Transcription
Ces images de la Mecque ont fait le tour du monde. Ce jour-là, des centaines de milliers de pèlerins se retrouvent coincés sur un pont et tout bascule. Une personne tombe, puis ses voisins sont piétinés à leur tour, et une vague de mort se propage inévitable.
Pendant longtemps, on était complètement impuissant face à ces mouvements de foule dévastateurs parce qu'on ne les comprenait pas, jusqu'à ce qu'un monsieur craque leur secret, un peu malgré lui, sans le savoir, avec son travail sur les foules. Il va changer le cinéma. La robotique est peut-être sauvée des milliers de vies.
Pour en parler, on a la chance de recevoir Medy Moussaï, chercheur en phososcopie. Oui, c'est c'est un métier pour nous montrer comment on est passé d'un algorithme de prédiction d'oiseau à une science capable de prédire des catastrophes humaines.
Mais juste avant, j'ai un message pour tous ceux qui utilisent plusieurs IA au quotidien. Notre partenaire Mammou AI rassemble tous les meilleurs modèles dans une seule interface. Opus 4.6, G Mini 3.1, GPT 5.4 et même de la génération vidéo. Le tout pour 10 € par mois. Pour les pros, il y a la gestion d'équipe, l'admin, les usages et ce au même tarif que les particuliers, soit trois fois moins cher que Chat GPT Business. Et enfin, pour les dev, il y a un truc très cool qui s'appelle Mammou Code pour accéder à tous les modèles directement dans votre terminal. Le tout hébergé en Europe et conforme RGPD. Plus d'infos en description. Je vous mets aussi une vidéo complète qu'on a fait avec eux pour expliquer comment fonctionne cette magie.
Et on reprend pour monter un peu au début justement, le la naissance de cette discipline. Il me semble que les les premiers exemples que que j'ai vu passer, c'est typiquement des trucs de simulation de vol d'oiseau ou des choses comme ça. Est-ce que tu peux nous nous plonger dans ce dans ce début de discipline ?
OK. Craig Reynolds, c'est le nom de la personne de qui tout est parti. Craig Reynolds, c'est un informaticien/infographiste dans les années 80, fin des années 70. Il bosse dans une entreprise qui s'appelle euh Symbolics, qui a eu son heure de gloire euh dans cette période-là en informatique. Il vendait des machines, des ordinateurs et tout. Et euh Craig Reynolds, lui, il bosse en particulier sur la simulation d'un vol d'oiseau. Voilà, donc il se demande comment je fais pour reproduire sur mon écran d'ordinateur un vol d'oiseau qui est le plus réaliste possible. Je pense qu'à cette époque, il voit pas l'application et tout, toutes les répercussions que ça va avoir, parce que ça va avoir des répercussions énormes dans tous les domaines de la science. Euh et lui, il le voit pas vraiment, il le fait juste par euh par défi intellectuel, parce qu'en ce moment, il y a à cette période, il y a un petit challenge, tu vois, genre on sait pas le faire. Typiquement, les méthodes qui sont utilisées, c'est de l'animation à la main. C'est-à-dire qu'en fait, euh quand tu veux simuler un vol avec euh disons 100 oiseaux, bah tu prends le premier et puis tu traces sa trajectoire à la main. Tu vois, si tu veux que ton que ton vol d'oiseau, il fasse un vortex, bah tu fais une trajectoire un peu en forme de spirale, puis tu mets ton oiseau dessus et puis il suit la trajectoire, tu recommences avec la deuxième et tu recommences avec la troisième. C'est un enfer, mais c'est tout ce qui existe comme technique.
Il y a une autre façon de faire qui est aussi intéressante, qui ils se disent bon, en fait, c'est plutôt que de modéliser chaque oiseau, je vais modéliser le tout, mais sans faire gaffe au constituant. C'est-à-dire que tu prends un moteur de mécanique des fluides par exemple, et tu simules une sorte de courant d'air là qui fait un tour comme ça, et après tu mets des petits points et les petits points, on dit que c'est des oiseaux, mais tu vois, c'est pas satisfaisant. Soit tu prends le tout, et soit tu animes un par un, mais ça marche pas trop.
Et Craig Reynolds, lui, il est il est passionné par un mouvement qui était vachement tendance à l'époque, c'est la vie artificielle. C'est tu sais, les informaticiens, les cybernéticiens, c'est le mot qu'on utilisait à l'époque, cybernétique des années 70 là, qui veulent recréer de la vie sur l'ordinateur. C'est un peu l'ancêtre de l'IA aujourd'hui finalement, ou tu sais, ils font, on a des fois, tu vois, des vidéos comme ça sur internet, il y a une grosse boule en 3D avec euh huit pattes, genre une araignée, mais mal faite, et puis au début, elle s'effondre, et puis par ses erreurs, elle apprend à marcher, puis après, elle apprend à poursuivre une proie, elle apprend à éviter un prédateur. Ça, c'est la vie artificielle, tu vois. Et puis les les cybernéticiens, ils essayaient de créer des créatures de plus en plus intelligentes comme ça.
Bref, Craig Reynolds, il est inspiré par ça et il se dit, "Ben, en fait, je vais essayer moi aussi de faire une forme de vie artificielle avec mes mes vols d'oiseaux, voir si ça marche." Mais comme il est vite limité parce qu'il va pas en avoir qu'un, il va y en avoir 100 ou 1000, il est vite limité en puissance de calcul. Il fait des trucs hyper simples et il se dit "Bon ben, je vais prendre un oiseau, on va dire que c'est un petit point ou un petit triangle là sur mon écran, et puis je vais d'abord m'occuper juste d'un oiseau tout seul. Je vais lui donner une trajectoire toute droite." Voilà, donc c'est en gros sur l'écran, c'est un petit triangle qui va tout droit, c'est tout. Et puis il met des bords autour de son écran pour faire genre des murs, et quand l'oiseau touche le mur, bah il rebondit dans l'autre sens. Et puis pour que ce soit un peu plus réaliste, c'est pas des trajectoires en ligne droite, c'est important. Si l'oiseau, il fait une sorte de petits zigzags, tu vois, c'est une sorte de marche aléatoire dans une certaine direction. Ça, c'est un oiseau.
