Comprendre le fonctionnement de simulations sociales individus-centrées: application à des modèles de dynamiques d'opinions

Using an individual-based approach, particularly for the modelling of social systems, the modeller often faces a major source of complexity within his model. The relation between individual behaviours and collective ones is a source of complexity present in the real world that is reproduced within individual-based models. Then he faces a model which functioning is difficult to understand even if he knows the rules of functioning at the individual level. We propose here the use of an experimental approach to understand individual-based social simulation models. With the aim to encircle the subject of this approach, the model, we first expose a formal framework to express individual-based models. This framework will enable us to include several types of individual-based models, namely cellular automata, microsimulation or multi-agent simulation. We will then present individual-based models of social influence of the literature, using this framework as a guideline, with the aim to represent the broad range of possible behaviours we can introduce within the model. In a second part, we will focus to the experimental approach as a mean to understand the behaviour of model. We will first present the different viewpoints on the individual-based model that the modeller can adopt (individual, collective, simulations population among others) and we will argue about the necessary complementarity between those viewpoints with the aim to understand the functioning of the model. We will propose thereafter a software environment dedicated to the management of experimental designs on simulation models. This latter will help the systematic exploration of the parameters space of a model. We will present then an incremental methodology for building models to enable us to obtain a progressive understanding of the functioning of complex models seen as a collection of models of increasing complexity. In the last part, we will apply the exposed elements presenting a set of models of opinion dynamics whose understanding is enrich by studying first very simple models and then complexifying progressively the studied models. We will then present successively a model of conditional interaction with a homogeneous population. We will make evolve the interaction process in a second model and then we will explore this latter introducing heterogeneity in the population and a social network constraining the interactions.Par l'utilisation de l'approche individus-centrée, en particulier pour la modélisation de systèmes sociaux, le modélisateur est souvent confronté au sein même de son modèle, à une des complexités majeures du système réel qu'il cherche à comprendre, à savoir la relation entre comportements individuels et comportements collectifs, qui présente dans le système réel se retrouve, par cette approche, présente également dans son modèle. Dès lors il se retrouve face à un modèle dont il ne peut que difficilement comprendre le fonctionnement même s'il en connaît les règles de fonctionnement au niveau individuel. Nous proposons ici le recours à une démarche expérimentale pour la compréhension de modèles de simulation sociale individus-centrés. De manière à cerner l'objet de cette démarche, nous exposons tout d'abord un cadre formel pour l'expression de modèles individus-centrés, qui nous permettra d'englober plusieurs grands types de modèles (automates cellulaires, microsimulation, simulation multi-agents notamment). Nous présenterons ensuite les modèles individus-centrés de l'influence sociale rencontrés dans la littérature en utilisant ce formalisme comme grille de lecture pour tenter de représenter le spectre des comportements possibles que l'on peut introduire dans le modèle. Dans une deuxième partie, nous nous intéresserons à la démarche expérimentale comme accompagnement pour la compréhension du modèle. Nous présenterons tout d'abord les différents points de vue sur le modèle que peut prendre le modélisateur (individuel, collectif, population de simulations notamment) et nous argumenterons sur la nécessaire complémentarité entre ces points de vue dans le but de comprendre le fonctionnement du modèle. Nous proposerons ensuite un environnement dédié à la gestion des plans d'expérience sur des modèles de simulation destiné à accompagner l'exploration systématique de l'espace des paramètres d'un modèle. Nous présenterons enfin une méthodologie incrémentale de construction des modèles pour nous permettre d'obtenir une compréhension construite et croissante du fonctionnement de modèles complexes envisagés comme une collection de modèles de complexité croissante. Dans une dernière partie, nous mettrons en pratique les éléments abordés précédemment en présentant une série de modèles de dynamiques d'opinions dont la compréhension est enrichie en étudiant tout d'abord des modèles très simples puis en complexifiant progressivement les modèles étudiés. Nous aborderons ainsi successivement un modèle d'interaction conditionnel en population homogène, nous ferons ensuite évoluer la dynamique des agents de ce modèle, puis nous introduirons de l'hétérogénéité dans le modèle pour finir par étudier son comportement lorsque l'on introduit un réseau social