La simulation de phénomènes naturels est une approche axée autour de différentes disciplines telles que l’écologie, l’environnement, la biologie, etc.
Il n’y a pas vraiment de théorie propre aux simulations de phénomènes naturels. La simulation de phénomènes naturels utilise les principes des simulations multi-agents et est orientée vers l’étude d’éco-sytèmes. On peut dire que chaque système est propre au sujet qu’il traite. C’est pourquoi, cette présentation, fruit de la collecte d’informations sur le sujet, s’appuie principalement sur la présentation des équipes et des projets du domaine ; dans le but de faire une sorte d’état de l’art.
La modélisation et la simulation de systèmes naturels à l'aide de systèmes multi-agents est pluridisciplinaire : l'informaticien apporte sa connaissance de l'informatique, développe des travaux nouveaux pour répondre à des questions que se posent des chercheurs d'une autre discipline, une discipline des sciences naturelles dans notre cas. Ce travail repose sur un dialogue constant entre les disciplines.
Le choix des SMA pour l'étude de ce type de systèmes n'est pas un choix académique : c'est un choix de raison. En effet, l'objectif n'est pas, comme cela est généralement le but dans l'utilisation de l'informatique, de calculer une fonction ; l'objectif est d'étudier la dynamique d'un système. La modélisation consiste à transcrire un système dans un certain langage pour pouvoir l'étudier plus aisément (des équations différentielles, par exemple). Cependant, il est beaucoup plus judicieux, parce qu'il se prête mieux à l'expression d'objets complexes, d'utiliser des agents dont le comportement est décrit algorithmiquement. Aussi, la modélisation multi-agents répond t-elle à ces attentes. Il est important de noter que la Simulation Orientée Agent (SAO) ne cherche pas à " rendre tout agent ", même s'il est intéressant de voir jusqu'où les SMA peuvent se substituer aux équations. Si, dans le système étudié, certaines parties de la dynamique sont parfaitement décrites par des équations que l'on sait résoudre, alors elles sont utilisées.
D'un point de vue plus global, l'objectif est la réalisation de laboratoires virtuels. C'est-à-dire la conception logicielle dans lequel un système est décrit et la dynamique simulée. Les paramètres définissant le système sont modifiés dynamiquement et des capteurs placés à tout endroit du système permettent la collecte de mesures. Le but est de pouvoir tester des hypothèses en faisant jouer des scénarii et d'observer et mesurer l'évolution du système. Cela permet également la visualisation des phénomènes émergeants que l'on ne peut pas imaginer/prévoir a priori. Cette visualisation aide à la compréhension du système et de sa dynamique.
D'une manière générale, les modèles rencontrés dans les sciences du type biologie, géologie, etc. décrivent des flux de manière analytique. En modélisation MA, il faut décrire le comportement individuel des agents et leurs interactions. C'est un changement complet de perspective. Dans une modélisation multi-agents, les bilans sont émergeants : ce sont des résultats, et non plus des données. Généralement, le chercheur a un modèle de type bilans et une intuition concernant le comportement à un niveau plus fin et seul l'aspect bilan est utilisé effectivement, du fait qu'il soit analytique. En renversant complètement le point de vue à l'aide d'une modélisation MA en mettant en avant le comportement individuel, nous mettons en question la cohérence des deux niveaux de " compréhension " du système : normalement, la simulation des comportements individuels doit naturellement déboucher sur l'observation des bilans censés décrire la dynamique du système (voire infra).
La validation du modèle est basée sur une comparaison entre les observations et la dynamique de la simulation. Après modélisation du comportement des agents et de leurs interactions, on paramètre le système et on simule des situations expérimentales connues. En fonction du décalage entre l'observation et la simulation, on cale le modèle.
Lorsque qu'un système à été validé, on peut alors prédire des évolutions en jouant divers scénarii agissants sur les différents paramètres des agents et du simulateur. De même, en considérant que le simulateur demeure fidèle à la réalité, on peut trouver les différentes valeurs des paramètres à choisir pour arriver à une configuration voulue.