Et après, il se dit "Mais comment je fais pour en mettre plein ?" Et là, il se dit "Bah, en fait, il faut que les oiseaux, ils puissent interagir d'une façon ou d'une autre les uns avec leurs voisins, tu vois." Donc il se dit "Bon, on va faire très très simple. Je vais dire que l'oiseau, mon petit triangle là, je vais dire qu'il peut voir dans un certain rayon autour." OK ? Donc il trace un cercle autour d'un point. C'est vraiment juste ça. Et il dit "S'il y en a un autre qui est dans le cercle, ben en fait, je vais je vais tourner dans l'autre sens pour pas pour éviter une collision." Et puis il trace un cercle un peu plus grand et dit "S'il y en a un autre qui est dans le cercle un peu plus grand, je vais me rapprocher de lui pour pas trop m'isoler. Et si jamais on est à la bonne distance, pile entre les deux cercles, et ben on va s'aligner comme ça on vole, on se déplace dans la même direction." Donc c'est juste ces trois cercles concentriques. Un pour la répulsion, un pour l'alignement, un peu plus grand, et un pour la traction, encore plus grand. C'est tout.
En regardant des vols d'oiseaux, en fait, ils supposent comment peut marcher leur interaction. En fait, c'est ça. Il essaie de simplifier au maximum en regardant les trucs et puis justement, il prend cette cette approche qui est un peu différente où il va finalement donner un peu d'autonomie, tu vois, à ses à ses agents oiseaux. Alors que jusqu'à présent, les gens qui essayaient de faire ça, ils voulaient le contrôle, tu vois. Ils voulaient contrôler. Bon, je veux que mon oiseau, il a il aille là quoi, et puis après, il va là, et que je veux que le banc soit comme ça. Lui, du coup, il lâche un peu le contrôle dans cet esprit vie artificielle où il dit "Je vais leur donner de l'autonomie avec juste des petites règles de comportement très simples et on va voir ce que ça donne." Tu vois ?
Et c'est incroyable. Il en met genre, je sais pas combien, 100 ou 150 en même temps, et au premier coup, au premier essai, tu as une sorte de de vol qui apparaît, hyper hyper majestueux, hyper élégant, où en fait, les oiseaux, les petits points, donc ils sont au départ tous très loin les uns des autres, donc ils se rapprochent, ils sont un petit peu trop près, ils s'éloignent, ils arrivent à la bonne distance, et là, ils commencent à naviguer tous en parallèle, et ça ressemble à un essaim d'oiseaux quoi, et ça ressemble, genre, c'est frappant, c'est c'est vraiment frappant. Et ce qui est incroyable, ce que raconte souvent Reynolds, c'est qu'il commence sa première ligne de code en début d'après-midi, après sa pause déjeuner. Genre, il a eu l'idée pendant la pause déjeuner, et il a le prototype final à la fin de la journée. Parce que c'est simple en fait, il y a il y a vraiment rien de compliqué à programmer. Il fallait juste avoir l'idée, et en fait, en une demi-journée, il a fait un truc qui va vraiment avoir des répercussions dans plein de domaines différents.
C'est où l'endroit le plus direct qui est impacté par ces découvertes là ? C'est pas en science euh parce que les la science, c'est c'est toujours un peu lent. Euh les, je sais pas pourquoi les chercheurs, il y a toujours un beaucoup d'inertie dans dans les nouvelles découvertes et tout. C'est dans l'industrie, parce que au contraire de la science, l'industrie, c'est hyper rapide. S'il y a un truc qui règle un problème qui peut faire gagner de l'argent, on adopte immédiatement quoi. Et il se trouve que euh il y a une industrie en particulier qui avait vraiment des problèmes à ce niveau-là, c'est l'industrie du cinéma. Du cinéma, ils étaient bien en galère dans les années 80, 70 avant, avec la mise en scène de de grandes foules quoi. Le plus gros projet qui a été fait avant l'adoption de cette technologie, c'est un film qui s'appelle Gandhi, qui a été réalisé par Richard Attenborough, qui voulait donc retracer la vie de Gandhi. Et il avait un problème, c'est qu'à la fin, il y a les obsèques de Gandhi, et il avait besoin de 300 000 figurants. Et il a recruté 300 000 figurants. Et donc tu as une grande avenue avec le cercueil de Gandhi, et tu as 300 000 figurants qui marchent derrière. Alors, il a recruté des Indiens, des logos, il les a pas payés, pour info. Il leur a il leur a dit que c'était en l'honneur de la mémoire de de Gandhi, et donc ils sont tous arrivés. Bonne opération, mais c'est juste galère à organiser. Tu imagines, tu as 300 000 personnes qui débarquent, il faut je sais pas, les sandwichs, le pipi, et tout ça, c'est juste l'enfer quoi.
