L’apprentissage des comportements chez l’Humain prend appui souvent sur le mimétisme. La nature a été source d’inspiration pour la création, l’innovation et le développement. La recherche s’est souvent penchée sur l’obser- vation de phénomènes naturels, non seulement pour améliorer les connais- sances et la compréhension de ce qui nous entoure, mais aussi pour faire apparaître des idées nouvelles dans des domaines applicatifs. Parmi ces phénomènes, l’observation des sociétés d’insectes ont apporté des solutions nou- velles à des problèmes souvent complexes. C’est le cas notamment des colonies de fourmis capables, dans un environnement dynamique, hostile et varié, d’accomplir des missions difficiles.

Les insectes, malgré leur comportement individuel, sans représentation du monde et composé d’actions simples, ont montré qu’ils étaient capables d’afficher un comportement collectif qui peut être qualifié d’intelligent. Ainsi, les termitières géantes d’Australie possèdent des capacités de refroidissement par convection, proches de l’optimal. Cette intelligence, inexistante chez l’individu dit évolué ou cognitif isolé, a montré au niveau collectif son efficacité dans la résolution de problèmes et a constitué une base d’inspi- ration pour l’intelligence artificielle distribuée. Ainsi, de nombreux travaux, plus particulièrement sur les systèmes multi-agents se sont appuyés sur les systèmes modélisant les interactions entre insectes. Plus précisément, la notion de comportement émergent et la capacité d’auto-organisation de ces populations constituent deux aspects importants. Nous pouvons citer les tra- vaux de Bonabeau, à l’origine de nombreuses recherches s’appuyant sur des systèmes multi-agents d’inspiration biologique. Mais l’observation du vivant n’est pas la seule source d’inspiration. Dans ces travaux, nous avons souhaité nous intéresser à certaines lois physiques comme point de départ pour modéliser les interactions dans un système multi-agents.

Les systèmes multi-agents peuvent être vus comme un paradigme de résolution de problèmes. Par ce biais, la résolution d’un problème ne dépend plus seulement de la puissance de calcul ou des capacités algorithmiques d’un programme. Un ensemble d’agents en interaction, dans un environnement codifiant d’une certaine façon les données du problème, peuvent coopérer à la résolution de ce dernier. Dans ce contexte, nous pouvons citer par exemple les ouvrages Return From The Ant de Brückner ou The society of Mind de Minsky, qui modélisent des comportements à partir d’agents. Deux approches apparaissent alors concernant la conception des agents :

• L’approche cognitive, considérant les agents comme des entités dotées de connaissances et de capacités de raisonnement et de communication langagière évoluées.
• L’approche réactive, considère des agents simples dont le comporte- ment peut se réduire à un schéma de type stimuli/réactions. Ce sont les interactions entre les agents qui permettent de résoudre collectivement des problèmes complexes. Les commentaires qui ont ouvert cette section se réfèrent, on l’aura compris, à ce dernier type d’agents.

Nous reviendrons sur une proposition d’un modèle multi-agents d’inspiration physique pour la prise de décision, se placent dans le cadre des approches réactives.