Marjorie LE BARS LAMSADE- Université Paris Dauphine UMR Economie Publique - INRA

1. Un Simulateur Multi-Agent pour l ’aide à la Décision d’un CollectifApplication à la gestion d’une ressource limitée Agro-Environnementale Marjorie LE BARS LAMSADE- Université Paris Dauphine UMR Economie Publique - INRA Sous la direction de: Suzanne Pinson et Jean-Marie Attonaty

2. PLAN • Objectifs de la thèse • Contexte • Approche proposée • Manga et extension MangaLère • Implémentation • Evaluation • Conclusions et perspectives

3. Objectifs de la thèse • Conception et mise en œuvre d’un outil d’aide à la décision dédié à la gestion d’un collectif • Aide à la gestion de conflits entre décideurs • Choix d’une réglementation, résultat d’un consensus • Applicable à des cas réels et mis en œuvre sur un cas concret • Conception d’un simulateur Multi-Agent • Agents hétérogènes (cognitifs et réactifs) • Modélisation des stratégies d’acteurs par les BDI

4. PLAN • Objectifs de la thèse • Contexte • Approche proposée • Manga et extension MangaLère • Implémentation • Evaluation • Conclusions et perspectives

5. Contexte de la thèse • L’eau est une ressource rare • Directives générales édictées au niveau national et européen en 1992 et 2001 • Mise en place concrète au niveau local et régional: • Création de règles résultant de négociations entre les différents acteurs concernés (agriculteurs, industriels, APN, fournisseur d'eau…) • Le plus souvent les résultats de ces négociations reflètent le pouvoir de certain acteurs

6. Exemple de réglementation utilisée V =  [ 20 000 + ( 300*SAU +  volume à l’hectare négocié * surface) ] Avec : ·  le coefficient annuel. · 20 000 m3 sont alloués à chaque exploitation quelles que soient les cultures ·  Le coefficient cultural dépend de la nature du sol. · 300 m3 sont alloués à chaque hectare de SAU (Surface Agricole Utilisable) quel que soit le type d’assolement pratiqué. · Selon la culture, un volume à l’hectare a été négocié avec les irriguants. Ce volume est ajouté au 300 m3 précédents.

7. Contexte de la thèseau niveau local • Instruments pour l’aide à la décision individuelle • DSS basés sur simulation(remplacent modèle de RO) • Pas d’instruments pour l’aide à la décision d’un collectif • Une vision globale au niveau régional du système agro-environnemental • Une vision partagée par les différents acteurs • Utilisable par les techniciens locaux pour définir des réglementations

8. Caractéristiques du domaine Dans le cadre du problème posé, un certain nombre de caractéristiques se dégagent QUI ? Des acteurs • Agriculteurs, Fournisseurs d’eau, Puissance Publique, Coopérative… • Rationalités différentes • Grande hétérogénéité des comportements, des objectifs, des stratégies • Autonomes: ils gèrent leur demande en fonction de leurs objectifs • Interactions QUOI ? Gestion d’une ressource en eau de façon satisfaisante COMMENT ? Définition d’une réglementation adaptée

9. Les modèles existants • Limites de ces modèles • Faible nombre de types d’acteurs (PL) et d’acteurs (TdJ) • Connaissance parfaite par les acteurs des solutions possibles et de leurs conséquences • Hypothèse de rationalité complète du décideur • Hypothèse de l'existence d'unoptimum économique (Unicité de critère ) • Peu de prise en compte du temps (monopériodiques) • Pas de prise en compte du comportement des acteurs • Pas de communication • Pas de processus de négociation • Difficilement réutilisable

10. PLAN • Objectifs de la thèse • Contexte • Approche proposée • Manga et extension MangaLère • Implémentation • Evaluation • Conclusions et perspectives

11. Proposition SMA apportent un instrument nouveau (clairement explicité) pour l’aide à la décision d’un collectif: • Prise en compte de nombreux acteurs • Des comportements de ces acteurs • De l’hétérogénéité de ces comportements • Fournissent un cadre structurant pour la modélisation des stratégies d’acteurs

12. Résultats pour n années • critères multiples • individuels • économiques • éthiques • environnemental Approche proposée Règles d’allocation d’eau SMA Restitution et discussion Compréhensible Acceptable Applicable …

13. Evolution des travaux problématiques Agriculteurs Economistes Distributeur Eau Chercheurs Manga résultats Analyse Modélisation des stratégies d’acteurs? Equipes multidisciplinaires MangaLère Acteurs de terrain Responsables professionnels

