L’apprentissage de la lecture fait, aujourd’hui encore, de plus en plus débat au sein de la société française. En France, environ 400000 enfants de l’école primaire sont en difficulté de lecture. Ces problèmes trouvent leurs racines dès le début du cours préparatoire, c’est-à-dire là où les enfants commencent à apprendre à lire. Une solution consiste, et c’est là le rôle du projet AMICAL, à s’adapter le plus possible à l’enfant pour lui permettre d’apprendre à son rythme et de corriger, dès le début, ses problèmes d’apprentissage. L’environnement AMICAL (Architecture Multi-agents Compagnon pour l’Apprentissage de la Lecture) se veut un système tuteur intelligent multi-agents en apprentissage de la lecture visant, comme tout système tuteur intelligent, à s’adapter le plus possible à l’enfant avec lequel il travaille, donc à individualiser son enseignement. Pour individualiser son enseignement, celui-ci dispose d’un modèle de l’apprenant contenant les croyances du système sur l’enfant, c’est-à-dire ce que ce dernier sait, ce qu’il ne sait pas, les erreurs qu’il commet, etc.

Dans le cadre de l’environnement multi-agents AMICAL, cette thèse se propose d’étudier les problématiques liées à la conception de l’agent en charge de la gestion de ce modèle de l’apprenant ou AGMA (Agent Gestionnaire du Modèle de l’Apprenant). Nos problématiques sont à la fois de réfléchir à une formalisation du modèle de l’apprenant dans un domaine particulier qu’est l’apprentissage de la lecture ainsi que de proposer des mécanismes de construction de ce modèle, intégrés au sein de l’agent gestionnaire de ce modèle. Par gestion du modèle de l’apprenant, nous entendons à la fois la construction du modèle de l’apprenant (ou modélisation de l’apprenant) et la réponse aux interrogations des autres agents de l’environnement concernant les informations contenues dans ce modèle. Néanmoins, ce travail se focalise quasiment exclusivement sur la construction de ce modèle par l’agent. Pour remplir son rôle de modélisation de l’apprenant, AGMA va analyser le compte-rendu de la session de travail qui a été réalisée avec l’apprenant puis intégrer les nouvelles hypothèses issues de cette analyse au sein du modèle de l’apprenant déjà existant ; la session de travail étant constituée de situations didactiques permettant chacune de travailler une connaissance particulière avec l’apprenant. La contribution apportée par nos travaux est de deux ordres. Premièrement, nous proposons dans cette thèse, une représentation du modèle de l’apprenant sous forme de système multi-agents cognitifs où chaque agent sera en charge d’une partie du modèle. Cette tendance n’avait en effet pas vraiment été explorée alors que cette voie était porteuse de nombreux avantages. Deuxièmement, nous proposons de voir l’architecture de l’agent gestionnaire du modèle de l’apprenant comme un système multi-agents.

A partir de l’analyse des différents rôles d’AGMA, nous avons dégagé une architecture modulaire, composée de trois modules : un module communication responsable de la communication entre les modules d’AGMA et le reste du système AMICAL, un module analyse en charge de l’analyse des séquences de travail avec l’apprenant et un module modèle en charge de stocker et de maintenir à jour le modèle de l’apprenant en intégrant les nouvelles hypothèses faites pendant l’analyse. Essentiellement pour des raisons de parallélisation de leur travaux et donc de rapidité d’exécution, nous avons choisi de représenter chaque module lui-même comme un système multi-agents : le module communication est peuplé d’agents de communication, le module analyse est peuplé d’agents d’analyse et enfin le module modèle est peuplé d’agents de connaissance. Les agents de communication ont en charge la communication entre le reste de l’environnement AMICAL et les modules d’AGMA. Les agents d’analyse ont pour travail d’émettre toutes les hypothèses possibles quant à l’état de savoir de l’apprenant sur la situation didactique dont ils ont la charge, à partir du compte-rendu envoyé par un agent de communication. Ceux-ci disposent chacuns d’un ensemble de règles d’analyse, recueillies auprès d’experts en apprentissage de la lecture, leur permettant d’émettre leurs hypothèses. Enfin, les agents de connaissance ont pour charge de maintenir à jour une connaissance particulière du modèle de l’apprenant. Ceux-ci disposent, quant à eux, de règles de synthèse, également recueillies auprès d’experts en apprentissage de la lecture, leur permettant de synthétiser la connaissance qu’ils ont concernant une connaissance particulière de l’apprenant. Finalement, un premier prototype à été réalisé dans le but de tester et de valider les outils retenus pour mettre en oeuvre une l’architecture de l’agent