THIRIOT Samuel

PhD student at Sorbonne University
Team : SMA
https://lip6.fr/Samuel.Thiriot

Supervision : Amal EL FALLAH SEGHROUCHNI

Co-supervision : KANT Jean-Daniel

Vers une modélisation plus réaliste de la diffusion d'innovations à l'aide de la simulation multi-agents

La diffusion d'innovations est définie comme le processus de communication par lequel une idée, pratique, ou produit perçu comme nouveau se propage dans une population. Une innovation peut être une solution contraceptive, la décontamination de l'eau, ou l'achat de téléphones à l'ergonomie novatrice. Les institutions, tout comme les entreprises, cherchent à comprendre et prévoir le succès ou l'échec d'une innovation; elles espèrent aussi faciliter sa diffusion à moindre coût, notamment en facilitant le bouche à oreille. Une approche de modélisation-simulation permet de mieux comprendre ce processus social et de répondre à ces questions. La simulation multi-agents offre une approche puissante pour modéliser un tel processus social. Toutefois, les modèles actuels simplifient fortement les croyances et informations représentées dans le modèle; ces éléments sont pourtant reconnus comme centraux dans le processus de diffusion, puisqu'ils expliquent le succès ou l'échec de la diffusion, et constituent des variables décisionnelles de l'institution.
Afin d'améliorer la descriptivité et l'utilité potentielle d'un modèle de diffusion d'innovations, nous explorons dans cette thèse une représentation des croyances plus réaliste. Le modèle se doit néanmoins de demeurer assez simple pour être paramétré et comparé à des diffusions réelles. Nous proposons de représenter les croyances des adoptants potentiels sous forme de réseaux associatifs, et définissons les mécanismes de manipulation de croyances adaptés. Un protocole d'entretien est proposé, qui rend le modèle paramétrable et validable. Le protocole de communication décrit la recherche et l'émission motivée de ces croyances sur des objets sociaux. L'exploration par simulation des paramètres du modèle permet notamment de mieux comprendre l'importance de la recherche d'information dans la dynamique d'information, et de remettre en cause certaines attentes du marketing viral. Le modèle développé exhibe un gain en descriptivité important, permettant notamment de décrire le marketing évènementiel ou l'échec de la diffusion d'innovation dû à l'incompréhension des messages institutionnels.
Comme la plupart des modèles orientés agent, celui-ci s'avère extrêmement sensible à la structure des interactions (``réseau social'') définie dans le modèle. Faute de structure d'interaction réaliste, aucune validation du modèle, ni prédiction sérieuse, ne peuvent être envisagées pour ces modèles. Les réseaux sociaux sont généralement considérés comme non collectables à grande échelle. Nous soulignons l'existence de statistiques et d'observations qualitatives sur les processus de construction de ces liens, proposons de formaliser ces connaissances sous forme de réseau bayésiens, et définissons un algorithme générateur de réseaux d'interaction. La mise en oeuvre de ce générateur est illustrée par la génération d'un réseau d'interaction pour le Kenya rural, dans lequel est représentée la structure familiale, les liens entre collègues et amis, dans un environnement spatialisé. Ce générateur ouvre la voie à l'utilisation de réseaux d'interactions plus plausibles, susceptibles d'améliorer la descriptivité des modèles de phénomènes sociaux, diffusion d'innovations incluse.

Defence : 04/09/2009

Jury members :

Guillaume DEFFUANT, Directeur de Recherches au CEMAGREF – LISC [Rapporteur]
Alexis DROGOUL, Directeur de Recherches à l'IRD – UMMISCO [Rapporteur]
Jean-Françcois PERROT, Professeur Emerite de l'Université de Paris VI
Jean-Daniel ZUCKER, Directeur de Recherches à l'IRD - UMMISCO
Amal El Fallah SEGHROUCHNI, Professeur à l'Université de Paris VI
Jean-Daniel KANT, Maître de conférences à l'Université de Paris VI

Departure date : 09/30/2009

2006-2011 Publications