These Impression

Anne : 2000
N dordre : 564

THSE
Prsente au Laboratoire dAnalyse et dArchitecture des Systmes (LAAS)
du CNRS en vue de lobtention du DOCTORAT de

lInstitut National des Sciences Appliques (INSA) de Toulouse

Spcialit : Systmes Industriels

par :

Jean-Pierre CAMALOT
Ingnieur INSA

_________________________________

Aide la dcision et la coopration en gestion
du temps et des ressources

_________________________________

Soutenue le 31 mai 2000 devant le jury compos de MM.

Jacques Erschler Prsident
Jean-Pierre Campagne Rapporteur
Christian Tahon Rapporteur
Jean-Bernard Cavaille Examinateur
Patrick Esquirol Directeur de thse

Rapport LAAS N 00245

Remerciements

Je tiens remercier Patrick Esquirol, mon directeur de thse et Matre de Confrence
l'INSA de Toulouse, pour la confiance qu'il m'a tmoigne, pour la collaboration active et
productive que nous avons eu, pour ses encouragements, pour ses conseils, pour sa
disponibilit. J'ai particulirement apprci ses encouragements lorsque j'ai eu des moments
de doute et lors de la phase de rdaction du mmoire, ainsi que la qualit de ses remarques.
Je tiens galement remercier Jacques Erschler, Professeur l'INSA, pour avoir
prsid ma soutenance, Jean-Pierre Campagne, Professeur l'EMSE et Christian Tahon,
Professeur l'Universit de Valenciennes, pour avoir accept d'tre mes rapporteurs ainsi que
Jean-Bernard Cavaill, Ingnieur de Recherche l'ONERA et Professeur l'ENSAE, pour
avoir accept de participer au jury. J'ai particulirement apprci la prise en compte de
contraintes temporelles dures pour la lecture du mmoire, la qualit des remarques et l'intrt
que le jury a eu pour ces travaux.
Ces travaux se sont drouls au sein du groupe Organisation et Conduite de Systmes
Discrets (OCSD) dirig successivement par Jean-Claude Hennet et Franois Roubellat,
Directeurs de Recherche. Je tiens exprimer ma gratitude envers tous les membres du groupe
pour leur accueil, pour leur soutien durant ces annes et pour la qualit de leurs rponses
mes questions. Je remercie Isabelle Bazet pour la patience dont elle a fait preuve lors de nos
discussions, Jrme Delatour pour ses conseils sur UML et sur les rseaux de Petri, Luc
Hermitte pour ses conseils en programmation et Philippe Torres pour ses conseils en
ordonnancement.
Le travail effectu dans ce mmoire a t effectu au Laboratoire d'Analyse et
d'Architecture des Systmes (LAAS) du CNRS. ce titre, je remercie Monsieur le Professeur
Alain Costes et Monsieur le Directeur de Recherche Jean-Claude Laprie, directeurs du LAAS,
pour m'avoir accueilli dans cet tablissement. Le LAAS offre un environnement humain et
matriel de grande qualit pour effectuer des travaux de recherche. J'ai apprci l'accessibilit,
la gentillesse et la comptence de l'ensemble du personnel administratif et technique. En
particulier, je tiens remercier Christian Berty pour ses conseils et la rapidit dont il a fait
preuve pour tous les travaux d'dition, liane Dufour pour les nombreux services rendus et
Vronique Villemur pour le suivi et l'attention qu'elle a porte mon dossier de soutenance.
Paralllement ces activits de recherche, j'ai eu l'opportunit d'effectuer une activit
d'enseignement l'INSA de Toulouse. Je tiens exprimer ma gratitude Jacques Erschler,
Professeur, et Bernard Pradin, Professeur, pour m'avoir accueilli au sein du dpartement de
Gnie lectrique et Informatique, ainsi qu' tous les enseignants et tous les techniciens avec
qui j'ai pu collaborer. En particulier, je tiens remercier Colette Merc, Professeur, et Patrick
Esquirol, Matre de Confrence, pour leur intrt pour mes activits d'enseignement. Je tiens
galement exprimer toute ma sympathie Bernard Faur et Jean-Pierre Nograbat.

Je ne remercierai jamais assez ma famille (au sens large : mes parents, ma sur
Isabelle, ma nounou Yvonne ainsi que Paul et Pierre, mes voisins et en particulier Marie-
Pierre) pour leur soutien inconditionnel depuis toujours.
De mme, je tiens remercier tous mes amis. En particulier, merci Ramn
(l'Espagnol qui saute partout quand il n'est pas bless), Massou (le chasseur colo),
Isabelle (appele aussi Massette, fminin de Massou), Sandrine (que lui est-il arriv cette
semaine ? -t-elle oubli son passeport alors qu'elle doit prendre un avion dans 10 minutes ?),
Violaine (marie depuis l't dernier et qui a migr vers Paris), aux amis du 2
nd
R4 et INSA
(qui est le prochain se marier ?), aux amis du LAAS.
2 Remerciements

Sommaire

REMERCIEMENTS .............................................................................................................................. 1
SOMMAIRE............................................................................................................................................ 3
INTRODUCTION................................................................................................................................... 7
CHAPITRE I DCISION DISTRIBUE EN GESTION DU TEMPS ET DES RESSOURCES . 11
I.1. LENVIRONNEMENT DES ENTREPRISES EST FLUCTUANT, INCERTAIN ET COMPLEXE...................... 11
I.1.1. Lenvironnement technique.................................................................................................. 11
I.1.2. Lenvironnement conomique .............................................................................................. 12
I.1.3. Lenvironnement social ........................................................................................................ 14
I.1.4. Le projet dentreprise........................................................................................................... 15
I.2. LES STRUCTURES ORGANISATIONNELLES ..................................................................................... 16
I.2.1. Dfinitions............................................................................................................................ 16
I.2.2. Les structures hirarchiques simples ................................................................................... 17
I.2.3. Les structures hirarchiques fonctionnelles......................................................................... 18
I.2.4. Les structures matricielles ................................................................................................... 19
I.2.5. Les structures adhocratiques ............................................................................................... 20
I.2.6. Les entreprises virtuelles...................................................................................................... 21
I.2.7. Conclusion ........................................................................................................................... 22
I.3. LES STRUCTURES ORGANISATIONNELLES EN GESTION DU TEMPS ET DES RESSOURCES ................. 23
I.3.1. La gestion de production classique ................................................................................ 24
I.3.2. La gestion de projet classique ........................................................................................ 25
I.3.3. Les tendances actuelles ........................................................................................................ 26
I.4. CONCLUSION ................................................................................................................................ 27
CHAPITRE II FORMALISATION DE LA COOPRATION LAPPROCHE PAR
CONTRAINTES ................................................................................................................................................. 29
II.1. DFINITION ET ASPECTS DE LA COOPRATION............................................................................. 29
II.1.1. Dfinition de la coopration ............................................................................................... 30
II.1.2. Diffrents aspects de la coopration................................................................................... 31
II.1.2.1 La coordination............................................................................................................................. 31
II.1.2.2 La collaboration et la codcision.................................................................................................. 32
II.2. LA PERSPECTIVE LANGAGE-ACTION ............................................................................................ 33
II.2.1. Cadre thorique .................................................................................................................. 34
II.2.1.1 La thorie des actes de langage .................................................................................................... 34
II.2.1.2 Les conversations ......................................................................................................................... 35
II.2.2. Usage de la perspective langage-action ............................................................................. 37
II.3. LES FLUX DE TRAVAIL OU WORKFLOW .................................................................................. 38
II.3.1. Dfinitions........................................................................................................................... 38
II.3.2. Modlisation de la coopration .......................................................................................... 40
II.3.2.1 La modlisation issue de la perspective langage-action ............................................................... 40
II.3.2.2 La modlisation par rseau de Petri et par rseau de contrle dinformation ............................... 41
II.4. LA COOPRATION DANS LAPPROCHE MULTI-AGENT................................................................... 44
II.4.1. Dfinitions........................................................................................................................... 44
II.4.2. Les protocoles de communication entre agents .................................................................. 46
II.4.2.1 Les catgories de communication................................................................................................. 46
II.4.2.2 Les messages et les conversations ................................................................................................ 47
II.4.3. Quelques approches dans les systmes multi-agents .......................................................... 48
II.4.3.1 Approches gnrales..................................................................................................................... 48
II.4.3.2 Approches en gestion du temps et des ressources......................................................................... 50
II.4.4. Conclusion .......................................................................................................................... 52
II.5. LAPPROCHE PAR CONTRAINTES.................................................................................................. 53
II.5.1. Introduction ........................................................................................................................ 53
II.5.2. Rseau de centres de dcision............................................................................................. 54
4 Sommaire

II.5.3. Coopration et coordination au sein dun rseau............................................................... 55
II.6. CONCLUSION............................................................................................................................... 55
CHAPITRE III MODLISATION DES PROBLMES DE GESTION DU TEMPS ET DES
RESSOURCES.................................................................................................................................................... 57
III.1. MODLE GNRAL ASSOCI CHAQUE CENTRE......................................................................... 57
III.1.1. Variables, paramtres et contraintes................................................................................. 57
III.1.2. Fonctions de dcision........................................................................................................ 58
III.1.3. Aide la dcision .............................................................................................................. 59
III.2. LES MODLES EN GESTION DU TEMPS ET DES RESSOURCES......................................................... 60
III.2.1. Le modle gnral des CSP............................................................................................... 61
III.2.2. Modlisation de la planification de la production............................................................. 62
III.2.2.1 Horizons temporels ..................................................................................................................... 62
III.2.2.2 Les variables de dcision et les paramtres ................................................................................. 64
III.2.2.3 Les contraintes ............................................................................................................................ 65
III.2.3. Modlisation des problmes dordonnancement ............................................................... 66
III.2.3.1 Dfinitions................................................................................................................................... 66
III.2.3.2 Les variables de dcision et les paramtres ................................................................................. 67
III.2.3.3 Les contraintes ............................................................................................................................ 67
III.2.3.4 Reprsentation des solutions ....................................................................................................... 69
III.2.3.5 Modlisation laide de graphes................................................................................................. 70
III.3. LES TECHNIQUES D'OPTIMISATION ............................................................................................. 74
III.3.1. Les critres d'optimisation................................................................................................. 74
III.3.1.1 Les critres en planification de la production.............................................................................. 74
III.3.1.2 Les critres en ordonnancement .................................................................................................. 74
III.3.2. Modles linaires variables relles ................................................................................ 75
III.3.2.1 Lalgorithme du simplexe pour le cas gnral............................................................................. 76
III.3.2.2 Le cas particulier du problme central ........................................................................................ 77
III.3.2.3 Un outil dvaluation du volume de lespace des solutions......................................................... 78
III.3.3. Modles linaires variables mixtes ou discrtes............................................................. 80
III.3.4. Mthodes exactes et approches pour les problmes dordonnancement avec contraintes
de ressources ............................................................................................................................................... 81
III.4. CARACTRISATION DES SOLUTIONS ADMISSIBLES...................................................................... 83
III.4.1. Propagation de contraintes dans les CSP ......................................................................... 83
III.4.1.1 Introduction................................................................................................................................. 83
III.4.1.2 Consistances locales et filtrage ................................................................................................... 83
III.4.2. Lanalyse sous contraintes des problmes dordonnancement.......................................... 85
III.4.2.1 Lidentification de conflits de partage de ressource.................................................................... 86
III.4.2.2 Le raisonnement nergtique ...................................................................................................... 87
III.4.3. Discussion ......................................................................................................................... 88
III.5. SYNTHSE.................................................................................................................................. 88
III.5.1. Aspect dynamique de la prise de dcision ......................................................................... 89
III.5.2. Temps limit....................................................................................................................... 89
III.5.3. Inversibilit du modle et paramtres partiellement connus............................................. 90
III.5.4. Dcision sur les contraintes .............................................................................................. 91
III.6. CONCLUSION.............................................................................................................................. 92
CHAPITRE IV INTERACTIONS ET COMMUNICATION DANS UN RSEAU DE CENTRES
DE DCISIONS.................................................................................................................................................. 93
IV.1. UNE APPROCHE DYNAMIQUE DE LAIDE LA DCISION DISTRIBUE.......................................... 93
IV.2. STRUCTURE DUN CENTRE ......................................................................................................... 94
IV.2.1. Classification des contraintes pesant sur un centre........................................................... 95
IV.2.2. Les contraintes organisationnelles .................................................................................... 96
IV.2.2.1 Les contraintes de structure......................................................................................................... 96
IV.2.2.2 Fonctionnement du rseau .......................................................................................................... 97
IV.2.2.3 Exemple en gestion de production .............................................................................................. 97
IV.2.2.4 Exemple en gestion de projets .................................................................................................... 98
IV.3. DCISION EN TEMPS LIMIT ..................................................................................................... 101
IV.3.1. Les diffrents tats de la dcision .................................................................................... 101
IV.3.2. Le problme de lexplosion du nombre dtats dun modle ........................................... 102
IV.3.3. Horizons temporels.......................................................................................................... 103
IV.3.4. Mta-modle dun rseau ................................................................................................ 104
Sommaire 5

IV.4. PROTOCOLE DE COMMUNICATION............................................................................................ 105
IV.4.1. Communication par envoi de message ............................................................................ 106
IV.4.1.1 Composition dun message ....................................................................................................... 106
IV.4.1.2 Type de messages ..................................................................................................................... 107
IV.4.2. Conversations .................................................................................................................. 109
IV.4.2.1 Les conversations pour engagement ......................................................................................... 109
IV.4.2.2 Les conversations pour information.......................................................................................... 111
IV.4.3. Exemple : ......................................................................................................................... 111
IV.5. REPRSENTATION DE LTAT DUN CENTRE............................................................................. 112
IV.5.1. Hypothses, propositions et engagements ....................................................................... 113
IV.5.2. Structure arborescente..................................................................................................... 113
IV.5.3. volution de larborescence en fonction du temps .......................................................... 116
IV.5.3.1 Gel d'une variable ..................................................................................................................... 116
IV.5.3.2 Cration/destruction de variables.............................................................................................. 117
IV.5.4. volution de larbre en fonction des conversations......................................................... 117
IV.5.4.1 Dbut d'une ngociation............................................................................................................ 117
IV.5.4.2 Dbut d'une rengociation ou poursuite d'une ngociation ....................................................... 118
IV.5.5. volution de larbre en fonction des interactions avec lutilisateur................................ 119
IV.6. CONCLUSION ........................................................................................................................... 119
CHAPITRE V RALISATION DUN ENVIRONNEMENT DAIDE LA DCISION ET LA
COOPRATION .............................................................................................................................................. 121
V.1. LES BESOINS.............................................................................................................................. 121
V.1.1. Aide la modlisation et la rsolution du problme...................................................... 121
V.1.2. Aide la coopration........................................................................................................ 122
V.1.3. Aide structuration du processus de dcision.................................................................. 122
V.1.4. Prise en compte du temps.................................................................................................. 122
V.2. CADRE CHOISI ........................................................................................................................... 122
V.2.1. Description du rseau de centres...................................................................................... 123
V.2.1.1 Structure du rseau de centres .................................................................................................... 123
V.2.1.2 Fonctionnement du rseau de centres......................................................................................... 123
V.2.2. Modlisation du problme de dcision de chaque centre.................................................. 126
V.2.2.1 Les centres projets...................................................................................................................... 126
V.2.3. Les centres mtiers............................................................................................................ 127
V.3. SPCIFICATIONS DUN SYSTME DAIDE LA DCISION............................................................ 127
V.3.1. Spcifications du rseau de centres de dcision ............................................................... 127
V.3.2. Spcifications de chaque agent ......................................................................................... 129
V.3.2.1 Composition dun agent ............................................................................................................. 130
V.3.2.2 comportement dun agent........................................................................................................... 131
V.4. CONCEPTION ET RALISATION DE LOUTIL DAIDE LA DCISION ............................................ 133
V.4.1. Choix de bibliothques et de langage de programmation................................................. 133
V.4.2. Linterface graphique........................................................................................................ 134
V.4.2.1 La fentre de larborescence....................................................................................................... 134
V.4.2.2 La fentre des conversations ...................................................................................................... 135
V.4.2.3 La fentre de cration de messages ............................................................................................ 136
V.5. CONCLUSION............................................................................................................................. 137
CONCLUSION ................................................................................................................................... 139
BIBLIOGRAPHIE.............................................................................................................................. 143
ANNEXE : LE LANGAGE UNIFI DE MODLISATION (UML)............................................. 151
1.LES DIAGRAMMES DE CLASSES....................................................................................................... 152
2.LES DIAGRAMMES DE SQUENCE.................................................................................................... 153
3.LES DIAGRAMMES DE COLLABORATIONS........................................................................................ 154
4.LES DIAGRAMMES DOBJETS........................................................................................................... 155

Introduction
Pour faire face un environnement changeant, incertain et complexe, les entreprises
visent amliorer leur ractivit. D'une part, en interne, les structures organisationnelles
classiques sont remises en cause dans le but de faciliter une interaction rapide entre acteurs et
dcideurs. De nouvelles formes d'organisation sont mises en place telles que par exemple les
structures matricielles projets-mtiers. D'autre part, de nouvelles formes de relations inter-
entreprises (par exemple les partenariats, les chanes logistiques intgres, les entreprises
virtuelles, les consortiums) sont constitues afin d'associer l'ensemble des moyens permettant
de conserver des marchs mais aussi d'en conqurir de nouveaux.
Dans les deux cas, le systme global de pilotage qui en rsulte est plus complexe car si
une certaine hirarchie demeure, la distribution de la dcision entre plusieurs entits pose le
problme de la dfinition d'objectifs communs et de la cohrence des dcisions vis vis des
objectifs privs et communs. La distribution des dcisions permet d'accorder plus
dautonomie aux diffrents dcideurs afin quils puissent ragir aux alas et aux opportunits
dune faon rapide et approprie. Elle ncessite cependant une bonne qualit au niveau des
interactions (communication et coopration) entre les entits, afin dassurer la cohrence
globale des dcisions prises localement. Une coopration de bonne qualit doit permettre
d'viter le recours frquent un arbitrage des conflits par la hirarchie, qui risque d'tre lourd
et lent.

Par ailleurs, le dveloppement du processus dinformatisation des entreprises pose la
question du partage des tches entre lhomme et la machine pour la prise de dcision et la
coopration. La ncessit dautomatiser des traitements complexes pour la prise en compte de
certains aspects bien formaliss et prvisibles, est confronte la ncessit de laisser
lhomme un rle dterminant dans la dcision pour la prise en compte des aspects difficiles,
voire impossibles formaliser ou prvoir.

Ce travail s'intresse plus particulirement au problme de laide la dcision
distribue dans le domaine de la gestion du temps et des ressources (gestion de projet, gestion
de production) : les dcideurs grent des ressources humaines et matrielles dans le temps.
Plus prcisment il doivent dterminer les ressources prcises permettant de raliser un
ensemble de tches (affectation), ainsi que les dates auxquelles ces tches seront ralises
(planification, ordonnancement). Ces problmes sont connus pour leur complexit, mme
lorsqu'ils sont considrs isolment (un seul dcideur) et rsolus squentiellement : il n'existe
pas de mthodes de rsolution automatique la fois gnrales et efficaces, ce qui suggre une
approche de type aide la dcision. C'est ce que propose l'approche par contraintes pour l'aide
la coopration [Huguet 94] qui sert de base ce travail.

Nous supposons que les dcisions sont distribues au sein dun rseau de centres de
dcision interdpendants : les dcisions d'un centre constituent des paramtres intervenant
directement dans les contraintes que doivent respecter d'autres centres. Cette interdpendance
peut amener les centres rechercher des compromis travers la ngociation. Si, a priori,
aucun enchanement strict n'est suppos entre les diffrentes prises de dcision, le processus
de prise de dcision en un centre est indissociable des processus de coopration entre centres.
En chaque centre et un instant donn, plusieurs statuts de la dcision (hypothses,
propositions et engagements) doivent tre considrs. Les hypothses faites en un centre
permettent d'laborer des dcisions prvisionnelles mais rendent celles-ci conditionnelles. De
ce fait, il nexiste pas un modle unique en chaque centre mais plusieurs qui diffrent par
8 Introduction

leurs hypothses et par leur niveau dinstanciation (le nombre et la nature des dcisions
fixes) ; de plus ces modles voluent avec le temps. Des outils danalyse et de rsolution des
problmes locaux bass sur des mcanismes de propagation de contraintes permettent, entre
autres, dvaluer la consistance de ces diffrents modles, de fournir des solutions
prvisionnelles.
Au problme de dcision statique associ un modle donn, sajoute celui de la
gestion dynamique dun ensemble de modles et dhypothses. Cet ensemble volue au fur et
mesure que des ngociations entre centres se dveloppent et que de nouveaux lments
surgissent qui confirment ou non les hypothses faites pour prparer les dcisions.

Nous avons intgr ces travaux dans la recherche que le groupe DIDOM mne dans la
domaine de la gestion multi-projets. DIDOM (Distribution des Dcisions dans les
Organisations Matricielles) est un partenariat entre plusieurs laboratoires (CERT, CERTOP,
IRIT et LAAS) et un industriel. Ce projet runit deux types de recherches complmentaires :
des analyses de terrain permettant d'valuer et d'affiner des concepts et des modles
thoriques de l'activit de planification dans un contexte de dcision distribue (approche
ascendante sous la responsabilit d'une quipe de sociologues), et des actions de
dveloppement d'outils (approche descendante relevant des sciences pour l'ingnieur) ayant
pour but de fournir une aide la dcision et la coopration. Le travail prsent dans ce
mmoire tente d'apporter une contribution ce deuxime type de recherche.

Le reste du mmoire est organis de la faon suivante.
Le premier chapitre a pour objet de rappeler l'origine des problmes d'organisation
auxquels sont confronts les entreprises actuelles dans le domaine de la gestion du temps et
des ressources, et la rponse qu'elles tentent d'apporter par une plus grande distribution des
dcisions. Pour cela, diffrentes structures organisationnelles sont compares, notamment
dans le cas de la gestion de projet et de la gestion de production. Nous concluons enfin sur
l'mergence d'une forme d'interaction favorisant une plus grande autonomie des dcideurs,
essentiellement la coopration.

Le second chapitre s'intresse donc naturellement prciser le sens que nous donnons
la coopration pour la prise de dcision. Dans un premier temps, nous examinons les
diffrences qui existent entre des notions proches telles que la coopration, la coordination et
la ngociation. Ensuite, nous nous intressons au rle que joue la communication dans la mise
en uvre de ces diffrentes formes dinteraction au travers de la perspective langage-action.
Nous prsentons lexemple dorganisations possdant un modle formel prtabli trs achev
des processus de travail et des flux dinformation, le workflow . La coopration a t
galement aborde dans les travaux relatifs aux systmes multi-agents, qui sintressent
lintelligence mergent dun systme artificiel dfini comme une socit dagents coopratifs.
Enfin, nous prsentons lapproche dans laquelle nous nous inscrivons, lapproche par
contraintes pour la coopration dans les problmes de gestion du temps et des ressources.

Le troisime chapitre prsente les modles et les techniques danalyse et de rsolution
des problmes en un centre. Tout dabord, le problme pos en un centre peut tre reprsent
par un modle compos de variables de dcision relies entre elles par des contraintes. Les
contraintes mettent en relation des variables et diffrents paramtres lis aussi bien au centre
considr quaux dcisions d'autres centres du rseau. Diffrents traitements peuvent tre
envisags l'aide de mcanismes de propagation de contraintes, selon le choix des variables
et des paramtres instancis ou laisss libres avant propagation : rsolution, consistance,
robustesse, explicitation de marges, etc.
Introduction 9

Le quatrime chapitre est consacr la formalisation des interactions entre centres et
la reprsentation du processus de dcision en un centre. Dans un premier temps, nous
dtaillons les aspects temporels de la prise de dcision (dcision et ngociation en temps
limit, prise de dcision priodique). Ensuite, nous proposons des protocoles de
communication entre centres permettant aux centres de cooprer. Enfin, nous nous intressons
au problme de la reprsentation de ltat du processus de dcision en un centre. Diffrentes
hypothses, propositions et engagements ainsi que les dductions qui peuvent tre infres
caractrisent ce processus un instant donn, selon une arborescence de modles. L'volution
de cette reprsentation est tudie afin de concevoir un outil permettant au dcideur de suivre
et de contrler ce processus de dcision.

Le cinquime chapitre prsente le logiciel que nous avons dvelopp pour tester notre
approche. L'exemple choisi concerne la gestion multi-projet. Des centres projets sont en
comptition pour lattribution de ressources gres par des centres mtiers. Les spcifications
du systme daide la dcision distribu sont donnes, ainsi que les techniques et langages
employs pour raliser ce logiciel.

Nous concluons enfin sur le travail ultrieur qui mriterait de complter notre tude.

Chapitre I Dcision distribue en gestion du
temps et des ressources

Les nouvelles technologies de l'information, Internet, la nouvelle conomie, l'coute
du client, la personnalisation des produits, la gestion des ressources humaines, etc. sont autant
de concepts que les entreprises doivent considrer afin de se survivre et de progresser. En
effet, l'environnement, technique, conomique et social des entreprises devient de plus en plus
fluctuant, incertain et complexe. Les entreprises cherchent donc matriser trois paramtres :
les cots, les dlais et la qualit. Pour cela, les dcideurs cherchent optimiser l'usage des
ressources humaines et matrielles dans le temps.
La distribution ncessaire des dcisions au sein de l'entreprise est aborde en tudiant
des structures organisationnelles caractristiques. Nous verrons enfin comment ces principes
organisationnels sont appliqus dans deux domaines de gestion du temps et des ressources : la
gestion de production et la gestion de projet.

I.1. Lenvironnement des entreprises est fluctuant,
incertain et complexe

Afin de prenniser leur existence et dassurer leur comptitivit, les entreprises
actuelles doivent faire face un environnement fluctuant, incertain et complexe. En effet,
lenvironnement technique, conomique et social des entreprises a volu de faon notable
ces dernires annes.

I.1.1. Lenvironnement technique

Les progrs techniques qui ont le plus boulevers lenvironnement des entreprises
sont :
les facilits de transport des biens. Les moyens de transport deviennent de plus en
plus performants et conomiques. De nos jours, toutes sortes de marchandises peuvent
tre transportes que ce soit par terre (exemple : camion, train), par mer (exemple :
cargo, ptrolier) ou par air (exemple : avions, dirigeables). Par exemple, la socit
Airbus transporte des parties davions entre ses sites de construction en moins dun
jour.
les moyens de calcul. Linformatisation croissante et lvolution de la puissance des
moyens de calculs permettent dautomatiser certaines tches, de faire des calculs
complexes plus rapidement. Aprs guerre, seules quelques entreprises pouvaient
bnficier de gros ordinateurs. De nos jours, les micro-ordinateurs sont couramment
utiliss dans toutes les entreprises.
les moyens de production. Lautomatisation, les nouveaux procds et les nouvelles
matires permettent davoir des produits toujours plus complexes, plus varis, plus
innovants et toujours plus rapidement. titre dexemple, le secteur automobile
conoit un nouveau vhicule en moins de trois ans (contre cinq il y a quelques
12 Dcision distribue en gestion du temps et des ressources

annes). Ces vhicules intgrent de nouveaux quipements (airbags, lectronique
embarque, etc.) et deviennent plus complexes raliser (et rparer aussi).
les nouvelles technologies de linformation et de la communication. Les
informations peuvent se transmettre en temps rel travers le monde (grce Internet
par exemple). Linformation devient mme un enjeu stratgique (informations sur les
concurrents, informations sur les partenaires) et un produit commercial. La plupart des
entreprises ont un site dinformation et dachat en ligne sur Internet.

transport
information et
communication
moyens de
calcul
moyens de
production
environnement
technique

figure 1 : la gestion de lenvironnement technique est complexe

Les entreprises tirent parti de ces innovations technologiques pour gagner, notamment,
en productivit. Mais, le nombre des progrs techniques et surtout la rapidit des changements
font que la gestion de cette technologie nest pas plus simple. En effet, la prise en compte
dun plus grand nombre de dcisions en un dlai de plus en plus court, entrane une
complexit accrue du systme dinformation.

I.1.2. Lenvironnement conomique

En ce qui concerne lvolution conomique, nous pouvons constater une saturation des
marchs qui a provoqu le passage dune conomie de production (demande suprieure
loffre) une conomie de march (offre suprieure la demande). Autrefois, les entreprises
vendaient aux clients ce quelles avaient dcid de produire. De nos jours, elles produisent ce
quelles peuvent vendre. De plus, la concurrence laquelle elles sont soumises sest aggrave
encore avec la mondialisation des marchs ([Schweyer 96]).
Dans [Monateri 97], lauteur souligne que, au moins dans le secteur automobile, on est
pass dun rgime doptimisation productive un rgime de gestion de la varit. En effet, les
entreprises sont passes dun mode doptimisation o conomies dchelle et conomies de
vitesse prdominaient, un rgime doptimisation o conomies de varit et conomies de
vitesse prdominent (voir la figure 2). Toutes ces conomies ont pour but dabaisser le cot du
produit en agissant diffremment sur les moyens de production. Les conomies dchelles
apparaissent, thoriquement, lorsque la capacit de production augmente, et mnent une
Lenvironnement des entreprises est fluctuant, incertain et complexe 13

standardisation des produits et des procds (politique adopte par Ford dans les annes 20).
Les conomies de vitesse rsultent dune plus grande fluidit des flux et entranent une
rduction des stocks. Les conomies de varit rsultent de la possibilit de raliser plusieurs
produits (peu diffrents) sur une mme ligne de production.

Rgime doptimisation de la
gestion de production :
Priorit aux conomies dchelle
et de vitesse : tension des flux et
rductions des stocks
Positionnement concurrentiel sur
les cots
Rgime doptimisation du rapport
entre varit et tension des flux :
Priorit aux conomies de varit et
de vitesse : produits personnaliss,
vitesse de rotation des encours
Positionnement concurrentiel fond
sur la diffrentiation des produits et
sur les cots

figure 2 : volution du triptyque standardisation, rapidit, varit

Ainsi, dans un tel contexte, lorientation conomique vers les besoins des clients
devient le facteur cl du succs. Afin de suivre ce principe dans un monde de trs forte
concurrence, le facteur temps, donc la rapidit et la ractivit de lentreprise sont de plus en
plus dvelopper. Il est alors indispensable de pouvoir sadapter rapidement aux situations
imposes par la concurrence et par le client. Pour faire la diffrence face la concurrence,
lentreprise doit montrer sa capacit innover et la qualit de ces produits.

Depuis quelques annes, la nouvelle conomie est apparue dabord aux tats-Unis. Ce
terme dsigne la croissance tire par les nouvelles technologies. Elle reprend toutes les
caractristiques cites ci-dessus et rsumes sur le Tableau 1.

ancienne conomie nouvelle conomie
caractristiques conomiques :
marchs stables dynamiques
comptition nationale globale et locale
industrie :
organisation de la production production de masse production flexible
facteurs de production capital/travail innovation/connaissance
sources davantages comparatifs conomies dchelle et de
vitesse
conomies de varit et de
vitesse
Tableau 1 : les effets de lvolution de lconomie

Le changement de lenvironnement conomique a pouss les entreprises tenir de plus
en plus compte des aspects dlais, qualit, cots, innovation. Ainsi, les entreprises doivent
tre plus ouvertes aux besoins du client, lattente du march.

I.1.3. Lenvironnement social

Lenvironnement social de lentreprise change notamment le rapport de lhomme face
au travail.
Dune part, la nature des tches raliser par lhomme a t modifie. En effet, on
assiste :
une diminution de leffort physique due lutilisation des robots (convoyage,
manipulation, usinage)
une augmentation des tches de surveillance, de supervision, de communication
une distribution de la dcision qui favorise la ractivit. Il faut donc susciter des
initiatives chez des catgories de personnel qui nen avaient autrefois aucune.
une mobilit des travailleurs. Ceux-ci ne sont plus cantonns un emploi ou une
comptence tout au long de leur carrire. Les entreprises leur demandent de sadapter
de nouveaux mtiers. Il faut donc que lhomme possde des comptences varies et
transdisciplinaires.

De plus, les attentes des travailleurs ont volu. Le niveau dducation moyen et le
niveau de vie augmentent. De nos jours, 70 % des personnes dune classe dge ont le
baccalaurat et de plus en plus de personnes arrivent satisfaire les besoins primaires
(nourriture, logement, etc.). Les travailleurs ne sont plus non seulement proccups par
laspect financier du travail mais ils cherchent galement spanouir dans le travail. Les
entreprises doivent expliquer le but des tches effectuer et proposer ou tenir compte des
plans de carrires (voir [Jagou 93]). De plus, la nature du management du personnel volue de
relations bases sur ladversit vers des relations bases sur la collaboration.

avant maintenant
buts politiques plein-emploi adaptabilit et plus hauts
revenus
buts personnels besoins primaires (nourriture,
logement)
besoins secondaires
(panouissement, projet
personnel)
comptences comptences spcifiques comptences varies et
transdisciplinaires
ducation requise une comptence ou un diplme un apprentissage vie
management du personnel adversit collaboration
nature de lemploi stable risque et opportunit
Tableau 2 : les effets de lvolution sociale

Enfin, les entreprises doivent galement tenir compte de lenvironnement politique,
administratif et local (amnagement du territoire, qualit de lenvironnement, formation,
emploi).

Lenvironnement des entreprises est fluctuant, incertain et complexe 15

I.1.4. Le projet dentreprise

Le projet dentreprise a pour but daffirmer la mission et les valeurs de lentreprise.
Outre la mission dassurer la prennit et le devenir de lentreprise, ces valeurs sont : lcoute
et la satisfaction des clients, la satisfaction des actionnaires, lpanouissement des hommes et
des femmes qui composent lentreprise, la recherche de la qualit.
De nos jours, trois grands objectifs troitement lis constituent les lignes directrices de
lentreprise ([Jagou 93]):
rduction des dlais
rduction des cots
amlioration de la qualit.

rduction des dlais
rduction des cots
amlioration de la qualit
juste temps (JIT)
design-to-manufacturing
concurrent engineering
benchmarking
qualit totale
groupes d'amlioration
cercles de qualit
normes ISO9000

figure 3 : mthodes permettant de tendre vers les objectifs

Actuellement, trois techniques sont utilises pour rduire les dlais. La premire
technique est le juste temps JAT (ou just-in-time JIT). Cette technique sattache
rduire la surproduction et les stocks afin de pouvoir dceler et rsoudre les vrais problmes
de la production. La deuxime mthode, le design-for-manufacturing est une dmarche
que le bureau dtude doit intgrer afin de rduire la complexit des produits, rduire le
nombre de pices qui les composent afin de diminuer le cycle conception-fabrication. Les
ingnieurs doivent intgrer les difficults et spcificits des autres mtiers (mthode,
fabrication, logistique). Enfin, le concurrent engineering est une approche systmatique pour
la conception simultane dun produit et des services qui lui sont associs, y compris la
fabrication et le soutien.
Afin de rduire les cots, le benchmarking consiste rechercher en dehors de
lentreprise les modes et les mthodes de conception, fabrication, distribution dans un
domaine proche. La comparaison des rsultats internes aux meilleurs rsultats observs
lextrieur de lentreprise permet didentifier les faiblesses de lentreprise, dimaginer et de
mettre en uvre des moyens qui leur permettront de revenir un bon niveau. Cette dmarche
consiste galement identifier les comptences de lentreprise et sous-traiter,
ventuellement, une partie de ses activits dont ltude lui aurait prouv labsence de
rentabilit ([Jagou 93]).
Les mthodes comme la gestion de la qualit totale, les groupes damlioration de la
qualit ou les cercles de qualit permettent damliorer la qualit des produits, notamment
en ngociant avec le client la qualit souhaite du produit, en impliquant tous les acteurs de
lentreprise. Auparavant, la qualit tait la proccupation du service qualit. Actuellement,
tous les acteurs de lentreprise, et mme les sous-traitants, sont impliqus dans la recherche de

qualit. Dernirement, lapparition des normes internationales ISO9000 (1,2,3) a permis de
normaliser les relations donneurs dordre/sous-traitants. La certification ISO9000 dune
entreprise est un label de qualit bas sur une dmarche volontariste.

environnement
technique
conomique
social
le projet dentreprise :
rduction des dlais
rduction des cots
amlioration de la qualit

figure 4 : impacts de l'environnement sur l'organisation de l'entreprise

Parmi les changements qui peuvent affecter les entreprises, on sintresse dsormais
ceux qui peuvent affecter son organisation, la fois dans la structure et dans son
fonctionnement, tout en mettant en uvre le projet d'entreprise (voir figure 4).

I.2. Les structures organisationnelles

Afin de limiter linfluence dun environnement changeant et incertain et de mettre en
uvre le projet dentreprise, les responsables se penchent sur les relations durables entre les
individus et certaines composantes. Les dcisions portent sur la dfinition des responsabilits
et sur les rgles qui rgissent la prise de dcision. Ils dfinissent lorganisation.
Dans un premier temps, nous allons voir quelques dfinitions sur lorganisation et des
structures organisationnelles. Leur analyse nous permettra de cerner comment la distribution
des dcisions est aborde.

I.2.1. Dfinitions

Le concept dorganisation recouvre de faon indissociable laction dorganiser et le
rsultat de cette action, la structure (voir le Larousse 97, [Schweyer 96 ] et [Maggi et al 00]).
La structure dcrit la manire dont les diffrents organes et individus de lentreprise sont
agencs, mis en relation. On peut distinguer plusieurs types de relations :
la communication informelle qui permet lajustement mutuel et donc lexercice des
pouvoirs rciproques de persuasion.
Les structures organisationnelles 17

les relations hirarchiques qui supportent lintervention directe de certains organes
dans le travail des autres.
la rpartition des comptences qui dfinit un rseau de pouvoirs expertaux et
dtermine la standardisation des tches, cest--dire des normes qui en rgissent
lexcution.

Une organisation est un phnomne artificiel cre par lhomme : il y a donc
intentionnalit pour crer une entit concrte. On a donc la mise en acte dun ordre, orient
vers un but.
Laction organisationnelle est un agir qui met en relation [] les moyens par rapport
aux fins, c'est--dire une forme dagir rationnel (tir de [Maggi et al 00]). Cette rationalit
est intentionnelle et limite. En effet, ni les moyens, ni les fins ne peuvent tre considrs
comme absolument rationnels ; les dcisions ne sont jamais prises dans des conditions de
certitude. Le Tableau 3 (emprunt [Maggi et al. 00]) rsume une comparaison entre la
rationalit objective (que l'on attribue aux conomistes) et la rationalit intentionnelle et
objective (concept dvelopp par Simon). Selon ce schma, le dcideur n'a pas la
connaissance complte et il ne choisit jamais la meilleure alternative. Plutt que de chercher
maximiser son utilit, il cherche des solutions suffisamment bonnes ou satisfaisantes.

rationalit objective rationalit intentionnelle et limite
toutes les alternatives des actions possibles
sont connues
la connaissance des alternatives d'action est
incomplte
il est possible de calculer toutes les
consquences de chaque stratgie
la connaissance des consquences de l'action
est fragmentaire
le sujet agissant a une fonction d'utilit exacte
pour ces choix qu'ils soient actuels ou futurs
les prfrences ne sont pas parfaitement
ordonnables et leur variation dans le temps
n'est pas prvisible
Tableau 3 : rationalit objective et rationalit intentionnelle et limite

La structure organisationnelle apparat comme lensemble des moyens qui assurent
une rpartition des pouvoirs adapte lidentification et la coordination des composantes de
lorganisation.
La structure organisationnelle est donc un puissant support dunification, de
coordination et donc de survie de lorganisation en fonctionnement (de Mintzberg, cit dans
[Dupuy 1992]).

Les notions dorganisation et de structure organisationnelle ayant t prcises,
examinons quelques structures organisationnelles caractristiques.

I.2.2. Les structures hirarchiques simples

La hirarchisation organisationnelle exprime, et souvent formalise, la diffrence entre
ceux qui commandent et ceux qui excutent. La commande est ici entendue au sens large de
conception, de rpartition et de contrle des tches raliser pour atteindre les finalits de
lorganisation.
Le mcanisme de hirarchisation se dveloppe ds que la complexit organisationnelle
atteint un niveau suffisant. Les diffrentes composantes restent relativement indiffrencies.

Mintzberg a dfini un modle de configuration structurelle simple . La figure 5
prsente un exemple de structure simple sous forme dorganigramme. Voici quelques
caractres essentiels du modle de Mintzberg :
coordination par supervision directe.
centralisation marque au sommet de lorganisation.
situation de faible complexit de lenvironnement et de la technique mais grande
adaptabilit.
forte adhsion au pouvoir de la direction.

Dirigeant propritaire
Secrtaire aide-comptable
Vendeurs

figure 5 : un exemple de structure simple
Dans une telle structure, lintgration est naturellement ralise grce la
communication directe et informelle. Cependant si lorganisation poursuit sa croissance, ces
mcanismes deviennent rapidement lourds, complexes voire inefficaces.

I.2.3. Les structures hirarchiques fonctionnelles

Au-del dun certain niveau de complexification, de varit des tches accomplir,
toutes les organisations doivent diviser et spcialiser le travail. On obtient alors un
renforcement des comptences, donc defficacit, par lapprentissage puis la rptition
densembles de tches relativement bien dlimites et codifies. Il en rsulte lapparition de
pouvoirs expertaux, lis la comptence.