Et du coup, Craig Reynolds publie son truc, on est en 1986, et directement, il commence à recevoir des des petits mails. Il reçoit en particulier un appel d'un réalisateur qui s'appelle Steven Spielberg, rien que ça. Et du coup, Steven Spielberg dit à Craig Reynolds, "On est en train de réaliser un film en ce moment, ça parle de dinosaures. Pour les gros dinosaures, on utilise justement des maquettes en silicone. Je sais pas si tu as déjà vu les making of de Jurassic Park, un peu ridicule d'Ouais ouais, c'est ça, où tu as un mec qui fait comme ça, et puis c'est la mâchoire du T-Rex, mais il faut pas qu'il soit dans le champ de la caméra, tu sais. Et par contre, ils avaient un problème, c'est que bah à un moment donné, tu as des tu as des troupeaux de de dinosaures. Il y a une scène avec ce troupeau qui qui dévale dans une plaine là, et cetera, et puis tu, du coup, du coup, Steven Spielberg, il avait besoin de faire ses troupeaux, et là, il y arrive pas, parce qu'avec les moyens de l'époque, ben c'est juste, ça fonctionne pas. Il entend parler de la découverte de Craig Reynolds avec les Il se dit "Ah bah tiens, peut-être que ça peut marcher." Il appelle Craig Reynolds. Évidemment que c'est possible. Il suffit juste de remplacer l'habillage oiseau par un habillage dinosaure. Mais finalement, c'est pareil, tu vois, c'est un mouvement où tu as des individus qui interagissent localement et cetera. Par contre, il dit bien à à Steven Spielberg, "Tu vas être un peu déstabilisé parce que tu ne peux pas contrôler le résultat de la simulation." Tu vois, c'est les agents, ils sont exactement. Il un peu plus à gauche lui là, derrière la mode de terre là. Exactement. Exactement. Tu tu vois, tu peux donc il y a il y a quand même un changement, un truc un peu bizarre où où les agents, ils sont autonomes. Alors si ça te plaît pas, bah tu en refais une autre de simulation, puis une autre, puis une autre, jusqu'à ça plaise, mais tu peux pas contrôler chaque individu. C'est le principe même de la simulation multi-agent, c'est que tu leur donnes de l'autonomie, une sorte de vie artificielle simpliste. Des règles d'interaction, tu lances et tu vois ce qui sort quoi.
Derrière cette première dans le Jurassic Park. Ouais, 93. Euh en fait, va être un étalon pour tout ce qui va se faire ensuite en terme de simulation de de foule au cinéma. Au cinéma, carrément. À quelle vitesse c'est c'est ça s'est produit, et qu'est-ce qui sont des exemples un peu intéressants qu'on peut donner de à quelle vitesse ? Jurassic Park, c'est 93. Juste derrière, tu as un autre big réalisateur qui s'appelle Peter Jackson, qui lui est en train de faire Le Seigneur des Anneaux, et lui aussi, il a les mêmes problèmes, c'est-à-dire qu'il va avoir des hordes d'Orques qui qui vont débarquer, et il a besoin de faire, mais lui, il veut pas juste une sorte d'essaim, et les Orques ont un comportement un peu plus sophistiqué, ils ont une épée dans la main, ils veulent donner des coups et cetera. Et du coup, ce que fait Peter Jackson, c'est qu'il va développer un logiciel de simulation exprès. OK. Qui s'appelle Massive. La variante, c'est un peu plus sophistiqué, c'est-à-dire que on va plus loin que juste "je m'aligne", "je je m'approche", et "je m'éloigne". Là, du coup, il y a toute une panoplie de comportement. Il y a un répertoire comportemental où tu dis toujours avec une condition, tu vois, c'est juste des des "si alors", "si alors", "si alors". Donc tu as des Orques qui ont une épée. Si méchant devant, alors donner coup de donner coup d'épée. Si coup d'épée de devant, alors tomber par terre. Si copain à côté, alors me mettre derrière, tu vois, juste juste des "si alors", mais en fait, c'est des sortes de de règles comportementales toujours un peu bruitées. Il y a toujours un peu d'aléatoire. C'est un peu stochastique, tu vois. Comme ça, tu te crées de la un peu de bruit, un peu de de d'incertitude. Et par exemple, donc tu vas avoir des tu veux pas qu'ils soient tous en même temps en train de sortir leur épée, l'animation elle soit synchronisée. Donc créer des petits décalages, des choses comme ça. C'est ça. C'est pour ça que tu ajoutes un petit peu d'aléatoire pour que ça crée pour que ça donne un truc qui a l'air vrai. Et ensuite, et ben, tu prends ton curseur, tu fais un grand carré, tu dis "Je veux 10 000 Orques là-dedans, top !" Et puis ils ont tous leur destination, et puis ils commencent à courir, et euh et ils se rentrent dedans, ils voient des méchants, ils commencent à se bastonner et tout, et euh ça fonctionne super bien. Donc en fait, c'est la même chose, c'est une simulation multi-agent, mais juste avec un répertoire comportemental qui est un peu plus important. Et aujourd'hui, Massive, c'est un des tops euh logiciels de simulation dans le dans l'industrie du cinéma.
Si on peut en mentionner un dernier, aujourd'hui, un des leaders du marché est français. Donc c'est quand même intéressant de dire son nom. Il s'appelle Golem. C'est un studio d'animation qui est à Rennes, avec des chercheurs qui travaillent aussi dans le même domaine que moi, j'en connais quelques-uns, qui a fait notamment les animations dans Game of Thrones. Ils ont eu un super contrat. Ils ont le contrat Game of Thrones, ils ont gagné un Award pour ça. Et donc les les les Immaculés, les les Dothraki et cetera, ben c'est que des images de synthèse.
Si on prend justement le le la simulation de de groupe d'animaux. Oui. Est-ce que c'est un endroit aussi où ça où ça a une application ou un intérêt ? Parce que là, tu parlais de simuler des des oiseaux. En fait, c'est il y a le côté visuel, donc on veut pouvoir le faire dans un film. Est-ce qu'il y a d'autres intérêts que les regarder ?
