De la conception participative de systèmes multi-agents. à la mise en place de coopérations humain non-humain

Dimension: px
Commencer à balayer dès la page:

Download "De la conception participative de systèmes multi-agents. à la mise en place de coopérations humain non-humain"

Transcription

1 De la conception participative de systèmes multi-agents à la mise en place de coopérations humain non-humain Paul Guyot Séminaire CHM, LIMSI, 17 octobre 2006

2 Présentation Paul Guyot Formation pluri-disciplinaire (économie, logique, DEA intelligence artificielle, DEA philosophie des sciences) Thèse d informatique au LIP sous la direction d Alexis Drogoul Chercheur invité au National Institute of Informatics (Tokyo) 2

3 Problème(s) & approche Contexte: intelligence sociale, coopérations médiées et en réseau Comment concevoir des coopérations entre agents et humains, impliquant plusieurs agents et plusieurs humains? - Modélisation & reproduction des mécanismes de coopération - Tolérance réciproque Approche expérimentale & incrémentale 3

4 Plan Cadre conceptuel et hypothèses de travail : agents et systèmes multiagents Participation : trois inspirations Les simulations multi-agents participatives Relation de pouvoir Formation de coalitions Communication entre les participants Perspectives 4

5 Les systèmes multi-agents un cadre conceptuel, des hypothèses de travail

6 Deux objectifs de l intelligence artificielle Ingénierie de systèmes intelligents Humain Compréhension et exploration de l intelligence humaine par la simulation Interrogateur humain? Ordinateur Les systèmes multi-agents 6

7 Intelligence artificielle distribuée Messor Sancta ants 1,500 corpses La tradition multi-agents partage les 26 hours objectifs de l intelligence artificielle Un système multi-agents est un ensemble d entités logicielles qui agissent (les agents), conçu pour résoudre un problème particulier de manière collective [Ferber, 1995] Une simulation multi-agents est un ensemble d agents conçu pour simuler un phénomène réel. Les systèmes multi-agents 7

8 Explorer pour concevoir des systèmes multi-agents Les systèmes multi-agents 8

9 Explorer pour concevoir des systèmes multi-agents Problème similaire Les systèmes multi-agents 9

10 Explorer pour concevoir des systèmes multi-agents Solution inspirée des fourmis Les systèmes multi-agents 10

11 Explorer pour concevoir des systèmes multi-agents Systèmes multi-agents Les systèmes multi-agents 11

12 Explorer pour concevoir des systèmes multi-agents Les exemples biologiques et éthologiques présentent quelques limites [Drogoul, 2000] : La seule méthode d analyse est l observation Le nombre de classes de problèmes est limité L horizon est l intelligence (collective) humaine Les systèmes multi-agents 12

13 Simulations multi-agents et systèmes multi-agents Système multi-agents : objectif de résolution de problème. Comment construire un système pour résoudre un problème donné? Simulations multi-agents : objectif de simulation. Comment construire un système qui reproduit un phénomène donné? Hypothèse : les interactions entre agents sont suffisamment riches pour modéliser les comportements collectifs humains Itérations entre conception et simulation Les systèmes multi-agents 13

14 Plan Cadre conceptuel et hypothèses de travail : agents et systèmes multiagents Participation : trois inspirations Les simulations multi-agents participatives Relation de pouvoir Formation de coalitions Communication entre les participants Perspectives 14

15 Trois traditions d approches participatives trois inspirations

16 Modélisation d accompagnement Mouvement ComMod, courant de recherche français (CIRAD, CEMAGREF, INRA, IRD ) Issu des approches participatives en agronomie Charte [Barreteau, 2003] Inspirations 16

17 Approche MAS/RPG Approche typique de la démarche ComMod qui combine simulations multi-agents (MAS) et de jeux de rôles (RPG) [Barreteau, 1998] Monde réel Simulations Jeu de rôles Système multi-agents (JASSS, à paraître) Inspirations 17

18 L économie expérimentale 60 ans d expériences en laboratoire pour explorer les comportements des agents économiques Des réflexions sur les méthodes Consécration avec le prix Nobel de Vernon Smith (2002) Couplage avec des agents logiciels [Duffy, 1999; Grossklags & Schmidt, 2003] (AESCS, 2005) Inspirations 18

19 Breaching en ethnométhodologie Technique de sociologie expérimentale inventée par Harold Garfinkel [1967] Créer des brèches dans l ordre social. Susciter l étonnement, l indignation, la honte, la culpabilité pour révéler les mécanismes des activités quotidiennes et routinières Se comporter comme un étranger chez soi Négocier les prix alors que ce n est pas l usage Inspirations 19

20 Emergence et participation [Les auteurs remarquent que] les expériences participatives conduisent à l émergence de comportements imprévus [Bos, 2006] Une partie des comportements peuvent être contrôlés; la difficulté est de créer les conditions pour que les participants innovent dans une direction intéressante et récupérer suffisamment d information pour exploiter cette innovation (SIC, 2005; SMAGET, 2005) Inspirations 20

21 Plan Cadre conceptuel et hypothèses de travail : agents et systèmes multiagents Participation : trois inspirations Les simulations multi-agents participatives Relation de pouvoir Formation de coalitions Communication entre les participants Perspectives 21

22 Méthode et protocole les simulations multi-agents participatives

23 Les simulations multi-agents participatives Les simulations multi-agents participatives sont des expériences en laboratoire avec des participants humains et des agents les agents dans ces simulations participent au même titre que les humains; ils ne fournissent pas un service. les participants accèdent à la simulation exactement comme les agents Simulations multi-agents participatives 23

24 Les simulations multi-agents participatives Chaque participant est assis à un poste de travail et toutes les interactions, conçues comme des interactions entre agents, se font par le biais de l ordinateur. Simulations multi-agents participatives 24

25 Simulations multi-agents participatives une méthode

26 Protocole d expérimentation Séances de verbalisation participation verbalisation Acteurs Outil de simulation participent influence Construction (Implémentation) Exécutions Enregistrements (trace) génèrent Simulation multi-agents participative Modèle opérationnel Résultats Modèle de simulation Modèle de conception Modèle du domaine Analyse Interprétation Analyse & Validation Modèle de conception Connaissances théoriques Observations Hypothèses Système cible (réalité) Publications Modèle du domaine Connaissances théoriques, observations, hypothèses Conception de simulations multi-agents [Vanbergue, 2003] Système cible (réalité) Simulations multi-agents participatives

27 Protocole d expérimentation Les expériences se fondent sur un modèle initial de comportements collectifs. Séances de verbalisation Enregistrements (trace) participation verbalisation génèrent participent Acteurs influence Simulation multi-agents participative Modèle de simulation Analyse & Validation Modèle de conception Modèle du domaine Connaissances théoriques, observations, hypothèses Système cible (réalité) Simulations multi-agents participatives 27

