No English title available

La modélisation et la simulation des systèmes complexes constitue une solution idéal pour comprendre ces systèmes. En effet, l'expérimentation virtuelle permet, par rapport à l'expérimentation réelle dans le champ d'étude considéré, d'apporter des réponses plus rapides aux questions posées sur ces systèmes, ce qui donne la possibilité de proposer des solutions en un temps adapté au contexte réel. Ce travail traite la question de la représentation de l'action humaine en prenant en compte sa dimension temporelle et spatiale aux échelles individuelle et collective. Cette question a déjà été traitée dans le domaine de l'intelligence artificielle, en général, et celui des systèmes agricoles, en particulier, qui constitue le domaine d'application de cette thèse. Les modèles proposés jusqu'à présent se basaient principalement sur la théorie de l'action planifiée en ne prenant en compte que la dimension temporelle de l'action. Les limites majeures de ces modèles résident dans leur complexité dans la mesure où il est difficile de pouvoir prédire l'ensemble des changements futurs dans l'environnement de l'acteur. Cela conduit à la nécessité de re-planifier fréquemment les actions afin d'obtenir des résultats cohérents. La deuxième limite réside dans l'écart qu'il peut y avoir entre les résultats des actions simulées et la réalité observée. En effet, un acteur ne réalise pas systématiquement les actions qu'il prévoit selon les situations réelles dans lesquelles il se trouve. Afin de pallier aux limites des modèles de l'action planifiée, nous avons développé un modèle de l'action humaine qui se base sur la théorie de l'action située. L'action est vue comme un processus doté d'une épaisseur temporelle émergent des situations créées par l'interaction entre l'acteur et son environnement dans le temps et dans l'espace. Notre modèle combine le concept d'affordance, le concept de stigmergie ainsi que la notion d'émergence. Nous proposons donc un système multi-agents dans lequel l'espace est explicitement représenté et partitionné en un ensemble de places. Le pilotage de chaque place est attribué à un agent abstrait. Celui-ci représente un observateur capable de détecter à tout instant les affordances émergentes sur sa place ainsi que de déclencher l'action appropriée. Les acteurs sont représentés comme des entités de l'environnement au même titre que les objets passifs. Ces entités de l'environnement portent un ensemble d'informations sur leurs capacités à exécuter ou subir des actions. Ces informations permettent aux agents, grâce aux méta-connaissances qu'ils détiennent de détecter les affordances. Celles-ci, une fois détectées, sont réifiées dans l'environnement et utilisées par les agents grâce à un mécanisme de sélection d'actions pour déterminer l'action qui sera finalement exécuter. La coordination des actions au niveau collectif se fait par stigmergie : les agents communiquent de façon implicite en utilisant un ensemble de marques qui sont une métaphore des phéromones des colonies de fourmis. Afin de montrer la pertinence du modèle proposé, un prototype appliqué au domaine des systèmes de production agricoles a été implémenté en utilisant la plateforme AnyLogic.Simulation modelling of complex systems nowadays is an ideal solution to get a good understanding of these systems. In effect, compared with real experiments in the field of studies considered, virtual experiments allow one to quickly answer questions about these systems and provide solutions within a delay well adapted to their actual context. This thesis deals with the issue of human action representation, accounting with its temporal and spatial dimensions at individual and collective levels. This question has already been addressed in the field of Artificial intelligence in general and in the one of Agricultural systems in particular, the latter being the application domain of this thesis. The models proposed to date were mainly based upon the theory of planned action, explicitly accounting with the temporal dimension of action only. The main limits of these models lie in their complexity, because the ability to predict all future changes in actors' behaviors is far too difficult. This difficulty leads to the need of frequently re-planning the course of actions in order to get consistent results. The second drawback lies in the discrepancy that may arise between the results of simulated actions and actual observations. In effect, real actors do not realize systematically the actions they forecast according to the situations they actually encounter. In order to overcome the limits of planning models, we developed a model of human action based on the theory of situated action. Action is there viewed as a process endowed with a temporal thickness and emerging from the situations created by the interaction, through time and space, between the actor and its environment. Our model combines the concepts of affordance and stigmergy as well as the notion of emergence. Therefore we propose a multi-agents system within which space is explicitly represented and partitioned into a set of “places”. The control of each place is left to an abstract agent standing for an observer capable of detecting the affordances occurring on its place and trigger appropriate actions. Actors as well as passive objects are represented as “environmental entities”. These entities carry information about their capacity of performing or undergoing actions. This information allows the agents to detect affordances thanks to the meta-knowledge they hold. Once detected, these affordances are reified in the environment to be used to determine the action that will eventually be executed. Coordination of actions, at the collective level, is performed through stigmergy: the agents communicate implicitly between them using a set of marks as a metaphor of pheromons in ant colonies. To prove the relevance of the proposed model, a software prototype, applied to the domain of agricultural production systems, has been implemented with the simulation platform AnyLogic