Une conception fonctionnaliste descendante de la structure, largement inspire par la
vision rationaliste et techniciste des ingnieurs, permet davoir une concidence pure et simple
entre les sources de pouvoirs expertaux et hirarchiques. Tant que la spcialisation et la
sparabilit des tches sont techniquement et conomiquement justifies, elles concident
avec la logique de la hirarchisation (voir un exemple sur la figure 6).

La prennit et lefficacit de ce type de structure supposent une stabilit fonctionnelle
bien tablie, autrement dit des processus oprationnels peu volutifs. Cela va gnralement de
pair avec une spcialisation pousse, une formalisation trs dveloppe ainsi quune
centralisation et une planification bien labores. Ces tendances se renforcent naturellement et
conduisent la limite des formes bureaucratiques (mcanistes ou professionnelles).

Les formes bureaucratiques mcanistes, que lon rencontre essentiellement dans les
grandes industries, reposent sur la standardisation des procds de travail et leur extrme
formalisation. Les bureaucraties professionnelles sont fondes sur la standardisation des

formations et des comptences et le contrle par les pairs (exemple : universits et cliniques).
Ces formes bureaucratiques risquent de driver notamment cause de :
lexcs de coordination par intervention directe (risque de blocage des niveaux
suprieurs).
la concentration et la formalisation excessives de linformation le long de la ligne
hirarchique.
le manque de motivation et dadaptabilit au sein de lorganisation

Direction gnrale
Secrtariat gnral
Direction
production
Direction
commerciale
Direction
administrative et
financire
Direction
du
personnel
tudes
mthodes
Fabrication tudes
publicit
Ventes Comptabilit
contrle
tudes
organisation

figure 6 : une structure hirarchique par fonctions

I.2.4. Les structures matricielles

Les bases hirarchiques et fonctionnelles reposent sur des hypothses de cohrence et
de stabilit des tches. Au-del de certains seuils de complexit et dincertitude, de nouveaux
dcoupages dans lespace et le temps apparaissent.
Dans lespace, cela conduit privilgier une logique ascendante. Lhomognit est
recherche par recomposition autour densembles doprations homognes et non par
dcomposition. On obtient alors une structure divise par produit et par march.
Gnralement, en situation trs volutive, cette diffrentiation spatiale est
accompagne dune diffrentiation temporelle.
La structuration trouve alors son fondement dans lidentification et dans la rsolution
de problmes temporaires non rptitifs, auxquels sont logiquement associs des processus
dcisionnels ad hoc.

Les structures matricielles (voir exemple sur la figure 7) acceptent et formalisent des
schmas de structure la fois multirelationnels et volutifs. Dans ces structures, on remet en
cause la prminence du hirarchique sur le fonctionnel, du formel sur lexpertal.

Les structures matricielles abandonnent ainsi le principe excessivement contraignant de
lunit de commandement. Il vite la dmultiplication injustifie des spcialistes fonctionnels
aux diffrents niveaux de la structure. Il raccourcit les circuits de communication et facilite la
collaboration entre les spcialits et les professionnels de toutes origines.
La structure matricielle constitue, par consquent, un aboutissement affin de la
diffrenciation organisationnelle. Mais elle amplifie les problmes dattribution des
comptences, de communication, dajustement des objectifs. Elle tend donc exacerber des
conflits.

Directions
fonctionnelles
(mtiers)
Direction
gnrale
Comits Coordination
Direction
de division
Directions de
marchs
(ou de projets)
Groupes
organiques

figure 7 : le principe de la structuration matricielle

I.2.5. Les structures adhocratiques

Lintgration peut tre dfinie comme une rponse structurelle de lvolution et du
fonctionnement de lorganisation. Une incertitude nat de la distance entre les composantes de
la structure : distance spatiale, distance temporelle ou distance culturelle. Pour la rduire,
deux logiques gnrales et complmentaires sont envisages :
lune de dcentralisation des pouvoirs, donc de rapprochement entre point de dcision
et lieux et dates dmergence des problmes. On peut avoir dcentralisation
horizontale et dcentralisation verticale.
lautre dadhsion, qui facilite ou exprime la convergence des langages et des
objectifs entre les composantes de lorganisation.

Une structure adhocratique est identifie par lexistence de relations particulirement
intenses entre organes dorigines varis, mais concourants la ralisation de tches
homognes, et gnralement complexes. Elle va de pair avec une dcentralisation slective de
certains pouvoirs (tir de [Dupuy 92]).
Lmergence des formes adhocratiques rsulte de la convergence entre les objectifs
individuels et les objectifs organisationnels. Elle correspond autrement dit lapparition dun
consensus autour de projets particulirement motivants. Cest pourquoi elle peut ne concerner
quune partie de la structure. Par exemple, des adhocraties oprationnelles se forment
rgulirement au sein des divisions organisationnelles loccasion du lancement dun
nouveau produit.
Les adhocraties supposent des communications dune intensit et dune qualit leves
(ajustement mutuel). En raison de leurs proprits de complexit et dinstabilit, les structures
adhocratiques se prtent mal aux reprsentations formelles par organigrammes. La
symbolique offerte par ces derniers est trop pauvre et trop statique. La figure 8 montre un
exemple de chane de tlvision. Il montre que les entits adhocratiques oprationnelles
sidentifient sans liaison formelle avec le reste de la structure.


Direction
Services
fonctionnels
Services
fonctionnels
Lieux de production (studio)
Programme
rgional 1
Programme
rgional 2
Ralisateurs
de film
Ralisateurs
de film
Partie formelle
classique de la
structure
Constellation dentits oprationnelles adhocratiques

figure 8 : une adhocratie oprationnelle

Cest donc en rservant une place essentielle la communication et ladaptation que
les adhocraties suscitent des mcanismes fortement adaptateurs. Elles impliquent chaque
individu, chaque cellule organisationnelle au point que la russite des uns dpend de celle des
autres et rciproquement. Cela suscite ncessairement des mcanismes dautocontrle donc
des risques de conflits trs levs. Cest pourquoi les formes adhocratiques restent par
dfinition jeunes et transitoires.

I.2.6. Les entreprises virtuelles

Pour faire face la concurrence dans un march donn (automobile,
lectromnager), les entreprises peuvent monter un projet temporaire. Elles mettent en
place un mcanisme appel entreprise virtuelle.

figure 9 : exemple d'une entreprise virtuelle qui est devenue un consortium

Une entreprise virtuelle est un rseau dunits gographiquement disperses mais
gres comme une seule unit ; les sous-units peuvent tre sous gestion spare
([Rolstadas 95]). Une entreprise virtuelle est cre pour rpondre un march spcifique. Elle

facilite le partage rapide des ressources et des informations. Dans les meilleurs des cas, elle
permet de rduire les temps de production, les cots de production et dobtenir une meilleure
exploitation des opportunits du march.

Une entreprise virtuelle a une dure de vie limite. Par exemple, plusieurs entreprises
peuvent sassocier pour rpondre un appel doffre gouvernemental. Une fois, le contrat
termin, lentreprise virtuelle est dissoute.
Une entreprise virtuelle peut devenir plus permanente, les entreprises constituantes
nouant leurs forces pour rpondre une croissance du march. Lentreprise virtuelle se
transforme alors en consortium ou en entreprise tendue (voir la figure 10 et [Park et al. 98]).
Airbus est un exemple dentreprise virtuelle (fonde en 1967) qui sest transforme en
consortium (en 1970) et qui va certainement se transformer en entreprise tendue.

entreprise
tendue
consortium
entreprise
virtuelle
stabilisation du partenariat
stabilisation du
segment de march
stabilisation du segment de march
rduction des cots
dynamisme
maturit
du march
opportunit

figure 10 : volution d'une entreprise virtuelle

Les entreprises virtuelles doivent possder une structure lgre et flexible. Comme
pour les adhocraties, ces structures demandent une intensit des communications entre les
acteurs et des mcanismes de coopration de coordination parfaitement dfinis. Pour cela, les
processus peuvent tre formaliss laide de workflow (cf. II.3 et [Afsarmanesh et al. 98]).
Ces structures utilisent toutes les possibilits offertes par les nouvelles technologies de
linformation : groupware, rseau priv virtuel, partage de base de donnes ([Zhang et al. 99],
[Favrel 98], [Park et al. 98] et [Davilvu et al 99]).

I.2.7. Conclusion

Diffrentes structures dorganisation (intra ou inter entreprises) viennent dtre
prsentes. Les dcideurs mettent en uvre ces principes organisationnels, essentiellement, en
tenant compte de deux critres : lincertitude et la complexit. Au sein dune mme entreprise,
plusieurs structures peuvent apparatre (comme le montre la figure 8).

Nanmoins, on a pu voir apparatre des faons diffrentes daborder la rpartition des
dcisions. En effet, les structures hirarchises simples et fonctionnelles (comme les
bureaucraties) ne rsistent pas lincertitude cause de la hirarchie prdominante. Les
Les structures organisationnelles en gestion du temps et des ressources 23

structures adhocratiques et matricielles rsistent lincertitude et ncessitent de nombreuses
interactions mais peuvent exacerber les conflits et les problmes de communication.

f
o
r
t
e
l
i
m
i
t
e
limite forte
standardisation
complexit
p
r
o
f
e
s
s
i
o
n
n
a
l
i
s
a
t
i
o
n
a
d
h
s
i
o
n
incertitude
structure
simple
adhocratie
oprationnelle
bureaucratie
professionnelle
bureaucratie
mcaniste
Structures
matricielles
entreprise
virtuelle

figure 11 : la logique gnrale des rponses structurelles en fonction de
lincertitude et de la complexit

Nous venons de voir des principes gnraux dorganisation. Quelles sont les
caractristiques des organisations du point de vue de rsolution des problmes de gestion du
temps et des ressources ?

I.3. Les structures organisationnelles en gestion du
temps et des ressources

Afin d'optimiser les dlais, les cots et la qualit de fabrication des produits, les
dcideurs doivent grer les ressources humaines et matrielles dans le temps. Habituellement,
on distingue deux problmatiques : la gestion de projet et la gestion de production.
Dans le premier cas, le projet, trs peu rcurrent voire unique, est compos d'un grand
nombre de tches raliser. L'ensemble des ressources est mobilis sur une priode de temps
assez grande. La complexit du problme provient en grande partie du grand nombre de
tches et des synchronisations ncessaires entre moyens et buts Ces projets concernent par
exemple la construction navale, les ouvrages publics, la construction aronautique et spatiale,
mais aussi, la conception et la ralisation de nouveaux produits (en automobile, en gnie
logiciel), etc.
La gestion de production se rapporte la ralisation de produits dont la variabilit, tant
au niveau de la demande que des processus de fabrication, pose des problmes d'organisation.
Les commandes peuvent tre nombreuses et chaque commande joue le rle d'un nouveau
projet. La complexit n'est pas intrinsque un projet mais la coordination de diffrents
projets ; la rpartition des ressources est au cur de la problmatique. Cette problmatique se
rencontre dans les ateliers (par exemple usinage), dans les activits de service ou dans les
problmatiques multi-projets.

?
?
?
gestion de projet : grand nombre de
tches, dure importante
gestion de production : partage
de ressources

figure 12 : gestion de projet et gestion de production

I.3.1. La gestion de production classique

Classiquement, la gestion de production met en place une structure hirarchise
fonctionnelle. En effet, pendant trs longtemps, lobjectif principal a t la recherche dune
trs grande efficacit de loutil de production, tant donn un ensemble de produits dont les
caractristiques technico-commerciales voluaient peu.

Gnralement, toute lorganisation de lentreprise est structure par fonctions ou
services, spcialiss et lis hirarchiquement (voir un exemple sur la figure 13). En fait, cette
hirarchie obit un modle de rsolution de problme, dcomposant les dcisions en trois
niveaux :
Le niveau stratgique dfinit principalement la politique et les objectifs gnraux de
lentreprise. ce niveau, les dcisions se prennent long terme (2 5 ans) par la
direction (portefeuille dactivits, investissement).
Le niveau tactique assure la gestion du travail et des moyens de production dans le
cadre des dcisions stratgiques. Il sagit en gnral de dfinir un plan de production
et un plan dutilisation des moyens disponibles moyen terme (6 18 mois par la
planification et lordonnancement moyen terme).
Le niveau oprationnel rgit en dtail la fabrication proprement dite. Il dfinit par
exemple le squencement et lordonnancement des oprations de fabrication sur les
moyens de production, laffectation des ouvriers, etc. ce niveau, les dcisions sont
prises court terme (jour ou semaine) par des services comme lordonnancement
quotidien, le rordonnancement temps rel ou le lancement.

La coordination au sein de cette structure sexerce a priori par un contrle vertical
(hirarchique). Ce genre de structure a besoin dun environnement relativement stable
(demandes rgulires, concurrence faible ...).

Les structures organisationnelles en gestion du temps et des ressources 25

Plan directeur de
production
Planification
Ordonnancement
Systme de production
Programme de production
Volumes de production
Ordres de fabrication
Niveau stratgique
Long terme (2 5 ans)
Niveau tactique
moyen terme (6 18 mois)
Niveau oprationnel
Court terme (jour ou semaine)

figure 13 : un exemple d'organisation en gestion de production

I.3.2. La gestion de projet classique

Traditionnellement, la gestion de projet est aborde de faon fonctionnelle ou
divisionnelle.

Dans la forme fonctionnelle (voir figure 14), aucun individu na la responsabilit du
processus global. Ce sont les responsables hirarchiques qui assurent lallocation et la
coordination des diffrentes personnes et ressources mobilises dans le projet. Par contre, on
dsigne un facilitateur de projet que lon peut considrer comme le vritable chef de projet. Il
fait circuler linformation et propose des suggestions aux diffrents intervenants.
DG
Direction mtier
Chef de projet
Acteurs mtiers

figure 14 : chef de projet en tant que facilitateur

Dans la forme divisionnelle (voir figure 15), le chef de projet est responsable des
activits. Il a une autorit fonctionnelle lui permettant dagir sur les chefs de projet-mtier qui
eux, sont chargs dassurer lintervention des acteurs-projet impliqus. Cependant, son rle
reste un rle danimateur, il na pas dautorit hirarchique sur le personnel amen travailler
sur le projet.

Comme pour la gestion de production classique , la coordination au sein de cette
structure sexerce a priori par un contrle vertical (hirarchique) et ncessite un
environnement relativement stable.

DG
Chef de projet mtier
Domaine de pouvoir
du chef projet

figure 15 : chef de projet en tant que coordonnateur

I.3.3. Les tendances actuelles

DG

figure 16 : chef de projet en tant que directeur (forme matricielle)

Ces dernires annes, les entreprises, face un environnement de plus en plus
concurrentiel et fluctuant (voir le paragraphe I.1), diversifient leurs activits et leurs produits.
Cette diversification permet de compenser une baisse de march sur un produit par une hausse
sur un autre produit. Elle ne peut se mettre en uvre que si la structure de lentreprise est
rapidement reconfigurable. On voit apparatre des structures matricielles ou adhocratiques qui
englobent tout le cycle de vie du produit (de la conception au recyclage en passant par la
production).

DG

figure 17 : projet sorti (forme adhocratique)

Conclusion 27

Dans une forme matricielle (voir la figure 16), le chef de projet (appel directeur)
planifie et contrle lactivit du personnel sur le projet, tandis que les chefs mtiers
prescrivent la faon dont une tche est ralise. Dans cette forme, on peut avoir conflit entre
hirarchie fonctionnelle et autorit du projet.
En outre, plusieurs projets peuvent coexister et, ainsi, se trouver en concurrence pour
lutilisation de ressources partages ; ce qui dfinit un problme de dcision distribue.

Dans les formes adhocratiques ou autonomes (voir figure 17), les acteurs qui
travaillent sur le projet sont physiquement et institutionnellement sortis des structures mtiers
pour tre rassembls sous lautorit du chef de projet pendant la dure de leur intervention.

I.4. Conclusion

Dans un environnement incertain, complexe et fluctuant, les entreprises revoient leurs
structures organisationnelles classiques (hirarchiques et fonctionnelles) et mettent en place
des structures plus adaptes (matricielles et adhocratiques). La mise en place de telles
structures donne aux acteurs plus de flexibilit dans la gestion des rgles ([Bazet et al. 98])
mais ncessite une plus grande coopration et coordination entre les acteurs.
En quoi consiste la coopration ? Peut-on envisager une coopration sans
communication ? Ces questions font lobjet du chapitre qui suit.

Chapitre II Formalisation de la coopration
lapproche par contraintes

Nous nous intressons au problme de l'aide la dcision et la coopration dans un
contexte distribu. Face la ncessit datteindre des objectifs globaux et de partager des
moyens commun, les dcideurs doivent cooprer.
Dans le but de se donner une dfinition pratique mais suffisamment consensuelle de la
coopration, nous consacrons le chapitre qui suit lexamen de points de vue
complmentaires sur la coopration, issus des sciences humaines, des sciences cognitives et
des sciences de lingnieur.

Dans un premier temps, nous prcisons la dfinition que nous associons aux notions de
coopration, de coordination, de codcision et de ngociation.
Nous nous intressons ensuite au rle que joue la communication dans la mise en
uvre de ces diffrentes formes dinteraction. Nous prsentons notamment la perspective
langage-action qui permet de reconnatre les actions associes la production de certains
noncs et de les prendre en compte dans linterprtation des conversations entre deux
locuteurs. Cette perspective mritait en effet dtre tudie dans la mesure o la
communication en langage naturel, mme limite des changes formels dans un contexte de
coopration dans le travail, obit cependant certaines maximes conversationnelles dont il
faut tenir compte pour amliorer la messagerie libre et proposer des outils de coopration
ddis la dcision distribue.
Ensuite, nous prsentons lexemple dorganisations possdant un modle formel trs
achev des processus de travail et des flux dinformation, le workflow . Cette nouvelle
forme dorganisation, si elle amliore la cohrence des actions individuelles en leur
permettant de mieux se situer dans laction collective assume par lentreprise, peut servir
dans le mme temps, grce leffort que sa mise en place requiert en termes danalyse et
dexplicitation des processus et des rgles appliqus, mettre en vidence leur trop grande
complexit et/ou leur inefficacit.
Nous rservons ensuite une place importante aux travaux relatifs aux systmes multi-
agents, qui sintressent lintelligence mergeant dun systme artificiel dfini comme une
socit dagents coopratifs, ainsi quaux interactions entre ces agents.
Enfin, nous prsenterons lapproche dans laquelle nous nous inscrivons, lapproche
par contraintes. Celle-ci se caractrise par ladoption du principe dune rationalit limite des
acteurs au sein dune organisation. La notion de contrainte fonde la fois les modles de
rsolution des outils daide la dcision locale, et le modle de coopration entre les entits,
qui changent et rvisent une partie des contraintes prises en compte dans leurs modles.

II.1. Dfinition et aspects de la coopration

Le sens commun ne permet pas toujours de bien distinguer les termes de coopration,
de coordination, de collaboration et de codcision. De plus, lors de la mise en uvre de ces
processus, des conflits apparaissent ce qui engendre parfois des rajustements qui peuvent se
faire au travers de ngociations.
30 Formalisation de la coopration lapproche par contraintes

Pour prciser ces diffrentes notions, nous renvoyons le lecteur aux travaux sur
lesquels nous nous sommes appuys : [Bazet 96], [Bazet et al 98a], [Agostini et al. 94],
[Sadek 94a], [Winograd 88].

II.1.1. Dfinition de la coopration

Une dfinition consensuelle de la coopration pourrait tre la suivante :

La coopration est une action collective vers un mme but.

Cette dfinition est toutefois trop gnrale. En effet, si lon sintresse laction
collective en tant que processus, on voit quelle ncessite des interactions, des changes, des
confrontations ou des ngociations entre les entits agissantes. Ainsi, un niveau plus fin de
dtail, certaines actions lmentaires ncessaires pour atteindre ce but, peuvent tre perues
comme individuelles ou collectives. De mme, il nest pas ncessaire que toutes les entits
aient exactement les mmes buts. Laction cooprative ne sattachera qu accomplir le ou les
buts communs.

Le processus de coopration peut tre prdfini (impos institutionnellement, par la
hirarchie, par des conventions sociales, etc.) ou libre (les entits dterminent dynamiquement
les buts communs et la forme dinteraction mettre en uvre pour y parvenir). Nous nous
proposons daider efficacement les individus dans la gestion des processus de coopration
prdfinis tout en autorisant les processus de coopration libres.

Durant un processus de coopration, des ngociations peuvent survenir. Elles ont pour
objet de prvenir ou de rgler des conflits entre plusieurs entits. Si un dialogue prcde la
dcision, on a lors un processus de ngociation visant mettre daccord lentit qui gnre la
dcision et celle qui doit la prendre en compte (pour lexcuter par exemple). De mme, une
des entits peut demander changer une dcision dj prise : cest un processus de
rengociation qui survient et qui vise redfinir une nouvelle dcision (voir la figure 18).
Souvent, les rengociations se basent sur la dcision dj prise et les entits recherchent une
nouvelle dcision proche de lancienne.

prise de dcision
ngociations
rengociations
construction de la dcision rvision de la dcision temps

figure 18 : (re)ngociations dans le processus de dcision

Les (re)ngociations peuvent tre inities par une des entits ou venir de lextrieur.
En effet, une entit qui gnre une dcision peut non seulement dbuter une (re)ngociation
avec les entits qui devront la prendre en compte, mais ces dernires peuvent galement initier
une nouvelle (re)ngociation (par exemple, si la dcision tarde tre prise ou sils narrivent
pas mettre en uvre la dcision).

Dfinition et aspects de la coopration 31

II.1.2. Diffrents aspects de la coopration

Plusieurs aspects de la coopration peuvent tre identifis. Nous tentons de dfinir
plus prcisment trois aspects : la coordination, la collaboration et la codcision.

II.1.2.1 La coordination

Le principal problme de la coordination est la synchronisation des actions et la
cohrence des actions individuelles par rapport lensemble du processus. La coordination
traite de lorganisation des actions dans le temps. Elle a pour but de construire et dexploiter
un rfrentiel temporel commun permettant dordonner les actions individuelles. Cet ordre est
ncessaire soit parce que certaines actions en conditionnent dautres (relation de causalit,
contraintes diverses de synchronisation) soit pour rgler lavance dventuels conflits
provenant de la simultanit de plusieurs actions (existence de ressources limites).
Dans un processus de coordination des dcisions, on peut recourir des rgles
explicites sur les prises de dcisions (rgles de prcdence causale entre deux dcisions ou
bornes temporelles sur une ou plusieurs dcisions). Ces rgles se traduisent donc par des
contraintes temporelles, absolues ou relatives.

figure 19 une gamme dassemblage : un exemple de synchronisations dobjets,
dactions et de personnes

Dans [Bazet el al. 99], le plan a t identifi comme un outil de coordination qui
permet, non seulement, de synchroniser dans le temps, mais aussi, de rendre cohrent les
actions des diffrents acteurs. Il est donc apparu des mcanismes de synchronisation des
objets matriels, des oprations effectuer, des personnes (une illustration est prsente sur la
figure 19). Lactivit de planification est de plus soumise dautres contraintes temporelles.
Par exemple, les rgles juridiques et sociales (travail de nuit, transport le week-end, etc.)
contraignent le champ des actions possibles et influent sur les processus de coordination.


La prise de dcision, la ngociation peuvent tre considres comme de vritables
activits, pour lesquelles les dcideurs ont besoin de se coordonner. Des contraintes de
coordination existent, par exemple, en gestion de production, entre les fonctions planification
(calcul des volumes de production) et ordonnancement (squencement des oprations,
affectation des ouvriers, etc.). En effet, nous avons vu au chapitre 1 que le planning (niveau
tactique) est calcul moins frquemment que lordonnancement (niveau oprationnel) et que
le calcul de lordonnancement ncessite les dcisions de planification. Il y a donc un
problme de coordination puisque lordonnancement, sil veut tre cohrent, doit attendre les
rsultats de la planification. Sur la figure 20, le planning est calcul toutes les semaines et
lordonnancement tous les jours. Il se pose donc un problme de coordination toutes les
semaines car lordonnancement, dans un souci de cohrence, attend les dcisions provenant
de la planification.

planification
ordonnancement
volumes de
production
t
fonction de dcision
t
0
coordination ncessaire entre les entits
moment de prise de dcision
squencement des oprations
affectation des ouvriers

figure 20 : un exemple de coordination entre planification et ordonnancement

II.1.2.2 La collaboration et la codcision

La collaboration est un autre aspect de la coopration. Collaborer signifie travailler
ensemble lexcution dune certaine action pour produire un rsultat final. Ainsi, le terme
de collaboration sutilise la place de celui de coopration lorsquil nest pas possible,
pertinent ou souhaitable de diffrencier les actions individuelles.
loccasion de la conception de nouveaux produits, des collaborations apparaissent.
En effet, les techniques issues de lingnierie concourante ou simultane mettent laccent sur
laspect collaboratif de la coopration en impliquant tous les acteurs qui sont intresss par le
produit (commerciaux, fabrication, recyclage ...). Ceux-ci collaborent la dfinition du
produit et au suivi de celui-ci tout au long de son cycle de vie.

La perspective langage-action 33

bureau dtude fabrication commercial recyclage

figure 21 : un exemple d'une collaboration autour d'un produit

Si plusieurs acteurs collaborent en vue de prendre des dcisions, on parle plutt de
codcision. Dans ce cas, plusieurs individus prennent une ou plusieurs dcisions communes.
Une lection est un exemple typique de codcision (voir la figure 22). Cest le rsultat
du vote (la dcision prise) qui importe le plus.

figure 22 : un vote, un exemple de codcision

Dcrire une collaboration renseigne assez peu sur les contraintes qui couplent les
actions individuelles (coordination) ou sur les aspects relatifs leur rgulation (ngociation).
Pourtant, plus la description dune collaboration sera fine, plus les mcanismes de
coordination et de rgulation devront tre dtaills.

Dans ce mmoire, nous proposerons une aide la coopration et nous tudierons, plus
particulirement, les processus de coordination et de ngociation dans le domaine de la
gestion du temps et des ressources.

II.2. La perspective langage-action

La perspective langage-action considre que le langage est la premire dimension de
lactivit cooprative. Dans son ouvrage sur Lnonciation Jean Cervoni ([Cervoni 87])

rsume ainsi les propos de H.P Grice Le bon fonctionnement de la communication exige que
soit respect un principe de coopration : ainsi les participants dun change verbal, en rgle
gnrale, reconnaissent un but commun, ou un ensemble de buts, ou du moins une direction
accepte par tous . Nous nous intressons cette dimension car la coopration que nous
nous proposons de favoriser entre dcideurs, travers la mise disposition doutils formels,
doit tenir compte des rgles de coopration admises pour la communication en langage
naturel.
Cette section sappuie sur [Moeschler et al. 97], [Winograd et al. 87], [Winograd 88],
[schael 97], [Ferber 95].

II.2.1. Cadre thorique

En linguistique, on distingue gnralement trois grands domaines dtude de la
langue : la syntaxe, la smantique et la pragmatique.
Dans le domaine de la syntaxe, on sintresse la structure des formes crites (ou
orales) du langage. Les rgles syntaxiques ( lcrit il sagit par exemple des rgles de
grammaire) dcrivent comment les lments de base (lettres, mots) peuvent tres
modifis et combins afin de former des structures complexes formellement
acceptables.
La smantique porte sur ltude des relations entre les structures de langage et un
espace de significations potentielles. Elle comprend la dfinition des traits de sens
attachs aux lments individuels (mots) et le sens produit en les combinant (phrases).
La pragmatique sintresse lutilisation du langage. Sa fonction premire sattache
dfinir le rle du langage dans lvocation et linterprtation des actions.

La perspective langage-action sattache essentiellement la pragmatique, c'est--dire,
ce que les gens font avec le langage et non la forme de celui-ci.

II.2.1.1 La thorie des actes de langage

La thorie des actes de langage se fonde sur une opposition lillusion
descriptive qui veut que le langage ait pour fonction premire de dcrire la ralit et que les
noncs affirmatifs soient toujours vrais ou faux. Selon la thorie des actes de langage, au
contraire, la fonction du langage est tout autant dagir sur la ralit et de permettre celui qui
produit lnonc daccomplir, ce faisant, une action. Dans cette optique, les noncs ne sont ni
vrais ni faux (tir de [Moeschler et al. 97]).

Pour J. L. Austin (dans son ouvrage de 1962 intitul How to do things with words ,
et rfrenc dans [Winograd et al 87], [Winograd 88], [Schael 97], [Ferber 95]), on peut
distinguer trois types dactes de langage :
les actes locutoires que lon accomplit ds lors que lon dit quelque chose et
indpendamment du sens que lon communique. Par exemple, le simple fait dnoncer
la phrase je te promets que je temmnerais au cinma demain matin , mme en
labsence dun destinataire suffit laccomplissement dun acte locutoire.
les actes illocutoires que lon accomplit en disant quelque chose et cause de la
signification de ce que lon dit. En nonant la phrase de lexemple prcdent devant

un interlocuteur capable de la comprendre, lmetteur accomplit un acte illocutoire de
promesse.
les actes perlocutoires que lon accomplit par le fait davoir dit quelque chose et qui
rvlent des consquences de ce que lon a dit. Si la comprhension par le destinataire
de la phrase de lexemple prcdent change ses croyances, lmetteur a accompli un
acte perlocutoire. Par exemple, linterlocuteur peut tre persuad de la bienveillance
de lmetteur.

Searle a identifi 5 catgories dactes de langage :
les reprsentatifs (assertion, affirmation, etc.) ;
les directifs (ordre, demande, conseil, etc.) ;
les promissifs (promesse, offre, invitation) ;
les expressifs (flicitation, remerciement, etc.) ;
les dclaratifs (dclaration de guerre, nomination, baptme, etc.).

Par exemple, la conversation suivante entre le magasinier et le chef projet permet
didentifier les 5 actes de langage.
<le magasinier> : il manque deux composants (reprsentatif )
<le chef projet> : commandez-en ; il me les faut pour demain (directif)
<le magasinier> : ok, je tlphone ds ce matin (promissif)
<le chef projet> : je dclare le problme rsolu (dclaratif)
<le magasinier> : dsol de ce contre-temps (expressif)

Cependant, Sperber et Wilson objectent que cette classification nest pas toujours
possible ni ncessaire (tir de [Moeschler et al. 97]). Par exemple, on ne sait pas si la phrase
il pleuvra demain correspond un acte de promesse, de prdiction ou de menace. Les
auteurs rduisent les classes dactes de langages trois classes, savoir :
les actes de dire que qui correspondent grossirement aux dclarations, aux assertions,
aux promesses, aux prdictions, etc.
les actes de dire de qui correspondent grossirement aux ordres, conseils, etc.
les actes de demander si qui correspondent aux phrases interrogatives.

Un outil daide la dcision peut intgrer ces classifications des actes de langage pour
proposer plusieurs types de messages prdfinis. Afin dliminer, ou au moins de rduire, les
difficults dinterprtation de certains actes de langage, les messages devront prciser
explicitement le performatif (jordonne, je promets, je dis, je demande, etc.). Afin doptimiser
la coopration et de diminuer les risques dambigut, le message peut contenir lintention de
lacte de langage.

II.2.1.2 Les conversations

Les actes de langage entre deux personnes sont des vnements lis ; ils constituent des
conversations. [Winograd et al 87] propose 4 types de conversations :
la conversation pour action, dans laquelle deux personnes ngocient une action
quune des personnes effectuera pour lautre.
la conversation pour possibilits dans laquelle deux personnes ngocient une
modification du contexte dans lequel elles agissent (afin de gnrer des conversations
pour action).

la conversation pour clarification qui permet de grer ou danticiper les blocages
concernant les interprtations possibles de la condition de satisfaction dune
conversation pour action.
la conversation pour orientation dans laquelle les participants sont prdisposs crer
un contexte partag pouvant servir de base dinterprtation pour les conversations
futures.

L'activit habituelle d'un dcideur est de prendre des dcisions et de les communiquer
(par des conversations pour action) mais aussi de prparer des dcisions (avec des
conversations pour possibilits). Les conversations portent peu souvent sur un changement du
cadre d'interprtation. C'est pourquoi nous ne dtaillerons que les conversations pour action et
pour possibilits.

1) Les conversations pour action

Une conversation pour action est utilise par deux personnes pour ngocier une action
que lun effectuera pour lautre. Cette conversation est constitue de demandes et
dengagements.

2 3
6
1 4
5
7
9
8
AB:demander
faire(B,Action)
BA:promettre
faire(B,Action)
BA:informer
fait(B,Action)
AB:dclarer
satisfait(Action)
AB:dclarer
pas_satisfait(Action)
B
A
:
c
o
n
t
r
e
-
p
r
o
p
o
s
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)
A
B
:
a
c
c
e
p
t
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)
A
B
:
c
o
n
t
r
e
-
p
r
o
p
o
s
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)
A
B
:
r
e
t
i
r
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)
B
A
:
r
e
j
e
t
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)
AB:rejeter
faire(B,Action)
BA:retirer
faire(B,Action)
A
B
:
r
e
t
i
r
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)
A
B
:
r
e
t
i
r
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)
B
A
:
r
e
j
e
t
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)

figure 23 : la conversation pour action (adapte de [Winograd et Flores 1986])

La figure 23 illustre lvolution dune conversation pour action sous la forme dun
graphe dtat. Ce graphe montre le cas dune conversation initie par une demande de A vers
B. Cette conversation commence par une demande mais il existe un rseau similaire o la
conversation commence par une offre. La demande est interprte par chaque parti (A et B)
comme ayant certaines conditions de satisfaction, qui caractrise le futur cours des actions de
B. Chaque cercle reprsente un tat de la conversation. Les arcs sont des actes de langage que
les participants A et B peuvent faire.
Aprs la premire demande (tat 2), B peut accepter (et sengager satisfaire les
conditions), annuler la requte ou mettre une contre-proposition. la suite dune contre-

proposition de B (tat 6), A peut son tour mettre une contre-proposition (et retourner
ltat 2), rejeter la contre-proposition ou accepter cette contre-proposition. Une fois que B
sest engag (tat 3), B excute laction et signale si laction est ralise ou pas. Alors, A
dclare sa satisfaction. Ltat 5 correspond une fin idale tandis que ltat 8 correspond un
tat refus, ltat 7 un tat supprim et ltat 9 un tat non satisfait.
Dautres possibilits ne sont pas illustres sur ce schma, notamment celles constitues
dchanges portant sur la lgitimit de laction (vous devez faire a !). Certaines
conversations peuvent contenir plusieurs actes de langage implicites. Par exemple, dpass un
certain dlai aprs avoir inform A que le travail est termin, B peut considrer que A est
satisfait (par dfaut).

2) Les conversations pour possibilit

[Agostini et al 94] dtaille les conversations pour possibilit. Celles-ci permettent
deux personnes dexplorer un droulement possible des actions et crent un contexte
favorable ces dernires. Ce type de conversation, favorable lanticipation des prochaines
conversations, permet galement de solliciter des suggestions dautres personnes en vue de
dfinir un consensus sur le sujet. Les principales tapes dune conversation pour possibilit
sont louverture, la continuation et la clture.
Le diagramme de changements dtat de la figure 24 montre une conversation pour
possibilit. A propose un sujet. B continue en proposant son point de vue. Ensuite, A peut
nouveau proposer un nouveau point de vue. Ainsi de suite jusqu que lun des protagonistes
soit daccord avec lautre (tat 4) ou quun refus survienne (tat 5) ou que la proposition soit
supprime (tat 6).

1 2
3
4
5
6
AB:proposer
faire(B,Action)
BA:accepter
faire(B,Action)
B
A
:re
fu
ser fa
ire(B
,A
ctio
n
)
A
B
:
r
e
t
i
r
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)
A
B
:
a
c
c
e
p
t
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)
A
B
:r
e
f
u
s
e
r

f
a
ir
e
(
B
,A
c
tio
n
)
BA:retirer
faire(B,Action)
A
B
:
c
o
n
t
r
e
_
p
r
o
p
o
s
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)
B
A
:
c
o
n
t
r
e
_
p
r
o
p
o
s
e
r

f
a
i
r
e
(
B
,
A
c
t
i
o
n
)

figure 24 : conversation pour possibilit
II.2.2. Usage de la perspective langage-action

Dans The Coordinator , un logiciel daide la conversation, [Winograd 87] met en
application la perspective langage-action. Le logiciel guide lutilisateur en lui proposant
dengager diffrents types de conversations et, lorsque celui-ci reoit un message dune autre
personne, est capable de retrouver la conversation dorigine et lui propose diffrents types de
rponses prdfinies. Ce logiciel suit les conversations en cours et rcapitule les engagements
pris par lutilisateur mais, en aucun cas, il interprte les engagements ou le contenu des
messages. Lunit de base des communications nest pas le message mais la conversation. Le

logiciel demande galement lutilisateur de fournir trois dates optionnelles pour chaque
conversation : une date de rponse, une date laquelle le travail doit tre fait et une date
dalerte. Ces dates permettent galement au logiciel de dclencher une alarme ou de conclure
une conversation par message implicite.

[Agostini 94] dcrit UTUCS (User-To-User Communication Support) un logiciel bas
sur la perspective langage-action. Ce logiciel aide un utilisateur grer des conversations
transitant par diffrents mdiums (messagerie lectronique, conversations de groupe,
conversations face--face, tlphone). Comme pour The Coordinator , lunit de base des
communications est la conversation. Les conversations sont divises en quatre catgories : les
engagements faire (pour excuter une action), les engagements qui doivent tre (pour
modifier la distribution des rles), la fourniture dinformation (donne ou demande), le
maniement dinformation. On a accs deux dates : la date de la conversation et la date de fin
au plus tard. Le logiciel permet galement de suivre les minutes dune conversation, dune
runion, etc.

La thorie des actes de langage offre un cadre et un modle pour les conversations
entre individus. On peut, grce cette modlisation, envisager un support automatis ou
partiellement automatis pour certaines conversations notamment les conversations pour
action et les conversations pour possibilit. Par contre, cette approche ne permet pas de
modliser toutes les interactions et surtout leurs effets. En effet, il peut exister des interactions
sans actes de langage (comme la transmission dun document). De plus, on peut essayer de
modliser la raction de chaque intervenant dans la conversation en analysant le contenu du
message (ce que ne font pas les deux logiciels prsents).

II.3. Les flux de travail ou workflow

Les flux de travail ou workflow permettent de dfinir des processus prdfinis de
coopration et/ou de coordination dun groupe de personnes. Les problmes de coopration et
de coordination tant en grande partie rsolus lavance, les personnes peuvent consacrer
plus de temps aux tches individuelles et suivre les procdures pour les tches collectives.
Aprs une prsentation des flux de travail, nous prsenterons deux modlisations de la
coopration au sein des flux de travail.

II.3.1. Dfinitions

Lobjectif de ltude des flux de travail (ou workflow en anglais) est daugmenter
lefficacit dun groupe de personnes travaillant ensemble dans un but commun (et donc ces
personnes cooprent). Les applications workflow automatisent la gestion des flux
dinformation et de matriel suivant les spcifications dun processus donn. Les tches de
traitement de linformation passent dune personne une autre selon un circuit conditionnel
bien dfini.
Naffa donne cette dfinition du workflow (lue dans [Nurcan 96]) : travail coopratif
impliquant un nombre limit de personnes devant accomplir, en un temps limit, des tches
articules autour dune procdure dfinie et ayant un objectif global . Dans le cas du
workflow, plusieurs personnes sont impliques pour atteindre lobjectif global mais des
tapes diffrentes du droulement du travail et cela individuellement partir du moment o la
Les flux de travail ou workflow 39

personne prend la tche. La tche tant ainsi assimile lobjet (en gnral un document)
qui matrialise son effet, il est possible de dterminer facilement ltat davancement dun
ensemble de tches en localisant les objets dans le workflow. Ladoption dune reprsentation
commune du travail et son partage en libre accs permettent par exemple, au gestionnaire de
localiser rapidement les entits actuellement en charge dune tche, une entit donne
dvaluer la charge de travail qui va lui parvenir prochainement

Les workflows sont particulirement adapts pour modliser les flux de documents
administratifs. La figure 25 montre un exemple de workflow. Dans une entreprise, le
commercial transmet les commandes des clients au service de production. Celui-ci fabrique
un produit et transmet une fiche de suivi au service financier. Celui-ci met une facture quil
transmet au client. Une fois le produit livr, le service de livraison transmet le bordereau de
livraison au service financier. Cette reprsentation montre bien les transmissions de
documents mais peut cacher des mcanismes de coopration. Par exemple, avant de
transmettre une fiche de commande, le commercial peut sassurer (et ngocier) auprs du
service de la faisabilit du produit.

commercial commande production
fiche de suivi
livraison
facturation
bordereau de
livraison

figure 25 : un exemple de workflow, le traitement dune commande

Les possibilits offertes par les outils de workflow sont de trois ordres : un guidage
rigoureux des procdures, un contrle du flux de travail, un maximum dautomatisation. Ceci
a pour consquence des performances accrues (amlioration de la productivit, de la
ractivit, des dlais de production et de la qualit des biens et des services).

La mise en place doutils workflow concide souvent avec une rorganisation de
lentreprise. Cette rorganisation horizontale met laccent sur les processus correspondant
des quipes de projets. La dmarche de re-conception du travail autour dun ensemble fini et
simplifi de processus sappelle Business Process Reenginering (BPR). Les outils de
workflow rpondent technologiquement cette rorganisation.


