Simulation du processus de négociation

Dans le cadre des travaux de recherche du LASS nous nous intéressons à la modélisation du processus de décision, et plus particulièrement à l'étude de la phase de négociation entre décideurs.

Nous avons développé deux premiers modèles dynamiques de négociation qui ont déjà donné lieu à plusieurs publications nationales et internationales. Le premier modèle est basé sur une approche dynamique de l'agrégation des préférences et le second sur la théorie des jeux coopératifs.

Dans les deux cas, nous avons tout d'abord formalisé mathématiquement nos deux modèles, puis développé des plateformes de simulation pour étudier, comprendre et éventuellement "diriger" le processus de négociation. De par la nature des relations et des interactions entre les décideurs, les modèles développés sont des systèmes complexes qui ne peuvent s'étudier qu'à travers l'observation des simulations.

Simulation d'un processus délibératif d'agrégation

Je me suis tout d'abord intéressé à un problème classique en décision, celui de l'agrégation des préférences qui peut-être vu également comme un problème de décision multicritère. Nous avons développé un nouveau modèle d'agrégation des préférences basé sur la simulation de débats entre décideurs.

Le problème d'agrégation des préférences n'est pas nouveau. Il consiste à construire une préférence globale agrégeant l'opinion individuelle de plusieurs individus. On peut voir ce problème comme un problème de décision multicritère où les critères sont les individus :

Notre approche est différente de toutes les approches proposées dans la littérature. En effet, nous proposons de modéliser le débat entre les décideurs et de le simuler pour construire la préférence agrégée. L'originalité de notre approche réside dans l'aspect dynamique de l'agrégation des préférences individuelles. L'objectif est de simuler le processus de négociation entre les décideurs afin de faire évoluer leurs préférences individuelles pour arriver à un consensus. Un autre objectif est d'étudier le processus d'agrégation pour mieux le caractériser, afin d'identifier les paramètres qui permettraient de l'influencer.

Chaque décideur est doté d'une conviction associée à sa préférence individuelle. Cette valeur, entre 0 et 1, mesure le degré de conviction du décideur dans sa préférence. Lors du débat, lorsqu'un décideur exprime sa préférence, il influence les autres décideurs. Cette influence est définie par le graphe du même nom. Par le jeu des influences, les convictions des décideurs évoluent et, si elles descendent en dessous d'un certain seuil, elles entraînent un changement de préférence du décideur influencé. Le débat s'arrête lorsqu'une certaine majorité de décideurs possèdent la même préférence :

Les détails de la formalisation de notre problème d'agrégation sont donnés dans les articles correspondants, ainsi que les premiers résultats issus des simulations. Ces premiers résultats montrent une instablilité de l'agrégation du fait du grand nombre de paramètres et de l'aspect non déterministe du processus. Une seconde modélisation a été proposée, utilisant des concepts issus du flou. Cette seconde approche a été développée afin d'apporter un cadre mathématique plus complet, dans lequel les propriétés permettent une meilleure maîtrise de notre processus. L'évolution des convictions de chaque décideur est modélisée au moyen de l'intégrale de Šipoš, et une notion d'importance des coalitions de décideurs est ajoutée et gérée au moyen des capacités de Choquet.

Plusieurs algorithmes ont été développés en fonction de règles de discussion différentes. Parmi eux, l'algorithme "FastConsensus" permet d'obtenir un consensus plus rapidement et surtout assure une stabilité des résultats d'agrégation. De plus, le modèle permet à un maître de séance d'orienter les débats en fonction du consensus désiré.

Simulation de négociation et théorie des jeux coopératifs

J'ai travaillé également sur une autre approche de la négociation qui utilise les fondements de la théorie des jeux coopératifs pour guider nos simulations. Dans ce travail, je me suis intéressé à cette dynamique de négociation entre joueurs. Le cadre mathématique étant celui de la théorie des jeux coopératifs, nous formalisons, dans un premier temps, notre approche en suivant le cadre bien connu de cette théorie. Ensuite, nous proposons différents modèles de raisonnement des joueurs afin de doter ces derniers de rationalités. Ces rationalités ont une influence directe sur la manière dont chaque joueur négocie avec les autres joueurs pour former ou non des coalitions.