Du point de vue de la mise en place d'un modèle multi-agents, la modélisation est intuitivement assez facile à réaliser en comparaison avec une modélisation analytique ; elle ne demande pas une aptitude pour les mathématiques et leurs applications ; elle évite les problèmes liés à la résolution effective d'un système d'équations différentielles.
Comme on l'a déjà souligné plus haut, elle permet de simuler les lois comportementales observées et d'en vérifier leur cohérence par rapport aux modèles de bilans classiques. On renverse donc la perspective entre les données et les résultats.
L'approche permet d'intégrer des modèles du comportement de plusieurs types d'agents dans une même simulation et de tester la cohérence de ces modèles entre eux. Cette possibilité est très originale et permet de se rendre compte des incohérences entre des modèles décrivant des processus différents et interagissants.
L'aspect visualisation de la dynamique du système est également fondamental. Par essence, une émergence ne peut être prédite ; il est donc important de disposer d'un outil permettant de la voir, donc de mieux comprendre le système étudié.
Pour conclure, on peut dire que la simulation de phénomènes naturels est basée sur les mêmes principes que la simulation en biologie, en éthologie, en sociologie, etc. On commence toujours par modéliser le système étudié sous la forme d'un simulateur puis on le valide en effectuant des scénarii dont on connait les tenants et les aboutissants. Si la simulation diffère trop des résultats attendus/connus, il faut retravailler la modélisation... jusqu'à ce qu'elle devienne fidèle à la réalité. Enfin, on utilise le système pour faire des prédictions, observer l'impacte de certains paramètres, etc.
Cette discipline fourni alors un outil d'aide à la décision et commence à être largement répandue dans le domaine de l'écologie et de l'environnement. Il est ainsi de plus en plus fréquent que les entités du domaine se dotent de tels outils pour planifier leurs travaux
Le Cirad est un établissement public à caractère industriel et commercial (Epic). Son budget est de 170 millions d'euros. Il rassemble 1 850 agents, dont 950 cadres. Il comprend 7 départements et 60 unités de recherche et de service.
Le Cirad a pour objectif de "Contribuer au développement rural des pays tropicaux et subtropicaux par des recherches, des réalisations expérimentales, des actions de formation, en France et à l'étranger, l'information scientifique et technique principalement dans les secteurs agricole, forestier et agroalimentaire...".
Sites web:
Cirad :
http://www.cirad.fr/
CORMAS :
http://cormas.cirad.fr/
Origines de l’équipe :
http://cormas.cirad.fr/fr/demarch/histoir.htm
L’équipe SMAC (Systèmes Multi Agents Coopératifs) de l’IRIT (Institut de Recherche en Informatique de Toulouse) s'intéresse à la conception d'applications ouvertes et complexes pour lesquelles il n'y a pas de solution algorithmique connue (par exemple, la prévision de crues, le commerce électronique, la simulation de fourmis ...).
La solution logicielle à ce type de problème sera un système multi-agent (SMA)
c'est-à-dire un système composé d'un grand nombre d'entités autonomes dont le
comportement collectif permet d'obtenir la fonction souhaitée. Un agent est une
entité plongée dans un environnement, elle est autonome (capacité de décider de
son comportement), dotée de compétences (son savoir-faire), de croyances (sur
elle-même, sur les autres et sur son environnement), d'une attitude sociale et
de moyens d'interagir avec l'extérieur.
Les applications étudiées sont ouvertes c'est-à-dire que des changements imprévus peuvent survenir et le système doit donc être capable de s'adapter pour répondre à ces imprévus.
Site web: http://www.irit.fr/ACTIVITES/EQ_SMI/SMAC/
L’équipe MIRIAD du LIP6, dirigé par A. Drogoul
Site web:
http://miriad.lip6.fr/
Le Laboratoire d'Ingénierie pour les Systèmes Complexes
(LISC).
