Systèmes multi-agents réactifs et émergence
Les systèmes multi-agents réactifs sont l’exemple le plus propre d’émergence en IA : les règles locales sont explicites, simples, observables — et on peut regarder l’émergence se produire en direct.
Chaque agent ne perçoit que son voisinage immédiat, ne communique pas globalement, n’a pas de représentation du tout. Et pourtant le système global exhibe des comportements cohérents, adaptatifs, parfois spectaculaires.
Les trois exemples canoniques
1. Automates cellulaires — Conway & règle 110
Le cas le plus nu. Une grille, deux états (vivant / mort), trois règles locales sur les voisins immédiats.
- Aucun agent ne “sait” ce qu’il fait
- Zéro communication, zéro mémoire, zéro intention
Ce qui émerge : planeurs, oscillateurs, structures stables — et même computation universelle (règle 110, Wolfram).
C’est l’émergence à l’état pur.
2. Boids de Reynolds (1986)
Trois règles seulement :
| Règle | Description |
|---|---|
| Séparation | Éviter les voisins trop proches |
| Alignement | Adopter la direction des voisins |
| Cohésion | Se rapprocher du centre local |
Aucun agent ne “voit” le groupe. Ce qui émerge : exactement les murmurations d’étourneaux — évitements, splits, reformations. La forme globale n’est dans aucune règle locale.
3. Fourmis de Langton / colonies ACO
Les agents déposent des phéromones et réagissent à celles des autres — c’est tout.
Ce qui émerge :
- Le plus court chemin entre deux points
- La division du travail
- La résolution distribuée de problèmes d’optimisation
C’est l’origine des algorithmes de colonies de fourmis (ACO), utilisés aujourd’hui en logistique et en routage réseau.
La structure commune : l’onde qui remonte
Dans les boids comme dans un bouchon de circulation, l’onde remonte.
Un étourneau à l’arrière du groupe ne “décide” pas de changer de direction — il réagit à son voisin, qui réagissait au sien. Mais vu du dessus, la vague de changement se propage à travers tout le groupe en quelques fractions de seconde.
Même causalité descendante, même structure à seuil — qu’on soit dans un vol d’oiseaux ou dans une file de voitures.
Ce qui distingue l’émergence en SMA réactifs
| Contexte | Nature de l’émergence |
|---|---|
| Physique (molécules, thermodynamique) | Subie — les composants n’ont pas le choix |
| SMA réactifs | Construite — on choisit les règles et on observe |
En SMA réactifs, on peut :
- Jouer sur les règles locales
- Observer comment elles changent le seuil d’émergence
- Mesurer ce qui émerge et à quelle vitesse
C’est un laboratoire d’émergence contrôlée.
Liens avec d’autres concepts
- Émergence de propriétés — cadre général
- Émergence en sciences cognitives — émergence de la cognition
- Auto-organisation
- Simulation multi-agents
Références clés
- Reynolds, C. W. (1987). Flocks, herds and schools: A distributed behavioral model. SIGGRAPH Computer Graphics, 21(4), 25–34.
- Langton, C. G. (1986). Studying artificial life with cellular automata. Physica D, 22(1–3), 120–149.
- Dorigo, M., & Gambardella, L. M. (1997). Ant colony system. IEEE Transactions on Evolutionary Computation, 1(1), 53–66.
- Wolfram, S. (2002). A New Kind of Science. Wolfram Media.