Contribution des grands modèles de langage à la diversité comportementale dans la simulation multi-agents de l'activité humaine et de la consommation d'énergie

Dans le domaine de la simulation multiagent de l'activité humaine pour l'étude et la prédiction de la consommation énergétique dans l'habitat, les approches actuelles fondées sur la génération d'activité à partir de données terrain de l'INSEE (enquêtes emploi du temps) se heurtent à des limites de diversité et de représentativité. L'émergence des grands modèles de langage (LLM) offre de nouvelles possibilités dans ce domaine (voir par exemple Park et al., 2023 et Liu et al., 2025). Les LLM peuvent générer des emplois du temps hebdomadaires d'activités présentant une diversité et une variabilité intra-individuelle significativement plus riches que l'approche actuelle. La problématique de cette thèse est donc double. Premièrement, il s'agit de concevoir un modèle hybride combinant un modèle multi-agent existant (SMACH) avec les grands modèles de langage pour dépasser les limites de l'approche historique. Deuxièmement, nous souhaitons proposer un cadre formel d'évaluation et de validation des simulations capable de rendre compte de la diversité et de la cohérence temporelle, dans le domaine particulier de la génération d'activités pour la consommation énergétique des foyers. École doctorale : Sciences et Technologies de l'Information et de la Communication Direction : Nicolas SABOURET Financement : CIFRE - ANRT (Agence Nationale Recherche Technologie)