Module 2.4 Modélisation orientée-individu et multi-agent

Résumé du module

Dans ce module, nous introduisons la modélisation orientée-individu et la modélisation multi-agent. Ce module comprend quatre activités : deux activités de lecture et deux activités d’exploration de modèles avec le logiciel NetLogo.

L’activité 1 consiste à lire l’article « Individual-basedmodeling of ecological and evolutionary processes » de De Angelis et Mooij (2005),  qui porte sur la modélisation orientée-individu en écologie et en biologie évolutive. Dans l’activité 2, vous êtes invité à explorer le modèle NetLogo « Termites » où vous devez manipuler les paramètres du modèle et explorer la dynamique résultante.

L’activité 3 est une lecture de l’article de synthèse « Multi-agent simulations andecosystem management »  de Bousquet et Le Page (2004) concernant  la modélisation multi-agent pour la gestion des écosystèmes. Finalement, l’activité 4 vous conduit à l’exploration du modèle multi-agents NetLogo « Coopération ».

À la fin du module, vous réalisez le travail noté 2 qui porte sur la modélisation orientée-individu et multi-agent (15 % de la note finale).

Introduction

Les approches de modélisation orientée-individu et multi-agent constituent un changement de paradigme par rapport à la modélisation dite systémique (module 2.2). Dans l’approche systémique, le système est modélisé en le représentant par des compartiments liés entre eux par des flux. Cependant, dans les approches orientées-individu et multi-agents, l’échelle à laquelle le système est représenté se situe au niveau des entités qui constituent le système (figure 2.4.1). Ainsi, ces approches de modélisation sont à l’échelle des individus ou des agents qui composent le système.

Figure 2.4.1 Schéma conceptuel d’un modèle orienté-individu ou multi-agent.

Dans un modèle orienté-individu ou multi-agent, tel que schématisé à la figure 2.4.1, un système est modélisé en représentant les entités hétérogènes qui le composent. Par leurs actions locales et leurs interactions entre elles et avec leur environnement, ces entités peuvent produire un comportement collectif ou d’autres entités à un niveau hiérarchique supérieur (par exemple des regroupements sociaux). Ces nouvelles entités sont dites émergentes parce qu’elles n’ont pas été modélisées (figure  2.4.1). Ces entités émergentes influenceront par des boucles de rétroaction le comportement même des composantes qui les ont formées.

Par exemple, considérons un système composé d’une population de lapins subissant la prédation d’une population de renards. Dans l’approche systémique, nous représentons la population de renards par un compartiment de taille R et celle de lapins par un compartiment de taille L lié à R par un taux de prédation p_R.  La figure 2.4.2a illustre un modèle conceptuel représentant les interactions entre une population de lapins et une population de renards selon l’approche systémique à compartiments. Les paramètres utilisés sont le taux de naissance des lapins n_L, le taux de prédation des renards p_R, l’efficacité des renards à convertir le fruit de leur prédation en naissances, et la mortalité des renards m_R.

Dans une approche orientée-individu ou multi-agent, chacun des L lapins et des R renards sont explicitement modélisés. La figure 2.4.2b illustre un modèle conceptuel du même système lapins-renards selon une approche orientée-individu. Les cercles de petite taille représentent les lapins et les autres, les renards. Les flèches indiquent les interactions locales renards-lapins. Dans cette perspective, la prédation a lieu seulement si un renard rencontre un lapin et peut s’en emparer.

Dans l’approche orientée-individu, les processus de naissance, de mortalité et les interactions entre les renards et les lapins sont modélisés au niveau de l’individu par des probabilités et ne sont pas nécessairement uniformes sur l’ensemble de la population. Le taux de prédation, qui se mesure comme la quantité de lapins tués par des renards par unité de temps, est alors une propriété émergente du système; ce n’est pas un paramètre du modèle. Le taux de prédation peut ainsi varier selon les caractéristiques des lapins et des renards modélisés (par exemple l’âge, la capacité de reproduction, l’habileté à se déplacer, etc.), de l’environnement dans lequel ils se trouvent (par exemple dû aux ressources qui y croissent et pouvant servir de nourriture ou de refuge aux lapins) et du caractère probabiliste des rencontres lapins-renards.

Figure 2.4.2 Schémas conceptuels du système lapins-renards. a) Modélisation systémique b) Modélisation orientée-individu.

Un modèle est-il orienté-individu ou multi-agent? Certains chercheurs et modélisateurs n’apportent pas de distinction entre la notion d’individu et d’agent et utilisent ces termes de façon interchangeable. L’appellation orientée-individu est utilisée davantage en écologie et en biologie évolutive, tandis que l’appellation multi-agent est surtout réservée à la modélisation de systèmes sociaux et économiques. Cette distinction tient du fait qu’historiquement ces deux types de modèles ont été développés et ont évolué dans des champs de recherche différents. Les agents peuvent donc être perçus comme des individus possédant un caractère social et cognitif.

