Chapitre III

Chapitre III

Les systèmes experts

EPSI / Montpellier - Cycle CSII 2A

Intelligence Artificielle

• Définition

Un système expert est un programme qui consiste à reproduire le comportement d'un expert humain dans un domaine particulier, en effectuant, selon une démarche intellectuelle, une tâche de résolution de problèmes pour laquelle une solution algorithmique est difficilement réalisable.


• A quoi sert un système expert ?

– Les systèmes experts ont pour rôle d'assister l'homme dans un domaine où est reconnue une expertise humaine traduite par des connaissances :

• Ayant un volume important• Plutôt qualitatives• Parfois incertaines, imprécises et/ou assujetties à des

révisions• Insuffisamment structurées pour être traitées par une

approche algorithmique


• Portée et domaines d’applications


PORTEE DOMAINES D’APPLICATI ON

Diagnostic Ordonnancement de tâches et planification CAO et simulation Identification et classification d'objets Prise de décision Enseignement etc.

La finance et l'assurance Le droit et l'administration La médecine L'agriculture La géologie L'informatique Le domaine militaire L'aérospatial Le traitement d'images Le traitement de la parole Les biotechnologies etc.

• Architecture– Principe

• Séparer les connaissances propres au domaine des mécanismes logiques d’interprétation de ces connaissances

– Composantes essentielles• Base de connaissances• Moteur d’inférences• Module d’acquisition des connaissances• Interface utilisateur• Module d’explication


• Moteur d’inférences– Fonctionnement

• Résolution de problèmes par l’exécution d’une séquence d’un cycle de base dit cycle d’EVALUATION-EXECUTION

– Cycle de base• Cycle en 3 phases :

1. Filtrage

2. Résolution de conflits

3. Exécution


EVALUATION

EXECUTION

Modes de raisonnement • Chaînage avant : raisonnement dirigé par les faits• Chaînage arrière : raisonnement dirigé par les buts

Rôle des variables :• Moteur d’ordre 0 : sans variables• Moteur d’ordre 0+ : avec variables globales• Moteur d’ordre 1 : les variables portent sur les arguments• Moteur d’ordre 2 : les variables portent sur les prédicats

Type de contrôle • Contrôle irrévocable : pas de retours possibles sur un choix fait

lors de la résolution de conflits• Contrôle par tentatives : possibilité de revenir, lors de la résolution

de conflits à un point de déduction précédent pour faire un autre choix (backtracking)

Pérennité des faits :• Logique monotone : pas de suppression des faits• Logique monotone : suppression possible des faits

Implémentation de la négation :• Monde clos : négation par l’absence (Les assertions qui ne sont pas

explicitement présentes dans la BF sont fausses)• Monde ouvert : négation par la présence de not dans la BF

(toute assertion doit être explicitée dans la BF)

Les systèmes experts• Moteur d’inférences

– Caractéristiques


– Caractéristiques

Résolution des conflits : stratégies

• Première règle rencontrée • Règle qui a la moins servis• Règle la plus prioritaire• Règle la plus complexe• Règle la moins complexe• Règle la plus prometteuse• Règle la plus fiable• Règle la moins coûteuse• etc.


– Outils de développement– Langages classiques

• C, Fortran, etc.

– Langages objets• C++, Smalltalk, etc.

– Langages IA• Prolog, Lisp

– Générateurs (shell) de systèmes experts• Clips, FuzzyClips, Kappa, etc.


– Outils de développement

FuzzyClips/ Clips KappaModes de raisonnement Chaînage avant Chaînage avant et arrière

Rôle des variables Ordre 1 Ordre 0+

Type de contrôle Backtracking Paramétrable

Pérennité des faits Non monotone Non monotone

Implémentation de lanégation

Clos Clos

Résolution des conflits Priorité entre règles +autres stratégies : lamoins complexe, la pluscomplexe, etc.

Priorité entre règles, la meilleure, etc.

• Moteur d’inférences– Modes de raisonnement (types d ’inférences)

– 2 modes de base• Chaînage avant• Chaînage arrière

– 2 modes combiné• Chaînage mixte• Chaînage bidirectionnel

– Ils induisent certaines différences dans le cycle de base


• Moteur d’inférences– Chaînage avant

– Principe• On part à partir des données initiales et on essaye d’en déduire de nouvelles• On s’arrête quand aucune règle n ’est applicable

– Inconvénients• On doit fournir toutes les informations disponibles même si elles ne sont pas pertinentes

• Processus non interactif• Peut conduire à une explosion combinatoire

– Utilité• Interprétation d’une série de faits• Vérification des conséquences d’un événement


• Moteur d’inférences– Chaînage arrière

– Principe• On cherche à prouver un but (idem démonstration de théorèmes)• Les règles sélectionnées sont celles qui aboutissent au but recherché• Les conditions non vérifiées des règles déclenchées deviennent elles mêmes des sous buts à vérifier• On s’arrête quand le but est atteint

