La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Institut Supérieur de Gestion Laboratoire de recherche SOIE

Présentations similaires


Présentation au sujet: "Institut Supérieur de Gestion Laboratoire de recherche SOIE"— Transcription de la présentation:

1 Institut Supérieur de Gestion Laboratoire de recherche SOIE
ACMO : Approche Comportementale Multi-Objectif pour les Systèmes complexes At it's most basic, behavior can be described as typical and abnormal, according to social, biological, cultural, or some other norming reference- in other words, what's considered normal can change based on where and when (in time) you are. For a list of abnormal behaviors (according to today's norms), do a search for the Diagnostic and Statistical Manual (4th Edition). This is used by psychologists, physicians, and others to determine abnormal behavior, and has been modified several times, and is considered to be a work in continual progress. MC. Lamjed Ben Said Université de Tunis Institut Supérieur de Gestion Laboratoire de recherche SOIE Équipe MoS Journées Systèmes Complexes Cité des Sciences Tunis avril 2012

2 Vision comportementale
Leadership Vision comportementale Mimétisme Créativité Vision Rationnelle Anxiété / Méfiance Excès de confiance Sentiment que l'on a lorsqu'on se sent en présence d'une adéquation entre les ressources nécessaires pour faire face à une situation et celles que l'on a réellement pour y faire face. Je suis capable de...! Anxiété Elle crée un sentiment de l’imminence d’un danger, une attitude d’attente devant le danger, le désarroi,... les investisseurs sont beaucoup plus sensibles aux changements négatifs de leurs richesses (pertes), plutôt qu'aux changements positifs (gains), Les investisseurs sont disposés à prendre beaucoup plus de risques pour éviter des pertes. Attitude Ancrage Les individus formulaient leurs estimations en partant d’une valeur initiale et en l’ajustant pour donner leurs réponses finales .

3 Quelques notions de base
Psychologie : étude scientifique des comportements observables et des attitudes comportementales agissants sur les processus mentaux Comportement : action ou réaction des humains, des animaux et des systèmes qui est observable Attitude : une prédisposition à agir / ensemble de jugements, de tendance, un état d’ésprit qui poussent à certains comportements Le terme « comportement » désigne les actions d'un être vivant. Il a été introduit en psychologie française en 1908 par Henri Piéron comme équivalent français de l'anglais-américain behavior. On l'utilise notamment en éthologie (humaine et animale) ou en psychologie scientifique. Il peut aussi être pris comme équivalent de conduite dans l'approche psychanalytique. Processus mental : fonction de la pensée qui n’est pas directement observable : pensées, sentiments, perceptions, façons de réfléchir, souvenirs... At it's most basic, behavior can be described as typical and abnormal, according to social, biological, cultural, or some other norming reference- in other words, what's considered normal can change based on where and when (in time) you are. For a list of abnormal behaviors (according to today's norms), do a search for the Diagnostic and Statistical Manual (4th Edition). This is used by psychologists, physicians, and others to determine abnormal behavior, and has been modified several times, and is considered to be a work in continual progress.  Définition : 1) Conduite d'un sujet, inscrite dans un contexte environnemental et temporel. Tout comportement a une motivation visant la satisfaction d'une tension. le comportement peut s'orienter vers la recherche d'un objet ou la mise en place d'une certaine situation. Tous les comportements sont adaptatifs. La qualité de l'adaptation est fonction des croyances etcapacités physiques, économiques et intellectuelles du sujet, ainsi que de son expérience.2) Ce mot au sens large, signifie l'ensemble des actions et réactions d'un être. Au sens strict, il implique une conception objectiviste (dite Behaviorisme) qui définit la psychologie comme l'étude de ce qui est observable, chez un être (son comportement), sans s'intéresser à la conscience. Généralités[modifier] Le comportement d'un être vivant et, plus généralement, de tout autre système est la partie de son activité qui se manifeste à un observateur. Le comportement des animaux, humains et non-humains, peut être décrit comme l'ensemble des actions et réactions (mouvements, modifications physiologiques, expression verbale, etc.) d'un individu dans une situation donnée. Les comportements animaux sont contrôlés par leur système endocrinien et leur système nerveux. La complexité du comportement d'un animal est en étroite relation avec la complexité de son système nerveux. Plus le cerveau est complexe, plus les comportements peuvent devenir élaborés et ainsi être mieux adaptés à l'environnement. Bien que des êtres vivants sans cerveau soit parfaitement adaptés comme les bactéries. L'origine, la fonction et le développementdes comportements dépendent à la fois des interactions avec l'environnement et de l'héritage phylogénétique de l'espèce. Les principaux comportements fondamentaux sont les comportements alimentaire, sexuel, maternel, social, d'agression, de défense ou fuite et d' inhibition de l'action lorsque la lutte ou la fuite est impossible. L'éthologie est la science qui étudie et décrit les comportements humain et animaux mais la "psychologie comportementale" met celui-ci au centre de ses études1 notamment via la physiologie et la neurobiologie qui étudient les phénomènesbiologiques à l'origine de ces comportements. Les comportements peuvent être décrits comme innés ou acquis, conscients ou inconscients, et volontaires ou involontaires, automatiques ou contrôlés, etc. L'étude du comportementéconomique fait l'objet d'un champ de recherche particulier appelé économie comportementale. Définitions existantes[modifier] Ci-dessous, quelques définitions du concept de "comportement", extraites de la littérature scientifique actuelle : « Le comportement est un ensemble de phénomènes observables de façon externe. » « Manière d'être et d'agir des Animaux et des Hommes, manifestations objectives de leur activité globale. » (Piéron H. in Bloch 1994 p. 153) « Le comportement est l'ensemble des réactions objectivement observables qu'un organisme généralement pourvu d'un système nerveux exécute en réponse aux stimulations du milieu, elles-mêmes objectivement observables. » (Watson J.B. in Bloch 1994 p. 153) « Le comportement est une réalité appréhendable sous la forme d'unités d'observation, les actes, dont la fréquence et les enchaînements sont susceptibles de se modifier ; il traduit en action l'image de la situation telle qu'elle est élaborée, avec ses outils propres, par l'être que l'on étudie : le comportement exprime une forme de représentation et de construction d'un monde particulier (Umwelt). » (Gallo A. in Bloch 1994 p. 154) On observe que ces différentes définitions ne désignent pas tout à fait la même chose, vraisemblablement parce qu'elles ont été définies à partir d'une position externe par rapport à l'objet étudié, et que leurs auteurs proviennent de différents domaines scientifiques. Problématique centrale du concept[modifier] La première étape de l'élaboration d'une définition est d'identifier et de caractériser ce qui rend nécessaire la création de cette définition. Une caractéristique majeure de certains organismes vivants est la capacité de mouvements, qui permet d'interagir activement avec l'environnement. Un aspect important de cette capacité est que le mouvement n'est pas un effet fortuit (comme le mouvement d'une branche au vent), mais le résultat d'une organisation spécifique de l'organisme. Les facteurs primordiaux du vivant qui sont directement en relation avec cette capacité de mouvement sont : l’organisation, le mouvement, la limite et l’organisme. L’organisation est un facteur primordial et fondamental du vivant : tout être vivant est une structure hautement organisée. La désorganisation provoque la mort. Le mouvement est un autre facteur primordial du vivant : quasiment tous les éléments d'une structure vivante sont en mouvement perpétuel. L'arrêt du mouvement provoque la mort. La limite est également un facteur primordial du vivant : tous les êtres vivants possèdent des limites externes et souvent de nombreuses limites internes. La suppression des limites provoque la mort. L’organismen'est une structure vivante que par l'existence de limites et de mouvements organisés. Définition synthétique[modifier] La synthèse de tous les éléments présentés ci-dessus permet d'élaborer une définition du concept de "comportement", basée sur les caractéristiques biologiques structurelles et fonctionnelles primordiales, et qui est valable pour tous les organismes vivants Voir la figure "Définition du concept de «comportement»", ci-contre. On observe que le mouvement organisé pour l'intérieur de l'organisme (réactions enzymatiques, transport intracellulaire des molécules, pompes protéiques, endocytose, migrations cellulaires, circulation sanguine, etc.) est une nécessité vitale absolue pour tous les êtres vivants. Par contre, le mouvement organisé pour l'extérieur de l'organisme (locomotion, préhension, etc.), qui correspond à la notion de "comportement", est facultatif. Il n'existe principalement que dans les règnes protiste et animal. En fonction de cette synthèse, la définition du concept de "comportement", valable pour tous les organismes vivants, est : ensemble des mouvements organisés pour agir à l'extérieur de l'organisme. Cette définition, plus technique et plus précise que la définition générale et usuelle donnée en introduction, permet d'identifier sans ambiguïté tous les comportements : l'observation externe et objective d'un mouvement d'un organisme (ou d'une partie d'un organisme) est un comportement s'il existe des structures biologiques spécifiquement organisées pour produire ce mouvement ; par exemple le mouvement des yeux des mammifères n'est pas le résultat indirect des mouvements de la tête, mais résulte d'un contrôle neural (noyaux oculomoteurs III, IV et VI, etc.) des muscles oculaires : il existe donc un comportement oculaire. L'éthologie est la science de la description et de l'étude systématique de ces mouvements organisés. Mais en général les éthologistes étudient surtout les comportements les plus élaborés : alimentaire, sexuel, de défense du territoire, etc. Le comportement chez les animaux[modifier] On peut définir le comportement comme étant la manière d'agir ou de fonctionner de façon habituelle ou dans un but précis. On peut aussi définir le comportement comme étant une réponse à un stimulus. Cela suggère que le comportement est prévisible et est la conséquence de quelque chose. Pour faire simple on peut affirmer que le comportement est propre à chaque organisme vivant quel que soit le moment où on observe un animal en activité, nous sommes témoins de son comportement. On pourrait dire que l'animal dépourvu de comportement est un animal mort. Le comportement peut être étudié à deux niveaux clés : Au niveau physiologique en étudiant comment les nerfs, les muscles, et les sens des animaux interagissent pour donner un comportement particulier. Au niveau de l'individu en étudiant les performances du comportement en relation avec l'environnement ou à la position sociale de l'animal. La science qui répertorie l'ensemble des comportements ou éthogramme d'une espèce est l'éthologie. Le confinement joue un rôle sur le comportement des animaux. En effet les animaux vivant pendant des périodes prolongées dans des conditions non optimales développent des comportements stéréotypés qu'ils ne cessent de répéter. Certains de ces comportements stéréotypés peuvent être nuisibles et engendrer des dommages physiques aux animaux. Le comportement chez les mammifères[modifier] Les comportements des mammifères peuvent être très complexes. Ils sont réalisés grâce à des structures et des organes spécialisés, hautement organisés : squelette articulé, muscles, et surtout un système nerveux spécialisé (motoneurones spinaux, système moteur pyramidal et extrapyramidal). Étude sociologique du comportement humain[modifier] La psychologie sociale étudie notamment les influences réciproques entre comportement individuel et comportement collectif. Il apparaît que l'individu en groupe ou dans une société, formelle ou informelle, perd une plus ou moins grande partie de son autonomie de pensée. Il a alors tendance à se rallier à la pensée et au comportement du groupe ou de la masse, et ainsi à se comporter différemment de ce qu'il ferait s'il était isolé. Des individus qui reçoivent des stimuli peuvent changer de comportement. Un exemple de recherche pratique sur ces phénomènes est l'économie comportementale. Il existe une très forte interaction entre le comportement et la pensée. S'il est évident que la pensée influence le comportement, l'on sait aujourd'hui que le comportement influence de façon certaine la pensée. Les techniques de manipulation les plus efficaces sont basées sur ce principe, baptisé congruence. L'homme a besoin, pour son équilibre, de justifier son propre comportement et de s'autopersuader que ses actes sont légitimes et cohérents. L'expérience conditionne donc la pensée. L'intelligence sociale organise la métrologie du comportement, et structure l'analyse différentielle avec le système de pensée et l'environnement dans lequel est plongé un acteur ou un groupe d'acteurs. Références[modifier]

