3.4.1. Identification des agents et leurs rôles

Les degrés d’autonomie, de capacité à coopérer et d’apprentissage diffèrent d’un agent à un autre, selon le domaine d’application. Ces différences font dévoiler plusieurs typologies d’agents dédiés aux applications qui tournent autour de la CL [Chehbi, 2007]. Selon le même auteur, nous distinguons donc :

• Des agents d’interface, autonomes et capable d’apprendre comme dans [Maes, 1995].
• Des agents collaboratifs, autonomes et capable de coopérer [Slimani, 2006].
• Des agents collaboratifs apprenants, capables de coopérer et d’apprendre tels que les agents de [Sandip, 2002].
• Des agents intelligents intégrant les caractéristiques de tous les autres types. Ils sont autonomes, aptes à coopérer et à apprendre à partir de leur environnement, les agents SATELIT-Agent dans [Akoulchina et Ganascia, 1998].

R. Charton [Charton, 2003] a classé les typologies d’agents d’applications comme montrées à la figure 3.4.

Quand à notre architecture, nous comptons programmer des agents d’interface intelligents afin qu’ils aident les décideurs à prendre une décision. Pour identifier le nombre des agents et leurs rôles, nous nous basons sur le niveau 1 du modèle ‘SCOR’ (Supply Chain Operations Reference model) que nous avons présenté au chapitre 1 (cf. section 1.2). Le niveau 1 permet, sur la base des fonctions élémentaires (approvisionner, faire, délivrer, planifier et retourner), de modéliser le périmètre de la chaîne logistique que l’on souhaite étudier. Le travail s’effectue ici avec une vision très macroscopique. Nous rejoignons donc R. Govindu et R.B. Chinnam, dans leur proposition intitulée MASCF (Multi-Agent Supply Chain Framework) [Govindu et Chinnam, 2007]. MASCF est un outil qui offre une méthodologie générique conçue pour faciliter et simplifier les phases d'analyse et de conception des applications basées sur les SMA dans les CL. Il adopte le modèle standard ‘SCOR’ pour la description de la CL.

Nous avons choisi d’attribuer 4 agents pour chaque acteur identifié de la CL (cf. section 3.3). Le tableau 3.1 présente les noms et les rôles de ces agents.

Chacun de ces agents, cherche à coopérer avec les autres pour augmenter le nombre de scénarios possibles devant une situation d’urgence. Nos agents seront aussi capables de s’adapter et d’apprendre de leur environnement, en particulier, ils collectent les stratégies chez les managers et les décideurs, cherchent les données nécessaires et précises et visent à construire une base de règles afin de bien coordonner les décisions. En conséquence, nos agents sont donc ‘intelligents’.

En ce qui concerne la réactivité et la cognition, nos agents auront des stimuli réactifs (transfert de messages, calcul de coût suite à la réception d’un message) ainsi que des stratégies de décisions.

Les comportements des agents sont encapsulés directement dans les agents sans les encapsuler dans les rôles. Nous montrerons dans le chapitre 4 que la plate-forme de développement JADE est très adaptée à ce choix, et simplifie ainsi l’implémentation.