de l’hypothèse de surclassement, mais sur la crédibilité

accordée à cette hypothèse. Ceci est traduit par la mesure du degré de crédibilité de

l'hypothèse de surclassement, qui varie de 0 (surclassement certainement inexistant) à

1 (surclassement existant).

L’introduction de la notion de préférence faible (Une zone intermédiaire où le

décideur hésite entre la préférence et l’indifférence) assurée à travers l’utilisation

de deux seuils : seuil d’indifférence et seuil de préférence stricte. Ces seuils ont été

définis de manière à tenir compte directement de l’incertitude qui entache plus au

moins les valeurs de la matrice des évaluations. Aussi, un troisième seuil, le seuil de

veto, est utilisé pour la concrétisation de la notion de discordance.

b) Démarche d'utilisation

En général, ELECTRE III opère en deux phases : Agrégation et Exploitation.

Phase d'Agrégation

Avant le début de traitement d’ELECTRE III, le décideur est invité à introduire les

paramètres subjectifs de la méthode relativement à chaque critère:

Poids des actions.

Seuil de préférence.

Seuil d’indifférence.

Seuil de veto.

Pour construire les relations de surclassement, ELECTRE III utilise trois principes :

Le principe de concordance

Détermine l’indice de concordance globale C (a, b) qui affirme dans quelle mesure, il ya

concordance avec la relation de surclassement a S b. Ce principe est assuré par les formules

suivantes :

),(1

),(1

bacpP

baC j

r

j

j

(1)

Avec :

r

j

jpP1

(2)


Page 73

1 Si )()( bgqag jjj

0 Si )()( bgpag jjj j=1,2,<,r

jj

jjj

qp

bgagp

)()( Sinon

Avec:

a,b : Deux actions.

pj : Le poids relative au critère j.

gj(a) : L’évaluation du critère j pour l’action a.

j : L'indice du critère et r le nombre total de critères.

p,q : Les seuils de préférence et d’indifférence.

Les valeurs de l’indice de concordance cj(a, b) (évalue dans quelle mesure l’action a est

au moins aussi bonne que l’action b pour le critère j) appartiennent à l'intervalle [0, 1].

Après avoir réalisé des matrices de concordance pour chaque critère (m matrices n×n)

comprenant les indices de concordance cj(a, b), une matrice de concordance globale est

ensuite réalisée (matrice n × n comprenant les indices de concordance globale C(a,b)).

Le principe de discordance

Il consiste à vérifier que la minorité des critères contrariante avec la relation de

surclassement a S b ne s’y oppose pas beaucoup : La relation de surclassement ne doit pas

être nettement plus mauvaise relativement aux critères minoritaires. Ce principe est

introduit par les formules suivantes :

0 Si )()( bgpag jjj

1 Si )()( bgvag jjj

j=1,2,<.., r

jj

jjj

pv

pagbg

)()( Sinon

Des matrices de discordance sont ensuite réalisées pour chaque critère (m matrices n × n

comprenant les indices de discordance dj(a,b)).

cj(a,b) =

dj(a,b)=


Page 74

Calcul du degré de crédibilité (Relation de surclassement floue)

Le degré de crédibilité pour chaque paire (a,b) A² est déterminé ainsi :

C(a,b) Si jbaCbad j ),(),(

S(a,b) =

),( ),(1

),(1*),(

baJj

j

baC

badbaC Avec J(a,b) l’ensemble des critères tel que:

Une matrice des degrés de crédibilité est ensuite générée (matrice n × n comprenant les

degrés de crédibilité S(a,b) pour chaque paire (a,b) A²).

Phase d'Exploitation

La méthode ELECTRE III propose de classer les actions selon un algorithme décrit dans

[May et al, 94] et [Roy et al, 93] et [Pel, 04]. Les actions sont comparées entre elles par paire

selon tous les critères. Deux pré-ordres sont construits (distillation) où les ex æquo sont

acceptés mais pas les incomparabilités. Le principe d’établissement de ces deux distillations

est le suivant:

La distillation descendante range les mesures en partant de la meilleure jusqu’à la

«moins meilleure », se basant sur les meilleurs scores des mesures comparées deux à

deux.

La distillation ascendante range les mesures en partant de la pire à la «moins pire », se

basant sur les scores les moins bons des mesures comparées deux à deux.

Pourquoi ELECTRE III

Cette méthode possède les principales caractéristiques suivantes:

permet de considérer aussi bien des critères qualitatifs que quantitatifs.

prend en considération l’imprécision de l’évaluation des critères grâce aux notions de

seuils d’indifférence et de préférence.

permet de mettre en évidence des différences inacceptables entre deux actions sur un

critère par la notion du seuil de veto.

permet de mettre en évidence des actions incomparables.

permet de fixer une pondération par acteur entrant dans le processus décisionnel.

),(),( baCbad j


Page 75

5.3.3.2. Stratégie d’acceptation

La négociation peut se dérouler en plusieurs tours, jusqu’à ce qu’un compromis soit trouvé.

A chaque nouveau tour le participant reçoit une nouvelle proposition, si elle correspond à sa

préférence au tour t, il l’accepte en argumentant que la proposition correspond à sa

préférence. Sinon, il vérifie si la proposition correspond à l’une de ses préférences

antérieures, si c’est le cas, il accepte tout en indiquant sa préférence actuelle.

5.3.3.3. Stratégie de refus

Lorsque le participant reçoit une proposition et que celle-ci ne correspond ni à sa préférence

au tour t, ni à aucune de ses préférences antérieures, il la refuse et fait une contre proposition

qui correspond à sa préférence au tour t (argument est que la proposition ne correspond pas

à ses préférences).

6. Conclusion

Au terme de ce chapitre, nous avons présenté une approche originale du développement

d'outils d'aide à la décision adapté pour les problématiques relatives à l’aménagement du

territoire. Le modèle élaboré permet d'atteindre le meilleur accord possible s'il n'y a pas de

solution. Dans le chapitre suivant, nous aborderons l’aspect technique de la mise en œuvre

du modèle décisionnel de groupe proposé.

Chapitre V

Mise en œuvre du GDSS proposé

Plan

25. Introduction

26. Environnements de développement 7.1. Outil de développement JBuilder

7.2. Plateforme JADE

7.2.1. Architecture de JADE

7.2.2. Outils de controle et de débogage

7.2.2.1. RMA Agent

7.2.2.2. Dummy Agent

7.2.2.3. Sniffer Agent 7.2.3. Les agents sous JADE

27. Etude de cas et résultats expérimentaux

a. Première étude de cas

i. Délimitation de la région d'étude

ii. Identification des critères d'adéquation du

territoire pour l'habitat

iii. Identification des différents acteurs impliqués

b. Deuxième étude de cas

i. Délimitation de la région d'étude

ii. Identification des critères d'adéquation du

territoire

iii. Identification des différents acteurs impliqués

28. Conclusion

Mise en œuvre du GDSS proposé Chapitre V

Page 76

Chapitre V

Mise en Œuvre du GDSS Proposé

1. Introduction

Les territoires urbains s'étendent et s'imbriquent de la région urbaine à l'agglomération

et au quartier, comme s'imbriquent les documents de planification.

Les collectivités locales doivent gérer cette complexité et sont tenues de mesurer les

impacts environnementaux des politiques d'urbanisme.

Ces évolutions contextuelles créent un besoin nouveau de compréhension des interactions

dans l’urbanisme, de représentation des évolutions des territoires, d'anticipation et de

prévision des effets des politiques territoriales.

Le but de notre étude est la conception d’un outil d’aide à la décision de groupe pour

l’Aménagement du territoire. Le système proposé traite, principalement la problématique

de localisation d’un site satisfaisant un certain nombre de critères pour effectuer un projet de

construction d’une quelconque infrastructure.

Afin de valider le modèle décisionnel proposé et d'expérimenter l’outil implémenté, des

études de cas ont été réalisées.

2. Environnements de développement

Nous présentons les environnements de développement que nous avons sélectionné afin de

réaliser notre étude :


Page 77

Le choix de l’outil de développement est porté sur JBuilder9. Ce dernier est tourné

vers le développement rapide d’application.

Pour la réalisation du module SMA du système que nous proposons, nous avons

opté pour l’utilisation de la plateforme JADE.

2.1. Outil de développement JBuilder

L’outil de développement JBuilder est un Environnement JAVA. Il est nécessaire pour

intégrer la plate forme de notre système multi-agents JADE et de construire une interface

pour l’utilisateur, il repose sur un ensemble très complet de composants prêts à l’emploi.

Par la richesse et la qualité de ses composants, JBuilder permet au développeur de se

concentrer sur les parties de code vraiment utile et d’aller droit à l’essentiel. Il permet aussi

de concevoir des applications fiables et compatibles avec les standards les plus récents, de

réutiliser le code en ajoutant à l’environnement de base des composants.

2.2. Plateforme multi agents JADE

JADE (Java Agent DEvelopement framework) est une plateforme de développement open

source, compatible FIPA. Elle est Implémentée en JAVA qui respecte les spécifications FIPA

(Foundation of Intelligent Physical Agents).

2.2.1. Architecture de JADE

La plateforme JADE est composée de conteneurs d’agents (agent container) qui peuvent être

distribués sur le réseau (figure (V.1)). Les agents vivent dans les conteneurs qui sont des

processus java qui fournissent tous les services nécessaires pour l’hébergement et l’exécution

des agents. La plateforme doit disposer d’un conteneur principal qui représente le point de

démarrage, et qui se charge de :

Gérer la table des conteneurs qui contient la liste ainsi que les adresses de tous les

conteneurs qui composent la plateforme.

Gérer la GADT (Global Agent Description Table) qui contient la liste de tous les

agents présents dans la plateforme, leur statut actuel, et leur localisation.

Héberger l’AMS (Agent Management System) et DF (Directory Facilitator) qui

fournissent la gestion des agents, et le service des pages blanches ainsi que le service

des pages jaunes respectivement.


Page 78

Figure (V.1) : Architecture de la plateforme JADE.

2.2.2. Outils de contrôle et de débogage

Les applications multi-agents sont, en général, très compliquées. Elles sont souvent

distribuées sur plusieurs hôtes avec plusieurs conteneurs et agents, elles sont aussi

dynamiques dans le sens où les agents apparaissent, disparaissent, et migrent d’un

conteneur à un autre. Tous ça rend le control et le débogage une tâche fastidieuse pour le

programmeur.

