Offre de Thèse : Analyse expérimentale et modélisation des choix collectifs dans les groupes humains

Disciplines : Physique de la société et Ethologie quantitative

Laboratoires: Centre de Recherches sur la Cognition Animale – Equipe «Collective Animal Behavior», CNRS UMR 5169, Université Paul Sabatier, Toulouse, France (http://cbi- toulouse.fr/eng/equipe-fourcassie) & du Laboratoire de Physique Théorique — Equipe « Physique statistique des systèmes complexes », CNRS UMR 5152, Université Paul Sabatier, Toulouse, France (http://www.lpt.ups-tlse.fr/spip.php?rubrique32)

Description

Il existe chez l’Homme de très nombreuses situations dans lesquelles les décisions d’un individu sont influencées par les choix ou les décisions réalisées par d’autres individus. Par ailleurs, les processus d’influence sociale sont très largement présents dans nos sociétés numériques et souvent exploités dans les réseaux sociaux, ainsi que dans le commerce électronique sur Internet. Cependant, malgré le développement de systèmes de notation et de recommandation, l’obtention d’évaluations fiables de services ou de produits demeure problématique. Comprendre l’influence des diverses formes de traces digitales dans les processus décisionnels à l’échelle individuelle et leurs conséquences dans les dynamiques de choix collectif constitue donc un enjeu majeur pour le développement de systèmes d’information destinés à accroître les capacités de collaboration et de coordination au sein de groupes humains.

L’objectif de cette thèse sera d’étudier sous quelles conditions des interactions contrôlées entre les individus d’un groupe peuvent conduire celui-ci à trouver ou à se rapprocher de la bonne solution à un problème. Ce projet implique une collaboration entre l’équipe « Physique statistique des systèmes complexes » du Laboratoire de Physique Théorique et l’équipe « Collective Animal Behavior » du Centre de Recherches sur la Cognition Animale. Il s’agira d’étudier plus spécifiquement d’une part des processus de recherche collective d’information et d’autre part, sous quelles conditions un groupe peut optimiser collectivement ses choix dans un jeu de minorité.

Le caractère innovant de ce projet de thèse réside dans le développement d’interfaces numériques permettant le contrôle en temps réel de l’information échangée entre les sujets au sein d’un groupe et la quantification très précise de l’influence de cette information digitale sur le comportement des sujets. Le projet utilisera en particulier un système de réalité virtuelle permettant l’analyse des décisions d’un sujet en présence d’agents virtuels dont le comportement et les interactions avec le sujet réel seront contrôlés par l’expérimentateur.

La méthodologie employée consistera à caractériser et quantifier à la fois et séparément les comportements et interactions à l’échelle des individus et les comportements collectifs à l’échelle d’un groupe ; les deux échelles de phénomènes seront ensuite reliées au moyen de modèles mathématiques construits à partir des données à l’échelle individuelle. L’obtention et la validation expérimentale de modèles reproduisant les caractéristiques dynamiques des phénomènes étudiés permettra de déterminer le rôle joué par les différentes formes de traces digitales dans les propriétés apparaissant à l’échelle d’un groupe d’individus et de développer des applications de gestion intelligente d’aide à la prise de décision qui intègrent les spécificités des comportements individuels en réponse à ces traces digitales.

Compétences requises

La/le doctorant(e) participera à la réalisation des expériences, à l’analyse et à l’interprétation des données. Il/elle jouera également un rôle actif dans la construction et la simulation numérique des modèles en lien étroit avec les responsables du projet. Le profil souhaité du/de la candidat(e) est un(e) physicien ou informaticien et/ou titulaire d’un master dans une discipline pertinente à la réalisation du projet, ayant des compétences en analyse de données (type R) et en modélisation, et maîtrisant au moins un langage de programmation (Python, C++, Fortran…).

Bibliographie

Jayles B et al. (2017). How can social information improve estimation accuracy in human groups. Proc. Natl. Acad. Sci. USA, 114: 12620-12625. http://goo.gl/KCSTn1

Weitz S et al. (2012) Modeling Collective Animal Behavior with a Cognitive Perspective: A Methodological Framework. PLoS ONE, 7: e38588. https://goo.gl/9yGrhT9.

Garnier S, Gautrais J, Theraulaz G (2007) The biological principles of swarm intelligence. Swarm Intelligence, 1: 3-31.

Calovi DS et al. (2018) Disentangling and modeling interactions in fish with burst and coast swimming reveal distinct alignment and attraction behaviors. PLoS Comp. Biol. 14: e1005933. https://goo.gl/wWGXja

Killijian M-O, Pasqua R, Roy M, Tredan G, Zanon C (2016) Souk: Spatial Observation of hUman Kinetics, Computer Networks, Elsevier. http://dx.doi.org/10.1016/j.comnet.2016.08.008.

Mots clés

Comportements collectifs, choix collectifs, traces digitales, réalité virtuelle, systèmes complexes, modélisation mathématique, simulations numériques.

Type de financement

Contrat Doctoral financé par le CNRS à partir du 1er septembre 2020 et pour 36 mois

Renseignements

Les demandes de renseignements concernant cette thèse peuvent être adressées à Guy Theraulaz (guy.theraulaz_at_univ-tlse3.fr) ou Clément Sire (clement.sire_at_irsamc.ups-tlse.fr).