II.3.2. Modlisation de la coopration

Afin de modliser la coopration au sein dun workflow (et donc la coordination au
regard des dfinitions du workflow), deux courants se distinguent ([Nurcan 96]) : les modles
issus des rseaux de Petri et les modles issus de la perspective langage-action. Ces deux
types dapproches ont certaines caractristiques communes : une approche top-down (on
procde par affinements successifs) et la mme finalit (diviser un processus en un nombre
fini dtapes et en dcrire lenchanement). Le modle issu de la perspective langage-action
propose une approche client-fournisseur qui nexiste pas dans lautre approche. Les
responsabilits et les relations entre intervenants sont clairement identifies. Par contre, le
modle issu des rseaux de Petri bnficie doutils puissants pour vrifier que le workflow ne
comporte pas de sources de blocage.

II.3.2.1 La modlisation issue de la perspective langage-
action
Pouvez-vous
faire cela ?
Oui, je vais le
faire
Conditions de
satisfaction
Cest fait OK merci
1
client
demande daction
(phase requte)
4
client
accepte linformation et
dclare sa satisfaction
(phase dvaluation)
2
fournisseur
accepte de le faire
(phase dengagement)
3
fournisseur
effectue le travail et
informe quil est fait
(phase de performance)

figure 26 : le modle de workflow primaire dcrivant les relations
clients/fournisseur dans la perspective langage-action

Lapplication de la perspective langage-action permet de crer deux types de
workflow (voir [Schael 97]) : le workflow daction et le workflow de dclaration. Le
workflow daction se dcompose en 4 phases (voir figure 26) : une phase de requte
(prparation), une phase dengagement (ngociation), une phase de performance (excution)
et une phase dvaluation (acceptation). Le workflow de dclaration (voir figure 27), issu des
conversations pour possibilits, est moins structur et peut-tre vu comme constitu dtapes
de communication rcurrentes entre les participants, qui se termine gnralement par une
dclaration finale commune.
1
linitiateur
ouvre la
discussion
2
le partenaire
continue la
discussion
Sujet de discussion

figure 27 : le workflow de dclaration dclench par l'initiateur vers un
partenaire

[Schael 97] modlise ainsi les flux de conversations dans les diffrentes procdures.
On peut dcomposer chaque workflow par dautres workflows. Ainsi, un exemple de
reprsentation de conversation est montr sur la figure 28. Il sagit de la dfinition dun
workflow de runion. Il se dcompose en quatre parties : dfinition de lobjet de la runion,
prise de rendez-vous, runion et compte-rendu.

RUNION
Organisation dune
runion
rgulateur
participant
Accord pour
participation
B : convocation
des participants
rgulateur
convocation
Accord pour rpondre
participant
Rponse participation
Prise en compte
D : question /
rponse
Prpare une question Veut rpondre
Participant
(n-1)
Participant (1)
rponse
Prise en compte de
la rponse
C : conversation /
dbat
rgulateur
Annonce de
lintrt
participant
Proposition de
solution / rsolution
Prise en compte
Demande
dvaluation
E : valuation de la
runion
Prise en compte de
la rponse
Accord pour
valuer
Avis sur la
runion
participant
rgulateur
Demande de
sujet
accord
Sujet propos
Acceptation
rgulateur participant
A : constitution de
lordre du jour

figure 28 : un exemple de reprsentation de conversation (tir de [Schael 97])

Cette approche permet de modliser les processus de faon claire et prcise en mettant
laccent sur les relations clients-fournisseurs.

II.3.2.2 La modlisation par rseau de Petri et par rseau de
contrle dinformation

ICN (Information Control Nets ou rseau de contrle dinformation) est un formalisme
mathmatique permettant de modliser graphiquement une procdure ([Straub et al 96] et
[Kim et al 98]). Les ICN permettent de reprsenter les activits, les procdures, les acteurs et
le contrle des activits.


prise de la
commande
(commercial 1)
production
(site 1)
production
(site 2)
livraison
facturation
o
i
fin
Lgende :
activit connecteur et
connecteur ou

figure 29 : un exemple de workflow par ICN (reprise de lexemple de la figure 25)

Un exemple de processus ICN est montr sur la figure 29. Il reprend et complte
lexemple prsent sur la figure 25. Aprs avoir pris la commande, le produit est fabriqu sur
un des sites de production (connecteur ou). Puis, le produit est livr. En mme temps
(connecteur et), une facture est adresse au client. Une fois le produit livr et la facture rgle,
le processus est fini.
ICN Rseau de Petri
A
Dbut A
Fin A

figure 30 : la table de correspondance entre les composants ICN et les
composants rseau de Petri
On peut reprsenter les processus par des rseaux de Petri. Dailleurs, le passage de
rseau ICN un rseau de Petri se fait simplement : [Straub et al 96] propose une table de
traduction des composants ICN en composants de rseau de Petri (voir figure 30). La
modlisation par rseau de Petri permet de vrifier certaines proprits du processus
modlis. En effet, les rseaux de Petri permettent de dtecter
les blocages : le jeton narrive jamais au nud de sortie.
les activits inutiles : leurs sorties ne sont utiles pour personne.
les tats surchargs : ltat (le marquage) final a un jeton dans le nud de sortie et
un jeton dans un nud intrieur.
les rponses multiples : on peut avoir plusieurs jetons dans le nud de sortie.

Les rseaux de Petri

Les rseaux de Petri classiques sont des graphes avec deux types de nuds appels
places et transitions. Les nuds sont connects par des arcs orients. Les connexions entre
deux arcs de mme type ne sont pas autorises. Les places sont reprsentes par des cercles et
les transitions par des rectangles (voir la figure 31 pour un exemple de rseau de Petri). tout
instant, une place contient zro, un ou plusieurs jetons reprsents par des ronds noirs. Ltat
du rseau, appel aussi marquage, est constitu par la distribution des jetons travers les
places. Les transitions sont les composants actifs du rseau : elles changent ltat du rseau en
accord avec les rgles de tirage. Tout dabord, une transition est franchissable si toutes les
places avant la transition t contiennent au moins un jeton. Ensuite, quand cette transition est
tire, la transition consomme un jeton de chaque place prcdent la transition et produit un
jeton dans chaque place suivant la transition.
transitions
franchissables
transition franchissable

figure 31 : tous les tats (marquages) d'un rseau de Petri
En plus de cette reprsentation graphique, il existe un formalisme mathmatique (non
prsent ici) qui permet de dfinir et de dmontrer certaines proprits des rseaux de Petri.
Ainsi :
- un rseau de Petri est dit vivant si et seulement si, pour chaque marquage que lon
peut atteindre M et pour chaque transition t, il existe un autre marquage M atteignable depuis
M qui rend t franchissable. Cette proprit est intressante car elle sassure quil ny aura pas
de blocage dans le rseau et que chaque transition est franchissable depuis nimporte quel
marquage.
- un rseau de Petri est dit born si et seulement si pour chaque marquage, toutes les
places ont un nombre de jetons born.
Le rseau de la figure 31 est vivant et born. Il est vivant car depuis nimporte quel
marquage on peut aller dans un autre marquage qui rend nimporte quelle transition
franchissable. Il est born car chaque place peut contenir un jeton au plus.

La vrification des bonnes proprits se fait, par exemple, en prouvant que le rseau de
Petri (auquel on a ajout une transition qui va du nud de fin au nud de dbut) est vivant et
born. La transformation en rseau de Petri de lexemple donn prcdemment (figure 29)
donne le rseau de la figure 32. On peut rapidement montrer que ce rseau auquel on a ajout
une transition qui va de o vers i (la transition en pointill) est vivant et born : toute
transition peut tre tire depuis nimporte quel marquage accessible et il y a au plus un jeton
par place.
i
o
prise de
commande
production 1
production 2
livraison
facturation

figure 32 : rseau de Petri correspondant au rseau ICN de la figure 29

Les rseaux de contrle dinformation et les rseaux de Petri permettent de reprsenter
graphiquement les processus et de vrifier leur validit laide doutils mathmatiques.

Les workflows permettent de reprsenter et de modliser les processus de travail et les
flux d'information. Cette modlisation formelle permet d'assurer la cohrence des actions
individuelles en leur permettant de mieux se situer dans l'action collective et de vrifier que
les processus ne provoquent pas de blocage et des actions inutiles. Cette modlisation peut
tre alors implante sur un logiciel adquat et aider les diffrents acteurs reprsenter ltat
dun processus (sources de blocages) et le grer (passage de documents, dinformation,
etc.). Par contre, les workflows ne font pas dhypothses sur le comportement attendu de
chaque entit (il doit faire le travail) ni sur les effets des dcisions sur une entit. Les flux de
travail montrent rarement les processus de ngociation qui sont parfois ncessaires.

II.4. La coopration dans lapproche multi-agent
Les systmes multi-agents sintressent lintelligence mergeant dun systme
artificiel dfini comme une socit dagents coopratifs. Les techniques dveloppes pour les
systmes multi-agents permettent de mettre en uvre les concepts dvelopps par la
perspective langage-action et les workflows pour la ralisation doutils daide la dcision et
la coopration. Lapproche multi-agents sintresse notamment la reprsentation des
connaissances, la mise en place de protocoles de communication et la construction de
plans daction.

II.4.1. Dfinitions

Lintelligence artificielle distribue (IAD) sintresse aux mthodes qui permettent
des interactions cohrentes dans des systmes informatiques distribus. Dans cette discipline,
La coopration dans lapproche multi-agent 45

on peut distinguer la rsolution distribue de problmes, dans laquelle le systme distribu
a t conu par un seul homme (ou une quipe), des systmes multi-agents (SMA), dans
laquelle le systme distribu est compos dagents conus indpendamment.
Pour la rsolution distribue de problmes, le systme doit effectuer certaines tches
globales et il existe un but, la conception, qui influence les prfrences de tous les agents du
systme.
Les systmes muti-agents visent reprsenter une socit dindividus ou dagents. Il
nexiste pas, la conception, de but global qui influence les prfrences des agents. Les
prfrences des agents proviennent des diffrents concepteurs dagents. Chaque agent a ses
propres buts et sintresse sa propre survie.

Voici les dfinitions que donne [Ferber 95] des agents et des systmes multi-agents.

Dfinition : on appelle agent une entit physique ou virtuelle
qui est capable dagir dans un environnement,
qui peut communiquer directement avec dautres agents,
qui est mue par un ensemble de tendances (sous la forme dobjectifs individuels ou
dune fonction de satisfaction, voire de survie, quelle cherche optimiser),
qui possde des ressources propres,
qui est capable de percevoir (mais de faon limite) son environnement,
qui ne dispose que dune reprsentation partielle de cet environnement [...],
qui possde des comptences et qui offre des services,
qui peut ventuellement se reproduire,
dont le comportement tend satisfaire ces objectifs, en tenant compte des ressources
et des comptences dont elle dispose, et en fonction de sa perception, de ces reprsentations
et des communications quelle reoit.

De cette dfinition, on peut retenir que les agents disposent dune certaine autonomie.
En dautres termes, ils ne sont pas dirigs par lutilisateur ou par dautres agents, mais par des
tendances. Il est capable daccepter ou de refuser les requtes provenant dautres agents. Dans
certains cas, il est mme prvu que lagent change ses buts. Il dispose donc dune certaine
libert de manuvre. Il est aussi capable de percevoir et dagir sur son environnement. Il ne
fait pas que raisonner.

Dfinition : on appelle systme multi-agents un systme compos des lments
suivants :
un environnement E, cest dire un espace disposant gnralement dune mtrique.
un ensemble dobjet O. [...] Ces objets sont passifs, cest dire quils peuvent tre
perus, crs, dtruits et modifis par les agents.
un ensemble A dagents, qui sont des objets particuliers (AO) , lesquels reprsentent
les entits actives du systme.
un ensemble de relations R qui unissent ces objets entre eux.
un ensemble doprations Op permettant aux agents de A de percevoir, produire,
consommer, transformer et manipuler des objets de O.
des oprateurs chargs de reprsenter lapplication de ces oprations et la raction
du monde cette tentative de modification, que lon appellera lois de lunivers.

[Ferber 95] signale le cas particulier o A=O et E=. Dans ce cas l, les relations R
dfinissent un rseau : chaque agent est directement li dautres agents, ses accointances.

Ces systmes sont appels systmes multi-agents purement communicants. Les interactions
sont essentiellement des communications intentionnelles.

Les systmes multi-agents sont utiliss dans de nombreux domaines comme la
rsolution de problmes distribus, la simulation multi-agent, la construction de mondes
hypothtiques, la robotique distribue (des robots autonomes), les interfaces utilisateurs ... Les
domaines dintrts de ces domaines dapplication peuvent tre la conception de protocoles
ayant certaines proprits, la reprsentation des connaissances et la construction de plans
dactions, lapprentissage. Nous allons plus particulirement nous intresser aux protocoles
qui rgissent les communications entre agents.

II.4.2. Les protocoles de communication entre agents

Les concepteurs de systmes multi-agents doivent fixer des protocoles de
communication entre agents. Selon les systmes, les protocoles peuvent tre fixs pour
toujours (la plupart du temps) ou changs au cours de la vie des agents

II.4.2.1 Les catgories de communication

Plusieurs formes de communication entre agents peuvent tre mises en oeuvre et
dpendent fortement du milieu dans lequel les agents vont voluer. Elles varient suivant la
nature du mdium ou la nature de la liaison metteur-destinataire. Pour plus de dtails
sur ce paragraphe, on pourra se reporter au chapitre 6 de [Ferber 95].

Lorsque le destinataire est connu de lmetteur, ce dernier peut lui adresser des
messages en particulier et ainsi instaurer une communication individuelle, appele aussi
communication selon un mode point point.
Si le destinataire nest pas connu de lmetteur ou sil veut faire une annonce publique,
le message est envoy tout un ensemble dagents selon un mode appel diffusion
(broadcasting en anglais). La liste de diffusion est tablie selon une relation de voisinage
(proximit dans lenvironnement, connexit dans le rseau, etc.) ou selon les capacits de ces
agents. Ce type de communication est trs utilis dans les systmes dynamiques o des agents
apparaissent et disparaissent.

La nature du canal de communication joue un rle important dans la communication.
On peut distinguer trois sortes dacheminement de message.
Lacheminement direct est le mode le plus simple : un message envoy par lmetteur
est directement transport au destinataire par le canal de communication. Les autres
agents ne peuvent pas recevoir ce message. Il sagit, par exemple, du courrier
lectronique.
Lacheminement par propagation dun signal : un agent met un signal qui se diffuse
dans lenvironnement et dont lintensit dcrot en fonction de la distance. Ce type de
communication est notamment employ en robotique o les robots peuvent envoyer
des signaux par ondes radio.
Lacheminement par voie daffiche : un agent qui dsire communiquer place son
message sur un espace commun appel tableau daffichage, tableau noir et est visible
de tous les agents (ou seulement dune classe particulire). Ce mcanisme

dacheminement combine la fois les caractristiques de lacheminement direct et de
lacheminement par propagation. On peut voir, dune certaine faon, les bases de
donnes ou de documents (comme Lotus Notes) comme des systmes fonctionnant
par voie daffiche.
II.4.2.2 Les messages et les conversations

Les agents schangent des messages et ceux-ci forment des conversations. Les
messages sont construits, la plupart du temps, selon un schma issu de la thorie des actes de
langage. Les conversations sont, le plus souvent, dcrites par des automates tats finis ou
par des rseaux de Petri. Les conversations sont issues des schmas de la perspective langage-
action.

LAgent A envoi cette demande lagent B
( evaluate
:language KIF
:ontology motors
:reply-with q1
:content (val (torque motor1) (sim-time 5)))
et lagent B rpond par :
(reply
:language KIF
:ontology motors
:in reply-to q1
:content (scalar 12 kgf))

figure 33 : l'agent A envoie une simple demande B qui renvoi une rponse

Pour llaboration de messages, il existe un langage de communication entre agents
(agent communication language ou ACL en anglais) standard . KQML ( Knowledge
Query and Manipulation Language ) a t dvelopp par le DARPA aux tats-Unis. Chaque
message est aussi appel performatif. Un grand nombre de performatifs a t dfini dans cette
norme : demander, annoncer, excuter, insrer, effacer, retirer, informer, etc. Les messages
sont crits en texte selon une syntaxe proche du LISP (voir un exemple sur la figure 33) et
contiennent un certain nombre de paramtres comme lexpditeur, le ou les destinataires, le
contenu, etc. Ce langage laisse au concepteur dun agent le choix dimplmenter tout ou partie
des performatifs et mme lautorise en ajouter. De plus, ce langage ne fait pas dhypothses
sur le contenu des messages. Enfin, ce langage donne des indications pour construire des
conversations : certaines squences de messages tant autorises (prvues). Ce langage reste
gnral et nest pas contraignant.

Cependant, ce langage montre quelques lacunes comme la soulign
[Cohen et al 1995] : ambigut et imprcision (la signification des performatifs est donne
brivement en langage naturel ce qui les rend vagues et confus), performatifs inutiles et
incohrents (certains performatifs ne sont pas des actes de langage), performatifs manquants
(comme les promissifs c'est--dire que les engagements ne sont pas prvus).

Les conversations (c'est--dire la squence des messages entre agents) sont
reprsentes habituellement par des automates tats finis (on pourra se rfrer la figure 23

et la figure 24) ou par des rseaux de Petri. La figure 34 montre un rseau de Petri
correspondant une conversation pour action. Chaque agent est dcrit par un sous-rseau de
Petri, dont les places correspondent aux tats internes de lagent. Les transitions
correspondent soit des synchronisations dues la rception de messages soit des
conditions dapplication des actions. Les messages en cours dacheminement sont reprsents
par des places supplmentaires qui raccordent les agents A et B de manire ne plus former
quun seul rseau. Lintrt des rseaux de Petri est de pouvoir reprsenter la fois les
changes entre agents, les tats internes des deux agents et leur comportement.

DB
BR
DemanderFaire(P)
RefuserFaire(P)
AccepterDemande(P)
EchecFaire(P)
NotificationFin(P)
B ne veut pas faire P
B veut bien faire P
ImpossibleFaire
Achev(P)
FB
satisfaction
chec
Agent A Agent B
AR1
DA
AR2
DA
DA
A veut que P soit fait
A ne peut pas faire P

figure 34 : modlisation d'une conversation par rseau de Petri

II.4.3. Quelques approches dans les systmes multi-agents
II.4.3.1 Approches gnrales

Pour savoir quoi, quand communiquer, et selon quelle stratgie, la plupart des
concepteurs se basent sur une modlisation de lagent, en particulier ils se basent sur une
modlisation du raisonnement des agents. Nous allons voir trs rapidement quelques
approches. Pour une description plus dtaille ou une bibliographie plus importante, on pourra
voir [Ferber 95] ou [Kraus et al. 95] et mme [Bond et al. 92] pour une bibliographie non
commente.

[Smith 1980] a dvelopp un modle de distribution de tches et des problmes appel
rseau contractuel (contract net). Il sagit dun systme opportuniste dallocation de tches
fond sur un protocole dappel doffre. Si un agent ne peut pas faire une tche, il met un
appel doffre sur le rseau, les rcepteurs valuent lappel et rpondent en faisant une offre.
Au bout dun certain temps (ou quand tous les agents ont rpondu), linitiateur retient la

meilleure offre. Cette approche offre un mcanisme dallocation de tches relativement
simple mettre en uvre. Il permet aux agents de ne pas connatre toutes leurs accointances
et, puisque les agents destinataires valuent lappel doffre, on peut avoir des agents
htrognes sur le rseau. Par contre, il fait lhypothse que les diffrents agents sont
totalement coopratifs.

[Rosenschein et al 94] et [Zlotkin 96] analysent les systmes multi-agents au travers
de la thorie des jeux. Ainsi, ils dfinissent une stratgie de conversation pour que les deux
agents tirent un bnfice et que les ngociations aient certaines proprits : efficacit, stabilit,
simplicit, distribution (pas dagent rglant les conflits), symtrie. Pour cela, ils font un
certain nombre dhypothses : les agents cherchent maximiser une fonction dutilit, les
ngociations sont isoles (on ne sengage pas pour une future ngociation et on ne se souvient
pas des prcdentes), les agents peuvent transformer leur fonction dutilit en une fonction
commune tous les agents, les agents ont les mmes capacits (ils sont identiques), etc. Ils
arrivent donner des conditions pour que les stratgies de ngociations garantissent les
proprits recherches. Ils donnent dailleurs quelques exemples de stratgies. Le principe de
ces stratgies est un fonctionnement par offres alternatives pour explorer lespace des
solutions prfrables jusqu arriver un quilibre . Cette approche peut facilement tre
utilise en robotique (si tous les robots sont identiques), pour rsoudre des problmes de
transport (des camions doivent livrer des containeurs), etc. [Kraus et al 95] et [Kraus 91]
adaptent cette thorie pour viter que les agents passent trop de temps ngocier. Dans le cas
o les agents nont pas les mmes capacits, o les agents ont tout intrt relier les
ngociations entre elles ou bien ne peuvent pas facilement tablir une fonction dutilit
commune (voire individuelle), cette approche est trs difficilement applicable.

Une autre tendance vise modliser les agents grce une logique modale. Il sagit
essentiellement de modliser un agent, quil travaille collectivement ou pas. Ces approches se
basent sur des oprateurs modaux pour reprsenter des croyances, des intentions ou/et des
buts.
[Cohen et al 1990] et [Cohen et al. 1995] ont dfini une logique de laction
rationnelle. Dans cette approche, les modalits de base sont la croyance (BELief), le but
(GOAL), lvnement qui va arriver ensuite (HAPPENS) et lvnement qui vient de se
produire (DONE). Ces modalits de base combines des axiomes et un modle permettent
de spcifier comment lagent sest engag sur ces buts (engagement fanatique, engagement
relatif) et formalisent un nombre important de proprits sur lintention. Ceci permet
dnoncer des conditions sous lesquelles un agent peut abandonner un but. Des squences
dvnements peuvent tre reprsentes et permettent de construire des mondes possibles
et de raisonner sur laction. Par contre, [Ferber 1995] signale que, mme si cette thorie est
intressante grce sa formalisation des actes rationnels, elle prsente quelques lacunes,
notamment, une inadquation pour les agents non purement communicants ( les actions sont
considres comme des constructions dvnements et non comme des oprations applicables
dans le monde ) et surtout un moteur dinfrence trs difficile mettre en uvre (il faut faire
toutes les preuves la main ).
[Sadek 94] propose de reprsenter les attitudes mentales primitives de croyance,
incertitude et choix par trois oprateurs modaux K, U et C. Comme prcdemment, des
squences dvnements peuvent tre reprsentes. Cette approche est applique la
coopration entre lhomme et un agent artificiel (qui peut tre plong dans un systme multi-
agent).


Les rseaux de Petri sont utiliss dans les systmes multi-agent pour reprsenter le
comportement des agents ([Chainbi et al 96]). Il sagit des mmes mthodes utilises dans les
approches objet pour modliser leur comportement. Cependant, dans les systmes multi-
agents, on met plus laccent sur la dynamique du systme (cration et destruction dagents),
les communications entre agents (synchrones et asynchrones) et sur lobservation de
lenvironnement. La description du comportement de lagent est souvent couple
lutilisation de la logique classique ([Moldt et al. 97], [Vernadat et al. 99],
[Azema et al. 98]). Ceci permet dutiliser un langage de programmation, dutiliser la
puissance dinfrence de la logique et la reprsentation graphique des rseaux de Petri. De
plus, les rseaux de Petri permettent de dtecter des blocages et des comportements
anormaux.

II.4.3.2 Approches en gestion du temps et des ressources

[Tranvouez et al 99] et [Espinasse et al 97] traitent des potentialits de la Rsolution
Cooprative et Distribue de Problmes pour les problmes de rordonnancement datelier.
Ils cherchent minimiser limpact dun ala en vitant de recalculer entirement
lordonnancement prvisionnel pralablement tabli. Larchitecture gnrale est constitue de
trois niveaux (comme le montre la figure 35). Pour linstant, ltude na port que sur une
cellule de production. C'est--dire que la population dagents est constitue uniquement de
machines qui sont homognes (les dcisions portent sur des tches raliser). Ainsi, deux
machines peuvent schanger des tches. Le protocole utilis est trs inspir du protocole par
rseau contractuel (voir la section II.4.3.1).
Lutilisateur associ chaque M_agent dispose dune place importante puisque
lapproche prend en compte le fait que les agents ne sont pas totalement altruistes ni
coopratifs et prends en compte lautonomie des agents. Des critres dvaluation permettent
lagent logiciel de proposer et dordonner les solutions dordonnancement : il existe une
fonction dvaluation locale et une fonction dvaluation globale, en sappuyant sur des
critres communs comme la performance de la solution (minimisation du retard), sa
complexit ainsi que la rduction de la ractivit des agents. La communication entre agents
passe galement par le respect de rgles sociales : par exemple, si un agent a besoin daide
alors il faut essayer de laider ; si un agent me demande une information que je possde alors
il faut la lui transmettre.
Cette approche est trs intressante car elle sapplique aider et impliquer le
responsable dune machine dans le processus de rordonnancement. De plus, elle fait
apparatre la possibilit de rgulations horizontales (entre agents de mme nature) et verticales
(en faisant intervenir la hirarchie). Cependant, cette tude est, pour linstant, restreinte au
rordonnancement datelier. De plus, elle ntudie pas les structures matricielles (o un agent
peut avoir plusieurs responsables).


S_agent : responsable de production
C_agents : coordinateurs de cellules
M_agents : associs aux machines de
production dune cellule

figure 35 : l'organisation multi-agent pour le rordonnancement d'atelier

[Trentesaux 97], [Trentesaux 98] propose dintgrer loprateur humain pour le
pilotage ractif et distribu de systmes de production. Cette approche met laccent sur les
problmes de coopration homme-machine. Ainsi, pour proposer une aide efficace
lutilisateur, une tude sur ce que pourrait tre une interface graphique et sur lapport de
techniques de rsolution multicritres est fate. Pour la mise en uvre, une architecture multi-
agent est propose (voir la figure 36). Ici, on distingue deux types de coopration : lune
verticale entre loprateur et lagent et lautre horizontale entre agents.
Le rle du superviseur est principalement de dtecter dynamiquement la ressource
goulot en fonction des charges de production et de grer la cohrence globale des dcisions
locales. Une fois, la ressource goulot identifi le superviseur ordonnance les tches qui lui
sont alloues en fonction des objectifs globaux de production. Les tches non planifies
(celles qui disposent dune marge temporelle) sont alloues dynamiquement selon un
protocole de communication. Si une perturbation trop consquente intervient, un agent peut
avertir du besoin de rvaluer les charges et mener ainsi un nouvel ordonnancement. Les
processus dcisionnels sont partags en trois catgories : processus structurs (comme le
choix de la ressource goulot), processus peu structurs (gestion des files dattente du stock
dentre pour les ressources non-goulots), et non structurs (comme le choix de la remise en
cause ou non de lordonnancement prvisionnel). Les processus non structurs sont a priori
les plus complexes dcider et ncessitent lintervention de loprateur tandis que les
processus structurs peuvent tre grs par une mthode algorithmique sans lintervention
humaine. Lexploitation dune approche multi-critre permet dintgrer un ensemble de
contraintes spcifiques la fois au domaine et loprateur.
Cette approche met surtout laccent sur les collaborations entre le superviseur et les
oprateurs mais on se demande quelles peuvent tre les relations entre oprateurs.


Coopration
verticale
oprateur
agent superviseur
oprateur oprateur
agent agent agent
ressource ressource ressource ressource ressource
Coopration
horizontale
Coopration
verticale
oprateur
Niveau
superviseur
Niveau
oprateur
Niveau
agent
Niveau
ressource

figure 36 : architecture des agents dans [Trentesaux 98]

Dans [Vercouter el al 99], l'approche permet de simuler des processus de ngociation
en agronomie. Les agriculteurs modliss par des agents grent leur exploitation. Ceux-ci
doivent ngocier le type d'interventions qu'ils font faire sur leurs parcelles en fonction d'une
contrainte globale de pollution (un cours d'eau avoisinant risque d'tre pollu au nitrate). Le
protocole de ngociation employ utilise des concepts du protocole contract net. En effet, un
agent va envoyer des propositions l'ensemble de ses accointances et attendre des rponses
individuelles. Cependant, la proposition envoye pourra tre modifie par l'agent qui l'a reue.
L'implmentation de cette approche a t faite avec le langage Java. Pour l'instant, cette
approche n'a pas t valide sur le terrain.

Dans [Aknine et al 99], une architecture agent permet de mettre en uvre un
workflow. L'exemple choisi concerne la rdaction de documents techniques en
tlcommunication. L'application consiste organiser les activits des acteurs (dans le temps)
et les contrler. chaque acteur est associ un agent logiciel. L'acteur du systme excute
les tches du processus (rdaction, relecture, etc.). L'agent assiste et reprsente l'acteur dans le
systme. Le protocole de ngociation est proche du protocole contract net. Un agent logiciel
qui assiste un acteur est compos de diffrents agents primitifs comme les agents de dcision,
les agents de perception, les agents d'excution, etc. L'architecture prsente est caractrise
par la rcursivit et axe sur trois aspects (mobilit, rutilisabilit, flexibilit).

II.4.4. Conclusion

Lapproche multi-agent propose des modles dorganisation dune population
dagents. Elle permet galement de spcifier et de mettre en place des protocoles de
communication entre les agents.
Du point de vue de laide la dcision et la coopration en gestion du temps et des
ressources, on peut distinguer deux approches :
les approches qui mettent laccent sur laspect coopratif. Les conversations et
ngociations sont prises en compte au travers des engagements pris entre plusieurs
dcideurs. Ces approches sont appliques dans un cadre gnral et ne prennent pas en
Lapproche par contraintes 53

compte les particularits des problmes que lon souhaite tudier. Il y a sparation
entre les processus de ngociation et les processus de prise de dcision locale. En
particulier, il ny a aucun moyen dvaluation des dcisions ngocies et donc
dapprciation de lautonomie du dcideur.
les approches en gestion du temps et des ressources. Les dcideurs changent des
oprations effectuer. Les dcisions prises sont de mme nature (concernant les
oprations). En considrant que les dcideurs sont totalement coopratifs, un protocole
bas sur le contract net protocol de Davis peut tre appliqu. De plus, il existe un
suprieur hirarchique qui contrle la structure et distribue les tches effectuer.

II.5. Lapproche par contraintes

Lapproche par contraintes, dveloppe dans un cadre pluridisciplinaire, sappuie sur
lanalyse du problme de dcision en termes de contraintes. Cette approche est issue des
travaux de lanalyse sous contraintes (voir chapitre suivant) des problmes dordonnancement
confronts des travaux en sociologie du travail sur lautonomie et la rgulation du travail.
II.5.1. Introduction

Pour prendre des dcisions, un dcideur ne peut pas avoir connaissance de tous les
paramtres pouvant l'influencer. De plus, tous les vnements futurs ne sont pas prvisibles. Il
est donc impossible de prvoir toutes les consquences des dcisions qui seront mises en
uvre. Le dcideur prend donc les dcisions du mieux qu'il peut en fonction du contexte o il
se trouve (cf. rationalit limite au paragraphe I.2.1).
La prise de dcision est donc dlgue, distribue, auprs des personnes comptentes
au plus prs des endroits o peuvent survenir des alas. Ceci permet de prendre des dcisions
en contexte et de ragir plus rapidement aux alas. Cependant, cette distribution entrane un
besoin de coopration pour que l'organisation survive (un des buts de la coopration). Ainsi,
les dcisions d'une entit doivent tre prises en compte (voire mises en uvre) par d'autres.
Un dcideur est doublement contraint : il doit prendre en compte les dcisions d'autres entits
et il doit faire en sorte que ses dcisions puissent tre prises en compte. Notons que prendre en
compte des dcisions ne signifie pas forcment respecter ces dcisions ; le dcideur peut
galement remettre en cause ces dcisions.

Nous considrons que la prise de dcision seffectue au travers dun rseau de centres
de dcision. Un centre de dcision correspond une fonction de dcision. La prise de dcision
est effectue par un ou des oprateurs humains ventuellement assists par des systmes
daide la dcision. La dcision recouvre plusieurs aspects. Tout dabord, la dcision est un
choix effectu dans un espace dactions possibles : cet espace est dfini a priori par un
ensemble de contraintes et la dcision sera localise lintrieur de ce cadre de dpendance.
Mais, la dcision peut porter sur la dfinition mme de ce cadre : en ce sens, elle vise
redfinir lespace des actions possibles, et donc, remettre en cause lespace daction initial.
Enfin, la dcision consiste choisir entre le fait de respecter un espace dactions prdtermin
ou bien redfinir un espace daction (voir le chapitre 1 de la partie 3 de [Hennet 98]). Dans
la suite, nous appellerons, abusivement, prise de dcision le choix effectu dans lespace
daction et remise en cause dune dcision le fait de remettre en cause le cadre de laction.


II.5.2. Rseau de centres de dcision

Contraintes du
centre considr
dcision
dcision
dcision
dcision
Centres en amont
Centres en aval
dcision
dcision

figure 37 : rseau de centres de dcision

Un rseau de centres de dcision peut tre reprsent par un graphe dont les sommets
reprsentent les centres de dcision et les arcs orients laction de la prise de dcision dun
centre sur des paramtres intervenant dans les contraintes dun autre centre. Ainsi, la dcision
dans un centre est contrainte par les dcisions prises par les centres en amont ; elle contraint
elle-mme les dcisions des centres en aval (figure 37). La figure 38 montre un rseau de
centres rsultant dune analyse sur site industriel (prsent dans [Huguet et al. 96]).

Gestion des
ressources
Commercial
tudes et
mthodes
Approvisionnement
Lancement
Atelier de
fabrication
Commandes
Disponibilits
Gammes de fabrication
Dates de disponibilit
Ordres de fabrication

figure 38 : exemple de rseau de centres de dcision
Conclusion 55

On peut noter que le graphe associ au rseau peut comporter des circuits. En
particulier, un centre donn peut tre la fois en amont et en aval dun autre centre. Labsence
de circuit implique un ordre partiel ou total entre les centres de dcision. Cest le cas
notamment des structures hirarchises (voir le paragraphe I.2.2 page 17).

II.5.3. Coopration et coordination au sein dun rseau

La prise de dcision dans un centre prsente un caractre local, li au choix qui doit
tre fait en fonction de critres propres ce centre. Elle prsente galement un caractre
distribu, li son impact vis--vis des centres de dcision situs en amont et en aval. En
effet, pour que la dcision prise dans un centre soit consistante vis--vis du fonctionnement
global du rseau de centres de dcision elle doit tre la fois :
cohrente vis--vis des dcisions prises en amont. Cela se traduit par la ncessit de
respecter les dcisions prises en amont ou de les remettre en cause explicitement.
robuste vis--vis des dcisions prises en aval. . Cela se traduit par la ncessit de
prendre des dcisions qui pourront tre mises en uvre par laval ou daccepter que
ces dcisions soient remises en cause.
Il apparat ainsi que la cohrence et la robustesse sont deux facettes dun mme
processus de coopration entre centres de dcision. La cohrence est dautant plus facile
assurer que les dcisions en amont sont robustes. La robustesse vise donc faciliter la
cohrence des dcisions en aval.
La difficult, pour un centre, de prendre des dcisions robustes est lie notamment,
la reprsentation approche quil a des centres situs en aval, ces centres tant eux-mmes
contraints par des dcisions provenant dun autre centre (voir les dtails sur la modlisation
dun centre de dcision au chapitre suivant).
De plus, une dcision robuste un moment donn peut perdre sa qualit au cours du
temps, compte tenu du caractre dynamique du systme dans lequel elle agit. De mme, se
posent des problmes de coordination entre centres : en principe, un centre devrait connatre
toutes les contraintes (dcisions) susceptibles de peser sur ces dcisions avant de les prendre.
Dans la ralit, des dcisions sont prises en labsence de certains paramtres, sur la base
d estimations.
II.6. Conclusion

Notre but est de proposer des outils daide la dcision distribue en gestion du temps
et des ressources. Des mcanismes de coopration permettent aux diffrents dcideurs
dassurer la cohrence globale des dcisions prises localement. Les mcanismes de
coordination permettent de synchroniser les dcisions.
Les techniques issues de lapproche multi-agents permettent de mettre en uvre les
ngociations entre dcideurs.
Lapproche par contraintes offre un cadre rigoureux ltude de la coopration dans
un rseau de centres de dcision. Cette coopration porte sur les paramtres intervenant dans
les contraintes qui dterminent le cadre des dcisions de chaque centre. La coopration peut
alors consister communiquer pour assurer la robustesse de ses dcisions futures
(prparation) ou rengocier des valeurs devenues incohrentes.
Le prochain chapitre prsente les techniques employes pour modliser les problmes
de dcision des centres. Nous nous attacherons mettre en valeur les techniques favorisant
une aide la dcision locale et ngocie.

Chapitre III Modlisation des problmes de
gestion du temps et des ressources

Dans un problme de gestion du temps et des ressources, les dcisions peuvent tre de
plusieurs types (quantits de produits raliser, dates de dbut de fabrication, affectation de
ressources). Le fonctionnement dun centre est reprsent par un modle compos de
variables de dcision relies entre elles par des contraintes. En plus des variables de dcision,
les contraintes mettent en relation diffrents paramtres lis aussi bien au centre considr
quaux autres centres du rseau (en amont et en aval). Le modle de fonctionnement dun
centre est exploit :
par un processus dductif, l'analyse sous contraintes (ASC) permettant dexpliciter
les degrs de libert dont dispose le centre pour prendre ses dcisions.
par des techniques de rsolution permettant d'obtenir une solution au problme.

Un outil peut aider le dcideur construire des dcisions en faisant participer
partiellement ou totalement le dcideur. Il peut galement tre utile lors des ngociations avec
dautres centres, en valuant des propositions faites par dautres centres et en gnrant des
propositions. Enfin, loutil peut fournir aux dcideurs des pistes quant aux dcisions et/ou
paramtres remettre en cause. Cet outil daide peuvent sappuyer sur une utilisation largie
doutils classiques dj existants (par exemple, en considrant certaines variables comme des
donnes).

III.1. Modle gnral associ chaque centre
III.1.1. Variables, paramtres et contraintes

La dcision dans un centre est modlise par des variables de dcision. Une variable
de dcision peut prendre ses valeurs dans un domaine discret ou continu. La prise de dcision
correspond linstanciation dune ou plusieurs variables de dcision. On distingue les
variables de dcision communiques et ngocies avec d'autres centres, des variables de
dcision prives.
De plus, des contraintes relient entre elles ces variables. Il sagit de relations
formelles (quations linaires ou non linaires, inquations, ensembles conjonctifs ou non
conjonctifs de relations ...) qui limitent les valeurs admissibles des variables. Ce modle
permet de caractriser le fonctionnement du centre.
Outre les variables de dcision, les contraintes du modle font intervenir des
paramtres :
modifiables. Ce sont les dcisions prises par les centres situs en amont, ou une
estimation de celles-ci.
non modifiables. Il s'agit essentiellement de donnes de l'environnement tel que les
paramtres lis ltat rel du systme physique.

58 Modlisation des problmes de gestion du temps et des ressources

centre de dcision
variables prives
variables de dcision
communiques
paramtres
modifiables
contraintes
centres
en amont
centres
en aval
paramtres non
modifiables

figure 39 : variables et contraintes intervenant dans le modle d'un centre

La structure mme du modle adopt, lie au choix des variables de dcision et celui
des contraintes prises en compte, joue un rle important pour le contrle de la cohrence au
sein du rseau et plus gnralement pour la rationalisation des dcisions. Cette structure est
considre par la suite comme fige, seuls les facteurs du modle (paramtres et variables de
dcision) tant modifiables. Certaines contraintes peuvent nanmoins tre actives ou
dsactives en fixant une valeur particulire certains paramtres. Par exemple, une
contrainte numrique du type P X X +
2 1
peut devenir inactive en donnant une valeur trs
grande P .
III.1.2. Fonctions de dcision
Lactivit dun centre de dcision peut tre dcompose en plusieurs fonctions
([Huguet 94]) :
lanalyse sous contraintes vrifie la consistance des contraintes et explicite les
degrs de libert du centre travers, par exemple, une caractrisation de lespace des
solutions.
la prise de dcision sous contraintes vise exploiter les degrs de libert
disponibles. Elle consiste instancier certaines variables de dcision en tenant compte
de toutes les contraintes pesant sur un centre et, ventuellement, ngocier ces
dcisions avec d'autres centres.
la prise de dcision sur les contraintes remet en cause des dcisions externes et,
ventuellement, les rengocie.

