Dominique URBANI
Marielle DELHOM

1. Introduction

L’eau a toujours été une préoccupation majeure dans le bassin méditerranéen [DUG]. Aujourd’hui en de nombreux points du bassin, la consommation humaine a atteint la limite des précipitations annuelles et le manque d’eau est devenu un frein au développement de ces territoires. Face à la pénurie naissante et aux perspectives de changements climatiques, les autorités ont lancé de nombreuses études pour trouver des solutions techniques, repenser leurs politiques et leur développement économique.

2. L’eau dans les îles méditerranéennes : vers une pénurie généralisée.

La première cause des tensions sur l’eau est l’augmentation continue de la demande. Celle ci s’accroît sous l’effet des facteurs suivants : accroissement de la population, augmentation de la consommation domestique moyenne par habitant, modernisation de l’agriculture (irrigation et cultures à forte valeur ajoutée), développement du secteur du tourisme très gourmand en eau qui est devenu prépondérant dans l’économie. Face à cette demande croissante, les ressources restent limitées et aujourd’hui la demande dépasse souvent l’apport des pluies [ERH]. Quasiment totalement dépourvues de réserves fossiles, les îles connaissent fréquemment des ruptures d’approvisionnement l’été. Lorsque la pénurie se prolonge, les autorités sont contraintes d’importer de l’eau par tanker ou de recourir à des unités de dessalement de l’eau de mer.

Confrontées au coût extrêmement important de ces solutions et aux perspectives de changement du climat, les autorités ont commandé de nombreuses études pour réduire ce problème qui aujourd’hui est un facteur qui limite leurs possibilités de développement. Les études portent sur la connaissance de l’environnement et des ressources mobilisables, la modernisation et la construction d’infrastructures, la modernisation de l’agriculture, la modification des comportements des habitants, la planification par secteurs économiques du développement [RED]. Ces recherches doivent être menées dans un cadre de réflexion global qui prend en compte l’ensemble des parties concernées par l’eau. En effet, le cadre insulaire est un monde clos dans lequel il n’existe pas d’échappatoire, tous les acteurs sont fortement liés et lorsque il y a intervention dans un secteur, c’est par ricochet tous les autres qui sont à leur tour affectés. Les autorités sont donc demandeuses d’études et d’outils permettant de prévoir l’impact des actions qu’elles comptent entreprendre.

3. Modélisation et simulation couplant SMA et SIG

Pour estimer l’impact sur les sociétés insulaire que peuvent avoir les décisions dans la politique de l’eau nous proposons procéder par modélisation puis simulation.

Grimble [GRI 96] distingue 3 grandes stratégies de gestion:
· par l'offre, en modifiant la disponibilité de la ressource en eau grâce à des investissements structurels,
· par la demande, en modifiant la répartition des usages ou en réduisant leur volume, et en augmentant leur efficience, par des incitations ou des règles,
· et enfin, par des mesures intermédiaires sur la distribution, par exemple en réduisant les pertes.

Nous avons choisi de coupler un système d’information géographique et un système multi-agents. Cette approche hybride permet une gestion intégrée de la ressource qui prend en compte l’intégralité des processus depuis les phénomènes physiques et météorologiques jusqu’au comportement de l’utilisateur final des ressources hydriques. Les modèles intégrés, ou mixtes, représentent à la fois l'offre et la demande, en détaillant plus ou moins les entités ou les flux du système

3.1. Le choix d’une approche multi-agents

Nous rappelons la définition d’un agent proposée par Jacques Ferber : « Un agent est une entité autonome, réelle ou abstraite, qui est capable d’agir sur elle-même et son environnement, qui, dans un univers multi-agents, peut communiquer avec d’autres agents, et dont le comportement est la conséquence de ses observations, de ses connaissances et de ses interactions avec les autres agents. » [FER 95]

Figure 1 : Représentation imagée d’un agent en interaction avec son environnement et les autres agents [FER 95]

Notre exigence de prise en compte des comportements individuels impose que tous les acteurs soient instanciés dans notre simulateur. Notre modèle basé sur des individus dotés d’attributs qui leurs sont propres et possédant leurs propres comportements nous amènent à utiliser un point de vue orienté objets ou agents. Les différents acteurs composant notre système possèdent leur propre logique comportementale qui s’explique par des buts propres. Dans l’approche multi-agents bottom-up que nous avons choisi, le comportement global du système émerge de l’ensemble des comportements individuels.