4 Eléments intrinsèques Eléments extrinsèques
Notion d’attitude Sentiments Émotions État d’âme Cognitive (ce que l'on sait) Affective (ce que l'on sent) Conative (ce que l'on fait) Valeurs Croyances, Opinions Convictions Intention et prédisposition pour agir Attitude Eléments intrinsèques  (psychologique)  Personnalité Émotions Traits Eléments extrinsèques  (socioculturel) Position sociale Appartenance Influence sociale Apprentissage Attitude Essai de typologie des attitudes humainesLe comportement humain est certes souvent une énigme, avec ses infinies variations. Cependant, il m’a semblé qu’un certain nombre d’attitudes humaines primaires était perceptible. Je parle donc ici des comportements que chacun ADOPTE "à l’insu de son plein gré", le faisant réagir de façon souvent prévisible. Voici sept attitudes comportementales qui me paraissent caractériser l’Humaine Nature. Bien sûr chacun est libre de changer d’attitude, c’est à dire de porter un autre masque pendant un temps, pour des raisons diverses, souvent liées aux influences qui nous entourent. Mais il n’en reste pas moins qu’on ne change pas l’attitude fondamentale que l’on adopte très jeune, et que l’on conservera finalement jusqu’au tombeau. Les changements radicaux de l’existence, au mieux, vous font "glisser" du côté négatif vers le côté positif. PRAGMATIQUE tu dis : C’est ainsi que doivent être les choses !" Aussi tends-tu à établir des règles, des lois, des structures, oscillant entre compétence et dogmatisme, méthode et inflexibilité. Soyons pratique ! c’est ta devise. CYNIQUE tu dis : "Ca n’est probablement pas possible !" Comme tu t’attends au pire, aussi fais-tu le nécessaire pour que ta vie s’accorde à tes croyances, ce qui renforce et appuie tes convictions. Comme tu es sûr de ne rien pouvoir faire pour améliorer ce monde, tu enrobes tout d’une couche d’humour noir et de dérision. Au moins tu n’es jamais déçu ! SCEPTIQUE tu dis : "Les choses pourraient bien être différentes de ce qu’elles paraissent". Le doute est ton moteur principal. Systématiquement suspicieux, tu examines, investigues, argumentes, fouilles dans l’inconnu, ne prenant jamais rien pour acquis. REALISTE tu dis : "C’est ainsi et pas autrement !" Comme tu affirmes voir le monde objectivement, lucidement, sans jugements ni idées préconçues auncunes, cette attitude te pousse à voir en tout et en chacun ses travers, ses erreurs, ses folies. Pour toi, rien n’est bon ou mauvais ; c’est ainsi, un point c’est tout ! IDEALISTE, tu dis : " C’est ainsi que les choses devraient être !" De cet optimisme nait un infatiguable et communicatif enthousiasme à changer, à modifier, à révolutionner. Voyant toujours le coté ensoleillé des choses tu mets toute ton énergie à persuader les autres pour que ton idéal se matérialise, quelque naif ou irréaliste soit-il. STOIQUE, tu dis : " Quoiqu’il advienne, je fais face" Peu expensif, tu acceptes sans mot dire, les situations quelles qu’elles soient, faisant preuve de comprehension et d’adaptabilité. Les choses étant ce qu"elle sont, pourquoi se prendre inutilement la tête ? Est-ce la paix ou la résignation ? SPIRITUALISTE, tu dis : "c’est ainsi que les choses pourraient être !" La perfection est ton moteur. Ta capacité à percevoir l’invisible et les possibilités supérieures cachées dans l’âme humaine créent chez les autres admiration ou crainte, mépris ou haine. La tête noyée dans les nuages, tu perds souvent de vue les petits problèmes du quotidien. Le monde matériel est une illusion n’est-ce pas ? Toutes les attitudes décrites ici comprennent toujours un aspect positif et un aspect négatif. définitions des qualités positives = amour. L’aspect positif d’une attitude permet à l’Etre une avancée dans son évolution, même si celui-ci à le sentiment contraire. définition des qualités négatives = peur. L’aspect négatif d’une attitude signifie que l’Etre a opposé un refus ou une stagnation face à une expérience proposée par la vie. Il n’y a pas là motif à jugement. Chacun est face à ses limites et seul le temps, et la re-présentation, à de multiples reprises, de l’expérience parviennent à faire glisser un Etre de son côté négatif, vers son côté positif. Ainsi par ex. un individu ayant une attitude foncièrement cynique est-il souvent confronté à des expériences qui lui permettent de cesser de se comporter d’une manière blessante (ironie, sarcasme, humiliations) et d’utiliser ses "qualités" d’une façon telle qu’elles sèment la joie et le contentement (humour contagieux, personne solide, stable, self controle) Rares sont les attitudes 100% pures. Généralement les Etres utilisent une seconde attitude, cette dernière étant moins flagrante. Je me bornerai pour l’instant à l’étude des attitudes négatives. Les attitudes négatives primaires servent essentiellement à se créer un masque, une fausse personnalité. Chacune de ces attitudes varient sur une échelle allant du négatif au positif, et apparaissent de 2 types : 1/ attitudes négatives envers soi-même :   la dépréciation de soi-même ; dirigée par le sentiment qu’on ne vaut rien, qu’on n’est pas à la hauteur (l’humilité en est l’aspect positif et la "clochardisation" le négatif)   l’attitude suicidaire ; dirigée par le sentiment que la vie est trop dure (se sacrifier pour les autres-positif- et les habitudes et croyances destructives-négatif-)   l’attitude de victimisation ; dirigée par le sentiment qu’on n’a pas de contrôle sur notre vie (se livrer à une cause idéale-positif- et le sentiment de pitié envers soi-même-négatif-) 2/ attitudes négatives envers les autres  :   la cupidité ; dirigée par le sentiment de ne jamais avoir assez (l’ambition -positif- et la voracité -négatif-)   l’arrogance ; dirigée par le sentiment qu’il faut donner l’impression de... (fierté et vanité en sont les 2 aspects opposés)   l’impatience ; dirigée par le sentiment qu’on a pas le temps (oser et stresser en sont les 2 aspects opposés) Toutes les qualités négatives ont en commun qu’elles peuvent être piégées par une qualité très limitative : l’entêtement obstiné. Il me semble qu’il y a un degré dans le négatif, les qualités concernant soi-même étant particulièrement préjudiciables au développement de l’être. Comment faire pour évoluer lorsque l’on se reconnait une de ces attitudes ? Ex. quelqu’un d’égoiste, de vorace, incapable de se satisfaire et pensant qu’il revient aux autres de le satisfaire, prenant conscience de son état, et décidé d’en changer, pourrait passer de cet état négatif à un état plus positif : une ambition sans limite pour satisfaire ses besoins matériels, basé sur un amour démesuré pour les biens terrestres. Des réactions ?

5 Attitude vs. Comportement
Attitude et le comportement sont deux notions différentes. Si l’individu est cohérent alors son attitude (stimulus) et son comportement (réponse) se situent dans une relation de cause à effet direct que l’on peut prévoir Sinon l’individu se trouve dans un état de dissonance cognitive (Festinger, 1957)  Rétablir la consonance : l’individu a tendance de modifier implicitement ses attitudes pour les mettre en conformité a posteriori avec ses comportements

6 relation attitude-comportement
« L’attitude est essentiellement employée dans le sens d’un état mental et neurophysiologique déterminé par l'expérience et qui exerce une influence dynamique sur l'individu en le préparant à agir d'une manière particulière à un certain nombre d'objets ou d'événements » (Allport, 1935). Comportement : c'est la réponse donnée, par un individu, à une situation donnée. Il va dépendre de tout un ensemble d'éléments qui sont : - la culture - l'attitude - l'appartenance à un groupe - la personnalité - le style de vie - l'estime de soi Psychologie sociale : le fait de comprendre le comportement de l'individu pour pouvoir expliquer les achats, les marques préférées… Le groupe : c'est un ensemble d'au mois deux personnes, qui ont un but commun. Il doit y avoir : - une interdépendance entre les membres - les mêmes caractéristiques communes - le même intérêt commun - une relation sociale - une influence sur les autres membres du groupe Groupe formel : constitué pour une tâche précise et tous les membres ont des règles précises (la classe de 1ère stg : même emploi du temps, même horaire…) Groupe informel : il se construit en fonction de la volonté de chacun  et il n'y a pas de rôle précis (un repas dans une cafétéria…) Groupe primaire : se définit comme celui que l'on intègre de fait par la naissance mais aussi celui que l'on intègre par affinité Groupe secondaire : rassembles des individus selon des rôles précis au sein du travail, association… Organisation / foule : rassemble de nombreux individus mais les statuts sont différents. Groupe restreint : il est limité en nombre et peut être aussi bien formel qu'informel et primaire que secondaire Tout comportement se caractérise par un ensemble de critère le rattachant au groupe concerné.  En effet, suivant les groupes, l'individu va adopter et faire différent choix.