Habituellement, en fonction de lanalyse sous contraintes, le dcideur prend des
dcisions sous contraintes ou sur les contraintes (voir la figure 40).
analyse sous
contraintes
dcision sous
contraintes
dcision sur
les contraintes
acceptation du cadre
de dcision
?
remise en cause du
cadre de dcision

figure 40 : l'activit de dcision d'un centre de dcision
Modle gnral associ chaque centre 59

III.1.3. Aide la dcision

Notre objectif est daider le dcideur se dterminer face un problme caractris par
un ensemble de contraintes dont une partie seulement a t modlise et parmi lesquelles
certaines ne sont pas totalement figes. Pour cela, on peut exploiter au maximum les
contraintes modlises et utiliser les degrs de libert restants pour tenter dintgrer les
contraintes non modlises. Ainsi, la prise en compte des contraintes pesant sur un centre de
dcision conduit se poser plusieurs types de questions (voir des exemples sur la figure 41) :

existence dune solution. Il sagit dtudier la consistance dun ensemble de
contraintes.
caractrisation des solutions admissibles. Lensemble des contraintes tant
consistant, il sagit partir dune analyse de cet ensemble, dexpliciter les conditions
dadmissibilit des solutions. Concrtement, des degrs de libert apparaissent sous la
forme, par exemple, de domaines de valeurs admissibles pour les dcisions internes au
centre. Ltude des rponses aux deux dernires questions constitue lessentiel de
lactivit danalyse sous contraintes.
gnration de solutions admissibles. Lensemble des contraintes tant consistant, il
sagit de construire une ou plusieurs solutions. On peut envisager diffrents modes de
rsolution (automatique, interactif). Les deux derniers points permettent aux centres
de dcision de ngocier des dcisions avec des centres en aval.
remise en cause de dcisions. Lensemble des contraintes tant non consistant
(fonction dcision sur les contraintes), il sagit de dterminer les dcisions que le
centre peut (ou veut) rengocier avec les centres en aval afin de retrouver un ensemble
consistant.
caractrisation des paramtres provenant dautres centres. Lensemble des
contraintes tant consistant, il sagit de dterminer quelles sont les valeurs acceptables
ou souhaitables pour les dcisions provenant dautres centres. On peut par exemple
tenter de mettre en vidence les domaines des valeurs inacceptables (dcisions qui
nappartiennent aucune solution), le domaine des valeurs actives (deux valeurs
actives distinctes restreignent diffremment lespace de solutions) et le domaine des
valeurs passives (quelle que soit la valeur prise, lespace des solutions est identique ; il
nest conditionn que par dautres contraintes).
remise en cause de paramtres provenant dautres centres. Lensemble des
contraintes tant non consistant, on peut chercher dterminer les contraintes quil
suffit de remettre en cause pour retrouver un ensemble consistant.

Compte tenu des interactions avec d'autres centres et de l'aspect prvisionnel de
certaines donnes, le dcideur peut tre amen :

ajouter ou retirer des contraintes du modle.
instancier une partie seulement des variables de dcisions. Seules les dcisions qui
seront mises en uvre dans le court-terme sont fixes ; tandis que les dcisions qui ne
sont, pour l'instant, que prvisionnelles peuvent n'tre que partiellement instancies.
prendre en compte des paramtres dont la valeur n'est pas connue. En effet, les
paramtres qui concernent le long-terme ne sont pas connus prcisment. Ces
paramtres seront considrs comme des variables dans le modle du centre.


Certaines des techniques employes pour rpondre aux questions relatives aux
dcisions (caractrisation, gnration, remise en cause) peuvent tre employes pour les
paramtres. En effet, compte tenu de dcisions fixes ou souhaites (les variables de dcision
sont considres comme tant des constantes), il s'agit d'utiliser les algorithmes avec les
paramtres comme variables.

Les modles et les traitements que nous mettrons en uvre devront tenir compte de la
dynamique du fonctionnement du centre et de la possibilit d' inverser le modle.

existence d'une solution
caractrisation de l'espace des solutions
(avec le domaine admissible des variables)
V
1
V
2
V
1
V
2
gnration d'une solution
optimale suivant le critre
V
1
V
2
critre
remise en cause de
certains paramtres
V
1
V
2

figure 41 : exemples de traitement sur le modle d'un centre

La section suivante prsente des modles utiliss en gestion du temps et des
ressources. Les modles de planification de la production et d'ordonnancement seront
approfondis. Les autres sections prsenteront les techniques de rsolution ainsi que les
techniques d'analyse sous contraintes. Ceci nous permettra de prsenter des outils permettant
d'valuer les degrs de libert d'un centre, de prendre des dcisions ou de remettre en cause
certaines dcisions.

III.2. Les modles en gestion du temps et des ressources

Nous introduisons tout d'abord un outil gnral de modlisation, les problmes de
satisfaction de contraintes (CSP) qui nous permettent de reprsenter certains problmes
rencontrs en gestion du temps et des ressources. Ensuite, nous prsentons les modles
particuliers rencontrs en planification de la production et en ordonnancement. Les variables
de dcision, les paramtres et les contraintes rencontrs dans ces deux cas seront dtailles.

Les modles en gestion du temps et des ressources 61

III.2.1. Le modle gnral des CSP

Les problmes de satisfaction de contraintes ou CSP (constraint satisfaction problem
en anglais) sont utiliss aussi bien en Intelligence Artificielle quen Recherche
Oprationnelle. Ils permettent dexprimer les problmes rencontrs en gestion du temps et des
ressources (par exemple les modles de planification et les modles dordonnancement).

Un problme de satisfaction de contraintes ou CSP (X,D,C) P est dfini par :
un ensemble ) ,x , ,x (x X
n

2 1
de n variables
un ensemble ) ,d , ,d (d D
n

2 1
de n domaines pour les variables de X . Le domaine
i
d est associ la variable
i
x .
un ensemble ) ,..., , (
2 1 m
c c c C de m contraintes. Chaque contrainte est dfinie sur
un sous-ensemble
i
v de variables ( X v
i
). On appelle arit de
i
c la longueur de la
squence
i
v .

On peut diffrencier les CSP discrets o les variables sont discrtes et les domaines
finis des CSP continus (CCSP) o les variables sont relles et les domaines sont une runion
dintervalles. Pour les CSP discrets, les contraintes peuvent tre exprimes soit en intention
sous la forme dgalit ou dingalit (par exemple : 0 , 0 , 3 > > + y x y x ) soit en extension
par une relation qui porte sur un sous-ensemble cartsien des domaines associs aux variables
de
i
v (par exemple : ) 1 , 2 ( ), 2 , 1 ( ), 1 , 1 ( ) , ( y x ).
Quand toutes les contraintes dun CSP sont d'arit gale deux, on parle de CSP
binaire. Les problmes de satisfaction de contraintes temporelles (TCSP) sont caractriss par
des variables continues et des contraintes binaires. Ils peuvent tre utiliss pour reprsenter
certains problmes d'ordonnancement (voir le paragraphe III.2.3).
Les DCSP (dynamic CSP) sont des CSP dans lesquels on modlise lincrmentatilit
dun CSP : le problme d'ajout ou de retrait de contraintes est explicitement pris en compte.
Toutefois, le terme DCSP est aussi utilis pour les CSP distribus : le traitement associ au
CSP est distribu sur plusieurs processeurs, machines ou agents (voir la thse de
[Hamadi 99]).
On peut reprsenter un CSP sous la forme dun hyper-graphe dont les sommets sont
les variables et les hyper-artes les contraintes. Ces hyper-graphes sont appels parfois rseau
de contraintes. Dans le cas dun CSP binaire, on peut se contenter dun graphe. Les
proprits de ces rseaux de contraintes permettent d'utiliser des algorithmes spcifiques, par
exemple, dans le cas des problmes d'ordonnancement.

exemple III-1 : un exemple de CSP binaire variables continues
La figure 42 reprsente l'espace des solutions du CSP suivant ainsi que le rseau de
contraintes associ.

[ ] [ ]
+
+
18 3 4
35 7 5
6 2 , 7 1
,
2 1
2 1
2 1
x x
x x
C
D
x x X


x
2
0
x
1
35 7 5
2 1
+ x x 18 3 4
2 1
+ x x
x
1
x
2
18 3 4
2 1
+ x x
35 7 5
2 1
+ x x
[1-7]
[2-6]

figure 42 : une reprsentation graphique du CSP ( gauche) et le rseau de
contraintes ( droite) associ lexemple III-1
III.2.2. Modlisation de la planification de la production

Comme nous lavons vu au chapitre 1, la fonction de planification en gestion de
production prend des dcisions tactiques en dfinissant les volumes de produits fabriquer
sur des intervalles de temps prdfinis (priodes). Dans le cas dune production multi-sites
([Boronad-Thierry 93]), la planification peut aussi inclure des dcisions dallocation, visant
rpartir la production sur diffrentes units de production quivalentes. Le champ des
dcisions slargit dans le cas dune production multi-niveaux ([Htreux 96]), qui implique
lutilisation de produits semi-finis dont il faut galement planifier la production : il faut alors
dfinir les quantits de produits intermdiaires transporter entre les sites. Pour cela, la
fonction de planification sappuie sur ltat de stocks et de la production, des demandes
(fermes et prvisionnelles), des capacits des centres de production, d'objectifs sappuyant sur
des fonctions de calcul de cots, etc.
La notation retenue dans la suite du chapitre est celle utilise dans [Johnson et al 74].

planification
quantit de produit par priode
par site ([Boronad-Thierry 93])
par tape ([Htreux 96])
tat des stocks et de
la production
demandes
capacits des ressources
objectifs

figure 43 : dcisions et paramtres d'un centre de planification

III.2.2.1 Horizons temporels

En planification, le temps est gnralement discrtis en une suite de priodes gales
considres comme indivisibles (exemple : des semaines, des quinzaines, des mois). Le
travail planifier est alors valu en quantits (produits, capacits, cots). Parfois, la dure
des priodes nest pas toujours constante, les priodes tant plus courtes en dbut dhorizon

(cf. [Boronad-Thierry 1993]), afin dadapter le niveau de dtail des dcisions celui des
donnes disponibles. Cette discrtisation permet de localiser les phnomnes tudis sur des
intervalles de temps et non plus sur une chelle de temps continue. Les donnes (exemple :
stocks initiaux, capacits) et les dcisions (quantits de produits) sexpriment alors en
rfrence des priodes.

Compte tenu de laspect prvisionnel des dcisions prises au niveau tactique, lhorizon
temporel considr est souvent dfini par deux caractristiques : lhorizon de planification et
lhorizon de dcision (voir figure 44).

Lhorizon de planification reprsente le nombre de priodes sur lesquelles les
donnes sont prises en compte. Cest par lintermdiaire de cet horizon que les
laspect prvisionnel est introduit. Il est suffisamment long pour que linfluence des
donnes situes au-del de cet horizon soit ngligeable mais suffisamment court pour
assurer la fiabilit de celles prises en compte.
Lhorizon de dcision dfinit le nombre de priodes sur lesquelles les dcisions sont
effectivement mises en uvre. Cet horizon correspond aux premires priodes de
lhorizon de planification. Les dcisions correspondantes sont souvent geles c'est-
-dire quelles ne peuvent plus tre remises en cause par dventuelles
replanifications. Ceci est ncessaire en raison de linertie du systme due aux dlais de
production et dapprovisionnement.

Horizon de planification
Horizon de dcision une priode
temps

figure 44 : horizons de planification et de dcision

Afin de prendre en compte la nature dynamique du systme de production, la prise de
dcision est souvent mise en uvre horizon glissant. Cette technique consiste laborer
priodiquement des dcisions sur un horizon de planification constant. Lexemple de la
figure 45 montre des planifications avec une priodicit de 2 priodes, un horizon de
planification de 14 priodes et un horizon de dcision de 2 priodes.

Ce processus dynamique de dcision permet de ractualiser les donnes dj connues
et dintroduire de nouvelles informations au fur et mesure de leur disponibilit. chaque
nouveau cycle, ltat rel du systme de production est pris en compte. Ceci est intressant
dans un environnement perturb puisque le systme est alors en mesure de ragir aux alas
passs.


temps
tat rel
observ
Dcisions
effectives
Dcisions prvisionnelles
tat rel
observ
Dcisions
effectives
Nouvelles dcisions prvisionnelles
tat rel
observ
Dcisions
effectives
temps
temps
Nouvelles dcisions prvisionnelles
Planification
en priode 1
Planification
en priode 3
Planification
en priode 5
Priodes 1 2 3 4 5 7 8 10 6 9 11 12 13 14 15 16 17 18

figure 45 : procdure horizon glissant

III.2.2.2 Les variables de dcision et les paramtres

Un systme de production fabrique N produits. Chaque produit i est soumis une
demande sur un horizon de temps dcoup en T priodes. La fabrication des produits
ncessite lutilisation de R ressources. La capacit dune ressource k peut varier en fonction
de la priode t . Une hypothse importante concerne la taille relative des priodes vis vis
des dures de fabrication : on suppose par la suite que la ralisation de chaque produit est
suppose pouvoir seffectuer en totalit sur une priode.

Afin de prendre des dcisions, le centre de planification doit tenir compte des
paramtres suivants :
les demandes pour chaque produit i en fin de priode t :
it
D
les capacits des ressources pour chaque priode t exprim gnralement en
machine*heure ou en homme*heure :
kt
b
les consommations de ressource r pour la fabrication dun produit i :
ik
a
ltat initial du systme de production. C'est--dire la quantit des produits en stocks
au dbut de la premire priode 0 :
0 i
I

Les variables de dcision de ce modle sont :
les quantits des produits i fabriquer au cours de chaque priode t :
it
X . Ces
variables constituent les variables de dcision qui seront transmises dautres centres.
les niveaux de stocks pour chaque produit i en fin de priode t :
it
I . Ce sont des
variables qui nont pas tre communiques dautres centres.
Si la ralisation des produits ncessite plusieurs tapes (assemblage, transport,
stockage de sous-produits, etc.), les variables de dcisions peuvent tre des quantits de
produit par priode et par tape j (
ijt
I et
ijt
X ).

III.2.2.3 Les contraintes

Le modle gnralement adopt pour calculer les volumes de production et des stocks
est de la forme :
) ( ] , 1 [ ] , 1 [ 0
) ( ] , 1 [ ] , 1 [ 0
) ( ] , 1 [ ] , 1 [
) ( ] , 1 [ ] , 1 [
4
3
2
1
1 1 ,
P T t N i I
P T t N i X
P T t R k b X a
P T t N i D X I I
it
it
kt
N
i
it ik
it it t i it

Lquation dtat (
1
P ) traduit lvolution des stocks en fin de priode. Il sagit dune
quation de conservation de la matire. La contrainte (
2
P ) permet de limiter la production
pour chaque priode, compte tenu de la capacit de chacune des ressources. Les quations
(
3
P ) et (
4
P ) traduisent la positivit des flux de matires (en stock et en cours de
transformation).

Suivant les problmes rencontrs, d'autres contraintes peuvent tre considres afin de
modliser :
une capacit de stockage limite : ] , 1 [ ] , 1 [ T t N i I I
i it

une production et des stocks minimaux : 0 et 0 avec ,
it it it it it it
X I I I X X
des arrirs de fabrication (voir [Hetreux 96]). On tolre que les demandent ne
puissent pas tre satisfaites chaque priode. Les demandes non satisfaites dans une
priode sont reportes sur la priode suivante. On modlise les arrirs en tolrant un
stock ngatif entre deux priodes. L'quation suivante remplace l'quation
4
P ,
] , 1 [ ] , 1 [ 0 et 0 avec T t N i I I I I I
it it it it it

+ +

des dlais de fabrication et de transport ([Boronad-Thierry 93]). La ralisation dun
produit ncessite plusieurs priodes
i
L . Un produit dont la fabrication est lance
durant la priode t ne sera disponible que durant la priode
i
L t + . Lquation dtat
(
1
P ) du modle devient : ] , 1 [ ] , 1 [
) ( ) 1 (
T t N i D X I I
it L t i t i it
i
+

.

En gnral, les contraintes considres en planification sont des contraintes linaires.
En effet, les algorithmes de traitement des modles linaires variables relles sont trs
efficaces, trs rapides et rpandus. Les modles linaires variables entires peuvent
galement utiliser certains de ces algorithmes (voir le paragraphe III.3.3).

Afin de ne pas perdre les proprits de linarit des contraintes
2
P , seuls les
paramtres
ik
a et les variables
it
X ne peuvent pas tre considres en mme temps comme
des variables. Les paramtres
it
D ,
kt
b peuvent tre considrs comme des variables. Si le
dcideur souhaite caractriser les paramtres
ik
a , il doit instancier totalement les variables
it
X . Nous considrons par la suite que les paramtres
ik
a sont non modifiables et que les
contraintes en planification sont linaires.


exemple III-2 : planification en gestion de production
Une entreprise doit dfinir le plan de production de deux produits pour une priode sur un
horizon de 1 priode. La figure 42 reprsente lespace des solutions associ aux variables
11
X et
12
X .
]
]
]
,
]
]
]
,
]
]
]
,
]
]
]
,

+
+
+
+
) 6 (
2
1
0
0
18
35
3 4
7 5
) 5 ( 0 , 0 , 0 , 0
) 4 (
) 3 (
) 2 (
) 1 (
1 0 1
21 11 21 11
21 21 22 11 12
11 21 21 11 11
21 21 20 21
11 11 10 11
i i k ik
D I b a
I I X X
b X a X a
b X a X a
D X I I
D X I I

En planification de la production, les dcisions prendre sont des quantits de produits
produire et stocker par priodes sur un certain horizon. Les contraintes sont souvent
linaires. Ainsi, les modles que nous considrons en planification sont :
des modles linaires variables relles qui sont constitus de variables relles
(dans certains cas rationnelles), de contraintes linaires.
des modles linaires variables mixtes qui sont constitus de variables entires et
relles, de contraintes linaires.

III.2.3. Modlisation des problmes dordonnancement

III.2.3.1 Dfinitions

Le problme d'ordonnancement consiste organiser dans le temps des tches
interdpendantes compte tenu de contraintes portant sur le temps (dlais, enchanement ...) et,
ventuellement, de contraintes portant sur les ressources (utilisation, disponibilit ...).
Une tche i est dfinie comme une activit lmentaire de travail localise dans le
temps (avec une date de dbut

i
t et/ou une date de fin
i
c ). La ralisation dune tche dure un
temps non nul (sa dure
i
p ) et consomme des moyens k avec une intensit
ik
a . Les tches
peuvent tre excutes par morceaux (tches premptives) ou sans interruption (tches non
premptives).
Une ressource k est un moyen technique ou humain pouvant tre utilis pour la
ralisation d'au moins une tche et disponible en quantit limite, sa capacit
k
A . On
distingue les ressources renouvelables qui, aprs avoir t utilises par une tche, retrouvent
leur disponibilit initiale (machines, espace) des ressources consommables dont la
disponibilit diminue aprs utilisation (budget, matires premires). Les ressources
doublement contraintes sont des ressources dont lutilisation instantane et la consommation
globale sont limites.
On distingue, dautre part, les ressources disjonctives qui ne peuvent excuter quune
tche la fois (machine-outil) et les ressources cumulatives qui peuvent tre utilises par
plusieurs tches simultanment (quipe douvriers, fours de cuisson). Cette distinction est
essentiellement faite pour le cas des ressources renouvelables.

Une classification par les ressources des problmes dordonnancement est montre sur
la figure 46 (une classification plus complte se trouve dans [Esquirol et al 99]). Ce critre de
classification permet de distinguer des proprits des modles notamment en termes de
complexit des algorithmes de rsolution.

pas de ressources
problme central
ressources
consommables renouvelables
disjontives
Problmes datelier
cumulatives

figure 46 : typologie par les ressources des problmes d'ordonnancement.
III.2.3.2 Les variables de dcision et les paramtres

Les principales variables de dcision dans les problmes dordonnancement sont :
les dates de dbut
i
t des tches.
les dates de fin
i
c des tches.

Les principaux paramtres considrs sont :

i
r la date de disponibilit (date de dbut au plus tt) et
i
d la date chue (date de fin
au plus tard) d'une tche.
les dures des tches
i
p .

ij
b , la dure minimale qui spare le dbut de la tche i du dbut de la tche j

k
est l'ensemble des tches qui utilisent la ressource k . Si celle-ci est cumulative
avec une capacit
k
A , la tche consomme
ik
a unit de la ressource.

Il est noter que tous les paramtres cits ci-dessus peuvent tre considrs comme
des variables. Lorsque
k
nest pas totalement connu, on a affaire un problme
dordonnancement coupl un problme daffectation (voir [Huguet et al. 00] par exemple).
Dans ce cas,
i
p peut varier en fonction de laffectation. De mme, en cas de problmatique
gammes alternatives,
ij
b nest pas totalement connu.
III.2.3.3 Les contraintes

Les contraintes usuellement considres dans les problmes dordonnancement sont
soit :
des contraintes temporelles.
des contraintes de ressources.


1) Les contraintes temporelles
D'une part, des contraintes absolues portent sur une variable. Elles sont issues
dimpratifs de gestion et relatives aux dates limites de tches (dlais de livraison,
disponibilit des approvisionnements) ou la dure totale du projet. Ce sont ces contraintes
qui dfinissent
i
r la date de disponibilit et
i
d la date chue. On a donc
i d c t r
i i i i
.

Il existe aussi des contraintes relatives telles que les contraintes de prcdence et plus
gnralement des contraintes de cohrence technologique qui expriment une distance
minimale ou maximale entre tches. Ces contraintes sont galement appeles contraintes
potentielles, car elles sexpriment sous la forme gnrale dingalits de potentiels du type :
ij i j
b t t . Par exemple, lorsque la dure est connue, pour exprimer les contraintes de
prcdence ou de succession entre deux tches, on prend
i ij
p b et on a
j i i
t p t + . Dans les
problmes datelier, les contraintes de gamme sexpriment de cette faon. Par exemple, si un
produit ncessite deux tapes A et B dans sa fabrication, on peut avoir ltape A qui doit
prcder B.

Pour reprsenter certaines contraintes plus complexes, on a recours plusieurs
ingalits de potentiels devant tre vrifis conjointement. On parle densemble conjonctif
dingalits de potentiels. Par exemple :

0
0
j i
i j
c t
t c
exprime le fait que la tche j doit
commencer exactement la fin de
i
t (succession immdiate).

2) Les contraintes de ressources
Les contraintes de limitation de lutilisation des ressources renouvelables sont
dcomposes en :
contraintes disjonctives. Elles interdisent lutilisation simultane de la ressource par
deux tches. En dautres termes, elles obligent raliser toute paire de tches sur des
intervalles disjoints. Si deux tches i et j sont lies par une contrainte
disjonctive (
k
i et
k
j ) ; soit i est ralise avant j soit j est ralise avant i .
La modlisation de ce conflit fait donc intervenir un squencement qui peut tre
reprsent par un ensemble non conjonctif dingalits de potentiel (relies par un
OU) :
i j j j i i
t p t t p t + + OU
contraintes cumulatives. Elles interdisent la ralisation simultane dun nombre trop
important de tches compte tenu de la disponibilit maximale de la ressource ) (t A
k

chaque instant et des quantits
ik
a requises individuellement par les tches :
k t t A a
k
t i
ik
k

) (
) (
avec } et utilise / { ) ( i i i k p t t t k i i t + . La figure 47 prsente une
courbe de charge de la ressource k correspondant un certain ordonnancement : la
capacit est de 40.


10
20
30
40
0
temps
A
k
=40
) (t i
ik
k
a

figure 47 : exemple de courbe de charge
III.2.3.4 Reprsentation des solutions
Un diagramme de Gantt permet de visualiser graphiquement lexcution des tches
et/ou lutilisation des ressources au cours du temps. chaque tche est associe un segment
ou une barre de longueur proportionnelle la dure de la tche.
En ordonnancement de projet sans contraintes de ressources, les tches apparaissent en
ordonne et le temps sur laxe des abscisses.

exemple III-3 : gestion de projet
La figure 48 montre un exemple de diagramme de Gantt pour un projet 6 tches dont les
caractristiques sont rsumes dans le Tableau 4 (lexemple est tir de [Esquirol et al 99]). Les lignes
en pointilles peuvent servir pour signaler des contraintes de succession.
Tche i A B C D E F
Dure
i
p (jours)
5 2 2 4 8 1
Contrainte Aprs B Aprs A et C Aprs B Aprs D et E
Tableau 4 : exemple de projet
En prsence de contraintes de ressources disjonctives (comme dans les problmes
datelier), le diagramme de Gantt est compos dune ligne horizontale pour chaque ressource.
Ceci permet de visualiser les zones doccupation des ressources et la dure de
lordonnancement. Dans le cas de problmes datelier, une reprsentation par produits permet
de visualiser les temps dattente des produits.
temps
tches
A
B
C
D
E
F

figure 48 : diagramme de Gantt projet

exemple III-4 : ordonnancement ressources disjonctives
Dans un atelier, deux produits A et B sont raliser (lexemple est tir de [Esquirol et al 99]).
Chaque produit est compos de 3 tches raliser sur 3 machines (A sur la machine 1 puis 2 puis 3
et B sur 2 puis 1 puis 3). Le Tableau 5 donne les valeurs des dures des oprations en minutes. La
figure 49 reprsente le diagramme de Gantt par ressources et la figure 50 reprsente le diagramme
de Gantt par produits.

Machine
1 2 3
A 60 20 30 Produit
B 40 30 10
Tableau 5 : exemple d'atelier
A (1
re
tche)
temps
machine
B (1
re
tche) A (2
me
tche)
B (2
me
tche)
A (3
me
tche) B (3)
1
2
3

figure 49 : diagramme de Gantt ressource

2
temps
produit
1
1
2
3
3
A
B

figure 50 : diagramme de Gantt produit

Pour les problmes avec ressources cumulatives, une reprsentation hybride peut tre
employe pour reprsenter une solution. Un exemple est montr sur la figure 47.

III.2.3.5 Modlisation laide de graphes

Dans ce paragraphe, nous verrons les moyens de reprsenter, laide de graphes, les
problmes dordonnancement sans contraintes de ressources et ceux avec contraintes de
ressources renouvelables.

1) Le problme central

Le problme central ne tient pas des contraintes de ressource (cela revient supposer
que les ressources sont capacit infinie ou suffisante). Il ny a donc que des contraintes
temporelles. Le modle est linaire variables relles.

Ce type de problme se rencontre en ordonnancement de projet ( capacit infinie).
Ltude du problme central permet danalyser lenchanement des principales tches du
projet au cours du temps. Ceci est particulirement utile lorsque le projet nest pas en
concurrence avec dautres projets pour lattribution de ressources.

On peut reprsenter ces problmes laide de graphes. Il existe trois sortes de graphes
permettant de reprsenter ces problmes : les graphes potentielstches, les graphes
potentiels-tapes et les graphes potentiels-bornes. La diffrence entre ces graphes rside dans
la smantique associe aux sommets et aux arcs. La formulation du problme central en
termes de graphe permet lutilisation de techniques spcifiques aux graphes (notamment
lalgorithme permettant de trouver le plus long chemin dans un graphe pour minimiser le
temps dexcution de lordonnancement).
Une ingalit de la forme
ij i j
b t t est reprsente sur la figure 51 :
i j
ij
b

figure 51 : modlisation potentiels-tches

a) Les graphes potentiels-tches
Pour les graphes potentiels-tches, les arcs reprsentent les contraintes de potentiels
entre les dates de dbut des tches reprsentes par les sommets. 2 tches fictives de dbut et
de fin, de dure nulle, relient les sommets sans prdcesseur/successeur.

La figure 52 reprsente le graphe potentiel-tches associ lexemple III-3 (gestion de projet) :
dbut fin
A
B
C
D
E
F
0
0
5
2
2
2
8
1
4

figure 52 : graphe potentiel-tches associ l'exemple III-3
b) Les graphes potentiels-tapes
Pour les graphes potentiels-tapes, les arcs du graphe reprsentent des tches (relles
ou fictives) alors que les sommets caractrisent les tapes ou vnements reprant le dbut ou
la fin dun ensemble de tches. La longueur dun arc reprsente la dure dune tche.
La figure 53 reprsente le graphe potentiel-tapes associ lexemple III-3 (gestion de projet).
1
2
3
4 5 C
A
B
D
E
F
tape 1 : dbut projet ; dbut de A et B
tape 2 : fin de B ; dbut de C et E
tape 3 : fin de A et C ; dbut de D
tape 4 : fin de D et E ; dbut de F
tape 5 : fin de F et du projet

figure 53 : graphe potentiel-tapes associ l'exemple III-3
c) Le graphe potentiel-bornes
Dans ce type de graphe, chaque tche est reprsente par (au moins) deux sommets,
lis sa date de dbut et de fin. Ceci permet de modliser toute contrainte de distance entre un
couple de bornes relatif une mme tche (figure 54a) ou deux tches distinctes (figure 54b).

Lorsque la dure dune tche nest pas connue prcisment (soit parce que la dure est une
variable de dcision soit parce que le paramtre dure nest pas encore entirement instanci),
ce type de graphe est la seule reprsentation capable de tenir compte de cette contrainte.
t
i
c
i
i
p
i
p
(a) contraintes dencadrement
de la dure dune tche
t
i
c
i
0
(b) contrainte de succession
i i i
p p p
0
i i
c t

figure 54 : modlisation par un graphe potentiel-bornes

La figure 55 reprsente le graphe potentiel-bornes associ lexemple III-3 :
dbut
t
A
c
A
5
t
B
c
B
2
0
0
t
C
c
C
2
t
E
c
E
8
t
D
c
D
4
t
F
c
F
1
fin
0
0
0
0
0
0
0

figure 55 : graphe potentiel-bornes associ l'exemple exemple III-3

2) Les problmes avec contraintes de ressources renouvelables

Dans ce paragraphe, nous traiterons les problmes ressources renouvelables, quelles
soient cumulatives ou disjonctives. Ces problmes sont caractriss par lexistence de
contraintes non conjonctives. Dans un premier temps, nous allons voir quelques spcificits
des problmes datelier (avec ressources disjonctives). Puis, nous verrons une extension des
graphes conjonctifs aux problmes non conjonctifs.
a) Les problmes datelier
Les problmes datelier sont caractriss par des contraintes de ressources
disjonctives. Les tches ou oprations concernent une tape de la fabrication dun type de
produits ou dun lot de produits. Comme chaque produit ne peut se trouver plusieurs
endroits diffrents, de nouvelles contraintes de prcdence entre tches apparaissent : ce
sont les contraintes de gamme.
Les problmes datelier, et plus gnralement les problmes contraintes disjonctives,
peuvent tre dcomposs en problmes une machine et problmes m machines. Ceux-ci
peuvent tre dcomposs leur tour en problmes flow-shop (tous les produits ont le
mme cheminement dans latelier), job-shop (tous les produits ont un cheminement
propre respecter), open-shop (tous les produits ont un cheminement libre dans latelier).

Latelier est constitu de m machines fabriquant n produits (indice i ). Chaque
produit est constitu de
i
n oprations. Lopration j du produit i est note ) , ( j i ; elle utilise
la machine
ij
m et sa dure est de
j
p . Le respect de sa gamme de fabrication impose des

contraintes de prcdence la forme ) , ( ) 2 , ( ) 1 , (
i
n i i i p L p p (o le signe p reprsente la
contrainte de prcdence).

b) Reprsentation des contraintes disjonctives sur les graphes
potentiels-tches
Les graphes conjonctifs prsents pour le problme central au paragraphe 1) peuvent
tre tendus pour tenir compte des contraintes non conjonctives.

Pour les problmes datelier, la reprsentation dune disjonction se fait laide dun
symbole particulier ( ) sur un arc reprsentant le choix entre deux contraintes de
prcdence. La figure 56 montre le graphe potentiel-tches correspondant lexemple III-4
(ordonnancement datelier). On peut accompagner le symbole de disjonction de deux
nombres associs aux dures respectives des tches.

A1 A2 A3
B1 B2 B3
Dbut fin
60
40
20
30
10
30
0
0
60
30
20
40
30
10

figure 56 : graphe potentiel-tches correspondant lexemple III-4

c) Reprsentation des contraintes cumulatives

Pour les problmes ressources cumulatives, les non conjonctions ne peuvent pas tre
reprsents selon le mme procd.

exemple III-5 : un exemple de problme cumulatif
4 oprations doivent tre squences sur une ressource cumulative de capacit 5. Le donne
les quantits de ressources requises par les tches ainsi que leurs dures.
Tche i 1 2 3 4
Dure p
i
3 4 2 5
Intensit a
i
3 2 1 4
Les conflits entre tches peuvent tre caractriss par la dtermination densembles minimaux
de tches en conflit appels ensembles critiques (voir le paragraphe III.4.2.1 page 86 pour une
dfinition plus exacte). Pour ce problme, les ensembles critiques sont : {1,4}, {2,4}, {1,2,3}. Les
diffrents ensembles critiques sont :
1 avant 4 OU 4 avant 1, pour {1,4}.
2 avant 4 OU 4 avant 2, pour {2,4}.
1 avant 2 OU 2 avant 1 OU 1 avant 3 OU 3 avant 1 OU 2 avant 3 OU 3 avant 2, pour {1,2,3}
La figure 57 montre comment reprsenter ces non conjonctions. Les disjonctions sont
reprsentes par . Les autres non conjonctions sont reprsentes par les lignes entourant
certains arcs. Cette technique de reprsentation savre toutefois rapidement inapplicable en
prsence densembles critiques de grande cardinalit pouvant dautre part avoir des intersections.


A
B
C
D
4
2
2
3
3
4
4
3
5
5
Etape A : dbut de 3
Etape B : dbut de 2
Etape C : dbut de 1
Etape D : dbut de 4
OU

figure 57 : graphe potentiel-tches associ l'exemple III-5

Le problme d'ordonnancement consiste organiser dans le temps des tches
interdpendantes. Au problme central, sans contraintes de ressources, correspond un modle
linaire variables relles. Aux problmes avec contraintes de ressources renouvelables
correspondent des modles variables mixtes.

III.3. Les techniques d'optimisation

Les techniques doptimisation sappuient sur un critre pour classer les solutions. Elles
permettent de prouver lexistence dau moins une solution ou de trouver la (ou les) solution(s)
optimale(s). Selon les cas, une solution optimale sera celle qui minimise le critre ou qui le
maximise.

III.3.1. Les critres d'optimisation
III.3.1.1 Les critres en planification de la production

Lorsque l'on cherche obtenir une solution optimale un problme de planification de
la production, un critre compos dobjectifs conomiques (comme les cots de fabrication,
les cots de changement de taux de production, les cots de changement de capacit de
ressources, etc.) mais aussi dobjectifs techniques ou humains (rgularit du taux de capacit
de certaines ressources (humaines), rgularit de la production) est adopt.
En gnral, ) , (
it it
I X f est une fonction linaire de
it
X et de
it
I . La principale raison de
l'emploi de critre d'optimisation linaire est l'efficacit des algorithmes employs pour
trouver la ou les solutions optimales.
Par exemple, la fonction

N
i
T
t it
I Z
1 1
min cherche minimiser les stocks.
III.3.1.2 Les critres en ordonnancement

Parmi les critres possibles, on peut distinguer :
les critres lis au temps : minimisation du temps total dexcution, minimisation des
retards (maximum, moyen, somme, nombre, etc.) par rapport aux dates limites fixes.
les critres lis aux ressources : minimisation de la quantit de ressources ncessaires
pour raliser un ensemble de tches, minimisation de la charge de chaque ressource.
les critres lis aux cots de lancement, de production, de stockage, de transport, etc.
Les techniques d'optimisation 75

les critres lis une nergie ou un dbit

Les critres doptimisation usuellement considrs dans les problmes datelier sont :
minimisation du temps de cycle ou temps de sjour dans latelier :
i
i
c C max
max

minimisation du plus grand retard : (
,
\
,
(
j
) ( max , 0 max
max i i
i
d c T
minimisation du retard moyen pondr :
i
i
i
i i i
w
w
d c w
T
) , 0 max(
avec w le vecteur de
pondration
minimisation de la somme pondre des dates de fin
i
i i w
c w C
III.3.2. Modles linaires variables relles

Pour cette partie, on pourra se reporter aux ouvrages de [Teghem 96] et de [Jacquet-
Lagrze 98].

Les modles linaires variables relles ont quelques proprits fondamentales :
si lespace des solutions est non vide, alors celui-ci forme un polydre convexe.
si le polydre convexe est born (cest un polytope), soit la solution optimale est situe
sur un sommet du polytope et est unique, soit tous les points dune des faces du polytope sont
optimaux.
si le polydre est non born, il est possible que le problme nait pas de solution
optimale distance finie.
critre
solution
optimale
polytope et solution
optimale unique
critre
solutions
optimales
polytope et solutions
optimales sur une face
polydre non born
et pas de solution
critre

figure 58 : les solutions optimales en fonction du polydre et du critre

Reprise de lexemple III-2 : planification en gestion de production
Les variables de stocks peuvent tre limines (elles peuvent tre obtenues partir des autres
variables). Il reste donc un problme avec deux variables (
11
X et
21
X ). Le critre choisi revient
minimiser la production (
21 11
min X X Z + ). Lespace des solutions est un polytope (donc un
polydre convexe). La solution optimale est le sommet de coordonnes (1,2) (marqu avec un rond
noir sur la figure 59).

]
]
]
,
]
]
]
,
]
]
]
,
]
]
]
,

+
+

+
) 6 (
2
1
0
0
18
35
3 4
7 5
) 5 ( 0 , 0
) 4 (
) 3 (
) 2 (
) 1 (
sous
min
1 0 1
21 11
21 21 22 11 12
11 21 21 11 11
20 21 21
10 11 11
21 11
i i k ik
D I b a
X X
b X a X a
b X a X a
I D X
I D X
X X Z

X
21
0
X11
21 11
min X X +
35 7 5
21 11
+ X X 18 3 4
21 11
+ X X
(1)
(2)
(3)
(4)

figure 59 : espace des solutions associ au problme de l'exemple III-2
III.3.2.1 Lalgorithme du simplexe pour le cas gnral

Lalgorithme du simplexe est un algorithme qui converge vers le (ou les) sommet(s)
optimum(s) en optimisant le critre. Cet algorithme contient deux phases :
la procdure dinitialisation dtermine les coordonnes du premier sommet
admissible (solution mais pas forcement optimum). Si cette procdure choue, alors
lespace des solutions est vide ; si elle russit, alors le problme contient au moins une
solution.
la procdure itrative calcule une solution (un sommet) donnant la meilleure valeur
du critre. Gomtriquement, une itration consiste passer dun sommet lautre le
long dune arte de lespace des solutions.

Lalgorithme du simplexe est en thorie de complexit exponentielle mais en pratique
(statistiquement) il est de complexit gale m 5 , 1 , m tant le nombre de contraintes
dingalits non redondantes du modle. Cet algorithme est connu depuis longtemps (Dantzig
a publi la premire version en 1947) et est prsent dans de nombreuses bibliothques et
outils de programmation linaire comme CPLEX de Ilog, XPRESS-MP de Dash Ltd, OSL de

IBM, ainsi que dans diffrentes extensions du langage Prolog, notamment les langages de
programmation logique avec contraintes, tels que CLP(R) ([Imbert et al 93]) ou PrologIV.
Pour la phase dinitialisation, deux techniques peuvent tre mises en uvre :
une technique statique. Une fois le problme modlis, on cherche un sommet
admissible.
une technique dynamique. Lalgorithme consiste maintenir un sommet admissible
au fur et mesure que les contraintes sont poses. Ceci permet des langages comme
Prolog et CLP(R) de raliser un test de consistance incrmental, permettant de
dtecter les inconsistances au fur et mesure que les contraintes sont poses.

De plus, les outils de programmation linaire proposent des analyses paramtriques, de
sensibilit et post-optimales sur les modles. Il peut sagir :
dune analyse paramtrique o un paramtre intervient dans le critre (de la
forme X c c Z ) (
2 1
+ ). Ceci permet de dterminer quel sera le sommet optimum en
fonction du paramtre .
dune analyse paramtrique quand un paramtre apparat dans le second membre
des contraintes dingalit.
dune analyse de sensibilit. Il sagit de dterminer le domaine des variations dun
certain coefficient pour lequel la solution optimale nest pas modifie.
dune analyse de post-optimisation. Le problme initial est modifi (par exemple par
ajout de contraintes) et il sagit de roptimiser le problme.

Pour les problmes linaires que nous tudierons (surtout en planification de la
production), nous retiendrons lalgorithme du simplexe avec la technique dynamique dans la
premire phase. En effet, cette technique permet de vrifier rapidement si une contrainte rend
le problme inconsistant. De plus, si lalgorithme de recherche dune solution optimale est
interrompu aprs la fin de la premire phase, une solution (non optimale) est quand mme
donne. Enfin, le dcideur peut utiliser les outils danalyse paramtrique pour caractriser les
degrs de libert dont il dispose.

III.3.2.2 Le cas particulier du problme central

Bien que le modle employ soit linaire variables relles, lalgorithme du simplexe
est rarement employ dans ce cas. Ceci est d la spcificit du modle qui, dune part, ne
contient que des ingalits deux variables avec des coefficients gaux 1, 0 ou 1 et qui,
dautre part, peut tre reprsent par une graphe.

Une question fondamentale dans la rsolution concerne la minimisation de la dure
totale du projet. Ceci revient calculer le chemin le plus long entre le dbut et la fin du projet
sur le graphe potentiels-tches associ. laide de lalgorithme de Bellman-Ford, on peut
dterminer un chemin critique correspondant une squence de tches ne disposant
daucune marge si lon dsire terminer au plus tt.

On peut trouver assez facilement un ordonnancement au plus tt et un
ordonnancement au plus tard pour les problmes centraux (voir les algorithmes dans
[Prins 94]). Ceci donne de faon complte les domaines de valeurs que peuvent prendre les
variables de dcision.


Sur la figure 60, on trouve les domaines associs aux dates de dbut des tches de lexemple
III-3 avec une date de fin au plus tard de 15. Le chemin critique est indiqu en gras.

[2;8]
dbut fin
A
B
C
D
E
F
0
0
5
2
2
2
8
1
4
[11;15]
[0;5]
[0;4]
[5;10 ]
[2;6]
[10;14 ]
[0;4]

figure 60 : domaines des dates de dbut ( exemple III-3)

Parmi les mthodes de rsolution des problmes centraux, la mthode PERT permet
non seulement de rsoudre le problme dordonnancement mais permet galement de tenir
compte des dures de tches imprcises ( laide dun modle probabiliste).

