Les membres de l’équipe SISU (Simulation Informatique et Systèmes Ubiquitaires) développent des activités de recherche fondamentales et finalisées. Ils contribuent au progrès des connaissances et à la solution de problèmes sociétaux, et environnementaux, incluant une activité de transfert avec des entreprises. Les différents domaines scientifiques couverts sont la modélisation et la simulation, la recherche opérationnelle, les méthodes d’apprentissage automatique, les méthodes d’optimisation, les systèmes multi-agents, les systèmes ubiquitaires, etc. Historiquement, l’activité scientifique de l’équipe SISU concernait la théorie de la modélisation et de la simulation (TM&S). Depuis 2016, les questionnements de l’équipe se sont également orientés vers l’étude des processus décisionnels, notamment avec l’usage de méthodes dites d’intelligence artificielle. L’équipe SISU questionne ces domaines pour étendre leurs champs d’applications et promouvoir leur scientificité - i.e. étude de la reproductibilité de simulations, explicabilité de réseaux de neurones, etc. Nous pouvons résumer nos fondements théoriques et méthodologiques ainsi : à partir du cadre formel proposé par la TM&S, ciment de nos questionnements, nous proposons : (1) soit d’inclure d’autres domaines (SMA, logique floue, IDM, etc.) vers la TM&S, et ainsi les utiliser pour l’étendre et l’améliorer ; (2) soit d’utiliser d’autres méthodes (optimisation, apprentissage, etc.) en essayant de suivre le processus de Modélisation et de Simulation de la TM&S, mais pas forcément son cadre formel de modélisation et sa sémantique univoque de simulation.
Pour la période 2024-2028, les travaux de l'équipe sont organisés autour de deux axes avec des objectifs propres :
- Axe 1 - Modélisation et simulation des systèmes à évènements discrets
- Axe 2 - Processus décisionnels
Dans l’Axe 1, les travaux entrepris en collaboration avec le Pr. B.P. Zeigler concernant la réduction de chaine de Markov, l’apprentissage par renforcement, et avec A. Doja et M. Pedersen autour du formalisme DEVS de l’Anthropologie et du Big Data vont se poursuivre. L’objectif est de coupler le formalisme DEVS avec de nouvelles techniques et méthodes pour le rendre plus générique, mais également de faire bénéficier les autres disciplines comme l’anthropologie ou d’autres domaines de l’informatique comme l’IoT de l’usage d’une méthode formelle de modélisation et d’une sémantique de simulation univoque. Au niveau de l’IoT, deux objectifs sont poursuivis, (1) la question de la gestion des conflits d’accès au sein des environnements dynamiques faisant intervenir des capteurs et des actionneurs est un thème crucial autour de l’IoT en Europe (collaboration étroite avec Université de Nice Sophia-Antipolis). (2) La question de l’exécution de simulations à distance à l’aide de terminaux mobiles afin de commander et gérer des systèmes ubiquitaires (capteurs, microcontrôleurs et actionneurs). Dans le domaine de l’apprentissage par renforcement (RL), une proposition de formalisation DEVS permettant la prise en compte des aspects temporels dans les algorithmes utilisés est un objectif. Elle aidera à trouver une politique optimale lors de la résolution de problèmes de planification ou de contrôle de taches. Ces développements permettront de compléter DEVSimPY, le logiciel de simulation de l’équipe.
Dans l’Axe 2, l’objectif général est de démocratiser l’usage de méthodes d’aide à la prise de décisions pour guider au mieux les réflexions sur les politiques publiques et les stratégies de régulation/gestion. Les questionnements qui seront étudiés peuvent être résumés ainsi :
- Comment faciliter l’usage d’outils d’aide à la décision par des non-spécialistes ?
- Comment s’assurer de la crédibilité des résultats de nos simulations ?
- Comment s’assurer de la qualité de nos données ?
- Comment évaluer la pertinence des décisions proposées ?
Pour ce faire, plusieurs leviers sont à actionner tant en recherche où trois questionnements coexistent qu’en ingénierie. En recherche les domaines des Interface Homme Machine (IHM) ou de l’Expérience Utilisateur (UX) peuvent être cités mais nous nous concentrerons surtout sur (1) les méthodes d’ingénierie dirigée par les modèles (IDM) et sur les langages spécifiques de description d’un domaine (DSL). (2) Ensuite, nous investiguerons la crédibilité des outils et dans notre cas des simulations, pour s’assurer que nos expériences virtuelles soient représentatives, c’est-à-dire utiliser des approches stochastiques et répéter puis reproduire nos expériences. (3) Enfin, les données générées devront être analysées, évaluées et apporter une valeur ajoutée ; aussi les approches d’apprentissage automatique devront pouvoir être expliquées. Ce dernier point pourra être lié au PIA UNITI. Ce processus, que nous pouvons appeler processus de décision est proche du processus d’étude d’un système complexe par modélisation et simulation. De nombreuses questions scientifiques peuvent être étudiées et les réponses apportées dépendent souvent du cas d’utilisation. Enfin, dans le cadre de l’ANR SAPHiR (ANR-21-CE04-0014-03 https://saphir.universita.corsica/), en collaboration avec les chercheurs des équipes ENR et COMPA, la qualité et l’usage de grandes quantités de données, la qualité des résultats de simulation pour la prévision d’évènements extrêmes et l’explicabilité des méthodes d’apprentissage vont être abordés. Au niveau ingénierie, nous travaillerons sur la facilité d’usage des outils.
Responsable du projet SISU : DR HDR Paul-Antoine Bisgambiglia (bisgambiglia_pa@univ-corse.fr)