7 relation attitude-comportement
La théorie de l'action raisonnée (Fishbein & Ajzen, 1975) L’attitude dérive des croyances et de l’information disponible. Le comportement est volontaire : Il dépend uniquement d’un choix qui dépend de la bonne ou de la mauvaise évaluation des conséquences relative à la réalisation de l’action. Définition du mot Psychologie : Étude des caractères et des comportements Étymologiquement, psychologie signifie science de l'âme. Cette science a connu ses prémices au XVIe siècle, son développement au XIXe et son plein essor au XXe. Son objet est l'étude du comportement humain sous tous ses aspects psychiques, normaux ou pathologiques. On a de plus en plus recours à ses praticiens dans les entreprises, les établissements d'enseignement, les hôpitaux, les situations traumatisantes d'accidents ou de catastrophes naturelles, etc. Leur rôle, selon le cas, est de tester, d'analyser des situations, de repérer des problèmes ou d'aider à franchir des caps éprouvants. Nos attitudes, nos réactions, nos comportements en disent long sur qui nous sommes. Les analyser nous permet de ne pas répéter des scénarios parfois négatifs.

8 relation attitude-comportement
La théorie du comportement planifié (Ajzen, 1987) Le comportement humain, pour être effectif, doit d’abord être décidé/planifié Désirabilité du comportement + Opinion entourage