28 Protocole d expérimentation 2.Les protocoles d interaction entre les agents tels que spécifiés dans le modèle sont divisés en primitives. Séances de verbalisation Enregistrements (trace) participation verbalisation génèrent participent Acteurs influence Simulation multi-agents participative Modèle de simulation Analyse & Validation Modèle de conception Modèle du domaine Connaissances théoriques, observations, hypothèses Système cible (réalité) Simulations multi-agents participatives 28

29 Protocole d expérimentation Séances de verbalisation participation verbalisation Acteurs 3.Une interface graphique est construite en suivant le modèle. Un cadriciel Java a été développé spécifiquement pour ces expériences, appelé Simulación. Enregistrements (trace) Analyse & Validation génèrent participent Simulation multi-agents participative Modèle de simulation Modèle de conception influence Modèle du domaine Connaissances théoriques, observations, hypothèses Système cible (réalité) Simulations multi-agents participatives 29

30 Protocole d expérimentation 4.L expérience se déroule en laboratoire ou à travers le réseau Internet. Séances de verbalisation Enregistrements (trace) participation verbalisation génèrent participent Acteurs influence Simulation multi-agents participative Modèle de simulation Analyse & Validation Modèle de conception Modèle du domaine Connaissances théoriques, observations, hypothèses Système cible (réalité) Simulations multi-agents participatives 30

31 Protocole d expérimentation 5.Toutes les actions des participants sont enregistrées. Séances de verbalisation Enregistrements (trace) participation verbalisation génèrent participent Acteurs influence Simulation multi-agents participative Modèle de simulation Analyse & Validation Modèle de conception Modèle du domaine Connaissances théoriques, observations, hypothèses Système cible (réalité) Simulations multi-agents participatives 31

32 Protocole d expérimentation 6.Après l expérience, la séance de verbalisation permet de discuter avec les participants de leur stratégies individuelles et collectives. Séances de verbalisation Enregistrements (trace) participation verbalisation génèrent participent Acteurs influence Simulation multi-agents participative Modèle de simulation Analyse & Validation Modèle de conception Modèle du domaine Connaissances théoriques, observations, hypothèses Système cible (réalité) Simulations multi-agents participatives 32

33 Protocole d expérimentation 7.L analyse des séances de verbalisation et des enregistrements permet de valider le modèle. Séances de verbalisation Enregistrements (trace) participation verbalisation génèrent participent Acteurs influence Simulation multi-agents participative Modèle de simulation Analyse & Validation Modèle de conception Modèle du domaine Connaissances théoriques, observations, hypothèses Système cible (réalité) Simulations multi-agents participatives 33

34 Simulations multi-agents participatives un cadriciel

35 Simulación Cadriciel en Java pour construire des simulations multi-agents participatives Orienté agent (!) Adaptation rapide à différents modèles (3 mois) Gère les aspects réseau, traduction, robustesse, enregistrement (MMAS I, 2005) Simulación 35

36 Simulación Le cadriciel est disponible sur sourceforge simulacion Les applications sont téléchargeables Simulación 36

37 Plan Cadre conceptuel et hypothèses de travail : agents et systèmes multiagents Participation : trois inspirations Les simulations multi-agents participatives Relation de pouvoir Formation de coalitions Communication entre les participants Perspectives 37

38 SimCommod relations de pouvoir dans les négociations, ou la difficulté des coopérations hybrides

39 Pouvoir, négociations & multi-agents 1 2 Pouvoir dans les SMA : conscience d une relation de dépendance [Castelfranchi, 1989; Sichman, 1994; Carabelea, 2005] 3 4 Les négociations dans les systèmes ouverts reposent sur la négociation préalable des notions (ontologies) et sur des agents bienveillants Études sur les agents byzantins, systèmes de confiance, etc Relations de pouvoir

40 SimCommod 1 2 Expériences construites comme idéaltype de l approche ComMod Domaine : négociation au sujet d une ressource renouvelable Relations de pouvoir

41 SimCommod 1 2 Trois classes d agents avec des objectifs différents : 3 4 des exploitants, un environnementaliste et le gouvernement Chaque partie se divise en tours 5 6 Chaque tour se divise en quatre étapes 7 8 Relations de pouvoir

42 SimCommod : exploitation Relations de pouvoir

43 SimCommod : exploitation Relations de pouvoir

44 SimCommod : négociation Les exploitants mettent des jetons verts Relations de pouvoir

45 SimCommod : négociation L environnementaliste place des jetons rouges Relations de pouvoir

46 SimCommod : discussion Relations de pouvoir

47 SimCommod : discussion Relations de pouvoir

48 SimCommod : discussion Relations de pouvoir

49 SimCommod : discussion Relations de pouvoir

50 SimCommod : discussion Relations de pouvoir

51 SimCommod : décision du gouvernement Relations de pouvoir

52 SimCommod : tour suivant Relations de pouvoir

53 SimCommod : tour suivant Relations de pouvoir

54 Négociation dans SimCommod L environnementaliste et les exploitants discutent et placent des jetons Les jetons rouges valent -1 (protéger), les verts +1 (exploiter). Les valeurs sont additionnées Relations de pouvoir

55 Problème Il n y a aucune relation de dépendance a priori Méthode inspirée de l économie expérimentale Comment les exploitants peuvent se coaliser contre l environnementaliste? Comment l environnementaliste peut diminuer la pression sur la ressource? Relations de pouvoir

56 SimCommod : expériences expérience 06/2005, LIP6 (test) 3 expériences 09/2005, NII, anglais 5 expériences 11/2005, Chula, thaï Relations de pouvoir

57 Interdiction & prescription Deux environnementalistes, deux stratégies différentes Convaincre les autres de ce qui est le mieux pour eux, essayer de coordonner et dire où exploiter (prescription) Interdire aux participants d exploiter sur certaines cases (interdiction) Relations de pouvoir

58 Haruko l environnementaliste L environnementaliste a convaincu des exploitants de ne pas exploiter certaines cases ( il faut protéger la forêt ) d exploiter des cases blanches, sans ressource ( il y a de l or sur les cases blanches ) Pourtant, le jeu était présenté avec des termes abstraits (économie expérimentale) Relations de pouvoir

59 Conclusions La notion de pouvoir dans des systèmes hybrides ne peut pas se limiter à une relation de dépendance. Elle doit être aussi large que la définition de Dahl [1961] L alignement des ontologies confère du pouvoir aux agents, bien qu il soit clairement séparé de la négociation elle-même dans les protocoles classiques [Wang, 2002] (AAMAS, 2006) Relations de pouvoir