JADE offre plusieurs outils graphiques qui simplifient considérablement le travail du

programmeur, on trouve entre autres :

2.2.2.1. RMA Agent

Le RMA (Remote Management Agent) permet de contrôler le cycle de vie de la plate-forme

et tous les agents qui la composent. Plusieurs RMA peuvent être lancés sur la même plate-

forme du moment qu'ils ont des noms distincts, La figure (V.2) présente l’interface graphique

de cet agent.

Figure (V.2) : RMA Agent.


Page 79

2.2.2.2. Dummy Agent

L'outil DummyAgent permet aux utilisateurs d'interagir avec les agents JADE d'une façon

particulière. L'interface permet la composition et l'envoi de messages ACL et maintient une

liste de messages ACL envoyés et reçus. Cette liste peut être examinée par l'utilisateur et

chaque message peut être vu en détail ou même édité. Plus encore, le message peut être

sauvegardé sur le disque et renvoyé plus tard. L’interface de l’agent Dummy est illustrée par

la figure (V.3).

Figure (V.3): Dummy Agent.

2.2.2.3. Sniffer Agent

Quand un utilisateur décide d'épier un agent ou un groupe d'agents, il utilise un agent

Sniffer. Chaque message partant ou allant vers ce groupe est capté et affiché sur l'interface

du sniffer. L'utilisateur peut voir et enregistrer tous les messages, pour éventuellement les

analyser plus tard. L’interface de l’agent Sniffer est illustrée par la figure (V.4).

Figure (V.4) : Sniffer Agent.


Page 80

2.2.3. Les agents sous JADE

Créer un agent sous JADE reviens à étendre la classe jade.tools.Agent et implémenter sa

méthode Setup () prévue pour l’initialisation de l’agent. Chaque agent possède un identifiant

qui le différencie des autres. Les tâches que les agents doivent effectuer se trouvent dans ce

qu’on appelle Comportement (Behaviour). Les comportements peuvent être ajoutés aux agents

au démarrage de l’agent (au niveau de la méthode Setup()) ou durant l’exécution. Les

comportements sont principalement de trois types :

One-Shot behaviour : qui sont conçus pour s’exécuter une seule fois.

Cyclic behaviour : conçu pour s’exécuter itérativement et sans arrêt.

Comportement générique : qui exécute des opérations différentes selon la valeur d’état

du comportement.

En composant ces types de base, on peut créer d’autres comportements plus compliqués. En

plus de ces trois comportements de base, JADE fournis deux autres, qui sont prêts à être

utilisés, ils peuvent être configurés pour produire des comportements qui s’exécutent à des

points précis dans le temps, il s’agit de :

WakerBehaviour : qui exécute la méthode abstraite OnWake() une fois un certain temps

mort expire.

TickerBehaviour : qui exécute répétitivement sa méthode abstraite OnTick()chaque fois

une période expire.

L’envoi et la réception des massages se font à l’aide des méthodes send() et reveice() de la

classe Agent.

La découverte des agents proposant des services donnés se fait à l’aide du service des pages

jaunes qui permet aux agents de publier la description d’un ou plusieurs services qui sont

capables de les fournir afin que les autres agents peuvent les découvrir et les exploitent.

3. Etude de cas et résultats expérimentaux

3.1. Première étude de cas

La problématique traitée dans cette étude de cas est celle relative au choix du site le plus

adéquat, parmi plusieurs (nombre important) pour la construction d’une habitation. Ainsi,

nous disposons de 650 îlots vierges (actions potentielles) pouvant convenir pour cette

construction.


Page 81

3.1.1. Délimitation de la région d'étude

La région d’étude se trouve dans le canton de Vaud, à environ 15 km au nord de Lausanne.

Ses limites géographiques dans le système de cordonnées suisse sont 532 750-532 500(m) et

158 000-164 000 (m). La surface de la région d’étude est de 52 500 km2.

Pour le choix de cette région, on s’est inspiré des travaux de Joerin [Joe, 97] qui a

essentiellement résulté du grand nombre de données spatiales à disposition. La carte

géographique relative à la région test est présentée sur la figure (V.5) :

Figure (V.5) : Zone d’étude.

3.1.2. Identification des critères d'adéquation du territoire pour l'habitat

La première étape dans l'élaboration de la liste des critères consiste à identifier tous les

facteurs influençant l'adéquation du territoire à l'habitation. Cette identification s'inspire

largement des autres études liées au territoire et s'appuie, principalement, sur la méthode

systématique proposée par Joerin [Joe, 97]. L'adéquation du territoire pour l'habitat intègre,

pour cette application, sept critères. Le tableau (V.1) présente une vue d'ensemble des

facteurs considérés dans les critères identifiés.


Page 82

Critère Type Echelle Facteurs associés Méthode

d’évaluation

Nuisances Naturel [0,1] Pollutions

Atmosphériques, Odeurs

Attribution d’une

note

Bruit Social [0,1] Autoroutes, Routes,

Chemins de fer

Attribution d’une

note

Impacts Social {0,..,6}

Eaux souterraines, Plan

Sectoriel: sites et

contraintes naturelles,

paysages à protéger,

Forêts

Attribution d’une note

Géotechnique et

risques naturels Naturel {0,..,6} Glissements de terrain Analyse spatiale

Équipements Economique [0,2244]

Distance aux

équipements : gaz,

électricité, eaux, routes

Consultation des

experts

Accessibilité Economique [0,15]

Durée moyenne des

trajets entre le domicile

et le lieu de travail

Consultation des

experts

Climat Naturel [0,1] Ensoleillement,

brouillard, température Attribution d’une note

Tableau (V.1) : Identification des critères.

La définition ainsi que l’évaluation des critères identifiés par rapport aux différentes actions

potentielles permettent de générer la matrice des performances (650 alternatifs), un extrait de

cette dernière est illustré par le tableau (V.2). Cette matrice est gérée par le SIG [Joe, 97] :

Actions NUISANCES BRUIT IMPACTS GEOTECHNIQ EQUIPEMENT ACCESSIBIL CLIMAT

729 1,00 0,99 2 6 1867 10 0,68

732 1,00 0,98 2 6 1957 10 0,71

737 1,00 0,97 2 6 2047 10 0,70

740 1,00 0,97 2 6 2147 10 0,69

743 1,00 0,93 2 6 2233 9 0,67

745 1,00 0,96 2 6 2185 12 0,84

748 1,00 0,67 2 6 2220 9 0,68

1030 1,00 0,15 4 6 1832 11 0,71

1033 0,99 0,55 4 6 1906 10 0,74

1038 0,98 0,27 4 6 2037 10 0,75

1045 1,00 0,96 4 6 2232 13 0,86

1046 1,00 0,69 4 6 2186 5 0,78

1233 1,00 0,62 6 3 1911 10 0,70

1236 1,00 1,00 6 3 2070 6 0,85

1239 1,00 1,00 6 3 2142 6 0,85

1321 1,00 0,98 6 6 1648 10 0,84

1324 1,00 0,98 6 6 1756 10 0,68

1326 1,00 0,98 6 6 1821 10 0,83

Tableau (V.2) : Matrice des performances.


Page 83

Le chargement de la matrice de performances initiale avec 650 actions est illustré par la

figure (V.6) :

Figure (V.6) : Interface Matrice de Performances avec 650 actions.

3.1.3. Identification des différents décideurs impliqués

Dans notre cas, nous supposons que quatre décideurs sont impliqués dans ce processus

décisionnel. Les paramètres subjectifs exprimés, respectivement, par chacun des décideurs

sont résumés dans les tableaux (V.3, V.4, V.5, V.6) suivants :

Paramètres

Critères Poids P Q V

Nuisances 4.96 0.7 0.35 1.4

Bruit 7.08 0.7 0.35 1.4

Impacts 17.31 0.6 0.3 1.2

Géotechnique 18.93 100 50 200

Equipements 18.93 8 4 16

Accessibilité 17.52 1 0.5 2

Climat 15.27 0.7 0.35 1.4

Tableau (V.3) : Paramètres subjectifs exprimés par le décideur 1.


Page 84

Paramètres


Nuisances 7.51 0.6 0.3 1

Bruit 13.63 0.6 0.3 0.8

Impacts 13.63 0 0 0



Accessibilité 17.2 0.6 0.3 1.2

Climat 17.2 0.6 0.3 1.5


Paramètres


Nuisances 6.15 0.4 0.2 0.8

Bruit 19.57 0.4 0.2 0.8

Impacts 13.79 0.2 0.1 0.4



Accessibilité 16.45 0.6 0.15 0.6

Climat 16.45 0.4 0.2 0.8


Paramètres


Nuisances 17.38 0.5 0.25 1

Bruit 29.4 0.6 0.3 1.2

Impacts 6.16 0.3 0.15 0.6



Accessibilité 17.38 0.5 0.25 1

Climat 17.38 0.5 0.25 1


Les interfaces des agents participants après le chargement des paramètres subjectifs par le

moteur d’analyse multicritères ELECTRE III sont représentées, respectivement, par les

figures suivantes ((V.7), (V.8), (V.9), (V.10)) :


Page 85

Figure (V.7) : Interface graphique du décideur 1.





Page 86

Le lancement du processus se fait à partir de l’interface de l’agent coordinateur, voir la figure

(V.11) suivante :

Figure (V.11) : Interface graphique de l’agent coordinateur.

L’agent coordinateur va commencer par un test, comme le nombre d’actions est supérieur à

100, alors il va exploiter la méthode ELECTRE TRI afin de réduire la taille de la matrice de

performances. La nouvelle matrice de performances réduite est illustrée par la figure (V.12)

suivante:

Figure (V.12) : Interface Matrice de Performances réduite.

L’interface graphique des préférences des décideurs ainsi que la matrice des utilités sont

montrées par la figure (V.13) suivante:


Page 87

Figure (V.13) : Matrice des utilités.

Les classements effectués par chaque agent participant en utilisant ELECTREIII sont

illustrés, respectivement, par les figures suivantes (V.14, V.15, V.16, V.17) :

Figure (V.14) : Interface du classement des actions effectué par le décideur 1.



Page 88



Les messages qui ont été échangés entre les agents participants et le coordinateur durant le

processus de négociation ont été visualisés grâce à l’agent Sniffer de JADE, voir figure (V.18):

Figure (V.18) : Visualisation des messages échangés entre agents à l’aide de l’agent Sniffer.


