Metaversal intelligence: unifying human-AI interactions in human-in-the-loop AIB metaverse.

Soltanshahi, Minoo (2025). Metaversal intelligence: unifying human-AI interactions in human-in-the-loop AIB metaverse. Mémoire. Québec, Université du Québec, Institut national de la recherche scientifique, Maitrise en sciences des télécommunications, 66 p.

Prévisualisation

PDF - Version publiée Télécharger (1MB) | Prévisualisation

Résumé

L’essor des technologies émergentes telles que la 6G, le Web 3 et la blockchain transforme profondément l’architecture des systèmes intelligents et la gestion des interactions dans des environnements numériques décentralisés. Le Métavers est une plateforme immersive en pleine évolution qui vise à intégrer les interactions humaines et artificielles dans un espace virtuel intelligent et autonome. Toutefois, l’émergence de cet écosystème numérique soulève plusieurs dé fis majeurs, notamment en matière d’adaptabilité, d’évolutivité, de gestion des ressources, de prise de décision et d’exécution des transactions intelligentes de manière sécurisée et efficace. L’évolution du Métavers nécessite des solutions innovantes pour assurer une collaboration efficace entre les agents humains et artificiels, optimiser les performances des contrats intelligents et améliorer l’intelligence collective dans ces environnements dynamiques.

Dans ce contexte, cette thèse propose une nouvelle architecture appelée Human-AI Blockchain (HAIB) Métavers, conçue pour améliorer la collaboration entre les utilisateurs humains et les agents IA dans un environnement virtuel décentralisé. L’architecture HAIB s’appuie sur le paradigme Human-in-the-Loop, une approche qui intègre activement l’intelligence humaine dans le processus de prise de décision des systèmes IA. Plutôt que de se limiter à des décisions purement algorithmiques, HAIB permet une interaction continue entre humains et agents autonomes, favorisant ainsi une meilleure adaptabilité et une prise de décision plus pertinente dans un cadre évolutif comme le Métavers.

Une des principales contributions de cette thèse réside dans l’introduction des Contrat Intelligent (InSC), un cadre novateur de contrats intelligents combinant apprentissage par renforcement (RL) et stigmergie étendue. Contrairement aux contrats intelligents classiques qui exécutent des instructions statiques de manière déterministe, les InSC permettent une exécution dynamique et adaptative des contrats grâce à une capacité d’apprentissage autonome. En s’appuyant sur l’apprentissage par renforcement, ces contrats améliorent leur prise de décision au fil des interactions et ajustent leurs conditions en fonction des évolutions de l’environnement. De plus, l’intégration du mécanisme de stigmergie étendue permet aux agents IA de collaborer indirectement en laissant des traces numériques dans l’environnement, facilitant ainsi une coordination sans communication directe, inspirée des systèmes auto-organisés observés dans la nature.

L’architecture HAIB vise à surmonter les limites de l’architecture actuelle du Métavers (AIB-Metaverse) en introduisant une couche Human-in-the-Loop AI et en modifiant la fonctionnalité des couches d’interaction et de prise de décision afin d’atteindre une intelligence collective issue de la synergie entre l’intelligence humaine et l’intelligence artificielle. Tout d’abord, la couche d’interaction facilite la coordination entre agents en collectant des données des utilisateurs et de l’environnement à travers la stigmergie étendue, où les agents IA laissent des traces numériques interprétables par d’autres agents pour ajuster dynamiquement leurs comportements. Ensuite, la couche interactive Human-in-the-Loop AI joue un rôle fondamental de médiation en analysant en temps réel les interactions entre humains et agents autonomes, permettant ainsi aux décisions des agents d’être affinées grâce aux retours utilisateurs. Enfin, la couche de décision intelligente constitue le noyau du système, où les InSCs orchestrent ces interactions en intégrant des modèles d’apprentissage évolutifs, assurant ainsi une adaptation continue du Métavers aux dynamiques environnementales et aux besoins humains. En combinant ces trois couches, HAIB transforme l’approche actuelle du Métavers en un écosystème intelligent et décentralisé, où humains et IA collaborent de manière fluide et optimisée pour une interaction plus efficace et autonome.

Les expériences menées dans le cadre de cette recherche démontrent l’efficacité du modèle proposé en termes d’optimisation des ressources et d’adaptabilité. Plus précisément, l’implémentation des InSC permet une réduction de la consommation de gaz de 32 à 33 %, un facteur essentiel pour améliorer l’efficience des transactions dans un environnement blockchain, où les coûts énergétiques liés aux contrats intelligents constituent une problématique majeure. Par ailleurs, les résultats montrent une augmentation significative des récompenses cumulées obtenues par les agents IA, ce qui atteste de l’amélioration de leur prise de décision et de leur efficacité dans l’exécution des contrats intelligents. Ces avancées ouvrent la voie à une nouvelle génération de contrats intelligents intelligents, capables d’optimiser leurs stratégies d’interaction de manière autonome tout en s’adaptant aux évolutions de l’environnement.

En intégrant l’IA et la blockchain dans une approche unifiée, cette thèse contribue à l’essor d’un Métavers intelligent, où la gestion des ressources numériques, la prise de décision décentralisée et la collaboration multi-agents atteignent un niveau inédit d’efficacité. Les implications de ces travaux sont vastes et touchent divers domaines d’application, notamment la finance décentralisée (DeFi), où les InSC peuvent améliorer la gestion des actifs numériques et l’exécution des transactions, ou encore le secteur de la logistique intelligente, où la coordination des agents autonomes pourrait être optimisée grâce aux principes de stigmergie étendue. De plus, ces avancées ouvrent des perspectives prometteuses pour la gouvernance du Métavers, en permettant la mise en place de systèmes d’autonomie collective où humains et IA collaborent de manière fluide et transparente.


The convergence of 6G and Web 3 technologies with the Metaverse necessitates user-centric, intelligent solutions to address challenges of adaptability, scalability, and efficiency in decentralized systems. This research introduces the Human-AI Blockchain (HAIB) Metaverse architecture and the Intelligent Smart Contract (InSC) framework, which integrate Reinforcement Learning (RL) and extended stigmergy to optimize multi-agent interactions and enable dynamic, self-executing smart contracts. The HAIB architecture enhances human-AI collaboration through a human-in-the-loop approach, facilitating adaptive decision-making and efficient resource allocation. Serving as the cognitive core, the InSC framework combines dynamic environmental feedback with real-time data analytics to enable intelligent decision-making. Experimental evaluations demonstrate that the proposed framework reduces gas consumption by 32–33% while increasing cumulative rewards. These findings highlight the significant potential of intelligent smart contracts in advancing decentralized intelligence within the Metaverse.

Type de document:	Thèse Mémoire
Directeur de mémoire/thèse:	Maier, Martin
Mots-clés libres:	Blockchain ; Extended Stigmergy ; HAIB-Metaverse Architecture, Intelligent ; Smart Contract ; Reinforcement Learning Algorithms ; Web 3
Centre:	Centre Énergie Matériaux Télécommunications
Date de dépôt:	01 mai 2026 19:44
Dernière modification:	01 mai 2026 19:44
URI:	https://espace.inrs.ca/id/eprint/17159

Gestion Actions (Identification requise)

Modifier la notice