Fiche de Révision Détaillée : Systèmes

Multi-Agents
Concepts Fondamentaux et Approfondissements
12 juin 2025

Résumé
Cette fiche de révision détaillée explore les concepts essentiels des agents intelligents et des systèmes multi-
agents, en approfondissant leurs caractéristiques, architectures, mécanismes de communication, interactions, et
les méthodologies de conception associées.

1 L’Agent Intelligent Exemple : Un thermostat : environnement (pièce), capteur

(thermomètre), actionneur (chauffage/climatisation), fonc-
tion d’agent (allumer/éteindre selon la température perçue
1.1 Fondements et Définitions et la consigne).

Un agent est une entité logicielle ou physique qui

agit de manière autonome dans un environnement 1.2 Caractéristiques / Propriétés Clés
pour atteindre des objectifs.
• Autonomie : Capacité à opérer sans interven-
• Environnement : Le contexte dans lequel
tion humaine directe ou celle d’autres agents, et
l’agent opère. Caractéristiques clés :
à contrôler ses actions et son état interne.
◦ Accessibilité : Accessible (l’agent
• Flexibilité : Le comportement de l’agent n’est
a accès à l’état complet) vs. Inacces-
pas figé mais s’adapte. Inclut :
sible/Partiellement Observable (l’agent n’a
qu’une vue limitée). ◦ Réactivité ( réactif ) : Perception et ré-
◦ Déterminisme : Déterministe (l’état ponse en temps utile aux changements si-
suivant est entièrement déterminé par gnificatifs de l’environnement.
l’état actuel et l’action de l’agent) vs. ◦ Proactivité / Orienté But : Comporte-
Stochastique/Non-déterministe. ment dirigé par des objectifs, prise d’initia-
◦ Temporalité : Épisodique (expérience di- tive pour atteindre ses buts.
visée en épisodes atomiques, action dans un ◦ Sociabilité / Communication : Ca-
épisode n’affecte pas le suivant) vs. Séquen- pacité à interagir et communiquer avec
tiel (décisions actuelles affectent les déci- d’autres agents (humains ou logiciels) en
sions futures). utilisant un langage et des protocoles de
◦ Nature : Statique (ne change pas pen- communication.

dant que l’agent délibère) vs. Dynamique • Rationalité : Un agent est rationnel s’il
agit de manière à maximiser sa mesure de
(peut changer).
performance attendue, compte tenu de la sé-
◦ Valeurs : Discret (états/actions finis et dis- quence de percepts reçue et de ses connaissances
tincts) vs. Continu. intégrées (modèle PEAS : Performance, Environ-
◦ Nombre d’agents : Mono-agent vs. Multi- ment, Actuators, Sensors).
agent.
• Croyance (Belief ) : Représentation interne
• Perception : Via des capteurs (sensors),
que l’agent a du monde. Les croyances peuvent
l’agent reçoit des percepts, informations sur l’état
être incorrectes, incertaines ou incomplètes. Elles
actuel de l’environnement.
forment la base de son raisonnement.
• Action : Via des actionneurs (actuators),
• Apprentissage : Capacité à améliorer ses per-
l’agent modifie l’environnement.
formances au fil du temps en se basant sur l’ex-
• Système de traitement / Programme périence acquise.
d’agent : La logique interne, le "cerveau" de
l’agent, qui implémente la fonction d’agent f : • Mobilité :
P ∗ → A (mappe une séquence de percepts P ∗ à ◦ Agent statique ( passif ) : Exécute sur le
une action A). système où il a été initié.

1
 ◦ Agent mobile ( actif ) : Peut migrer son
état et son code d’un hôte à un autre dans
un réseau.

2 Système de Traitement :
Typologies et Architectures
d’Agents
La typologie d’un agent se réfère à son
architecture interne, c’est-à-dire l’organisation de
ses modules de perception, de décision et d’action.

2.1 Agent Réactif Simple (Table-driven

/ Reflex)
• Description : Agit uniquement sur la base du
percept courant, ignorant l’historique des percep-
tions.
• Structure de données : Ensemble de règles
"Condition-Action" (ex : ‘if (température > 25)
then (activerc lim)‘).P [Link] :
• function Agent-Reflexe-Simple(percept)
static: regles // ensemble de règles C-A
etat = Interprete-Input(percept)
regle = Cherche-Regle(etat, regles)
action = [Link]
return action
Limites : Fonctionne seulement si la bonne décision
peut être prise sur la base du percept actuel (environ-
nement entièrement observable et actions simples).