Page 89

Au bout de plusieurs messages échangés entre l’agent coordinateur et les agents participants,

un consensus a été trouvé entre les agents participants, le choix a porté sur l’action (îlot

1045), le résultat est présenté sur la figure (V.19) suivante :

Figure (V.19) : Résultat de la négociation.

3.2. Deuxième étude de cas

Nous devons choisir un site parmi plusieurs pour l’implantation d’un secteur sanitaire.

3.2.1. Délimitation de la région d'étude

La deuxième étude porte sur un ensemble de sites situés à l'est de la ville d'Oran. Il s’agit du

quartier d’El Hammar qui se trouve dans la commune de Gdyel, wilaya d’Oran [All, 02]. Il

s’avère qu’il y a absence d’un secteur sanitaire, activité essentielle pour répondre aux besoins

des habitants en matière d’urgence et de premiers soins. La zone d’étude se présente comme

suit (figure (V.20)):

Figure (V.20) : Zone d’étude.


Page 90

Nous disposons de six (06) îlots vierges pouvant convenir pour la construction voulue.

Figure (V.21) : Visualisation des îlots potentiels.

3.2.2. Identification des critères d'adéquation du territoire

Les différents critères considérés et identifiés pour le choix du meilleur site pour

l’implantation du futur secteur sanitaire sont :

Critère1 (C1) : Nombre de population avoisinante aux actions ;

Critère2 (C2) : Eloignement par rapport au site industriel;

Critère3 (C3) : Nuisance sonore;

Critère4 :(C4) : Proximité au réseau d’assainissement;

Critère5 :(C5) : Proximité au réseau de la moyenne tension;

La matrice des performances se présente comme suit (tableau (V.7)) :

Critères

Actions C1 C2 C3 C4 C5

A1 (Ilot 1) 2670 820 80 700 54

A2 (Ilot 37) 1145 710 50 820 460

A3 (Ilot 71) 3510 530 90 120 400

A4 (Ilot 102) 2180 700 70 300 800

A5 (Ilot 103) 1450 1040 54 800 120

A6 (Ilot 120) 1145 240 40 420 200

Tableau (V.7) : Matrice des performances.


Page 91

Le chargement de la matrice de performances dans notre système est représenté dans la

figure (V.22) :

Figure (V.22) : Interface Matrice de Performances avec six actions.

3.2.3. Identification des différents décideurs impliqués

Les acteurs impliqués dans ce processus d’aide à la décision sont:

Décideur 1 : Agent public.

Décideur 2 : Agent politique.

Décideur 3 : Agent environnement.

Décideur 4 : Agent économique.

Les paramètres subjectifs relatifs à chacun d’entre eux sont résumés, respectivement, dans

les tableaux suivants ((V.8), (V.9), (V.10), (V.11)) :

Paramètres


C1 20 1419 709 2128

C2 20 480 240 720

C3 20 30 15 45

C4 20 420 210 630

C5 20 450 250 675



Page 92

Paramètres


C1 30 236 115 1419

C2 30 80 40 480

C3 30 5 2 30

C4 5 70 35 420

C5 5 74 37 447


Paramètres


C1 10 946 473 1420

C2 20 230 160 480

C3 50 20 10 30

C4 10 70 35 560

C5 10 74 37 600


Paramètres


C1 30 946 473 1892

C2 5 320 160 640

C3 5 20 10 40

C4 30 280 140 560

C5 30 298 149 600


Les interfaces des agents participants après analyse multicritère par ELECTRE III sont

représentées, respectivement, par les figures suivantes ((V.23), (V.24), (V.25), (V.26)) :


Page 93

Figure (V.23) : Interface graphique de l’agent public.

Figure (V.24) : Interface graphique de l’agent politique.

Figure (V.25) : Interface graphique de l’agent environnement.

Figure (V.26) : Interface graphique de l’agent économique.

Après le test effectué au niveau de l’agent coordinateur (le nombre d’actions est inférieur à

100 (6 ilots)), ELECTRE TRI n’est donc pas lancée. Les agents appliquent la méthode


Page 94

ELECTRE III afin d’effectuer leurs vecteurs de préférences. Les interfaces du classement

effectué par chaque agent, ainsi que la matrice d’utilités sont montrées dans les figures

suivantes ((V.27), (V.28), (V.29), (V.30)):





Page 95


Une vue d’ensemble des messages échangés entre le coordinateur et les agents participants

est montrée dans la figure (V.31) suivante :

Figure (V.31) : Visualisation des messages échangés entre agents à l’aide de l’agent Sniffer.

Au bout de plusieurs messages (primitives) échangés, un consensus a été trouvé entre les

agents participants, il s’agit de l’action (Ilot 102) et le résultat est affiché par la figure (V.32)

suivante :


Page 96

Figure (V.32) : Résultat de la négociation.

4. Conclusion

Le développement de l’outil d’aide à la décision spatiale de groupe constitue l’étape du

processus de concrétisation et de validation de notre approche théorique.

Dans ce chapitre, nous avons présenté quelques résultats expérimentaux fournis par notre

système d’aide à la décision. Cet outil est dédié aux problèmes spatiaux et est basé sur un

couplage entre un système d’information géographique et un système multi-agents. Ce

dernier est doté de méthodes multicritères à savoir ELECTRE TRI et ELECTRE III intégrées

dans un protocole de négociation.

Cet outil d’aide à la décision de groupe permet d’apporter une aide considérable aux

décideurs du territoire devant faire face à des problèmes complexes faisant intervenir des

critères de natures différentes et impliquant divers décideurs aux points de vue souvent

conflictuels.

Conclusion & Perspectives


Page 97


Les problèmes décisionnels territoriaux sont à caractère spatial, de nature

multidimensionnelle, interdisciplinaires et mal définis, nécessitant la définition de plusieurs

critères souvent conflictuels dont l’importance n’est pas la même et impliquant plusieurs

personnes et institutions, ayant généralement des préférences et des objectifs souvent

divergents dont les différents points de vue doivent être pris en compte pour la décision

publique.

Dans cette optique, nous avons proposé un outil d’aide multicritères à la décision de

groupe basé sur l’argumentation. Ce dernier répond à la problématique de

localisation spatiale d’une surface satisfaisant au mieux certains critères.

L’outil proposé aborde l’aspect multicritères de la problématique considérée en

intégrant deux méthodes d’analyse multicritères très robuste ELECTRE III et

ELECTRE TRI. Ces deux méthodes ont pour objectif de ranger les actions (les

solutions possibles) selon un ordre décroissant des préférences et de trier ces actions

si le nombre est important.

L’outil élaboré traite la multiplicité des acteurs impliqués dans la prise de décision en

Aménagement du Territoire en intégrant un module SMA, où chaque acteur est

représenté par un agent. Chaque agent range les actions potentielles en utilisant

ELECTRE III selon les paramètres subjectifs exprimés par l’acteur qu’il représente.

Le SMA a été doté d’un protocole de négociation automatique qui permet de trouver

un accord entre les acteurs conduits par leurs préférences divergentes. Le protocole

choisi est basée sur la concession monotone et l’argumentation.


Page 98

Ce travail est loin d’être achevé, nous envisageons de compléter les points suivants comme

perspectives de la présente étude:

Implémentation des modules d’acquisition des données nécessaires au

fonctionnement du GDSS (critères, actions et les évaluations de chaque action par

rapport à chacun des critères).

Intégration d’une interface SIG qui permet entre autres de visualiser les actions

potentielles ainsi que le résultat final de la négociation.

Etendre l’outil pour qu’il tourne sur un réseau local, ainsi chaque acteur disposera

d’un poste sur lequel il pourra saisir ses paramètres subjectifs, et voir seulement les

messages qui lui sont destinés.

Troisième Partie

Annexes

Annexe A : Les Systèmes Multi-Agents. Annexe B : Les Systèmes d’Information Géographique.

Annexe A

Les Systèmes Multi-Agents

Plan

29. Introduction

30. Acteur et agent

31. Définition des Systèmes Multi-Agents

32. Architecture des systèmes multi-agents

33. Caractéristiques d’un SMA

34. Types d’agents

35. Catégories ou modèles d'agents

36. Les plateformes SMA

37. Conclusion

Les Systèmes Multi-Agents Annexe A

Page 99

Annexe A

Les Systèmes Multi-Agents

1. Introduction

Initialement, le domaine de l’aide à la décision cherche surtout à décrire et à résoudre des

problèmes complexes identifiés par des experts concernés. Dans ce domaine, il est possible

de construire des programmes informatiques, capables d’exécuter un nombre important de

tâches en les centralisant au sein d’un système Multi-Agents unique.

2. Acteur et agent

La distinction entre acteur et agent établie par Ferrand [Fer et al, 98] est la suivante :

« Un acteur est un individu ou un groupe d’individus intervenant au sein d’un processus social. Le

terme se réfère ici à la réalité sociale. Un agent est une entité conceptuelle participant à un

modèle ou un Système Multi-Agents. Le terme se réfère au modèle ou à son implémentation. »

Derrière les instruments d’aide à la décision, l’hypothèse la plus importante concerne

la rationalité supposée des acteurs. Parmi les nombreuses rationalités qui ont été

proposées, nous citons La rationalité complète, la rationalité limitée, la rationalité procédurale et la

rationalité adaptative.


Page 100

3. Définition des Systèmes Multi-Agents

Parmi les différentes définitions des systèmes multi-agents nous retiendrons celle de

Ferber [Fer,95] qui le définit comme un système composé des éléments suivants (figure

(A.1)):

1. Un Environnement E, c’est-à-dire un espace disposant d’une métrique.

2. Un ensemble d’objets O. Ces objets sont situés, c’est- à- dire que, pour tout objet,

il est possible, à un moment donné, d’associer une position dans E. Ces objets sont passifs,

c’est à dire qu’ils peuvent être perçus, créés, détruits et modifiés par les agents.

3. Un ensemble A d’agents qui sont des objets particuliers (A ϲ O), lesquels représentent les

entités actives du système.

4. Un ensemble de relations R qui unissent des objets (et donc des agents) entre eux.

5. Un ensemble d’opérations Op permettant aux agents A de percevoir, produire,

consommer, transformer et manipuler des objets de O.

6. Des opérateurs chargés de représenter l’application de ces opérations et la réaction

du monde à cette tentative de modification, que l’on appellera les lois de l’Univers.

