Simulation à base d’agents : une piste pour résoudre la complexité
Catégorie: Environnement, Logiciels, Mobilité, Recherche, Reportages
607 mots, environ 3 mn de lecture
par Sukran Dal
Face à la complexité de certains phénomènes, les chercheurs s’intéressent de près à la modélisation à base d’agents. En effet, de nouveaux outils, présentés à SAGEO 2017, ouvrent des voies prometteuses dans le traitement de données hétérogènes, notamment géographiques. Elle peut s’appliquer à des problématiques variées, comme la réaction aux tsunamis et l’adaptation au changement climatique.
En cas d’alerte tsunami, précédé de séismes dans 80 % des cas, pourquoi les habitants n’empruntent-ils pas systématiquement le chemin le plus court ? Dans le delta du Mékong, pourquoi les paysans n’adaptent-ils pas leurs pratiques aux évolutions climatiques ? C’est pour répondre à ce type de question que les chercheurs s’intéressent à la modélisation à base d’agents (alias MBA). En effet, en donnant une forme d’autonomie aux agents (les habitants, les paysans), qui agissent sur leur environnement soumis à des variables (montée des eaux, salinisation…) dans un modèle d’interactions, la modélisation à base d’agents s’avère plus à même d’expliquer des phénomènes complexes.
De nombreuses données géographiques mobilisées
Étudiant le cas de Syracuse en Italie, Odile Plattard caractérise les propriétés de ses agents (les humains) grâce à leur vitesse de déplacement et à leur localisation. Afin de décrire l’environnement, elle intègre un modèle numérique de terrain, les bâtiments, leur vulnérabilité ainsi que les zones refuge. La vague et le risque sismique composent des variables paramétrables. Une fois implémenté dans NetLogo et son extension SIG, différents scénarios d’itinéraires peuvent être analysés.
![Évaluation du comportement des agents lors du tsunami avec (scénario 3) ou sans (scénario 1 et 2) séisme afin de voir s’ils arrivent à atteindre les zones refuges](https://www.decryptageo.fr/wp-content/uploads/2017/12/2017-12-SAGEO-Plattard-435x268.jpg)
Évaluation du comportement des agents lors du tsunami avec (scénario 3) ou sans (scénario 1 et 2) séisme afin de voir s’ils arrivent à atteindre les zones refuges
L’équipe de l’IRD va plus loin en associant des sous-modèles de natures différentes. Parmi ces derniers : un modèle spatial relatif aux parcelles, aux sols et aux rivières. La modélisation par agent est « précurseur pour l’adaptation au changement climatique car les autres types de modélisation manquent de généricité, explique Alexis Drogoul, représentant de l’IRD au Vietnam, elles ne prennent pas en compte les parties prenantes, n’analysent pas les phénomènes à plusieurs échelles, et proposent une représentation naïve des groupes humains. »
Une architecture ad hoc
Pour coupler des modèles pluridisciplinaires, ces derniers doivent se communiquer des données. Devant l’absence de solution sur étagère, une infrastructure de développement intégré (IDE), GIS & Agent-based Modelling Architecture (GAMA) a été spécifiquement créée. GAMA peut intégrer des millions d’agents, être connectée avec des bases de données ou avec R, etc., et propose des fonctionnalités avancées comme la 3D.
Des outils prometteurs
Hier seulement capables de rendre compte de situations réduites à des archétypes, les outils modernes de modélisation par agents savent s’attaquer aujourd’hui à des situations complexes, même s’ils sont encore perfectibles.
![Étapes de modélisation des données par l’IRD au Vietnam. En haut, le modèle conceptuel en UML (diagramme des classes, et diagramme d’action). En bas à gauche, les données d’entrée de la MBA. À droite, les cartes issues de chaque simulation (colonne 1), celles des observations de 2010 (colonne 2), et les différences entre les deux, (FKappa, en colonne 3).](https://www.decryptageo.fr/wp-content/uploads/2017/12/2017-12-SAGEO-Drogoul-435x317.jpg)
Étapes de modélisation des données par l’IRD au Vietnam. En haut, le modèle conceptuel en UML (diagramme des classes, et diagramme d’action). En bas à gauche, les données d’entrée de la MBA. À droite, les cartes issues de chaque simulation (colonne 1), celles des observations de 2010 (colonne 2), et les différences entre les deux, (FKappa, en colonne 3).
Ainsi, même si des enquêtes de terrain alimentent le modèle, il serait intéressant d’impliquer les acteurs dans l’étude afin de mieux approcher la réalité des paysans du Mékong. Alexis Drogoul conclut sur « la nécessité d’un mariage, lors de la phase d’implémentation, entre des outils plus informatiques et la participation des acteurs pour construire plus facilement de nouveaux modèles. » L’approche reste encore peu reproductible car il « manque une méthodologie pour réutiliser des expériences déjà faites dans d’autres contextes, » regrette l’expert. Encore du travail en perspective pour les équipes de recherche.
- L’intervention d’Alexis Drogoul à SAGEO2017 en vidéo sous ce lien : https://webtv.univ-rouen.fr/videos/1er-partie-sageo_30161/
- l’article d’Odile Plattard extrait des actes de SAGEO2017 sous ce lien :