le 19 décembre 2025 à 10:00 à INRIA Lille
Les systèmes multi-agents sont au cœur de nombreux problèmes du monde réel, allant des marchés financiers aux réseaux sociaux, mais demeurent notoirement difficiles à caractériser. Parmi les principales difficultés figurent les inter-dépendances entre agents, la non-stationnarité des environnements et les comportements non rationnels. Deux approches classiques permettent de traiter ces systèmes : la théorie des jeux et l’apprentissage par renforcement multi-agents (Multi-Agent Reinforcement Learning, MARL). La théorie des jeux propose des modèles abstraits et simplifiés qui offrent de solides garanties théoriques, mais peinent souvent à représenter fidèlement toutes les caractéristiques essentielles du système. À l’inverse, l’apprentissage par renforcement multi-agents (MARL) s’attaque à la complexité complète du problème, au prix d’un manque de garanties formelles et d’interprétabilité. Nous structurons cette thèse autour de trois dimensions fondamentales des systèmes multi-agents : la modélisation des comportements des agents, le calcul des équilibres du système, et enfin l’application de ces approches à des systèmes complexes réels reposant sur des simulations agentiques. À la lumière de ces trois axes principaux, nous abordons plusieurs problèmes en mobilisant des techniques variées. Nous développons un algorithme explicable pour la gestion énergétique des bâtiments intelligents, démontrant des performances supérieures à celles de modèles plus complexes tout en conservant une transparence interprétable. Nous étudions ensuite deux modèles d’enchères stratégiques sur le marché de l’électricité. Pour chacun, nous comparons des algorithmes classiques d’optimisation à des approches fondées sur le MARL, ce qui nous permet d’obtenir des enseignements approfondis sur le comportement du marché. Enfin, nous introduisons et étudions la notion de jeux conjecturaux : cette classe de jeux prend explicitement en compte le modèle interne (ou la conjecture) que chaque joueur se fait du comportement des autres. Nous montrons que des conjectures adéquatement conçues peuvent favoriser la coordination, décorréler les interactions et simplifier le calcul des équilibres. Dans l’ensemble, ce travail contribue à la fois au développement de solutions pratiques basées sur le MARL pour les problèmes multi-agents complexes et au renforcement des fondements théoriques nécessaires à leur analyse.
Mme Luce BROTCORNE Université de Lille Directrice de thèse, M. Vianney PERCHET CREST, ENSAE Rapporteur, Mme Aurelie BEYNIER LIP6, Sorbonne Université Rapporteure, Mme Hélène LE CADRE Inria Lille Co-directrice de thèse, M. Odalric-Ambryn MAILLARD Inria Lille Examinateur, Mme Ana BUSIC Inria Paris, ENS Examinatrice, M. Thomas DESCHATRE EDF Innovation Lab Examinateur, M. Pierre GRUET EDF Lab Saclay Invité.
français
English