Notre travail de modélisation « globale » utilise les nombreux travaux et modèles qui ont été réalisés par de nombreuses équipes : INRA San Giuliano, CIRAD, Cemagref, BRGM. Il nous fallait donc être en mesure d’agréger des modèles existant pouvant utiliser par exemple des réseaux de neurones [CHI], la simulation à évènements discrets [URB1]…L’utilisation d’un SMA permet d’encapsuler à l’intérieur d’un agent tout type de modèle et de faire coexister au sein du SMA des réseaux de neurones, des systèmes experts, de la simulation à évènements discret…

3.2. SIG et simulation

Les systèmes d'informations géographiques permettent de saisir, stocker, gérer, visualiser et manipuler des informations sur des objets géoréférencés. Ces fonctionnalités sont très utiles pour saisir et traiter les données collectées sur le terrain. Les SIG offrent de nombreux outils d'analyse spatiale et peuvent de plus en plus intégrer un modèle des objets référencés. Leurs capacités de modélisation sont suffisantes pour modéliser des acteurs simples, réactifs, comme la végétation ou les réservoirs d'eau. Toutefois ils ne permettent que très difficilement d'intégrer des agents cognitifs communicants ayant des comportements complexes à l’image de celui des agriculteurs ou des citadins.

L’utilisation d’un SIG permet de réaliser des simulations à partir de situations réelles décrites dans les systèmes d’informations géographiques. Ainsi alors que la majorité des simulations sont initialisées à partir de données issues d’un monde numérique purement virtuel, qui ne permettent pas de valider les résultats obtenus en les confrontant à l’observation de la réalité, l’emploi d’un SIG permet la validations des données obtenues par le calcul en les comparant avec celles issues des relevés effectués sur le terrain.

Le recours à un système d’information géographique permet d’utiliser facilement l’ensemble des données collectées sur le terrain par l’ensemble des différents acteurs en charge de la gestion des territoires. Elle permet de dialoguer avec les divers intervenants en utilisant directement leurs données facilitant ainsi les échanges d’informations indispensables à toute entreprise de modélisation. L’étude de cas qui concernent directement les interlocuteurs du modélisateur permet d’impliquer plus fortement les acteurs de terrain.

L’approche hybride SMA-SIG permet donc de :
· Utiliser des données réelles et étudier des situations réelles.
· Valider les modèles et les résultats obtenus en les comparant à la réalité.
· Modéliser des agents complexes en utilisant les avancées des systèmes multi-agents.
· Impliquer fortement les acteurs de terrain qui étudient « leur » problème.

3.3. Une plateforme SMA-SIG
Les travaux entrepris ont conduit à la définition d’une nouvelle architecture, SMAG, permettant d’apporter une aide à la décision à partir des données obtenues en utilisant une modélisation du système suivant une approche hybride multi-agents / systèmes d’informations géographiques[URB2].

Fig 2 : Architecture de CORMGIS

Nous avons développé une plateforme logicielle conforme aux spécifications que nous avons retenues pour l’architecture SMAG. Nous proposons donc la plateforme CORMGIS construite en utilisant la plateforme multi-agents CORMAS [COR] développée par le CIRAD (Centre International de Recherche pour l’Aide au Développement) et ARCGIS, le système d’information géographique proposé par la société ESRI.

La solution proposée permet de conduire la prise de décision en utilisant les outils de l’analyse multicritères et des systèmes interactifs d’aide à la décision. Les expérimentations peuvent être conduites suivant deux modes différents :
· Un mode analyse ou l’expérimentateur entre les plages de variation des paramètres à étudier. L’ensemble des données obtenues pour chacune des combinaisons possibles est enregistré pour une exploitation ultérieure dans une base de données gérée par le module SMA CORMAS.
· Un mode interactif ou l’expérimentateur prend le contrôle de la simulation et dispose du pouvoir de modifier à tout moment n’importe quel attribut de n’importe quel agent, de modifier le comportement des agents, d’ajouter ou de retirer des agents de la simulation. En plus d’enregistrer les attributs des agents au cours des simulations le système stocke dans la géodatabase chacune des interventions de l’expérimentateur.

4. Expérimentations

L’alimentation en eau potable du Cap Corse a été le premier problème étudié à l’aide des outils que nous proposons. Nous avons bâti un modèle simplifié du système en utilisant les données géographiques à notre disposition qui prend en compte:
- Le climat,
- La topographie,
- La nature géologique des sols,
- Le couvert,
- Les écoulements,
- Le réseau d’adduction d’eau,
- Les foyers,
- Le secteur touristique,
- Un gestionnaire de la ressource.

