Le crowdsourcing en tant que paradigme efficace pour l'accomplissement des tâches spatiales et temporelles suscite progressivement un large intérêt dans l'industrie et le milieu académique. Avec l'avancée des technologies mobiles, les modèles de services de crowdsourcing deviennent plus flexibles et diversifiés pour mieux répondre aux besoins variés des utilisateurs. Les études existantes se concentrent principalement sur le problème de la distribution des tâches homogènes dans un seul type, sans tenir compte des différences individuelles dans les exigences des tâches et des travailleurs, ce qui rend difficile d'obtenir des résultats satisfaisants dans l'application pratique. Cet article aborde la problématique de la distribution des tâches multiples hétérogènes dans un environnement réel de crowdsourcing avec une description formelle et une définition. Pour résoudre le problème, une méthode de répartition des rôles intégrée à un modèle d'ordonnancement individuel est proposée, basée sur un cadre coopératif. La méthode se compose de deux parties. Premièrement, un modèle d'ordonnancement individuel est introduit en fonction des propriétés spatiales et temporelles de la tâche et du travailleur. Ensuite, sur la base du mécanisme d'attraction-répulsion, un modèle de répartition des rôles est conçu pour correspondre à la tâche et au travailleur. Après plusieurs itérations, un résultat final de correspondance entre les tâches et les travailleurs est obtenu. Nous validons l'efficacité de cette méthode à l'aide de jeux de données réels et synthétiques, et démontrons ses performances par rapport à d'autres algorithmes. De plus, nous étudions l'impact de différents paramètres et confirmons sa scalabilité.

crowdsourcing, tâches hétérogènes, répartition des rôles, mécanisme d'attraction-répulsion, modèle d'ordonnancement individuel