Halim Djerroud

Une interrogation fondatrice

Au cœur de mes travaux se trouve une interrogation fondatrice qui dépasse largement les problématiques classiques d'optimisation algorithmique ou de performance locale : comment concevoir des systèmes robotiques capables de prendre des décisions pertinentes, adaptatives et explicables dans des environnements réels, dynamiques et intrinsèquement partagés avec des humains ?

Cette question engage une réflexion de fond sur la nature même de l'intelligence artificielle incarnée. Agir de manière autonome dans le monde physique ne consiste pas uniquement à réagir à des stimuli ou à maximiser une fonction de récompense abstraite ; cela suppose une compréhension structurée de l'environnement, la capacité d'anticiper ses évolutions possibles, et l'aptitude à inscrire l'action du robot dans un cadre social, fonctionnel et éthique compréhensible par l'humain.

Au-delà des paradigmes dominants

Cette perspective m'a progressivement conduit à m'éloigner de deux paradigmes dominants de la robotique contemporaine, dont les limites apparaissent dès lors que l'on cherche à dépasser des scénarios contrôlés ou artificiellement simplifiés.

D'un côté, les architectures purement réactives, issues de la behavior-based robotics et des architectures de subsomption, offrent une robustesse et une rapidité d'exécution indéniables, mais au prix d'une absence quasi totale de capacité prospective. Un robot réactif peut éviter un obstacle immédiat, mais il est fondamentalement incapable de raisonner sur les conséquences différées de ses actions, par exemple lorsqu'un obstacle est mobile, manipulable ou socialement médié par un humain.

De l'autre côté, les approches d'apprentissage profond end-to-end ont démontré des performances spectaculaires sur des tâches de perception ou de navigation, mais elles reposent sur des représentations distribuées et opaques, rendant les décisions produites difficiles, voire impossibles, à expliquer, justifier ou auditer. Or, dans des contextes tels que la robotique d'assistance, la collaboration homme-robot ou les environnements partagés, l'opacité décisionnelle constitue un obstacle majeur à l'acceptabilité, à la confiance et à la sécurité.

Premier pilier : Représentations multi-niveaux

Un premier pilier fondamental de cette vision réside dans l'usage de représentations multi-niveaux, allant de la géométrie brute à la sémantique et à l'action située. Un robot ne peut se contenter d'une perception du monde réduite à des pixels ou à des nuages de points non structurés.

• Niveau géométrique : Le monde est décrit en termes de surfaces, de volumes, d'obstacles et de zones navigables, ancrés dans des métriques physiques explicites.
• Niveau topologique : Ces primitives s'organisent en structures capturant la connectivité de l'espace indépendamment des distances exactes, permettant de raisonner en termes de lieux, de passages et de relations spatiales.
• Niveau sémantique : Les entités perçues sont catégorisées et reliées par des relations fonctionnelles et sociales, ouvrant la voie à une interprétation du monde compatible avec le langage humain.
• Niveau comportemental : La représentation encode les affordances et les contraintes d'interaction, c'est-à-dire les possibilités d'action offertes par l'environnement en fonction du contexte et des normes implicites ou explicites.

Cette stratification n'est pas un simple empilement de couches indépendantes, mais l'expression d'une hypothèse cognitive centrale : l'abstraction est la clé de la généralisation. Un robot capable de raisonner sur la notion abstraite de passage contrôlé peut transférer ses compétences entre différents types de portes sans réapprentissage exhaustif.

Deuxième pilier : Simulation comme mécanisme cognitif

Le second pilier de ma démarche concerne le rôle central de la simulation dans le processus décisionnel. Dans ma conception, la simulation n'est pas un outil de validation a posteriori, mais un mécanisme cognitif a priori, directement impliqué dans la prise de décision.

Cette approche s'inspire des travaux sur la simulation mentale et les modèles internes en psychologie cognitive et en neurosciences, selon lesquels les agents biologiques évaluent les conséquences possibles de leurs actions en explorant mentalement plusieurs futurs plausibles avant d'agir.

Concrètement, cette idée se traduit dans mes travaux par l'utilisation de systèmes multi-agents comme support de simulation interne. Les entités perçues dans l'environnement réel sont modélisées comme des agents dotés de propriétés physiques, de capacités d'action et de contraintes spécifiques. Le robot lui-même est intégré à ce monde simulé en tant qu'agent cognitif.

Avant toute action engageante, plusieurs scénarios sont simulés, évalués et comparés selon des critères explicitement modélisés tels que le coût énergétique, le risque de collision, la durée d'exécution ou l'acceptabilité sociale. L'exécution réelle de l'action est ensuite supervisée par une comparaison continue entre les prédictions issues de la simulation et les observations effectives.

Troisième pilier : Frugalité cognitive et méta-décision

Le troisième pilier, qui constitue aujourd'hui l'axe le plus structurant de mes recherches, est celui de la frugalité cognitive et de la méta-décision. Un système véritablement intelligent ne se contente pas de décider quoi faire ; il doit également décider comment décider.

Face à une situation donnée, plusieurs stratégies décisionnelles sont possibles, allant de la planification complète à partir de modèles symboliques, à la réutilisation d'expériences passées, à l'adoption de comportements réactifs simples, voire à la délégation explicite de la décision à un humain. Le choix entre ces stratégies ne doit pas être arbitraire, mais guidé par une évaluation rationnelle de critères tels que :

• L'urgence temporelle
• La criticité de la tâche
• Les ressources computationnelles et énergétiques disponibles
• La disponibilité cognitive de l'humain

Cette approche s'inscrit dans la tradition de la rationalité limitée, telle que formulée par Herbert Simon et formalisée par Russell et Wefald, tout en s'en distinguant par un ancrage concret dans la robotique embarquée.

Cette frugalité cognitive dépasse la simple optimisation technique ; elle porte une dimension éthique et écologique. À l'heure où les systèmes autonomes se multiplient, intégrer la parcimonie computationnelle comme principe de conception contribue à une robotique plus soutenable et socialement responsable.

Choix méthodologiques

Mes choix méthodologiques découlent directement de cette vision :

• Formalismes symboliques (PDDL) : Permettent de représenter explicitement les préconditions, les effets et les contraintes des actions, rendant chaque décision traçable et justifiable.
• Systèmes multi-agents : Offrent un cadre naturel pour modéliser des environnements peuplés d'entités hétérogènes et pour supporter la simulation distribuée.
• Fusion RGB-D : Constitue un compromis pertinent entre richesse perceptive et contraintes matérielles, permettant une appréhension fidèle de la géométrie 3D sans recourir à des infrastructures lourdes.
• Transfer learning : Répond aux contraintes réalistes de la robotique d'assistance et des environnements industriels, où les jeux de données massifs et exhaustifs sont rarement disponibles.