Ouais. C'est là que les les scientifiques arrivent, les chercheurs. C'est-à-dire qu'en fait, le critère de qualité jusqu'à présent de tout ce qu'on a dit, que ce soit Craig Reynolds ou en cinéma, le critère de qualité, c'est le réalisme. Donc tu regardes avec tes yeux, il faut que ça ait l'air vrai. Plus ça a l'air vrai, plus tu es content. Mais ça, c'est pas un critère de qualité pour un chercheur. Le chercheur, il veut vraiment comprendre et comparer quantitativement avec ce qui se passe dans la nature pour essayer de voir si c'est vraiment la même chose et cetera. Les chercheurs, eux aussi, ils ont tilté sur le modèle de Reynolds, ça leur a juste pris un petit peu plus de temps pour arriver. Et en particulier, toutes les études qui concernent les bancs de poissons par exemple. Donc exactement la même problématique. Pendant un siècle, les naturalistes observent des bancs de poissons et ils se disent "Mais comment ça marche ce truc ? Comment c'est possible que ça fonctionne ?" parce que tu vois ton banc qui est en train de se déplacer là, tu vas avoir euh euh franchement euh 100 000 sardines qui se déplacent, et à la seconde près, elles vont toutes tourner à gauche. Est-ce que Est-ce qu'il y a un chef d'orchestre ? Est-ce que la télépathie ? Est-ce qu'il y a la télépathie ? Exactement.
Alors, c'est pas du tout une blague. C'est-à-dire que pendant pendant 100 ans, les naturalistes pensaient d'abord qu'il y avait un chef. Donc ils se disaient "Bah, il doit y avoir une sardine qui a dit 'Eh les gars, à 3, on tourne. 1, 2, 3, on tourne.'" Et ils cherchaient juste cette sardine là quoi. Et pour par rapport à la communication, comme les sardines ne parlent pas, ils se disaient "Ben, c'est probablement par télépathie." C'était l'hypothèse la plus euh la la plus valide. Mais mais finalement, tu vois, tu te mets à leur place, quelles autres options ? Ouais, ça tient la route quoi.
Et donc quand Reynolds sort son modèle, bah ils disent "Ah mais non, en fait, OK, il y a peut-être quelque chose d'autre à jouer." Et donc les chercheurs commencent à récupérer le modèle de Reynolds, le même modèle avec les trois cercles concentriques. Là, il y en a un en particulier en 2001 qui va faire l'analyse systématique, c'est une personne qui s'appelle Jan Couzin. Donc en gros, le modèle, il y a trois paramètres. C'est le rayon des trois cercles, OK ? Que tu peux faire grandir ou rétrécir. Il y a juste trois paramètres. Donc ce qu'il dit, bah je vais faire varier les trois paramètres systématiquement et je vais regarder ce qui sort à chaque fois. Donc tu te retrouves avec un graphe en 3D par exemple, et à chaque fois pour un triplet, pour trois valeurs, les trois les valeurs des trois paramètres, tu regardes la la structure du banc qui va apparaître, et en fait, tu te rends compte que il y a des régions où le banc va s'organiser en vortex, il y a des régions où le banc va s'organiser en vacuole, il y a des régions où le banc va s'organiser en en en fil, et cetera et cetera. Et en fait, tous les différentes organisations collectives que les naturalistes avaient catalogué depuis depuis un depuis un siècle, bah tu te rends compte que c'est juste une variation des rayons. Juste tu te contentes juste de varier le paramètre rayon, tu obtiens soit ça, soit ça, soit ça. Et donc ça te dit que bah en fait, selon le contexte, les poissons, ils peuvent être disons plus ou moins inquiets parce qu'il y a un prédateur. Donc ils vont juste avoir tendance à s'aligner un peu plus vite, et ben si tout le monde fait ça, hop, le banc d'un seul coup, ça devient une boule. Et c'est la fameuse position défensive où on se disait "Il doit y avoir quelqu'un qui a dit 'On se met en boule.'" Mais non, en fait, c'est juste chaque poisson qui a juste adapté un petit peu son rayon d'interaction, et dans l'ensemble, ça devient une C'est typiquement les comportements émergents. Donc tu as une structure émergente juste à euh si chacun va varier le truc. Et donc ça, c'est la grosse découverte en fait, où tu te dis bah toute cette diversité euh des chorégraphies que tu peux observer dans en mer, finalement, c'est rien de plus que juste une petite variation individuelle du rayon d'interaction pour l'alignement ou pour le truc et cetera. Ça, c'est c'est vraiment fascinant.