Modélisation orientée-individu

Il n’existe pas de définition absolue d’un modèle orienté-individu. Dans un modèle orienté-individu, les populations sont modélisées par des entités distinctes qui représentent des organismes individuels ou des groupes d’organismes similaires. Les individus sont caractérisés par un ensemble de traits qui varient d’un individu à l’autre et qui décrivent, par exemple, différentes façons d’interagir avec l’environnement et avec les autres individus.

Pour en apprendre davantage sur cette approche de modélisation, passez maintenant à l’activité 1. L’article de De Angelis et Mooij (2005) vous renseigne sur les origines et l’historique de l’utilisation des modèles orientés-individus en écologie et en évolution. Cet article vous permet de saisir la pertinence de cette approche pour modéliser avec justesse certains systèmes dans l’objectif d’améliorer notre compréhension de leurs dynamiques.

L’objectif des modèles orientés-individus est d’intégrer les variations entre les organismes ou les groupes d’organismes qui sont pertinentes à certaines questions de recherche. De Angelis et Mooij (2005) proposent cinq sources possibles de variation entre les individus modélisés :

1. la variabilité spatiale
2. la variabilité selon le cycle de vie et l’ontogénie du développement
3. la variabilité phénotypique, la plasticité et le comportement
4. la variabilité selon l’expérience et l’apprentissage
5. la variabilité génétique et l’évolution

Ces caractéristiques ne peuvent généralement pas être incluses dans des modèles systémiques générés par des équations différentielles ou de différence (voir le module 2.2).

L’intégration de différences individuelles permet donc aux modèles orientés-individus de répondre à des questions ne pouvant être abordées par des modèles classiques de dynamique de populations. Les modèles orientés-individus offrent, entre autres, une meilleure compréhension de l’influence de la dispersion spatiale des individus et des interactions locales entre ceux-ci sur la stabilité des populations, la coexistence entre plusieurs espèces et sur la formation de patrons spatiotemporels (figures 2.4.3 et 2.4.4).

Figure 2.4.3 Un exemple de patron spatiotemporel observé dans la nature : une volée de stariques en Alaska.
(Source : Vernon Byrd, USFWS).

Figure 2.4.4 Un exemple de patron spatiotemporel reproduit par avec un modèle orienté-individu : une volée d’oiseaux simulée avec le modèle NetLogo « Flocking » (Wilensky, 1998).

L’article de De Angelis et Mooij présente aussi une revue approfondie de la littérature des modèles orientés-individus utilisés en écologie et en évolution. Les modèles orientés-individus permettent d’étudier l’effet des facteurs environnementaux et de l’hétérogénéité du paysage sur la viabilité, la productivité et la composition en espèces des populations. Ils servent à comprendre comment la répartition spatiale des ressources, les préférences alimentaires, les contraintes physiologiques et la mémoire des organismes influencent leur stratégie optimale de recherche de nourriture. Ils sont aussi utilisés pour explorer les mécanismes et les conditions responsables de la spéciation (l’apparition de nouvelles espèces).

Plus spécifiquement, les auteurs classent les modèles proposés dans leur revue de la littérature selon les processus biologiques principaux qu’ils permettent d’explorer :

1. le mouvement dans l’espace
2. la formation de patrons par le comportement local d’individus
3. l’alimentation et de la bioénergie des individus
4. les interactions interspécifiques d’exploitation
5. la compétition locale entre les individus
6. les processus évolutifs
7. les processus liés à l’aménagement du territoire et à la conservation de la biodiversité

L’article de De Angelis et Mooij vous décrit en détail six modèles abondamment cités en  écologie et en évolution. Ces modèles portent sur la dynamique de recrutement des poissons, la dynamique forestière, la dynamique de communautés d’espèces, la dynamique de populations dans un paysage hétérogène, la spéciation et la conservation. Ces exemples permettent de saisir le large éventail de questions de recherche pouvant être explorées avec les modèles orientés-individus. Ces exemples vous renseignent aussi sur les principales caractéristiques de ces modèles.

Afin de vous familiariser avec l’utilisation d’un modèle orienté-individu, vous devez maintenant réaliser l’activité 2. Cette activité vous permet d’observer comment le comportement collectif d’individus soumis à des règles de comportement simples peut créer des patrons spatiaux à l’échelle du territoire.

Modélisation multi-agent

Les modèles multi-agents, aussi appelés modèles orientés-agents, prennent leur origine dans le domaine de l’intelligence artificielle. Un modèle multi-agent représente un système par un ensemble d’agents hétérogènes en interaction entre eux et avec leur environnement. Les agents possèdent une certaine autonomie et une capacité à prendre des décisions.