60 Plan Cadre conceptuel et hypothèses de travail : agents et systèmes multiagents Participation : trois inspirations Les simulations multi-agents participatives Relation de pouvoir Formation de coalitions Communication entre les participants Perspectives 60

61 SimCafé formation de coalitions, ou nos modèles sont incomplets

62 Coalitions sur le marché du café Domaine : production de café et marché du café dans l état de Veracruz (Mexique) On suppose que les producteurs forment des coalitions pour satisfaire des offres d achat (à terme), même s ils refusent de l admettre Coalitions sur le marché du café 62

63 SimCafé : coalitions offre coopérative partage des informations, des ressources et des bénéfices acheteur producteur Coopératives Coalitions sur le marché du café 63

64 SimCafé : coalitions offre producteurs offre acheteur producteur Coalitions directes Coalitions sur le marché du café 64

65 SimCafé : coalitions offre producteurs acheteur producteur Broadcast (ContractNet) Coalitions sur le marché du café 65

66 SimCafé Agents : Un acheteur omniscient (organisateur) Des producteurs de café (participants) Offres d achat à terme (durée, quantité) Les producteurs peuvent s échanger des messages, du café, de l argent Coalitions sur le marché du café 66

67 SimCafé : expériences 3 expériences 05/2003, LANIA, espagnol Coalitions sur le marché du café 67

68 Observation Comme prévu, des coalitions se sont formées. offre producteurs Un participant a créé deux coalitions lors de la troisième expérience. offre acheteur producteur Coalitions sur le marché du café 68

69 Le courtier Émergence d un rôle absent du modèle initial Un des producteurs de café s est comporté comme un courtier : Il proposait d acheter et de revendre du café Il proposait aux autres producteurs de les payer après la revente Coalitions sur le marché du café 69

70 Le courtier 160 Nombre d'offre acceptées Solipsists Direct Broadcast Trader and direct Trader and broadcast Temps (ticks de la simulation) Coalitions sur le marché du café 70

71 Le courtier 160 Nombre d'offre acceptées Broadcast Trader and broadcast Temps (ticks de la simulation) Coalitions sur le marché du café 71

72 Conclusions La méthode permet de valider des modèles de comportements collectifs si les participants sont libres de ne pas interagir strictement comme dans le modèle initial (ABS, 2003) Les participants peuvent créer des solutions plus efficaces que nos modèles (AAMAS, 2005) Coalitions sur le marché du café 72

73 Analyseur extraction automatique de motifs d interaction

74 Description des interactions avec Q Le langage Q permet à des experts non informaticiens de décrire les interactions entre agents Q dissocie interactions et raisonnement [Ishida, 2002] Processeur Q Patrons d'interaction Traducteur automatique des patrons d'interactions Concepteur d'application (auteur des scénarios) Interprète Q Définition des patrons d'interaction Concepteur des interactions Scénario Q Analyseur Q Scheme Moteur d'agent Requêtes d'analyse de scénario Cues & Actions Définitions des Cues & des Actions Planification Apprentissage Fonctions motrices et capteurs Niveau méta Niveau d'exécution Java, C++ Concepteur d'agents (informaticien) Extraire automatiquement des motifs d interaction 74

75 Description des interactions avec Q Q est dérivé de LISP Chaque carte d interaction se limite à une situation Card ID 14 Card Name Visiting Kimono Web site Card Type User initiative Opening Reactions to Users' Mouse Click (Repeat) Closing Hm-hum, you are so enthusiastic. Then, how about this page? Mouse Click No Reaction Cue type.htm fukuro.htm maru.htm Seconds Did you enjoy Japanese Kimono? OK, let's move on to the next subject. Action 20 (End of Repeat) Action There are many types of obi. Can you tell the difference? (GestureLeft) Fukuro obi is for a ceremonial dress. Use it at a dress-up party! (Evaluate Card42) Action Action Extraire automatiquement des motifs d interaction 75

76 Extraction automatique avec Analyseur Extraction automatique de motifs d interaction La programmation génétique fortement typée [Montana, 1993] permet de générer des programmes Q Analyseur extrait des motifs d interaction en Q automatiquement à partir des enregistrements XML (guard (#f (...)) ((?receive_pergamino :qty $Int-X :from $Agent-Z) (do (!accept_offer :contract (if (?have_less_pergamino :than get_cereza_bags_count) (if (?transformation_process_completed) $Contract-1 $Contract-2) (if #t $Contract-2 $Contract-2))) (do (!send_message :to $Agent-X) (do (!transform_cereza :amount (if #t $Int-Y (get_budget))) (!send_message :to $Agent-Y))))) (#f (...)) (otherwise (go (if #f 3 1)))) FIG. 6.9: Scène extraite automatiquement de la trace des actions d Hector lors de la troisième expérience Extraire automatiquement des motifs d interaction 76

77 Plan Cadre conceptuel et hypothèses de travail : agents et systèmes multiagents Participation : trois inspirations Les simulations multi-agents participatives Relation de pouvoir Formation de coalitions Communication entre les participants Perspectives 77

78 Breaching ethnométhodologique inciter les participants, analyser ces comportements collectifs

79 Inciter & analyser Les simulations participatives introduisent une couche malléable dans les interactions Les techniques de la séance de verbalisation et les enregistrement permettent de créer des modèles formalisés des stratégies des participants Breaching ethnométhodologique 79

80 L agent assistant 1 2 Il fait des suggestions à partir d un modèle du jeu et d un algorithme d apprentissage très simple. Il pose des questions L agent assistant

81 L agent assistant L agent assistant

82 L agent assistant 1 2 Est fondé sur un modèle de la stratégie. Ici, exploiter des cases de la même couleur, choisies aléatoirement, avec au départ une de chaque couleur (solution au problème) 3 4 Utilise un système d apprentissage pour faire des suggestions proches des actions précédentes des joueurs Simple renforcement ou système à base de classeur (S&G, soumis) L agent assistant

83 Plan Cadre conceptuel et hypothèses de travail : agents et systèmes multiagents Participation : trois inspirations Les simulations multi-agents participatives Relation de pouvoir Formation de coalitions Communication entre les participants Perspectives 83

84 SimBar un modèle simple-complexe de coopération, communication entre les participants

85 Le Bar El Farol Problème du Bar El Farol [Arthur, 1994] Problème difficile de la théorie des jeux Nombreuses études informatiques [Greenwald, 1998; Edmonds, 1999; Farago, 2002 ] Problème considéré comme une instance du jeu de la minorité [Challet, 1997] Un modèle simple-complexe 85

86 Le Bar El Farol N amateurs de musique irlandaise habitent Santa Fe Il y a un concert au Bar El Farol chaque semaine, le jeudi soir Les agents économiques décident, de manière synchrone, d aller au bar ou de rester chez eux L utilité dépend du nombre de personnes au bar avec un effet de seuil à 60% de la population totale U bar,pop>60% < U maison < U bar,pop 60% Un modèle simple-complexe 86

