• Financement : CRIL
  • Année de début de thèse :
  • 2026

Cette thèse propose d’étudier l’utilisation des grands modèles de langage comme agents dans des environnements multi-agents évolutifs, adaptatifs et persuasifs. Si les travaux récents montrent que les agents fondés sur les LLM peuvent soutenir la décomposition de tâches, le raisonnement collaboratif et les interactions stratégiques, les cadres actuels restent limités lorsqu’ils sont déployés dans des contextes dynamiques, non structurés et à grande échelle. Ils rencontrent notamment des difficultés liées à la coordination entre de nombreux agents, à la résolution de conflits, à la révision des croyances, et au raisonnement robuste dans des conditions changeantes. Cette thèse vise à lever ces verrous en développant des algorithmes inspirés des jeux pour la communication et l’allocation des rôles, des mécanismes de révision des croyances pour les environnements dynamiques, des méthodes de raisonnement hybrides combinant IA symbolique et apprentissage par renforcement, ainsi que des architectures augmentées par mémoire pour le raisonnement orienté objectif à long terme. L’objectif est de contribuer à une nouvelle génération de systèmes multi-agents fondés sur les LLM, plus évolutifs, adaptatifs et capables de raisonnement complexe et de résolution collaborative de problèmes.