AgeNts Distribues, Robotique, Recherche Opérationnelle, Interaction, DEcision
AgeNts Distribues, Robotique, Recherche Opérationnelle, Interaction, DEcision
L'étude des négociations sur le climat est un sujet d'une grande complexité, puisque cellesci
mettent en jeu de nombreux acteurs, interagissant à des niveaux différents, selon des modalités
complexes, nécessitant la mise en place de mécanismes de délibération et de négociations
originaux en vue d'aboutir à des accords dont le résultat est parfois difficile à évaluer (en
particulier en ce qui concerne les conséquences sur le long terme).
Les modèles visent en particulier à aider à comprendre la dynamique de ces négociations et à
concevoir des mécanismes facilitant l’obtention d’accords afin de réduire globalement le
réchauffement climatique. Le sujet a été abordé dès la fin des années 90 selon plusieurs
perspectives, en particulier sous l'angle de l'analyse économique et de la théorie des jeux.
Les modèles permettant d'intégrer les dynamiques à la fois économiques et climatiques sont
connus sous le terme d'Integrated Assessment Models (IAMs). On peut citer en particulier le
modèle de Dynamic Integrated model of Climate and Economy (DICE) de Nordhaus [4]. Ces
modèles permettent de simuler les effets de politiques publiques concernant le climat, et en
particulier d'étudier les situations d'équilibre.
Il est toutefois reconnu que les IAMs actuels sont limités à bien des égards :
- la prise en compte limitée et très simplifiée de l'incertitude, en particulier liée aux effets à long
terme du réchauffement climatique, avec une crainte de les sous-estimer de manière importante;
- l'incapacité à modéliser les boucles de rétro-action négatives provenant des actions réalisées au
niveau micro-individuel par les agents, et de manière générale la difficulté à appréhender
l’hétérogénéité et l’aspect multi-niveaux de ces systèmes;
- enfin, le manque d'adaptabilité des acteurs modélisés (chaque agent étant typiquement identifié
à une politique fixe, ou suivant des hypothèses fortes de rationalité).
Face à ce constat, l'utilisation de simulations multi-agents (Agent-based Models, ABMs) peut
être vue comme une alternative ou une approche complémentaire, permettant de mieux prendre
en compte la complexité inhérente du problème (voir par exemple le chapitre 2 de [1] pour un
état de l'art récent). De fait, de nombreux modèles à base d'agents ont été élaborés : par exemple
un modèle de négociation multilatéral [7], avec de nombreux agents dotés de mécanismes
simples d'apprentissage (de type fictitious play), mais permettant déjà de mettre en évidence
des résultats notables (l’importance du nombre d’acteurs, et l’intérêt de recourir à des accords
progressifs dans le but d’atteindre une situation d’équilibre coopératif).
Si ces travaux montrent tout le potentiel de l'approche, il reste de nombreux verrous et des pistes
de perfectionnement possibles, comme la prise en compte de l’aspect hiérarchique des
interactions avec la perspective de modélisation multi-niveaux (two-level games de Putnam [5]).
Une telle modélisation permet d'articuler le comportement à la fois d'agents négociateurs (level
I) et d'agents représentant les opinions publiques nationales ou régionales ('constituencies', level
II). Des règles d'évolution des préférences permettent de prendre en compte la manière dont ces
différents groupes peuvent s'influencer mutuellement. L'étude de [6] met en oeuvre ces notions
dans un cadre de simulation multi-agents et montre la pertinence de cette approche pour une
décision portant sur 3 alternatives. Une étude plus approfondie de cette simulation multi-agents
a permis d’identifier certaines limitations et différentes pistes d’extension du modèle :
modélisation plus riche des préférences, plus grande diversité des procédures de vote, des
modèles d’influence entre agents, des formes de négociation, etc.
L'étude des négociations sur le climat est un sujet d'une grande complexité, puisque cellesci
mettent en jeu de nombreux acteurs, interagissant à des niveaux différents, selon des modalités
complexes, nécessitant la mise en place de mécanismes de délibération et de négociations
originaux en vue d'aboutir à des accords dont le résultat est parfois difficile à évaluer (en
particulier en ce qui concerne les conséquences sur le long terme).