Les simulations ont été initialisées à partir des données géographique fournies par l’IGN et exploitées grâce à au module SIG intégré dans notre plateforme CORMGIS. La figure 3 donne un aperçu de l’utilisation de l’utilisation croisée des données altimétriques et celles relatives au couvert végétal.

Fig. 3 : Vue 3D du couvert du cap corse à l’aide du SIG

Les données utilisées sont converties à l’aide de scripts en fichier raster au format ASCII qui sont utilisables par le module SMA de notre plateforme pour initialiser l’environnement de nos agents. Les données relatives aux agents sont directement lues par le module SMA dans la géodatabase gérée à l’aide de ArcGIS. Nous avons rajouté à la géodatabase des tables permettant de constituer des scénarii pour piloter les simulations et enregistrer l’ensemble des événements ayant lieu pendant les expérimentations.

Fig. 4 : Vue du cap corse à l’aide de la plateforme multi-agents

Toutes les données relatives aux agents sont enregistrées dans une seconde base de données gérée par le module SMA de notre plateforme et sont ainsi disponibles pour réaliser des analyses.

Une première série d’expérimentations a permis de mettre en évidence l’influence du degré de civilité des habitants sur l’occurrence de période de rupture d’alimentation. Ces expériences ont permis de déterminer quelle serait la meilleure politique de contrôle des consommateurs en période de sécheresse. Les expérimentations menées dans la zone du cap corse ont éveillé l’intérêt des ses habitants qui souhaitent collaborer activement aux recherches menées à l’université de Corse

5. Conclusion et perspectives

Après avoir proposé une architecture hybride SMA SIG nous avons développé une plateforme logicielle pour modéliser et simuler des systèmes environnementaux suivant une approche multi-agents bottom-up. En utilisant les données géographiques collectées sur le terrain par les gestionnaires du système nous pouvons valider notre démarche en comparant les résultats des simulations avec l’observation de la réalité. De plus les acteurs de terrain s’impliquent plus fortement lorsque la démarche des modélisateurs s’intéresse précisément à leur problème. Grâce à notre système hybride SMA-SIG nous avons mené des expérimentations sur le Cap Corse afin d’apporter une aide pour une gestion intégrée de l'alimentation en eau de cette région.

Nous allons maintenant nous attacher, en collaboration avec des experts de chacun des domaines, à utiliser pour nos simulations des modèles plus fins du climat, des écoulements, du comportement des différents utilisateurs de la ressource…D’autre part nous utiliserons l’expérience obtenue pour améliorer et compléter la plateforme SMA SIG que nous avons développée. D’autre part nous nous intéresserons à de nouveaux domaines d’applications pour notre plateforme : feux de forêt, Plan Locaux d’Urbanisme, routes, infrastructures importantes, gestion des massifs forestier.

Références

[CHI]"Object Oriented and Neural Networks Simulation : an Application to the study of watersheds".F. Chiari, M. Delhom, J.F. Santucci.Proceedings of the 4th Middle East Symposium on Simulation and Modelling, sponsored by the IEEE and SCS, Sharjah, UAE, Sept. 2002, pp 25-29.

[COR] description http://cormas.cirad.fr/indexeng.htm

[DUG] “L’eau autour de la méditerranée".
P. Dugot. L’Harmatant 2001

[ERH]“Introduction à l’économie générale de l’eau".
A. Erhars, J. Margat. Masson 1983

[FER 95] Ferber J. « Les systèmes multi-agents, vers une intelligence collective », InterEditions, 1995.

[GRI 96] Grimble, R. J., Gass, G., et Adams, B. (1996). Groundwater resource degradation : a framework for analysis, with examples from China and Palestine. Water Policy 97-105.

[RED]“Planète eau : repères pour demain".J.L. Redaud. Editions Johanet 2000

[URB1]“Definition of a Decision Support System to Control a Sheep Herd".D. Urbani, M. Delhom, J.F. Santucci.Proceedings of the IEEE International Conference on Systems, Man, and Cybernetics, Washington ,2003

[URB2] “A Decision Support System for the water management in the Mediterranean islands based on a Multi-Agents System and a Geographic Information System”. D. Urbani, M. Delhom, IEEE International Conference AISTA Luxembourg, 2004