Ce laboratoire fait partie du Cemagref qui est un
institut public de recherche pour l’ingénierie de l’agriculture et de
l’environnement, basé à Clermont-Ferrand.
Site web:
http://wwwlisc.clermont.cemagref.fr/
La plateforme CORMAS est l’une des plus utilisée et est sans cesse référencé par la littérature du domaine. Il paraissait nécessaire d’en faire une présentation.
CORMAS est une plateforme de simulation multi-agents dédiée à la gestion des ressources renouvelables.
La modélisation SMA est comme on l’a vu susceptible d’intéresser de nombreux chercheurs issus de disciplines ou les outils de modélisation informatique ne sont pas forcément présents Il faut donc permettre à ces chercheurs de construire avec quelques notions de programmation facilement des modèles sans se heurter à des problèmes techniques éloignés des questions de modélisation mais toujours récurrents tels que la construction d’une interface utilisateur ou la gestion de listes d’entités intervenant dans la simulation. C’est pourquoi, à l’instar d’autres groupes de recherches (plateforme SWARM du Santa Fe Institute) l’équipe SMA du CIRAD-TERA a développé un environnement dédié à la modélisation des interactions entre un groupe d’agents et son environnement. CORMAS (CommonPool Resource and MultiAgent System) utilise les techniques de la programmation orientée objet en fournissant à l’utilisateur une liste d’entités génériques prédéfinies ainsi qu’une grille spatiale bidimensionnelle sur laquelle évoluent ces entités. CORMAS gère la visualisation, l’organisation et la synchronisation de ces entités ainsi que les problèmes spatiaux (une cellule de la grille connaît ses voisines, ses occupants, etc.). Lors de la construction d’un modèle il n’y a plus qu’à spécifier ses entités en les faisant hériter des entités génériques, les doter d’au moins une méthode d’initialisation et d’une méthode de contrôle, puis de construire une méthode de contrôle global qui est appelée à chaque pas de temps et planifie les actions à effectuer par chacune de ces entités. CORMAS est développé et se programme en Smalltalk Ce langage, s’il n’est pas très rapide, présente le grand avantage d’être agréable d’utilisation, très facile à apprendre (on n’y rencontre pas d’entités de bas niveau) et d’être purement objet, obligeant ainsi à une programmation objet propre.
Présentation de CORMAS : http://cormas.cirad.fr/fr/outil/present.htm
Nous allons maintenant étudier quelques exemples de projet utilisant la simulation de phénomènes naturels.
Le Laboratoire d'Ingénierie pour les Systèmes Complexes (LISC).
L'étude de l'origine et du maintien de la biodiversité est l'un des problèmes fédérateurs de l'écologie moderne. Si le recensement de la biodiversité qu'héberge notre planète a progressé constamment, les mécanismes historiques et écologiques à l'origine de cette biodiversité restent difficiles à aborder dans un cadre conceptuel commun. Il semble acquis que ces mécanismes sont multiples (Chesson 2000) et qu'ils interagissent, mais les outils théoriques permettant de quantifier leur rôle relatif dans des écosystèmes réels restent à développer. La forêt tropicale est un écosystème à la fois très riche et très fragile. Pour mieux le protéger et le gérer, il est nécessaire de mieux comprendre son fonctionnement complexe. La structure spatiale joue un rôle essentiel dans ce fonctionnement. Pourtant, elle est difficile à étudier, d'une part parce que les données sont peu accessibles, et d'autre part à cause du manque d'outils mathématiques adaptés.
L'objectif de ce projet de recherche est de développer différents outils pour étudier la structure spatiale de la forêt tropicale.
Site web présentant le projet :
http://wwwlisc.clermont.cemagref.fr/Labo/activite_recherche/projets/projets_en_cours/ForetTropicale/projet_forettropicale.htm
Goreaud, 2000 - Thèse : Apports de l'analyse de la
structure spatiale en forêt tempérée à l'étude et la modélisation des
peuplements complexes.
http://wwwlisc.clermont.cemagref.fr/Labo/MembresEtPagesIntermediaires/pagesperso/membres_actuels/goreaud/TheseFG/theseFG.htm
http://www.infotheque.info/ressource/5743.html
Cette thèse présente les différents mécanismes connus
du monde biologique (survie d’une espèce moins compétitive, phénomène
d’éclairement, etc.) qui doivent être traduits sous forme d’algorithme dans le
simulateur.
