L'utilisation des Systèmes Multi-Agents (SMA) pour modéliser, selon une approche ascendante (bottom-up), des systèmes complexes où un grand nombre d'entités interagissent de façon non linéaire (e.g. écosystèmes, insectes sociaux, foules, trafic routier, etc.) est un domaine applicatif qui a largement fait ses preuves, ainsi qu'une source d'inspirations qui permet de faire évoluer ce paradigme [5]. Dans le cadre de l'étude des systèmes complexes, la diversité des approches multi-agents existantes témoigne à la fois de la richesse de ce paradigme mais aussi de la complexité liée à la conception et à l'utilisation des simulations basées sur cette approche. Il existe, en effet, de multiples façons de modéliser la dynamique d'un SMA, sans qu'on puisse pour autant hiérarchiser la qualité des modèles tant leur dépendance au contexte et aux objectifs de l'expérience est forte. Enfin, l'augmentation des capacités de calcul ainsi que la qualité des outils existants ont permis une envolée spectaculaire du nombre de simulations multi-agents, ainsi que la complexité qu'elles prennent en compte en leur sein, de telle sorte qu'on peut véritablement parler d'un foisonnement d'approches.