87 Points Le bar n est pas 3 Aller au bar plein Le bar est plein 1 Rester chez soi 2 Un modèle simple-complexe 87

88 SimBar Un modèle simple-complexe 88

89 Communication Dans le Bar El Farol de Brian Arthur, il n y a aucune communication [Arthur, 1994], et donc aucune coopération. Pourtant l utilité des agents dépend directement des actions des autres agents. Un mécanisme de communication simple simplifie la différentiation [Edmonds, 1999] Un modèle simple-complexe 89

90 SimBar : expériences 2 expériences 06/2004, LIP6, français 3 expériences 04-09/2006, NII, japonais 3 expériences 10/2006, NII & LIP6 Un modèle simple-complexe 90

91 Résultat sur la communication Des contraintes trop fortes sur la communication entre les participants rendent difficile l émergence de comportements collectifs Expériences de 2004 : Difficile de se concerter avec des messages pré-définis Première expérience de 2006 : la communication libre est une condition suffisante pour qu émergent des comportements collectifs Un modèle simple-complexe 91

92 Plan Cadre conceptuel et hypothèses de travail : agents et systèmes multiagents Participation : trois inspirations Les simulations multi-agents participatives Relation de pouvoir Formation de coalitions Communication entre les participants Perspectives 92

93 SimBar premières expériences de coopération hybride

94 Les équipes Introduites en septembre 2006 Inciter les participants à coopérer Fonctionne sur invitation Bonus si toute l équipe se rend au bar et qu il n est pas trop plein Un modèle simple-complexe 94

95 Les équipes Aller au bar Le bar n est pas plein Le bar est plein Toute l équipe y va 1+taille Défection 1-1 Rester chez soi 0 Un modèle simple-complexe 95

96 Observations Les équipes incitent les participants à élaborer des stratégies collectives. Les participants font globalement moins bien que la stratégie naïve (y aller aléatoirement) L espérance d un agent logiciel avec la stratégie naïve est cependant négative Un modèle simple-complexe 96

97 Expériences hybrides Expériences en cours (LIP6, NII) Dix participants Cinq agents logiciels avec les stratégies des participants du 26 septembre (trahisons, petites équipes, ) Perspectives: Intégrer des mécanismes de dialogue moins simplistes Scénario plus complexe, moins abstrait Un modèle simple-complexe 97

98 Conclusion

99 Conclusion La méthode développée permet d explorer, de modéliser et de reproduire, sous la forme de simulations multi-agents, des mécanismes de coopération. Elle permet également de construire des simulations hybrides où des agents se comportent comme des humains et d observer, d analyser et de construire des coopérations humains non-humains. 99

100 Questions merci pour votre attention Paul Guyot Séminaire CHM, LIMSI, 17 octobre 2006

Les apports de l informatique. Aux autres disciplines

Les apports de l informatique. Aux autres disciplines Les apports de l informatique Aux autres disciplines Le statut de technologie ou de sous-discipline est celui de l importation l et de la vulgarisation Le statut de science à part entière est lorsqu il

Plus en détail

Théorie des Jeux Et ses Applications

Théorie des Jeux Et ses Applications Théorie des Jeux Et ses Applications De la Guerre Froide au Poker Clément Sire Laboratoire de Physique Théorique CNRS & Université Paul Sabatier www.lpt.ups-tlse.fr Quelques Définitions de la Théorie des

Plus en détail

Réguler son enseignement : Pourquoi? Comment?

Réguler son enseignement : Pourquoi? Comment? Mon enseignement, je l évalue, il évolue Réguler son enseignement : Pourquoi? Comment? Lucie Mottier Lopez Université de Genève 13 mai 2013 IFRES, Liège lucie.mottier@unige.ch 1 Plan Un cadre pour penser

Plus en détail

Modélisation multi-agents - Agents réactifs

Modélisation multi-agents - Agents réactifs Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf

Plus en détail

Master Informatique Aix-Marseille Université

Master Informatique Aix-Marseille Université Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes

Plus en détail

Christophe Le Page CIRAD - UPR Green

Christophe Le Page CIRAD - UPR Green Christophe Le Page CIRAD - UPR Green Combiner jeux de rôles et simulation informatique pour modéliser avec les acteurs les interactions entre dynamiques écologiques et dynamiques sociales dans les agro-écosystèmes

Plus en détail

Évaluation et implémentation des langages

Évaluation et implémentation des langages Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation

Plus en détail

Conception et contrôle des SMA tolérants aux fautes

Conception et contrôle des SMA tolérants aux fautes Conception et contrôle des SMA tolérants aux fautes Une plate-forme multiagents tolérante aux fautes à base de réplication Nora FACI Contexte SMA large échelle Nombre important d agents Ressources éloignées

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

La gestion des contraintes pour modéliser les stratégies humaines d'ordonnancement et concevoir des interfaces homme-machine ergonomiques

La gestion des contraintes pour modéliser les stratégies humaines d'ordonnancement et concevoir des interfaces homme-machine ergonomiques La gestion des contraintes pour modéliser les stratégies humaines d'ordonnancement et concevoir des interfaces homme-machine ergonomiques Clément Guerin Sous la direction de J.M. Hoc et de N. Mebarki Réunion

Plus en détail

IODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21

IODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21 IODAA de l 1nf0rmation à la Décision par l Analyse et l Apprentissage IODAA Informations générales 2 Un monde nouveau Des données numériques partout en croissance prodigieuse Comment en extraire des connaissances

Plus en détail

Instructions relatives à la soumission d une question sur le sujet d étude

Instructions relatives à la soumission d une question sur le sujet d étude Programme de bourses de recherche Amy Mahan pour évaluer l impact de l accès public aux TIC Instructions relatives à la soumission d une question sur le sujet d étude Table des matières À propos la Question

Plus en détail

Retour d expériences avec UML

Retour d expériences avec UML Retour d expériences avec UML UML pour les systèmes biologiques Marie-Hélène Moirez-Charron, UMR AGIR, équipe MAGE INRA Toulouse mailto:marie-helene.charron@toulouse.inra.fr PLAN Contexte de travail UML,

Plus en détail

Intelligence Artificielle et Robotique

Intelligence Artificielle et Robotique Intelligence Artificielle et Robotique Introduction à l intelligence artificielle David Janiszek david.janiszek@parisdescartes.fr http://www.math-info.univ-paris5.fr/~janiszek/ PRES Sorbonne Paris Cité

Plus en détail

Exemple de projet et réseau: modélisation et simulation des systèmes socio-environnementaux

Exemple de projet et réseau: modélisation et simulation des systèmes socio-environnementaux Exemple de projet et réseau: modélisation et simulation des systèmes socio-environnementaux Jean-Pierre Müller Cadre scientifique CIRAD-ES-GREEN 1 Plan de présentation D où on part (parle) L objet de recherche

Plus en détail

Comment susciter la participation des étudiant e s et en tirer parti?