Un système multi-agents (SMA) est un système composé d'un ensemble d'agents, situés

dans un certain environnement et interagissant selon certaines relations. Un agent est une

entité caractérisée par le fait qu'elle est, au moins partiellement, autonome. Ce peut-être un

processus, un robot, un être humain, etc.

Figure (A.1) : Représentation d’un agent en interaction avec son environnement et les

autres agents [Fer, 95].

http://fr.wikipedia.org/wiki/Agents

http://fr.wikipedia.org/wiki/Environnement

http://fr.wikipedia.org/wiki/Interaction

http://fr.wiktionary.org/wiki/autonomie

http://fr.wikipedia.org/wiki/Processus_informatique

http://fr.wikipedia.org/wiki/Robot


Page 101

4. Architecture des systèmes multi-agents

En reprenant les cinq problématiques précédentes, on peut décrire quelques éléments de

l'architecture d'un système multi-agents :

Les agents doivent être dotés de systèmes de décisions et de planification à

plusieurs. Les théories de la décision sont un domaine à part entière d'étude à ce sujet.

Dans la catégorie des interactions avec l'environnement, un autre problème récurrent des

systèmes d'agents est celui du pathfinding (avec son algorithme le plus connu, l'algorithme

A*).

Les agents doivent être dotés d'un modèle cognitif : Là aussi, plusieurs modèles

existent, l'un des plus classiques étant le modèle BDI (Beliefs-Desires-Intentions). Il considère

d'une part l'ensemble de croyances (Beliefs) de l'agent sur son environnement, qui sont le

résultat de ses connaissances et de ses perceptions, et d'autre part un ensemble d'objectifs

(Desires). En croisant ces deux ensembles, on obtient un nouvel ensemble d'intentions

(Intentions) qui peuvent ensuite se traduire directement en actions.

Les agents doivent être dotés d'un système de communication. Plusieurs langages

spécialisés ont vu le jour à cette fin : le Knowledge Query and Manipulation Language (KQML),

et plus récemment, le standard FIPA-ACL (ACL pour Agent Communication Language) créée

par la Foundation for Intelligent Physical Agents FIPA. Ce dernier standard repose en

particulier sur la théorie des actes de langage, chère à John Searle.

5. Caractéristiques d’un SMA

Un SMA peut-être [Joe, 97]:

ouvert : les agents y entrent et en sortent librement (ex: un café).

fermé : l'ensemble d'agents reste le même (ex: un match de football).

homogène : tous les agents sont construits sur le même modèle (ex: une colonie de

fourmis).

hétérogène : des agents de modèles différents, de granularité différentes (ex:

l'organisation d’une entreprise).

http://fr.wikipedia.org/wiki/Planification

http://fr.wikipedia.org/wiki/Th%C3%A9orie_de_la_d%C3%A9cision

http://fr.wikipedia.org/wiki/Pathfinding

http://fr.wikipedia.org/wiki/Algorithme_A*



http://fr.wikipedia.org/wiki/Mod%C3%A8le_cognitif

http://fr.wikipedia.org/wiki/Mod%C3%A8le_cognitif#Les_mod.C3.A8les_BDI

http://fr.wikipedia.org/wiki/Communication

http://fr.wikipedia.org/wiki/Langage

http://fr.wikipedia.org/wiki/KQML

http://fr.wikipedia.org/wiki/Standard

http://fr.wikipedia.org/wiki/FIPA-ACL

http://www.fipa.org/

http://fr.wikipedia.org/wiki/Acte_de_langage

http://fr.wikipedia.org/wiki/John_Searle


Page 102

6. Types d’agents

Il existe un grand nombre de typologies d’agents [Fer, 95] [Cha et al, 96][Woo, 02] , nous

retenons celle fondée sur le processus de prise de décision de l’agent. Elle distingue trois

types d’agents : réactifs, cognitifs ou délibératifs et hybrides.

Pour un certains nombre d’auteurs [May et al, 94] un agent est défini comme étant une

entité logicielle d’un système informatique qui possède les caractéristiques suivantes :

Autonomie.

Flexibilité.

Réactivité.

Proactivité.

Sociabilité.

7. Catégories ou modèles d'agents

Nous pouvons établir une classification des agents selon deux critères : agents cognitifs ou

réactifs d'une part (tableau (A.2)), (figure (A.2)), et (figure (A.3)) ; comportement

téléonomique ou réflexe d'autre part

Agents cognitifs Agents réactifs

Comportement téléonomique Agents intentionnels Agents pulsionnels

Comportement réflexe Agents "modules" Agents tropiques

Agents cognitifs Agents réactifs

– représentation explicite de l'environnement

et des autres agents

– peut tenir compte de son passé et dispose

d'un but explicite

– mode "social" d'organisation (planification,

engagement)

– petit nombre d'agents (10/20), hétérogènes à

gros grain

*Les relations entre agents s'établissent en

fonction des collaborations nécessaires à la

résolution du problème

– pas de représentation explicite de

l'environnement

– pas de mémoire de son histoire, ni de but

explicite

– comportement de type stimulus réponse

– mode "biologique "d'organisation

– grand nombre d'agents (>100), homogènes à

grain fin

* La structure du système émerge des

comportements et non d'une volonté

d'organisation

Tableau (A.1) : Catégories d'agent.

http://fr.wikipedia.org/wiki/Cognition

http://fr.wikipedia.org/wiki/R%C3%A9action

http://fr.wikipedia.org/wiki/T%C3%A9l%C3%A9onomique

http://fr.wikipedia.org/wiki/R%C3%A9flexe_%28r%C3%A9action_motrice%29


Page 103

Figure (A.2) : Modèle d’agent cognitif [Fer et al, 98].

Figure (A.3) : Modèle d’agent réactif [Fer et al, 98].

Les agents cognitifs sont la plupart du temps intentionnels, c'est-à-dire qu'ils ont des buts

fixés qu'ils tentent d'accomplir. On peut cependant trouver parfois des agents dits modules

qui, s'ils ont une représentation de leur univers, n'ont pas de buts précis. Ils pourraient servir

par exemple à répondre à des interrogations d'autres agents sur l'univers. Les agents réactifs

peuvent être séparés en agents pulsionnels et tropiques. Un agent pulsionnel aura une

mission fixée (par exemple, s'assurer qu'un réservoir reste toujours suffisamment rempli) et

déclenchera un comportement s'il perçoit que l'environnement ne répond plus au but qui lui

était affecté (le niveau du réservoir est trop bas). L'agent tropique, lui, ne réagit qu'à l'état

local de l'environnement (il y a de la lumière, je fuis). La source de motivation est dans un

cas interne (agents pulsionnels qui ont une "mission"), dans l'autre cas liée uniquement à

l'environnement.

http://fr.wikipedia.org/wiki/Univers

http://fr.wikipedia.org/wiki/Motivation


Page 104

8. Les plateformes SMA

Comme nous l’avons indiqué, les SMA constituent un instrument conceptuel pour modéliser

des domaines complexes [Man, 02]. Cependant le processus de développement reste

complexe [Woo, 02] tant au niveau conception de la distribution et de la communication

entre agents, qu’à celui des architectures et de l’implémentation.

De nombreuses propositions sont restées conceptuelles sans aboutir à des réalisations

pratiques permettant de les valider. Certains modèles sont devenus des SMA opérationnels

mais généralement les systèmes qui en résultent sont restés très dépendants de leurs

applications d’origine [Woo, 02]. Ce facteur limite beaucoup la diffusion des SMA.

Chaib-Draa et Gageut [Cha et al, 02] suggèrent que des outils formels permettraient :

L’analyse et le raisonnement des SMA,

La description des SMA

La spécification et la vérification des propriétés des SMA

L’élaboration d’une base commune sur laquelle peuvent être construites des théories

plus profondes sur l’action sociale, l’interaction et la coopération.

Ces mêmes auteurs [Cha et al, 02] pensent que la logique présente des avantages certains :

Une utilisation de la logique permet aux concepteurs de SMA de spécifier, de vérifier

et de raisonner sur ces systèmes.

Un langage défini qui identifie des classes d’objets syntaxiquement acceptables.

Une sémantique bien définie qui attribue à chaque objet une signification formelle.

Une théorie de la preuve et de la réfutabilité bien définie qui permet d’examiner de

nouvelles inférences.

Les outils génériques relèvent de deux soucis principaux, d’une part la réalisation de classes

de base traitant d’agents, d’interactions, d’organisations, etc. D’autre part des outils plus

intégrés prenant en charge la coordination entre les différents éléments du système [Gue,

03]. Actuellement, on observe une prolifération de plates-formes (tableau (A.3)) cherchant à

répondre à l’ensemble de ces problèmes. Ces plateformes sont conçues [Gue, 03] :

Par rapport à un modèle d’agent particulier et orienté vers une communication entre

systèmes distribués (par exemple : ZEUS, MadKit, JACK),


Page 105

Par rapport à un domaine d’application (CORMAS),

Comme agents mobiles (exemple : AGLETS),

Pour être orientées vers la construction de modèles de simulations (SWARM,

CORMAS).

Actuellement, on peut regrouper ces environnements de développement en cinq catégories

[Gue et al, 01] (tableau (A.2)) :

1. Les outils pour la simulation qui permettent de fournir un ensemble d’outils et

de bibliothèques pour faciliter le développement de simulations multi-agents.

2. Les outils pour l’implémentation d’architectures d’agents.

3. Les outils pour la conception fondés sur un modèle componentiel.

4. Les outils pour la conception et l’implémentation offrant un ensemble

d’utilitaires pour définir un groupe d’agents,

5. Les outils pour la conception, l’implémentation et la validation.

D’après *Gue et al, 01+, les différents environnements de programmation sont illustrés par le

tableau suivant :

Catégorie Environnements

Outils pour la simulation Swarm, Cormas, geamas, Mice

Outils pour l’implémentation Actalk, DECAF, JACK, MAGES IV, Magique,

Mocah, OSAKA, Pandora II

Outils pour la conception Alaadin, JAF, Maleva

Outils pour la conception et l’implémentation AgentBuilder, DIMA, Mask, Mercure, MACE

Outils pour la conception, l’implémentation et la

validation Desire, dMars, MAST, Zeus

Tableau (A.2) : Les différents environnements de programmation.


