ACMO : Approche Comportementale Multi-Objectif pour les Systèmes complexes

1. ACMO : Approche Comportementale Multi-Objectifpour les Systèmes complexes MC. Lamjed Ben Said Université de Tunis Institut Supérieur de Gestion Laboratoire de recherche SOIE Équipe MoS Journées Systèmes Complexes Cité des Sciences Tunis 23-25 avril 2012

2. Anxiété / Méfiance Vision Rationnelle Créativité Mimétisme Leadership Vision comportementale Excès de confiance

3. Quelques notions de base • Psychologie :étude scientifique des comportements observableset des attitudes comportementalesagissants 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

4. 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 Attitude Eléments intrinsèques  (psychologique) Personnalité Émotions Traits Eléments extrinsèques  (socioculturel) Position sociale Appartenance Influence sociale Apprentissage

5. Attitude vs. Comportement • Attitude et le comportement sont deux notions différentes. • Si l’individu est cohérentalors 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).

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.

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.

10. Modélisation computationnelle des AC • US Patent N° 2003/0154092(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 ofinhibitorand triggering thresholds ( Inh_Thrsup, Inh_thrinf , Trig_Thr ) Inhibitor thresholds Triggering threshold Intensity Intensity Rejection scope of positive stimuli Acceptation scope Rejection scope of negative stimuli

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

12. Motivations Notre définition d’un système complexe Notre définition d’un système complexe Omniprésence des systèmes complexes dans notre environnement 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. 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 Définition de la prise de décision d’après B. Roy (2000) Définition de la prise de décision d’après B. Roy (2000) • L'aide à la décision nécessite : • Compréhension et modélisation du phénomène • Définition d'un ou de plusieurs critères d'évaluation • Intégration des préférences • Caractérisés par : • Distribution • Imprévisibilité • Dynamique d’interaction • Hétérogénéité • Émergence 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. 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.

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 Résolution de problèmes Outils d’aide à la décision

14. ACMO : sources d’inspiration Caractéristiques de l’approche systémique Caractéristiques de l’approche analytique Considération de la nature des interactions Considération des effets des interactions Approche ascendante Conduit à une action par objectifs ACMO Ne place pas les objectifs au cœur de la démarche Modification d’un ensemble de variables à la fois Isole les éléments du système Approche descendante Approche mono-disciplinaire Approche pluridisciplinaire Modifier une variable à la fois

15. ACMO - Phase I : Pré-analyse Discipline1 Discipline2 Discipline3 DisciplineN Discipline4 Cadre théorique intégratif Environnement du système complexe Prise en compte du décideur ou du groupe de décideurs dans le système étudié. Système complexe étendu Préférences Objectifs Décideur Système complexe Vision pluridisciplinaire qui intègre les concepts nécessaires pour l'analyse et la modélisation d'un système complexe étendu

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 Représentation d'un système en regroupant des concepts décrivant son organisation et sa dynamique Analyse Structurale Modèles Analyse Multi-Objective Analyse Comportementale 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 Simulation & Optimisation Système complexe étendu Phase I Problèmes d’optimisation Prise en compte de l'incertitude Phase II Méta-heuristiques Logique Floue Systèmes Multi-Agents Résultats émergents & Observations Résolution de problèmes Adéquation Intégration Valide Non Oui Prospectifs Décisions Outils d’aide à la décision Solutions Explicatifs Décideur Prédictifs A C T I O N S

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 : CUstomerBEhaviorSimulation Étude des comportements du consommateur dans un marché concurrentiel • SiSMar : Simulation Stock Market • Étude des comportements de l'investisseur dans un marché boursier SiSMar CUBES ACMO • FuzTranS : FuzzyTransshipmentSimulation • Gestion collaborative de stock dans un • environnement incertain MoDeMS : Multi-objective Decision Making Simulation Modélisation et intégration des préférences du décideur en OEMO FuzTranS MoDemS EMoTranS • EMoTranS: Evolutionary Multi-objective Transshipment Simulation • Transshipment multi-objectif

20. Systèmes complexes abordés 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 ACMO CUBES SiSMar 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 FuzTranS MoDemS EMoTranS

21. Systèmes complexes abordés Résultats de simulation correspondent aux résultats théoriques OUI FIN NON Résultats de simulations Résultats issus d’études en économie, marketing, sociologie… Principaux résultats Approche de calibrage des simulations MA Un nouveau modèle comportemental du consommateur Simulateur CUBES Un procédé de simulation comportementale ACMO CUBES SiSMar UPMC Paris 6 LIP6 / FTR&D FuzTranS MoDemS EMoTranS

22. Systèmes complexes abordés 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 SiSMar ACMO CUBES 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 FuzTranS MoDemS EMoTranS

23. Systèmes complexes abordés Principaux résultats Observations de phénomènes émergents Simulateur SiSMar SiSMar ACMO • Volatilité des prix et présence d'un processus multiplicatif • Fat tails (queues épaisses) • Clustering de la volatilité Un nouveau modèle comportemental de l’investisseur CUBES Thèse Mlle Zahra Kodia : ENSI FuzTranS MoDemS EMoTranS

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. ACMO SiSMar CUBES 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. SlimBechikh : ISGT FuzTranS MoDemS EMoTranS

25. Systèmes complexes abordés Principaux résultats r-dominance : une nouvelle relation de dominance Prototype d’un outil d’aide à la gestion des préférences dans un groupe de décideurs Nadir point et Knee region • 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 ACMO • Guider plus efficacement la recherche vers la RI indépendamment de la faisabilité du point de référence • Traiter plusieurs points de référence simultanément SiSMar CUBES Thèse M. SlimBechikh : ISGT FuzTranS MoDemS EMoTranS

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. ACMO SiSMar CUBES 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 FuzTranS MoDemS EMoTranS

27. Systèmes complexes abordés Principaux résultats Transshipment avec capacités de stockage limitées Transshipment multi-objectif avec contraintes sur la capacité de stockage Prototype d’outil d’aide à la décision ACMO SiSMar CUBES Thèse M. Nabil Belgasmi : ENSI FuzTranS MoDemS EMoTranS

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 ACMO SiSMar CUBES Principaux objectifs : Proposer une formalisation de facteurs incertains pour déterminer leurs influences sur la gestion de stock Identifier de nouvellesstratégies 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 FuzTranS MoDemS EMoTranS

29. Systèmes complexes abordés Principaux résultats Stratégie de Transshipment à deux étapes Stratégie de Transshipment à deux étapes Proposition de stratégies de gestion collaborative de stock en fonction du profil comportemental du décideur Identification des facteurs d’incertitude liés au problème du transshipment • 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 ACMO SiSMar Attitude du preneur de décision CUBES Thèse M. Mohamed Hmiden: ENSI Averse au risque Pessimiste Neutre au risque Preneur de risque Optimiste FuzTranS MoDemS Stratégie de Transshipment max-min Stratégie de Transshipment mixte Stratégie de Transshipment max profit EMoTranS

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

31. 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 Proposition d’une épistémologie pratique relative à la définition d'une méthode expérimentale pour expliquer et prédire Apports méthodo-logiques Approfondissement de la démarche méthodologique de conception de systèmes multi-agents 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 • Hybridation et application de la simulation floue avec les algorithmes génétiques Apports tech-niques • Application et adaptation de techniques d'optimisation multi-objectif à des instances de problèmes réels • Introduction de mécanismes de représentation des attitudes comportementales

33. "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) Finissons par une note philosophique / épistémologique …