Pour les problmes centraux, nous retiendrons lalgorithme qui permet de trouver les
ordonnancements au plus tt et au plus tard, car ils permettent de caractriser lespace des
solutions en associant chaque tche un domaine pour sa date de dbut. De plus, le chemin
critique obtenu peut tre utilis pour connatre un ensemble des paramtres et dcisions
relcher en cas de dcision sur contraintes.
III.3.2.3 Un outil dvaluation du volume de lespace des
solutions
Le volume de l'espace des solutions peut tre obtenu par un algorithme rcursif en
calculant le volume de chaque face du polytope ([Lasserre et al. 85]). Cet algorithme pouvant
tre long (en temps d'excution), le volume de l'espace des solutions peut tre aussi apprci
en calculant le rayon maximum d'une sphre contenue dans l'espace des solutions (voir un
exemple sur la figure 61).
Dans le cas gnral, calculer le rayon maximum quune sphre peut occuper dans
lespace des solutions du modle :
] , 1 [ 0
] , 1 [
1
N i X
m k b X a
i
k
N
i
i ik

peut tre obtenu en maximisant le modle suivant (qui correspond au modle
prcdent avec quelques modifications mineures) :

] , 1 [ 0
] , 1 [
sous
max
1 1
max
N i R X
m k b R a X a
R R
i
k
N
i
N
i
ik i ik

De plus, en optimisant le modle prcdent, on obtient les coordonnes du centre de la
sphre. Lensemble des contraintes en contact avec la sphre peut tre obtenu facilement en
examinant les valeurs duales associes aux contraintes : si la valeur duale dune contrainte est
0, alors la contrainte touche la sphre. Cet ensemble de contraintes peut tre interprt comme
lensemble des contraintes qui contraint le plus lespace des solutions.

Lorsque le modle initial na pas de solution, en maximisant le rayon du modle
modifi (et en tolrant un rayon ngatif), on obtient un ensemble de contraintes relcher
pour avoir une solution ainsi que la distance de relchement minimum.

Appliqu au modle de planification prsent au paragraphe III.2.2.3, le rayon
maximum de la sphre contenue dans l'espace des variables X
it
peut tre obtenu en
maximisant :
+ +

+

] , 1 [ ] , 1 [ 0 *
] , 1 [ ] , 1 [ 0
] , 1 [ ] , 1 [ *
sous
) max(
1 1
0
1
2
1
max
T t N i R t D X I
T t N i R X
T t R k b R a X a
R R
t
s
is
t
s
is i
it
kt
N
j
jk
N
i
it ik

Application lexemple III-2 de planification de la production :
Pour obtenir les coordonnes du centre du cercle ainsi que son rayon, il suffit de maximiser :

+ +
+ +

0 , 0
18 5 3 4
35 74 7 5
2
1
sous
max
21 11
21 11
21 11
21
11
max
R X R X
R X X
R X X
R X
R X
R R

On obtient un rayon de 75 , 0 4 / 3 . Les coordonnes du centre du cercle sont 75 , 1
11
X et
75 , 2
21
X . Les contraintes qui sont en contact avec la sphre sont les contraintes (1), (2) et (4).
X
21
0
X
11
35 7 5
21 11
+ X X 18 3 4
21 11
+ X X
(1)
(2)
(3)
(4)
rayon maximum d'un
cercle contenu dans
l'espace des solutions

figure 61 : une valuation du volume de l'espace des solutions

Cette mthode permet dvaluer le volume de lespace des solutions. Il sagit donc
dun moyen pour valuer les degrs de libert dun centre. De plus, cette mthode donne un
ensemble de contraintes relcher en cas de dcision sur contraintes.
Ceci est utile dans le cas o aucune connaissance ne permet de choisir les contraintes
relcher en priorit.

III.3.3. Modles linaires variables mixtes ou discrtes
Les modles linaires variables mixtes sont bien plus durs rsoudre que les
modles linaires variables relles. Ceci tient au fait quen introduisant des variables
discrtes dans le modle, on perd les proprits nonces au III.3.2.

Reprise de lexemple III-2
La figure 62 montre lespace des solutions correspondant au problme de lexemple III-2 rsolu
en variables continues et les points reprsentent les solutions admissibles du problme rsolu en
variables entires. Dans ce cas bien prcis, la solution optimale du problme rsolu en variables
entires est la mme que celle obtenue par le problme rsolu en variables relles. Si le critre avait
t
21 11 1
max X X Z + , la solution optimale naurait pas t la mme : en continu, la solution optimale
avec le critre Z
1
est (21/13 ; 50/13) et en discret les solutions optimales sont (1,4), (2,3), (3,2).

Pour rsoudre les problmes variables mixtes, deux techniques sont utilises : les
mthodes polydriques et les procdures par sparation et valuation.

Les mthodes polydriques essaient de trouver un polydre convexe englobant au plus
juste lespace des solutions du problme en variables mixtes et plus petit que lespace des
solutions du problme en variables relles. Pour cela, on introduit de nouvelles contraintes
(appelles coupes) dans le systme de contraintes. Ainsi, si la solution trouve par
loptimisation en variables relles ( laide du simplexe par exemple) du nouveau systme est
entire (pour les variables concernes) alors celle-ci est aussi solution optimale du problme
original en variables mixtes.

X
21
0
X
11
21 11
min X X +
coupe

figure 62 : espace des solutions associ au problme de l'exemple I-1 en variables
entires


Sur la figure 62, la ligne en pointills reprsente une coupe possible. Cette coupe permet de
trouver toutes les solutions optimales quel que soit le critre (ce nest pas toujours le cas pour les
autres problmes).

Les procdures par sparation et valuation ou Branch and Bound sont
essentiellement constitues de trois lments :
une procdure de sparation qui chaque fois quil sera ncessaire de sparer un
sous-ensemble de solutions dterminera combien de sous-ensembles considrer et
comment les constituer.
une procdure dvaluation qui consiste analyser un sous-problme. Pour
lessentiel, cette analyse vise valuer la valeur optimale de la fonction conomique
du sous-problme, plus prcisment dterminer une borne infrieure (suprieure
pour un problme de maximisation) de cette valeur.
une procdure de cheminement qui indique quels sous-ensembles analyser et dans
quel ordre. Certains sous-ensembles ne seront pas spars car leur analyse mettra en
vidence quils ne contiennent pas de solutions meilleures que celles dj trouves ;
on dit que larborescence est lague. Deux grands types de stratgies existent : une
stratgie de type largueur dabord (on parcourt larbre niveau par niveau) et une
stratgie de type profondeur dabord (on descend dabord le plus profondment
possible).

Reprise de lexemple III-2 :
La figure montre larborescence dune mthode par sparation et valuation.
X
21
=2
X
21
=3
X
21
=4 X
21
=2 X
21
=3
X
21
=2
X
11
=1
X
11
=2
X
11
=3

figure 63 : arborescence d'une mthode par sparation et valuation applique
l'exemple III-2

Pour ce type de modle, nous retiendrons les procdures par sparation et valuation
avec une stratgie de type profondeur dabord. En effet, elles ont pour but lobtention rapide
dune solution. Ceci favorise le test dexistence dau moins une solution et si lalgorithme de
recherche de solution optimale est interrompu, une solution est donne.

III.3.4. Mthodes exactes et approches pour les problmes
dordonnancement avec contraintes de ressources

Les mthodes de rsolution des problmes dordonnancement sont issues de la
recherche oprationnelle et de lintelligence artificielle. Ces mthodes sont de deux types : les
mthodes exactes qui prouvent loptimalit de la solution trouve et les mthodes
heuristiques qui trouvent la solution optimale ou une solution qui sen approche. La
rsolution des problmes dordonnancement avec contraintes de ressources est, en gnral,
NP-complet. Do lide dutiliser des mthodes heuristiques.
Dans la suite du paragraphe, une typologie des mthodes exactes et heuristiques en
cinq points est prsente (voir [Gotha 93]).

Les mthodes par construction progressive sont des mthodes itratives o, chaque
itration, on complte une solution partielle. Le choix de lopration a ajouter
lordonnancement peut tre dfini :
par lapplication dun thorme de dominance. La mthode peut donner une solution
optimale.
par lapplication de rgles de priorits qui ne conduisent pas en gnral des solutions
optimales (par exemple les mthodes srielles pour les problmes cumulatifs).
Lorsque le problme contient des dates chues impratives, les mthodes par
construction progressive peuvent conduire des solutions non admissibles ; dans ce cas, on
effectue en gnral un retour en arrire ( backtraking ).

Les mthodes par voisinage manipulent des solutions compltes. Chaque itration a
pour objectif de passer dune solution complte une solution voisine mais meilleure
relativement au critre considr. Le choix du voisin conduit plusieurs types de mthodes :
mthodes de plus forte pente (choix du meilleur voisin),
mthodes de descente (choix alatoire d'un voisin meilleur),
recuit simul (choix d'un voisin quelconque),
mthodes Tabou (mthode de descente mais on accepte de remonter losqu'un
minimum local est atteint).

Les mthodes par dcomposition cherchent dcomposer le problme en sous-
problmes de complexit moindre. Plusieurs types de dcompositions peuvent tre
considrs :
dcompositions hirarchiques (plusieurs niveaux avec des mcanismes dagrgation)
dcompositions structurelles (par exemple, on rsout dabord le problme temporel
puis le problme daffectation),
dcompositions temporelles (principalement pour l'ordonnancement dynamique),
dcompositions spatiales (dcomposition en sous-ateliers),
dcomposition de l'ensemble des solutions du problme (ce sont les mthodes par
sparation et valuation).

Les mthodes par modification des contraintes changent le modle des problmes
rsoudre. Par exemple, en transformant un flow-shop normal en flow-shop de permutation, le
nombre de solutions explorer est moindre. Parmi ces mthodes, on trouve les mthodes de
relaxation (lagrangienne, surrogate ...). Le fait de relcher conduit des solutions qui ne sont
plus ralisables, mais qui fournissent des valuations par dfaut pouvant tre intgres dans
d'autres mthodes.

Les mthodes qui utilisent des techniques de reprsentation des connaissances et de
rsolution des problmes sont gnralement issues de l'intelligence artificielle. Cest le cas par
exemple des techniques de propagation de contraintes allies des techniques de rsolution
ou bien des algorithmes gntiques (algorithmes qui font voluer une population de solutions
par slection et mutation).

Les mthodes de rsolution permettent de trouver la (les) meilleure(s) solution(s) un
problme. Toutefois, les mthodes de rsolution qui viennent dtre prsentes reposent sur
un modle prsentant certaines limitations :
lensemble des contraintes relles nest gnralement pas pris en compte dans le
modle de rsolution pour des raisons de difficult de formalisation.
Caractrisation des solutions admissibles 83

certaines connaissances, en particulier les prfrences du dcideur, sont difficiles
traduire sous forme de contraintes ou de critres.
lobtention dune solution unique ne permet pas de juger des degrs de libert qui
pourraient tre utiliss en cas dala : si le modle change mme de faon trs
partielle, il faut relancer une nouvelle rsolution.
Pour cette raison, il peut tre intressant de caractriser les solutions dun problme,
dvaluer les consquences dune dcision particulire en temps de terme de modification de
lespace des solutions. Cest lobjectif des techniques de propagation de contraintes.

III.4. Caractrisation des solutions admissibles

Les techniques prsentes dans ce paragraphe permettent en premier lieu de
caractriser les solutions admissibles, par exemple, en donnant le domaine que peuvent
prendre les variables, en explicitant de nouvelles contraintes entre les variables, en prouvant
l'inconsistance d'un problme. Ceci permet de caractriser, en partie seulement, lautonomie
dun centre de dcision.

III.4.1. Propagation de contraintes dans les CSP
III.4.1.1 Introduction

La propagation de contraintes est un mcanisme dductif qui permet d'infrer de
nouvelles contraintes partir d'un sous-ensemble de contraintes et de variables.
Dans [Davis 87], l'auteur identifie six types de propagation de contraintes. Nous nous
intresserons qu'aux deux les plus gnraux. Linfrence de contraintes permet dinfrer de
nouvelles contraintes. Nous considrons galement linfrence de labels qui modifie le
domaine des variables. On peut noter que l'infrence de label est un cas particulier d'infrence
de contraintes.
[Davis 87] a mis en avant quelques caractristiques des systmes de propagation de
contraintes, dont les plus intressantes sont :
l'utilisation possible pour les systmes incrmentaux. Lajout de plusieurs contraintes
peut se faire en plusieurs tapes lies chacune l'ajout d'une seule contrainte, sans que
cela n'affecte le rsultat final. Les CSP dynamiques exploitent particulirement cette
proprit.
l'utilisation possible sous contraintes de temps. Si on interrompt le processus de
propagation, les rsultats intermdiaires sont valides et le processus peut tre repris
plus tard.
l'implmentation possible en parallle. Ce processus est tudi dans les CSP distribus
(cf. [Hamadi 99]).
III.4.1.2 Consistances locales et filtrage

Les techniques de propagation de contraintes les plus connues sont les mthodes de
consistance locale et de filtrage de domaine. Ces mthodes infrent des restrictions sur les
domaines (infrence de labels). Ces mthodes peuvent sappliquer aussi bien aux CSP discrets
quaux CSP continus (voir [Sam-Haroud et al. 96], [Lee et al. 93] et [Davis 87]).

Avant de prsenter les techniques de filtrage, nous prsentons les notions de consistance
et de k-consistance.

Un CSP est dit consistant si il existe au moins une solution.

Un CSP est dit k-consistant si pour toute instanciation consistante de (k-1) variables,
il existe une valeur pour toute k-ime variable telle que linstanciation des k variables soit
consistante.

Voici quelques cas particuliers de k-consistance :
Un CSP est noeud-consistant si et seulement si lensemble des valeurs de chaque
domaine vrifient les contraintes unaires pesant sur la variable associe. La consistance de
nud est quivalente la 1-consistance.
Une contrainte binaire est arc-consistante si et seulement si, pour toute valeur du
domaine d'une des deux variables, il existe une valeur du domaine de l'autre variable qui
satisfasse la contrainte. Un CSP est arc-consistant si et seulement si toutes ces contraintes
binaires sont arc-consistantes. Larc consistance correspond la 2-consistance.
Un CSP est chemin-consistant si et seulement si pour tout chemin ) ,..., , (
1 0 m
x x x , tout
couple de valeur des domaines de
0
x et
m
x , il existe au moins une valeur pour toute variable
intermdiaire (de
1
x
1 m
x ) tel que chaque contrainte binaire reliant deux variables adjacentes
soit satisfaite. Dans le cas, dun CSP binaire, la chemin-consistance est quivalente la 3-
consistance.
Illustration de larc-consistance
Soit le graphe suivant.
Pour rendre ce CSP arc-consistant, il faut rduire les domaines des deux
variables afin que quelque soit la valeur prise dans le domaine de t
A
, il existe
une valeur pour t
B
telle que la contrainte soit vrifie et inversement. Ainsi,
on a 5 +
A D
t t et 5
D A
t t . On en dduit le graphe suivant qui
correspond un CSP arc-consistant.
t
A
t
D
5 +
A D
t t
[0 ;15] [0 ;15]
t
A
t
D
5 +
A D
t t
[0 ;10] [5 ;15]

Afin de rendre un CSP arc-consistant, de nombreux algorithmes de filtrage ont t
proposs. Les plus connus portent les noms de AC-1 AC-6 (on peut voir le dtail de ces
algorithmes et une discussion approfondie sur leur efficacit dans [Hamadi 99] ou dans
[Alliot et al 94]).
Lalgorithme AC-1 est le plus simple de ces algorithmes. Chaque arc ) , ( j i voit le
domaine
i
d filtr en fonction de la contrainte
ij
c . Tant que le domaine dune des variables est
chang, le rseau de contraintes est entirement parcouru. Si aucune inconsistance nest
dtecte, le CSP est nud-consistant et arc-consistant. Cet algorithme est relativement
inefficace car chaque changement, tout le rseau de contraintes est reparcouru.

Lalgorithme AC-3 comble en partie cette inefficacit. Au dpart, toutes les
contraintes sont dans la pile ; au fur et mesure des actualisations les contraintes sont dpiles
pour filtrer les domaines des variables. Si une variable voit sont domaine chang cause
dune contrainte
i
c , on empile toutes les contraintes qui font intervenir la variable sauf
i
c .

La figure 64 montre le graphe CSP arc-consistant driv de celui de l'exemple III-3. On peut
remarquer que les valeurs des domaines obtenus ici sont les mme que ceux obtenus avec
lordonnancent au plus tard et au plus tt comme la montr la figure 60.

[2 ;8]
t
dbut
t
A
t
B
t
C
t
D
t
E
t
F
t
fin
dbut A
t t
dbut B
t t
5 +
A D
t t
2 +
B E
t t
2 +
B C
t t
2 +
C D
t t 4 +
D F
t t
8 +
E F
t t
1 +
F fin
t t
[0 ;4]
[0 ;5] [5 ;10]
[10 ;14]
[11 ;15]
[2 ;6]
[0 ;4]

figure 64 : arc-consistance appliqu au CSP de l'exemple III-3
Les problmes dordonnancement sans contraintes de partage de ressources peuvent
tre formuls sous la forme dun TCSP (CSP variables temporelles) binaire. Les algorithmes
de chemin-consistance donnent les actualisations maximales des domaines de variables et
assurent que le CSP rsultant est globalement consistant : toute valeur du domaine dune
variable intervient dans au moins une solution. Donc, les algorithmes de chemin-consistance
appliqus aux problmes dordonnancement sans contraintes de partage de ressource donnent
un CSP globalement consistant.

III.4.2. Lanalyse sous contraintes des problmes
dordonnancement

Les techniques de k-consistance appliques aux problmes dordonnancement donnent
de bons rsultats dans certains cas : les algorithmes de chemin-consistance assurent que le
CSP rsultant est globalement consistant dans le cas des ordonnancements sans partage de
ressource. Dans les autres cas, on peut mettre en place des rgles de dduction plus
spcifiques afin de renforcer la consistance du problme. Cest le rle de lanalyse sous
contraintes des problmes dordonnancement ([Esquirol et al 99], [Hennet 97], [Huguet 94],
[Le Pape 94]).

Le premier type de rgles prsent repose sur lidentification de conflits de partage
afin deffectuer dventuels arbitrages. Ce raisonnement correspond une infrence de
contraintes. Le second type de rgles prsent sappuie sur le concept dnergie. Ce
raisonnement, intgral, dduit des restrictions sur la localisation temporelle des tches
(infrence de domaine).

Les rgles prsentes ici peuvent sappliquer aux problmes dordonnancement avec
tches non premptives et ressources renouvelables.


III.4.2.1 Lidentification de conflits de partage de ressource

Ce type de raisonnement passe dabord par la dtermination des ensembles critiques
de tches en conflit, puis dans un second temps par linfrence de squencements obligatoires
ou interdits et enfin par lactualisation des domaines des variables.

Un ensemble critique de tches en conflit T est un ensemble minimal de tches qui
utilisent une ressource k , qui ne sont pas ordonnes et qui ne peuvent pas tre excutes en
parallle.
La ncessit de rsoudre un ensemble critique de tches en conflit peut tre exprime
par un ensemble non conjonctif dingalits de potentiels (comme nous lavons vu au
paragraphe III.2.3). Le nombre de dcisions ncessaires pour rsoudre un problme est au
plus gal au nombre densembles critiques.
La recherche des ensembles critique est triviale dans le cas de ressources disjonctives.
Par contre, dans le cas de ressources cumulatives, lnumration systmatique peut donner un
grand nombre densembles critiques.

Un ensemble disjonctif maximal D est un plus grand ensemble de tches qui
utilisent la ressource k tel que tout couple de tches de cet ensemble est un ensemble
critique. Ainsi, les tches de cet ensemble doivent tre totalement ordonnes.

Exemple III-6 : un problme d'ordonnancement cumulatif
Dans cet exemple, 6 tches {1,2,3,4,5,6} utilisent une seule ressource de capacit 4
k
A . On
suppose quil nexiste aucune contrainte temporelle initiale (hormis les dates de dbut au plus tt et au
plus tard des tches).

i 1 2 3 4 5 6
a
i
3 3 2 2 1 1
r
i
0 2 3 0 3 1
p
i
2 2 1 1 1 2
d
i
5 6 6 6 5 6

Lanalyse permet de dterminer les ensembles critiques : {1,2}, {1,3}, {1,4], {1,5,6}, {2,3}, {2,4},
{2,5,6}, {3,4,5}, {3,4,6}. Les ensembles disjonctifs maximums sont {1,2,3}, {1,2,4}. Les tches 5 et 6 ne
peuvent pas faire partie dun ensemble disjonctif maximal car elles ne peuvent entrer en conflit avec
aucune autre tche.

La recherche des ensembles critiques de tches en conflit et des ensembles disjonctifs
maximaux permet dutiliser des rgles de dduction afin dinfrer des squencements interdits
ou obligatoires. Ces contraintes supplmentaires sont ajoutes au CSP. Voici deux exemples
de rgles :

prcdence interdite. Pour deux taches i et j appartenant un ensemble critique, si
j i i j
p p r d + < alors i ne peut pas prcder j . On en dduit i prcde j . Exemple :

i
j
i j
r d
j i
p p +

ensemble non postrieur. D est un ensemble disjonctif maximal,
i S S i D S D i ' , , , si
<
'
max
S s
s i s
S s
p r d alors ) ( S i p . On en dduit la
nouvelle contrainte : i s S s p / . La figure suivante illustre ce propos. La tche i ne
peut pas tre squence avant les tches j et k . Par contre, la tche i peut tre
squence avant la tche j ou avant la tche k .
k
i S
r d max
j
i
S
' S s
s
p

Une fois, les contraintes dduites intgres dans le CSP, certaines dductions sur les
domaines peuvent tre infres. Pour une description exhaustive de ces dductions, on se
rfrera aux articles [Esquirol 99], [Hennet 97], [Huguet 94]. titre dexemple, sur la figure
de la rgle de prcdence interdite, on a dduit que i ne peut pas prcder j . Or, lensemble
des tches critiques ne contient que deux tches, donc j doit prcder i . Il sensuit une
actualisation possible de la date de dbut au plus tt de la tche i et de la date de fin au plus
tard de la tche j .

III.4.2.2 Le raisonnement nergtique

Le raisonnement nergtique est bas sur les bilans nergtiques relatifs une
ressource cumulative k . Il vise resserrer certaines fentres afin dinterdire un
positionnement des tches menant une consommation excessive dnergie.
Ici, nous ne donnerons que le principe de ce raisonnement.

Lnergie est une grandeur qui permet de caractriser une quantit de travail, soit
requise pour raliser une tche, soit fournie par une ressource sur un intervalle de temps. Par
exemple, lnergie fournie par un ensemble de personnes peut tre exprime en hommexheure
et lnergie fournie par un lot datelier en machinesxheures.
Pour une tche i dintensit constante
i
a et de dure
i
p , lnergie requise par la tache
est
i i i
p a e .

Lide de base est dtudier les consommations minimales et maximales des tches sur
un intervalle de temps. Cette analyse peut mener la dtection d'une inconsistance globale.
Plus gnralement, lanalyse permet de dduire un ensemble de dates interdites pour une
tche et, ainsi, dactualiser les fentres des tches (dates de dbut au plus tt et date de fin au
plus tard). Dans certains cas, des squencements interdits ou obligatoires peuvent tre dduits.
Le principal problme de ce type de raisonnement est de dterminer les intervalles de
temps tudier. Cependant, on peut envisager de ne prendre que les intervalles correspondant
aux extrmits des tches afin de limiter la complexit du traitement une complexit
polynomiale.
III.4.3. Discussion

Les techniques de propagation de contraintes permettent dinfrer des informations
partir dun ensemble de contraintes et de variables. Une fois, ces informations intgres dans
le CSP, elles peuvent donner lieu de nouvelles actualisations. Linfrence de contraintes
permet de dduire de nouvelles contraintes. Linfrence de labels ou infrence de domaine
permet dactualiser les domaines des variables.
Les raisonnements mis en uvre ne sont pas complets dans le cas gnral. Ainsi, une
inconsitance globale peut passer inaperue. Dans ce cas, seule la gnration dune solution
permet de vrifier la consistance du problme.
Les techniques gnrales de propagation comme les algorithmes assurant larc-
consistance et la chemin-consistance peuvent tre appliques tous les types de problmes
(planification comme ordonnancement). Ils savrent performants dans certains cas comme
lordonnancement sans partage de ressources. Dans le cas de l'ordonnancement, on utilise en
complment des rgles d'analyse sous contraintes ce qui revient raliser une certaine forme
de k-consistance.

Ces techniques couples une gnration de solution par valuation et sparation
permettent dlaguer larbre des contraintes. On peut, par exemple, propager les contraintes
chaque nud de larbre. Les techniques de propagation consomment du temps ; llagage de
branches permet de gagner du temps. Tout lart de la rsolution consiste bien doser le
nombre de rgles employer dans la propagation de contraintes.

III.5. Synthse
Les modles et les techniques prsents tout au long du chapitre permettent, soit de
gnrer une solution, soit de caractriser lespace des solutions.
Dans cette partie, nous revenons sur quelques particularits essentielles de ces
techniques, qui nous paraissent importantes pour la ralisation d'un outil d'aide la dcision.

Synthse 89

III.5.1. Aspect dynamique de la prise de dcision

La modlisation des problmes considrs jusqu'ici prsente un caractre statique. En
fait, dans un contexte rel on est souvent amen modifier dynamiquement un modle. En
effet, des interactions avec dautres centres amnent le dcideur ajouter ou retirer des
contraintes.
Lors dun changement dans le modle, plutt que de reprendre lanalyse du problme
(caractrisation, solution) depuis le dbut, il serait souhaitable de dvelopper des techniques
rutilisant une partie du travail dj effectu sur le problme prcdent.
Le principal obstacle de ces approches est quune solution peut tre difficile
maintenir en cas dajout de contraintes (la solution ne satisfait peut-tre pas les contraintes
ajoutes). En contrepartie, le retrait de contraintes ne pose pas de problme (la solution vrifie
nimporte quel sous-ensemble de lensemble des contraintes). Inversement, dans le cadre des
techniques de propagation de contraintes, lajout de contraintes ne pose pas de problmes (les
informations dduites jusqualors ne sont pas remises en cause). Par contre, le retrait de
contraintes peut poser des problmes (des informations dduites pralablement ne sont plus
valides).

Plusieurs approches peuvent tre envisages :
maintien dun certain niveau de consistance locale aprs chaque modification. Les
algorithmes incrmentaux traitent le problme de maintien de consistance darc. Les
algorithmes classiques peuvent facilement tre adapts pour lajout de contraintes. Le
retrait de contraintes pose un problme dlicat et fait lobjet dalgorithmes spcifiques
comme par exemple Dn-AC4, Dn-AC-6 et AC/DC (voir [Debruye 95]).
maintien dune solution aprs chaque modification. Le retrait de contraintes ne pose
aucun problme par contre lajout dune contrainte peut rendre la solution
inconsistante. [Verfaillie et al 95] ont identifi, dun point de vue global, deux types
dapproches. Tout dabord, la premire approche consiste mmoriser et rutiliser
des solutions de problmes prcdents : si une solution S satisfait P, alors si le
problme P est proche de P, une solution de P devrait tre trouve proximit de S.
La seconde approche consiste mmoriser des contraintes produites dans les cadres
de recherche prcdentes et rutiliser celles qui restent valides dans le cadre du
problme courant pour couper lespace de recherche associ. Ces contraintes sont les
contraintes produites par exemple par les mcanismes de propagation de contraintes.

III.5.2. Temps limit

Dans la plupart des cas, le dcideur ne peut pas attendre indfiniment les rsultats des
algorithmes. Par exemple, si la rsolution du problme dordonnancement prend trop de
temps et si la date de dbut de lordonnancement est dpasse, latelier peut tre bloqu et
entraner des retards.
Cette problmatique a t beaucoup tudie en planification de trajectoires (pour les
robots). En effet, si le calcul de trajectoire prend trop de temps, un accident peut survenir.

Ici, le temps est considr comme une ressource. On accepte que les algorithmes
donnent des rponses non optimales (dans le cas dune rsolution) ou une rponse incomplte
(dans les cas des caractrisations).

Deux grandes approches peuvent tre distingues : les algorithmes anytime et les
algorithmes design-to-time . Trs schmatiquement, les algorithmes anytime ([Zilberstein
et al 96]) peuvent tre interrompus nimporte quel moment et donnent un rsultat de qualit
proportionnelle au temps utilis. Cette interruption peut tre inattendue (cre par lutilisateur
par exemple) ou planifie. Les algorithmes design-to-time ([Garvey 93]) maximisent la
qualit du rsultat en fonction du temps allou ; il existe donc une fonction qui permet de
mesurer la qualit des solutions. La principale diffrence entre les deux approches est que
lalgorithme anytime peut tre interrompu tout moment alors quun algorithme design-to-
time sarrtera ncessairement avant la date prdfinie. Un algorithme design-to-time peut
tre galement anytime sil accepte une interruption.
Les algorithmes anytime sont relativement faciles concevoir. Par exemple, les
techniques de propagation de contraintes sont des algorithmes anytime, puisqu tout moment
les contraintes dduites sont des conditions ncessaires. Une gnration de solution par
valuation et sparation en profondeur dabord peut facilement tre considre comme un
algorithme anytime (on peut arrter lalgorithme ds quune premire solution a t gnre).
Lalgorithme du simplexe peut aussi tre transform en algorithme anytime (il suffit de
sassurer que la procdure dinitialisation soit termine).
Lapproche des algorithmes anytime est intressante dans le cadre dune aide la
dcision. Le dcideur peut interrompre le traitement et obtenir un rsultat. De mme,
lalgorithme peut sarrter une date de fin au plus tard si celle-ci est connue.

III.5.3. Inversibilit du modle et paramtres partiellement
connus

Par dfaut, le dcideur prend des dcisions avec les paramtres fixs (les dcisions en
amont). Mais, ce dcideur peut se poser la question suivante : compte tenu dune solution
souhaitable, quelles sont les valeurs des paramtres qui la rendent admissible ?
Pour rpondre cette question, on peut sappuyer sur le caractre rversible (voir par
exemple [Hennet 97], [Huguet 94]). Le principe est le suivant : on considre les paramtres
comme des variables et les variables de dcision comme des paramtres.

Il se peut quon ne connaisse que le domaine des valeurs que prendra un paramtre
(paramtres prvisionnels). Ces paramtres peuvent tre considrs comme des variables dans
le modle du centre de dcision.

Exemples en planification de la production :
Pour pouvoir rpondre un client, un commercial demande la fonction planification quelle est
la quantit de produits 5 que peut livrer lentreprise pour la priode 3 sans faire appel la sous-
traitance. Pour rpondre cette question, le dcideur du centre de planification considre le
paramtre
53
D comme une variable et cherche maximiser le critre
53
max D .
Le client ne connat pas prcisment la quantit dont il aura besoin. Le commercial transmet au
centre de planification que ] 40 , 35 [
53
D . Le centre de planification tient compte de cette imprcision
en considrant
53
D comme une variable avec le domaine indiqu.

Dans [Chinneck et al. 00], le meilleur optimum et le pire optimum peuvent tre
obtenus sur des modles linaires avec les paramtres spcifis comme des intervalles (par
Synthse 91

exemple ]) 40 , 35 [
ik
a . Dans le cas gnral, lobtention du meilleur optimum et du pire
optimum ncessite une numration.
En planification de la production, nous avons vu que la linarit du modle est
conserve quand les stocks initiaux (
0 i
I ), les capacits des machines (
kt
b ) et les demandes
(
it
D ) ne sont pas totalement connus. Le modle nest plus linaire lorsque les variables de
dcision
it
X (quantits de produits fabriquer) et les paramtres
ik
a (consommations de
ressource pour la fabrication dun produit) sont considrs en mme temps comme des
variables.
En cas dinversion (totale) du modle, tous les paramtres peuvent tre considrs
comme des variables ; la linarit est conserve.
Tous les algorithmes employs pour le modle classique restent valides (comme
lalgorithme du simplexe ou les techniques de k-consistance).

Exemple en ordonnancement datelier :
Si la dure des tches peut varier en fonction de la quantit des produits fabriquer, le
dcideur responsable dun atelier peut donner son avis sur la quantit maximale de produits quil peut
fabriquer. Pour ce faire, il suffit de considrer le paramtre
i
p comme une variable et maximiser le
modle avec le critre
i
p max .

Exemple en gestion de projet :
Le dcideur peut tre amen considrer la date de fin au plus tard des tches comme une
variable pour, par exemple, rengocier la date de fin dun projet dont on sait quil ne pourra se
terminer dans les dlais initialement prvus.

Si on ne connat que les domaines (discrets) de certains paramtres, les techniques de
rsolution par valuation et sparation restent valables. En effet, il suffit de choisir une valeur
pour les paramtres parmi toutes les valeurs du domaine. Les techniques de propagation de
contraintes par k-consistance restent valables : il suffit de considrer les paramtres non
entirement instancis comme des variables.
Cependant, certains cas particuliers dordonnancement ont t tudis quand certains
paramtres ntaient pas connus :
On peut considrer un problme dordonnancement conjointement avec un problme
daffectation (
k
nest pas totalement connu). Dans [Huguet et al. 00], des techniques de
propagation de contraintes sont tudies pour ce cas. Des affectations interdites sont mises
jour.
On peut considrer un problme dordonnancement avec gammes alternatives. Le
dcideur choisit une gamme de fabrication parmi un certain nombre (plusieurs matrices
ij
b
possibles). Dans [Ginestet 98], plusieurs modles pour la gestion de projets avec gammes
alternatives et avec contraintes de ressources sont tudis.

III.5.4. Dcision sur les contraintes

Pour prendre des dcisions sur les contraintes, on peut chercher savoir quels sont les
contraintes, les paramtres ou les dcisions qui doivent tre relchs. Cette tude est, en
gnral, dpendante du problme considr.

En ordonnancement, la recherche des chemins critiques dans le graphe potentiels-
tches indique lensemble des tches dont la dure dont on peut diminuer la dure dans le but
dachever le projet plus tt. Pour les ordonnancements avec ressources, lidentification de la
(ou des) machine(s) goulot(s) peut donner lieu diffrentes stratgies de relaxation.
En ce qui concerne la planification, la prise en compte darrirs de fabrication permet
de prendre en compte, ds la modlisation, la possibilit de retards ou la possibilit de
paramtres non entirement spcifis (voir paragraphe prcdent). De plus, dans le paragraphe
III.3.2.3, nous avons vu que la recherche dune sphre de rayon maximum contenu dans
lespace des solutions donne les contraintes les plus fortes. Dans [Chinneck 96], une mthode
pour obtenir lensemble non rductible des contraintes qui ne peuvent tre satisfaites est
donne : il suffit de relcher une des contraintes de cet ensemble pour que le problme ait de
nouveau une solution.

Dans le cas gnral, lajout progressif des contraintes permet didentifier un ensemble
de contraintes qui posent problme. Ici, il faut disposer dune stratgie de pose de contraintes
(a priori de la plus importante la moins importante). Pour dfinir la stratgie, le dcideur
tiendra compte de ces propres objectifs mais aussi des relations quil a avec dautres centres.

Le systme SCOOP (voir [Lopez et al 96]) permet de dtecter des inconsistances et
prvient lutilisateur en essayant dexpliquer (et donc didentifier) la cause du problme, grce
une prose progressive des contraintes lies aux ordres de fabrication classs par ordre
croissant dimportance.

On le voit ici, la stratgie de remise en compte des contraintes dpend normment du
problme et de lexpertise du dcideur. Nanmoins, certains outils sont disponibles pour
analyser la cause du problme :
en ordonnancement, analyse du chemin critique et identification des ressources
goulots.
en planification, autorisation darrirs de fabrication, augmentation de la capacit des
ressources, recherche des contraintes les plus fortes.

III.6. Conclusion

Les modles prsents dans ce chapitre permettent de reprsenter le problme de
dcision dun centre. Des techniques de rsolution et de propagation de contraintes permettent
danalyser lespace des solutions, de prendre des dcisions sous ou sur les contraintes. Ces
mmes outils peuvent tre utiliss pour prciser des valeurs acceptables pour les paramtres.

Dans ce chapitre, nous avons abord les dcisions, les contraintes et les prfrences
essentiellement comme des objets mathmatiques statiques (variables de dcision, des
paramtres, des relations entre variables et paramtres). Le chapitre suivant sintresse la
dynamique des modles associs aux centres dun rseau, essentiellement lie la coopration
entre centres

Chapitre IV Interactions et communication dans
un rseau de centres de dcisions

IV.1. Une approche dynamique de laide la dcision
distribue

Nous nous intressons au problme de l'aide la dcision distribue au sein d'un
rseau de centres de dcisions (cf. II.5). Dans ce contexte, les dcideurs ont une connaissance
partielle du problme global pos au rseau et doivent communiquer pour cooprer et
ventuellement ngocier. La ngociation porte sur la valeur des paramtres intervenant dans
les contraintes des modles des centres. Elle permet d'anticiper des problmes dont la
rsolution demande un temps non ngligeable ; elle permet galement de remettre en cause
des dcisions dj prises afin de ragir des alas.

En chaque centre, un premier type d'aide la dcision peut tre propos, sous la forme
d'outils d'analyse et de rsolution des problmes locaux bass sur des mcanismes de
propagation de contraintes. Ce type d'aide permet d'valuer la consistance du problme local
et de fournir des solutions prvisionnelles. Si les interactions entre centres sont toutes
synchrones, les modles voluent selon une suite dtats totalement ordonns ; la dynamique
globale rsulte dune suite de rsolutions de problmes statiques.
Or dans un environnement perturb, toutes les informations utiles n'arrivent pas au
mme moment en un centre, par exemple entre deux changes avec des centres diffrents. De
plus, un centre peut sengager dans plusieurs types de ngociation, certaines but
prvisionnel, dautres pour ragir des vnements imprvus. Ds lors que les interactions
entre centres ne sont pas synchrones, les ngociations quelles supportent font rfrence des
tats diffrents des modles. Enfin, des contraintes de dcision en temps limit peuvent
galement influer sur la stratgie des dcideurs, en rduisant les possibilits de
(re)ngociation. De ce fait, il nexiste pas un modle unique en chaque centre, mais plusieurs.
Ces modles partagent certes un grand nombre de caractristiques, mais diffrent par :
leur niveau d'instanciation (le nombre de dcisions fixes)
ltat communiqu ou non des hypothses et des dcisions
leur dure de vie (temps au bout duquel certaines hypothses du modle deviennent
caduques)

Au problme de rsolution statique s'ajoute celui de la gestion dynamique d'un
ensemble partiellement structur de modles. Cet ensemble volue au fur et mesure que des
ngociations entre centres se dveloppent et que de nouveaux vnements surgissent qui
confirment ou non les hypothses faites pour prparer ces ngociations. Nous abordons par la
suite le problme de l'aide la gestion dynamique du processus de rsolution en un centre.
D'autre part, les notions d'engagement, d'hypothse, de remise en cause supposent un
certain niveau de formalisation des interactions entre les dcideurs. Cette formalisation joue
un rle dterminant car elle clarifie les intentions des diffrents centres au cours de leurs
interactions et permet de construire des conversations types. Nous tudions le service que peut
constituer lutilisation dune messagerie ddie aux conversations portant sur la ngociation
des paramtres intervenant dans les contraintes du modle des centres.
94 Interactions et communication dans un rseau de centres de dcisions

Nous proposons de distinguer plusieurs classes de contraintes parmi lensemble des
contraintes qui fixent le cadre des dcisions en chaque centre. Nous distinguons les
contraintes organisationnelles qui dfinissent la structure et le fonctionnement du rseau, les
contraintes de modle qui portent directement sur les dcisions et les contraintes procdurales
qui permettent plusieurs centres de cooprer.
Dans un deuxime temps, les diffrents tats que peut prendre une variable de dcision
sont tudis. Des contraintes de coordination peuvent ainsi tre prises en compte, sous la
forme de dates limites associes aux changements dtat des variables. Un outil daide la
dcision doit permettre au dcideur de mieux grer son temps, de le prvenir de l'urgence ou
du retard d'une prise de dcision, dvaluer le temps maximum disponible pour une
ngociation.
Ensuite, nous proposons un protocole de communication entre les centres. L'change
de messages s'insre dans deux types de conversations prdfinies (conversation pour
engagement et conversation pour information). Les ngociations entre centres peuvent tre
partiellement automatises.
Enfin, les diffrentes hypothses, propositions et engagements que le centre considre
sont reprsents au travers d'une structure arborescente. Le suivi des conversations et
l'valuation des diffrentes propositions faites sont facilits.

IV.2. Structure dun centre

Un centre est compos dun ou de plusieurs dcideurs assists par un systme daide
la dcision appel agent (voir la figure 65). Pour simplifier, nous considrerons quun seul
dcideur, agit la fois sur le systme dinformation et quil agit comme un dcideur unique
quivalent (nous cartons ainsi le sous-problme de dcision collective que pourrait soulever
la description dtaille du fonctionnement interne dun centre).
Dans notre approche, la notion dagent recouvre lensemble des dispositifs permettant
dassister le dcideur la fois dans la rsolution des problmes dont le centre a la charge et
dans les interactions formalises quil a avec dautres centres. Nous supposons que les
interactions entre agents seffectuent selon des protocoles prdfinis.

agent
dcideur
centre de dcision 1
agent
dcideur
centre de dcision 2
informatis
non
informatis

figure 65 : constitution des centres de dcision

Structure dun centre 95

IV.2.1. Classification des contraintes pesant sur un centre

Afin de proposer un outil d'aide capable de tenir compte de lensemble des contraintes
qui influent sur lactivit des dcideurs, il convient dabord d'identifier cet ensemble.

