Prev Section 12.5: Rôle et dynamique des institutions
Up Chapitre 12: Apprentissage et évolution des organisations
Chapitre 13: Dynamique des industries et des marchés Next
12.6 
Application : Spécialisation, communication et efficacité organisationnelle
12.6.1 Description de l’application
Vous êtes invités à développer un petit modèle représentant une équipe de
d’agents appartenant à une entreprise et qui essaient d’apprendre à traiter ensemble les problèmes,
, que doit résoudre cette entreprises au jour le jour. La taille de l’espace des problèmes est donc
. A chaque période, un nouveau problème
, tiré aléatoirement, est à traiter par l’organisation.
Chaque agent
est spécialisé sur un sous-domaine de l’ensemble
, centré autour de sa localisation dans cet espace. Sa spécialisation couvre alors le domaine
(voir Fig. 12.1↓).
En vue de prendre de bonnes décisions, les agents doivent apprendre à évaluer correctement les conséquences de chaque problème
sur la performance de l’organisation, ces conséquences résultant d’une fonction de performance
que les agents ne connaissent pas.
Après chaque tentative d’évaluation, l’agent observe l’erreur qu’il vient de faire dans son évaluation (l’environnement lui envoie une réponse sur cette erreur). Si le problème se trouve dans son domaine de spécialisation
, l’agent possède suffisamment de compétence pour connaître parfaitement
tandis qu’en dehors de son domaine, son évaluation se fait avec un bruit
qui augmente avec la distance entre le problème soumis et son point de spécialisation :
où
avec
avec
.
L’agent peut donc observer avec une erreur
et nous pouvons l’utiliser pour calculer la performance de l’organisation à cette période comme étant
.
Chaque agent garde en mémoire les
évaluations passées. Si l’agent
reçoit un problème
dans son domaine de compétence, il l’évalue et sauvegarde l’information dans sa mémoire.
S’il reçoit un problème en dehors de son domaine de compétence, il peut l’évaluer seul ou consulter un autre agent :
- Soit parce qu’il connait un autre agent qui a proposé par le passé une évaluation relativement fiable pour un problème assez proche de . Pour le sélectionner, il considère l’évaluation la plus proche de son problème actuel qu’il a dans sa mémoire et consulte l’agent correspondant si son taux d’erreur est suffisamment faible : où est le taux d’erreur maximal qu’il est prêt à accepter.
- Soit aléatoirement, s’il n’a pas un tel agent différent de lui dans son histoire. Alors il choisit aléatoirement un agent .
L’agent
lui communique l’erreur qu’il a commise, et l’agent
sauvegarde dans ce cas
dans sa mémoire. L’ensemble des agents
qui sont présents à une période
dans son histoire forme le réseau de l’agent à ce moment :
. Pour les évaluations dans son domaine de compétence, l’agent sauvegarde simplement
.
Nous pouvons alors étudier en parallèle l’évolution dans le temps du réseau formé entre les agents et la performance de l’organisation en fonction des valeurs des principaux paramètres :
qui est le degré de spécialisation des agents dans l’entreprise,
qui est le facteur d’erreur en dehors de leur champs de compétences,
qui est la taille de la mémoire de l’agent et
, la dimension de la socialisation des connaissances au sein de l’entreprise.
12.6.2 Programme NetLogo
Le programme NetLogo doit comporter une interface-utilisateur qui permet de fixer les principaux paramètres du problème avec des boîtes d’entrées et d’observer la dynamique du modèle :
- Nombre périodes, : nombre-periodes
- Les bornes de l’espace de problèmes : Xmin et Xmax. Elles nous donnent la taille de l’espace des problèmes : .
- Couverture de l’espace de problème en pourcentages (%) : couverture. Le nombre d’agents sera calculé en fonction de cette couverture et la taille de la zone de spécialisation de chaque agent (voir le point suivant).
- la taille de la zone de spécialisation en pourcentages (%) de l’espace de problème : taille-specialisation
- la dispersion d’erreurs, : taille-erreur
- le facteur d’amplification d’erreurs, : facteur-erreur
- le taux d’erreur maximal acceptable, : taux-erreur-max
- la taille de la mémoire, : taille-memoire
- le nombre d’agents considérés, : taille-consultation
- Un graphique représentant l’évolution de la performance de l’entreprise,
- Un moniteur indiquant le nombre d’agents (calculé)
- Un moniteur indiquant le nombre de liens dans le réseau
- Uu moniteur indiquant le coefficient de clustering global du réseau, calculé grâce à l'extension Network de NetLogo et le rapporteur global-clustering-coefficient qui est décrit dans son manuel.
- Le Monde représentant les liens entre les agents et leur évolution.
La procédure setup les agents et les placer virtuellement dans l’espace des problèmes de manière équidistante dans l’espace des problèmes :
- Le nombre d’agents est donné par couverture/taille-specialisation, arrondi à l’entier inférieur. Par exemple, s’il faut couvrir de l’espace de problèmes et que chaque agent doit avoir une zone de spécialisation correspondant à de l’espace de problèmes , il nous faut agents équidistants dans l’espace des problèmes.
- Chaque agent possède une variable localisation. On démarre en donnant au premier agent la localisation (où est la taille de l’espace non-couvert par agent) et on continue en plaçant les autres en équidistance des uns des autres. Astuce : placer les agents en utilisant leur nombre who .
- Chaque agent démarre avec une mémoire vide (sa variable memoire est une liste vide).
La procédure go doit
- tirer un problème aléatoire et l’affecter à un agent tiré au hasard.
- l’agent doit traiter le problème ou consulter un autre agent
- l’agent observe l’erreur de son évaluation, le cas échéant, et la communique à l’agent
- l’agent doit sauvegarder dans sa mémoire l’évaluation utilisée, l’erreur correspondante et l’agent qui l’a communiqué.
- éliminer de la mémoire l’information qui est devenue trop ancienne (étant donné )
- l’agent actualise ses liens en fonction des agents dans sa mémoire (les réseau visible dans le Monde s’actualise en conséquence)
- Nous observons et représentons la performance de l’entreprise dans son graphique.
12.6.3 Expériences
Le modèle est assez simple et il vous permet d’étudier le rôle des différentes caractéristiques structurelles de l’organisation sur l’émergence de communautés de pratiques (minimalistes) dans l’organisation :
- Le degré de spécialisation des agents,
- Leur difficultés à observer les performances en dehors de leur domaine de compétence,
- Leur tendance à accepter les solutions proposées par les autres agents, etc.
Il n’y a pas vraiment de l’apprentissage de la part des agents dans ce petit modèle. Pour une analyse plus complète de cette question, je vous invite à consulter les travaux que nous avons discutés dans la section 12.3↑. Cette petite application vous permet aussi de vous initier en douceur à l’analyse des réseaux grâce à l'extension Network dans NetLogo.
Prev Section 12.5: Rôle et dynamique des institutions
Up Chapitre 12: Apprentissage et évolution des organisations
Chapitre 13: Dynamique des industries et des marchés Next
Sommaire
(c) Murat Yildizoglu, 2021-
(c) Murat Yildizoglu, 2021-