– Avantages• Le système ne pose que des questions pertinentes

• Interactivité• Espace de recherche moins important


• Moteur d’inférences– Chaînage arrière

– Inconvénients• Peut conduire à un blocage

• Pour démontrer A il faut démontrer B• Pour démontrer B il faut démontrer A

– Utilité• Décomposition facile du problème en sous problèmes


• Moteur d’inférences– Chaînage mixte

– Principe• Combiner les deux chaînages avant et arrière

• 1. Chaînage avant : obtenir les informations suffisantes pour émettre une hypothèse• 2. Chaînage arrière : vérifier l ’hypothèse émise lors du chaînage avant

• Une règle peut être utilisée en chaînage avant ou en chaînage arrière

– Avantage• Optimiser la recherche et améliorer le raisonnement


• Moteur d’inférences– Chaînage bidirectionnel

– Principe• Il existe deux type de règles

• Règles dites « avant » utilisées en chaînage avant • Règles dites « arrière » utilisées en chaînage arrière

– Avantage• Optimiser la recherche et améliorer le raisonnement


• Moteur d’inférences– Raisonnement en chaînage avant

– Raisonnement : dirigé par les faits, déductif– Paramètres d’entrée : la base de règle (BR), la base de faits (BF)– Déclencheur : partie gauche de la règle (hypothèses)– Cycle de base :

• Pour toutes les règles R de BR1. Examiner si R est déclenchable : toutes ses hypothèses sont satisfaites (contenues dans BF)2. Si oui, insérer R en haut ou en bas (selon les stratégies de résolution de conflits) de la liste des règles déclenchables (LRD)

• Répéter Jusqu’à LRD soit videSoit Ra la première règle de LRDRetirer Ra de LRD puis exécuter son membre droitPour toutes les règles Rb de (BR-LRD)Si Rb est déclenchable alors insérer Rb dans LRD



– Cycle de base : cas de Clips


– Pour toutes les règles R de BR• Si le membre gauche de R est vérifié• Alors insérer R dans l’agenda selon la stratégie de

résolution des conflits (salience, set-strategy [breadth, depth, simplicity, complexity, etc.])

– Répéter• Soit Ra la première règle de l’agenda

• Retirer Ra de l’agenda puis exécuter son membre droit• Pour toutes les règles Rb de (BR agenda)

• Si le membre gauche de Rb est vérifié• Alors insérer Rb dans l’agenda selon la stratégie de

résolution des conflits– Jusqu'à ce que l’agenda soit vide


Exemple d’algorithme


Procédure CHAINAGE-AVANTDébut

RépéterREGLE_DECLENCHABLE := DECLENCHEMENT(ensemble des règles)Jusqu’à non REGLE_DECLENCHABLE;

Fin CHAINAGE-AVANT

Fonction DECLENCHEMENT (ensemble des règles) : booléen;Début

DECLENCHE := Faux ;Pour toute règle appartenant à l’ensemble des règlesTant que non DECLENCHE faireDébut

Si TEST-SI(règle)Alors DECLENCHE := APPLICATION(règle)

Fin Pour;Retourner(DECLENCHE) ;

Fin DECLENCHEMENT




Fonction TEST-SI(règle) : booléen;Début

TEST := Vrai ;Pour tout élément de la partie Si de la règleTant que TEST faireDébut

Si élément appartient à la base de faitsAlors TEST := Vrai;Sinon TEST := Faux;

Fin Pour;Retourner(TEST) ;

Fin TEST-SI




Fonction APPLICATION(règle) : booléen;Début

APPLIQUE := Faux ;Pour tout élément de la partie Alors de la règleDébut

Si élément n’appartient pas à la base de faitsAlors

DébutAPPLIQUE := Vrai;ajouter l ’élément à la base de faits;

Fin Si;Fin Pour;Retourner(APPLIQUE) ;

Fin APPLICATION

• Moteur d’inférences– Raisonnement en chaînage arrière

Raisonnement : dirigé par les buts Paramètres d’entrée : la base de règles, la base de faits, le but initial à prouver ( B) Déclencheur : partie droite de la règle (conclusions) Cycle de base :– Répéter

• Fixer le but courant à prouver (B au départ)• Examiner les règles (LDR) concluant sur le but courant• Si LDR est vide Alors

• Demander la réponse à l’utilisateur• Si la réponse est positive Alors le but courant est prouvé• Sinon Arrêt

• Sinon• Sélectionner une règle de LDR• Appliquer la règle

• Si les prémisses de la règle sont vérifiés Alors le but courant est prouvé• Sinon les prémisses de la règle deviennent de nouveaux sous-buts à atteindre

– Jusqu’à ce que le but initial soit atteint



Algorithme


Procédure CHAINAGE-ARRIERE(liste des buts à vérifier)Début

Si liste est videAlors arrêtSinonDébut F = premier fait de la liste; Si VERIFICATION (F)

Alors Début

Afficher F comme vérifié; CHAINAGE-ARRIERE (reste de la liste); Fin;

Sinon CHAINAGE-ARRIERE (reste de la liste); Fin Si;Fin;Fin Si;

Fin CHAINAG-ARRIERE

• Moteur d’inférences– Phase de filtrage : optimisation

– Temps nécessaire à la constitution de l’ensemble de conflits

• T = k * (NR*NF*NFM)• k : temps nécessaire à la comparaison entre un filtre et un fait quelconque• NR : nombre de règles• NF : nombre de faits• NFM : nombre moyen de filtres par déclencheur

– Nécessité d’optimiser cette phase par la mise au point de : • Techniques de compilation de la base de connaissances• Techniques de partition de la base de règles : distinction de différentes classes de règles (règles de déclenchement, règles d’inférences, règles d’affinement, etc.)