L’équipe se compose de trois entités :
· La Direction de l'Espace Rural et de la Forêt du Ministère de l'Agriculture, de la Pêche et de l'Alimentation,
· L'Unité d’Ecodéveloppement de l'Institut National de la Recherche Agronomique,
· L’Equipe Green du Centre de coopération Internationale en Recherche Agronomique pour le Développement (CIRAD).
Depuis quelques années un champ de recherche sur la simulation de sociétés en interaction avec leur environnement se développe. De nouvelles méthodes comme les systèmes multi-agents (SMA) permettent de créer des sociétés virtuelles sur lesquelles on étudie les effets d’interactions entre différents comportements sur l’état de ressources. Des modélisateurs utilisent ces méthodes pour créer des représentations informatiques de dynamiques étudiées sur le terrain. Un des objectifs primordiaux de ces recherches est de réfléchir à l’usage des modèles pour l’aide à la médiation ou l’accompagnement de projets d’aménagement. En mettant l’accent sur les problèmes d’espaces, de représentation et de coordination, ces outils sont utilisables dans la phase d’initialisation de projets d’aménagement et sont également appropriés pour envisager des scénarii d’évolution. De nombreuses applications des SMA ont été développées, en particulier pour la modélisation de la gestion des ressources naturelles mais aucune ne concerne la forêt méditerranéenne. Les seuls modèles proches des SMA disponibles, sont des modèles de propagation du feu basés sur des automates cellulaires (Clark et al, 1994 ; Karafyllidis & Thanailakis, 1997 ; Berjak & Hearne, 2002). Mais ces automates fonctionnent exclusivement à partir de règles biophysiques et sont incapables d’intégrer des règles de gestion ou des comportements humains.
Devant la difficulté de développer des modèles biophysiques performants à l’échelle du massif forestier et face au besoin de mieux comprendre l’impact des pratiques humaines sur les dynamiques écologiques, il était intéressant de développer un modèle mixte associant une représentation des dynamiques spatiales des ressources naturelles avec une représentation des actes de négociation entre différents types d’acteurs pour la gestion coordonnée d’un espace forestier en vue de réduire le risque d’incendie. La démarche utilisée se devait de définir précisément les enjeux du massif forestier pour une palette d’usagers réels voire potentiels, et de représenter correctement les niveaux d’implication des différents acteurs dans la gestion du territoire et des principales modalités de négociation entre ces acteurs.
Le projet déposé auprès du GIS Incendies de forêts vise à tester l’application de la plateforme Cormas (Common-Pool resources and multi-agent systems) élaboré au CIRAD de Montpellier (Bousquet et al., 1998), pour aider à l’élaboration de plans d’aménagement de prévention des incendies de forêt (PFCI) en région méditerranéenne française.
La méthode de travail utilisée a consisté, dans un premier temps, à développer un modèle multi-agents représentant une démarche d’aménagement de prévention des incendies sur des espaces forestiers méditerranéens à usages multiples. La conception du modèle visait à identifier les principaux acteurs concernés par l’aménagement forestier, leurs entités de gestion et les principales dynamiques en jeu. Pour ce faire, il a fallu répondre aux quatre questions suivantes:
• Quelles sont les principales ressources de la forêt
et les informations essentielles à savoir pour en garantir une utilisation
durable ?
• Quels sont les principaux acteurs qui semblent
pouvoir ou devoir jouer un rôle décisif dans la gestion de cette forêt ?
• Quelles sont les principales dynamiques écologiques
en jeu, en quoi ces dynamiques sont-elles affectées par ces acteurs ?
