La théorie constructiviste de l’apprentissage de Jean Piaget (1923) a exercé une influence considérable sur les sciences cognitives. En IA beaucoup de travaux ont tenté de s’inspirer de ce paradigme depuis les débuts de la discipline, car en effet il semble que constructivisme constitue une piste possible pour dépasser les limites des techniques classiques issues du cognitivisme ou du connexionnisme. Différentes approches convergent dans le même sens, parmi lesquelles on peut citer : situated AI, enactive AI, Developmental Robotics. L’objectif est de créer des agents autonomes, dotés d’une forte capacité d’adaptation au sein de leur environnement, à l’image des organismes biologiques. Les applications potentielles concernent des agents intelligents en interaction avec un environnement complexe, dont les objectifs ne sont pas forcément prédéfinis. A l’instar de la robotique, l’Intelligence ambiante (AmI) est un paradigme riche et ambitieux présentant d’importants enjeux industriels, sociaux et écologiques et qui constitue un défi d’une grande complexité pour l’IA. En particulier, dans le cadre de la théorie constructiviste, l’agent doit construire une représentation du monde qui repose sur l’apprentissage de motifs sensorimoteurs à partir de sa seule expérience. Cette étape est très difficile à mettre en place pour des systèmes réels continus, à partir des seules données brutes et sans modélisation a priori. Par l’utilisation de système multi-agents nous nous intéressons au développement de techniques nouvelles pour adapter l’approche constructiviste de l’apprentissage sur des cas réels. Pour cela nous prenons comme référence d’expérimentation le cadre de l’intelligence ambiante.