Simulation à base d’agents pour la planification multi-ressources contrainte de projets répétitifs atypiques dispersés

Pourquoi planifier des projets dispersés est si difficile

Quand une entreprise de téléphonie déploie des dizaines de nouvelles antennes-relais à travers un pays, ou qu’un opérateur renouvelle des postes électriques disséminés, le travail paraît simple sur le papier : répéter des tâches similaires sur de nombreux sites. En réalité, les planificateurs doivent jongler avec des équipes qui parcourent de longues distances, des retards imprévisibles et des échéances serrées. Les outils traditionnels comme les tableaux ou les diagrammes de Gantt peinent à rendre compte de ce puzzle en mouvement, ce qui conduit souvent à des trajets inutiles, des équipes inactives et des programmes beaucoup plus longs que prévu. Cet article présente une approche de planification informatisée qui considère les équipes et les sites comme des « agents » numériques se déplaçant sur une carte, montrant comment un routage et un ordonnancement plus intelligents peuvent considérablement raccourcir ces programmes complexes.

Beaucoup de petits chantiers, de gros casse-têtes logistiques

L’étude porte sur ce que les auteurs appellent des projets répétitifs atypiques dispersés : imaginez plus de 100 pylônes télécom répartis sur des villes, des déserts et des villages, chacun avec des conceptions et des durées de chantier légèrement différentes. Le défi ne se limite pas à décider quand démarrer chaque site, mais aussi à déterminer quel entrepreneur doit traiter quel emplacement, dans quel ordre, et comment maintenir les équipes en activité au lieu de les voir attendre dans des camions ou des papiers. Les méthodes classiques comme le chemin critique ou la ligne d’équilibre fonctionnent bien pour des routes rectilignes ou des étages d’immeuble identiques, mais elles échouent lorsque les sites sont éloignés, que les conditions varient et que les perturbations inattendues — retards de permis ou problèmes d’accès, par exemple — sont fréquentes.

Transformer équipes et sites en acteurs numériques

Pour y répondre, les auteurs construisent un modèle de simulation à base d’agents relié à des données géographiques réelles. Chaque chantier est un agent logiciel avec sa propre position, son type (par exemple, une nouvelle tour en terrain dégagé versus un équipement ajouté à une structure existante) et sa durée prévue. Chaque entrepreneur est un autre agent, défini par l’emplacement de ses dépôts, les types de sites que ses équipes sont qualifiées pour réaliser et le nombre de tâches qu’elles peuvent gérer simultanément. Ces agents « vivent » dans un environnement cartographique et suivent des règles simples : quand une équipe termine un site, elle recherche le site inachevé le plus proche sur lequel elle est autorisée à travailler et s’y rend. Le modèle introduit aussi des retards aléatoires pour refléter la météo, les permis ou les problèmes de livraison, de sorte que chaque exécution de la simulation produit une histoire de projet légèrement différente mais réaliste.

Ajouter une recherche intelligente au dessus de la simulation

Comme il existe de nombreuses façons d’affecter des dizaines de sites à plusieurs entrepreneurs, les chercheurs ajoutent une couche d’optimisation inspirée de l’évolution biologique. L’ordinateur génère de nombreux schémas d’affectation alternatifs — différentes façons de répartir le pool de sites entre les entrepreneurs — et, pour chacun, il exécute la simulation à plusieurs reprises pour mesurer la durée totale du programme. Au fil des cycles, il conserve les schémas les plus performants et les mélange pour en créer de nouveaux, convergeant progressivement vers des combinaisons équipe–site et des itinéraires qui terminent plus rapidement. Le modèle enregistre automatiquement des indicateurs de performance tels que le temps de déplacement de chaque équipe, leur temps d’inactivité et leur taux d’utilisation.

Déploiement télécom réel comme banc d’essai

Le cadre est testé sur un grand programme de déploiement télécom en Égypte impliquant 138 sites de tour de trois types principaux : tours neuves en Greenfield, tours sur toits et mises à niveau rapides en « partage » sur des structures existantes. Les auteurs utilisent les coordonnées réelles des sites, les dépôts des entrepreneurs, des calendriers réalistes et des statistiques de retard tirées des journaux de projet. Ils comparent ensuite leurs plannings simulés au plan initial de l’entreprise sous Excel, qui estimait environ 100 jours pour achever le programme. Avec les mêmes entrepreneurs et contraintes de terrain, l’approche à base d’agents complète systématiquement le travail en environ 49–56 jours sur vingt exécutions indépendantes de la simulation, réduisant la durée moyenne à environ 54 jours — une diminution de 46 %. Le modèle révèle également quels entrepreneurs voyagent le plus, où subsistent des affectations longue distance et dans quelle mesure les équipes restent occupées selon différents scénarios de capacité et de spécialisation.

Ce que cela signifie pour les projets futurs

En termes simples, l’étude montre que considérer les équipes et les sites comme des acteurs interagissant sur une carte — et laisser un ordinateur explorer de nombreuses options d’itinéraires et d’affectation sous incertitude — peut transformer un programme vaste et dispersé en une opération beaucoup plus efficace. Plutôt que des feuilles de calcul faites à la main qui ignore la géographie et l’aléa, les planificateurs peuvent utiliser ce cadre pour tester des scénarios « et si », voir comment les trajets et les retards se répercutent sur le planning, et choisir des allocations d’équipes qui terminent de façon plus fiable plus tôt. Bien que le modèle actuel se concentre sur le temps et n’optimise pas encore les coûts ou la consommation de carburant, son succès sur un déploiement télécom réel suggère que la simulation cartographique à base d’agents associée à l’optimisation peut devenir un outil décisionnel pratique pour de nombreux types de programmes de construction et d’infrastructures géographiquement dispersés.

Citation: Sultan, R.A., Hamdy, K. & Essawy, Y.A.S. Agent-based simulation for multi-resource-constrained scheduling of scattered atypical repetitive projects. Sci Rep 16, 11759 (2026). https://doi.org/10.1038/s41598-026-42832-1

Mots-clés: simulation à base d’agents, planification de chantier, projets géographiquement dispersés, allocation d’équipes, infrastructures télécom