2.2 Agent Réactif avec État (Model-based reflex)

• Description : Maintient un état interne pour suivre les aspects du monde qu’il ne peut pas percevoir
directement à un instant t. Nécessite un modèle du monde.
• Structure de données :
◦ ‘etat‘ : Description de l’état actuel du monde.

◦ ‘modele‘ : Connaissance sur "comment le monde évolue" et "quels sont les effets de mes actions".

◦ ‘regles‘ : Ensemble de règles C-A.

• Algorithme :
function Agent-Reflexe-Avec-Etat(percept)
static: regles, etat, modele
etat = MAJ-Etat(etat, percept, modele)
regle = Cherche-Regle(etat, regles)
action = [Link]
return action

2.3 Agent Orienté But (Goal-based)

• Description : Agit pour atteindre des buts explicites. Les décisions sont basées sur l’impact des actions
par rapport à ces buts.
• Structure de données :
◦ ‘etat‘, ‘modele‘ (comme ci-dessus).

◦ ‘buts‘ : Ensemble d’états désirables.

◦ ‘connaissancea ctions‘ : Ef f etsdesactions, prconditions.

• Algorithme : Utilise des techniques de recherche et/ou de planification pour trouver une séquence d’actions
menant à un but. Exemple : Un agent de navigation qui cherche le chemin le plus court vers une destination. Le but est "être à la
destination".
• Avantage : Plus flexible que les agents réactifs car la connaissance des buts permet d’adapter le comporte-
ment.
2
2.4 Agent Orienté Utilité (Utility-based)
4 Communication Agent
4.1 Principes et Actes de Langage
• La communication est vue comme une action, basée sur la théorie des actes de langage (Austin, Searle).
• Acte Locutoire : L’acte physique de dire quelque chose.
• Acte Illocutoire : L’intention du locuteur en disant quelque chose (ex : affirmer, demander, ordonner,
promettre). C’est le cœur de la communication agent.
• Acte Perlocutoire : L’effet produit sur l’auditeur par l’acte illocutoire.
• Performative : Verbe ou expression qui explicite l’intention illocutoire du message (ex : ‘inform‘, ‘request‘,
‘cfp‘ (call for proposal), ‘propose‘, ‘accept-proposal‘, ‘refuse‘).

4.2 ACL (Agent Communication Language)

Langages formels structurés pour la communication inter-agents.
• KQML (Knowledge Query and Manipulation Language) : Un des premiers ACL influents. Messages
structurés autour d’une performative et de paires attribut-valeur.
• FIPA ACL : Standard actuel promu par la FIPA (Foundation for Intelligent Physical Agents). Largement
adopté.
◦ Définit un ensemble de 22 performatives standards (ex : ‘query-if‘, ‘subscribe‘, ‘agree‘, ‘failure‘).
◦ Sémantique formelle des performatives souvent exprimée en SL (Semantic Language).
◦ Supporte des protocoles d’interaction standardisés (ex : FIPA-Request, FIPA-Contract-Net).
• Structure typique d’un message FIPA ACL :

(performative
:sender <agent-identifier>
:receiver <set-of-agent-identifiers>
:content <expression>
:language <name-of-content-language>
:ontology <name-of-ontology>
:protocol <name-of-interaction-protocol>
:conversation-id <identifier>
... autres paramètres ... )

• Langages de contenu : Utilisés pour exprimer le ‘<expression>‘ du message (ex : KIF, SL, RDF, expres-
sions propriétaires).

5 Systèmes Multi-Agents (SMA)

Un multi-agent système (SMA) est un système composé de plusieurs agents autonomes qui interagissent
dans un environnement commun pour résoudre des problèmes qui sont au-delà des capacités ou des connaissances
d’un agent unique.

5.1 Interactions et Coordination

• Types d’interactions :
◦ Coopération/Collaboration : Agents travaillant ensemble vers des buts communs ou pour aider
d’autres agents à atteindre leurs buts. Nécessite partage d’informations, de tâches, de résultats.
◦ Compétition : Agents ayant des buts conflictuels, où la réussite d’un agent peut signifier l’échec d’un
autre (ex : ressources limitées).
◦ Négociation : Processus par lequel un groupe d’agents cherche à atteindre un accord mutuellement
acceptable sur un sujet, souvent par des échanges d’offres et de contre-offres.
• Coordination : Gestion des interdépendances entre les activités des agents pour atteindre les objectifs
globaux du système. Peut impliquer :
◦ Partage de tâches (Task Sharing).
◦ Partage de résultats (Result Sharing).
◦ Protocoles d’interaction (ex : Contract-Net pour l’allocation de tâches).