Page 106

Les principales plates-formes SMA disponibles et utilisables sont présentées dans le tableau

suivant :

Produit Compagnie Langage Description

AgentBuilder Reticular Systems, Inc. Java Integrated Agent and Agency

Development Environment

AgentTalk NTT LISP Multi-agent Coordination

Protocols

AgentX International Knowledge

Systems Java

Agent Development

Environment

Aglets IBM Japan Java Mobile Agents

Concordia Mistibushi Java Mobile Agents

DirectIA SDK MASA Group C++ Adaptive Agents

Gossip Tryllian Java Mobile Agents

Grasshopper IKV++ Java Mobile Agents

iGEN CHI Systems C/C++ Cognitive Agent Toolkit

Intelligent Agent Factory Bits & Pixels Java Agent Development Tool

Intelligent Agent Library Bits & Pixels Java Agent Library

JACK Intelligent Agents Agent Oriented Software

Pty.Ltd.

JACK

Agent

Langage

Agent development

Environment

JAM Intelligent Reasoning

Systems Java Agent Architecture

Jumping Beans Ad Astra Engineering, Inc Java Mobile Components

LiveAgent Alcatel Java Internet Agent Construction

MadKit Madkit Development

Group

Java,

Scheme,

Jess

Multiagent Development tool

Microsoft Agent Microsoft Corporation Active X Interface creatures

NetStepper JW’s Software Gems Agent Development Environment

Network Query Langage NQL Solutions Programming Langage

Pathwalker Futjitsu Java Agent-oriented


Page 107

programming library

Social Interaction

Framework

DFKI (German research

Institute for AI) Java

Multi-agent System

toolkit

Sodadot MIT (Artificial Intelligence

Lab)

Software Agent

User-Environment and

Construction System

SOMA (Secue and Open

Mobile Agent) Université de Bologne Java

Agent Programming

Environment

Swarm Swarm development

Group

Objective

C, Java

MultiAgent

Simulation

TeamBots

The Robotics Institute

Carnegie Mellon

University

Java Multiagent Mobile

Robotics

TuCSoN Université de Bologne Model for the

coordination of internet agents

UMPRS Intelligent Reasoning

Systems C++ Agent Architecture

Via : Versatile Intelligent

Agents Kitetoscope Java Agent Builder Blocks

Voyager Object Space Java Agent-Enhanced ORB

Zeus

British

Telecommunications

Labs

Java Agent Building Environment

Tableau (A.3) : Liste de plates-formes disponibles et utilisables.

Autres plate-formes de développement de systèmes multi-agents [Net 05], (tableau

(A.4)) :


Page 108

CORMAS (COmmon Resources Multi-Agent System) : est un framework de développement de

systèmes multi-agents, open-source et basé sur le langage de programmation orientée objet

SmallTalk . Spatialisé, il est centré sur des problématiques de recherche en sciences du

développement et de négociation entre acteurs.

JADE (Java Agent DEvelopment) est un framework de développement de systèmes multi-agents,

open-source et basé sur le langage Java. Il offre en particulier un support avancé de la norme FIPA-

ACL, ainsi que des outils de validation syntaxique des messages entre agents basé sur les ontologies.

MadKit : est une plate-forme multi-agents modulaire écrite en Java et construite autour du modèle

organisationnel Agent/Groupe/Rôle. C'est une plate-forme libre basée sur la licence GPL/LGPL

développée au sein du LIRMM.

MAGIQUE : est une plate-forme pour agents physiquement distribués écrite en Java et fournissant

un modèle de communication original d'appel à la cantonade. Dans MAGIQUE, les compétences

sont dissociées des agents. L'architecture des agents et les différentes compétences sont développées

séparément. Les compétences sont ensuite greffées comme plugin dans les agents au gré du

concepteur. Cette plate-forme est développée au sein du LIFL.

OMAS, Open Multi-Agent Asynchronous Systems : est une plate-forme de recherche développée par

l'équipe d'intelligence artificielle de l'Université de Technologie de Compiègne, sous la direction de

Jean-Paul Barthès.

JAgent : est un framework open source réalisé en Java dont l'objectif est de faciliter le

développement et le test de systèmes multi-agents.

Jason : est un environnement open source de développement d'agents dans le formalisme

AgentSpeak, et développé en Java par Jomi Fred Hübner et Rafael H. Bordini.

JACK : est un langage de programmation et un environnement de développement pour agents

cognitifs, développé par la société Agent Oriented Software comme une extension orientée agent du

langage Java.

SemanticAgent : est basé sur JADE et permet le développement d'agents dont le comportement est

représenté en SWRL. SemanticAgent est développé au sein du LIRIS, il est open-source et sous

licence GPL V3.

DoMIS : est un outil permettant la conception de Systèmes Multi-agents (orientés "pilotage

opérationnel de sytèmes complexes") et basé sur la méthode de conception B-ADSc. Axé sur la

conception, DoMIS permet l'établissement de spécifications utilisables par toute plateforme de

http://cormas.cirad.fr/

http://fr.wikipedia.org/wiki/Framework

http://fr.wikipedia.org/wiki/Programmation_orient%C3%A9e_objet

http://fr.wikipedia.org/wiki/SmallTalk_%28langage%29

http://jade.tilab.com/


http://fr.wikipedia.org/wiki/Java_%28langage%29

http://fr.wikipedia.org/wiki/Ontologie_%28informatique%29

http://www.madkit.org/

http://fr.wikipedia.org/wiki/LIRMM

http://www2.lifl.fr/SMAC/projects/magique

http://fr.wikipedia.org/wiki/Plugin

http://fr.wikipedia.org/wiki/LIFL

http://www.utc.fr/~barthes/OMAS/

http://fr.wikipedia.org/wiki/Universit%C3%A9_de_Technologie_de_Compi%C3%A8gne

http://fr.wikipedia.org/w/index.php?title=Jean-Paul_Barth%C3%A8s&action=edit&redlink=1

http://www.jagentframework.org/



http://jason.sourceforge.net/

http://fr.wikipedia.org/wiki/Open_source


http://fr.wikipedia.org/w/index.php?title=Jomi_Fred_H%C3%BCbner&action=edit&redlink=1

http://fr.wikipedia.org/w/index.php?title=Rafael_H._Bordini&action=edit&redlink=1

http://www.agent-software.com/shared/products/index.html

http://fr.wikipedia.org/w/index.php?title=Agent_Oriented_Software&action=edit&redlink=1

http://code.google.com/p/semanticagent/

http://fr.wikipedia.org/wiki/LIRIS

http://iegd.institut.online.fr/B-ADSc-intelligence-systeme-fr.htm

http://fr.wikipedia.org/w/index.php?title=B-ADSc&action=edit&redlink=1


Page 109

développement capable de simuler, au mieux, le temps réel.

AnyLogic : Logiciel de simulation multi-agents et multi-méthode.

Jadex : est une plate-forme agent développée en JAVA par l'université de Hambourg qui se veut

modulaire, compatible avec de nombreux standards et capable de développer des agents suivant le

modèle BDI.

SPADE : est un environnement de développement d'organisations multi-agents basé sur le

protocole XMPP et est écrit en Python .

Tableau (A.4) : Autres Plate-formes de développement de systèmes multi-agents.

9. Conclusion

Si de nombreux environnements Multi Agents ont pour objectif de faire coopérer les agents

en vue de la réalisation d'un but commun, d'autres systèmes en revanche utilisent des

agents qui ont des intérêts nécessitant une négociation entre eux. En effet, lorsque plusieurs

agents interagissent, des conflits peuvent survenir, ce qui nécessite l’utilisation de

mécanismes de résolution de conflits.

http://fr.wikipedia.org/wiki/AnyLogic

http://jadex.informatik.uni-hamburg.de/bin/view/About/Overview

http://spade.gti-ia.dsic.upv.es/

http://fr.wikipedia.org/wiki/Extensible_Messaging_and_Presence_Protocol

http://fr.wikipedia.org/wiki/Python_%28langage%29

Annexe B

Les Systèmes d’Information Géographique

Plan

38. Introduction

39. Définitions

40. Les données du SIG

41. Les couches d’informations

42. Les modes de représentation de l’information

géographique dans un SIG

a. Le mode Vectoriel

b. Le mode Matriciel (Raster)

c. La comparaison entre le mode vectoriel et le mode

matriciel

43. Les fonctionnalités d’un SIG

a. L’Abstraction

b. L’Acquisition des données

c. L’Archivage

d. L’Analyse

e. L’Affichage

44. Les problématiques d’AT et les SIGs

a. La recherche d’une surface satisfaisant au mieux

certains critères

b. La recherche de plusieurs surfaces

c. La recherche d’un tracé reliant des points

d. La conception d’un réseau linéaire devant relier

plusieurs points

e. La conception d’un réseau de polygones

45. Conclusion

Les Systèmes d’Information Géographique Annexe B

Page 110

Annexe B

Les Systèmes d’Information

Géographiques

1. Introduction

Le premier système d'information géographique a été mis en place vers la fin des années 60

par le gouvernement fédéral Canadien, qui avait besoin d’un outil pour effectuer ses activités

de cartographie et assurer la gestion ainsi que la mise à jour de la base de données territoriale

nationale [Roh, 02].

Depuis, les SIGs n’arrêtent pas d’évoluer surtout avec le développement de l’informatique et

la prise de conscience environnementale.

En effet, la notion de développement durable a poussé les recherches dans ce domaine,

appuyée par l’accroissement de la mémoire des ordinateurs et l’amélioration des

performances des calculs.

Ainsi la gestion des informations volumineuses, la visualisation des cartes géographiques et

leurs traitements devinrent possibles et plus faciles.

Actuellement, l’utilisation des SIGs s’est démocratisée et concerne des domaines différents

tels que la cartographie sur Internet, le calcul d'itinéraires, l’utilisation des solutions

embarquées liées au GPS (Global Positioning System), etc.

2. Définitions

De nombreux auteurs ont donné une définition et une description des SIG, citons en

quelques exemples :


Page 111

1. « Un SIG est un ensemble organisé de matériels informatiques, de logiciels, de données

géographiques et de personnel capable de saisir, stocker, mettre à jour, manipuler, analyser et

présenter toutes les formes d’informations géographiquement référencées » [Blo, 94].

2. « Le SIG est un système doté de fonctions de modélisation spatiale puissante ».

