Apprentissage collectif et milieux innovateurs : études de cas à Grenoble et simulations multi-agents

par Dario Eduardo Amaral Dergint

Thèse de doctorat en Sciences de l'Homme et Technologie

Sous la direction de Edward Lorenz.

Soutenue en 1999

à Compiègne , dans le cadre de École doctorale 71, Sciences pour l'ingénieur (Compiègne) .

mots clés

• Apprentissage coopératif
• Aménagement du territoire -- Effets des innovations technologiques
• Implantation (organisation) -- Planification
• Simulation
• Intelligence artificielle répartie
• Innovation
• Grenoble (Isère ; région)
• Meylan (Isère) -- Zone industrielle de recherche scientifique et technique

Résumé

Aujourd'hui, les PME sont capitales pour les milieux innovateurs. Ainsi, cette étude propose deux travaux complémentaires : l'étude de cas à la ZIRST (région grenobloise) la proposition d'un système logiciel pour la simulation des tissus industriels localisés. La première partie a deux grands objectifs. Le premier vise à vérifier in locus les dynamiques traitées par la littérature. Le second est d'évaluer la méthodologie proposée : l'étude des milieux locaux par l'analyse de la diffusion de connaissance/ technologies. Les résultats trouvés sont : les externalités technologiques entraînent l'effet appelé "connaissance virtuelle" des entreprises, la santé économique des PME est un facteur négatif à l'apprentissage collectif et au développement régional à long terme, la proximité géographique est primordiale pour l'apprentissage collectif, etc. La deuxième partie présente et développe un système multi-agent, fait en JAVA, pour la simulation des milieux innovateurs. Les agents sont dotés d'unités d'apprentissage inductif pour les capacités cognitives» Notre système est appelé LILSS, Local Inductive Leaming Simulations Systems. Les simulations démontrent que les entreprises d'un milieu innovateur sont plus souples et petites en gardant la même performance, qu'elles sont capables de constituer un capital relationnel, qu'elles sont capables de réagir plus rapidement aux changements du milieu, etc. Ce système est utile pour traiter le point d’équilibre entre les entreprises innovatrices et imitatrices, les impacts des externalités sur la dissémination de technologies, les réseaux, etc. En faisant un bilan final, les contributions sont : l'étude de la ZIRST, la proposition et le test d'une méthode pour étudier les milieux technologiques, la proposition et le développement d'une nouvelle machine d'apprentissage inductif, la proposition et le développement d'un système logiciel pour simuler des problèmes complexes où les éléments constituants communiquent et apprennent.

Pas de résumé disponible.