9 relation attitude-comportement
Autres visions (Krosnick et al., 1993, 1995, 1997). La probabilité de production d’un comportement dépend de la prégnance de l’attitude. L'attitude doit posséder une structure suffisamment stable et solide pour pouvoir observer la réalisation du comportement consistant avec celle-ci. Plusieurs dimensions : l’extrémité, l’intensité, la certitude, l’importance, l’intérêt, la connaissance, l’accessibilité, une consistance structurelle, etc. Plus specifiquement, l'approche systemique a ete appliquee a un vaste ensemble de mera et al., 2005; Palla et al., 2005; Powell et al., 2005), a des processus plus locaux, tions et des communautes, observees a un niveau agrege (Girvan & Newman, 2002; Gui- phenomenes allant de l'etude de la formation et de la structure des reseaux d'interac- Gruhl et al., 2004; Kempe et al., 2003; Leskovec et al., 2006), ou bien des agents ten- de reseaux dits \de recommendation" ou d'inuence (Deuant et al., 2002; Deroian, 2002; tels que des systemes mettant en jeu des individus adoptant certaines opinions au sein exemple, les phenomenes d'elaboration collective et de diusion des connaissances semblent 1997; Barabasi et al., 2002; Cowan & Jonard, 2004; Haas, 1992; Ramasco et al., 2004). Par tant d'aboutir a des decisions communes au sein de communautes epistemiques (Axelrod, dependre crucialement des reseaux d'interaction sociale et des processus de transmission systemique, ouvrant ainsi une nouvelle perspective sur la cognition sociale et l'epistemologie cessus (Sperber, 1996), il est a present possible d'envisager de les modeliser dans un cadre inter-individuelle sous-jacents. Au-dela d'une comprehension qualitative de ce type de pro- sociale. de maniere plus ou moins qualitative en sciences sociales. Ainsi, sociologues et, dans une Ces approches ont etabli un pont avec des problematiques traditionnellement abordees moindre mesure, economistes et gestionnaires ont principalement adopte une approche em- dirigeant la transmission de savoirs et l'adoption de comportements (Burt, 1987; Grano- societes (Coleman et al., 1957; Rogers, 2003), exhibant qualitativement les mecanismes pirique et souvent ethnographique pour etudier la diusion d'informations dans diverses qui depend generalement d'une comprehension empirique ne des mecanismes sous-jacents. susceptibles de fournir le materiau essentiel a la modelisation de ces systemes complexes, vetter, 1978; Robertson, 1967; Rogers, 1976; Valente, 1995). Ces travaux sont idealement Les systemes sociaux, loin d'echapper a la regle, semblent demander une discipline plus l'idee d'une loi universelle du comportement a l'image d'une loi universelle de la gravitation, moins bien comprises que celles qui gouvernent les systemes physiques ou biologiques | forte encore, parce que les lois individuelles sont par defaut moins regulieres et, de fait, par exemple, a ete ecartee de longue date. m^eme en etant plausibles sociologiquement, cognitivement et/ou anthropologiquement, sont Dans l'ensemble cependant, les hypotheses comportementales utilisees dans ces modeles, souvent des abstractions mathematiques qui sont rarement evaluees et validees empirique- lement ou en premiere approximation, semblent dispara^tre rapidement des lors que l'on sciences naturelles, dans une qu^ete de processus universels qui, s'ils peuvent exister loca- ment. Celles-ci semblent parfois continuer la tradition de certains modeles pre-existants en soit davantage qualitative que quantitative, il s'agit de modeles intrinsequement normatifs fusion inspires du modele d'Ising (Orlean, 1992). En ce sens, outre le fait que leur portee descend dans les specicites des disciplines | c'est notamment le cas des modeles de dif- et visant a valider des cadres theoriques conventionnels. performance and system vulnerabilities emerge. It is important therefore to be able to quantify is not adequately considered during the technological development, unforeseen effects on human Advanced technologies can have powerful mitigating effects on human error. However, if the user quantification is termed the integrated human performance model. and predict precursor events that impact system safety. One enabling methodology for humansystem La complexité est une notion utilisée en philosophie, épistémologie (par exemple par Anthony Wilden ou Edgar Morin), en physique, en biologie (par exemple par Henri Atlan), ensociologie, en informatique ou en sciences de l’information. La définition connaît des nuances importantes selon ces différents domaines. Un système complexe est composé d’un grand nombre de parties. Avec ce seul critère tous les systèmes matériels seraient complexes sauf les particules, les atomes, les petits ions et les petites molécules. Mais un système peut avoir un grand nombre de parties sans avoir un mouvement très compliqué, si toutes les parties bougent de la même façon par exemple. Le critère de l’indépendance des parties est destiné à exclure ces cas. Mais il est difficile à définir précisément. Le nombre et l’indépendance des parties[modifier] Tant qu’on considère un solide comme un corps parfaitement rigide, ses parties ne sont pas indépendantes les unes des autres. Quelques nombres, quelques variables d’état suffisent pour caractériser complètement l’état de mouvement du solide : position du centre d'inertie, vitesse de translation, vitesse de rotation. Le mouvement de chacune des parties est complètement déterminé par ces nombres. En revanche, si on étudie les vibrations du solide, les mouvements peuvent être beaucoup plus compliqués, parce que chaque partie peut avoir un mouvement différent des autres. Il en va de même pour un fluide. Pour décrire ces mouvements il faut beaucoup plus de variables d’état, un nombre infini en théorie. Dire ici que les parties sont indépendantes, ce n’est pas dire qu’elles n’interagissent pas avec les autres mais seulement que la connaissance de l’état d’une partie ne fournit pas ou peu d’informations sur l’état des autres parties. Il y a une part de subjectivité et d'ambiguïté dans l’appréciation de l’indépendance des parties : un système mal connu peut sembler tout aussi bien complexe, car inexplicable, que très simple, en se contentant d'explications superficielles. On peut dire qu’en première approximation " les systèmes complexes sont tous les systèmes: la complexité est la règle, la simplicité l’exception." Les systèmes simples sont des objets d’études privilégiés. Ce sont des systèmes que l’on peut caractériser lors d’une expérience et les résultats sont reproductibles. Cet intérêt de la simplicité explique en partie pourquoi on trouve dans tous les livres et les laboratoires de physique les mêmes géométries simples (cercle, sphère, cylindre, ...). Quelques balises pour étudier la complexité[modifier] Les systèmes complexes réservent beaucoup de surprises : émergence de propriétés collectives, auto-organisation, nombres de Feigenbaum dans les systèmes chaotiques. L’Institut de Santa Fe, créé par plusieurs physiciens dontMurray Gell-Mann et dont le nom officiel est Institute for complexity, fait de l’étude de ce type de questions son activité majeure. La connaissance précise de l’état présent d’un système complexe pose problème : identification/détermination des paramètres. Appréhender la complexité concerne plusieurs domaines de connaissances, et rendre compte de la complexité du monde semble un objectif valide pour les chercheurs. Edgar Morin, sociologue et philosophe, propose dans "Introduction à la complexité" une approche de la complexité. On peut noter la capacité qu'a la complexité de remettre tout en question. Elle est l'entremêlement de plusieurs paramètres qui s'influencent les uns les autres. Or on a souvent isolé des définitions sans les mettre en relation les unes les autres ce qui a ralenti le processus de compréhension de la complexité des systèmes étudiés. La redondance n'est pas la répétition à l'identique, mais le déploiement d'une multitude de versions différentes d'un même schéma ou motif (en anglais pattern). Complication et complexité La théorie générale des systèmes est parfois appelée systémique. Alors, il est possible de modéliser la complexité en termes de redondance fonctionnelle, comme le restaurant chinois où plusieurs fonctions sont effectuées en un même endroit d'une structure. 1 - La redondance structurelle désigne des structures différentes pour exécuter une même fonction, comme le double circuit de freinage d'une voiture automobile ou plusieurs ateliers différents ou usines différentes pour fabriquer une même pièce ou un même engin. La redondance structurelle caractérise la « complication ». La redondance structurelle s'illustre avec le double circuit de freinage pour plus de sécurité dans des véhicules automobiles modernes et avec les multiples circuits de commande électrique, hydraulique et pneumatique des engins de guerre pour les ramener au bercail avec leur équipage après des dégâts du combat. Pour la complication, le modèle serait la redondance structurelle d'une usine où une même fonction est exécutée en plusieurs endroits différents d'une structure. 2 - La redondance fonctionnelle est celle de la multiplicité de fonctions différentes exécutées en un point d'une structure, comme un atelier d'artisan qui exécute différentes opérations sur différents matériaux. La redondance fonctionnelle caractérise la « complexité » et condition de l'auto-organisation chez Henri Atlan. C'est la « variété » chez le neuropsychiatre Ross W. Ashby passé à la cybernétique. La complexité est une configuration avec (cum) un nœud (plexus) d’entrelacements d’enchevêtrements. Alors, la complexité est de l’ordre de la redondance fonctionnelle, comme un restaurant qui présente un menu de 40 plats différents. Une machine à bois combinée d'artisan qui scie, rabote, perce, et tutti quanti est représentative de cette complexité, comme une perceuse électrique d'amateur avec une multiplicité d'accessoires pour différentes fonctions. La complication est de l’ordre de la redondance structurelle d’une configuration avec (cum) beaucoup de plis (latin : plico, are, atum : plier). La complication, multiplication, duplication et réplication sont de la même série des plis et plissements. C'est la multiplicité des circuits de commande pour effectuer une même fonction. Dans le monde réel, une partie de la complexité provient de l'irrationnalité des acteurs (et de leurs décisions) ainsi que de la multitude d'impacts dès que l'on considère un système ouvert. Dans le monde virtuel, des difficultés spécifiques apparaissent : l'identification des entités virtuelles, leurs définitions, leurs rôles, les règles que les humains leur appliquent, les processus d'authentification... Des critères de régulation s'appliquent sur les univers cibles et sur les manipulateurs / concepteurs. Complexité du Réel, Complexité du Virtuel : Ainsi une réaction chimique, comme la dissolution d'un grain de sucre dans du café, est simple car on connaît à l'avance le résultat : quelques équations permettent de décrire exactement l'évolution, sans avoir besoin d'attendre la fin de l'expérience pour savoir comment cela se passe. Au contraire, les cellules nerveuses de notre cerveau, une colonie de fourmis ou les agents qui peuplent un marché économique sont autant de systèmes complexes car le seul moyen de connaître l'évolution du système est de faire l'expérience, éventuellement sur un modèle réduit. Un système complexe est constitué d'un grand nombre d'entités en interaction qui empêchent l'observateur de prévoir sa rétroaction, son comportement ou évolution par le calcul. Les systèmes complexes sont donc un contre-exemple au réductionnisme : malgré une connaissance parfaite des composants élémentaires d'un système, il est aujourd'hui impossible de prévoir son comportement, autrement que par l'expérience ou la simulation. Cet écueil ne vient pas nécessairement de nos limites de calcul (c'est le champ d'étude de la théorie de la complexité « computationnelle »), d'un comportement aléatoire, ou de la sensibilité aux conditions initiales (qui est étudiée par la théorie du chaos). Du fait de la diversité des systèmes complexes, leur étude est interdisciplinaire. Deux approches complémentaires sont utilisées : certains scientifiques aux prises avec un système complexe particulier cherchent à le comprendre, d'autres cherchent des méthodes et définitions générales applicables à de nombreux systèmes différents. En d'autre termes, lorsque l'on veut modéliser un système, on conçoit un certain nombre de règles d'évolution, puis l'on simule le système en itérant ces règles jusqu'à obtenir un résultat structuré. Un système est dit complexe si le résultat final n'est pas prédictible directement en connaissant les règles. Cette limitation vient plus généralement de l'impossibilité de mettre le système en équations solvables et prédictives. Ce qui est primordial, est le nombre de paramètres, et le fait que chacun d'entre eux peut avoir une influence essentielle sur le comportement du système. Pour prévoir ce comportement, il est nécessaire de tous les prendre en compte, ce qui revient à effectuer une simulation du système étudié. Les systèmes complexes sont généralement compliqués, mais le contraire n'est pas vrai. Étymologiquement, compliqué (du latin cum pliare, empiler avec) signifie qu'il faut du temps et du talent pour comprendre l'objet d'étude, complexe (du latin cum plexus, attaché avec) signifie qu'il y a beaucoup d'intrications, que « tout est lié » et que l'on ne peut étudier une petite partie du système de façon isolée. Définition[modifier] le graphe d'interaction est non trivial : ce n'est pas simplement tout le monde qui interagit avec tout le monde (il y a au moins des liens privilégiés) ; Un système complexe est un système composé d'un grand nombre d'entités en interaction locale et simultanée. On exige le plus souvent que le système présente de plus les caractéristiques suivantes (ce qui montre qu'il n'existe pas de définition formelle largement acceptée de ce qu'est un système complexe) : Un système est un ensemble cohérent de composants en interaction. il y a des boucles de rétroaction (en anglais feedback) : l'état d'une entité a une influence sur son état futur via l'état d'autres entités. les interactions sont locales, de même que la plupart des informations, il y a peu d'organisation centrale ; On constate le plus souvent que le système complexe présente la majorité des caractéristiques suivantes : Les boucles de rétro-action, aussi appelées interactions réflexives, (c'est-à-dire le fait qu'un composant interagisse avec lui-même, soit directement, soit indirectement à travers la chaîne d'interactions avec les autres composants) sont une des raisons de la non-linéarité du comportement du système : "emballement", "relaxation" ou "oscillation autour du point fixe" dans le cas "simple" de l'interaction réflexive d'un composant ; comportement difficilement prédictible dans les cas réels d'interactions entre de nombreuses entités. Les interactions des composants entre eux forment des "groupes" de composants fortement liés, chaque "groupe" étant en interaction avec les autres, ce qui permet de modéliser le système complexe par niveaux : chaque composant interagit "localement" avec un nombre limité de composants. Le système agit sur son environnement; on dit que le système est ouvert; dans le système "entrent" de la matière, de l'énergie ou des informations, du système "sortent" de la matière, de l'énergie ou des informations. La frontière du système est définie par rapport à l'environnement, la forme, c'est-à-dire ce qui permet de distinguer le système du "fond", est variable (dans le temps et dans l'espace) car le système se transforme en agissant. Cette frontière peut être floue (par exemple, en considérant le système complexe "un humain", à partir de quel instant la nourriture ou l'air absorbés font-ils partie du corps ?). Les composants peuvent être eux-mêmes des systèmes complexes ("niveaux") : une société peut être vue comme un système composé d'individus en interaction, chaque individu peut être vu comme un système composé d'organes en interaction, chaque organe... Une colonie de fourmis échange des phéromones et bâtit une fourmilière, mais aucune fourmi n'a conscience de la fourmilière. Exemples[modifier] Le cerveau est un ensemble de neurones qui se transmettent des impulsions électriques. La dynamique d'une cellule est constituée de protéines en réactions chimiques, son évolution permet une adaptation au milieu. Un réseau de gènes interagit par activations et inhibitions, un ensemble de gènes activés définit un tissu : les gênes activés et inhibés ne sont pas les mêmes dans les cellules de la peau ou dans celles d'un muscle. Une entreprise est un ensemble de personnes et d'organisations qui interagissent entre elles, et qui interagit par ailleurs avec son environnement par l'intermédiaire de ses parties prenantes. Un tas de sable provoque des collisions entre les grains qui font naître des avalanches. La bourse voit des courtiers effectuer des transactions, qui créent des phénomènes globaux tels que bulles ou krachs. Wikipédia peut être assimilé à un système complexe social où les utilisateurs sont des agents en interactions1,2 L'un des exemples les mieux formalisés est celui d'un automate cellulaire. Donnons enfin quelques systèmes complexes artificiels : un réseau pair à pair, un réseau ad-hoc, des mécanismes de cryptographie partagées ou de robustesse aux attaques, un système multi-agents. Citons encore un vol d'étourneaux ou un troupeau de moutons, la propagation d'une épidémie, d'une rumeur ou du bouche-à-oreille sur un nouveau produit, des robots modulaires, des réseaux de criminalité, le développement d'un embryon. Un système complexe présente la plupart des comportements suivants. Ce qui permet réciproquement de définir ce qu'est un système complexe : c'est un système présentant un grand nombre des comportements suivants. Il est inhabituel de définir une classe d'objets à étudier à partir de leur comportement plutôt qu'à partir de leur constitution. Comportement[modifier] robustesse locale et fragilité (ou contrôlabilité) à moyenne échelle : puisqu'il y a de nombreux liens (éventuellement créés ou remaniés par le système lui-même), si un élément est affecté par un événement extérieur ses voisins le seront aussi. Il s'ensuit que le système est souvent plus robuste à une petite perturbation locale qu'il ne le serait sans les liens. Mais du même coup, modifier globalement le système (et donc potentiellement le contrôler) peut être fait grâce à une perturbation moins grande que dans le système sans liens. Bien cibler cette perturbation est cependant très difficile. Les virus (issus d'une longue sélection naturelle) sont un bon exemple : avec une dizaine de gènes, un virus est capable de modifier profondément (jusqu'à la mort...) un organisme de plusieurs dizaines de milliers de gènes, et ce en ne s'attaquant au départ qu'à une minorité de cellules. auto-organisation et émergence de propriétés ou de structures cohérentes, apparition de motifs (c'est une forme mineure de connaissance car ce n'est pas totalement prédictif comme l'est une loi). Cette caractéristique est souvent exigée pour qualifier un système de complexe. plusieurs échelles temporelles et spatiales apparaissent, il y a ainsi une hiérarchie de structures. plusieurs comportements possibles sont en compétition, certains sont simples, d'autres chaotiques. Le système est souvent à la frontière entre les deux et alterne ces deux types de comportement ; brisure de symétrie : la connaissance d'une partie du système ne permet pas d'affirmer que le reste du système est en moyenne dans le même état Chaque fois que l'on étudie un système complexe particulier, par exemple les populations et localisations de différentes espèces de poisson dans une zone de pêche, la méthodologie des systèmes complexes donne des angles d'attaque sur ce système. Sur cet exemple, elle aidera à prendre les bonnes décisions de régulation de la pêche : quand, où, combien de poisson autoriser à la pêche pour maximiser la quantité de poisson pêchée sur le long terme ? Bien sûr ce n'est qu'une aide, un point de vue nouveau sur le problème : l'étude d'un système particulier ne peut se faire qu'avec des spécialistes du domaine. Applications[modifier] On découvre régulièrement de nouveaux systèmes complexes naturels grâce à l'affinement des moyens d'investigation, mais cette science espère aussi aider à la compréhension globale de systèmes artificiels. Si l'on considère, comme objectifs successifs de la science face à un système, "comprendre, prédire, contrôler, concevoir", on peut aussi étudier des systèmes complexes artificiels, intégrer les concepts issus de cette approche dans la conception de nouveaux systèmes. En particulier dans des environnements difficiles, comme en présence de bruit ou lorsque quelques entités ont un comportement anormal, les idées issues des systèmes complexes peuvent aider à renforcer la robustesse des systèmes construits. Elle servent également à produire des modèles évolutifs ou adaptatifs, voire qui s'auto organisent. Certains systèmes sont bien trop complexes pour que l'on puisse établir des résultats généraux, ou bien font intervenir d'autres mécanismes que ceux auxquels s'intéresse l'étude des systèmes complexes. Ils montrent néanmoins la richesse de cette approche, qui peut apporter des réponses partielles ou suggérer des angles d'étude même sur ces systèmes. Cette science recourt naturellement à de nombreuses simulations et peut donc donner des recommandations sur leur conduite. Certains affirment qu'un recours à une analyse numérique poussée permettrait de résoudre la plupart des systèmes complexes. L'expérience montre que ce n'est guère le cas (même si les simulations reproduisent certains comportements), car les lois restent inconnues. Il reste donc des concepts à identifier, c'est une science jeune. Voir aussi la version anglaise, ainsi que la fouille de données.