Pareil, les fourmis, on a pensé qu'il y avait une reine. D'ailleurs, quand ils ont découvert une grosse fourmi au milieu, ils l'ont appelé reine. Mais en fait, c'est un abus de langage parce que cette grosse fourmi, elle a pas du tout un rôle de commandement. C'est pas une reine du tout. C'est juste les chercheurs de l'époque qui ont pensé qu'elle commandait, donc ils l'ont appelé reine, mais en fait, c'est juste une pondeuse et elle a aucun rôle de commandant. C'est pas du tout une une reine. On l'appelle reine des fourmis, mais c'est pas du tout la reine en soi. Elle commande pas en tout cas. Et en particulier, il y a une expérience géniale dans les années 80 qui qui était un peu incomprise au début, c'est l'expérience du plus court chemin. Donc en gros, tu prends une fourmilière, tu la mets dans un labyrinthe, et quelque part d'autre dans ce labyrinthe, tu mets une source de nourriture. Alors, on va prendre un labyrinthe très simple. On va dire qu'il y a juste deux branches, une courte et une longue. Et tu attends, et ben tu vas voir au bout d'un moment que toutes tes fourmis, elles font des allers-retours entre leur nid et la source de nourriture en suivant le chemin court. Et les chercheurs restaient scotchés. Ils disent "Mais comment elles font ?" Et après, tu peux complexifier l'expérience. Tu mets une troisième branche, euh tu en mets une perpendiculaire, et puis tu les mets vraiment dans un labyrinthe, et au bout d'un moment, tu as les petits à la queue le leu sur le chemin le plus court. Et en fait, ce que font les fourmis, c'est que elles elles font un peu finalement comme les petits agents. Après ça a été modélisé en multi-agent, c'est que au début, elles partent au hasard, donc tu en as qui vont partir sur le chemin long, d'autres qui vont partir sur le chemin court, et elles ont juste ce réflexe, c'est que dès qu'elles trouvent à manger, elles reviennent par la même route en déposant des petites phéromones derrière elles. Donc c'est un petit produit chimique, un petit marqueur qui est déposé sur la route, et ce produit chimique, il est attirant. Il attire les fourmis quand elles le sentent, elles se disent "Ah, je vais aller par là." C'est c'est c'est tout. Fin des comportements. Et en fait, si tu mets ça dans un modèle, tu vas voir que tes fourmis vont aller, ça suffit, elles vont aller sur le chemin le plus court. Pourquoi ? Parce qu'en fait, au début, elles vont sur les deux, elles reviennent en déposant de la phéromone sur les deux. Sauf que sur le chemin long, la phéromone va avoir tendance à s'évaporer un petit peu plus vite parce que le chemin est long, et que sur le chemin court, elle va s'évaporer un peu moins vite, si bien que la suivante qui arrive, quand elle arrive à l'embranchement, elle ça sent un petit peu plus fort du côté court que du côté long. Donc elle va préférentiellement du côté court, elle renforce, et au bout d'un moment, tu as toutes les fourmis qui vont du côté court. Ça, ça s'auto-amplifie. Ça s'auto-amplifie et cetera, et au bout d'un moment, elles sont toutes de ce côté court. Donc en fait, c'est juste une un départ complètement aléatoire avec un retour sur toutes les solutions qui ont été découvertes. Sauf que la meilleure solution, ben en fait, elle va être amplifiée un peu un peu plus vite. Et ça, tu peux le simuler en un claquement de doigt. Vraiment, c'est très simple avec un multi-agent. Il fait juste voilà, avec les règles que je viens de te dire, tu simules avec euh des agents indépendants et une règle très simple qui est "Je cherche à manger" petit 1, et de petit 2, "Je laisse des traces derrière moi quoi." Je laisse des traces derrière moi quand j'ai trouvé qui disparaissent euh qui dis qui disparaissent avec un un taux un un rythme régulier.
Et ce qui est intéressant, c'est justement pour le contexte à l'origine, toi quand tu commences à bosser sur la question, c'est pas pour des animaux pour le coup, c'est pour des humains. C'est pour les gens. Est-ce que ça pose des questions différentes, des des choses différentes à modéliser ?
Un peu, mais aussi il y a des points communs. C'est ça qui est assez chouette. Du coup, là, on est sur un système un peu différent. C'est à nouveau une foule, donc un multi-agent, sauf que ce n'est pas des animaux ou des des créatures virtuelles, c'est euh des piétons dans la rue, euh dans le métro, par exemple, et ils sont très nombreux, et ça fait une foule, et on veut essayer de comprendre comment elle fonctionne. Donc c'est là que j'arrive, et c'est mon premier sujet. Historiquement, pareil, même révolution qui est causée par Craig Reynolds. C'est-à-dire que avant la modélisation des mouvements de foule, c'était principalement euh macroscopique, c'est-à-dire qu'on allait modéliser une foule dans une rue comme un liquide dans un tuyau, et on utilise les équations de la mécanique des fluides. On n'a pas le détail de déplacement des gens. On a juste grosso modo, ça bouge comme un liquide. C'est une approximation, et qui marche plutôt, qui marche. Ça marche pas mal, mais il y a des cas où ça marche plus. OK. En particulier, il y en a un qui va être résolu avec le multi-agent. Un cas où ça marche pas, c'est euh les déplacements bidirectionnels. Donc tu as une rue, et tu as des gens qui marchent dans un sens, et en même temps, des marchands qui marchent dans l'autre sens, comme partout dans toutes les rues commerçantes. C'est si tu envoies deux jets d'eau, il se passent pas pareil. Et c'est ça. Et en fait, si tu envoies si tu envoies deux foules comme ça, bah tu vas voir que ça va marcher. Mais si tu balances deux jets d'eau face à face, ça te fait juste un gros bouillon, et ça va, c'est pas, ça marche pas. C'est pas cohérent. OK. C'est pas cohérent.
Et d'ailleurs, vous dans votre labo, vous prenez, vous demandez à des gens de se croiser, et vous les filmez pendant, je sais pas, pendant combien, c'est trop marrant comme expérience, en mode "Bah, croisez-vous, et puis nous, on vous regarde comment vous vous comportez quoi." Tu vois, le le l'origine de cette de ce genre d'expérience, l'inspiration, c'est la calibration d'un modèle multi-agent où en fait, tu sais que tu as tes petits agents que tu vas les faire se croiser, mais tu sais pas quel comportement tu dois leur dire d'adopter au moment où ils sont face à face avec quelqu'un d'autre. Et donc on fait une expérience en laboratoire pour aller mesurer ces comportements, et quand on les a mesurés, et bien on les met dans notre multi-agent, et puis après, ça marche bien. Ça sert à tourner tes potards en fait. Euh, et savoir à quand ils se croisent, ils se ils ont une répulsion de à un demi-mètre, mais pas Ouais, exactement. C'est trop marrant.