Passez maintenant à l’activité 3. Cette activité vous invite à lire un article de synthèse portant sur la modélisation multi-agent en gestion des écosystèmes. François Bousquet, un des auteurs de l’article, est un chercheur reconnu pour ses contributions au développement de modèles multi-agents.

L’article de Bousquet et Le Page définit les caractéristiques principales des modèles multi-agents. Dans un modèle multi-agent, les agents sont des individus qui cherchent à accomplir une tâche, comme se nourrir, gagner un revenu, se déplacer du point A au point B, etc., en réalisant des actions. Les agents sont hétérogènes et possèdent leurs propres règles de fonctionnement et mécanismes de prise de décision qui dictent leurs actions. Les règles suivies par un agent sont influencées par son vécu (l’historique de l’agent) et par la perception qu’il se fait de son environnement (qu’il soit géographique, social, économique ou autre).

Un agent prend des décisions sur la base des informations qui lui sont disponibles et qui sont généralement incomplètes ou imparfaites. Un agent peut aussi adapter son comportement en fonction de changements dans son environnement ou dans ses interactions avec les autres agents et au fur et à mesure qu’il acquière de l’information sur son environnement. Les actions prises par un agent sont locales : il interagit avec un nombre limité d’agents et son influence sur l’environnement est circonscrite. À travers leurs prises de décisions et leurs actions, les agents modifient l’environnement dans lequel ils évoluent.

En comparaison aux modèles orientés-individus décrits précédemment, les modèles multi-agents accordent une plus grande importance à la modélisation du processus de prise de décisions des agents et de leur schéma social. Un agent n’est pas nécessairement une personne unique et il peut représenter n’importe quelle entité au sein d’une structure hiérarchique et organisationnelle : une communauté, une cohorte, un groupe social, une institution, etc.

Bousquet et Lepage expliquent l’utilité des modèles multi-agents pour explorer des questions propres aux sciences sociales. En effet, ces modèles peuvent servir à comprendre comment les agents, de par leurs perceptions, leurs actions et leurs interactions, sous forme d’échange d’information et de biens et services, en viennent à former des structures collectives. Ces modèles permettent ainsi de questionner comment les individus sont contraints par ces structures qu’ils ont eux-mêmes créés et comment ils font en sorte que ces structures évoluent (figure 2.4.1).

Les modèles multi-agents permettent d’intégrer les interactions entre les composantes écologiques et sociales propres à la gestion des écosystèmes.  Les sphères écologique et sociale ont traditionnellement été perçues comme étant indépendantes l’une de l’autre. La gestion des écosystèmes, expliquent Bousquet et Lepage, était étudiée soit sous l’angle d’un système écologique soumis à des perturbations anthropogéniques ou d’un système social soumis à des contraintes naturelles.

Or, les écosystèmes sont maintenant davantage perçus comme étant des systèmes socio-écologiques et les modèles multi-agents constituent une approche de modélisation fort utile pour représenter la complexité de ces systèmes. Ainsi, comme le présentent Bousquet et Lepage, on retrouve plusieurs applications de ces modèles en aménagement des ressources naturelles (par exemple pour les pêcheries, l’agriculture, l’aménagement de parcs naturels, etc.).

Les modèles multi-agents permettent d’explorer les enjeux liés au partage de biens collectifs. Ces modèles servent alors de systèmes d’aide à la décision pour la recherche de solutions entre les usagers d’une ressource commune mais aux desseins différents.

L’activité suivante vous invite à explorer un modèle multi-agent. Ce modèle NetLogo simule la dynamique produite par deux types d’agents, des agents avares et des agents altruistes, en compétition pour la même ressource.

Pour compléter le module 2.4 vous allez maintenant réaliser le travail noté 2. Ce travail noté vaut pour 15 % de votre note finale.

Références

Bousquet, F. et Le Page, C. (2004). Multi-agent simulations and ecosystem management : A review. Ecological Modelling, 176(3-4), 313-332. doi : https://dx.doi.org/10.1016/j.ecolmodel.2004.01.011

Byrd, V (USFWS). Flock of Auklets flying off Kasatochi before the 2008 eruption. Repéré à https://alaska.usgs.gov/science/kasatochi/photo_gallery.php#birds, le 25 juin 2015.

DeAngelis, D. L. et Mooij, W. M. (2005). Individual-based modeling of ecological and evolutionary processes. Annual Review of Ecology, Evolution, and Systematics, 36, 147-168. doi : 10.2307/30033800

Wilensky, U. (1998). NetLogo flocking model. Evanston, IL :  Center for Connected Learning and Computer-Based Modeling, Northwestern Institute on Complex Systems, Northwestern University. Repéré à https://ccl.northwestern.edu/netlogo/models/Flocking