3. « Le système d’information géographique est un système de gestion de base de données pour la

saisie, le stockage, l’extraction, l’interrogation, l’analyse et l’affichage de données localisées » [Lau,

93].

Les anglophones utilisent le terme GIS (Geographic Information System) sans faire de

distinction entre le logiciel et l'application qui l'utilise [The, 96].

En francophonie, il existe au contraire une multitude de termes pour définir des «sous-

catégories» de SIG.

En général, le terme correspondant au «GIS» des anglophones est « SIRS » : Système

d'Information à Référence Spatiale.

Les SIRS concernent deux catégories : les SITs (Les Systèmes d’Information du Territoire) et

les SIGs [The, 96].

Les SITs concernent plus spécifiquement le traitement administratif des données d'échelle

cadastrale, alors que les SIGs visent l'étude synthétique des milieux et des activités

distribuées sur le territoire, tels qu'on les perçoit à l'échelle locale et régionale [The, 96].

Dans le contexte de ce travail, la notion de «SIG» évoque, généralement, le logiciel utilisé

pour gérer les données spatiales, et non l’application qui englobe, en plus du logiciel, les

données et certaines fonctions développées pour des besoins spécifiques.

3. Les données du SIG

L’information est dite géographique lorsqu’elle est liée à une localisation dans un système de

référence. Elle peut être géographique par nature, comme en topographie, ou géographique

par destination, telles que les données socioéconomiques attachées à une entité

administrative. Elle est composée de [The, 96] :

Les données descriptives (ou attributaires) : qui renvoient l'ensemble des attributs

descriptifs des objets et des phénomènes existants à l'exception de la forme et de la

localisation (données sans géométrie).

Les données géométriques : qui renvoient la forme et la localisation des objets ou des

phénomènes existants.


Page 112

Les données graphiques : qui renvoient les paramètres d'affichage des objets (type

de trait, couleur, etc.).

Les métadonnées : associées, c'est à dire les données sur les données (date

d'acquisition, nom du propriétaire, méthode d’acquisition, etc.

4. Les couches d’informations

Les informations contenues dans un SIG sont organisées généralement sous forme de

couches. Chaque couche contient des objets de même type (routes, bâtiments, cours d'eau,

limites de communes, entreprises, etc.) et facilite leurs présentations ainsi que leurs

manipulations [Dne et al, 96].

Figure (B.1) : Organisation en couches.

5. Les modes de représentation de l’information géographique

La géométrie des données spatiales est représentée à l’aide de deux modes :

5.1. Le mode Vectoriel

Vise à représenter les objets à la surface du globe, en utilisant les primitives géométriques

suivantes : point, segment, ligne, polygone.

Figure (B.2) : Primitives géométriques utilisées en mode vectoriel.

Point Arbre et sa

hauteur

Segment Un tronçon de

route, sa largeur

Ligne Une route

Polygone Une zone cultivée

et sa surface


Page 113

5.2. Le mode Matriciel (Raster)

Il s’agit d’une image, d’un plan ou d’une photo numérisés (Images satellitaires,

Photographies aériennes numériques (orthophoto) ou de modèles numériques de terrain) et

affichés dans le SIG en tant qu'image.

Figure (B.3) : Image satellitaire d’Oran (Captée par le satellite Alsat1).

5.3. La comparaison entre le mode vectoriel et le mode matriciel [Gue, 03]

Raster Vecteur

Avantages

- Structure de données simple.

- Puissance des opérations

numériques.

- Modélisation régulière du fait de la

forme régulière des cellules.

- Technologie à un bon marché et en

développement.

- Supports idéaux pour de nombreux

types de données.

- Bonne représentation de la structure

des données.

- Structure compacte.

- Projection géographique et

translation aisées.

- Qualité de représentation aux

différentes échelles.

- L’extraction, la mise à jour et la

généralisation des données sont

possibles.


Page 114

Inconvénients

- Gros volume de données.

- Qualité graphique irrégulière et perte

d’informations, due au choix des

cellules.

- Projection géographique nécessitant

des algorithmes adaptés pour éviter

la distorsion de la grille.

- Structure de données complexe.

- Intersection nécessitant une

puissance de calcul.

- Visualisation et impression

nécessitant un temps d’affichage

important.

- Contenu homogène de chaque

polygone rendant l’analyse spatiale

impossible.

- Simulation difficile car chaque

polygone a une forme propre.

Tableau (B.1) : Comparaison entre le mode vectoriel et le mode matriciel.

6. Les fonctionnalités d’un SIG

Les systèmes d’information géographique diffèrent selon leurs domaines d’applications et

les demandes qu’ils doivent satisfaire.

Toutefois ils ont en commun des fonctionnalités que l’on retrouve dans chaque système

regroupées en 5 familles sous le nom des « 5A » [Man, 02] pour : Abstraction, Acquisition,

Archivage, Affichage et Analyse.

6.1. L’Abstraction

C’est la modélisation des données géographiques et de leurs spécifications afin de

représenter le monde réel. Ces représentations cherchent à reproduire le plus fidèlement

possible la réalité d’une manière compréhensible par les utilisateurs et utilisable

informatiquement dans le but de répondre à des objectifs donnés.

6.2. L’Acquisition des données

Concerne la récupération de l’information existante (Données qui peuvent provenir de

fournisseurs extérieurs, de numérisation directe ou de traitements particuliers comme des

images satellites par exemple) et son intégration dans le système.


Page 115

6.3. L’Archivage

C’est la fonctionnalité qui permet le stockage des données de façon à les retrouver et les

utiliser facilement par des applications variées.

6.4. L’Analyse

Concerne la manipulation et l’interrogation des données géographiques. Elle est considérée

comme étant le cœur du SIG.

6.5. L’Affichage

Vise à assurer la fonction de visualisation et de mise en forme dans le SIG. Cette opération

est très importante car elle assure la convivialité et ergonomie les applications. Un SIG

performant doit permettre la visualisation rapide et directe du résultat d’un traitement, ainsi

que la visualisation intelligente de certains attributs.

7. Les problématiques d’AT et les SIGs

Nous pouvons distinguer cinq types de problématiques d’aménagement qui bénéficient de

l’apport des SIGs (Des problématiques ayant un lien direct avec la dimension spatiale du

territoire) [Joe, 97] :

7.1. La recherche d’une surface satisfaisant au mieux certains critères

Il s’agit, par exemple, de la localisation d’une infrastructure tel qu’un bâtiment administratif,

une usine, une station d’épuration etc. Le nombre de variantes pour ce type de

problématique peut être très grand, mais il est, en général, possible de les énumérer toutes.

Dans ce cas, la problématique ne comprend que la détermination du site (Où ?).

7.2. La recherche de plusieurs surfaces

Dans ce cas, en plus de la localisation des surfaces, la problématique peut aussi concerner

leur nombre, leur ordre de réalisation ou leur combinaison si toutes les surfaces ne sont pas

destinées à la même utilisation.

7.3. La recherche d’un tracé reliant des points

Ce tracé pourrait être celui d’une ligne électrique, d’une route, d’une conduite d’eau, etc.

Ces problématiques considèrent non seulement la localisation du tracé mais aussi la forme

du tronçon.


Page 116

7.4. La conception d’un réseau linéaire devant relier plusieurs points

Ce réseau peut, cette fois aussi, être un réseau électrique, routier, d’approvisionnement en

eau etc. La forme du réseau, le nombre de nœuds et de tronçon doit être pris en compte.

7.5. La conception d’un réseau de polygones

Cette problématique est rencontrée, par exemple, lors de la conception de plans de zones, où

l’ensemble d’une région est découpé en polygones (mutuellement exclusifs) qui définissent

le type d’utilisation du sol autorisé. L’objectif ne se restreint pas à attribuer à chaque endroit

la meilleure utilisation du sol, il faut aussi considérer le voisinage des zones et l’organisation

globale du plan proposé.

8. Conclusion

Les SIGs ont montré leur efficacité essentiellement en ce qui concerne la gestion et la

représentation des données spatiales. Ils offrent une véritable aide dans ces domaines en

utilisant leurs diverses fonctionnalités.

D’un autre côté, et malgré leurs fonctionnalités d’analyse spatiale, les SIGs actuels s’avèrent

insuffisants dans des problèmes à caractère spatial (notamment la gestion du territoire). Ceci

est du à l’impossibilité des SIGs d’agréger les informations qu’ils produisent pour en tirer un

classement ou un choix (la plupart des utilisateurs effectue cette étape manuellement).

Aussi, cette insuffisance est due à la présence de plusieurs intervenants avec des objectifs

contradictoires.

Pour surmonter les insuffisances des SIGs, dans le domaine d’aide à la décision en général et

en AT en particulier, plusieurs tentatives sont disponibles dans la littérature. La solution

adaptée dans le contexte de notre travail est l’intégration des SIG avec les méthodes

d’analyse multicritères (AMC).

Bibliographie

Bibliographie

Page 117

Bibliographie

[All, 02]

N.E.Allal,(2002) : Méthodologie de mise en œuvre d'un système d'information

géographique pour le suivie d'un plan d'occupation du sol (Application au POS d'El-

Hammar, Gdyel), Mémoire de magistère, Centre national des techniques spatiales

(CNTS), Arzew, Oran, Algérie.

[Amg et al, 04a]

Amgoud, L. and Prade, H. (2004a). Generation and evaluation

of different types of arguments in negotiation. In 10th International Workshop on

Non-Monotonic Reasoning, NMR’2004, Session Argument, Dialogue, Decision,

Whistler, Canada.

[Amg et al, 04b]

Amgoud, L. and Prade, H. (2004b). Un modèle de négociation basé sur la logique

possibiliste. In Congrés Francophone Reconnaissance des Formes et Intelligence

Artificielle, RFIA’2004, Toulouse, France.

[Ans, 95]

Anson, R., An Experiment Assessing Group Support System and Facilitator Effects on

Meeting Outcomes, Management Science (41:2), 1995, pp. 189-208.

[Bau et al, 01]

Bauer, B., Müller, J. P., and Odell, J. (2001). Agent uml : A formalism for

specifyingmultiagent interaction. In Ciancarini, P.and eds., M.W, editors,Agent-

Oriented Software Engineering, pages 91–103, Berlin. Springer.

[Ben et al, 00]

Benyoucef, M., Keller, R. K., Lamouroux, S., Robert, J., and Trussart, V. (2000).