Les modèles visent en particulier à aider à comprendre la dynamique de ces négociations et à
concevoir des mécanismes facilitant l’obtention d’accords afin de réduire globalement le
réchauffement climatique. Le sujet a été abordé dès la fin des années 90 selon plusieurs
perspectives, en particulier sous l'angle de l'analyse économique et de la théorie des jeux.
Les modèles permettant d'intégrer les dynamiques à la fois économiques et climatiques sont
connus sous le terme d'Integrated Assessment Models (IAMs). On peut citer en particulier le
modèle de Dynamic Integrated model of Climate and Economy (DICE) de Nordhaus [4]. Ces
modèles permettent de simuler les effets de politiques publiques concernant le climat, et en
particulier d'étudier les situations d'équilibre.
Il est toutefois reconnu que les IAMs actuels sont limités à bien des égards :
la prise en compte limitée et très simplifiée de l'incertitude, en particulier liée aux effets à long
terme du réchauffement climatique, avec une crainte de les sous-estimer de manière importante;
l'incapacité à modéliser les boucles de rétro-action négatives provenant des actions réalisées au
niveau micro-individuel par les agents, et de manière générale la difficulté à appréhender
l’hétérogénéité et l’aspect multi-niveaux de ces systèmes;
enfin, le manque d'adaptabilité des acteurs modélisés (chaque agent étant typiquement identifié
à une politique fixe, ou suivant des hypothèses fortes de rationalité).
Face à ce constat, l'utilisation de simulations multi-agents (Agent-based Models, ABMs) peut
être vue comme une alternative ou une approche complémentaire, permettant de mieux prendre
en compte la complexité inhérente du problème (voir par exemple le chapitre 2 de [1] pour un
état de l'art récent). De fait, de nombreux modèles à base d'agents ont été élaborés : par exemple
un modèle de négociation multilatéral [7], avec de nombreux agents dotés de mécanismes
simples d'apprentissage (de type fictitious play), mais permettant déjà de mettre en évidence
des résultats notables (l’importance du nombre d’acteurs, et l’intérêt de recourir à des accords
progressifs dans le but d’atteindre une situation d’équilibre coopératif).
Si ces travaux montrent tout le potentiel de l'approche, il reste de nombreux verrous et des pistes
de perfectionnement possibles, comme la prise en compte de l’aspect hiérarchique des
interactions avec la perspective de modélisation multi-niveaux (two-level games de Putnam [5]).
Une telle modélisation permet d'articuler le comportement à la fois d'agents négociateurs (level
I) et d'agents représentant les opinions publiques nationales ou régionales ('constituencies', level
II). Des règles d'évolution des préférences permettent de prendre en compte la manière dont ces
différents groupes peuvent s'influencer mutuellement. L'étude de [6] met en oeuvre ces notions
dans un cadre de simulation multi-agents et montre la pertinence de cette approche pour une
décision portant sur 3 alternatives. Une étude plus approfondie de cette simulation multi-agents
a permis d’identifier certaines limitations et différentes pistes d’extension du modèle :
modélisation plus riche des préférences, plus grande diversité des procédures de vote, des
modèles d’influence entre agents, des formes de négociation, etc.
L’objectif de ce stage est d’approfondir la pertinence des modélisations multi-niveaux pour les
simulations multi-agents des négociations sur le climat. En particulier, on cherchera à identifier
et étudier les modèles d’influence ou de négociation plus pertinents. Ce stage s’inscrit dans le
cadre du projet MITI NegoClim (https://sites.google.com/view/negoclim/home)
Dans le but d’élaborer des modélisations multi-niveaux adaptées au cadre des négociations sur
le climat, le stage pourra suivre une des directions suivantes :
- Coupler les modèles multi-niveaux à des ABM afin de développer des protocoles de négociation
dans le cadre du challenge AI for Global Climate Cooperation [2]
- Collecter les données sur les négociations climatiques disponibles sur les réseaux sociaux comme
Twitter et analyser ces données afin d’apprendre des modèles de négociation utilisés en pratique
entre les niveaux micro et macro de décision et les dynamiques de diffusion d’opinions.
- Étudier théoriquement et empiriquement les modèles d’influence et de négociation sur le climat.
Ces modèles seront implémentés dans la simulation multi-agents basée sur le modèle de Earnest
[6] qui a déjà été développée dans le cadre du projet NegoClim.