La simulation sociale en tant qu'outil scientifique nécessite le développement de comportements crédibles pour les agents simulant le comportement d'acteurs humains. Une façon d'améliorer la crédibilité des simulations obtenues est d'intégrer des dimensions cognitive, affective et sociales dans la prise de décision des agents. Pour autant, développer des agents avec ces dimensions peut s'avérer compliqué si l'on veut rester accessible à des chercheurs qui ne sont pas experts en informatique. L'architecture BEN (Behavior with Emotions and Norms) intègre des dimensions affectives et sociales à une prise de décisions basée sur une architecture BDI pour la réalisation de simulations sociales. Cette architecture modulaire s'appuie sur une formalisation des dimensions cognitives, affectives et sociales. BEN est implémenté dans la plateforme de modélisation et de simulation multi-agent GAMA et est ici illustrée sur un cas d'évacuation d'urgence.
La simulation multi-agent est devenue un outil important ces dernières années, notamment dans le domaine des sciences sociales. En effet, elle permet de simuler des situations mettant en jeu des êtres humains plus facilement qu'en réalisant des simulations à échelle réelle. Afin de garantir la qualité des résultats obtenus par simulations, il est important que celles-ci reproduisent le mieux possible le comportement humain. Ce besoin en réalisme implique non seulement de fournir une architecture cognitive aux agents mais également de représenter leurs émotions. Se pose alors le problème de développer des outils informatiques pour des utilisateurs de platesformes de simulation qui ne sont pas experts en programmation. Cet article propose une architecture d'agent intégrant une dimension à la fois cognitive et émotionnelle en fournissant des outils simples d'utilisation à des publics non experts en programmation. Cette architecture est implémentée dans la plateforme de simulation GAMA.
La simulation à base d'agents est maintenant largement utilisée pour étudier les systèmes complexes. Cependant, le problème de la définition des agents est toujours posé. Définir des agents complexes capables d'agir de manière réaliste est une tâche difficile. Un paradigme couramment utilisé pour formaliser le comportement de tels agents est le paradigme BDI (Belief-Desire-Intention). Cependant, ce formalisme est peu utilisé en simulation. Une raison est que la plupart des architectures basées sur celui-ci sont très complexes à comprendre pour des noninformaticiens. De plus, elles sont en générales très lourdes en termes de temps de calcul. Dans cet article, nous proposons ici une architecture agent basée sur le paradigme BDI et sur la théorie des fonctions de croyance qui permet de répondre aux difficultés précitées. Nous présentons une application de celle-ci pour la simulation du choix et de la conduite de systèmes de culture par des agriculteurs. Cette application montre que notre architecture permet de faire tourner plusieurs milliers d'agents simultanément. Agent-based simulations are now widely used to study complex systems. However, the problem of the agent design is still an open issue. In fact, designing complex agents able to act in a believable way is a difficult task, in particular when their behaviour is led by many conflicting needs and desires. A widely used way to formalise the internal architecture of such complex agents is the BDI (Belief-Desire-Intention) paradigm. Yet, this formalism is rarely used in simulation context. A reason is that most agent architectures based on the BDI paradigm are complex to understand by non-computerscientists. Moreover, they are often very timeconsuming in terms of computation. In this paper, we propose an architecture based on the BDI paradigm and on the belief theory to answer these problems. We present an application of our agent architecture to an actual model dedicated to cropping plan decision-making. This application that takes into plays thousands of farmer agents shows promising results.