Et et ça sert à quoi en fait ? Quelles sont les applications alors de modéliser des piétons par exemple ? Ou autant autant pour euh pour les poissons, les oiseaux ou les fourmis, on peut se poser des questions. L'application elle est pas claire immédiate derrière. Autant pour les foules, là, c'est flagrant, c'est-à-dire que en fait, tu as ça ça fait ça fait des décennies que les gens sont en train de mourir euh dans les mouvements de foule pendant les grands rassemblements. Ça fait des décennies que les urbanistes s'arrachent les cheveux pour essayer de savoir où est-ce qu'on met l'issue de secours, comment on organise la station de métro, et cetera. C'est des trucs où on arrive pas bien à anticiper comment vont se déplacer les foules, on arrive pas à comprendre exactement. Là, tu as euh le modèle qui arrive, qui te fait une promesse, il te dit "Bah, en fait, nous, on va les simuler à l'avance, et on va vous dire dans telle situation exactement comment vont se déplacer les gens, quelles sont les zones de risque et cetera." Donc euh les zones à risque, typiquement, quand tu as beaucoup de monde, des très gros rassemblements, si jamais il y a un ralentissement ou un rétrécissement quelque part, les gens vont commencer à se serrer, à se serrer de plus en plus. Ils vont être serrés à tel point qu'ils arrivent plus à respirer. Et c'est comme ça que les gens meurent pendant un mouvement de foule. En particulier, en filigrane là, depuis la naissance du modèle dans les années 90, il y a l'actualité qui dit tous les deux, trois ans, que les pèlerins musulmans se rassemblent à la Mecque, et qu'il y a eu un nouveau mouvement de foule qui vient de tuer 300 personnes, 400 personnes, 1000 personnes, 1500 personnes. C'est c'est très meurtrier le pèlerinage musulman à la Mecque dans les années 90, 2000. Et du coup, bah ça commence à se savoir, et tu as un contact qui est établi entre le chercheur qui est établi, qui a fait le modèle, Dirk Helbing, celui qui va devenir mon directeur de thèse, et l'organisateur saoudien du pèlerinage à la Mecque. Il y a un contact téléphonique qui se fait entre les deux, où ils ont eu cette inspiration. Ils ont dit "Ah ben, est-ce que tu peux nous aider parce qu'on a des gens qui meurent tous les ans ?" Et Dirk Helbing dit "OK." Et puis du coup, ils sont allés sur place. Ils ont commencé à faire des films, les films qui servent à calibrer les modèles multi-agents, qui servent à prédire comment va se déplacer la foule. L'année où ils arrivent à la Mecque, c'est en 2006. Ils mettent les caméras, le pèlerinage démarre, mouvement de foule immédiat, 360 victimes filmées par les caméras. C'est une mauvaise nouvelle, mais c'est hyper précieux pour la science. C'est la première fois qu'il y a des données scientifiques d'un vrai mouvement de foule, et donc tu vas pouvoir faire plein de choses. Moi, j'arrive en thèse euh l'année suivante, c'est mon directeur de thèse. Donc c'est je fais partie des gens qui analysent les vidéos qui sont pas très sympas à regarder parce que c'est des vidéos de gens qui sont en train de mourir. Mais du coup, voilà, et donc il y a ce travail de calibration du modèle où tu dis bon bah, c'est un petit peu plus que juste des forces comme ça. Il y a des il y a des choses en plus qui vont se passer. Il va y avoir des vraies forces physiques. Donc le modèle s'appelle le modèle des forces sociales, parce qu'à la base, on mettait des forces imaginaires où on disait bah si tu veux aller à la boulangerie, tu as comme une force qui te pousse vers la boulangerie. OK, on imagine, c'est c'est une métaphore, tu vois, pour faire déplacer ces petites billes. À partir du moment où elles sont à très forte densité, collées les unes aux autres, les billes ou les gens, ben en fait, les forces, c'est des vraies, c'est plus des forces sociales, c'est des vraies forces physiques où les gens vont s'appuyer les uns sur les autres. Ça crée des vagues de bousculades, ça crée des phénomènes dangereux avec des gens qui peuvent tomber, ça des chutes en cascade et cetera. Et donc tout ça, c'est dangereux. Et on arrive à calibrer ces forces en récupérant les données qu'on a collecté à la Mecque pendant ce mouvement.
Concrètement, alors tu vas pas pouvoir me lire toutes les recommandations que vous avez fait aux organisateurs, mais concrètement, c'est passé par quoi ? Parce que j'ai cru comprendre que ça avait grandement amélioré les choses.
Ouais. Alors déjà, oui, ça a grandement amélioré les choses. Avant 2006, c'était en moyenne un accident tous les trois ans. Je crois qu'en moyenne, c'est disons plusieurs centaines de morts à chaque fois. Et depuis 2006 jusqu'à aujourd'hui, il y en a presque plus. Il y en a eu. Il y en a eu deux. Comment on fait pour améliorer ça ? Bah, en fait, c'est énormément de contrôle. C'est beaucoup de planification. Tu te rends compte qu'il y a des choses que tu retrouves, des facteurs de risque que tu retrouves systématiquement quand il y a des accidents. Le premier facteur de risque, par exemple, c'est le rétrécissement. Euh, quand tu as une rue d'une certaine largeur qui a tendance à se rétrécir, ben au niveau du rétrécissement, nécessairement, la densité augmente. Si la densité augmente, les gens sont plus serrés, il y a plus de risque d'accident. C'est le le rétrécissement, c'est on appelle ça parfois un tueur en série dans notre jargon, parce que systématiquement, quand il y a un accident et qu'on regarde les lieux, on voit que ah oui, bah c'est un moment où ça rétrécissait un petit peu. Donc là, il faut absolument éviter. Donc quand il y a des artères très larges euh sans sans sans bouchon. C'est une organisation chirurgicale maintenant à la Mecque. C'est-à-dire que les pèlerins, ils ont des tickets de passage avec des horaires pour savoir exactement combien il va y avoir de personnes par rue, par endroit et cetera. Les rues sont unidirectionnelles pour les piétons. Donc il y a des sens interdits pour les.