Nous avons identifi trois types de contraintes formalisables qui psent sur un centre :
Les contraintes organisationnelles proviennent de la dfinition du rseau. Elles
dfinissent la structure du rseau (type des dcisions prises par chaque centre, liens entre
centres). Elles dfinissent galement son fonctionnement travers des rgles de coordination
entre centres (contraintes de workflow, dates limites de prise de dcision, priodicit des
dcisions, prcdence).
Les contraintes de modle dcrivent de faon gnrique le problme pos en chaque
centre. Nous supposons que ce problme est formalisable l'aide d'un modle de type CSP.
Ces contraintes affectent le domaine des variables de dcision. Des outils de propagation de
contraintes et de rsolution (cf. chapitre prcdent) permettent d'aider le dcideur valuer les
marges de manuvre dont il dispose, trouver une solution au problme de dcision (sous
contraintes) ou ngocier des paramtres (sur contraintes).
Les contraintes procdurales structurent le processus de coopration entre les
centres. Elles dcrivent le type et la smantique des changes entre les 2 centres
(engagements, comportement attendu ...). Ces contraintes se traduisent en gnral par un
protocole d'interaction entre les centres : communication l'aide de notes, runions,
messagerie

En se posant diffrentes questions sur les dcisions, le dcideur cherche connatre les
contraintes qui psent sur elles. Par exemple, le dcideur peut chercher non seulement
connatre les valeurs que peut prendre une dcision (contraintes de modle) mais aussi
connatre le type des dcisions, le centre responsable et les contraintes temporelles qui psent
sur le processus de dcision (contraintes organisationnelles). De plus, les ngociations
concernant des dcisions sont facilites par le cadre fourni par les contraintes procdurales
(voir la figure 66).

centre
- nature, instant de dcision/de gel, ?
- valeur fixe, valeurs possibles ?
- mthode de communication, de ngociation ?
dcisions des
centres en amont
dcisions du centre ngocies
avec les centres en aval

figure 66 : le dcideur cherche caractriser les contraintes

La remise en cause de ces contraintes prsente plus ou moins de facilit. Ainsi, en
fonctionnement normal, les centres ngocient les valeurs des paramtres et des variables
intervenant dans les contraintes de modle. Lessentiel des conversations entre centres porte
donc sur lajustement des modles entre centres. Parfois, selon une frquence beaucoup plus
faible, pour amliorer lefficacit des interactions entre deux centres, les contraintes
procdurales sont modifies. Enfin, les contraintes organisationnelles sont aussi plus rarement

remises en cause. Cest notamment le cas loccasion dun processus de BPR et de la mise en
place dun systme de workflow (voir chapitres I et II).

Dans un premier temps, il nous est apparu indispensable de limiter notre approche au
cas o les contraintes procdurales et organisationnelles sont fixes et ne peuvent tre
remises en cause.
Les techniques permettant de reprsenter et de traiter les contraintes de modle ont t
abordes au chapitre prcdent. Nous y reviendrons peu dans ce chapitre. Dans la suite du
chapitre, nous cherchons, essentiellement :
reprsenter les contraintes organisationnelles,
proposer un protocole de communication entre centres (contraintes procdurales)
reprsenter l'tat d'un centre.

IV.2.2. Les contraintes organisationnelles

Les contraintes organisationnelles sont essentiellement dfinies par des contraintes de
structure (aspect statique) et des contraintes de coordination (aspect dynamique ou
fonctionnement).
IV.2.2.1 Les contraintes de structure

La structure du rseau de centres de dcision peut tre reprsente par un graphe
orient dont les sommets reprsentent les centres de dcisions et les arcs orients la
dpendance d'un centre (B) envers un autre centre (A) dont les dcisions interviennent comme
des paramtres dans ses contraintes. On peut remarquer que labsence de circuit dans ce
graphe traduit un ordre partiel ou total dans la prise de dcision (par exemple hirarchisation).
Dans la suite, ce graphe est dfini par le triplet ) , , ( F U C S avec :
) ,..., , (
2 1 N
c c c C l'ensemble des N centres.
) ,..., , (
2 1 M
u u u U l'ensemble des Marcs.
F une fonction de U vers l'ensemble des variables de dcision X ( X U F : ).
Pour un arc ) , (
j i
c c u , ) (u F est l'ensemble des variables de dcision de
i
c transmise

j
c .

Soit
i
X l'ensemble de variables que considre le centre
i
c . Lorsque quun rseau est
correctement dfini les dfinitions et proprits suivantes sont applicables au graphe associ
(la notation et les termes employs sont issus de [Prins 94]) :
l'ensemble des variables de dcision du centre
i
c est l'union des variables portes par
les arcs incidents extrieurement
i
c : ) ( ) ( var
) (
u F c _dec
i
c u
i
+
.
l'ensemble des paramtres du centre
i
c est l'ensemble des variables portes par les
arcs incidents intrieurement
i
c : ) ( ) (
) (
u F c param
i
c u
i
.
l'ensemble des variables prives de
i
c est
) ( ) ( var_ ) ( var_
i i i i
c param c dec X c priv .
l'ensemble des centres en amont du centre
i
c est )} , ( / { ) (
i j j i
c c u c c amont .

l'ensemble des centres en aval du centre
i
c est )} , ( / { ) (
j i j i
c c u c c aval .
une variable de dcision ne peut tre sous la responsabilit que d'un seul centre.
) ( var_ ) ( var_ ,
j i i j i
c dec c dec c c c . De plus, ) ( var_
i
c
c dec X
i
.

IV.2.2.2 Fonctionnement du rseau

La description de la structure d'un rseau de centres de dcision ne suffit pas pour
dcrire les contraintes organisationnelles. En effet, l'tude du fonctionnement du rseau est
aussi importante. Afin de dcrire le fonctionnement d'un rseau de dcision, il semble utile de
distinguer le fonctionnement normal du fonctionnement perturb.

En fonctionnement normal, la nature et la date d'arrive des interactions sont
prvisibles et connues. C'est le cas notamment en fonctionnement priodique : le
centre responsable de variables et les centres en aval doivent priodiquement ngocier
les variables de dcision.
En fonctionnement perturb, les centres ne connaissent pas la nature et la date des
interactions. Ces interactions visent ragir face un ala ou une opportunit ; elles
permettent de corriger des dcisions prises pralablement. On est alors dans une phase
de rengociation.

Nous pouvons reprsenter le fonctionnement (normal et perturb) dun rseau de
centres par un actigramme SADT. Ici, chaque rectangle (voir figure 67) reprsente une
fonction de dcision ; les donnes dentre arrivent par le ct gauche de la bote (flche 1),
les donnes de sortie figurent sur le ct droit (flche 2) ; les donnes qui contrlent ou
dclenchent la fonction de dcision (flche 3) entrent par le haut ; enfin les informations
reprsentant la nature des dispositifs de dcision (ici un ou plusieurs centres de dcision)
(flche 4) figurent sous lactivit. Si le fonctionnement est priodique les vnements qui
dclenchent la fonction de dcision sont du type : tous les jours , toutes les
semaines ). Si le dclenchement a lieu sur vnement non contrlable, le contrle sera
constitu de dcisions provenant d'un centre en amont ou dalas survenus dans
l'environnement.

fonction
donnes en entre (1)
vnement dclenchant
contrle (3)
donnes en sortie (2)
centres participants (4)

figure 67 : une fonction de dcision

IV.2.2.3 Exemple en gestion de production

La figure 68 montre un rseau de centres de dcision en gestion de production.
Compte tenu du plan prvisionnel, le centre commercial envoie des commandes (quantit et
date de livraison par commande) au centre de planification. Celui-ci calcule un plan de

production (quantit de produits fabriquer par priode). Ce dernier est reu et dcompos en
tches par le centre dordonnancement.
Le graphe montre un ordre naturel dans la prise de dcision entre le centre de
planification et celui dordonnancement. Il existe donc une hirarchie dans la prise de
dcision qui induit des contraintes de coordination.

ordonnancement
planification
commercial
carnet de commande :
quantit de produits livrer par commande
date de livraison par commande
plan de production
quantit de produits
fabriquer par priode
date de dbut des tches
plan de production
quantit de produits
fabriquer par priode

figure 68 : un exemple de rseau en gestion de production

La figure 69 montre le fonctionnement correspondant la structure de la figure 68. Le
commercial fournit une quantit de produits fabriquer pour une date de livraison. Pour cela,
il se base sur un plan fourni par le centre de planification, ce plan tant actualis en fonction
des commandes passes. Toutes les semaines, le centre de planification fournit les quantits
de produits fabriquer pour la premire priode au centre ordonnancement. Celui-ci dlivre
un ordonnancement quotidien. Les diffrents centres de dcision tiennent compte galement
dalas (exemples : augmentation dune commande, mise au rebut dun lot de pices, panne
machine). Dans cet exemple, il y a correspondance entre les fonctions de dcision et les
centres de dcision.

prendre des
commandes
commercial
client
planifier
ordonnancer
planification
toutes les
semaines
tous les
jours
ordonnancement
ala
ala
quantit de produits
livrer
date de livraison
quantit de produits
fabriquer
quantit de produits
fabriquer
ala

figure 69 : le fonctionnement du rseau en gestion de production

IV.2.2.4 Exemple en gestion de projets

Cet exemple fait parti des tudes menes par le groupe DIDOM (DIstribution de la
Dcision dans les Organisations Matricielles). DIDOM est un partenariat entre plusieurs

laboratoires (CERT, CERTOP, IRIT et LAAS) et un industriel. Ce groupe de recherche
sintresse aux mcanismes dcisionnels dans les organisations matricielles. Les tudes
menes visent traiter des problmes industriels et proposer des mthodes gnriques. Le
groupe DIDOM mne deux types dactions ([DIDOM 97] et [DIDOM 00]) :
des analyses sur site (approche ascendante) menes, entre autre, par une quipe de
sociologues
des actions gnriques (approche descendante). Deux thmes sont tudis : la
rparation dun plan dun projet et les mcanismes de coordination entre projets.
Les travaux prsents dans ce mmoire ont t intgrs par le groupe DIDOM.

Nous nous sommes intress une structure matricielle projets/mtiers dans une
entreprise qui ralise des produits complexes obtenus par assemblage et intgration de
nombreux sous-systmes.
Le responsable projet est charg de piloter la ralisation effective du produit en
maintenant un plan court terme (CT). Pour cela, il se base sur le plan moyen terme (MT) et
l'tat d'avancement de l'assemblage du produit.
Outre sa comptence technique, qui l'amne proposer ou valider des oprations
devant tre planifies sur le produit, le correspondant mtier est aussi charg de collecter les
besoins du projet en ressources humaines.
Le responsable mtier a en charge la gestion des connaissances et des comptences
relatives un mtier. En particulier, l'affectation des personnels (emploi du temps) aux
diffrents projets relve de sa responsabilit.
Le graphe (voir la figure 70) montre l'existence de circuits dans le rseau.
Contrairement lexemple prcdent, la prsence de circuits sur le graphe illustre les
rgulations qui soprent entre les responsables projet par lintermdiaire des affectations
dcides par les responsables mtier.

corresp. mtier 1
resp. mtier 2
resp. mtier 1
corresp. mtier 2
resp. projet 1
plan CT
plan MT
besoin en
ressources
affectation des
ressources
resp. projet 2
corresp. mtier 2
corresp. mtier 1
plan CT
plan MT
plan MT
plan MT
besoin en
ressources
besoin en
ressources
besoin en
ressources
affectation des
ressources
mtier 1
mtier 2
projet 1
axe mtier
axe
projet projet 2

figure 70 : un exemple de rseau en gestion de projet

Afin de rendre cohrents les plans dassemblage de projets et lemploi du temps des
personnels une coordination est ncessaire.

On sintresse par la suite aux processus prdfinis dinteraction entre les diffrents
centres de dcision. Ici, cette forme de coordination pralable se traduit par des runions dont
lobjet, les participants, la frquence et lenchanement sont formellement prdfinis.
La replanification des activits dassemblage constitue lobjet central des runions
davancement projet (cf. runions RA sur la figure 71) au cours desquelles les plans CT et
MT sont rpars. Toutefois, si les plans sont ralistes du point de vue technique, ils font
certaines hypothses sur les ressources qui seront affectes au projet.
Des runions mtiers priodiques sont organises, mtier par mtier (cf. runions
RM ) afin de recenser les besoins, rpartir les personnels entre les diffrents projets, et
ventuellement pallier des pointes de charge en recourant lembauche dintrimaires.
Lorsque la demande globale dpasse la disponibilit, des ajustements sont effectus
travers des ngociations. En cas dchec, un premier niveau darbitrage est possible par le
responsable de la division dassemblage. Ce type de dcision est prise durant les runions de
production (cf. runions RP ).
Afin de rendre cohrentes entre elles les diffrentes dcisions prises au cours des
runions, ces dernires senchanent dans un ordre donn (RA, RM, RP) avec une frquence
hebdomadaire.
Enfin, des runions quotidiennes (DM) permettent de suivre le projet et de ragir aux
diffrents alas ou opportunits.
Les processus prdfinis de coordination sont de type synchrone. Cependant, ceci
n'exclue pas l'utilisation de ngociations asynchrones afin de prparer des solutions aux
diffrents problmes et de ragir aux diffrentes opportunits rencontres dans la semaine.

plans de production
conflits
solutions
resp. projet
corresp. mtiers
plans CT prvus
plans CT proposs
plans MT
toutes les semaines
prendre en compte
ltat rel (RA)
plans MT valids
tous les jours
resp. projet
corresp. quipe
suivre ltat
davancement (DM)
p
l
a
n

r
a
l
i
s
projet
projet
excuter
resp. quipe
quipe
plan ralis
p
l
a
n
s

C
T

v
a
l
i
d
s
plans MT prvus
p
l
a
n

l
a

j
o
u
r
n
e
resp. groupe mtier
corresp. mtiers
mtier
prendre en compte
les ressources(RM)
plans CT valids
plan ralis
resp. division
resp. projet
resp. groupe
rsoudre des
conflits (RP)
toutes les semaines
toutes les semaines

figure 71 : le fonctionnement du rseau en gestion de projet

Dcision en temps limit 101

Cependant, toutes les contraintes de coordination ne peuvent pas apparatre sur les
diagrammes tels que celui de la figure 7. Par exemple, les dates de dcision au plus tard ne
peuvent pas y tre reprsentes.
IV.3. Dcision en temps limit
Nous supposons que les instants de prise de dcision sont contraints par des intervalles
temporels du type [date_de_dcision_au plus_tt, date_de_dcision_au_plus_tard]. Ainsi,
une certaine forme dautonomie apparat travers le choix de la date de prise de dcision
l'intrieur du cadre fix. Globalement, cet intervalle doit couvrir lensemble des phases qui
peuvent intervenir dans une dcision ngocie, ou tats.
IV.3.1. Les diffrents tats de la dcision

Au cours du temps, une variable de dcision x change dtat. Les instants qui
caractrisent un changement dtat sont :
La cration de la variable, note
x
cre . La variable est cre avec un domaine initial.
Elle est rarement instancie, sauf si le domaine initial ne comporte quune valeur.
partir de cet instant, elle peut intervenir dans des contraintes de modle.
La prise de dcision. La variable est instancie et ngocie avec les centres en aval,
not
x
dec . Cette prise de dcision conclut une phase de ngociation. Cette date
marque une frontire entre des ngociations de type prvisionnel et des ngociations
de type ractif, ou rengociations.
Le gel, not
x
gel . La valeur de la variable ne peut plus tre change (pour des raisons
technologiques, approvisionnement, rservations).
La destruction de la variable, not
x
des . La variable est dtruite, suite une mise
jour du modle. Si la variable apparat dans une contrainte soit on remplace la variable
par sa valeur soit on retire la contrainte.

Entre la cration de la variable et la prise de dcision, la variable est ngociable.
Durant cette priode, une ngociation peut avoir lieu ayant pour objet linstanciation de la
variable. Entre la prise de dcision et le gel, la variable est rengociable. Plusieurs
rengociations pourront avoir lieu et auront pour objet le changement de la valeur de la
variable. Gnralement, lorsque les domaines de valeurs sont ordonns (quantits, dates) les
rengociations se basent sur les instanciations prcdentes afin de trouver une valeur proche.
Enfin, entre le gel et la destruction de la variable, la variable est gele (sa valeur ne peut plus
tre change). Cest durant cet tat que lapplication de la dcision a lieu.
cration
x
cre
dcision
x
dec
gel
x
gel
destruction
x
des
ngociable
temps
rengociable gele
ngociation rengociations
changement
dtat
tats
actions dun
centre

figure 72 : tats d'une variable x

IV.3.2. Le problme de lexplosion du nombre dtats dun
modle

Dans le cas gnral, le caractre asynchrone des changements dtats des variables, est
lorigine dune explosion combinatoire du nombre dtats que peut prendre le modle du
problme de dcision en un centre. La figure 73 montre le nombre dtats gnrs pour une
chronique particulire (liste ordonne dvnements) dans un rseau comportant 3 centres
dont un des centres, le centre 3, utilise un modle 3 variables (deux variables sont des
paramtres provenant de deux centres en amont et Z est la variable de dcision du centre 3).
Pour ce petit exemple, il existe dj 12 tats distincts (nombre dintervalles temporels jointifs
gnrs par projection sur laxe temporel des diffrents instants de changements dtat des 3
variables).

Centre 3
Centre 1
Centre 2
X
Y
Z
X
Y
Z
temps

figure 73 : tats du modle du centre 3

On est confront au problme dexplosion combinatoire lorsquon dsire anticiper les
vnements et dterminer lavance lvolution possible du modle en un centre. En effet, si
lon veut assurer la cohrence dun modle rsultant de diverses ngociations menes en
parallle entre un centre et ses accointances, il faut en principe combiner les diffrentes
alternatives (valeurs possibles envisages dans chaque ngociation sur une variable) pour
obtenir lensemble des tats atteignables lissue des conversations. Or, seulement une partie
de ces tats seront acceptables. Leur dtermination nest pas envisageable en labsence
dhypothses permettant de limiter ce problme.
Une attitude naturelle consiste grouper les dcisions par paquets partageant les
mmes dates de changement dtat :
le nombre dtats considrer en est considrablement diminu
il est prfrable de gnrer un ensemble de dcisions simultanment cohrentes. Par
exemple, un centre de planification prfre donner un plan de production pour tous les
produits sur une priode. Pour un centre dordonnancement, cela consisterait donner
des dcisions pour la journe suivante.
ceci rduit le nombre dinteractions entre les centres. Le centre ngocie un plan dans
son ensemble et non dcision par dcision.
Les moments de prise de dcision priodique sont loccasion de synchroniser les dates
des diffrents instants qui caractrisent les variables. Ainsi, certaines variables sont cres
Dcision en temps limit 103

pour prendre en compte un horizon plus long, les variables dont les dcisions ont t
appliques sont dtruites, dautres variables sont geles et, enfin, certaines variables sont
dcides.

Au chapitre 3, on a vu quhabituellement en planification, le mcanisme de glissement (prise de
dcision priodique) est loccasion de crer, dinstancier, de geler ou de dtruire certaines variables.
Si on regarde la figure 39 page 58, entre la planification de la priode 1 et 3, les variables
correspondant aux deux premires priodes ont t dtruites (car appliques), deux groupes de
variables ont t ajouts en fin dhorizon et, certaines dcisions sont instancies.

Sur la partie gauche de la figure suivante, les instants de changements dtat des
dcisions ne sont pas lis. Le centre responsable de ces dcisions prend les dcisions
individuellement et les transmet une une. Il semble plus efficace de passer au schma de
droite o les dcisions changent dtat de faon synchrone : le centre prend un ensemble de
dcisions en mme temps et communique lensemble des dcisions dans un mme message.

figure 74 : prise de dcision synchrone

IV.3.3. Horizons temporels

Aux diffrents tats que peuvent prendre les variables de dcision, on peut faire
correspondre plusieurs horizons (voir le chapitre 3 pour les horizons rencontrs en
planification).
Lhorizon prvisionnel reprsente lhorizon sur lequel les paramtres et les variables
de dcision sont pris en compte. Cet horizon prend en compte les variables de
dcisions existantes quelles soient dj instancies ou non.
] , [ _
0 h
t t el prvisionn horizon avec
0
t la date courante et
h
t tel que
x
x
h x
des t t cre x max , /
0
(lhorizon prvisionnel va de linstant prsent jusqu la
date de destruction maximum des variables cres).
Lhorizon de dcision dfinit lhorizon sur lequel les variables de dcisions et les
paramtres sont ou vont effectivement tre mis en uvre mais non gels. Cet horizon
est inclus dans lhorizon prvisionnel. Les variables de dcision sont donc non geles
mais sur le point de ltre : ] , [ _ _
0 d
t t dcision de horizon ,
avec
x
x
d x x
des t t gel t cre x min et /
0 0
(lhorizon de dcision va de linstant
prsent jusqu la date minimale de destruction des variables non geles et cres).

La figure 75 montre les instants de changement dtat de quatre variables (de
1
x
4
x ). linstant
0
t , seules les variables
3 2 1
et , x x x sont cres ; la variable
1
x est dj gele.
Lhorizon prvisionnel est lintervalle de temps entre
0
t et linstant maximum de destruction

des variables
3 2 1
, , x x x (
h
t correspond linstant de destruction de
3
x ). Lhorizon de dcision
est lintervalle de temps entre
0
t et la date minimale de destruction des variables cres et non
geles (
2
x et
3
x ). Cet horizon correspond aux prochaines dcisions quil faudra prendre.

temps
horizon prvisionnel
horizon de dcision
0
t
d
t
h
t

figure 75 : diffrents horizons en fonction des tats des variables

IV.3.4. Mta-modle dun rseau

La dfinition des rgles de coordination des centres dun rseau sous la forme de
contraintes temporelles liant les instants de prises de dcision sur les variables de chaque
centre constitue un mta-modle quil est possible dexploiter (par propagation) pour dduire
des inconsistances ou montrer une autonomie trop faible en un centre lorsquil ne dispose pas
dun temps suffisant pour ngocier avec les autres.

On peut considrer deux familles de contraintes qui interviennent dans les mta-
modles :
les contraintes de synchronisation entre centres permettent dtablir un ordre (au
moins partiel) dans la prise de dcision de diffrents centres. Ces contraintes
permettent aux centres de se coordonner efficacement.
les contraintes de synchronisation interne visent rduire le problme de lexplosion
combinatoire du nombre dtats. Ces contraintes permettent de mettre en uvre les
mcanismes de dcision priodique o les instants de changement dtats des
variables sont synchroniss.

Exemple :
La figure suivante prsente un exemple de mta-modle pour deux centres de planification. Y
doit tre gele
0
t . X doit tre gele avant
0
t dans le cas contraire, X pourrait tre modifie juste
aprs le gel de Y et entraner une incohrence) . X (resp. Y ) doit faire l'objet d'une premire
ngociation au moins 1 (resp. 2) heure avant sa date de gel. Ici, on voit immdiatement que le centre
2 peut avoir mener une ngociation sur Y alors que X n'a mme pas t ngocie. Pour se
dgager de ce problme, le centre 2 peut tre l'origine d'une ngociation par anticipation sur X afin
de pouvoir se baser sur une valeur (mme prvisionnelle) de X .
Le mta-modle permet galement de savoir qu'au moins 1 heure de rengociation sur X est
prvue. Une fois engags dans une rengociation, les deux centres savent qu'elle doit se finir avant
0
t .
Protocole de communication 105

Modle
CSP du
centre 2
Modle
CSP du
centre 1
) 4 ( 2
) 3 ( 1
) 2 (
) 1 (
0
0

<
y y
x x
x
y
gel dec
gel dec
t gel
t gel
contraintes
organisationnelles (de
coordination)
X Y
) 3 ( 1
) 2 (
0

<
x x
x
gel dec
t gel

figure 76 : exemple de contraintes temporelles sur un centre

Nous pouvons construire un mta-modle qui permet de reprsenter la plupart des
contraintes temporelles pesant sur les instants de prise de dcision d'un centre. Ce modle
permet de reprsenter les marges de manuvre qu'il possde avant la prise de dcision. Il
permet de connatre les urgences. Un outil d'aide la dcision pourra, ainsi rappeler au
dcideur de prendre des dcisions. L'outil pourra galement signaler qu'il est ncessaire
d'attendre certaines dcisions en amont avant que le centre ne prenne des dcisions. Enfin,
cela permet d'valuer le temps maximum que le centre peut consacrer une ngociation. Ces
caractristiques peuvent faire partie des spcifications dun outil daide la dcision
distribue en temps limit (cf. chapitre V).
IV.4. Protocole de communication

Lors de leurs communications, les centres respectent des contraintes procdurales.
Dans ce paragraphe, nous proposons un protocole de communication permettant aux
diffrents agents d'changer des informations sur les dcisions.
Dans ([Nurcan 96]) une matrice espace/temps est utilise pour classifier les
circonstances de travail coopratif (voir tableau 6). Deux critres sont employs pour ce
classement : un critre temporel (synchrone/asynchrone) et un critre spatial (mme lieu/lieu
diffrent). Nous considrons que les interactions sont synchrones si les activits qui visent
influencer et se laisser influencer ont lieu en mme temps (ce critre est dtaill dans
[Antillanca et al 99]). Les runions (mme lieu) et les tlconfrences (lieu diffrent) sont
deux exemples typiques dinteraction synchrone. Les interactions sont asynchrones si les deux
activits cites prcdemment nont pas ncessairement lieu en mme temps. Les
communications par tableau (mme lieu) et par courrier lectronique (lieu diffrent)
constituent des exemples dinteraction asynchrone.

Le protocole de communication et les outils d'aide que nous proposons pour ngocier
ne seront valables que pour des interactions asynchrones. Cependant, les outils d'aide
peuvent tre utiles pour prparer les interactions synchrones (exemple : les runions).

Temps mme (synchrone) diffrent (asynchrone)
mme (local) interaction face face
exemple : runion
interaction asynchrone
exemple : tableau
espace
diffrent (distant) interaction synchrone distribue
exemple : tlconfrence
interaction asynchrone distribue
exemple : courrier lectronique
tableau 6 : matrice espace/temps

Afin de proposer des traitements partiellement automatiss, nous proposons l'emploi
de messages s'insrant dans deux types de conversations qui ont pour but :
la prise de dcision. Dans cette conversation, un ensemble daffectations est ngoci.
Si la conversation se termine bien, un engagement (fort) est pris entre les diffrentes
parties et la base de donnes est actualise.
la recherche dinformations. En vue de prendre des dcisions, un centre peut
rechercher des informations sur la faisabilit de propositions ou demander que lon lui
en fasse. Si la conversation se termine bien, un engagement faible est pris. Les
diffrents centres ne sont pas obligs de le respecter, mais de futures conversations
portant sur une prise de dcision pourront se baser sur cette recherche. Ce type de
conversation permet aux centres d'agir par anticipation.

IV.4.1. Communication par envoi de message

Les conversations sont constitues de messages. Nous proposons dutiliser un
formalisme ddi aux communications asynchrones. Il sagit dun formalisme pour l'envoi de
messages entre agents, le langage KQML (Knowledge Query and Manipulation Language).
Initialement, KQML est un langage de communication et un protocole qui permet des
agents autonomes et asynchrones de travailler ensemble par change de messages (voir
chapitre 2 et [Labrou et al 97]). Son domaine dapplication concerne la spcification de
systmes artificiels.
Toutefois le principe dun certain niveau de formalisation des changes entre
dcideurs humains prsente plusieurs avantages :
la formalisation oblige analyser les diffrents types de messages et de conversations
entre deux dcideurs communicant leurs dcisions ou ngociant en vue de prendre
leurs dcisions. Cet objectif vise la description du fonctionnement dynamique du
rseau de centres de dcisions ; il est complmentaire de la description statique de la
structure du rseau.
la formalisation permet de rendre explicites les intentions de lmetteur du message,
qui devra typer chaque message mis. Les ambiguts sont ainsi limines. En
retour, lmetteur peut compter sur la rception de rponses adaptes son envoi, en
fonction des conversations type que les deux entits utilisent.
Les messages changs par les agents correspondent des actes de langage. Nous
distinguons ainsi plusieurs types de messages composs de diffrents champs.

IV.4.1.1 Composition dun message

La composition dun message sinspire des champs dun courrier lectronique ou
d'une fiche dans les bureaucraties. KQML est un langage universel extensible. Il propose un
ensemble prdfini de champs caractrisant chaque message. Toutefois, il autorise
lintroduction de champs supplmentaires rpondant aux besoins spcifiques dune
application. Nous avons utilis cette possibilit ; les champs supplmentaires que nous
proposons sont signals par le signe dans le reste de ce paragraphe.
Les champs associs tout message sont les suivants :
contenu : ce sur quoi porte le message. Dans notre cas, ce champ est constitu soit
d'un ensemble de contraintes d'galit et/ou de domaine soit de noms de variables
(voir le tableau 7).

metteur : le centre qui envoie le message.
destinataire(s) : le ou les centre(s) destinataires du message.
date dmission : la date dmission du message.
conversation: identificateur unique de la conversation en cours. Ceci permet de
replacer un message dans son contexte. Le contexte (conversationnel) est donc
lensemble des messages relatifs une mme conversation, qui prcde lenvoi ou la
rception dun message.

En fonction de son type, les messages peuvent avoir des champs supplmentaires (cf.
conditions dutilisation dcrites dans le tableau 7) :
date de validit : date avant laquelle lmetteur du message souhaite une rponse.
rponse par dfaut : si lagent destinataire ne rpond pas temps, lmetteur
considre que la rponse sera la rponse par dfaut. Si une rponse par dfaut est
spcifie, alors une date de validit doit ltre galement.
rfrence rappeler : si l'agent metteur attend une rponse, il spcifie un
identificateur que le destinataire devra rappeler.
en rponse : quand le message est une rponse, ce champ est rempli avec
l'identificateur contenu dans le champ rfrence rappeler du message auquel le
centre rpond.
intention (ou objectif) : pour les messages initiant une nouvelle conversation (et
uniquement pour eux), ce champ explicite le but de la conversation. Par exemple,
pour un centre de planification, ce champ pourra prendre la valeur "planification pour
la semaine 12".

IV.4.1.2 Type de messages

Le type dun message permet didentifier laction que lmetteur veut que le
destinataire fasse. Comme au paragraphe prcdent, les types de messages non prvus par
KQML (mais permis) sont suivis du signe .
Les messages que s'changent les centres de dcisions peuvent tre de type :
proposer : l'metteur propose un ou plusieurs autres agents de prendre comme
dcision la valeur du champ contenu.
contre-proposer : le centre metteur fait une contre-proposition une proposition
prcdente.
demander-si : le centre metteur demande aux destinataires sils acceptent la valeur
du champ contenu.
accepter/refuser : ces deux messages sont utiliss comme rponse directe aux
messages prcdents (proposer, contre-proposer et demander-si).
demander-domaine : le centre metteur demande aux centres destinataires dindiquer
un domaine de valeurs consistantes du point de vue du destinataire pour les variables
du champ contenu.
dire : le centre metteur signale au centre destinataire que les domaines de valeurs
consistantes sont ceux du champ contenu. Un centre qui reoit un message demander-
domaine rpond avec ce type de message.
confirmer : le centre metteur confirme que le contenu contenu est considr comme
un engagement entre toutes les parties. Le champ contenu porte sur des variables dont
le centre metteur du message est responsable.

rsumer : le centre metteur fait le rsum de la conversation et clt la
conversation. Aucun engagement fort nest encore pris ; cependant le champ contenu
a de fortes chances de faire lobjet dun engagement prochain.
acquitter : le centre metteur signale quil a bien reu le message confirmer ou
rsumer.
abandonner : abandon de la conversation.

Le tableau suivant montre certaines proprits que les messages doivent respecter. Il
s'agit de proprits concernant le sens d'envoi des messages (vers le centre responsable des
variables prsentes dans le champ contenu ou vers l'aval), le champ contenu (contraintes
d'galit, de domaine ou un ensemble de variables) les champs date de validit et rponse par
dfaut.

type du message direction champ contenu date de validit et
rponse par dfaut
proposer et contre-proposer quelconque contraintes galit possible
demander-si quelconque contraintes galit
contraintes de domaine
possible
accepter et refuser quelconque le champ contenu du
message initiateur
impossible
demander-domaine quelconque nom de variables possible
dire quelconque contraintes d'galit ou
de domaine
impossible
confirmer vers l'aval contraintes d'galit impossible
rsumer quelconque contraintes dgalit
contraintes de domaine
impossible
acquitter vers le centre
responsable
contraintes d'galit impossible
abandonner dpend du type
de conversation
rien impossible
tableau 7 : proprits des messages

Exemple d'change de messages :
Voici un exemple d'change de messages entre deux centres. Cet change fait parti d'une
conversation pour information.
Le premier message est une demande de toutes les instanciations possibles de X11 et X12
envoye par centreA pour centreB. CentreB devra rpondre avant le 2 janvier 2000 18 heures avec
l'identificateur 4321. Le 2 janvier 2000 10 heures 54, centreB rpond que, pour lui, X11 est compris
entre 12 et 24 et que X12 est ncessairement gal 34.
(ask-all
:sender centreA
:receiver centreB
:content "X11 X12"
:date "1/1/2000 0:0"
:conversation 1234
:reply-with 4321
:validity-date "2/1/2000 18:00" )

(tell
:sender centreB
:receiver centreA
:content "X11=[12,24] X12=34"
:date "2/1/2000 10:54"
:conversation 1234
:in-reply-to 4321 )


IV.4.2. Conversations
Nous avons vu au chapitre 2 des scnarios de conversations dans le cadre de la thorie
des actes de langage ou des systmes multi-agents. Nous nous inspirons de ces scnarios pour
proposer nos types de conversations.
Dans cette partie, nous allons dcrire le droulement de deux types de conversations :
les conversations pour conclure sur une prise de dcision effective et les conversations pour
rechercher des informations afin de prparer une dcision cohrente et robuste.
IV.4.2.1 Les conversations pour engagement
Ces conversations ont pour but la prise de dcision. Elles permettent un centre
responsable de dcisions de s'assurer de leur robustesse et aux centres en aval de la cohrence
de leurs dcisions. Une conversation russie se termine par un engagement entre les
diffrentes parties pour respecter lobjet (le champ contenu) de la conversation. Ce type de
conversation concerne linstanciation de variables. Si un engagement portant sur les mmes
variables existait dj, celui-ci sera remplac par le rsultat de cette conversation. Les
participants de ces conversations sont le centre
res
C responsable des variables de dcision
(V ) et les centres en aval } {
aval
C concerns par une ou toutes les variables de dcision.
) ( et ) , ( / u F V C C u C
aval res aval

Ces conversations sont constitues de deux phases :
une phase de ngociation. Cette phase a pour but la ngociation de l'engagement
prendre.
res
C met une proposition vers tous les
aval
C . Ceux-ci acceptent, refusent la
proposition ou mettent une contre-proposition vers
res
C . Cette phase peut tre initie
soit par un
res
C

soit par
aval
C . Si la conversation est initie par un
aval
C alors
res
C
tend la discussion tous les
aval
C .
une phase de dcision. Cette phase dbute par un message confirmer de
res
C envoy
tous les
aval
C . Ce message signale qu'un engagement a t pris entre tous les centres
pour que contenu soit appliqu. Les centres
aval
C mettent un message d'acquittement
en retour.
Normalement,
res
C ne passe la phase de dcision que lorsque tous les centres ont
accept une proposition. Mais,
res
C peut passer dans la phase de dcision mme si la
proposition n'a pas t accepte par tous les centres en aval. Dans ce cas, la dcision est
impose aux centres n'ayant pas accept la proposition. Dans le cas le plus extrme,
res
C peut
imposer sa dcision tous les centres en aval.

La figure 77 montre le comportement dun centre responsable des variables de
dcisions faisant lobjet dune ngociation pour engagement. Les places doublement
encercles de ce rseau de Petri constituent la bote de rception et la bote denvoi du centre.
Les autres places constituent un tat du centre lors du traitement de la conversation. Les
transitions correspondent la lecture dun ou plusieurs messages (on a alors un arc qui va de
la bote de rception vers la transition) ou lenvoi de messages (arc de la transition vers la
bote denvoi). Les transitions indiquent galement le type des messages attendus ou mis (
chaque transition est associe une condition de franchissement et/ou une action raliser
{condition ; action}). Une transition est franchie ds que la date limite DV est atteinte. cette
occasion, tous les messages reus sont lus. La figure 78 montre le comportement de chaque
centre aval.

Lorsquil est dans ltat opinion res , le comportement attendu (et non obligatoire)
de
res
C est le suivant :
si toutes les rponses des centres avals acceptent, alors une confirmation est lance et
le centre passe dans ltat accord.
dans les autres cas, soit il ngocie une autre proposition (message contre-proposer),
soit il abandonne (message abandonner).

dbut
{;type=proposer}
opinion aval
opinion res
{;type=contre-
proposer}
{type=accepter ou
type=refuser ou
type=contre-proposer ;}
{type=proposer ;}
accord
fin
bote
d'envoi
de
res
C
bote de
rception de
res
C
{;type=confirmer ou
type=abandonner}
{type=acquitter;}
<type>
<type>
n
n
n
[DV,DV]
n
n
m (m<n)
1

figure 77 : comportement dun centre responsable de dcisions faisant lobjet
dune conversation pour engagement
dbut
{ ;type=proposer}
opinion aval
opinion res
{type=contre-
proposer;}
[DV]
{;type=accepter ou
type=refuser ou
type=contre-proposer}
{type=proposer ;}
accord
fin
bote d'envoi
de
aval
C
bote de rception
de
aval
C
{type=confirmer ou
type= abandonner;}
{;type=acquitter}
<type>
<type>

figure 78 : comportement dun centre en aval lors dune conversation pour
engagement

IV.4.2.2 Les conversations pour information

Les conversations pour obtenir des informations ne dbouchent pas sur un engagement
fort. Ces conversations permettent de ngocier par anticipation. Nimporte qui peut initier ces
conversations et nimporte qui peut les terminer. Ce type de conversation est plus libre que les
conversations pour engagement puisque tout centre peut intervenir nimporte quel moment.
La conversation se conclut soit par une russite de la conversation (un rsum est alors fait)
soit par un chec.

{type
r
=demander-si ou
demander-domaine;}
bote de
rception
<type
r
>
dbut
{type
r
=demander-si
ou type
r
=accepter
ou type
r
=refuser ou
type
r
=dire;}
{;type
e
=rsumer ou
type
e
=abandonner}
{type
r
=rsumer ou
type
r
=abandonner;
type
r
=acquitter}
valuation
{type
r
=acquitter;}
fin
attente
bote
denvoi
<type
e
>
n
n
n
n
n
{;type
e
=demander-si ou
demander-domaine}
{type
e
=demander-si
ou type
e
=accepter
ou type
e
=refuser ou
type
e
=dire;}

figure 79 : comportement dun centre lors dune conversation pour information

IV.4.3. Exemple :

La figure 80 (il sagit dun diagramme de squence cf. le chapitre 5) montre un
exemple de conversation pour engagement entre un centre planification et un centre
ordonnancement. Le centre de planification envoie un message proposer qui dbute la
conversation. Le centre ordonnancement envoie une contre-proposition. Le centre de
planification envoie une nouvelle proposition. Le centre d'ordonnancement rpond
favorablement. Afin de conclure laccord, le centre de planification envoie le message de
confirmation au centre d'ordonnancement (la dcision est prise). Le centre d'ordonnancement
envoie un message de rception du message de confirmation.

proposer (X
11
=10, X
21
=23)
contre-proposer (X
11
=10, X
21
=19)
contre-proposer (X
11
=13, X
21
=15)
confirmer (X
11
=13, X
21
=15)
accepter (X
11
=13, X
21
=15)
acquitter
planification
ordonnancement
temps

figure 80 : une conversation pour engagement

Lutilisation dun protocole de communication (messages et conversations prdfinis)
permet dautomatiser partiellement certains traitements :
certains champs des messages peuvent tre automatiquement remplis. Notamment, les
champs metteur, destinataire (en fonction du champ contenu), date dmission,
conversation, en rponse , rfrence rappeler et date de validit. En effet, ce
dernier champ peut tre rempli en utilisant le mta-modle (en effet, il faut conclure la
(re)ngociation avant la date de gel). Par contre, le champ intention est laiss la
discrtion de lutilisateur.
quand un centre doit rpondre un message, loutil daide peut indiquer quelles sont
les rponses possibles.
loutil daide peut fournir un historique des conversations afin de ne pas explorer deux
fois les mmes hypothses.
et surtout, une fois que la conversation est termine avec succs, loutil daide peut
automatiquement intgrer le champ contenu dans le CSP du centre.

Cependant, on peut se demander comment reprsenter, valuer les effets de plusieurs
conversations menes simultanment. Quand le CSP devient inconsistant, quelles sont les
contraintes (et les conversations pour engagement) remettre en cause ? Le prochain
paragraphe prsente une structure arborescente qui permet, entre autres, de reprsenter les
effets dune conversation.

IV.5. Reprsentation de ltat dun centre

Nous avons adopt une structure arborescente pour reprsenter ltat dun centre. Le
dcideur peut reprsenter et valuer diffrentes hypothses ou conversations. En permettant
de reprsenter et de structurer le processus de dcision, cette arborescence fournit une aide
complmentaire pour la prise de dcision locale et les ngociations.