10 Modélisation computationnelle des AC
US Patent N° 2003/ (Ben Said et al. 2003)  Behavioural Primitives (BP) : Generic and functional Reacts to positive and negative external stimuli ( Ex_St+ , Ex_St- ) as a function of inhibitor and triggering thresholds ( Inh_Thrsup , Inh_thrinf , Trig_Thr ) Intensity Rejection scope of negative stimuli Acceptation scope Triggering threshold Inhibitor thresholds Rejection scope of positive stimuli

11 Plan Contexte général Attitude comportementale Présentation d’ACMO
Motivations Sources d’inspiration Méthodologie Systèmes complexes abordés Problématiques Objectifs Principaux résultats Conclusion

12 Omniprésence des systèmes complexes dans notre environnement
Motivations Omniprésence des systèmes complexes dans notre environnement Notre définition d’un système complexe Un système est dit complexe lorsqu'il est composé d'un grand nombre de composants autonomes différenciés qui interagissent entre eux de manière non triviale. Un système complexe se caractérise également par l'émergence au niveau global de propriétés nouvelles, non observables au niveau des composants du système et par une dynamique du fonctionnement global difficilement prédictible à partir de l'observation des constituants et de leurs interactions élémentaires. Notre définition d’un système complexe Un système est dit complexe lorsqu'il est composé d'un grand nombre de composants autonomes différenciés qui interagissent entre eux de manière non triviale. Un système complexe se caractérise également par l'émergence au niveau global de propriétés nouvelles, non observables au niveau des composants du système et par une dynamique du fonctionnement global difficilement prédictible à partir de l'observation des constituants et de leurs interactions élémentaires. Systèmes complexes socio-économiques à aspect décisionnel Caractérisés par : Distribution Imprévisibilité Dynamique d’interaction Hétérogénéité Émergence L'aide à la décision nécessite : Compréhension et modélisation du phénomène Définition d'un ou de plusieurs critères d'évaluation Intégration des préférences Activité de celui qui, prenant appui sur des modèles clairement explicités mais non nécessairement complètement formalisés, aide à obtenir des éléments de réponse aux questions que se pose un acteur dans un processus de décision, éléments concourant à éclairer la décision … Aider à décider, c'est tout d'abord aider à clarifier la formulation, la transformation et l'argumentation des préférences. A ce niveau, le concept clé est celui du critère. Définition de la prise de décision d’après B. Roy (2000) Activité de celui qui, prenant appui sur des modèles clairement explicités mais non nécessairement complètement formalisés, aide à obtenir des éléments de réponse aux questions que se pose un acteur dans un processus de décision, éléments concourant à éclairer la décision … Aider à décider, c'est tout d'abord aider à clarifier la formulation, la transformation et l'argumentation des préférences. A ce niveau, le concept clé est celui du critère. Définition de la prise de décision d’après B. Roy (2000) Nos motivations s’articule principalement autour de l’omniprésence des systèmes complexes que nous définissons comme étant …. . Cette définition souligne particulièrement … . D’autre part je cite la définition de Roy relative à la prise de décision qui souligne particulièrement … . Dans ce contexte mon intérêt porte sur les systèmes complexes socio-économiques à aspect décisionnel qui sont d’une part sont caractérisé principalement par … et d’autre part l’aide de décision dans ce type de système nécessite … Cette complexité rend difficile la prise de décision relative à la résolution des problèmes qui sont intrinsèquement liés à ce type de système.

13 Problématique scientifique abordée
Une complexité qui rend difficile la prise de décision relative à la résolution des problèmes qui sont intrinsèquement liés aux systèmes complexes socio-économiques Étude, modélisation et simulation des systèmes complexes de type socio-économique à aspect décisionnel en proposant une nouvelle approche Ainsi … et notre problématique en découle comme étant l’étude, la modélisation et la simulation des systèmes complexes … Résolution de problèmes Outils d’aide à la décision

14 ACMO : sources d’inspiration
Caractéristiques de l’approche analytique Caractéristiques de l’approche systémique Considération de la nature des interactions Considération des effets des interactions Approche ascendante Approche descendante Approche mono-disciplinaire Modifier une variable à la fois Ne place pas les objectifs au cœur de la démarche Isole les éléments du système Conduit à une action par objectifs Modification d’un ensemble de variables à la fois ACMO L’approche ACMO n’est pas déracinée elle s’inspire essentiellement de l’approche analytique et l’approche systémique. Par exemple acmo est une approche qui considère à la fois la nature et les effets des interaction dans un système complexe. Elle également une approche mixte top down et bottom up ce qui ne permet de disposer d’un plus grand flexibilité lors de la phase d’analyse Approche pluridisciplinaire

15 ACMO - Phase I : Pré-analyse
Prise en compte du décideur ou du groupe de décideurs dans le système étudié. Environnement du système complexe Système complexe étendu Décideur Préférences Objectifs Système complexe Cadre théorique intégratif DisciplineN Discipline1 Discipline2 Discipline3 Discipline4 Vision pluridisciplinaire qui intègre les concepts nécessaires pour l'analyse et la modélisation d'un système complexe étendu Nous passons à présent à la présentation détaillée de ACMO. Commençant par la phase de pré-analyse qui est la première phase de notre approche ACMO. Notre point de départ c’est le système complexe que nous avons déjà définit au début de cette présentation auquel nous intégrant le décideur afin de définir le concept de système complexe étendu. La prise en compte du décideur permet de considérer ses préférences et les objectifs qu'il prévoit lors de la deuxième phase de notre approche (analyse et modélisation). Ceci assure, à priori, que les solutions et les outils d'aide à la décision offerts au décideur soient en mesure de répondre le plus fidèlement possible à ses attentes. Le tout interagit dans l’environnement du système complexe que ce soit avec des entités de nature humaine ou des objets organisationnels tels que d’autres systèmes. Après la délimitation des frontière du système à étudier la deuxième étape de cette phase est l’élaboration d'un cadre théorique intégratif. Il s’agit d’une Vision pluridisciplinaire qui intègre les concepts nécessaires pour une analyse une modélisation plus efficace d'un système complexe étendu. Il s'agit d'une association de visions particulières en vue de fournir une vision globale des concepts relatifs au système complexe sujet d'étude. Souvent, certains de ces concepts sont définis de manières différentes dans plus qu'une discipline. Il est donc important de chercher à identifier avec précision leurs définitions an de fournir une vision transversale qui aide à modéliser correctement les phénomènes et les comportements sous-jacents. La pluridisciplinarité s'impose dès le moment où l'étude porte sur un système complexe vues ses caractéristiques Donc pour résumer, durant cette phase il s'agit d'une part de délimiter le système complexe à étudier et d'autre part de fournir un cadre théorique intégratif qui couvre les concepts clés à aborder lors de l'analyse et de la modélisation du système. La délimitation du système permet d'identifier les frontières, d'une part, entre le système étudié et son environnement, et d'autre part, entre ses sous-systèmes. Il est important de se doter d'une vision globale an de réaliser cette délimitation correctement. Contrairement aux systèmes simples, cette tâche est souvent assez délicate et difficile pour les systèmes complexes. Le degré d'ouverture d'un système dépondra des caractéristiques de cette délimitation. Ainsi, le système est dit plus ouvert quand les frontières permettent plus d'échanges avec son environnement. Les frontières d'un système sont parfois difficiles à identifier vus sa dynamique et ses effets rétroactifs sur l'environnement qui font inclure et exclure des composants du système La pluridisciplinarité se concrétise en partant de la délimitation d'un système particulier afin de percevoir la recherche des interactions des disciplines scientifiques sous-jacentes et de leur complémentarité. évoquées dans l'introduction générale La phase de pré-analyse de notre approche ACMO se base sur une vision pluridisciplinaire relative au système complexe étendu étudié. Cette pluridisciplinarité permet de considérer plusieurs concepts clés nécessaires pour une modélisation efficace du système. Ceci offre également, comme nous l'avons montré dans [BenSaid, 2003] et [Kodia et al., 2009], un cadre théorique intégratif permettant de disposer de plusieurs angles de vue des concepts à travers le cloisonnement des disciplines.