gens euh à pied pour que ça se déplace que dans ce sens-là. Donc si tu es dans cette rue-là et que tu as oublié ton chapeau, ben en fait tu peux pas faire demi-tour. Tu dois aller jusqu'au bout et reprendre l'autre rue pour revenir dans l'autre sens et cetera. Et donc en fait, c'est c'est c'est il y a plein de facteurs de risque et donc tu travailles sur tous les facteurs un par un. Le risque zéro existe pas parce qu'il y a toujours des accidents. Mais disons qu'en les minimisant chacun, bah tu peux euh tu peux gagner euh en sécurité.
Un exemple qui m'avait frappé, c'est que sur une sortie de secours, une secours par exemple, si jamais il y a un événement qui fait que toute la foule se précipite euh sur cette porte-là, il peut y avoir un coincement. Mais par exemple, si tu mets un poteau devant, Ouais. et ben en fait, tu peux complètement déboucher le truc et fluidifier la la sortie en l'obstruant d'une certaine manière. C'est vrai, des trucs contreintuitifs partout comme ça, j'ai l'impression dans ton domaine ou ça si tu veux, c'est ça c'est les toutes premières simulations 1995 où le première fois où on fait des simulations multiagent de foule, tu testes plein de scénarios, tu sais pas trop et du coup ce qu'ils ont testé, c'est ils ont mis des des faux piétons, des agents dans une salle avec une porte et on les fait sortir et on mesure combien de temps ça prend. Et après, tu peux varier avec ton potentiomètre là, tu peux varier la vitesse de déplacement où tu dis bah tiens, si je l'ai fait marcher, à quelle vitesse ils vont sortir et si je les fais courir, à quelle vitesse ils sont sortir. Tu te rends compte déjà un premier truc contreintuitif. Si tu fais courir les gens, ils mettent plus de temps à sortir que si tu les fais marcher. D'accord ? Donc c'est un probl c'est pour ça qu'on dit toujours pas de panique en cas de d'évacuation et tout ça. Ça exactement. C'est pour ça que tous les agents de de sécurité, ils te disent "Sortez, sortez dans le calme, sortez en marchant et cetera." C'est parce qu'en fait, tu as une vraie une vraie découverte, un vrai phénomène derrière qu'on appelle techniquement les fait faster et slower, plus vite, c'est plus lent. C'est qu'en fait, si les gens dans la pièce se dépêchent pour sortir, ils prendront plus de temps que s'ils sortent en marchant. OK ?
Le problème, c'est que les gens, ils sortent généralement en courant. Parce que si tout le monde est discipliné et sort en marchant bah en fait toi bah tu as intérêt à courir tu vois parce que du prisonnier, c'est tu les laisses marcher parce que c'est comme ça qu'on va maximiser évacuation. Par contre moi moi je vais je vais vous doubler les gars parce que il y a quand même un incendie tu vois et le problème, c'est que tout le monde raisonne de la même façon et tout le monde se met à courir et ça sort plus. Donc il y a un vrai problème du c'est un dilemme social qui est dur à résoudre et du coup les chercheurs qui sont principalement des physiciens, ils voient les petites graines et il y a une un petit tilt qui se fait, ils se disent "Ah mais tiens, on a le même problème dans les silos à grains." Ça vient de nulle part ce truc. Ça vient de nulle part ce truc. Les silos à grains, c'est des grosses bouteilles à l'envers là, tu sais, que tu peux ouvrir comme ça. Et en fait, le problème, c'est que les grains, ils tombent à toute vitesse et ça bouchonne. Et ça, c'est un problème qui est vieux comme le monde. Et ça fait très longtemps qu'on a trouvé que en fait, si tu si tu mets une petite obstruction à quelques centimètres devant le rétrécissement, bah en fait ton flux de grain, il va se diviser en deux et au moment où il touche la sortie, bah en fait ça bouchonne moins, ça bouchonne presque plus parce que ils arrivent comme ça perpendiculairement le le deux. Il était à 2G au lieu d'un gros au milieu et du coup les physiciens se disent "Ah mais moi j'ai déjà vu ça dans un silo à grain" et ils ont fait l'expérience. Donc au début en simulation, tu mets un poteau devant et tu te rends compte qu'effectivement ben ça bouchonne plus et après l'expérience a été faite et effectivement tu mets un poteau à quelques mètres devant l'issue de secours, ça bouchonne beaucoup moins.