Comment susciter la participation des étudiant e s et en tirer parti? Fiche ABC Comment susciter la participation des étudiant e s et en tirer parti? Introduction Il n est pas rare que les enseignant e s souhaitent faire participer davantage les étudiant e s, soit durant

Plus en détail

Formula Negator, Outil de négation de formule.

Formula Negator, Outil de négation de formule. Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente

Plus en détail

Atelier de simulation APOLLO XIII

Atelier de simulation APOLLO XIII Atelier de simulation APOLLO XIII Les enjeux d une formation réussie Favoriser la participation, susciter l intérêt Enseigner les principes théoriques tout en l alliant à la pratique Motiver, impliquer,

Plus en détail

modèles génériques applicables à la synthèse de contrôleurs discrets pour l Internet des Objets

modèles génériques applicables à la synthèse de contrôleurs discrets pour l Internet des Objets modèles génériques applicables à la synthèse de contrôleurs discrets pour l Internet des Objets Mengxuan Zhao, Gilles Privat, Orange Labs, Grenoble, France Eric Rutten, INRIA, Grenoble, France Hassane

Plus en détail

Big Data -Comment exploiter les données et les transformer en prise de décisions?

Big Data -Comment exploiter les données et les transformer en prise de décisions? IBM Global Industry Solution Center Nice-Paris Big Data -Comment exploiter les données et les transformer en prise de décisions? Apollonie Sbragia Architecte Senior & Responsable Centre D Excellence Assurance

Plus en détail

Modèles et simulations informatiques des problèmes de coopération entre agents

Modèles et simulations informatiques des problèmes de coopération entre agents Modèles et simulations informatiques des problèmes de coopération entre agents Bruno Beaufils LIFL Axe CIM Équipe SMAC Laboratoire d'informatique Plan 1. Motivations 2. Dilemme itéré du prisonnier 3. Simulations

Plus en détail

CRÉER UN COURS EN LIGNE

CRÉER UN COURS EN LIGNE Anne DELABY CRÉER UN COURS EN LIGNE Deuxième édition, 2006, 2008 ISBN : 978-2-212-54153-3 2 Que recouvre le concept d interactivité? Dans une perspective de cours en ligne, une activité interactive est

Plus en détail

Qu'est-ce que le BPM?

Qu'est-ce que le BPM? Qu'est-ce que le BPM? Le BPM (Business Process Management) n'est pas seulement une technologie mais, dans les grandes lignes, une discipline de gestion d'entreprise qui s'occupe des procédures contribuant

Plus en détail

Programmation d'agents intelligents Vers une refonte des fils de raisonnement. Stage de fin d'études Master IAD 2006

Programmation d'agents intelligents Vers une refonte des fils de raisonnement. Stage de fin d'études Master IAD 2006 vendredi 8 septembre 2006 Programmation d'agents intelligents Vers une refonte des fils de raisonnement Stage de fin d'études Master IAD 2006 Benjamin DEVEZE Responsable : M. Patrick TAILLIBERT Plan Plan

Plus en détail

Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence

Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence Gwenole Fortin To cite this version: Gwenole Fortin. Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence. 2006.

Plus en détail

La mise en place d une cellule de veille

La mise en place d une cellule de veille La mise en place d une cellule de veille Floriane Giovannini IST - Antony 24 ème Rencontres OMER Lyon, les 29-30 mars 2007 Plan de la présentation Introduction à la veille Une cellule de veille : - Pourquoi?

Plus en détail

1-Introduction 2. 2-Installation de JBPM 3. 2-JBPM en action.7

1-Introduction 2. 2-Installation de JBPM 3. 2-JBPM en action.7 Sommaire 1-Introduction 2 1-1- BPM (Business Process Management)..2 1-2 J-Boss JBPM 2 2-Installation de JBPM 3 2-1 Architecture de JOBSS JBPM 3 2-2 Installation du moteur JBoss JBPM et le serveur d application

Plus en détail

Quels outils pour prévoir?

Quels outils pour prévoir? modeledition SA Quels outils pour prévoir? Les modèles de prévisions sont des outils irremplaçables pour la prise de décision. Pour cela les entreprises ont le choix entre Excel et les outils classiques

Plus en détail

Intervenir sur les interactions parents-enfants dans un contexte muséal scientifique

Intervenir sur les interactions parents-enfants dans un contexte muséal scientifique Intervenir sur les interactions parents-enfants dans un contexte muséal scientifique Rodica AILINCAI, doctorante, Laboratoire «Éducation et Apprentissages», Université Paris 5 René Descartes Annick WEIL-BARAIS,

Plus en détail

Problématique / Problématiser / Problématisation / Problème

Problématique / Problématiser / Problématisation / Problème Problématique / Problématiser / Problématisation / PROBLÉMATIQUE : UN GROUPEMENT DE DÉFINITIONS. «Art, science de poser les problèmes. Voir questionnement. Ensemble de problèmes dont les éléments sont

Plus en détail

neocampus : campus du futur 27 février 2015

neocampus : campus du futur 27 février 2015 neocampus : campus du futur 27 février 2015 Démarrage juin 2013 ECO-CAMPUS TOULOUSE Président B Monthubert Confort au quotidien pour la communauté universitaire Diminution de l empreinte écologique de

Plus en détail

Etudier l informatique

Etudier l informatique Etudier l informatique à l Université de Genève 2015-2016 Les bonnes raisons d étudier l informatique à l UNIGE La participation à des dizaines de projets de recherche européens Dans la présente brochure,

Plus en détail

Analyse,, Conception des Systèmes Informatiques

Analyse,, Conception des Systèmes Informatiques Analyse,, Conception des Systèmes Informatiques Méthode Analyse Conception Introduction à UML Génie logiciel Définition «Ensemble de méthodes, techniques et outils pour la production et la maintenance

Plus en détail

La plate-forme DIMA. Master 1 IMA COLI23 - Université de La Rochelle

La plate-forme DIMA. Master 1 IMA COLI23 - Université de La Rochelle La plate-forme DIMA Master 1 IMA COLI23 - Université de La Rochelle DIMA Bref aperçu Qu'est-ce? Acronyme de «Développement et Implémentation de Systèmes Multi-Agents» Initié par Zahia Guessoum et Jean-Pierre

Plus en détail

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 UFR d Informatique FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 Objectif L UFR d informatique propose au niveau du master, deux spécialités sous la mention informatique

