Les systèmes multi-agents permettent la simulation de phénomènes complexes difficilement descriptibles de manière analytique. Cette approche repose souvent sur la coordination d’agents dont l’ensemble des actions et interactions entraînent l’émergence du phénomène à simuler. Lorsqu’il s’agit de reproduire le comportement humain, il faut parfois composer avec une coordination compétitive et être capable de reproduire des comportements anticipatifs. Dans cette thèse, nous nous sommes intéressés à la problématique de reconnaissance et d’anticipation du contexte de coordina- tion. Nos travaux se basent sur une approche de l’anticipation proposée par Rosen : "l’anticipation préventive" qui consiste à adapter son comportement courant de manière à éviter un certain nombre d’états non désirés. Nous proposons une formalisation de ce concept basée sur la manipulation et le traitement de réseaux de contraintes. Le modèle décisionnel sous-jacent utilise des techniques de propagation de contraintes permettant à chaque agent d’inférer les effets d’une action et de détecter ainsi un certain nombre d’états non désirés. L’algorithme proposé est générique et permet de filtrer, en amont de la coordination, toutes actions conduisant à l’un des états non désirés du système. Implémentée dans le cadre d’une simulation de trafic développée à l’INRETS : ARCHISIM, notre proposition permet d’introduire des comportements opportunistes plus réalistes sans risque d’apparition d’interblocage au centre des carrefours. Les différentes évaluations menées ont permis de valider l’émergence des phénomènes de trafic obtenus confirmant ainsi la pertinence de l’approche.