Retour sur la formation IA Intermédiaire #1

Retour sur la formation IA Intermédiaire : des boids à la différenciation apprise dans les systèmes multi-agents (MAS).

J'ai eu l'occasion de donner cette session axée sur les systèmes multi-agents. L'objectif était de dépasser l'approche classique centrée sur un modèle unique pour étudier comment des comportements collectifs complexes émergent d'unités autonomes et décentralisées.

Le fil rouge de ce cours repose sur un principe simple : à aucun moment le comportement du groupe n'est écrit dans le code et donc spécifié. Pour traiter le sujet en profondeur, nous avons structuré la session en trois temps :

• Du système à l'émergence : Nous avons posé les fondements théoriques des MAS à travers leurs trois propriétés irréductibles : autonomie, vue locale et décentralisation. Pour illustrer cette logique sans contrôleur central, nous avons mis en parallèle le chemin le plus court des colonies de fourmis, le comportement des architectures microservices et le réseau spatial déconnecté LunaNet de la NASA ou encore les SPH. Ou encore des parallèles entre la coordination d'agents physiques et le routage d'experts dans les architectures de modèles récents type n8n / DeepSeek etc.
• La mécanique de l'agent et du guidage : En partant du modèle Boids de Craig Reynolds, nous avons décortiqué la formalisation vectorielle des trois règles locales (séparation, alignement, cohésion). Nous avons ensuite abordé la question des coûts d'exécution : passage d'une complexité naive en O(N²) à une approche optimisée via structures spatiales (KD-trees), filtres de vision et architecture DOD.
• L'apport du Deep Learning, la différenciation et les algorithmes genetique en guise d'ouverture : La dernière partie traitait de la rupture de symétrie en guise d'ouverture. Comment passer d'agents homogènes à des agents spécialisés ? Nous avons exploré l'apprentissage contrastif appliqué aux trajectoires (N-pair loss, constellation loss) et le MARL pour faire émerger des rôles (meneurs, flancs, éclaireurs) sans étiquetage préalable (rapidement pour savoir que cela existe).

La session s'est conclue sur un TP en C++ permettant d'implémenter ces concepts, du calcul vectoriel des forces de guidage jusqu'à l'optimisation des requêtes de voisinage.

Merci aux participants pour la qualité des échanges.

#IA #MultiAgentSystems #MAS #DeepLearning #Cpp #Enseignement #ComputerScience