Towards a Generic E-Negotiation Platform. In Proceedings of the Sixth International

Conference on Re-Technologies for Information Systems, pages 95–109, Zurich,

Switzerland.

[Ben et al, 93]

Benbassat, I.G. & L.H. Lim (1993): The effects of Group, Task, Context, and

Technology Variables on the Usefulness of Group Support Systems: A Meta- Analysis of

Experimental Studies”, Small Group Research, Vol. 24, N° 4, pp. 430-462.

[Ben, 00]

Ben Mena. S.,(2000): Introduction aux méthodes multicritères d’aide à la décision .

Unité de Mathématique. Faculté universitaire des Sciences agronomiques de

Gembloux. Passage des Déportés, 2. B–5030. Gembloux (Belgique).

[Bic et al, 99]

Bichler, M., K Bichaukal, M., and Segev, A. (1999). Multi-attribute auctions for

electronic procurement. In Proc. 1st IBM IAC Workshop on Internet

Based Negotiation Technologies, Yorktown Heights.

Bibliographie

Page 118

[Blo, 94] Blomac F., (1994) : Concepts et applications en géomatique ,ArcInfo, Edition Hermès.

[Bui, 92]

Bui, T.X. (1992): Evaluating Negotiation Support Systems: A Conceptualization,

Proceedings of the 27th Hawaii International Conference on System Science, Maui.

[Car et al, 99]

Carbogim, D. and Robertson, D. (1999). Contractbased Negotiation via

Argumentation (preliminary report).

[Cha et al, 96]

Chavez, A. and Maes, P. (1996). Kasbah : An Agent Marketplace

for Buying and Selling Goods. In Proceedings of the First International Conference

on the Practical Application of Intelligent Agents and Multi-Agent Technology,

London, UK.

[Che et al, 05]

Chen M., Y. Liou, C.W. Wang, Y.W Fan, & Y.P.J Chi (2005): TeamSpirit: Design,

implementation, and evaluation of Web-based group decision support system. Elsevier

B.V., Decision Support System.

[Chi, 96]

Chidambaram, L. (1996): Relational development in computer supported groups,

Management Information Systems Quarterly Vol. 20, N° 2, pp. 143-166.

[Col et al, 98]

Collins, J., Youngdahl, B., Jamison, S., Mobasher, B., and Gini, M. (1998). A

Market Architecture for Multi-Agent Contracting. In 2nd Int’l Conf on Autonomous

Agents, pages 285–292, Minneapolis.

[Col et al, 99]

Collis, J. C. and Ndumu, D. T. (1999a). The Role Modelling Guide. Technical report,

British Telecommunications.

[Con et al, 92]

Conry, S., Kuwabara, K., Lesser,V., and Meyer, R. (1992). Multistage Negotiation in

Distributed Constraint Satisfaction. IEEE Transactions on Systems,Man and

Cybernetics, 21(6) :1462–1477.

[Dal, 93]

Daly, B. (1993): The influence of face-to-face versus computer mediated communication

channels on collective induction”, Accounting, Management and Information

Technology, Vol. 3, N°1, pp. 1-22.

[Den, 07]

Denguier-Rekik, A (2007): Un cadre possibiliste pour l’aide à la décision multicritère et

multi-décideurs. Application au marketing et au benchmarking de sites E-commerce.

Thèse de doctorat de l’université de Savoie (France).

[Den, 88]

Dennis, A. (1988): Group Support Systems for Strategic Planning, Journal of

Management Information Systems, Vol. 14, N° 1, pp. 155-184.

[DeS et al, 87]

De Sanctis, G. & B. Galuppe (1987): A foundation for the study of group decision

support systems, Management Science, Vol. 33, N° 12, pp. 1589 1609.

[Dne et al, 96]

J.Denegre et F.Salge,(1996) : Les systèmes d'information géographique , Institut

Géographique National (IGN), Paris, PUF, Collection : Que sais-je ?.

[Fav, 97] Favier, M. (1997) : Comment gérer une équipe virtuelle. Une approche par les systèmes

d’aide à la décision collective sur Internet , Actes du 3ème Colloque de l’A.I.M., p. 15,

Bibliographie

Page 119

Strasbourg (France).

[Fer et al, 98]

J. Ferber et O. Gutknecht (1998) : A meta-model for the analysis and design of

organizations in multi-agent systems, Third International Conference on Multi-Agent

Systems, ICMAS.

[Fer, 95]

J.Ferber.,(1995) :Les systèmes multi-agents, vers une intelligence collective », InterEditions.

[Gal et al, 92]

Gallupe, R.B., W.H. Cooper, J.S. Valacich, L.M. Bastianutti & J.F. Nunamker

(1992) : Electronic Brainstorming and Group Size, Academy of Management Journal,

Vol. 35, N° 2, pp. 350-369

[Gue, 03]

F. Guerroudji.Meddah,(2003) : La gestion du patrimoine bâti par les SIG ,Mémoire

de Magister, Département d’Informatique, Faculté des Sciences, USTO.

[Ham et al, 09]

D.Hamdadou et S.Oufella (2009) : Conception d'un Système Interactif d'Aide à la

Décision Collective en Localisation Spatiale. CIIA 2009.

[Ham, 08]

D.Hamdadou (2008) : Un Modèle pour la Prise de Décision en Aménagement du

Territoire: Une Approche Multicritère et une Approche de Négociation, Thèse de

doctorat en Informatique, Université d'Oran, Es-Sénia.

[Hol, 89] Holtzman, S. (1989): Intelligent decision systems, Addison Wesley.

[Jab et al, 05]

Jabeur K. et Martel J.M. (2005) : La décision de groupe : l’application de méthodes de

surclassement de synthèse. Bulletin du Groupe de Travail Européen Aide

Multicritère à la décision, série 3, numéro 11, pp 1-5.

[Jen et al, 00]

Jennings, N. R., Faratin, P., Lomuscio, A. R., Parsons, S., Sierra, C., and

Wooldridge, M. (2000). Automated Negotiation: Prospects, Methods and Challenges.

Int. Journal of Group Decision and Negotiation, 10(2): 199–215.

[Joe, 97]

F. Joerin,(1997) : Décider sur le territoire : Proposition d’une approche par l’utilisation

de SIG et de AMC , Thèse Doctorat, Ecole Polytechnique Federale de Lausanne,

Suisse.

[Joh et al, 91]

Johansen, R., D. Sibbet, S. Benson, A. Martin, R. Mittelman & P. Saffo (1991):

Leading Business Teams,Addison-Wesley.

[Jon et al, 01]

Jonker, C. M. and Treur, J. (2001). An Agent Architecture for Multi-Attribute

Negotiation. In Nebel, B., editor, Proceedings of the 17th International Joint

Conference on AI, IJCAI’01, pages 1195 – 1201.

[Jos, 09] José M Vidal (2009), Fundamentals of Multiagent System.

[Kee et al, 78]

Keen, P., & M. Scott-Morton (1978): Decision Support Systems: an organizational

perspective, Addison-Wesley Publishing.

[Ker, 86] Kersten, G.E. (1986): Generalized approach to modelling negotiations, European

Journal of Operational Research, Vol. 26, pp. 124-142.

http://www.informatik.uni-trier.de/~ley/db/conf/ciia/ciia2009.html#OufellaHB09

Bibliographie

Page 120

[Kle, 97]

Klein M.(1997): Capturing Geometry Rationale for Collaborative Design. In Proceedings

of the Sixth IEEE Workshop on Enabling Technologies : Infrastructue for Collaborative

Enterprises (WET ICE'97), MIT, Juin 1997. IEEE Computer Press. |Cf. pages: 92

[Kra et al, 98] Kraus, S., Sycara, K., and Evenchik, A. (1998). Reaching agreements through

argumentation: a logical model and implementation. Artificial Intelligence, 104: 1–69.

[Kra, 88] Kraemer, K.L. (1988) : Computer-Based systems for cooperative work and group decision

making, ACM Computing Surveys, Vol. 20, N° 2, pp. 115-146.

[Lab, 06]

Laborie, F. (2006) : Le concept de salle de décision collective et son application aux

processus complexes EADS , Thèse de doctorat, Université Paul Sabatier, Toulouse

(France).

[Lau, 93]

R.Laurini,(1993) : Les bases des données en géomatiques», Traité desTechnologies–

série géomantique Edition Hermés, Paris.

[Lév, 89]

Lévine P. & J. Pomerol (1989) : Systèmes interactifs d’aide à la décision et systèmes

experts , Editions Hermès.

[Lyy et al, 93]

Lyytinen, K., P. Maaranen & J. Knuuttila (1993) : Unusual Business or Business as

Usual: An Investigation of Meeting Support requirements in Multilateral Diplomacy,

Accounting, Management & Information Technology, Vol. 3, N° 2, pp. 97-117.

[Man, 02] E.Mangin,(2002) : Concertation et vote électronique, étude bibliographique.

[Mar, 99]

Marakas, G.M. (1999): Decision Support Systems in the Twenty-First Century,

Prentice Hall, Upper Saddle River, (N.J., USA).

[May et al, 94]

L. Y. Maystre, J Pictet et J. Simos, (1994) : Méthodes multicritères ELECTRE, Presse

Polytechniques et Universitaire.

[McG, 94]

McGrath, J.E. & A.B. Hollingshead (1994): Groups Interacting with Technology:

Ideas, Evidence, Issues and Agend”, Sage Publications.

[Mey et al, 88]

Meyer, R. A., Conry, S. E., and Lesser, V. R. (1988). Multistage negotiation in

distributed planning. In Bond, A. and Gasser, L., editors, Reading In Distributed

Artificial Intelligence, pages 367–386, Los Altos, CA. Morgan Kaufmann

Publishers.

[Min, 79] Mintzberg, H. (1979): The structuring of Organization, Prentice Hall.

[Mir, 99]

Miranda, (1999): Meeting facilitation: Process versus content interventions. Journal of

Management Information Systems, Vol. 15, N° 4, pp. 89-114.

[Nor, 98]

Noriega, P. (1998). Agent mediated auctions: The Fishmarket Metaphor. PhD thesis,

University of Barcelona.

[Nun, 91]

Nunamker, (1991): Information Technology for Negotiating Groups: Generating

Options for Mutual Gain, Management Science, Vol. 37, N° 10, pp. 1325- 1346.