Plus en détail

basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML

basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML http://olivier-augereau.com Sommaire Introduction I) Les bases II) Les diagrammes

Plus en détail

COR-E : un modèle pour la simulation d agents affectifs fondé sur la théorie COR

COR-E : un modèle pour la simulation d agents affectifs fondé sur la théorie COR COR-E : un modèle pour la simulation d agents affectifs fondé sur la théorie COR SABRINA CAMPANO DIRECTION: NICOLAS SABOURET ENCADREMENT : NICOLAS SABOURET, VINCENT CORRUBLE, ETIENNE DE SEVIN SOUTENANCE

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

MASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME

MASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME MASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : INFORMATIQUE Spécialité

Plus en détail

Implantation des protocoles de communication FIPA dans la plate-forme GAMA

Implantation des protocoles de communication FIPA dans la plate-forme GAMA L Institut de la Francophonie pour l Informatique L unité de recherche Geodes, Institut de Recherche pour le Développement (UR079, IRD) Master INTELLIGENCE ARTIFICIELLE ET MULTIMEDIA, 2 ème année, Spécialité

Plus en détail

Déploiement OOo en environnement Windows Terminal Server

Déploiement OOo en environnement Windows Terminal Server Déploiement OOo en environnement Windows Terminal Server Version 1.00 du 10.12.2004 Réalisé avec : OOo 1.1.3 Plate-forme / Os : Microsoft Windows Distribué par le projet fr.openoffice.org Sommaire 1 Introduction...3

Plus en détail

AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES

AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 1 AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 2 Axes de recherche L activité du DIM LSC concerne la méthodologie de la conception et le développement de systèmes à forte

Plus en détail

Androids as an Experimental Apparatus: Why Is There an Uncanny Valley and Can we Exploit It?

Androids as an Experimental Apparatus: Why Is There an Uncanny Valley and Can we Exploit It? Androids as an Experimental Apparatus: Why Is There an Uncanny Valley and Can we Exploit It? Karl F. MacDorman 1 The Uncanny Valley : Le terme d Uncanny Valley a été défini par Masahiro Mori, chercheur

Plus en détail

AGROBASE : un système de gestion de données expérimentales

AGROBASE : un système de gestion de données expérimentales AGROBASE : un système de gestion de données expérimentales Daniel Wallach, Jean-Pierre RELLIER To cite this version: Daniel Wallach, Jean-Pierre RELLIER. AGROBASE : un système de gestion de données expérimentales.

Plus en détail

FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)

FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) 87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation

Plus en détail

Jade. Projet Intelligence Artificielle «Devine à quoi je pense»

Jade. Projet Intelligence Artificielle «Devine à quoi je pense» Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges

Plus en détail

Instructions pour mettre à jour un HFFv2 v1.x.yy v2.0.00

Instructions pour mettre à jour un HFFv2 v1.x.yy v2.0.00 Instructions pour mettre à jour un HFFv2 v1.x.yy v2.0.00 HFFv2 1. OBJET L accroissement de la taille de code sur la version 2.0.00 a nécessité une évolution du mapping de la flash. La conséquence de ce

Plus en détail

LES INTERFACES HOMME-MACHINE

LES INTERFACES HOMME-MACHINE LES INTERFACES HOMME-MACHINE 1 ère Partie : Introduction aux Interfaces Homme-Machine 2 ème Partie : Notions de base sur les Sciences Cognitives 3 ème Partie : Recommandations ergonomiques 4 ème Partie

Plus en détail

Métiers d études, recherche & développement dans l industrie

Métiers d études, recherche & développement dans l industrie Les fiches Métiers de l Observatoire du Travail Temporaire Emploi, compétences et trajectoires d intérimaires cadres Métiers d études, recherche & développement dans l industrie R&D Production Ingénieur

Plus en détail

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information

Plus en détail

Générer du code à partir d une description de haut niveau

Générer du code à partir d une description de haut niveau Cedric Dumoulin Générer du code à partir d une description de haut niveau Ce projet vise à fournir un environnement de développement permettant de modéliser des UI Android à un haut niveau d abstraction,

Plus en détail

Le Collège de France crée une chaire pérenne d Informatique, Algorithmes, machines et langages, et nomme le Pr Gérard BERRY titulaire

Le Collège de France crée une chaire pérenne d Informatique, Algorithmes, machines et langages, et nomme le Pr Gérard BERRY titulaire Communiquédepresse Mars2013 LeCollègedeFrancecréeunechairepérenned Informatique, Algorithmes,machinesetlangages, etnommeleprgérardberrytitulaire Leçoninauguralele28mars2013 2009avait marquéunpas importantdans

Plus en détail

La rencontre du Big Data et du Cloud

La rencontre du Big Data et du Cloud La rencontre du Big Data et du Cloud Libérez le potentiel de toutes vos données Visualisez et exploitez plus rapidement les données de tous types, quelle que soit leur taille et indépendamment de leur

Plus en détail

Mastère spécialisé. «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché»

Mastère spécialisé. «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché» Mastère spécialisé «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché» I- Présentation détaillée du programme d enseignement Répartition par modules et crédits ECTS : Intitulé

Plus en détail

Processus d Informatisation

Processus d Informatisation Processus d Informatisation Cheminement de la naissance d un projet jusqu à son terme, deux grandes étapes : Recherche ou étude de faisabilité (en amont) L utilisateur a une idée (plus ou moins) floue

Plus en détail

BABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS

BABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS Quatrième colloque hypermédias et apprentissages 275 BABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS Anne-Olivia LE CORNEC, Jean-Marc FARINONE,

Plus en détail

Sujet de thèse CIFRE RESULIS / LGI2P

Sujet de thèse CIFRE RESULIS / LGI2P Ecole des Mines d Alès Laboratoire de Génie Informatique et d Ingénierie de Production LGI2P Nîmes Sujet de thèse CIFRE RESULIS / LGI2P Titre Domaine De l ingénierie des besoins à l ingénierie des exigences

Plus en détail

PROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN

PROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN PROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN 1. DÉVELOPPEMENT D'APPLICATION (CONCEPTEUR ANALYSTE) 1.1 ARCHITECTURE MATÉRIELLE DU SYSTÈME INFORMATIQUE 1.1.1 Architecture d'un ordinateur Processeur,

Plus en détail

Partenaires: w w w. c o g m a s t e r. n e t

Partenaires: w w w. c o g m a s t e r. n e t Partenaires: w w w. c o g m a s t e r. n e t Une approche interdisciplinaire et intégrative neuropsychologie psychologie neuroanatomie linguistique philosophie SCIENCES COGNITIVES logique/probas neurosciences