14. PLAN • Objectifs de la thèse • Contexte • Approche proposée • Manga et extension MangaLère • Implémentation • Evaluation • Conclusions et perspectives

15. MANGA Simulateur Multi-Agent pour l’Aide à la Négociation dans la Gestion de l’eau en Agriculture

16. Fournisseur d'eau Agriculteurs Climat Centre de Gestion Cultures MANGA: Architecture Données publiques Données publiques Données publiques

17. Agent cognitif CONNAISSANCES STRATEGIES COMMUNICATION MEMOIRE Environnement ENVIRONNEMENT CONNAISSANCES Agent réactif COMMUNICATION Les agents cognitifs/réactifs

18. STRATEGIES CONNAISSANCES Eau disponible Comptabilité Les agriculteurs clients… Procédures de calcul Procédures décisionnelles MEMOIRE COMMUNICATION ENVIRONNEMENT Manga: Agent fournisseur d’eau

19. Communication entre agents

20. <performatif> : DemandeEau <sender>: Agri N° <receiver> : Fournisseur Eau <nature>: Demande <content> : Eau demandé: 1200 Surface Maïs irriguée : 10 <performatif> : AllocationEau <sender>: Fournisseur Eau <receiver> : Agri N° <nature>: Reponse <content> : Eau attribuée : 800 Structure d’un message

21. Début année Fin année Années 0 1 n Simulations AnnéesMax MANGA: Phases du modèle négociation Q eau disponible Eau allouée Résultats économiques Décision n + 1 Demande eau Résultats

22. Agent A envoie sa demande initiale 1 Agent D évalue la demande globale 2 Agent A reçoit une proposition 3 Agent A refuse la proposition Agent A accepte la proposition Agent A renvoie demande initiale 5 4 Fin du processus de négociation 7 8 6 9 Agent D envoie une proposition aux agents qui restent dans le processus de négociation 11 10 MANGA: Interactions Agent A modifie demande initiale et envoie nouvelle demande Agent D évalue la demande globale Fin du processus de négociation

23. MANGA: Simulation • Données entrée • Sorties • Conséquences de réglementations • Critères d’analyse • Règles testées

24. Interface utilisateur règle testée, et définir l’eau disponible pour le fournisseur d’eau caractéristiques agriculteur Interface utilisateur caractéristiques culture caractéristiques du climat

25. Les sorties Synthèse des résultats selon 4 critères

26. MANGA: Analyse des résultats Différents critères: Individuel besoin et eau accordée par ha production Environnemental consommation eau Eau restante Global Production globale (maïs) Ethique Disparités rendements revenus

27. Règle d’allocation au pro rata de la demande 50 % A + 50 % C A A C C A C

28. Résultats: Utilisation, Analyse, Validation Ensemble d'agriculteurs: Comportements d'agriculteurs règles testées Données de la simulation MANGA Simulation Ajustement du modèle Implémentation Validation interne Résultats oui Compréhensibilité NON Analyse des Résultats et validation Validation par les experts oui Acceptabilité NON Nouvelle règle à tester oui NON Faisabilité Nouvelle règle à tester

29. Règle d’allocation en fonction de la surface en maïs irrigué

30. Résultats: Utilisation, Analyse, Validation Ensemble d'agriculteurs: Comportements d'agriculteurs règles testées Données de la simulation MANGA Simulation Ajustement du modèle Implémentation Validation interne Résultats oui Compréhensibilité NON Analyse des Résultats et validation Validation par les experts oui Acceptabilité NON Nouvelle règle à tester oui NON Faisabilité Nouvelle règle à tester

31. Règle d’allocation au pro rata de la demande 50 % A + 50 % C Information visible

32. Résultats: Utilisation, Analyse, Validation Ensemble d'agriculteurs: Comportements d'agriculteurs règles testées Données de la simulation MANGA Simulation Ajustement du modèle Implémentation Validation interne Résultats oui Compréhensibilité NON Analyse des Résultats et validation Validation par les experts oui Acceptabilité NON Nouvelle règle à tester oui NON Faisabilité Nouvelle règle à tester

33. MANGA: Résultats A partir de Manga ont émergés des résultats généraux: • La prise en compte de l’hétérogénéité des comportements individuels a des conséquences importantes sur les résultats. • L’accroissement de l’information entre différentes classes d’agriculteurs s’accompagne d’une diminution de la disparité et d’une efficacité plus grande de la ressource