16 ACMO - Phase II : Analyse et modélisation
BUT : fournir des modèles les plus fidèles possible à la réalité du système complexe étudié. Identifier un modèle organisationnel du système complexe étendu étudié Modèles Représentation d'un système en regroupant des concepts décrivant son organisation et sa dynamique Analyse Structurale Analyse Comportementale Analyse Multi-Objective La deuxième phase de notre approche ACMO est la phase d'analyse et de modélisation. Le but essentiel de cette phase est de fournir des modèles les plus fidèles possible à la réalité du système complexe étudié. Des modèles que nous définissons comme étant une représentation d'un système en regroupant des concepts décrivant son organisation et sa dynamique en vue d'explorer et d'expliquer des phénomènes sous-jacents ou d'en prédire le comportement. Cette phase est constituée d'une triangulation de trois pôles d'analyse prenant en compte les aspects : (1) structural, (2) comportemental et (3) multi-objectif. Il est à noter que cette triangulation d'analyse au niveau de cette phase de notre approche ACMO présente un regard porté alternativement sur ces trois pôles en se rapprochant davantage de l'un ou de l'autre selon les caractéristiques spécifiques du système complexe étudié. En effet, l'accent est porté tantôt sur l'aspect structural quand il s'agit d'identifier l'organisation du système, tantôt sur l'aspect comportemental quand il s'agit d'identifier la dynamique du système et tantôt sur l'aspect multi-objectif quand il s'agit d'identifier la finalité du système. Nous définissons brièvement dans la suite les trois types d'analyse évoqués dans cette phase. (1) L'analyse structurale a pour but essentiellement d'identifier un modèle organisationnel du système complexe étendu étudié. Il s’agit d’un agencement de relations entre composants ou individus qui produit une unité, ou système, dotée de qualités inconnues au niveau des composants ou individus. L'organisation lie de façon interrelationnelle des éléments ou événements ou individus divers qui dès lors deviennent les composants d'un tout. Elle assure solidarité et solidité relative, donc assure au système une certaine possibilité de durée en dépit de perturbations aléatoires. Ainsi, l'analyse structurale consiste à étudier la composition du système. Il s'agit notamment de détailler les caractéristiques des composants et des interrelations. (2) Dans notre approche ACMO l'analyse comportementale porte essentiellement sur la modélisation des attitudes et des réactions observables des composants du système étudié. Il s'agit de comprendre la façon d'évolution du système en globalité via l'identification des comportements constatés au niveau individuel pour chaque élément du système. Nous distinguons ici entre deux types de composants dans un système : (1) entité Individu et (2) entité Objet (3) L'analyse multi-objectif est le troisième pôle de la triangulation de la phase d'analyse et de modélisation de notre approche ACMO. Il s'agit de s'interroger sur la finalité du système et celle de ses sous-systèmes. Ceci revient à identifier l'ensemble des critères qui permettent d'étudier l'amélioration ou la détérioration de la performance globale ou partielle du système étudié. Le but est de développer des modèles d'analyse décisionnelle multi-objectif et ce, en identifiant une liste d'objectifs pour chaque scénario de décision en plus de l'identification de l'ensemble des fonctions objectifs pour chaque scénario exprimées en termes de variables de décision. Les systèmes complexes étendus renferment souvent des situations où on est confronté à des situations d'ordre décisionnel de nature multi-objective. Il est donc important d'identifier des compromis dans une situation de choix complexe. Nous nous plaçons alors dans le cadre de l'aide à la décision multi-critère. Les composants : Les composants représentent les parties constituantes du système. Lors de l'analyse structurale, le praticien doit identifier rigoureusement les composants du système étudié en précisant leur nature. Ces composants peuvent être des unités simples isolées, des individus, des systèmes eux-mêmes plus ou moins complexes avec leurs propres composants, leurs boucles de rétroaction et leur flux en entrée et en sortie. Les sous-systèmes sont inclus dans des systèmes de complexité supérieure. Il en résulte que dans un système, les composants et les sous-systèmes le constituant sont différents, complémentaires, interagissant et concourant à la finalité de l'ensemble. Les interrelations : Les interrelations sont les éléments primordiaux à identifier dans un système à étudier. Il s'agit de spécifier les types de liens qui existent entre les différents composants du système à étudier. Ceci revient à examiner de prêt leur structure et leur nature. En effet, les interrelations peuvent être organisées sous une forme hiérarchique ou sous la forme d'un graphe qui décrit le réseau d'interactions. Quant à la nature des interconnexions, elle peut représenter des flux matériels (marchandises, produit, argent, etc.) ou immatériels (données, informations, messages, etc.). Plus les interrelations sont nombreuses, plus le degré d'organisation est élevé et plus grande sera la complexité du système (cf. caractéristique C3, Table 1, page 5). Les interrelations échappent parfois à une description exhaustive. Ceci est dû principalement à leur grand nombre et l'imprévisibilité d'établissement de ces liens. nous nous sommes concentrés sur la proposition d'une démarche d'analyse et de modélisation cognitive du premier type. Cet effort s'aligne avec le type de systèmes complexes abordés (cf. introduction générale). En ce qui concerne l'analyse comportementale du deuxième type d'éléments, nous adoptons les approches de modélisation classiques notamment l'approche numérique. Modélisation à base d'attitudes comportementales : l'association des deux termes attitude et comportementale n'est pas arbitraire. Ceci traduit notre volonté de lier l'ensemble des jugements et des tendances subjectives et intrinsèques à l'individu exprimés par les attitudes, à l'ensemble des réactions objectivement observables, exprimées par les comportements". Ainsi l'attitude comportementale exprime une conviction et une perception qu'a un individu des conséquences prévisibles suite à l'adoption d'un comportement en termes de résultats, coûts, bénéfices, etc. Intégration des préférences des décideurs : Les préférences désignent des attitudes fortement liées à l'état comportemental de l'individu. Elles représentent l'ensemble des attributs qui forment le caractère d'un individu [Elster, 1978]. Elles portent sur des objets, des situations ou des personnes, qui attirent ou repoussent l'individu [Scherer, 2005]. Il est à signaler que les préférences sont différentes du choix qui représente une action. Les individus rationnels agissent souvent conformément à leurs préférences. Notons également que le passage de préférences à des choix n'est pas automatique. Il dépond principalement des attitudes comportementales de l'individu ainsi que du contexte des alternatives disponibles. En effet, les préférences sont en relation avec d'autres préférences (surtout dans un cadre décisionnel multi-objectif), à des attitudes comportementales et des croyances qui peuvent inhiber la transformation d'une préférence en un choix. Ainsi, un individu préfère une alternative A plutôt qu'une alternative B s'il se trouve dans une situation qui le pousse à choisir A plutôt que B et que cette situation se trouve liée à d'autres préférences favorables à cette préférence. Identifier l'ensemble des critères qui permettent d'étudier l'amélioration ou la détérioration de la performance globale ou partielle du système étudié Identifier les attitudes et les réactions observables des composants du système complexe étendu étudié

17 ACMO - Phase III : Validation
Non Phase I Phase II A C T I O N S Décisions Système complexe étendu Problèmes d’optimisation Prise en compte de l'incertitude Logique Floue Méta-heuristiques Systèmes Multi-Agents Simulation & Optimisation Résultats émergents & Observations Résolution de problèmes Adéquation Intégration Valide La troisième phase de notre approche ACMO est la validation. Le but essentiel de cette phase est de fournir des solutions et des outils d'aide à la décision au décideur en implémentant les modèles issus de la phase précédente d'analyse et de modélisation soit par optimisation ou par simulation. La simulation multi-agent de systèmes complexes de type socio-économique représente et simule des systèmes faisant intervenir un grand nombre d'entités. Essentiellement le but est d'expliquer l'impact du comportement individuel sur le niveau global. La simulation multi-agent représente directement les individus par des agents, leurs comportements, leurs actions dans l'environnement et leurs interactions. Elle nous aide ainsi à inférer sur la nature du fonctionnement des entités d'un système complexe. Il est à signaler qu'il est souvent relativement facile de rattacher la simulation multi-agent à des cadres conceptuels usuels de certaines disciplines comme par exemple l'holisme et l'individualisme méthodologiques. En parallèle, la simulation multi-agent permet de compléter et d'enrichir ces cadres conceptuels grâce notamment à : (1) l'intégration d'éléments relationnels et/ou organisationnels (issus de l'analyse structurale de notre approche ACMO) an de traduire le plus fidèlement possible les propriétés dynamiques d'un système complexe et (2) l'intégration de mécanismes et de techniques d'optimisation (évolutionnaire, multi-objectif, logique floue, etc.) dans les comportements des agents (issus de l'analyse comportementale de notre approche ACMO) an de les guider lors de la prise de décision. Comme nous considérons des systèmes complexes étendus, le décideur peut être lui-même source d'incertitude. En effet, l'incertitude dans ce cas résulte de l'imprécision linguistique qui est une observation assez répondue lors de ses communications avec les différents acteurs du système. Il est donc nécessaire d'attribuer une attention particulière à cet aspect. Dans l'approche ACMO nous nous basons sur la logique floue ainsi que sur les théories des possibilités et de la crédibilité an de cerner l'incertitude inhérente des systèmes complexes. Conjuguées avec l'utilisation des méta-heuristiques et intégrées dans la simulation, ces techniques de traitement de l'incertitude nous ont permis de proposer des recommandations destinées aux preneurs de décision basées sur des modèles qui se rapprochent d'avantage de la réalité. Certains problèmes issus des systèmes complexes étendus se caractérisent, d'une part, par un aspect multi-objectif et d'autre part, par une prise de décision basée sur l'incorporation des préférences du décideur. A titre d'exemples nous citons : le Transhipment multi-objectif, la sélection de portefeuille multi-objectif, etc. En effet, les problèmes d'optimisation de la vie réelle font souvent intervenir plusieurs objectifs qui sont conflictuels et non commensurables. Ceci a donné naissance à la théorie de l'optimisation multi-objectif. Divers travaux ont été menés dans ce domaine dans le but d'aider le décideur à choisir une alternative. Ce choix revient à prendre une décision multicritère. La solution d'un problème multi-objectif ne se résume pas en une seule solution, qui optimise tous les objectifs en considération simultanément, mais plutôt en un ensemble de solutions dites compromis, non dominées ou encore Pareto-optimales : le front de Pareto. Si les résultats émergents et observés ou la résolution de problème ne sont pas valide un retour en arrière sur l’étape de simulation / optimisation et éventuellement sur le output des phases 1 et 2 peut avoir lieu. Dans le cas où c’est valide ces résultats serviront d’outils d’aide à la décision prospectifs, explicatifs ou prédictifs ainsi que des solution qui aides le décideur à prendre les bonnes décisions qui sont à la base d’actions qui peuvent avoir un effet retroactif sur le système étudié. Outils d’aide à la décision Solutions Prospectifs Prédictifs Explicatifs Oui Décideur