Plus en détail

Catalogue des formations Edition 2015

Catalogue des formations Edition 2015 Antidot - Formations Catalogue des formations Edition 2015 : catalogue_formation_2015 Révision du 06.01.2015 Sommaire!!"##$%&'( )! $*$+,(-'(."##'+.'&( /!,'.0+"1"2%'( /!!."3'( /! $(3&"3"!(-4(5(.$,$1"24'(-'!(6"&#$,%"+!(7('-%,%"+()89:(;(

Plus en détail

Système immunitaire artificiel

Système immunitaire artificiel République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieure Université des Sciences et de la Technologie D Oran Mohammed Boudiaf (USTO) Faculté des Sciences Département d Informatique

Plus en détail

Architecture d'entreprise : Guide Pratique de l'architecture Logique

Architecture d'entreprise : Guide Pratique de l'architecture Logique Guides Pratiques Objecteering Architecture d'entreprise : Guide Pratique de l'architecture Logique Auteur : Version : 1.0 Copyright : Softeam Equipe Conseil Softeam Supervisée par Philippe Desfray Softeam

Plus en détail

La coopération dans un contexte de recherches doctorales Cooperation amongst PhD researchers. Josée Charbonneau Anne- Marie Merrien 28 mai 2014

La coopération dans un contexte de recherches doctorales Cooperation amongst PhD researchers. Josée Charbonneau Anne- Marie Merrien 28 mai 2014 La coopération dans un contexte de recherches doctorales Cooperation amongst PhD researchers Josée Charbonneau Anne- Marie Merrien 28 mai 2014 Pourquoi sommes- nous ici? Étudiantes au doctorat, bourse

Plus en détail

Business Intelligence avec Excel, Power BI et Office 365

Business Intelligence avec Excel, Power BI et Office 365 Avant-propos A. À qui s adresse ce livre? 9 1. Pourquoi à chaque manager? 9 2. Pourquoi à tout informaticien impliqué dans des projets «BI» 9 B. Obtention des données sources 10 C. Objectif du livre 10

Plus en détail

Micro-ordinateurs, informations, idées, trucs et astuces utiliser le Bureau à distance

Micro-ordinateurs, informations, idées, trucs et astuces utiliser le Bureau à distance Micro-ordinateurs, informations, idées, trucs et astuces utiliser le Bureau à distance Auteur : François CHAUSSON Date : 8 février 2008 Référence : utiliser le Bureau a distance.doc Préambule Voici quelques

Plus en détail

C entre de F ormation C ontinue à D istance

C entre de F ormation C ontinue à D istance L action de formation proposée «La démarche HACCP au travers de l ISO 22 000» Cette formation-action est basée sur la mise en œuvre d un projet sur un système HACCP au travers de l ISO 22 000. Ce projet

Plus en détail

Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence

Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION Mentions

Plus en détail

M1805 - Études et développement informatique

M1805 - Études et développement informatique Appellations Analyste cogniticien / cogniticienne informatique Analyste concepteur / conceptrice informatique Concepteur / Conceptrice analyste informatique Concepteur / Conceptrice d'application informatique

Plus en détail

Compte-rendu de Hamma B., La préposition en français

Compte-rendu de Hamma B., La préposition en français Compte-rendu de Hamma B., La préposition en français Badreddine Hamma To cite this version: Badreddine Hamma. Compte-rendu de Hamma B., La préposition en français. Revue française de linguistique appliquée,

Plus en détail

PROGRAMME DE CRÉATION ET INNOVATION TECHNOLOGIQUES EN CLASSE DE SECONDE GÉNÉRALE ET TECHNOLOGIQUE Enseignement d exploration

PROGRAMME DE CRÉATION ET INNOVATION TECHNOLOGIQUES EN CLASSE DE SECONDE GÉNÉRALE ET TECHNOLOGIQUE Enseignement d exploration PROGRAMME DE CRÉATION ET INNOVATION TECHNOLOGIQUES EN CLASSE DE SECONDE GÉNÉRALE ET TECHNOLOGIQUE Enseignement d exploration Préambule La société doit faire face à de nouveaux défis pour satisfaire les

Plus en détail

Bases de données Cours 1 : Généralités sur les bases de données

Bases de données Cours 1 : Généralités sur les bases de données Cours 1 : Généralités sur les bases de données POLYTECH Université d Aix-Marseille odile.papini@univ-amu.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 1 Qu est ce qu une

Plus en détail

Nathalie Bulle (1998), Compte-rendu de Rainer Hegselmann, Ulrich Mueller, Klaus G. Troitzsch (eds.).- Modelling and simulation in the social sciences

Nathalie Bulle (1998), Compte-rendu de Rainer Hegselmann, Ulrich Mueller, Klaus G. Troitzsch (eds.).- Modelling and simulation in the social sciences Nathalie Bulle (1998), Compte-rendu de Rainer Hegselmann, Ulrich Mueller, Klaus G. Troitzsch (eds.).- Modelling and simulation in the social sciences from the philosophy of science point of view. - Dordrecht/

Plus en détail

RÉSUMÉ DES NORMES ET MODALITÉS D ÉVALUATION AU SECONDAIRE

RÉSUMÉ DES NORMES ET MODALITÉS D ÉVALUATION AU SECONDAIRE , chemin de la côte Saint-Antoine Westmount, Québec, HY H7 Téléphone () 96-70 RÉSUMÉ DES NORMES ET MODALITÉS D ÉVALUATION AU SECONDAIRE À TRANSMETTRE AU PARENTS Année scolaire 0-0 Document adapté par Tammy

Plus en détail

Brique BDL Gestion de Projet Logiciel

Brique BDL Gestion de Projet Logiciel Brique BDL Gestion de Projet Logiciel Processus de développement pratiqué à l'enst Sylvie.Vignes@enst.fr url:http://www.infres.enst.fr/~vignes/bdl Poly: Computer elective project F.Gasperoni Brique BDL

Plus en détail

Segmentation d'images à l'aide d'agents sociaux : applications GPU

Segmentation d'images à l'aide d'agents sociaux : applications GPU Segmentation d'images à l'aide d'agents sociaux : applications GPU Richard MOUSSA Laboratoire Bordelais de Recherche en Informatique (LaBRI) - UMR 5800 Université de Bordeaux - France Laboratoire de recherche

Plus en détail

Jedox rafraîchit les rapports du fabricant de boissons MBG

Jedox rafraîchit les rapports du fabricant de boissons MBG Jedox rafraîchit les rapports du fabricant de boissons MBG «Nous pouvons désormais réaliser plus efficacement notre reporting et la planifi cation de nos ventes grâce à Jedox, et avons même soif de plus

Plus en détail

Introduction à la B.I. Avec SQL Server 2008

Introduction à la B.I. Avec SQL Server 2008 Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide

Plus en détail

Le génie logiciel. maintenance de logiciels.