34. MANGA: Conclusion • Une ressource de type nappe • Acquisition et formalisation des comportements des acteurs en jeu • Basé sur les connaissances d’experts • Approfondir nos connaissances quant au problème posé • Dégager des classes d’objets réutilisables et des méthodes génériques associées SIMULATION : • Tester un certain nombre de règles d’allocation d ’eau • Montrer l’importance de l’hétérogénéité des comportements des agriculteurs • Instaurer un dialogue avec des professionnels afin de déterminer les forces et faiblesses du modèle, les acteurs oubliés, les processus omis LIMITES: • Besoin d’approfondir la représentation des stratégies d’acteurs Notamment par un langage propre au domaine

35. L’évolution de Manga à MangaLère problématiques Agriculteurs Economistes Distributeur Eau Chercheurs Manga résultats Analyse Modélisation des stratégies d’acteurs Equipes multidisciplinaires MangaLère Acteurs de terrain Responsables professionnels

36. MangaLère

37. Agents BDI • Modéliser les stratégies des acteurs • Structuration des connaissances sous forme de plans • Formalisme servant de base de discussion avec les décideurs • Représentation des connaissances concise et synthétique • Utilisant: • Cadre de représentation • Langage du domaine

38. perception Base de connaissances Bibliothèque de plans Mécanisme de sélection de plans Environnement Intentions: plans en attente d ’exécution Objectifs ou sous-objectifs fixés Action externe MangaLère: agents BDI

39. ENVIRONNEMENT • Croyances (Beliefs) : • Données et historique sur retenues et rivières • Information sur la réglementation dictée par le préfet en cas de pénurie de la ressource • Données sur le climat • Adhérents (débit souscrit) • … Bibliothèque de plans Remplissage Fournir eau Gagnol Remplissage Fournir eau Tordre Remplissage_ Gouyre Fournir_Eau Gouyre Module de sélection Remplissage_Gouyre Fournir_Eau_Max Intentions • Objectifs (Desires) : • Remplir Retenues • Fournir EauReseaux • … MangaLère: agent Fournisseur d’eau

40. Objectifs Sous-objectifs plans

41. MangaLère: plan Langage naturel Langage formalisé

42. MangaLère: Exemple de plan Langage naturel Langage formalisé Ontologie reservoirs

43. Conception de plans Acteurs concernés Responsables professionnels économistes agronomes Explication du processus Remplissage Formalisation du cadre de représentation des connaissances Formalisation du langage création ontologie Formalisation des plans

44. Objectif 2 Objectif 1 Sous Objectifs Sous Objectifs CMV CMV CMV Plans Plans Séquencement d’éxecution d’un plan Inactif CD Déclenché CMV CMV Actif En veille CMV CA CA Arrêt

45. PLAN • Objectifs de la thèse • Contexte • Approche proposée • Manga et extension MangaLère • Implémentation • Evaluation • Conclusions et perspectives

46. Implémentation • C++ builder 5 • Travaux existants dans l’équipe • bibliothèques réutilisables • Compilateurs • Utilisation des données d’autres modèles • Durée de la simulation • 100 agricuteurs, 12 ans, < 1 min

47. PLAN • Objectifs de la thèse • Contexte • Approche proposée • Manga et extension MangaLère • Implémentation • Evaluation • Conclusions et perspectives

48. Evaluation • Terrain: Tarn-et-Garonne • Validation: • « humaine » • Co-conception avec les acteurs concernés • Analyse des résultats: compréhensible, acceptable, applicable • Validation interne • Ensemble de données tests pour s’assurer si les sorties sont consistantes à chaque pas de la simulation. • Implémentation et facilité d’utilisation du modèle: • Etudiants

49. PLAN • Objectifs de la thèse • Contexte • Approche proposée • Manga et extension MangaLère • Implémentation • Evaluation • Conclusions et perspectives

50. Conclusions Dans le cadre de l’aide à décision d’un collectif A côté des instruments types DSS, NDSS Apport d’une modélisation multi-agent • Prise en compte de nombreux acteurs • Prise en compte des comportements et de leurs hétérogénéités • Concepts BDI: • Recueillir les objectifs et les stratégies des acteurs • Les formaliser et de les rendre réfutables • Applicable sur un cas concret • Permet la co-construction du modèle avec les acteurs concernés