[Nwa et al, 99] Nwana, H. S., Ndumu, D. T., Lee, L. C., and Collis, J. C. (1999). ZEUS: A Toolkit

for Building Distributed Multi-Agent Systems.

Bibliographie

Page 121

[Ouf et al, 08b]

S.Oufella, D.Hamdadou, K.Bouamrane (2008) : Proposition d’un modèle d’aide à la

négociation pour les problèmes d’aménagement du territoire, COSI, Colloque sur l’Optimisation et les Systèmes d’Information,Tizi Ouzou, Algérie.

[Par et al, 96]

Parsons, S. and Jennings, N. R. (1996). Negotiation through argumentation - a

preliminary report. In Proc. Second Int. Conf. on Multi-Agent Systems, pages 267–

274, Kyoto, Japan.

[Pel, 04]

V.Pellissier, (2004): Evaluation des Stratégies pour la Gestion du Risque

Sismique du Bâtiment, Thèse Doctorat, Ecole Polytechnique Fédérale De Lausanne

(EPLF), Suisse.

[Pin, 90]

Pinsonneault, A. (1990): The effects of Electronic Meetings on Group Processes and

Outcomes: An Assessment of the Empirical Research, European Journal of Operational

research, Vol. 46, N° 2, pp. 143-161.

[Ras et al, 91]

Rasmussen, J., B. Brehmer & J. Leplat (1991): Distributed decision making,

Cognitive model for cooperative work, John Wiley, England.

[Roh, 02]

S.Roche (2002) : Les enjeux sociaux de systèmes d’information de géographie , Les cas

de la France et du Québec, coll Géographie sociale. Edition de l’Harmattan, Paris,

[Rom et al, 99]

Romano, N.C., J.F. Nunamker, R.O. Briggs & D.D. Mittleman (1999): Distributed

GSS facilitation and participation: field action research, Proceedings of the 32nd

Annual Hawaii International conference on Systems Sciences, January 5-8, p. 12,

Maui (HI, USA).

[Roy et al, 93]

B. Roy, D. Boyssou,(1993) Aide multicritère à la décision : Méthodes et cas , Economica, Paris, 1993.

[Roy, 85]

B. Roy, (1985) : Méthodologie multicritère d'aide à la décision, Journal Economica,

Paris.

[Roy, 93]

Roy, B. & D. Bouyssou (1993) : Aide multicritère à la décision : méthodes et cas.

Economica, Paris (France).

[Roy, 94]

Roy B., (1994) : Méthodes multicritères ELECTRE: description, conseils pratiques et cas

d'application à la gestion environnementale, Par Lucien Yves Maystre, Jacques Pictet,

Jean Simos, Bernard Roy Collaborateur Jacques Pictet, Jean Simos, Bernard Roy

Publié par PPUR presses polytechniques, 1994.

[Roy, 97]

B. Roy (1997) : Un Chainon manquant en RO-AD, les conclusions robustes, Cahiers

N°144. LAMSADE, Laboratoire d'Analyse Multicritère et Modélisation de

Systèmes pour Aide à la Décision, Université de Paris Dauphine, Paris.

[San, 93]

Sandholm, T. (1993). An Implementation of the Contract Net Protocol Based on

Marginal Cost Calculations. In Eleventh National Conference on Artificial

Intelligence, AAAI-93, pages 256–262, Washington DC. (Acceptance Rate 24%).

Bibliographie

Page 122

[Sch, 85]

A.Schärlig, (1985) Décider sur plusieurs critères, panorama de l’aide à la décision

multicritère , Collection Diriger l’entreprise, Presses Polytechniques et

Universitaires Romandes, Lausanne, Suisse.

[Sch, 94]

Schneider, D. K. (1994). Modélisation de la démarche du décideur politique dans la

perspective de l'intelligence artificielle. Thèse de l'Université de Genève, Suisse.

[Sha, 98]

Shaw, G.J. (1998): User satisfaction in group support systems research: a Meta analysis

of experimental results”, Proceedings of the 31st Annual Hawaii International

Conference on System Sciences, pp. 360-369.

[Sie et al, 97]

Sierra, C., Faratin, P., and Jennings, N. R. (1997). A service oriented negotiation

model between autonomous agents. In Proc 8th European workshop on Modeling

Autonomous Agents in a Multi-Agent World, MAAMAW-97, pages 17–35,

Ronneby, Sweden.

[Sim, 77]

Simon H. (1977): “The New science of management decision”, Prentice hall,

Englewood-Cliffs.

[Smi, 80]

Smith, R. G. (1980): The Contract Net Protocol: high-level communication and

control in a distributed problem solver. IEEE Transactions on computers, C-

29(12):1104–1113.

[Smi, 90]

Smith, J.Y. (1990): Dispensed group decision making using a non-simultaneous

computer conferencing: a report of research, Journal of Management Information

Systems, Vol. 7, N° 2, pp. 71-92.

[Str et al, 01]

Ströbel, M. and Stolze, M. (2001): A Matchmaking Component for the Discovery of

Agreement and Negotiation Spaces in Electronic Markets. In Proceedings of Group

Decision and Negotiation, pages 61–75, La Rochelle, France.

[Str, 00]

Ströbel, M. (2000): A Framework for Electronic Negotiations Based on Adjusted Winner

Mediation. In Proceedings of the DEXA 2000 Workshop on e- Negotiations, pages

1020 1028, London, UK.

[Str, 01a]

Ströbel, M. (2001a): Communication Design for Electronic Negotiations on the Basis of

XML Schema. In Proceedings of the 10th World Wide Web Conference, pages 9–20,

Hong Kong. 177

[Str, 01b]

Ströbel, M. (2001b): Design of Roles and Protocols for Electronic Negotiations.

Electronic Commerce Research, Special Issue on Market Design, 1(3) :335–353.

[Syc, 90]

Sycara, K. (1990): Persuasive argumentation in negotiation. Theory and

Decision, 28 :203–242.

[The, 96]

M.Thériault,(1996) :«Systèmes d’information géographique : Concepts fondamentaux, Note de cours, LATIG, Département de géographie, Univ. Laval, Québec, Note de

documents de cours.

[Til, 00] M.Tille,(2000) : Choix de Variantes d’Infrastructures Routières :Méthodes Multicritères ,

Thèse Doctorat, Ecole Polytechnique Fédérale de Lausanne (EPLF), Suisse.

Bibliographie

Page 123

[Tur, 95]

Turban, E. (1995): Decision Support and Expert Systems”, Macmillan, New York

(USA).

[Ull, 06]

Ulle Endriss(2006), Monotonic Concession Protocols for Multilateral Negotiation, Institut de la logique, Université d’Amsterdam.

[Val et al, 92]

Valacich, J.S., A.R. Dennis & J.F. Nunamker (1992): A Conceptual Framework of

Anonymity in Group Support Systems, Proceedings of the 25th Hawaii International

Conference on Systems Sciences, Vol. 3, pp. 101-112.

[Ver, 01]

Verrons, M.-H. (2001) : Etude de la négociation entre agents autonomes. Université

des sciences et technologies de Lille. Rapport de stage de DEA.

[Woo, 02]

Michael Wooldridge, (2002): An Introduction to Multiagent Systems, Université

de Liverpool, UK.

[Wur et al, 98]

Wurman, P. R.,Wellman, M. P., andWalsh,W. E. (1998): The Michigan Internet

AuctionBot : A Configurable Auction Server for Human and Software Agents. In

Proceedings of the Second International Conference on Autonomous Agents

(Agents-98), Minneapolis, MN, USA.

WeboGraphie

WeboGraphie

Page 124

WeboGraphie

[Net 1] http://fr.wikipedia.org/wiki/Coopérative

[Net 2] www.developper.com

[Net 3] http://fr.wikipedia.org/wiki/Jeu_coop%C3%A9ratif_(th%C3%A9orie)

[Net 4] http://fr.wikibooks.org/wiki/Programmation_JBuilder/Introduction

[Net 5] http://fr.wikipedia.org/

http://www.developper.com/

http://fr.wikipedia.org/wiki/Jeu_coop%C3%A9ratif_(th%C3%A9orie)

http://fr.wikibooks.org/wiki/Programmation_JBuilder/Introduction

http://fr.wikipedia.org/

Résumé

Thème de recherche : Elaboration d’un Système d’Aide Multicritères à la

Décision Spatiale de Groupe : Vers une Négociation par Argumentation.

Les problèmes décisionnels territoriaux sont à caractère spatial, de nature

multidimensionnelle, et mal définis, nécessitant la définition de plusieurs critères souvent

conflictuels dont l’importance n’est pas la même et impliquant plusieurs individus et

institutions, ayant généralement des préférences et des objectifs souvent divergents et dont

les différents points de vue doivent être pris en compte pour la décision finale.

Dans cette perspective, il nous a semblé intéressant d’élaborer un système d’aide à la

décision de groupe basé sur deux représentations de la réalité : les Systèmes Multi Agents

(SMA) et les Systèmes d’Information Géographique (SIG). Le modèle proposé (NARGSMA)

permet de prendre en compte la dimension spatiale et les intérêts spécifiques et divergents

des différents acteurs du territoire impliqués pour enfin arriver à un accord acceptable.

Le modèle décisionnel proposé est composé de deux principaux modules : le module SIG

permettant de représenter le territoire et le module SMA permettant de représenter les

diversités des acteurs concernés par la décision en Aménagement du Territoire (AT) afin de

parvenir à un accord qui satisfait ces différents acteurs. Nous dotons le module SMA d’un

protocole de négociation basé sur la concession monotone et l’argumentation, mettant en

scène un agent coordinateur responsable du bon déroulement de la négociation et un

ensemble d’agents participants représentant les différentes entités impactées par la décision

en AT.

L’outil proposé aborde l’aspect multicritères en intégrant deux méthodes d’analyse

multicritères très robustes par l’agrégation partielle ELECTRE III et ELECTRE TRI.

Mots clés :

Système Multi Agent (SMA); Système d’Information Géographique (SIG); Aménagement du

Territoire; Système d’Aide à la Décision de Groupe (GDSS); ELECTRE III; ELECTRE TRI;

Surclassement; Analyse Multicritères; Argumentation; Protocole de Négociation .

Elaboration d’un Système d’Aide Multicritères à · 5.1.2. Les objets de la négociation 59...

Documents

Transcript of Elaboration d’un Système d’Aide Multicritères à · 5.1.2. Les objets de la négociation 59...