Halim Djerroud

Ma recherche se situe à l’intersection de la planification automatique et du raisonnement épistémique, avec un intérêt particulier pour la décision autonome sous observabilité partielle et en contexte multi-agent. La question qui structure une grande partie de mon travail est l’arbitrage entre agir, observer et déléguer l’observation : déterminer quand un agent peut agir à partir des informations dont il dispose, quand il doit en acquérir de nouvelles, et quand il peut s’appuyer sur une information produite par un autre agent ou un autre capteur. Mes travaux s’inscrivent principalement dans le champ de la planification symbolique et s’appuient notamment sur la Dynamic Epistemic Logic.

Sur le plan algorithmique, j’étudie la recherche heuristique pour la planification classique comme pour la planification épistémique. S-Planner est un planificateur symbolique classique, tandis que DEPTH traite des problèmes de planification épistémique dans lesquels les actions peuvent modifier non seulement l’état du monde, mais également les connaissances des agents. Une préoccupation récurrente est la conception d’heuristiques légères, informatives et interprétables, sans faire de l’optimalité ou de l’admissibilité un objectif en soi. DEPTH a obtenu le Runner-Up Award lors de la première International Epistemic Planning Competition (IEPC 2026).

Une seconde ligne de recherche porte sur les fondements théoriques de la planification épistémique en ligne. Les arguments classiques de complétude pour la planification sous observabilité partielle ne se transposent pas directement au cadre épistémique multi-agent, où une même observation peut induire plusieurs effets épistémiques incompatibles. J’étudie les conditions structurelles sous lesquelles ces garanties peuvent être rétablies, notamment à travers les propriétés des protocoles d’interaction et d’observation. Ce travail établit un lien entre des questions issues de la planification en ligne classique et celles de la planification épistémique fondée sur la logique modale.

La dimension multi-agent de ces questions est explorée à travers gAgent, un framework que je développe pour modéliser et expérimenter des agents autonomes en interaction. Il fournit un cadre expérimental pour étudier conjointement la planification, la communication et la circulation de l’information entre agents.

Je considère également la confrontation expérimentale à des systèmes physiques comme une composante importante de ce programme de recherche. Cette confrontation au réel permet d’éprouver les hypothèses faites sur l’observation, l’incertitude et l’interaction. UbiMap fournit un environnement multi-robots instrumenté et une infrastructure de perception externe pouvant servir à la fois de source d’observations et de référence empirique. Ratbot fournit une plateforme robotique ouverte sur laquelle les mécanismes de planification et de décision autonome peuvent être instanciés dans le monde physique. Ensemble, ces systèmes complètent l’évaluation sur domaines formels et benchmarks par une validation expérimentale dans des conditions où perception, incertitude et interaction ne sont plus uniquement abstraites.

Un principe de parcimonie computationnelle traverse ces différentes lignes de travail : privilégier des représentations et des heuristiques qui restent intelligibles, n’engager une vérification que lorsque l’ambiguïté l’exige, et n’acquérir une information nouvelle que lorsque l’information déjà disponible ne suffit pas à décider. L’objectif n’est pas le calcul pour lui-même, mais la conception d’agents capables de raisonner explicitement sur l’information disponible et de n’engager les ressources de calcul ou de perception que lorsqu’elles sont nécessaires à la décision.