Reprsentation de ltat dun centre 113

IV.5.1. Hypothses, propositions et engagements

Les contraintes de modle qu'un centre considre peuvent avoir plusieurs origines.
Suivant cette origine, la contrainte sera plus ou moins facile changer. C'est pour cela que
nous distinguons, outre les contraintes de modlisation, trois types de contraintes :
les engagements sont des contraintes issues de conversations pour engagement. Au
moment o un centre envoie le message confirmer (partie dune conversation pour
engagement), les contraintes associes ce message sont considres comme une
contrainte d'engagement. Les contraintes d'engagement sont des contraintes
d'affectation.
les propositions sont des contraintes issues de conversations pour information ou de
conversations pour engagement non encore abouties. Ces contraintes ont t
communiques mais aucun engagement fort n'est encore intervenu. Cependant, ces
contraintes ont toutes les chances d'tre appliques dans le futur. Ces contraintes sont
des contraintes d'affectation ou de domaine.
les hypothses sont des contraintes qu'un centre considre sans quelles soient
communiques d'autres centres. Ceci permet de prparer des dcisions que l'on
communiquera dans la suite. Ces contraintes sont quelconques. Cependant, seules les
contraintes de domaine ou d'affectations pourront tre ngocies.

On peut distinguer deux sous-types d'engagements et de propositions :
les engagements ou propositions en relation avec l'amont correspondent des
conversations concernant des dcisions prises en amont. L'auteur de ces contraintes
peut tre soit le centre en amont soit le centre lui-mme (dans la boucle
proposer/modifier). Ces contraintes sont lies la notion de cohrence.
les engagements ou propositions en relation avec l'aval correspondent des
conversations concernant des dcisions prises en aval. Ces contraintes sont associes
la notion de robustesse.

IV.5.2. Structure arborescente

La prise en compte d'une hypothse, une proposition ou d'un engagement transforme le
CSP courant (
1
CSP ). En effet, il faut prendre en compte les nouvelles contraintes (
3
C ) de
l'hypothse, proposition ou engagement. Ainsi, l'ensemble des contraintes du CSP rsultant
(
2
CSP ) est l'ensemble des contraintes du
1
CSP plus les contraintes
3
C (voir figure ci-aprs).
> <
1 1
, , CSP C D X
> <
2 2
, , CSP C D X
1 3 2
C C C
Ajout d'une hypothse, proposition ou
engagement (contenant les contraintes
3
C ).

figure 81 : passage dun nud un autre
Nous cherchons reprsenter le problme local d'un centre, diffrentes hypothses,
propositions et engagements. Nous cherchons galement valuer les effets de ces diffrentes
contraintes. A priori, comme il est plus facile de changer des contraintes sur lesquelles le
centre ne sest pas engag, nous proposons une structure arborescente plusieurs tages allant
des dcisions les plus figes celles qui sont le plus hypothtiques :

CSP gnrique
CSP racine
CSP des
engagements
CSP
3
CSP
6
solution 1
solution 2 solution 3
paramtres non contrlables,
dcisions geles, imposes
engagements
propositions
hypothses
rsolutions
CSP
1
E
1
P
3
CSP
4
CSP
5
P
4
P
5
E
2
H
6
CSP
7
H
7

figure 82 : arbre de recherche en un centre
chaque nud correspond un modle CSP. Les arcs font la transition d'un nud un
de ses fils. Ils correspondent l'ajout d'une ou plusieurs contraintes dans le modle du CSP
parent.
La racine de l'arbre est le modle gnrique qui permet de modliser le problme de
dcision du centre. Il s'agit d'un des modles abords au chapitre 3. La prise en compte des
paramtres non contrlables et des dcisions geles dans ce modle donne le CSP racine. La
prise en compte de tous les engagements donne le CSP des engagements. Ensuite, viennent
les propositions (ce sont des hypothses communiques donc susceptibles de devenir des
engagements). Dans les branches les plus basses interviennent les hypothses (non
communiques) et les solutions gnres.
Le CSP des engagements modlise le problme du centre de dcision en tenant compte
des paramtres non contrlables, des dcisions geles ou imposes et, surtout, des dcisions
pour lesquelles le centre s'est engag. Ce CSP dtermine donc si un instant t le centre de
dcision est cohrent et robuste (le CSP a au moins une solution). Les propositions et les
hypothses portent sur des dcisions qui seront amenes tre des engagements. La
cohrence des CSP qui tiennent compte des propositions et des hypothses permet d'anticiper
sur un problme de cohrence ou de robustesse futur.
Larborescence peut tre note laide dun triplet ) , , ( CON BRA CSP A o :
} ,..., , {
2 1 N
CSP CSP CSP CSP est lensemble des nuds de larborescence.
,...} , , , {
l k j i
S H P E BRA est lensemble des arcs de larborescence.
i
E est un
engagement,
j
P est une proposition,
k
H est une hypothse et
l
S la gnration dune
solution.

CON est une fonction qui tout arc associe un ensemble de contraintes.

Proprit 1 : passage dun nud pre un nud fils
Le passage dun nud pre
1
CSP un nud fils
2
CSP (voir la figure 81) entrane la
proprit suivante : ) ( ), , ( / bra CON C C CSP CSP bra BRA bra CSP
i j j i i
.

Proprit 2 : composition, dcomposition de branches
Si une branche correspond plusieurs contraintes, on peut dcomposer la branche en
plusieurs branches contenant chacune un sous-ensemble des contraintes. Linverse est vrai
aussi.
Cette proprit pourra tre utile en cas de rengociation dune partie dune proposition
ou engagement.

composition
dcomposition
> <
1 1
, , C D X CSP
> <
2 2
, , C D X CSP
> <
3 3
, , C D X CSP
1
bra
2
bra
3
bra
> <
3 3
, , C D X CSP
> <
1 1
, , C D X CSP
) ( ) ( ) (
2 1 3
bra CON bra CON bra CON

figure 83 : composition, dcomposition de branches

Proprit 3 : permutation de branches
Lorsque le chemin qui spare deux CSP ne possde pas dembranchement, alors toute
permutation de branches qui sont sur le chemin na aucune influence sur les deux CSP ; par
contre, les CSP situs entre ces deux CSP diffrent. Ceci est une consquence de la proprit
prcdente (en composant puis en sparant les branches).
Sur lexemple de figure 84, la permutation de bra
2
avec bra
3
, nentrane pas de
changements dans CSP
1
et CSP
3
. Par contre, les contraintes de CSP
2
changent. Il est donc
remplac par CSP
3
.
Cette proprit est intressante pour reclasser les engagements, les propositions ou les
hypothses selon les besoins. En particulier, on peut tre amen mettre les engagements qui
vont tre gels le plus haut possible dans larborescence, et ceux qui peuvent ou vont tre
rengocis le plus bas.

CSP
1
=<X,D,C
1
>
CSP
2
=<X,D,C
2
>
CSP
3
=<X,D,C
3
>
bra
2
bra
3
CSP
1
=<X,D,C
1
>
CSP
4
=<X,D,C
4
>
CSP
3
=<X,D,C
3
>
bra
3
bra
2
permutation de
bra
3
et de bra
2

figure 84 : effets d'une permutation de deux branches


L'arborescence prsente ici n'est pas statique. Elle volue en fonction de trois types
d'vnements :
le temps. Des dcisions changent d'tat.
les conversations. Lors du droulement d'une conversation, des branches peuvent
apparatre (des propositions), disparatre (une conversation choue) ou tre
transformes (une proposition devient un engagement).
l'utilisateur. L'utilisateur peut agir en principe tous les endroits de larborescence.
Mais, en fait, ces actions se limitent crer des hypothses, gnrer des solutions,
engager une conversation (une hypothse devient une proposition).

IV.5.3. volution de larborescence en fonction du temps

Les changements d'tat des variables font voluer la structure arborescente. En
particulier, le gel, la cration et la destruction de variables.

IV.5.3.1 Gel d'une variable

Avant d'tre gele, une variable est dans l'tat rengociable. Elle est donc instancie
par une valeur qui a fait l'objet d'un engagement. L'arbre a donc une branche qui est
l'engagement portant sur la variable. Au moment du gel, cette branche change d'tat et
s'intgre dans l'arc des paramtres non contrlables et des dcisions geles. Au moment du
gel, le CSP qui intgre l'engagement devient le CSP racine.

CSP gnrique
CSP racine
CSP
1
I X E
1
CSP gnrique
CSP racine
1
bra
gel de X
1
bra

figure 85 : gel d'une variable

Si E
1
=(CSP
racine
,CSP
1
) et CON(E
1
)={V=I}
gel(V)
CSPCSP-{CSP
racine
}
BRABRA-{E
1
}
CSP
racine
=CSP
1
bra
1
bra
1
{V=I}

Nous supposons, ici, que lengagement qui concerne la variable geler est plac juste
au-dessous du CSP
racine
. Les proprits 2 et 3 permettent darriver ce rsultat.


IV.5.3.2 Cration/destruction de variables

Lorsqu'une variable est cre ou dtruite, des contraintes sont modifies, cres ou
dtruites. Ces modifications interviennent au niveau du modle gnrique ; donc, tout larbre
est susceptible dtre modifi. Une fois que les variables et les contraintes ont t ajoutes ou
enleves du modle gnrique, il faut rvaluer tous les CSP pour savoir si des changements
doivent tre faits parmi les engagements, propositions ou hypothses. Cest en partie pour
cette raison que les centres crent ou dtruisent des variables loccasion de la prise de
dcision temps rgulier. La destruction dune variable se fait en prenant en compte ltat du
systme.

IV.5.4. volution de larbre en fonction des conversations

Dans le cas de changements dus aux conversations, on peut distinguer deux cas : le
dbut dune nouvelle ngociation peut crer une branche nimporte o dans larbre tandis que
la poursuite dune (re)ngociation ou le commencement dune rengociation o
lemplacement de la nouvelle branche est dtermin.

IV.5.4.1 Dbut d'une ngociation

Il nexiste pas de branche qui concerne les variables de dcision. Il faut donc placer
une nouvelle branche. Sil existe dj des propositions, faut-il placer la nouvelle proposition
la suite des propositions ou crer une nouvelle ramification ?

CSP
1
P
1
CSP des engagements
CSP
2
P
2
CSP
1
P
1
CSP
2
P
2
ou
CSP des engagements

figure 86 : placement d'une nouvelle proposition P
2

Si la proposition P
1
na aucune influence sur P
2
, on peut placer P
2
dans les deux
configurations. Pour bien montrer lindpendance de la rponse, on peut choisir la seconde
configuration (nouvelle branche en concurrence de P
1
).

Dans le cas gnral, le placement de la nouvelle nest pas simple car il dpend de
plusieurs critres. Il appartiendra au dcideur de fixer la politique de placement. Voici
quelques critres qui aideront placer la nouvelle proposition :
si P
1
est issu dune conversation pour engagement et P
2
dune conversation pour
information, P
1
est susceptible dtre trs prochainement transforme en engagement.

Pour anticiper au maximum, on peut essayer de placer la nouvelle proposition P2 la
suite de P1 (cas 1).
si P1 est issu dune demande dinformation et P2 fait partie dune conversation pour
engagement, la rponse que lon donnera P2 semble plus importante que la demande
dinformation. Dans ce cas, la nouvelle proposition est place en concurrence de P1
(cas 2). On peut mme essayer de mettre P1 la suite de P2 afin de vrifier que
lhypothse est toujours valable.
si les dates dinstanciation ou de gel des variables de P2 sont suprieures ou gales
celles des variables de P1, une causalit temporelle apparat dans la prise de dcision.
Dans ce cas, la nouvelle proposition sera place la suite de P
1
(cas 1).

Ces critres permettent de prsenter un premier choix de placement de la branche au
dcideur. Mais, cest lui qui dcide o mettre la branche. En effet, dautres critres peuvent
faire intervenir la nature des centres impliqus ou des dcisions.

IV.5.4.2 Dbut d'une rengociation ou poursuite d'une
ngociation

Dans ce cas, il existe dj une branche (une proposition ou un engagement), la
nouvelle proposition est reue en prvision du remplacement de lancienne branche. On peut
tudier les effets de la nouvelle proposition en crant une nouvelle branche en parallle de
lancienne.

Si lancienne branche fait partie dune succession de branches sans ramification, il
convient de la placer en dernire position (voir proprit 3) afin de rpondre au message en
garantissant un minimum de changements dans la structure.

Pour rpondre au message, il faut valuer le nouveau CSP cr (CSP
4
sur la figure 87).
Pour donner une rponse plus fiable ou pour tudier les rpercussions de la nouvelle
proposition, le centre peut recrer une structure darbre identique la prcdente (partie
grise).

Si la conversation est conclue avec succs, il faut essayer dadapter lancienne
structure au changement de branche. Cette adaptation peut ventuellement invalider certains
CSP et donc certaines propositions. La conclusion dune rengociation peut donc entraner de
nouvelles rengociations.

CSP
1
E
1
CSP des
engagements
CSP racine
E
2
CSP
3
P
3
CSP
4
P
4
CSP
5
P
3
CSP
1
E
1
CSP racine
E
2
P
3
E
4
CSP
5
la rengociation est un
succs
CSP des
engagements

figure 87 : effets d'une rengociation sur la structure
Conclusion 119

IV.5.5. volution de larbre en fonction des interactions avec
lutilisateur

Une des principales activits d'un centre de dcision est de prendre des dcisions et de
les ngocier avec les centres en aval. Lors de la prparation des dcisions, le dcideur va
gnrer des hypothses et des solutions. Une fois la prparation faite, le dcideur va
transformer une hypothse en proposition en la ngociant avec les centres en aval. Cette
ngociation aura pour but de transformer cette proposition en engagement.
Ici, encore se pose la question : o placer la nouvelle hypothse ? Faut-il la placer la
suite des autres hypothses et propositions ou faut-il crer une nouvelle ramification ? Cest
au dcideur de placer la nouvelle branche en fonction de la stratgie qu'il suit. On peut
supposer que le dcideur se place dans un nud et gnre une branche qui sera place en
dessous du nud considr.

Pour un outil d'aide, la structure arborescente :
permet de reprsenter et valuer diffrentes hypothses ou propositions.
permet de suivre plusieurs conversations la fois et d'tudier les rpercussions quelles
ont entre elles.
peut tre gre partiellement automatiquement. En particulier, l'outil d'aide peut
facilement dtecter les inconsistances dues aux modifications de l'arbre et indiquer au
dcideur la ou les branches rengocier. Cependant, la gestion de l'arbre ne peut pas
tre entirement automatise.

IV.6. Conclusion

Nous avons propos un ensemble de concepts pour aider un centre prendre des
dcisions et les ngocier avec d'autres centres. Pour cela, une caractrisation des contraintes
formalisables pesant sur un centre de dcision a t propose. Nous avons pu ainsi identifier
les contraintes organisationnelles qui traduisent la structure et le fonctionnement du rseau de
centres de dcision, les contraintes qui modlisent le problme de dcision en un centre et les
contraintes procdurales qui indiquent comment deux centres doivent cooprer.
La structure du rseau est dcrite par un graphe. Le fonctionnement est abord au
travers dun schma de type SADT. En considrant les tats que peuvent prendre les
dcisions, nous pouvons crer un mta-modle qui permet de reprsenter et dvaluer
lautonomie que possde un centre pour les moments de prise de dcision et les dures de
ngociations.
La proposition d'un protocole de communication (conversations et change de
messages) a permis de spcifier ce que pourraient tre certaines contraintes procdurales.
Enfin, une structure arborescente permet de reprsenter ltat dun centre. Ainsi,
diffrentes hypothses peuvent tre considres, le suivi des conversations est facilit.
Le chapitre suivant sintresse la mise en uvre, travers la ralisation dun
prototype de logiciel daide la dcision distribue.

Chapitre V Ralisation dun environnement
daide la dcision et la coopration

Ce chapitre prsente le logiciel daide la dcision distribu qui nous a permis de
tester notre approche. Tout dabord, nous rsumons les besoins que le dcideur dun centre
peut exprimer. Le reste du chapitre est consacr un exemple en gestion multi-projets. Des
centres projets sont en comptition pour lattribution de ressources gres par des centres
mtiers. Nous donnons les spcifications de lapplication dveloppe au travers de quelques
diagrammes UML. Enfin, nous dcrivons les choix de dveloppement que nous avons fait et
nous prsentons quelques fentres de linterface graphique dveloppe.

V.1. Les besoins
Les chapitres prcdents nous ont permis didentifier quelques besoins. En particulier,
nous avons identifi des besoins pour :
modliser et rsoudre des problmes. Le logiciel peut assister le dcideur dans la
reprsentation dun problme de dcision, ainsi que dans les traitements associs.
cooprer. Il sagit daider le dcideur grer les conversations quil mne avec
dautres centres.
reprsenter et structurer le processus de dcision. Il sagit de structurer les hypothses
faites par le dcideur et sur lesquelles il sest ventuellement engag.
prendre en compte la dynamique du processus de dcision. Le dcideur peut tre
engag dans plusieurs processus de coopration la fois.

V.1.1. Aide la modlisation et la rsolution du problme

Compte tenu dun problme de dcision, le dcideur peut avoir :
dterminer les degrs de libert dont il dispose. Plusieurs indicateurs peuvent tre
proposs (voir le chapitre 3) : une vrification de la consistance du modle CSP, les
domaines des variables de dcision ou des paramtres, une analyse de sensibilit.
agir sous contraintes. Le dcideur peut prendre des dcisions qui seront
communiques aux centres en aval. Afin danticiper de futurs problmes, le dcideur
peut aussi ngocier les domaines que prendront les variables de dcision. De mme,
les domaines des paramtres peuvent tre ngocis avec les centres en amont.
agir sur les contraintes. En cas de manque dautonomie, le dcideur cherche
connatre les dcisions, les paramtres ou les contraintes quil peut remettre en cause.
Des rengociations peuvent en dcouler.
Les traitements sont dpendant des caractristiques du modle CSP choisi pour
modliser le problme de dcision (variables continues/discrtes, modle linaire/non linaire,
contraintes binaires/n-aires).

122 Ralisation dun environnement daide la dcision et la coopration

V.1.2. Aide la coopration

Dans le cas dinteractions asynchrones entre les centres, le systme doit fournir au
dcideur une aide pour grer sa bote aux lettres (slection, classement, etc.). Par exemple, il
pourrait tre prfrable de classer les messages contenus dans une conversation pour
engagement avant un message contenu dans une conversation pour information.
Le systme doit permettre le suivi des conversations, le respect des protocoles de
communication. Afin de pouvoir rpondre convenablement un message, le systme peut
remplir automatiquement certains champs du message de rponse et proposer lutilisateur un
choix de rponses possibles.
Le dcideur peut chercher savoir quels sont les centres qui adresser un message (en
fonction des variables contenues dans le message).

V.1.3. Aide structuration du processus de dcision

Grce larborescence des modles, le dcideur peut visualiser ltat du processus de
dcision. Par exemple, il peut voir le contexte dune prise de dcision (les hypothses et
engagements faits pour prendre la dcision).
Durant le processus de dcision, de nouvelles branches doivent tre cres. Par
exemple, la rception dun message, une proposition ou un engagement apparaissent dans
larbre. De mme, en phase de prise de dcision, le dcideur gnre une hypothse quil
cherche valider en la ngociant avec les centres en aval. Dans ces cas, se pose le problme
du contexte dans lequel se placer. Le systme peut proposer au dcideur une place en fonction
de plusieurs critres : variables dj ngocies, message issu dune conversation dj prsente
dans larbre, dbut dune conversation pour engagement.

V.1.4. Prise en compte du temps

Le problme de dcision nest pas statique. Au fur et mesure, des informations
arrivent ; lensemble des contraintes et des variables peut changer. Le systme de dcision
doit permettre de grer les mcanismes de prise de dcision priodique (cration, gel,
destruction de variables).
Le dcideur peut tre prvenu lorsque certaines limites temporelles sont proches. Par
exemple :
la date limite de prise de dcision de certaines variables.
la date limite de rponse un message.
Dans la suite, nous utiliserons ces spcifications pour raliser une application dans le
cadre de la gestion de projets avec ressources partages.

V.2. Cadre choisi

Nous prsentons ici le contexte de dveloppement de lapplication. Nous avons choisi
un exemple de gestion de projets avec ressources partages, inspir dun problme rel de
gestion de projets (voir [DIDOM 2000] et lexemple du chapitre 4 en gestion de projets).
Cadre choisi 123

Dans cet exemple, deux projets sont en comptition pour lattribution de personnels
spcialiss regroups par mtier. Chaque projet et chaque mtier sont grs par un centre de
dcision.

V.2.1. Description du rseau de centres
V.2.1.1 Structure du rseau de centres

Deux centres projet ont en charge la ralisation dun projet chacun. Ils doivent dfinir
les dates de dbut
i
t pour chaque tche du projet. La ralisation dune tche ncessite du
personnel dun des mtiers. La dure de la tche dpend du nombre de personnes alloues. Le
centre projet doit tenir compte galement des dates de fin au plus tard qui sont ngocies avec
le client (le client peut suivre la progression du projet).
Chaque centre mtier gre des personnes.
i
a personnes sont affectes un projet pour
la ralisation dune tche i .
La figure 88 reprsente le rseau de centres considr ici.

m i
d
1
11 i
t
11 i
a
12 i
a
22 i
a
21 i
a
12 i
t
21 i
t
22 i
t
m i
d
2
projet 1
mtier 1 mtier 2
projet 2
client -> projet p : date chue
ipm
d
projet p -> mtier m: dates de dbut
ipm
t
mtier m-> projet p : personnel allou
ipm
a
client
client

figure 88 : le rseau de centres de dcision
V.2.1.2 Fonctionnement du rseau de centres

Les dates chues
ipm
d sont dfinies par le client avant le dbut du projet (voir la figure
89). partir des dates chues et tous les vendredis, le centre projet donne les dates de dbut
ipm
t des tches devant tre ralises la semaine suivante. partir de ce plan, le centre mtier
dfinit le personnel allouer
ipm
a aux diffrentes tches.
Tout au long de la semaine, le personnel ralise les diffrentes tches aux dates
indiques par
ipm
t .


dfinir dates
jalons
dfinir dates
de dbut
affecter
personnel
raliser
tous les
vendredis
avant le dbut
du projet ala
ala
ala
plan
ipm
t
tat rel
affectations
ipm
a
client
centre projet p
centre mtier m
personnel
d
a
t
e
s

c
h
u
e
s ipm
d

figure 89 : le fonctionnement du rseau de centres

Cette description ne suffit pas dcrire toutes les contraintes de fonctionnement des
centres. Nous introduisons par la suite les contraintes de fonctionnement qui apparatront dans
les mta-modles des centres.

Les dcisions concernant les dates chues
ipm
d sont prises avant que le projet ne
dbute. Ces dcisions sont rengociables jusqu une semaine avant
ipm
d . Nous supposerons
que la ngociation concernant
ipm
d a dj eu lieu et que le centre projet est cre lissue de
cette ngociation.

ipm
d
dec
ipm
d
gel
ipm
d
des
ipm
d
t
> 1 semaine

figure 90 : contraintes dans le processus de dcision entre le client et le centre
projet

Les dcisions concernant les dates de dbut
ipm
t des tches et les affectations doivent
tre prises pour le vendredi de la semaine prcdant la ralisation des tches : cela permet
dtablir un planning prvisionnel la semaine. Les quantits de personnel affect un projet
sont figes une demi-journe avant la mise en uvre des tches : le personnel ne connat
lemploi du temps dfinitif que pour la demi-journe qui suit.
Le centre projet a un horizon prvisionnel sur toute la dure du projet tandis que les
centres mtiers ont un horizon sur la semaine en cours et la semaine suivante (deux semaines
entires au maximum).

Cadre choisi 125

ipm
t
cre
ipm
t
dec
ipm
t
gel
ipm
t
des
ipm
t
t
< journe
8h ou 14h
pour le vendredi
ipm
a
cre
ipm
a
gel
ipm
a
des
ipm
a
dec
> 0

figure 91 : contraintes dans le processus de dcision entre les centres projets et les
centres mtiers
Soit
s
la dure dune semaine,
v
la dure entre le dbut de semaine et le vendredi,
j
la dure dune journe et une fonction semaine qui, une date, associe le numro de
semaine (par exemple, 1 h) 8 2000 Janvier 2 ( semaine ).

Les centres projets ont donc un mta-modle de la forme :
) 9 ( des
(8) 2 /
) 7 (
) 6 ( 2 / *
(5) ) 1 ) ( ( *
(4) 0
) 3 (
) 2 (
) 1 ( -
ipm
ipm
t
j
0
s
ipm
ipm t
ipm t
j t
v ipm s t
t
a t
ipm ipm a t
ipm d
t
t gel
t gel
k t gel
t semaine dec
cre
gel gel
d t dec dec
d gel
ipm
ipm
ipm
ipm
ipm
ipm ipm
pmi ipm
+
+

Lquation (1) traduit le fait que
ipm
d est gele au moins une semaine avant la date
ipm
d . (2) traduit que
ipm
t est dcide avant
ipm
a (et donc avant
ipm
t et
p
d ). La date de gel de
ipm
t est la mme que celle de
ipm
a (3). Les variables de dates de dbut des tches existent ds
que le centre existe (horizon sur toute la dure du projet).
ipm
t est dcide avant le vendredi
prcdent sa mise en uvre (5). Les variables
ipm
t sont geles en dbut de demi-journe (6) et
elles sont geles au dernier moment (7) et (8). Les variables
ipm
t sont dtruites une fois la
dcision mise en uvre (9).

Dans ce mta-modle, on peut se demander si cest
ipm
t qui fixe les dates de dcision
ipm
t
dec , de gel
ipm
t
gel et de destruction
ipm
t
des des variables ou si cest linverse. En fait, si le
dcideur veut planifier une tche pour une semaine, il faut quil le fasse pour le vendredi

avant. Il peut cependant, reporter lexcution de la tche la semaine suivante en cas dala
sauf si la dcision est dj gele.

Les centres mtiers ont un mta-modle de la forme :
) 8 ( des
(7) 2 /
) 6 (
) 5 ( 2 / *
(4) ) 1 ) ( ( *
(3) ) 2 ) ( ( *
) 2 (
) 1 (
ipm
a
j
0
ipm
ipm a
ipm a
j a
v ipm s a
v ipm s a
a t
p ipm a t
t
t gel
t gel
k t gel
t semaine dec
t semaine cre
gel gel
d t dec dec
ipm
ipm
ipm
ipm
ipm
ipm ipm
ipm ipm
+
+
+

Dans ce mta-modle, on retrouve le mme type de contraintes que dans les mta-
modles des centres projets. Lquation (3) traduit que les variables
ipm
a ne sont cres que
deux semaines avant leurs mises en uvre. Lhorizon prvisionnel dun centre mtier
correspond bien deux semaines.

V.2.2. Modlisation du problme de dcision de chaque centre
V.2.2.1 Les centres projets

Chaque centre projet p doit grer un projet. Ce projet est constitu dun ensemble
p

de tches dont la ralisation ncessite du personnel allou par un centre mtier. Les tches
doivent sexcuter dans un certain ordre : une gamme de fabrication existe.

Les paramtres dun centre projet sont :
un ensemble de tches
p
ncessitant des ressources partages. Le mtier m est
sollicit pour la ralisation de la tche ipm. Ces paramtres sont des donnes (non
ngociables).
la quantit
ipm
a de personnel allou une tche de
p
. Ce paramtre est une dcision
dun centre mtier.
) (a q
i
est la dure de la tche ipm en fonction du nombre de personnes allou
(donnes)
les dates de dbut au plus tt
ipm
r (ce sont des donnes).
les dates de fin au plus tard des tches
ipm
d . Ces paramtres sont ngocis avec le
client.
une gamme de fabrication dfinie par un ensemble de contraintes de prcdence.

Chaque centre projet a comme variable de dcision :
Spcifications dun systme daide la dcision 127

la date de dbut de chaque tche du projet :
ipm
t . Les dates de dbut sont ngocies
avec les centres mtiers.
la date de fin de chaque tche du projet :
ipm
c . Les dates de fin des tches sont des
variables prives des centres projet.

V.2.3. Les centres mtiers

Les centres mtiers allouent une quantit
ipm
a de personnes une tche ipm. La
consommation de personnel ne doit pas dpasser le nombre de personnes
m
A dont le centre
dispose.
Les paramtres dun centre mtier sont :
lensemble des tches qui ncessitent du personnel
m
(donne). Chaque tche ipm
fait partie du projet p (donne).
) (a q
i
est la dure de la tche ipm en fonction du nombre de personnes allou
(donnes)
les dates de dbut des tches
ipm
t . Ces paramtres sont les dcisions des centres
projets.
la quantit de personnel disponible :
m
A (donne).

Les variables de dcision du centre sont :

ipm
a , la quantit de personnel allou la tche ipm

Dans le paragraphe suivant, nous donnons les spcifications pour le systme la
dcision dvelopp pour cet exemple.

V.3. Spcifications dun systme daide la dcision
Les spcifications du systme daide la dcision sont donnes dans le langage unifi
de modlisation, en anglais Unified Modeling Language (UML) qui permet de spcifier,
visualiser, construire, et documenter les artefacts des systmes informatiques. Lannexe
prsente les diagrammes UML que nous utiliserons par la suite.
V.3.1. Spcifications du rseau de centres de dcision

Dans ce paragraphe, les spcifications du systme daide la dcision sont donnes.
Tout dabord, laspect statique est tudi au travers dun diagramme dobjets. Puis, des
diagrammes de squence permettent de mettre laccent sur les principales caractristiques
temporelles du systme : moment dactualisation de la base de donne, conversations trois,
date de validit des messages.

Le systme daide doit interagir avec les diffrents dcideurs. Les donnes, notamment
celles concernant ltat rel du systme piloter, sont collectes par le personnel et stockes
dans une base de donnes.

Chaque dcideur interagit avec un agent du systme (pour former un centre de
dcision). Le dcideur contrle lagent ; celui-ci fournit une aide au dcideur (voir la figure
92).
Les agents communiquent par messages asynchrones avec les agents qui
correspondent aux centres en amont et aux centres en aval : chaque agent projet communique
avec les deux agents mtiers. De plus, les agents ont accs une base de donne pour pouvoir
consulter les donnes les concernant et pour pouvoir y crire les valeurs des dcisions prises.
Lorsquune dcision est prise (et ngocie), la base de donnes est actualise. La
figure 93 montre le droulement dune conversation pour engagement. Quand celle-ci russit
(le message confirmer est envoy), la dcision est prise et la base de donne est actualise.
agent projet 1
agent mtier 1
dcideur
projet 1
agent projet 2
agent mtier 2
base de
donnes
dcideur
projet 2
dcideur
mtier 2
dcideur
mtier 2
personnel
contrle
assiste
communiquer
accder
lire/crire
a
c
c
d
e
r
communiquer communiquer
accder
a
c
c
d
e
r

figure 92 : diagramme dobjets du systme daide la dcision

agent projet 1 agent mtier 1 base de donne
proposer
contre-proposer
contre-proposer
accepter
confirmer
crire
acquitter
ngociation
dcision

figure 93 : diagramme de squence d'une conversation pour engagement

La figure 94 montre le droulement dune conversation pour information entre trois
agents. Les messages de lagent projet 1 (initiateur de la conversation) sont envoys
simultanment aux deux agents mtiers. Par contre, les rponses des agents mtiers ne
parviennent pas simultanment.
La figure 95 montre une conversation pour engagement o une dcision est prise (la
base de donne est actualise). Au cours de cette conversation, lagent mtier 2 ne rpond pas
temps au message, la dcision est prise car la date de validit est spcifie (lagent projet 1 a
considr rponse par dfaut comme tant la rponse de lagent mtier 2).

agent mtier 1 agent projet 1
conversation
pour information
agent mtier 2
demander-domaine demander-domaine
dire
dire
rsumer rsumer
acquitter
acquitter

figure 94 : conversation pour information entre trois agents

agent mtier 1 agent projet 1 agent mtier 2
proposer ( Dv : dure
validit, rponse par
dfaut = accepter)
accepter
proposer ( Dv : dure
validit, rponse par
dfaut = accepter)
Dv
confirmer
acquitter
base de donne
confirmer
crire
acquitter

figure 95 : date de validit dans une conversation pour engagement

V.3.2. Spcifications de chaque agent

Dans ce paragraphe, nous prsentons les spcifications de chaque agent. Tout dabord,
un diagramme de classes prsente la structure statique des classes. Ensuite, quelques

diagrammes de collaboration permettent de montrer la dynamique des interactions entre
objets et de prciser le rle de certains objets.

V.3.2.1 Composition dun agent

Chaque agent est compos dun gestionnaire des communications, dun gestionnaire
de larborescence et dun gestionnaire des variables (voir la figure 96). Le gestionnaire des
communications est charg de grer les conversations et de faire linterface avec les autres
agents. Le gestionnaire de larborescence est charg de grer larborescence : les branches
(hypothses, proposition, engagement, solution) et les modles. Le gestionnaire des variables
est charg de grer les variables et en particulier les contraintes temporelles qui leur sont
associes (date de cration, de dcision, de gel et de destruction).

Chaque agent propose galement une Interface Homme-Machine (IHM). Quatre vues
principales seront proposes :
une vue communication prsente les conversations et leurs contenus. Elle permet
galement denvoyer un message.
une vue arborescence prsente larborescence des branches et des modles.
une vue modle prsente un modle CSP par un diagramme de Gantt et permet de
gnrer les domaines des variables ou des solutions et de construire une nouvelle
hypothse.
une vue variables prsente les contraintes temporelles de la prise de dcision par
un diagramme de Gantt.

variable
variable de
dcision
paramtre
gestionnaire
variables
IHM
variables
modle CSP
branche
contrainte gestionnaire
arborescence
IHM
arborescence
IHM modle
message
conversation gestionnaire
communication
IHM
communication
pre
fils
0..1
1
0..1
0..1
1
1
1
*
1
*
* 1
*
1
*
1
1
*
1
*
1..*
*
fille
pre

figure 96 : diagramme de classe d'un agent

Les gestionnaires et linterface homme-machine sappuient sur diffrentes classes :
la classe conversation reprsente une conversation en cours ou acheve. Elle est
compose de messages (classe message). un message, on peut faire correspondre
une branche (en particulier si le message contient des contraintes).
la classe branche reprsente une branche (hypothse, proposition, engagement ou
solution). cette branche est associ un certain nombre de contraintes. Si la branche
est une proposition ou un engagement, elle correspond un message.
la classe modle CSP reprsente un nud de larborescence. Chaque nud possde
une branche pre (sauf le nud racine). Chaque nud peut avoir plusieurs branches
filles.
la classe contrainte reprsente une des contraintes dune branche. La contrainte est
une contrainte dgalit ou de domaine. Elle ne concerne donc quune variable.
la classe variable reprsente les variables considres et permet de connatre les
contraintes temporelles qui leur sont associes.

V.3.2.2 comportement dun agent

Pour plus de clart, dans les diagrammes de collaboration qui suivent, nous ne
reprsentons que les objets gestionnaires, IHM, agent et base de donnes. Ainsi, les
interactions avec les autres objets composant un agent ne sont pas montres (par exemple
conversation). De mme, les interactions interface-utilisateur ne sont pas reportes sur les
diagrammes.

1) Date limite de dcision proche

Pour cet exemple, certaines variables de dcision ont la date limite de dcision proche.
Ces variables de dcision doivent tre ngocies avec un agent.

Lorsque la date limite de dcision est proche, le gestionnaire des variables prvient
lutilisateur et demande au gestionnaire de larborescence de dcider de variables (interactions
1,2 et 3 sur le diagramme de collaboration de la figure 97).
Celui-ci demande lIHM de larborescence de choisir un contexte de dcision (par
dfaut linterface pourra proposer au dcideur de choisir le CSP des engagements). Le
gestionnaire demande lIHM du modle de prendre une dcision concernant les variables.
Une fois que le dcideur a pris une dcision, le gestionnaire de larborescence cre une
hypothse (en dessous du modle choisi) et demande au gestionnaire des communications de
crer une nouvelle conversation.
LIHM des communications est sollicite pour remplir ou modifier les champs du
message (par exemple : le champ objectif ou la modification du champ date limite de
rponse). Le message est alors envoy par le gestionnaire des communications lagent en
aval concern. Le gestionnaire des communications demande au gestionnaire de
larborescence de transformer lhypothse en proposition.
Si lagent en aval rpond par accepter et une fois que lutilisateur est consult, le
gestionnaire des communications envoie un message confirmer lagent en aval, actualise
la base de donnes et demande au gestionnaire de larborescence de transformer la proposition
en engagement. Celui-ci indique au gestionnaire des variables que la dcision a bien t
prise. Lagent en aval renvoie un message dacquittement ; la conversation est termine.

: gestionnaire
variables
: IHM
variables
: gestionnaire
arborescence
: IHM
arborescence
: IHM modle
: gestionnaire
communication
: IHM
communication
1 : date limite de
dcision proche (Vars)
2 : prvenir
3 : demander dcider (Vars)
branche
5 : prendre dcision (vars)
6 : crer hypothse
(contraintes)
7 : crer conversation
(contraintes)
8 : remplir champs
12 : dcider suite
: agent en aval
9 : proposer
13 : confirmer
11 : accepter
17 : acquitter
10 : transformer hypothse en proposition
15 : transformer proposition en engagement
base de donne
14 : crire (dcisions)
16 : dcid (variables)
4 : choisir contexte
contraintes

figure 97 : comportement d'un agent face un vnement date limite de
dcision proche
2) Rception dun message dbutant une conversation pour
engagement
Un agent reoit un message pour engagement provenant dun centre en amont. Il sagit
de lexemple prcdent vu de lautre agent.
Une fois le message rceptionn et lutilisateur prvenu, le gestionnaire des
communications demande au gestionnaire de larborescence dvaluer le message. Une fois le
contexte choisi au travers de lIHM de larborescence, une proposition est cre dans
larborescence et le message est valu avec lIHM du modle correspondant.
Si lvaluation est bonne, un message dacception est envoy par le gestionnaire des
communications lagent en aval. Quand celui-ci met un message de confirmation et que
lutilisateur a lu le message, le gestionnaire des communications envoie le message
dacquittement et demande au gestionnaire de larborescence de transformer la proposition en
engagement. Celui-ci informe le gestionnaire des variables que certains paramtres ont t
dcids.
Conception et ralisation de loutil daide la dcision 133

: gestionnaire
variables
: IHM
variables
: gestionnaire
arborescence
: IHM
arborescence
: IHM modle
: gestionnaire
communication
: IHM
communication
4 : choisir contexte
6 : valuer proposition
5 : crer proposition
3 : valuer message
2 : message reu
10 : message reu
: agent en amont
1 : proposer
9 : confirmer
8 : accepter
11 : acquitter
7 : valuation OK
12 : transformer proposition en engagement
13 : dcid (paramtres)

figure 98 : comportement d'un agent face une conversation pour engagement

V.4. Conception et ralisation de loutil daide la
dcision
Nous prsentons quelques choix que nous avons fait pour dvelopper le logiciel. Puis,
nous dcrivons quelques vues de linterface graphique du logiciel.

V.4.1. Choix de bibliothques et de langage de programmation

Nous avons choisi les bibliothques de composants logiciels Ilog Solver et Scheduler
pour la gestion des modles de type CSP et Ilog Views pour dvelopper linterface homme-
machines. Elles offrent aux dveloppeurs une interface crite en C++ et sont portes sur un
grand nombre de plate-formes (entre autre Solaris Sparc et Intel Windows).
Ilog Solver permet de reprsenter un modle CSP, de dduire les domaines des
variables (par des mcanismes de propagation de contraintes) et dobtenir une solution (par
des algorithmes de rsolution). Ilog Solver permet dajouter ou denlever des contraintes
dynamiquement et de grer plusieurs modles simultanment (utile pour larborescence).
De plus, on peut spcifier un temps ne pas dpasser pour les optimisations.

Ilog Scheduler est une extension de Ilog Solver spcialise pour les problmes
dordonnancement. Ce dernier produit permet de dfinir explicitement des ressources et des
tches tout en bnficiant dalgorithmes spcialiss.
Ces deux bibliothques permettent en outre de dfinir nos propres rgles de
propagation de contraintes ou algorithmes de recherche.
Ilog Views permet de crer une interface graphique portable sur plusieurs plate-
formes. Cette bibliothque permet galement de crer des diagrammes de Gantt interactifs.
Grce un diteur graphique, le prototypage de linterface graphique est simple et rapide.

Nous avons choisi de dvelopper le logiciel en C++ afin de faciliter linterface avec les
bibliothques Ilog . En effet, C++ est un langage de programmation orient objet. De plus, les
bibliothques que nous avons choisi dutiliser offrent une interface crite en C++.

V.4.2. Linterface graphique

Afin dillustrer les concepts de cette thse, nous prsentons ci-aprs quelques fentres
de lapplication que nous avons dveloppe : une premire fentre permet de visualiser
larborescence des modles, une deuxime les conversations dans lesquelles le centre est
impliqu. Enfin, nous prsentons la fentre permettant denvoyer un message un autre
centre.

