Un chien gardant des moutons lors d’un concours de chiens de berger. Crédit : Georgia Institute of Technology
Les chiens de berger, élevés pour conduire de grands troupeaux de moutons dans les champs, ont démontré leurs aptitudes lors de compétitions remontant aux années 1870. Dans ces épreuves, un maître-chien dirige un chien dressé à l’aide de signaux au sifflet afin de guider un petit groupe de moutons à travers un champ et parfois même de le séparer nettement en deux. Mais les moutons ne sont pas toujours coopératifs.
Des chercheurs du Georgia Institute of Technology ont étudié comment les équipes maître-chien gèrent ces troupeaux imprévisibles lors d’épreuves de chiens de berger et ont découvert des principes qui vont au-delà du simple élevage de bétail.
Dans une étude publiée en couverture de Science Advances , les chercheurs ont appliqué ces connaissances à des simulations informatiques montrant comment des stratégies similaires pourraient améliorer le contrôle des essaims de robots, des véhicules autonomes, des agents d’IA et d’autres systèmes en réseau où de nombreuses machines doivent coordonner leurs actions malgré des conditions incertaines.
Dynamique des mouvements de groupe
« Les oiseaux, les insectes, les poissons, les moutons et bien d’autres organismes se déplacent en groupe car cela présente des avantages pour les individus, notamment une protection contre les prédateurs », explique Saad Bhamla, professeur associé à l’École de génie chimique et biomoléculaire de Georgia Tech. « Le paradoxe est que le « groupe » n’est pas un organisme unique. Il est constitué de nombreux individus, chacun prenant des décisions locales, imparfaites. »
Lorsqu’un prédateur menace un troupeau de moutons, les individus situés en périphérie se déplacent souvent vers le centre pour réduire leur propre risque, explique Bhamla. « Il s’agit d’un comportement de troupeau égoïste », dit-il. « Les bergers exploitent cet instinct grâce à des chiens dressés. »
Interactions entre humains, chiens et moutons au sein de petits groupes. Crédit : Science Advances (2026). DOI : 10.1126/sciadv.adx6791
L’analyse de plusieurs heures d’enregistrements de compétitions a révélé aux chercheurs que contrôler de petits groupes de moutons peut s’avérer plus difficile que de gérer de grands groupes. Un groupe plus important, avec davantage de moutons protégés au centre, peut présenter un comportement plus cohérent qu’un petit groupe, car les animaux oscillent constamment entre deux instincts : « suivre le groupe » et « fuir le chien ».
« Ce comportement changeant rend le groupe imprévisible », a déclaré Tuhin Chakrabortty, ancien chercheur postdoctoral du laboratoire Bhamla et co-auteur de l’étude.
En observant attentivement comment les chiens et leurs maîtres guident de petits groupes, les chercheurs ont constaté que l’imprévisibilité du comportement du troupeau ne complique pas toujours le contrôle. « Dans certaines conditions, ce comportement « bruyant » peut même s’avérer bénéfique », a déclaré Bhamla.
Réussir l’élevage de moutons
Les bergers classent leurs moutons selon leur réaction à la pression menaçante du chien. Certains moutons très sensibles peuvent paniquer sous une pression trop forte, tandis que d’autres peuvent ignorer une pression légère et nécessiter un positionnement plus ferme de la part du chien.
Les chercheurs ont observé qu’un contrôle efficace suivait souvent un schéma en deux étapes. Dans un premier temps, le chien influençait subtilement l’orientation des moutons alors que ces derniers étaient pour la plupart immobiles. Une fois le troupeau aligné dans la direction souhaitée, le chien augmentait la pression pour déclencher le mouvement. Le moment précis de ces actions était crucial, car l’alignement au sein d’un petit groupe pouvait se rompre rapidement, les individus passant d’un instinct à l’autre.
« Dans nos simulations, une pression accrue permet au groupe d’atteindre plus rapidement l’orientation souhaitée, mais la durée pendant laquelle il reste aligné dépend principalement du bruit », explique Chakrabortty. « En résumé, les chiens peuvent orienter le groupe, mais ils ne peuvent pas maintenir cette orientation indéfiniment ; le timing est donc crucial. »
Développement de modèles informatiques
Pour comprendre les implications plus larges de ce comportement, l’équipe a développé des modèles informatiques qui reproduisent les réactions des moutons face au chien et entre eux. Ces modèles ont permis aux chercheurs de tester différentes stratégies pour guider des groupes dont les membres prennent des décisions indépendantes en situation d’incertitude.
Ils ont ensuite appliqué ces idées à des simulations d’essaims de robots. Les ingénieurs conçoivent souvent ces systèmes de manière à ce que chaque robot combine les signaux de tous les robots environnants avant de décider de son déplacement. Si cette approche fonctionne bien lorsque les signaux sont clairs, elle peut se révéler inefficace en cas d’informations bruitées ou contradictoires, a expliqué Bhamla.
Pour expliquer pourquoi cette stratégie de commutation fonctionne même en présence de bruit, les chercheurs ont utilisé l’analogie d’une pièce enfumée où une seule personne peut voir la sortie, et où personne ne sait qui elle est. Si chacun interroge tous les autres et que l’on fait la moyenne des réponses, le signal correct risque d’être noyé sous de nombreux signaux parasites.
« C’est là le paradoxe. Lorsqu’une seule personne détient la bonne information, la moyenne peut masquer le signal. Mais si l’on suit une personne à la fois, en changeant régulièrement de personne, la bonne information peut se diffuser largement », a expliqué Bhamla.
Partant de cette idée, les chercheurs ont testé une stratégie inspirée du comportement de commutation observé chez les moutons. Dans les simulations, chaque robot se concentrait sur une seule source à la fois (un signal de guidage ou un robot voisin) et changeait de source à chaque étape.
Dans des conditions bruyantes, cette stratégie de changement de cap nécessitait moins d’efforts pour maintenir le groupe sur la voie souhaitée que les stratégies basées sur la moyenne ou les stratégies fixes de leader et de suiveur.
Les chercheurs nomment leur approche « algorithme de l’essaim indécis ». Ce nom reflète une idée contre-intuitive : permettre à l’influence de se déplacer entre les individus au fil du temps peut faciliter la gestion des groupes en situation d’incertitude.
« Nos résultats suggèrent que les mêmes dynamiques qui rendent les petits groupes d’animaux imprévisibles peuvent également offrir de nouvelles façons de contrôler des systèmes complexes conçus par l’ingénierie », a déclaré Bhamla.
https://techxplore.com/news/2026-03-sheepdogs-reveal-robot-swarms.html