Une plateforme multi-agents a été développée pour simuler le processus de négociation entre ces joueurs :

Un agent est un joueur qui interagit avec les autres agents/joueurs pour former des coalitions. Cette plateforme permet de définir différents types de joueurs en fonction de trois paramètres (l'appât du gain, l'aversion au risque et la force de caractère). La combinaison de ces paramètres forme la personnalité d'un joueur. Des simulations ont été réalisées avec cette plateforme en combinant différents profils de joueurs. Nous avons pu mettre en évidence des phénomènes de convergence des négociations vers des situations d'équilibre qui correspondent, sous certaines conditions, à des équilibres de la théorie des jeux. Les détails de cette modélisation et des résultats obtenus se trouvent dans les articles correspondants.

Publications associées à ce travail

• Negotiation platform based on game theory.
  S.Bonnevay, J.Champavere, M.Lamure.
  Conference : IEEE International Conference on Research, Innovation and Vision for the future, Hanoi (Vietnam), pages 228-233, ISBN 1-4244-0694-3, March, 2007.
• Agents-Based Simulation of Coalition Formation in Cooperative Games.
  S.Bonnevay, N.Kabachi, M.Lamure.
  Conference : IEEE/WIC/ACM Joint International Conference on Intelligent Agent Technology, Compiegne (France), September, 2005.
• Agents in Cooperative Games.
  N.Kabachi, S.Bonnevay, M.Lamure.
  Conference : International Conference on Information Technologies and Management, Riga (Latvia), April, 2005.
• Modélisation d'un débat à l'aide de l'intégrale de Sipos.
  A.Rico, S.Bonnevay, M.Lamure, D.Tounissoux.
  Conference : Logique Floue et ses Applications, Paris (France), pages 331-338, November, 2004.
• Développement d'outils de simulation pour la négociation.
  S.Bonnevay.
  Workshop : Journées du GDR MACS, Aix-en-Provence (France), Octobre, 2004.
• Simulation d'un processus délibératif d'agrégation des préférences.
  S.Bonnevay, N.Kabachi, M.Lamure, A.Rico, D.Tounissoux.
  Workshop : Journée Bernard Roy, Lyon (France), avril, 2004.
• Simulation d'un processus délibératif d'agrégation des préférences.
  S.Bonnevay, N.Kabachi, M.Lamure, A.Rico, D.Tounissoux.
  Workshop : Journées du GDR MACS, Nantes (France), Mars, 2004.
• A MultiAgent System to Aggregate Preferences.
  S.Bonnevay, N.Kabachi, M.Lamure, D.Tounissoux.
  Conference : IEEE International Conference on Systems, Man and Cybernetics, Washington (USA), pages 545-550, October, 2003.
• Modélisation multi-agents pour les jeux coopératifs.
  S.Bonnevay, N.Kabachi, M.Lamure.
  Conference : ROADEF, Avignon (France), pages 421-422, February, 2003.
• Décision distribuée.
  S.Bonnevay, N.Kabachi, M.Lamure.
  Workshop : Journées de Projectique, Bayonne (France), 53-57, Janvier, 2003.
• Aide à la prise de décision et systèmes multi-agents.
  S.Bonnevay, A.Bounekkar, M.Lamure, N.Nicoloyannis.
  Workshop : Journée GDR-PRC I3, Mai, 1999.
• Aide à la prise de décision et systèmes multi-agents.
  S.Bonnevay, M.Lamure, I.Lavallée, N.Nicoloyannis.
  Conference : Intelligence Artificielle et Complexité, Paris (France), Septembre, 1998.