Le génie logiciel. maintenance de logiciels. Le génie logiciel Définition de l IEEE (IEEE 1990): L application d une approche systématique, disciplinée et quantifiable pour le développement, l opération et la maintenance de logiciels. Introduction

Plus en détail

Introduction au Génie Logiciel

Introduction au Génie Logiciel Introduction au Génie Logiciel Lydie du Bousquet Lydie.du-bousquet@imag.fr En collaboration avec J.-M. Favre, I. Parissis, Ph. Lalanda Qu est-ce que le logiciel? programme, ensemble d instructions Caractéristiques

Plus en détail

Prise en compte du facteur humain. Cédric Soubrié

Prise en compte du facteur humain. Cédric Soubrié Prise en compte du facteur humain Cédric Soubrié 12/02/2011 Les deux cours + projet Conception centrée utilisateurs Les règles à suivre Définition du projet Conception Implémentation Nom : Cédric Soubrié

Plus en détail

Patrons de Conception (Design Patterns)

Patrons de Conception (Design Patterns) Patrons de Conception (Design Patterns) Introduction 1 Motivation Il est difficile de développer des logiciels efficaces, robustes, extensibles et réutilisables Il est essentiel de comprendre les techniques

Plus en détail

1 Introduction à l infrastructure Active Directory et réseau

1 Introduction à l infrastructure Active Directory et réseau 1 Introduction à l infrastructure Active Directory et réseau Objectifs d examen de ce chapitre Ce premier chapitre, qui donne un aperçu des technologies impliquées par la conception d une infrastructure

Plus en détail

PROJET BIGDATART DOSSIER DE PRESENTATION

PROJET BIGDATART DOSSIER DE PRESENTATION PROJET BIGDATART DOSSIER DE PRESENTATION Le projet BigDatArt est une installation scientifico-artistique centrée autour des notions d images et de BigData. Ce que je propose dans mon projet et d'inverser

Plus en détail

Mercredi 15 Janvier 2014

Mercredi 15 Janvier 2014 De la conception au site web Mercredi 15 Janvier 2014 Loïc THOMAS Géo-Hyd Responsable Informatique & Ingénierie des Systèmes d'information loic.thomas@anteagroup.com 02 38 64 26 41 Architecture Il est

Plus en détail

Présentation à l Autorité des marchés financiers. Offre d assurance par Internet au Québec

Présentation à l Autorité des marchés financiers. Offre d assurance par Internet au Québec Présentation à l Autorité des marchés financiers Offre d assurance par Internet au Québec Par l Association canadienne des institutions financières en assurance Mai 2012 Au sujet de l ACIFA L ACIFA a été

Plus en détail

Contributions à l expérimentation sur les systèmes distribués de grande taille

Contributions à l expérimentation sur les systèmes distribués de grande taille Contributions à l expérimentation sur les systèmes distribués de grande taille Lucas Nussbaum Soutenance de thèse 4 décembre 2008 Lucas Nussbaum Expérimentation sur les systèmes distribués 1 / 49 Contexte

Plus en détail

Chapitre 1 : Introduction aux bases de données

Chapitre 1 : Introduction aux bases de données Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données

Plus en détail

Apprentissage Automatique

Apprentissage Automatique Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs

Plus en détail

L apprentissage automatique

L apprentissage automatique L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer

Plus en détail

d évaluation Objectifs Processus d élaboration

d évaluation Objectifs Processus d élaboration Présentation du Programme pancanadien d évaluation Le Programme pancanadien d évaluation (PPCE) représente le plus récent engagement du Conseil des ministres de l Éducation du Canada (CMEC) pour renseigner

Plus en détail

Problématiques de recherche. Figure Research Agenda for service-oriented computing

Problématiques de recherche. Figure Research Agenda for service-oriented computing Problématiques de recherche 90 Figure Research Agenda for service-oriented computing Conférences dans le domaine ICWS (International Conference on Web Services) Web services specifications and enhancements

Plus en détail

INF 1250 INTRODUCTION AUX BASES DE DONNÉES. Guide d étude

INF 1250 INTRODUCTION AUX BASES DE DONNÉES. Guide d étude INF 1250 INTRODUCTION AUX BASES DE DONNÉES Guide d étude Sous la direction de Olga Mariño Télé-université Montréal (Québec) 2011 INF 1250 Introduction aux bases de données 2 INTRODUCTION Le Guide d étude

Plus en détail

Workflow et Service Oriented Architecture (SOA)

Workflow et Service Oriented Architecture (SOA) White Paper Workflow et Service Oriented Architecture (SOA) Présentation Cet article offre une approche pragmatique de la SOA et du workflow à travers des problématiques d'entreprises, une méthodologie

Plus en détail

Perl Console. Votre compagnon pour développer en Perl. Les Journées du Perl 2007 16, 17 novembre, Lyon. Alexis Sukrieh <sukria@sukria.

Perl Console. Votre compagnon pour développer en Perl. Les Journées du Perl 2007 16, 17 novembre, Lyon. Alexis Sukrieh <sukria@sukria. Perl Console Votre compagnon pour développer en Perl Les Journées du Perl 2007 16, 17 novembre, Lyon Alexis Sukrieh Plan Pourquoi une console? Le modèle «Read-Eval-Print-Loop» Dépendances

Plus en détail

HACCP Évolutions réglementaires et normatives

HACCP Évolutions réglementaires et normatives MADRPM / CEPR Rabat 30 octobre 2007 HACCP Évolutions réglementaires et normatives Une logique de maîtrise But : maîtrise de la sécurité sanitaire des aliments Système HACCP : «Analyse des dangers, points

Plus en détail

Les BRMS Business Rules Management System. Groupe GENITECH

Les BRMS Business Rules Management System. Groupe GENITECH Les BRMS Business Rules Management System 1 Présentations Emmanuel Bonnet ebonnet (at) genigraph.fr Responsable Dpt Conseil Consultant, Expert BRMS Formateur IBM/Ilog JRules / JBoss Rules Génigraph SSII

Plus en détail

Université Libre de Tunis

Université Libre de Tunis Ingénieur: Génie Informatique Code et Intitulé des Matières Enseignées Plan d'etudes : Semestre 1 S1-01 Algorithmique et Structures de Données 1 S1-02 Programmation C S1-03 Logiques Mathématiques S1-04

Plus en détail

COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION. Jean-Loup Guillaume

COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION. Jean-Loup Guillaume COURS SYRRES RÉSEAUX SOCIAUX INTRODUCTION Jean-Loup Guillaume Le cours Enseignant : Jean-Loup Guillaume équipe Complex Network Page du cours : http://jlguillaume.free.fr/www/teaching-syrres.php Évaluation

Plus en détail

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services 69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard

Plus en détail