V.4.2.1 La fentre de larborescence

La figure 99 montre la fentre permettant de visualiser larborescence des modles et
des hypothses. Sur la partie gauche de la fentre se trouve larborescence. chaque item, on
fait correspondre la fois une branche (hypothse, proposition ou engagement) et le modle
qui tient compte de cette branche. Dans lexemple prsent ici, trois branches-modles sont
reprsentes. Sur la partie droite de la fentre, se trouvent des renseignements sur la branche-
modle slectionne. Les renseignements concernant la branche sont :
son tat (hypothse, proposition, engagement). Ici, metier2version2 est un
engagement.
les contraintes associes la branche. Ici, il sagit des contraintes
2 , 2 , 2
105 103 101
A A A .
le centre qui a t communiqu la proposition (si on est lorigine du message
associ la branche) ou le centre qui a mis la proposition (si on a reu le message
associ la branche). Ici, on a mis le message vers le centre adecico4.
une date de validit qui correspond normalement la date de validit du message
associ la branche.
Dans la partie infrieure droite de la fentre se trouvent des renseignements concernant
la consistance du modle associ la branche.
partir de cette fentre, le dcideur peut voir le message correspondant la branche
(le bouton apparat gris si la branche est une hypothse) et peut travailler sur le modle afin,
par exemple, de construire une nouvelle hypothse.

Conception et ralisation de loutil daide la dcision 135

figure 99 : la fentre de larborescence

V.4.2.2 La fentre des conversations

La fentre reprsente sur la figure 100 permet de travailler sur les conversations et
messages reus ou envoys par le centre. La fentre est dcompose en trois parties.
gauche, se trouve la liste de toutes les conversations dans lesquelles le centre est
impliqu. Quand le dcideur clique sur une conversation (ici mtier2), la liste des messages la
composant est affiche sur le panneau central. Dans ce cas, la conversation comporte quatres
messages. Si on clique sur un message, le dtail du message apparat sur le panneau de droite.
En particulier, on peut voir le type du message, lmetteur et les destinataires, la date denvoi
ainsi que la date de validit, la rponse par dfaut et le sujet du message. De plus, les
contraintes attaches au message sont affiches dans la rubrique contenu. Des commentaires
peuvent tre attachs un message.
partir de cette fentre, le dcideur peut :
consulter sa bote aux lettres.
crer une nouvelle conversation. La dmarche normale pour crer une conversation
est de crer une hypothse en travaillant sur le modle et, ensuite, de la ngocier.
valuer les messages reus.

crer une rponse un message. Pour que ces deux boutons soient actifs, il faut
quune conversation soit slectionne et que lmetteur du dernier message de la
conversation ne soit pas ce centre.
montrer quelle est la branche de larborescence qui correspond un message. Pour
que ce bouton soit actif, il faut quune conversation et un message soient slectionns.

figure 100 : la fentre des conversations

V.4.2.3 La fentre de cration de messages

Lorsque le dcideur souhaite envoyer un message (soit en appuyant sur les boutons
crer une conversation ou crer un message soit en essayant de transformer une hypothse en
proposition), une fentre prsente les diffrents champs du message que le dcideur peut
remplir. Dans le cas de la figure 101, il sagit de la cration dune nouvelle conversation.
Le dcideur peut choisir le type de message. Dans notre cas (cration dune
conversation), les seuls choix possibles sont DemanderSi, DemanderDomaine et Proposer. Le
dcideur ne peut pas modifier le champ metteur. Le champ rcepteur est rempli en fonction
du contenu (des variables qui apparaissent dans contenu) ; toutefois le dcideur peut modifier
cette liste de noms. Les champs sujet, date de validit et rponse par dfaut ne peuvent tre
remplis que si le message dbut une conversation (cest le cas ici). Le champ contenu est une
liste de contraintes ou de variables (messages DemanderDomaine). Le dcideur peut spcifier
des commentaires. Ce champ est totalement libre et nest pas interprt par lapplication.
Si le dcideur dcide denvoyer le message, il faut que la branche correspondante au
message soit modifie. Par exemple, si le message est de type confirmer, une branche de
larborescence passe de ltat Proposition ltat Engagement. En cas de cration dune
nouvelle conversation, la branche peut ne pas exister encore. Dans ce cas, le dcideur doit
indiquer dans quel contexte placer la branche et indiquer le nom de la branche.

Conclusion 137

figure 101 : la fentre de cration d'un message

V.5. Conclusion

Dans ce chapitre, nous avons prsent lapplication que nous avons dveloppe pour
tester notre approche. laide de plusieurs fentres, le logiciel aide le dcideur dans la
gestion des cooprations, dans la gestion du processus de dcision et dans la prise de dcision.
La nature dynamique du processus de dcision est prise en compte.

Conclusion
Ce travail aborde le problme de la dcision distribue dans le domaine de la gestion
du temps et des ressources. L'objectif est de proposer un environnement logiciel permettant
un dcideur de suivre et de matriser les actions explicites de coopration dans lesquelles il
s'engage dynamiquement avec d'autres centres.

La coopration dans un rseau de centres de dcision est indissociable de l'autonomie
qui est confre aux dcideurs afin d'anticiper et de ragir aux fluctuations rapides d'un
environnement incertain. Elle permet une coordination plus dynamique mais suppose de
vritables communications entre dcideurs, plus riches mais plus complexes que la simple
transmission d'informations, afin d'assurer la cohrence des dcisions vis vis d'objectifs
globaux dfinis au niveau du rseau.

Ce travail s'inscrit dans la continuit de travaux antrieurs bass sur une approche par
contraintes pour l'aide la coopration. Il en reprend un certain nombre de concepts et
d'hypothses, en particulier pour modliser la structure des organisations ayant en charge des
problmes de gestion du temps et des ressources, et pour formaliser les interactions entre
diffrents dcideurs ; on suppose donc pr-tablis :
la structure du rseau de centres de dcisions qui modlise une organisation donne.
Elle peut tre reprsente par un graphe orient o chaque arc signifie que le centre origine est
responsable de certaines dcisions dont le centre destinataire doit tenir compte. Cependant, le
centre destinataire peut participer ou initier des ngociations. Ainsi la prsence d'un arc sur le
rseau autorise en fait des changes bi-directionnels entre les centres.
les modles gnriques des problmes de dcision poss en chaque centre. Ils sont
bass sur le formalisme gnral des CSP (problmes de satisfaction de contraintes).

Ce travail privilgie toutefois l'tude de la dynamique des interactions au sein de tels
rseaux. En plus des contraintes procdurales qui rgissent les interactions entre plusieurs
centres (ex : dcision en temps contraint, contraintes de workflow), nous avons dfini des
protocoles de communication permettant d'engager des conversations formalises de deux
types :
les conversations pour information permettent plusieurs centres dexplorer le champ
des dcisions possibles et de prparer des dcisions robustes (acceptables par les autres
puisque pralablement ngocies).
les conversations pour engagement assurent la prise de dcision effective ou
ventuellement la rvision de dcisions.

La dynamique apparat ds lors que l'on associe plusieurs tats aux variables de
dcision. D'une part l'ensemble des variables peut voluer certaines dates
(cration/destruction) ; de plus lorsqu'une valeur leur est affecte, celle-ci peut avoir le statut
d'hypothse (non communique ou communique) ou d'engagement.

De plus un mode particulier de coopration a t tudi, le mode asynchrone : les
conversations sont constitues d'ensembles de messages typs (exemple : demande,
acceptation, refus, ) qui sont achemins par un systme de messagerie (communication par
botes aux lettres). Ainsi l'environnement d'aide la dcision distribu peut s'appuyer et
intgrer des technologies existantes ce qui vite d'en dvelopper de nouvelles.
140 Conclusion

La formalisation des conversations se traduit par l'utilisation de types de messages
prdfinis, ce qui vite toute ambigut d'interprtation et autorise un traitement partiellement
automatis (dition, filtrage, classement ).

Il rsulte de cette dynamique, qu'en chaque centre il n'existe pas un modle statique
unique mais plusieurs, qui voluent selon le contenu des conversations qui confirment ou
infirment certaines hypothses.

Ainsi, en chaque centre et un instant donn, il existe une arborescence de modles
que l'on propose de reprsenter explicitement afin d'aider le dcideur structurer son
processus de dcision. Au problme de dcision statique, sajoute celui de la gestion
dynamique de cette arborescence. Elle volue en fonction des ngociations qui se dveloppent
entre les centres et des contraintes temporelles qui psent sur le processus de dcision (prise
de dcision priodique, prise en compte des alas et opportunits). Nous associons au
traitement des diffrents types de messages (ex : rponse positive/ngative) les actions de
gestion correspondantes (suppression de sous-arbres, fusion de nuds, branchements).

La mise en uvre dun logiciel de test a permis de mettre en avant certaines
spcifications que doit implmenter un systme daide la dcision. En particulier, il doit
fournir une aide la dcision locale, une aide la coopration, une aide la reprsentation du
processus de dcision et prendre en compte la dynamique du processus de dcision. Le
systme daide a t mis en uvre sur un rseau de centres en gestion multi-projets o
plusieurs projets sont en comptition pour lattribution de ressources.

Diffrents prolongements de ces travaux peuvent tre envisags.

Notre approche s'est limite dans un premier temps considrer le cas o l'ensemble
des variables que gre un centre n'volue pas. La notion d'hypothse se traduit par l'ajout
d'une ou de plusieurs contraintes pour un ensemble de variables donn. Dans certains cas, le
dcideur peut mettre des hypothses sur la cration ou la destruction de variables (avec les
modifications sur le modle que cela entrane). Par exemple, lorsquun centre
dordonnancement cherche dterminer si une nouvelle opration peut tre insre dans le
plan, ses dcisions affectent l'ensemble des variables de dates de dbut : cela revient crer
une hypothse concernant la cration dune ou plusieurs variables.

Les cas, o un centre est la fois en amont et en aval dun autre centre et, o leurs
dcisions sont inter-dpendantes, doivent faire l'objet d'une analyse plus approfondie. Par
exemple, dans lapplication retenue au chapitre V, un centre projet est la fois en amont et en
aval dun centre mtier
Lorsqu'il existe un fort couplage entre deux ou plusieurs centres on peut mettre en
doute l'efficacit d'une coopration asynchrone ; dans ce cas, une mode de coopration
synchrone (runion) permettant ventuellement une codcision peut s'avrer plus efficace La
coexistence de plusieurs modes de coopration (synchrone et asynchrone) pose galement un
problme qui aurait mrit d'tre abord.

Dans le cas o un modle savrerait inconsistant, nous proposons une stratgie
permettant didentifier dans larborescence la ou les branches correspondant aux dcisions ou
aux hypothses qu'on peut tenter de rviser en priorit sans tre assur du rsultat : il s'agit
simplement d'une heuristique visant relcher les contraintes dans l'ordre chronologique
Conclusion 141

inverse o elles ont t poses. En fait une analyse plus pousse du problme de dcision
pourrait ventuellement permettre didentifier et de dlimiter plus finement l'ensemble
responsable minimal des contraintes relcher. Il semble toutefois que cette analyse dpende
fortement des proprits du modle utilis en un centre (linarit notamment).

La validation de cette tude descendante aurait ncessit une exprimentation dans un
cadre industriel rel, pour valider la pertinence des spcifications gnrales de l'outil d'aide
la dcision distribue mais aussi celle des interfaces utilisateurs.

Bibliographie
[Aalst 97] W.M.P van der Aalst. Verification of workflow nets. In 18
th
International
Conference on Application and Theory of Petri Nets (ICATPN97), Springer, 1248, pp. 407-
426, 1997.

[Afsarmanesh et al. 98] Hamideh Afsarmanesh, Cesar Garita, Luis Camarinha et
Celson Pantoja-Lima. Workflow support for management of information in PRODNET II. 5
th

IFAC Workshop on Intelligent Manufacturing Systems (IMS98), Granado, Brazil, 1998.

[Agostini et al. 94] A. Agostini, G. De Michelis, S. Patriarca et R. Tinini. A
prototype of an integrated coordination support system. CSCW, 2, pp. 209-238, 1994.

[Aknine et al. 98] Samir Aknine et Suzanne Pinson. Conception orient agent du
travail coopratif. Cahiers du LAMSADE,157, octobre 1998.

[Alliot et al. 94] J-M Alliot et T. Schiex. Intelligence Artificielle et Informatique
thorique. Cpadues ditions, 1994.

[Antillanca et al. 99] Hector B. Antillanca et David A. Fuller. Refining temporal
criteria to classify collaborative systems. International Journal of Human-Computer Studies,
50, pp. 1-40, 1999.

[Azma et al. 98] Pierre Azma, Franois Vernadat et Pierre Gradit. A workflow
specification environment. In Worshop workflow management : net-based concepts, models,
techniques and tools (WFM98), pages 5-21, 1998.

[Bazet 96] Isabelle Bazet. Organisation de la production et rgulation sociale.
Rapport de DEA, universit de Toulouse Le Mirail, 1996.

[Bazet et al. 98a] Isabelle Bazet, Gilbert de Terssac et Jacques Erschler. Les
interactions dans la gestion des contraintes. In ERGO IA, octobre 1998.

[Bazet et al. 98b] Isabelle Bazet et Gilbert De Terssac. Flexibilit des contraintes et
contraintes de flexibilit. Rapport LAAS N98233, 1998. parratre dans division du travail
et du social, s/d de M. Alaluf et P. Rolle, Editions Octares, Toulouse, 2000, p159-166.

[Bazet et al. 98c] Isabelle Bazet, Gilbert de Terssac et Jacques Erschler. La gestion
des contraintes : conflit et combinaison de rgles. 2
me
journes "Recherche et Ergonomie",
Toulouse (France), pp.85-91, 1998.

[Bazet et al. 99] I. Bazet, G. Masino, B. Maggi et G. de Terssac. La planification
comme mdiation entre les rgles temporelles gnrales et les activits de travail. 7
me

journes de sociologie du travail, Bologne, juin 1999.

[Bond et al. 92] Alan H. Bond et Les Gasser. A subject-indexed bibliography of
distributed artificial intelligence. IEEE transactions on systems, man, and cybernetics, 32 :6,
pp1260-1281, 1992.

144 Bibliographie

[Boronad-Thierry 93] Caroline Boronad-Thierry. Planification et ordonnancement
multi-site: une approche par satisfaction de contraintes. Thse de doctorat, Universit Paul
Sabatier, 1993.

[Camalot et al. 00] Jean-Pierre Camalot et Patrick Esquirol. Cooperation based on
a formal negotiation of constraints. MCPL2000, France, 2000.

[Camalot et al. 97] Jean-Pierre Camalot et Patrick Esquirol. Aide la dcision et
la ngociation dans un problme de gestion de production distribue. 3
me
congrs de gnie
industriel, Albi, France.

[Camalot et al. 97] Jean-Pierre Camalot, Patrick Esquirol, Marie-Jos Huguet et
Jacques Erschler. Aide la dcision et la ngociation dans un problme de gestion de
production distribue. Journes du Groupement pour la Recherche en Productique (GRP),
Cachan (France), pp.159-180, 16-17 Octobre 1997.

[Camalot et al. 98] Jean-Pierre Camalot et Patrick Esquirol. Supporting
cooperation and constraints negotiation between time and resource managers. 17th European
Annual Conference on Human Decision Making and Manual Control, Valenciennes, 14-16
dcembre 1998.

[Cervoni 87] Jean Cervoni. L'nonciation. Presse Universitaires de France
(Linguistique nouvelle), Paris, 1987.

[Chainbi et al. 96] Walid Chainbi, Chihad Hanachi et Christophe Sibertin-Blanc.
The multi-agent prey/predator problem : a petri net solution. In Symposium on Discrete
Events and Manufacturing Systems (CESA96), pp. 692-697, 1996.

[Chinneck 96] John W Chinneck. Computer codes for the analysis of infeasible
linear programs. Journal of the Operational Research Society, vol 47, pp. 61-72, 1996.

[Chinneck et al. 00] JW Chinneck et K. Ramadan. Linear programming with
interval coefficients. Journal of the Operational Research Society, vol 51, pp. 209-220, 2000.

[Cohen et al. 90] Philip R. Cohen et Hector J. Levesque. Intention is choice with
commitment. Artificial intelligence, 42, pp. 213-261, 1990.

[Cohen et al. 95] Philip R. Cohen et Hector J. Levesque. Communicative actions for
artificial agents. In First International Conference on Multi-Agent Systems (ICMAS'95),
1995.

[DARPA 93] The DARPA knowledge sharing initiave external interfaces working
group. Draft specification of the KQML agent-communication language.
http://www.cs.umbc.edu/kqml/, 1993.

[Davis 87] Davis Ernest. Constraint propagation with intervals labels. Artificial
Intelligence, vol 32, pp. 281-331, 1987.

[Davulcu et al. 99] Hasan Davulcu, Michael Kifer, L. Robert Pokorny et Stephen
Dawson. Modeling and analysis of interactions in virtual enterprises. 9
th
International
Bibliographie 145

workshop on research issues on data engineering: information technology for virtual
enterprises, RIDE-VE, Sydney, Australia, 1999.

[Debruyne 95] Debruyne Romuald. Les algorithmes darc-consistance dans les CSP
dynamiques. Revue dintelligence artificielle, Vol 9, no 3, pp. 239-267, 1995.

[DIDOM 00] DIDOM. Planning by repairing and cooperation : A more realistic
approach to multi-project management. MCPL2000, France, 2000.

[DIDOM 97] DIDOM. The analysis of distributed decision in an industrial context.
7
th
Mini Euro Conference Decision Support System, Bruges, 24-27 March, 1997.

[Dupuy 92] Yves Dupuy. Les organigrammes de structure organisationnelle. In :
l'encyclopdie du management. Vuibert, pp. 246-257, 1992.

[Ephrati et al. 93] E. Ephrati et JS. Rosenschein. Multi-agent planning as a
dynamic search for social consensus. In IJCAI93, pp. 423-429, 1993.

[Erschler et al. 93] Erschler Jacques, Fontan Grard et Merc Colette. Approche
par contraintes en planification et ordonnancement de la production. APII, vol 27, no 6, pp.
669-695, 1993.

[Espinasse et al. 97] Bernard Espinasse et Erwan Tranvouez. Ordonnancement
d'atelier coopratif et ractif : une approche multi-agents. In 7th mini EURO conference on
decision support systems, groupware multimedia and electronic commerce, Bruges, mars
1997. disponible sur demande espinas@unix05.u-3mrs.fr. paratre dans Journal of
Decision Systems.

[Espinasse et al. 99] Bernard Espinasse, Erwan Tranvouez et Alain Ferrarini.
Rsolution cooprative et distribue de problmes : application multi-agents au
rordonnancement d'atelier. In 3
me
congrs international de gnie industriel, Montral, mai
1999.

[Esquirol et al. 99] Patrick Esquirol et Lopez Pierre. Lordonnancement.
Economica, 1999.

[Favrel 98] Jol Favrel. Lentreprise virtuelle : un essai sur ltat de lart. In :
lentreprise communicante, Claude Foulard (Ed), Hermes, 1998.

[Ferber 95] Jacques Ferber. Les systmes multi-agents : vers une intelligence
collective. InterEditions, 1995.

[FIPA 99] FIPA. Foundation for Inteligent Physical Agents (specification).
http://www.fipa.org/ 1997-1999.

[Garvey et al. 1993] Garvey Alan J. et Lesser Victor R. Design-to-time real-time
scheduling. IEEE Transactions on systems, man, and cybernetics, vol 23, no 6, pp. 1491-
1502, 1993.

146 Bibliographie

[Giard 88] V. Giard. Processus productifs et programmation lineaire. Economica,
1988.

[Gotha 93] Gotha. Les problmes dordonnancement. Recherche oprationnelle, vol
27, no 1, pp. 77-150, 1993.

[Hamadi 99] Hamadi Youssef. Traitement des problmes de satisfaction de
contraintes distribus. Thse de doctorat, universit de Montpellier 2, 1999.

[Hennet 97] Jean-Claude Hennet. Concepts et outils pour les systmes de
production. Cpadues ditions, 1997.

[Htreux 96] Gilles Htreux. Planification hirarchise avec agrgation du temps.
Thse de doctorat, INSA, 1996.

[Huguet 94] Marie-Jos Huguet. Approche par contraintes pour laide la dcision
et la coopration en gestion de production. Thse de doctorat, INSA de Toulouse, 1994.

[Huguet et al. 96] Marie-Jos Huguet, Jacques Erschler, Gilbert De Terssac et
Nicole Lompr. Negocitions based on contraints in cooperation. Computer Supported
Cooperative Work, 5, pp. 267-284, 1996.

[Huguet et al. 00] Marie-Jos Huguet et Pierre Lopez. Mixed task scheduling and
ressource allocation problems. 2
nd
International Workshop CR-AI-OR00, Mars 2000,
Allemagne.

[Imbert et al. 93] Jean-Louis Imbert, Jacques Cohen et Marie-Dominique
Weeger. An algorithm for linear constraint solving : its incorporation in a prolog meta-
interpreter for CLP. Journal of Logic Programming, vol 16, pp. 235-253, 1993.

[Jacquet-Lagrze 98] Eric Jacquet-Lagrze. Programmation linaire : modlisation
et mise en uvre informatique. conomica, 1998.

[Jagou 93] Patrick Jagou. Concurrent Engineering. La matrise des cots, des dlais
et de la qualit. Hermes, 1993.

[Johnson et al. 74] A.J Johnson et D.C. Montgomery. Operations research in
production planning, scheduling, and inventory control. Wiley, New York, 1974.

[Kim et al. 98] Kwand-Hoon Kim et Su-Ki Paik. Practical experiences and
requirements on workflow. Coordination technology for collaborative application, Wolfran
Conen and Gustaf Neumann (eds), Springer, 1364, pp. 145-160, 1998.

[Kraus et al. 91] Sarit Kraus et Jonathan Wilkenfeld. Negotiations over time in a
multi-agent environment : preliminary report. In 12
th
International Joint Conference on
Artificial Intelligence (IJCAI-91), pp. 56-61, 1991.

[Kraus et al. 95] Sarit Kraus, Jonathan Wilkenfeld, et Gilad Zlotkin. Multiagent
negotiation under time constraints. Artificial Intelligence, 75, pp. 297-345, 1995.

Bibliographie 147

[Labrou et al. 97] Yannis Labrou et Tim Finin. A proposal for a new KQML.
http://www.cs.umbc.edu/kqml/, 1997.

[Lamia Friha et al. 97] Pauline Berry Lamia Friha et Berthe Choueiry. DISA : a
distributed scheduler using abstractions. Revue d'intelligence artificielle, 11(1), pp. 27-42,
1997.

[Lasserre et al. 85] Jean-Bernard Lasserre et Franois Roubellat. Measuring
decision flexibility in production planning. IEEE Transactions on Automatic Control, Vol.30,
N5, pp.447-452, Mai 1985 et Modeling and Control of Automated Manufacturing Systems,
Ed. Alan A.Desrochers, IEEE Computer Society Press, 1990, pp. 334-339.

[Le pape 94] Le Pape Claude. Scheduling as intelligent control of decision-making
and constraint propagation. In intelligent scheduling, Morgan Kaufman publishers, 1994.

[Lee et al. 93] J.H.M. Lee et M. H. Van Emden. Interval Computation as deduction
in CHIP. Journal of Logic Programming, vol 16, pp. 255-276, 1993.

[Lopez et al. 96] Pierre Lopez, Luc Haudot, Patrick Esquirol et Marc Sicard.
Conception dun systme coopratif en ordonnancement de production : une approche
pluridisciplinaire. 5
me
congrs international de gnie industriel, grenoble, 1996.

[Maggi el al. 00] Bruno Maggi et Roberto Albano. La thorie de lAction
Organisationnelle. In : le travail d'organisation (G de Terssac Ed.), Presses Universitaires de
France, 2000.

[Mammen et al. 97] Dorothy L. Mammen et Victor R. Lesser. A testbed for the
evaluation of multi-agent communication and problem-solving strategies. In AAAI-97
Worshop on constraints and agents (American Association for Artificial Intelligence),
disponible sur http://www.cs.unh.edu/ccc/ca/aaai97.html, 1997.

[Moeschler et al. 97] Jacques Moeschler et Antoine Auchlin. Introduction la
linguistique contemporaine. Armand Colin. 1997.

[Moldt et al. 97] Daniel Moldt et Frank Wienberg. Multi-Agent systems based on
coloured Petri Nets. In Application and Theory of Petri Nets (ICATPN97), Springer, pages
82-101, 1997.

[Molet 89] Hugues Molet. La nouvelle gestion de production. Hermes, 1989.

[Monateri 97] J.-Ch. Monateri et M. Sapina. Production synchrone et relations
contractuelles : enjeux organisationnels et conomiques. 2
me
congrs international franco-
qubcois : le gnie industriel dans un monde sans frontire, Albi, France, 1997.

[Nurcan 96] Selmin Nurcan. Analyse et conception de systmes d'information
coopratifs. Technique et science informatiques, 15(9), pp. 1287-1315, 1996.

[OMG 99] Object Management Group, Inc. OMG Unified Modeling Language
Specification. disponible sur http://www.rational.com/. Juin 1999.

148 Bibliographie

[Park et al. 98] Kyung Hye Park et Jol Favrel. Virtual enterprise organization
and information technology infrastructure. 5
th
IFAC Workshop on Intelligent Manufacturing
Systems (IMS98), Granado, Brazil, 1998.

[Pitt et al. 96] Jeremy Pitt, Matthew Anderton, et Jim Cunningham. Normalized
interactions between autonomous agents. Computer Supported Cooperative Work, 5:201-222,
1996.

[Prins 94] Christian Prins. Algorithmes de graphes. Eyrolles. 1994.

[Rolstadas 95] A. Rolstadas. Enterprise modelling for competitive manufacturing. Int
J. Control Engng Practice, 31, pp. 43-50, 1995.

[Rosenschien et al. 94] Jeffrey S. Rosenschien et Gilad Zlotkin. Rules of encounter.
The Mit Press, 1994.

[Sadek 94a] David Sadek. Communication theorie = rationality principles +
communicative acts models. In AAAI-94 Worshop on Planning for interagent communication,
1994.

[Sadek 94b] David Sadek. Attitudes mentales et fondements du comportement
coopratif. In systmes coopratifs : de la modlisation la conception (Bernard Pavard), pp.
93-117, Octares, 1994.

[Sadek 96] David Sadek. Interactions utilisateurs-services : de l'ergonomie des
interfaces l'agent intelligent dialoguant. Technical Report 8, France Tlcom, octobre 1996.

[Sam-Haroud et al. 96] Sam-Haroud Djamila et Faltings Boi. Consistency
techniques for continous constraints. Constraints, vol. 1, no 1-2, pp. 85-118, 1996.

[Sandholm et al. 97] Thomas W. Sandholm et Victor R. Lesser. Coalitions among
computationally bounded agents. Artificial Intelligence, 94:99-137, 1997.

[Schael 97] Thomas Schael. Thorie et pratique du workflow : des processus mtier
renouvels. Springer, 1997.

[Schweyer 96] Bettina Schweyer. Un modle de gestion de projet appliqu
l'entreprise manufacturire. thse de doctorat, Universit de Savoie, 1996.

[Shepard 97] Stephen B. Shepard. The new economy: what it really means. Business
Week, no 46, http://www.businessweek.com/1997/46/b3553084.htm, 1997.

[Smith 80] Reid G. Smith. The contract net protocol : high-level communication and
control in a distributed problem solver. IEEE Transactions on Computers, 29(12):1104-1113,
Dcembre 1980.

[Straub et al. 96] Pablo A. Straub et Carlos Hurtado L. Business Process Behavior
is (almost) free-choice. In Symposium on Discrete Events and Manufacturing Systems
CESA96, pp. 704-709, 1996.

Bibliographie 149

[Teghem 96] Teghem Jacques. Programmation linaire. ditions ellipses, 1996.

[Tranvouez et al. 99] Erwan Tranvouez, Bernard Espinasse et Alain Ferrarini.
Rsolution cooprative et distribue de problmes : application multi-agents au
rordonnancement d' atelier. 3
me
congrs international de gnie industriel. Montreal, 1999.

[Trentesaux 97] Damien Trentesaux. L'analyse multicritre : une approche
performante pour l'intgration de l'oprateur humain pour le pilotage ractif et distribu des
systmes de production. In journes du Groupement de Recherche en Productique, pp. 181-
201, octobre 1997.

[Trentesaux et al. 98] Damien Trentesaux, Neville Moray et Christian Tahon.
Integration of the human operator into responsive discrete production management systems.
European Journal of Operation Research, 109, pp. 342-361, 1998.

[Vercouter et al. 99] Laurent Vervouter, Nathalie Franchesquin, Jean-Pierre
Treuil et Suzanne Pinson. Simulation multi-agent des processus de ngociation en
ergonomie : un exemple de gestion locale sous contrainte collective. Cahiers du LAMSADE
no 115, juillet 1999.

[Verfaillie et al. 95] Grard Verfaillie et Thomas Schiex. Maintien de solution dans
les problmes dynamiques de satisfaction de contraintes : bilan de quelques approches.
Revue dintelligence artificielle, vol. 9, no 3, pages 269-309, 1995.

[Vernadat et al. 99] Franois Vernadat et Pierre Azma. High level Transition
systems for communicating agents. Rapport LAAS N98007, 1999.

[Winograd 88] Terry Winograd. A language/action perspective on the design of
cooperative work. Human-Computer Interaction, 3(1), pp. 3-30, 1987-1988.

[Winograd et al. 87] Terry Winograd et Fernando Flores. Understanding
computers and cognition. Addison-Wesley, 1987.

[Zhang et al. 99] W.J. Zhang et Q. Li. Information modelling for made-to-order
virtual enterprise manufacturing systems. Computer-Aided Design, 31, pp. 611-619, 1999

[Zilberstein et al. 96] Zilberstein Shlomo et Russel Stuart. Optimal composition of
real-time systems. Artificial Intelligence, vol 82, pages 181-213, 1996.

[Zlotkin et al. 96] Gilad Zlotkin et Jeffrey S. Rosenschein. Mechanism design for
automated negotiation, and its application to task oriented domain. Artificial Intelligence,
86:195-244, 1996

Annexe : Le langage unifi de modlisation
(UML)

Le langage unifi de modlisation, en anglais Unified Modeling Language (UML), est
un langage pour spcifier, visualiser, construire, et documenter les artefacts des systmes
informatiques, ainsi que pour la modlisation des entreprises et autres systmes non
informatiques. UML est n de la fusion des trois mthodes (OMT, Booch et OOSE) et a t
normalis en 1997 par lOMG (Object Management Group). UML est un langage qui permet
de reprsenter des modles mais il ne dfinit pas le processus d'laboration des modles.

Les principaux buts dUML sont les suivants :
fournir aux dveloppeurs un langage de modlisation visuel expressif, afin d'laborer
et de partager des modles significatifs
fournir des mcanismes d'extensibilit et de spcialisation partir des concepts de
base
tre indpendant de tout langage de programmation et de toute mthode de
dveloppement
fournir une base formelle pour comprendre le langage de modlisation
encourager la croissance du march des outils orients objet (OO)
intgrer les pratiques reconnues.

La norme permet de dfinir neuf types de diagrammes qui permettent de modliser les
besoins, les classes et objets (dfinition et comportement) et limplmentation.
Les diagrammes de cas dutilisation reprsentent les fonctions du systme du point de
vue de lutilisateur.
Les diagrammes de classes reprsentent la structure statique en termes de classes et de
relations.
Les diagrammes dobjet reprsentent la structure statique des objets et de leurs
relations.
Les diagrammes de squence montrent comment les objets dun systme interagissent
en mettant laccent sur laspect temporel.
Les diagrammes de collaborations montrent comment les objets dun systme
interagissent en mettant laccent sur laspect spatial.
Les diagrammes dtats-transitions permettent de reprsenter le comportement dun
lment de modlisation comme un objet ou une interaction.
Les diagrammes dactivit modlisent des machines tats dans lesquelles les tats
reprsentent une action ou une sous-action et les transitions sont tires par la fin des
actions ou des sous-activits.
Les diagrammes de composants montrent les dpendances entre les composants
logiciels (fichiers sources, fichiers excutables, composants logiciels).
Les diagrammes de dploiement montrent la configuration des lments dexcution
sur les dispositifs matriels.

Nous prsentons succinctement la notation employe dans les diagrammes que nous
avons utiliss pour le dveloppement du logiciel. Pour une description exhaustive de la
norme, on peut se rfrer [OMG 99].
152 Annexe : Le langage unifi de modlisation (UML)

1. Les diagrammes de classes

Les diagrammes de classes permettent de reprsenter la structure statique des classes
et des objets, leur structure interne (ou du moins leur interface) et les relations entre ces
lments.

Dans un diagramme de classes, les classes et les objets sont reprsents par des
rectangles avec le nom de classe ou de lobjet lintrieur (voir la partie gauche de la figure
102). Le nom dun objet est soulign. Pour noter les attributs et les mthodes dune classe ou
dun objet, le rectangle est partag en trois parties avec le nom de la classe ou de lobjet dans
la partie suprieure, les attributs au milieu et les mthodes dans la partie basse (voir la classe
de nom nom de la classe 2 dans la figure 102).

nom de la classe 1
nom de lobjet 1
nom de la classe 2
attribut1
attribut2 : type de donne
attribut2 : type de donne = valeur initiale
opration()
opration( liste darguments ) : type retourn
classe et objet :
notation simple
classe : notation complte

figure 102 : reprsentation des classes et des objets

Sur un diagramme de classes, on note une association par un trait continu entre les
classes de lassociation (voir la figure 103). Lassociation peut tre nomme avec le nom situ
au milieu de la ligne qui symbolise la relation. Le sens de lecture peut tre prcis au moyen
des symboles < et > . De mme, pour plus de comprhension de lassociation, on peut
indiquer chaque extrmit le rle de la classe dans lassociation. De plus, la multiplicit de
lassociation est note par une expression qui peut tre :
un numro n . Lassociation comporte exactement n objets de la classe (par exemple,
1). Une toile * est utilise pour signifier nimporte quelle valeur (de 0 plusieurs).
un intervalle n m.. . Lassociation comporte de m n objets. Par exemple, on note
1 .. 0 pour 0 ou un objet et * .. 1 pour dun plusieurs objets.
Si lassociation est navigabilit unidirectionnelle, celle-ci est note par une flche
(voir la deuxime association sur la figure 103).

classe 1 classe 2
nom de lassociation
rle 1 rle 2
expr1 expr2
classe 1 classe 2
nom de lassociation navigabilit unidirectionnelle

figure 103 : reprsentation d'une association entre deux classes

Certains types dassociations ont des reprsentations particulires.
Lagrgation est une association non symtrique dans laquelle une extrmit de
lassociation joue un rle prdominant par rapport lautre extrmit (par exemple, une classe

qui fait partie dune autre, une action dune classe impliquant une action dans une autre
classe). Lagrgation se reprsente par un petit losange blanc du ct de lagrgat. La
composition est un cas particulier dagrgation. Il sagit de lassociation correspondant la
contenance ; elle est reprsente par un losange noir (voir le haut de la figure 104).
La gnralisation est reprsente par une flche qui pointe de la classe la plus
spcialise vers la classe la plus gnrale. Elle exprime le fait que les lments dune classe
soient dcris dans une autre classe. Les attributs, oprations et associations sont hrits par les
sous-classes. La tte de la flche est caractrise par un triangle vide.

agrgat
une classe une classe composante
0..*
0..1
1..*
super-classe sous-classe1
sous-classe2
agrgation
unidirectionnelle
composition
bidirectionnelle

figure 104 : notation des agrgations et des spcialisations

La figure 105 prsente un exemple de diagramme de classes. Une voiture est
compose dun moteur et de quatre roues (agrgation et composition). Les breaks, les
dcapotables et les berlines sont des voitures (spcialisation de voiture). Une voiture est
conduite par une personne et peut transporter de 0 plusieurs passagers. De plus, une
personne ne peut conduire au plus quune voiture et ntre passager quau plus dune voiture.

voiture
moteur
roue
personne
dcapotable break berline
4 1 1 1
1
0..1
passager conducteur
conduit
>
0..*
0..1

figure 105 : un exemple de diagramme de classes

2. les diagrammes de squence

Les diagrammes de squence montrent comment les objets dun systme interagissent
en mettant laccent sur laspect temporel.


Les objets tudis sont placs sur la premire ligne et pour chaque objet, on associe
des barres verticales en pointill appel ligne de vie de l'objet (voir la figure 106). Le
diagramme possde un axe des temps dirig du haut vers le bas. Les messages sont
reprsents par des flches horizontales orientes de l'metteur vers le destinataire. Lorsque le
message possde un temps de propagation non ngligeable, les flches sont alors obliques.
La reprsentation des priodes d'activit des objets est possible l'aide de bande
rectangulaire le long des lignes de vie des objets et dont les extrmits reprsentent le dbut et
la fin de l'activit.
Les acteurs extrieurs au systme sont reprsents par ce symbole :

nom de lacteur :
classe de lacteur
objet 1 : classe
de lobjet
objet 2
objet 3
vnement 1
opration
opration (liste
de paramtres)
opration (liste de paramtres)

figure 106 : un diagramme de squence

3. les diagrammes de collaborations

Les diagrammes de collaboration permettent la reprsentation spatiale des objets, des
liens et des interactions.

Chaque objet est reprsent par un rectangle avec le nom de lobjet soulign
lintrieur (voir les diagrammes de classes). Comme pour les diagrammes de classes, les
relations entre objets sont notes par un trait qui relie les objets.
Les objets communiquent entre eux par envoi de messages. Le diagramme reprsente
ces messages laide de flches le long des liens. Lordre des messages peut tre indiqu en
mettant une numrotation devant chaque message.

La figure 107 reprsente un exemple de diagramme de collaborations qui correspond
au diagramme de squence de la figure 106.
155 V.5 Conclusion

nom de lacteur :
classe de lacteur
objet 1 : classe 1 objet 2
objet 3
1 : vnement 2 : opration
3 : opration (liste
de paramtres)
4 : opration (liste de paramtres)

figure 107 : un exemple de diagramme de collaborations

4. les diagrammes dobjets

Les diagrammes dobjets sont la reprsentation des objets et de leurs relations. Ils
correspondent un diagramme de collaboration simplifi, sans reprsentation des envois de
message.

Thse de Mr Jean-Pierre Camalot

Aide la dcision et la coopration en gestion du temps et des ressources
Rsum : Ce travail sintresse aux dcisions en gestion du temps et des ressources (gestion de production,
gestion de projet). Notre objectif est de proposer aux dcideurs des outils daide la dcision et la coopration
distribus.
Nous supposons que les dcisions sont distribues au sein dun rseau de centres de dcision interdpendants :
les dcisions d'un centre constituent des paramtres intervenant directement dans les contraintes que doivent
respecter d'autres centres. Si, a priori, aucun enchanement strict n'est suppos entre les diffrentes prises de
dcision, le processus de prise de dcision en un centre est indissociable des processus de coopration entre
centres. Nous avons tudi le mode asynchrone de la coopration. La formalisation des conversations se traduit
par lutilisation de messages prdfinis, ce qui vite toute ambigut dinterprtation et autorise un traitement
partiellement automatis.
En chaque centre et un instant donn, plusieurs statuts de la dcision (hypothses, propositions et engagements)
doivent tre considrs. Les hypothses faites en un centre permettent d'laborer des dcisions prvisionnelles
mais rendent celles-ci conditionnelles. De ce fait, il nexiste pas un modle unique en chaque centre mais
plusieurs qui diffrent par leurs hypothses et par leur niveau dinstanciation (le nombre et la nature des
dcisions fixes. Des outils danalyse et de rsolution des problmes locaux bass sur des mcanismes de
propagation de contraintes permettent, entre autres, dvaluer la consistance de ces diffrents modles, de fournir
des solutions prvisionnelles.
Au problme de dcision statique associ un modle donn, sajoute celui de la gestion dynamique dun
ensemble de modles et dhypothses. Cet ensemble volue au fur et mesure que des ngociations entre centres
se dveloppent et que de nouveaux lments surgissent qui confirment ou non les hypothses faites pour prparer
les dcisions.
La mise en uvre dun logiciel de test a permis de mettre en avant certaines spcifications que doit implmenter
un systme daide la dcision.

Mots clefs : aide la dcision, aide la coopration, dcision distribue, gestion de
production, gestion de projet, approche par contraintes, propagation de contraintes, processus
de dcision.

Decision and cooperation support in time and resource management
Abstract: This work is focused on time and resource management (production management and project
management). We propose distributed decision and cooperation support tools.
The decisions are distributed along a network of decision centers. The decisions of one center are parameters of
some constraints that others centers must respect. If the different decision processes are not strictly linked, the
decision process in one center is indissociable with the cooperation process with others centers. We study the
asynchronous mode of the cooperation. The use of predefined conversations and messages avoid some
misinterpretation and allow a partially automated treatment.
In a center and in a given time, several status of the decision (hypothesis, proposition, and commitment) must be
considered. The hypotheses made in a center allow to elaborate preliminary decisions. Thus, a center does not
own a unique model but several that differ in the hypotheses and in the level of instantiation (the number and the
nature of fixed decisions). The consistency of the local problems and the obtaining of solutions are provided by
analyzing and solving tools based on constraint propagation.
On the static decision problem associated to a given model, there is the dynamic management of a set of
hypotheses and models. This set evolves as the centers are negotiating and as some new data, which confirm or
not the hypotheses, appear.
A test software allow us to give some specifications that a decision and cooperation support system must
implement.

Keywords: decision support, cooperation support, distributed decision, production
management, project management, constraint approach, constraint propagation, decision
process.

These Impression

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

These Impression

Uploaded by

Copyright:

Available Formats

Anne : 2000

You might also like