18 Plan Contexte général Attitude comportementale Présentation d’ACMO
Motivations Sources d’inspiration Méthodologie Systèmes complexes abordés Problématiques Objectifs Principaux résultats Conclusion

19 Systèmes complexes abordés
CUBES CUBES : CUstomer BEhavior Simulation Étude des comportements du consommateur dans un marché concurrentiel SiSMar SiSMar : Simulation Stock Market Étude des comportements de l'investisseur dans un marché boursier FuzTranS FuzTranS : Fuzzy Transshipment Simulation Gestion collaborative de stock dans un environnement incertain EMoTranS EMoTranS : Evolutionary Multi-objective Transshipment Simulation Transshipment multi-objectif MoDemS MoDeMS : Multi-objective Decision Making Simulation Modélisation et intégration des préférences du décideur en OEMO ACMO Je passe à la présentation des systèmes complexes abordés pendant mes travaux de recherche. Je ne vais trop m’attarder sur la présentation de CUBES mais je tiens à le faire puisque ce travail constitue l’embriyon de notre approche ACMO. Les travaux qui seront détaillés par la suite portent successivement sur une étude des comportements de l'investisseur dans un marché boursier, la modélisation et intégration des préférences du décideur en OEMO, le Transshipment multi-objectif et la gestion collaborative de stock dans un environnement incertain.

20 Systèmes complexes abordés
CUBES FuzTranS EMoTranS MoDemS SiSMar ACMO Problématique Montrer qu'à partir de la conception d'un modèle comportemental adéquat du consommateur, une simulation multi-agent peut contribuer à l'étude du comportement de consommation Principaux objectifs : Découvrir des explications de phénomènes émergents observés dans un marché concurrentiel Construire un modèle comportemental générique du consommateur, calibrer ses paramètres et valider les modèles de comportements d'individus qu'on croit pouvoir être à l'origine de phénomènes émergents Analyser via la simulation les effets de décisions marketing, de conjonctures et des rumeurs sur les attitudes comportementales des consommateurs. UPMC Paris 6 LIP6 / FTR&D Je rappelle que ce travail a été réalisé conjointement au LIP6 et FTR&D, notre problématique était de montrer qu'à partir de la conception d'un modèle comportemental adéquat du consommateur, une simulation multi-agent peut contribuer à l'étude du comportement de consommation. Les principaux objectifs peuvent être résumé comme suit : 1. Découvrir des explications de phénomènes émergents observés dans un marché concurrentiel 2. Construire un modèle comportemental générique du consommateur, calibrer ses paramètres et valider les modèles de comportements d'individus qu'on croit pouvoir être à l'origine de phénomènes émergents et 3. Analyser via la simulation les effets de décisions marketing, de conjonctures et des rumeurs sur les attitudes comportementales des consommateurs

21 Systèmes complexes abordés
CUBES FuzTranS EMoTranS MoDemS SiSMar ACMO Principaux résultats NON Résultats de simulations OUI FIN simulation correspondent aux résultats théoriques Résultats issus d’études en économie, marketing, sociologie… Approche de calibrage des simulations MA Un nouveau modèle comportemental du consommateur Un procédé de simulation comportementale Simulateur CUBES UPMC Paris 6 LIP6 / FTR&D Dans ce cadre plusieurs résultats ont été obtenus, je cite principalement un modèle à base d’attitudes comportementales génériques représentant le consommateur dans un marché concurrentiel ce modèle a été exploité dans le cadre d’un procédé de simulation comportementale orienté agents pour tester des stratégies de marketing et aider les preneur de décision à observer la réaction du marché envers ces stratégies. Dans ce contexte un simulateur bâti CUBES a été développé. Mes travaux en thèse se sont concrétisés avec 5 papiers conférences internationales, un chapitre et surtout un brevet. Je cite ici en particulier le brevet portant sur un Procédé et système de simulation comportementale d'une pluralité de consommateurs, par simulation multi-agents Et le chpitre paru au édition hérmes ayant comme titre simulations multi-agents d’écosystèmes d’entreprises.

22 Systèmes complexes abordés
CUBES FuzTranS EMoTranS MoDemS SiSMar ACMO Problématique Étude des phénomènes observés dans un marché boursier en tenant compte des comportements complexes des investisseurs et de l'influence des attitudes sur la prise de décision Principaux objectifs : Proposer un modèle qui se base sur les aspects psychologique et socio-cognitif Étudier les relations micro/macro au sein du marché boursier en tenant compte des facteurs externes qui le perturbent Étudier des phénomènes liés à la Bourse en simulant les interactions entre les acteurs afin de fournir un cadre expérimental pour observer les conséquences des comportements des investisseurs Thèse Mlle Zahra Kodia : ENSI Passons à la présentation Sismar qui s’inscrit dans le cadre mon co-encadrement de la thèse de mlle zahra kodia inscrite à l’Ecole Nationale des Sciences de l’Informatique. Notre problématique s’articule autour de l’ Étude des phénomènes observés dans un marché boursier en tenant compte des comportements complexes des investisseurs et de l'influence des attitudes sur la prise de décision dans un tel environnement dynamique. Parmi les objectifs que nous avons dégagés je cite 1. la Proposition d’un modèle qui se base sur les aspects psychologique et socio-cognitif , 2. l’Étude les relations Micro/Macro au sein du marché boursier en tenant compte des facteurs externes qui le perturbent et 3. l’étude des phénomènes liés à la Bourse en simulant les interactions entre les acteurs afin de fournir un cadre expérimental pour observer les conséquences des comportements des investisseurs.

23 Systèmes complexes abordés
CUBES FuzTranS EMoTranS MoDemS SiSMar ACMO Principaux résultats Un nouveau modèle comportemental de l’investisseur Simulateur SiSMar Observations de phénomènes émergents Volatilité des prix et présence d'un processus multiplicatif Fat tails (queues épaisses) Clustering de la volatilité Thèse Mlle Zahra Kodia : ENSI Parmi les principaux résultat de ce travail de recherche je cite la proposition d’un nouveau modèle comportemental de l’investisseur qui dissocie entre les processus perceptif, informationnel et décisionnel. Ce modèle prend en considération certaines attitudes comportementales. Il est à souligner que le modèle considère également une vision multi-objective de l’investisseur. Ce modèle a été à la base du développement de l’outil de simulation SiSMar qui a été utilisé pour conduire un ensemble d'expérimentations qui nous ont permis, d'une part, de valider notre modèle comportemental, et d'autre part, d'expliquer des phénomènes émergents dans la Bourse en fonction des attitudes comportementales des différents acteurs sur le marché boursier. Parmi les résultats obtenus je cite ceux qui sont relatifs au faits stylisés observés dans les marchés boursiers réels et qui sont reproduits avec notre modèle. Les faits stylisés représentent des propriétés statistiques communes à la plupart des actifs financiers. Ils sont observés d'une façon générale sur de nombreux marchés boursiers sur des périodes de temps variées. Ils représentent des invariants du monde financier. Parmi le fait stylisés observés il y a les Fat tails (queues épaisses) il s’agit d’une propriété soutient la finance comportementale et confirme que la distribution des prix ne suit pas la loi normale, comme le prédit l'HEM (hypothèse d'efficience du marché). le Clustering de la volatilité : les séries temporelles montrent habituellement une caractéristique connue sous le nom de clustering de volatilité, dans laquelle des changements importants ont tendance à suivre les grandes fluctuations, et de petits changements ont tendance à suivre les petites fluctuations.