• Comment chaque acteur utilise les ressources qu’il
convoite ?
Site web présentant le projet :
http://www.incendies-de-foret.org/recherche.php?year=2002-2
Équipe SMAC (Systèmes Multi Agents Coopératifs) de l’IRIT (Institut de Recherche en Informatique de Toulouse)
Les inondations peuvent avoir des conséquences humaines, matérielles et environnementales graves, d'où la nécessité de tenter de prévoir leur apparition afin d'en limiter les conséquences.
Les logiciels de prévision de crues traditionnels sont composés de modèles mathématiques qui doivent être recalculés à chaque installation sur un nouveau site puis de manière régulière car ils dépendent du lit de la rivière à l'endroit pour lequel on veut faire la prévision. Or ce calcul peut prendre plusieurs hommes/mois à chaque fois. Ceci limite notablement leur implantation, à tel point que le réseau fluvial français est loin de posséder un modèle associé à chaque station d'annonce de crues.
Le logiciel STAFF utilise un modèle adaptatif de prévision de crue, lequel est composé d'un SMA auto-organisateur. Chacun des agents a pour objectif de calculer la variation de hauteur d'eau pour un délai unitaire et utilise pour cela une somme pondérée. Le caractère adaptatif du modèle est obtenu grâce à la coopération entre les agents et à l'ajustement de leurs poids. C'est ce qui rend le modèle générique et améliore ses performances. En effet la rapidité d'adaptation du modèle permet de l'utiliser dans des conditions pour lesquelles les modèles traditionnels sont inutilisables : Absence de données, stations nouvelles, stations en extrême amont.
Site web présentant le projet :
http://www.irit.fr/ACTIVITES/EQ_SMI/SMAC/PROJETS/Projet_STAFF.html
SONTHEIMER Thomas, P. CORNUAU, J-J. VIDAL, GLIZE Pierre - Application d'un système adaptatif pour la prévision des crues dans le bassin de la Garonne - Un modèle émergent SIRNAT'01 - Systèmes d'Information et Risques Naturels - 6, 7 décembre 2001, Sophia Antipolis.
Becu N. 2001. Modélisation de la gestion de l'eau
d'irrigation à l'échelle d'un bassin versant et exploration du système via
simulations. Une approche basée sur les Systèmes Multi-Agents. Le cas du bassin
versant du Mae Uam – Nord-Thaïlande. Mémoire de DEA, Sciences de l’Eau dans
l’Environnement Continental ; Ecole Nationale du Génie Rural, des Eaux et Forêts
– Université Montpellier II. 128 pages + annexes.
http://cormas.cirad.fr/pdf/becu.pdf
Abramie Géraldine. Stage de DEA. Modélisation
multi-agents pour l’aménagement forestier : Usages multiples dans l’écosystème
forestier de Didy (Madagascar)
http://cormas.cirad.fr/pdf/Abrami_DEA.pdf
E. RAMAT(1), P. PREUX(1), L.
SEURONT(2) et Y. LAGADEUC(2),
(1) Laboratoire d’Informatique du Littoral (LIL), (2) Station marine de Wimereux - URA CNRS 1363
Modélisation multi-agents de systèmes naturels :
Réflexions générales et application en biologie marine
http://wwwlisc.clermont.cemagref.fr/Animation/SeminairesColloquesRealises/smaget/Interventions/ramat/ramat.html
Weber J., 1995. Gestion des ressources renouvelables :
fondements théoriques d'un programme de recherche. Paris,
Cirad Green, 21 p.
http://cormas.cirad.fr/pdf/green.pdf
François Bousquet, Christophe
Le Page, Jean-Pierre Müller, Cirad
Modélisation et simulation multi-agent
http://sis.univ-tln.fr/gdri3/fichiers/assises2002/papers/09-ModelisationEtSimulationMultiAgents.pdf
Drogoul A., These de doctorat, Universite Paris 6
(1993)
De la Simulation Multi-Agent a la Resolution Collective de Problemes.