Et cette justement ces technos de de qui ont été si utiles donc de simulation de multiagent, typiquement des des cas d'usage un petit peu nouveaux de ce que j'ai compris, c'est euh potentiellement des trucs où tu vas où tu vas cette fois pas simuler virtuellement des comportements mais te servir de ces mêmes algorithmes pour dicter des comportements à des robots par exemple. où cette fois-ci, c'est ce n'est plus une euh une simulation virtuelle mais une instruction en fait euh qui va guider le le mouvement de de dessin de robot, c'est ça ? Ouais, absolument. Ça s'appelle la robotique en dessin et euh c'est super, ça marche très bien. C'est-à-dire qu'en gros en gros, si tu es roboticien, tu peux euh pour caricaturer, faire un super robot hyper complexe à un million de dollars ou bien tu fais 1 million de petits robots un peu nuls qui coûtent un dollar chacun. OK ? Et la première solution, c'était celle qui était adoptée le plus souvent. Donc tu tu vois les les robots qui sont allés sur Mars, c'est des des bullders de technologie et cetera qui sont uniques, une grosse machine. Et en fait, bah maintenant la tendance, elle peut être un petit peu différente où on se dit non mais en fait ce qu'on peut faire, c'est avoir plutôt plein de petits robots qui peuvent se casser individuellement, c'est pas grave et ils vont tous interagir les uns avec les autres. c'est un essin, ils vont tous interagir avec leurs voisins et puis si tu décris ces interactions de la manière la plus efficace possible, et ben tu vas réussir à leur donner un comportement global qui est qui est hyper efficace, par exemple d'exploration et cetera. Donc il y a des essins de de drone par exemple.
Alors j'ai peur que ce soit de plus en plus utilisé pour la guerre par exemple. C'est du coup des technologies qui m'échappent parce que c'est pas publié dans le dans le monde académique. Mais sinon, c'est ceux qui sont développés qu'on voit typiquement dans les publications scientifiques, c'est les essins de drone pour chercher des des victimes après un tremblement de terre par exemple où en fait, tu vas avoir cette ce comportement d'exploration individuelle comme ça un peu comme les fourmis. C'est-à-dire que mettons, tu prends tu as besoin de trouver une victime dans une zone où je pourrais dire que tu es tenté de faire un algorithme qui va cadriller par exemple toute la zone. H mais en fait, ça c'est ça c'est l'approche à l'ancienne, l'approche du mec qui veut contrôler. Ouais. Tu dis euh du commandant militaire où tu dis euh "OK, toi tu vas aller par là et tu vas faire des allers-retours. Toi, tu vas par là, tu vas faire des toi tu vas par batu quoi finalement. Tu fais tu fais une battue." Exactement. Et l'approche décentralisée, c'est plus c'est plus de de l'exploration un petit peu aléatoire avec du recrutement local. Donc en fait, le premier qui trouve, il recrute un peu ses voisins et le voisin va aller recruter d'autres, qui va recruter d'autres et cetera. Un petit peu comme pour des fourmis par exemple.
Le la battue, ça peut fonctionner hein, mais ça dépend de l'environnement dans lequel tu te trouves. Euh si par exemple, tu es dans un environnement où les ressources que tu cherches sont euh sont distribués en patch, c'est-à-dire que il y en a beaucoup à un endroit et il y en a pas beaucoup par ailleurs, ben en fait la battue, c'est pas très utile parce que le premier qui trouve, il va être un petit peu débordé de de choses parce qu'il va se retrouver au milieu d'un d'un gisement et les autres, ils servent un petit peu à rien. Alors qu'au contraire, un truc distribué par recrutement, ça va être beaucoup plus efficace dans ce cas-là parce que le premier qui trouve, il recrute les autres. tout le monde rapplique et dès qu'il commence à y en avoir un peu moins, ils repartent en exploration. OK ? Donc ça ça va dépendre un petit peu de l'environnement dans lequel tu dans lequel tu te trouves. C'est un vrai problème de de recherche collective qui touche à des des problématiques plus larges qui s'appellent de l'exploration exploitation. Donc comment tu vas équilibrer un petit peu le moment où tu explores donc où tu as tes agents qui vont faire de l'exploration et le moment où ils exploitent ou ah tiens, quand tu as trouvé un truc, ben vite il faut aller récupérer dessus mais pas trop longtemps parce qu'il faut qu'il y en ait d'autres qui recommencent à explorer et cetera. et on donne l'exemple de recherche de victime.
Et c'est quoi les peut-être des des moyens de s'imaginer à quoi ça peut servir cette recherche-là ? Je sais que la NASA bosse sur des essins de robots pareil pour l'exploration de Mars euh où ils se disent bien, peut-être que les prochaines fois au lieu d'envoyer un gros euh Curiosity ou Perplexity ou je sais plus comment il s'appelle, on peut envoyer plutôt un essin. Ça peut peut-être fonctionner un petit peu mieux. la dynamique va être différente. Je sais qu'il y a des gens qui travaillent sur la la robotique en essin en médecine où en fait, tu peux avoir tes robots, ils peuvent être tout petits, tout petits, tout petits, hein. Et en fait, tu peux tu peux les envoyer dans le corps, dans le corps humain et pareil, ils peuvent faire de l'exploration exploitation pour chercher par exemple des cellules cancéreuses et puis commencer à les détruire ou ce genre de choses. OK ? Ouais. Pour l'instant, les applications, elles sont plus euh à imaginer. On les on les on les press un petit peu, tu vois, mais on est surtout en train de bosser, quand je dis on, pas moi en particulier, c'est la communauté scientifique. On est surtout en train de bosser sur euh sur le les l'équilibre justement entre comment tu vas configurer ton essin pour qu'il pour qu'il soit le plus efficace possible. Que à ce stade, par exemple, on est capable de démontrer que dans dans des scénarios, c'est plus performant. Ouais. De ne pas utiliser de quadrillage mais des robots indépendants. Ça c'est quand même fascinant de ça c'est clair et net.
Sinon, sur un autre thème, est-ce que vous saviez que dans le logiciel, on passe son temps à mentir aux utilisateurs ? Par exemple, le slider de son sur YouTube juste ici ou encore votre pourcentage de batterie. On vous explique tout ça dans cette vidéo.