24 Systèmes complexes abordés
Problématique Incorporation des préférences du décideur dans les algorithmes évolutionnaires multi-objectifs afin de guider la recherche vers la région d’intérêt Pareto optimale. CUBES FuzTranS EMoTranS MoDemS SiSMar ACMO Principaux objectifs : Incorporer les préférences implicites et explicites du décideur dans les algorithmes évolutionnaires multi-objectifs Concevoir de nouveaux algorithmes évolutionnaires multi-objectifs interactifs qui prennent en considération les préférences parfaites et floues des décideurs Proposer un modèle à base d’agents pour la prise de décision dans le cas d’un groupe de décideurs en prenant en compte leurs préférences Thèse M. Slim Bechikh : ISGT Le travail suivant s’inscrit dans le cadre de mon co-encadrement de la thèse de mr Slim Bechikh inscrit à l’ISG tunis depuis il s’articule autour de l’incorporation des préférences du décideur dans les algorithmes évolutionnaires multi-objectifs. Nos principaux objectifs sont premièrement l’incorporation des préférences implicites et explicites du décideur dans les algorithmes évolutionnaires multi-objectifs, deuxièmement la conception de nouveaux algorithmes évolutionnaires multi-objectifs interactifs qui prennent en considération les préférences parfaites et floues des décideurs Et enfin la proposition d’un modèle à base d’agent pour la prise de décision dans le cas d’un groupe de décideurs en prenant en compte leurs préférences

25 Systèmes complexes abordés
Principaux résultats CUBES FuzTranS EMoTranS MoDemS SiSMar ACMO r-dominance : une nouvelle relation de dominance Estimer le vecteur nadir en utilisant des points de référence mobiles Guider plus efficacement la recherche vers les meilleurs compromis en découvrant les régions knee Nadir point et Knee region Prototype d’un outil d’aide à la gestion des préférences dans un groupe de décideurs Guider plus efficacement la recherche vers la RI indépendamment de la faisabilité du point de référence Traiter plusieurs points de référence simultanément Thèse M. Slim Bechikh : ISGT La première contributions majeure dans ce travail consiste à proposer une nouvelle relation de dominance (appelée r-dominance : reference solution-based dominance) inspirée de la notion de dominance de Pareto et de la méthode de point de référence. Cette nouvelle relation a démontré sa capacité à : (1) guider la recherche vers la RI indépendamment de la faisabilité du point de référence, (2) contrôler aisément et précisément l’étendue de la RI, (3) traiter plusieurs points de référence simultanément et (4) produire des résultats meilleurs que ceux des approches récentes de la littérature spécialisée. Ce travail a donné lieu à l’article suivant : La deuxième contribution dans notre travail relatif à cette thèse consiste l’exploration des points nadir et les régions Knee qui représente une sorte de préférences implicites du décideur. En effet nous avons proposé dans ce contexte de nouveaux algorithmes qui permettent respectivement d’estimer le vecteur nadir en utilisant des points de référence mobiles et de guider la recherche vers les compromis maximaux. La troisième contribution majeure consiste à proposer un prototype d’un outil d’aide à la gestion des préférences dans un groupe de décideurs cette outil se base sur un nouveau protocole de négociation multi-agent. L’étude expérimentale a démontré la capacité de cet algorithme à : (1) découvrir les régions knee pour le cas bi-objectif et tri-objectif, (2) contrôler l’étendue des régions knee détectées et (3) résoudre le cas où le décideur n’a aucune connaissance a priori concernant le nombre des régions knee existantes dans le front de Pareto à travers un scénario interactif. Parfois, le décideur peut s’intéresser à des portions spéciales du front de Pareto constituées par les solutions présentant les compromis maximaux entre les objectifs. Ces portions sont nommées les régions « knee ». Le fait de s’intéresser à de telles parties du front Pour aider le décideur lors l’expression de ses préférences sous la forme de point de référence, il est intéressant de lui fournir le point idéal et le point nadir qui permettent de définir le domaine de définition des solutions Pareto-optimales dans l’espace des objectifs. Le point idéal peut être déterminé en minimisant chacun des objectifs individuellement. Par contre la détermination du point nadir nécessite l’exploration des solutions Pareto optimales extrêmes. Le candidat a conçu un nouvel algorithme pour l’estimation du vecteur nadir en utilisant des points de référence mobiles. L’étude expérimentale a montré la capacité de cet algorithme à estimer le point nadir pour des problèmes bi- et tri-objectifs, linéaires et non linéaires, sans contraintes et avec contraintes. En outre, l’algorithme proposé a montré sa performance par rapport aux travaux les plus représentatifs du domaine.

26 Systèmes complexes abordés
Problématique Proposition de nouvelles approches hybrides pour l'optimisation EMO en les appliquant sur des problèmes multi-objectifs liés à la gestion collaborative de stock dans une chaine logistique. CUBES FuzTranS EMoTranS MoDemS SiSMar ACMO Principaux objectifs : Proposer de nouvelles variantes multi-objectifs pour le problème du Trasshipment plus proches de la réalité Proposition de nouvelles méthodes hybrides et les appliquer sur les variantes du problème proposées Développer un outil de simulation permettant d'aider les responsables de la gestion de stocks dans une chaine logistique lors de leurs décisions au quotidien. Thèse M. Nabil Belgasmi : ENSI Les deux travaux qui restent à présenter sont relatif au domaine de la gestion collaborative de stock dans une chaine logistique

27 Systèmes complexes abordés
Principaux résultats CUBES FuzTranS EMoTranS MoDemS SiSMar ACMO Transshipment avec capacités de stockage limitées Transshipment multi-objectif avec contraintes sur la capacité de stockage Prototype d’outil d’aide à la décision Thèse M. Nabil Belgasmi : ENSI Analyse multi-objectif des modèles Newsvendor et Transshipment avec capacités de stockage limitées Comme synthèse de ce qui a été fait précédemment, l’étudiant a rassemblé en une seule étude deux modèles de gestion de stock : Newsvendor et Transshipment. Une analyse multicritère en présence des contraintes de stockage a été proposée dans un article de synthèse soumis au journal spécialisé IJISSCM (International Journal of Information Systems and Supply chain Management). Un nouvel algorithme hybride basé sur une estimation gloutonne du quasi-gradient Mr. Nabil Belgasmi a proposé un autre algorithme hybride spécifique à l’optimisation continue. L'idée de base de cet algorithme repose sur l’exploitation d’une information incomplète sur le gradient local d’une solution donnée, d’où la notion de « quasi-gradient ». En effet, à partir d’une solution X, un nouvel individu est généré par mutation polynomiale, le déplacement de X vers Y est prometteur si et seulement si Y domine X, sinon, le déplacement opposé est accepté même s’il dégrade la qualité. Il a été prouvé expérimentalement que cette recherche locale (RL) est plus performante qu’une RL aléatoire non guidée par des informations locales. Le travail a été soumis à la conférence LION 5. Une version mono-objective de cette méthode a fait l’objet d’un article publié dans la conférence ECAI (2008).

28 Systèmes complexes abordés
Problématique : Étude d'un réseau de distribution à un étage comportant N sites qui collaborent pour minimiser le coût de stockage global et assurer un bonne QoS en prenant en considération des facteurs d’incertitude CUBES FuzTranS EMoTranS MoDemS SiSMar ACMO Principaux objectifs : Proposer une formalisation de facteurs incertains pour déterminer leurs influences sur la gestion de stock Identifier de nouvelles stratégies de collaboration qui permettent la réduction des risques liés à l'incertitude Développer un outil d’aide à la décision qui prend en considération les paramètres incertains dans le cadre de la gestion collaborative de stock qui permet l'optimisation des mesures de performance Thèse M. Mohamed Hmiden: ENSI

29 Systèmes complexes abordés
Principaux résultats CUBES FuzTranS EMoTranS MoDemS SiSMar ACMO Stratégie de Transshipment à deux étapes Stratégie de Transshipment à deux étapes Optimisation hybride basée sur les AG et la simulation floue Impact de l'incertitude des demandes clients sur coût de stockage et quantité d’approvisionnement Identification des facteurs d’incertitude liés au problème du transshipment Proposition de stratégies de gestion collaborative de stock en fonction du profil comportemental du décideur Attitude du preneur de décision Stratégie de Transshipment max-min Averse au risque Pessimiste Neutre au risque Preneur de risque Optimiste Stratégie de Transshipment mixte Stratégie de Transshipment max profit Thèse M. Mohamed Hmiden: ENSI proposé une méthode d'optimisation hybride basée sur les algorithmes génétiques et la simulation oue pour déterminer le vecteur optimal des quantités d'approvisionnement qui minimise la fonction du coût de stockage En eet, nous avons identié deux fonctions objectifs. La première fonction objectif est relative à la minimisation des coûts de stockage sans prendre en considération les contraintes niveau de service. La deuxième est relative à la minimisation du coût de stockage tout en assurant un certain niveau de service minimal pour chaque site. Les principaux résultats relatifs aux expérimentations menées dans ce contexte nous ont permis d'analyser l'impact de l'incertitude des demandes clients, modélisées par des ensembles ous trapézoïdaux, sur le coût total de stockage et sur la quantité totale d'approvisionnement ainsi que le bénéce de notre stratégie de transhipment.

30 Plan Contexte général Attitude comportementale Présentation d’ACMO
Motivations Sources d’inspiration Méthodologie Systèmes complexes abordés Problématiques Objectifs Principaux résultats Conclusion

31 Apports méthodo-logiques
Conclusion Proposition d’une approche d'étude des systèmes complexes socio-économiques à aspect décisionnel : ACMO Proposition d’une approche de calibrage et de validation des modèles de simulation à base de systèmes multi-agents Approfondissement de la démarche méthodologique de conception de systèmes multi-agents Apports méthodo-logiques Proposition d’une épistémologie pratique relative à la définition d'une méthode expérimentale pour expliquer et prédire Proposition de cadres théoriques intégratifs comme cadre formel pour l'étude des systèmes complexes

32 Conclusion Proposition de nouveaux algorithmes mimétiques par hybridation d'algorithmes évolutionnaires avec des heuristiques de recherche locale Proposition et amélioration d'algorithmes évolutionnaires multi-objectif Application et adaptation de techniques d'optimisation multi-objectif à des instances de problèmes réels Apports tech-niques Hybridation et application de la simulation floue avec les algorithmes génétiques Introduction de mécanismes de représentation des attitudes comportementales

33 philosophique / épistémologique (J.L. Lemoigne et P. Viveret, 2008)
Finissons par une note philosophique / épistémologique "Longtemps, la complexité fut entendue comme un mur... plutôt que de chercher à abattre ou à contourner ou à fuir le mur de la Complexité, ‘pourquoi pas' nous attacher à 'faire avec' (à tous les sens de l'expression, et d'abord son sens anglais : 'to deal with') ? ". (J.L. Lemoigne et P. Viveret, 2008)


Télécharger ppt "Institut Supérieur de Gestion Laboratoire de recherche SOIE"

Présentations similaires


Annonces Google