L'équipe de recherche informatique de notre université travaille en modélisation et en simulation afin d'étudier de manière holistique les systèmes naturels complexes.Dans ce travail, nous nous sommes fixés comme objectif d'utiliser la simulation informatique comme éprouvette virtuelle afin de concevoir un outil d'aide à la décision dans un contexte pluridisciplinaire.L'enjeu central de notre travail est de proposer un modèle exécutable suffisamment générique pour permettre l'aide à la décision et de l'utiliser dans le cas de la modélisation d'une pêcherie. Nous proposons d'appliquer nos travaux à la gestion des stocks de poissons en Corse.Ceci nous a conduits à suivre la démarche suivante : la première étape est la représentation du système complexe. Pour cela nous avons cherché un paradigme pour représenter des composants à structure hiérarchique capables d’interactions et d'autonomie de décision. Le paradigme agent se prête très bien à la représentation de systèmes complexes bio-économiques.Ensuite, la question de la robustesse de l’approche s’est posée. Pour cela nous nous sommes rapprochés de la théorie de la modélisation et de la simulation (TM\&S) proposée par B.P. Zeigler. Dans notre cas, le formalisme PDEVS peut être considéré comme un formalisme unificateur et pivot.En effet, celui-ci permet d'inclure d'autres concepts, on parle de multi-modélisation. Nous le complétons notamment avec le paradigme agent afin de bénéficier de son expressivité et de sa faculté à décrire simplement des entités (les agents), leurs interactions mutuelles, ainsi l'environnement dans lequel elles évoluent. Enfin, pour respecter un cadre formel, indispensable au travail préalable de conceptualisation, nous utilisons la formalisation DPDEMAS proposée R.Franceschini et déjà développé dans notre équipe. En effet, cette formalisation offre dans sa forme originale une analogie intéressante entre un Système Multi-Agents (SMA) et les modèles PDEVS etDSDE (version dynamique de PDEVS). Nous y retrouvons une description de l'agent à partir d'un corps qui modélise sa représentation physique dans un environnement, ainsi qu'à partir d'un esprit qui est le lieu des prises de décision.Ceci nous a amené à nous pencher sur la problématique de la prise de décision. L'enjeu central était donc de proposer un modèle exécutable suffisamment générique pour permettre l'aide à la décision et de l'utiliser dans le cas de la modélisation d'une pêcherie. Pour cela, nous proposons une approche mettant à disposition des agents des briques inspirées de Soar. Une brique d’optimisation permettant d’affiner les décisions des agents. Une brique d'apprentissage par renforcement permettant aux agents de compléter leurs connaissances dans une situation donnée.Nous complétons cette description par un premier exemple didactique avant d’appliquer notre approche à deux exemples de modélisation d’un système de pêcherie basé sur 50 ans de données.Le premier exemple est un modèle à 5 composants pour simuler des scénarios avec quotas.Le second exemple est un modèle à 6 composants pour simuler lui aussi des scénarios avec quotas,avec en plus la prise en compte de l'espace et des migrations entre zones. Néanmoins, ces deux modèles, n'ont pour objectif que de valider notre approche. En effet, si grâce à ces deux exemples,nous obtenons des résultats cohérents nous permettant de valider leur comportement, ces modèles sont purement théoriques et ne représentent pas suffisamment bien la réalité du système pour pouvoir être utilisés en l'état pour aider à la gestion des ressources halieutiques.Les perspectives que nous envisageons par la suite sont d’une part l’intégration de nouvelles méthodes d’apprentissage et de décision, et d’autre part de développer un modèle de pêcherie plus représentatif de la réalité ou encore d’utiliser notre approche pour traiter d’autres cas d’études.