– Techniques de compilation de la base de conniassances

• Objectif : optimiser le temps nécessaire à la constitution de l'ensemble de conflits• Phases :

• Déterminer pour chaque règle un ensemble de tests élémentaires dont la satisfaction signifie que la règle est déclenchable (exemples : longueur des éléments d'un filtre , position des termes constantes, etc.) et en déduire les tests qu'il faut appliquer à tout fait qui sera comparé au filtre

• Identifier les différentes occurrences des mêmes tests dans chaque ensemble de tests ainsi déterminé

• Organiser un réseau global de tests en rassemblant en un seul les tests élémentaires communs à plusieurs règles



– Techniques de partition de la base de règles

• Nécessite de définir :

• Des règles stratégiques qui déterminent comment on utilise les règles : des métarègles

• Les métarègles utilisent plutôt le contenu des règles que leur structure

• Les métarègles sont des métaconnaissances : des connaissances sur des connaissances



– Techniques de partition de la base de règles

• Exemples de métarègles (règles stratégiques):

• Si le patient est un hôte à risque Et il existe des règles qui mentionnent des pseudomonlas dans une de leur conditions Et il existe des règles qui mentionnent des kiebsiellas dans une de leurs conditions Alors il faut utiliser les premières avant les secondes

• Si l'on cherche une thérapie Alors il faut considérer les règles qui permettent de :

1- Acquérir les informations cliniques sur le patient

2- Trouver quels organismes, s'il en existe, sont causes de l'infection

3- Identifier les organismes les plus vraisemblables

4- Trouver tous les médicaments potentiellement utiles

5- Choisir les plus adaptés en plus petit nombre


Les systèmes experts• Générateurs de systèmes experts

– Synonymes : noyau, coque, shell– Définition :

• Système d’acquisition des connaissances permettant à un expert humain (appuyé par un cogniticien) d ’écrire un système expert dans son domaine d ’expertise

– Composantes• Une interface homme-machine permettant de mettre des règles écrites en langage pseudo-naturel sous forme de clauses• Un moteur d’inférences• Un ensemble d’outils logiciels pour contrôler les différentes étapes de la réalisation du système expert

• Editeurs spécialisés pour la gestion des connaissances• Dictionnaires des connaissances• Traceurs pour l’explication du raisonnement• Utilitaires de maintien de la cohérence et de compilation de la base de connaissances• Modules d’apprentissage automatique


– Outils pour la gestion des connaissances

– Maintien de la cohérence

• Exemples de tests de validation

• Redondance

• Bouclage

• Si A Alors C,D (1)• Si A Alors C,D,E (2) La règle (1) est redondante

• Si A Alors E (1)• Si E Alors B,F (2)• Si B,F Alors A (3)

Les règles (1), (2), (3) sont en boucles


– Outils pour la gestion des connaissances

– Maintien de la cohérence

• Exemples de tests de validation

• Contradiction

• Si A Alors C (1)• Si A Alors non(C),D (2)

Les règles (1) et (2) sont contradictoires


– Outils pour la gestion des connaissances– Compilation

• Exemple : réduction de la base de règles

• Si X1 Alors X • Si X1 alors Y • Si X1 Alors Z• Si X2 Alors Z• Si X2 Alors T• Si X3 Alors Z• Si X3 Alors T

• Si X1 Alors X• Si X1 Alors Y• Si X1 ou X2 ou X3 Alors Z• Si X2 ou X3 Alors T

• Si X1 Alors X ou Y ou Z• Si X2 Alors Z ou T• Si X3 Alors Z ou T

• Si X1 Alors X ou Y ou Z• Si X2 ou X3 Alors Z ou T

• Si X1 Alors X ou Y• Si X1 ou X2 ou X3 Alors Z• Si X2 ou X3 Alors T

Les systèmes experts• Choix des outils de développement

– Il existe plus de :– 70 outils

• Moteurs d ’inférences• Boîtes à outils• Générateurs

– 120 langages spécialisés

– Choisir un outil revient à chercher un compromis entre– des critères non techniques

• Coût• Types de machines ciblées• Facilité d ’utilisation

– des critères techniques• Représentation et gestion des connaissances (cogniticien, informaticien)• Stratégies de contrôle (cogniticien, informaticien)• Logique(s) proposée(s) (cogniticien, informaticien)• Utilitaires de mise au point et de validation

• Explication (Utilisateurs)• Debugger (cogniticien, informaticien)

• Ouverture (utilisateurs, cogniticien, informaticien)• Convivialité (utilisateurs, cogniticien, informaticien)

Les systèmes experts• Choix des outils de développement

– Type de développement et complexité du problème :

• Intérêt de l ’outil pour l ’une ou l ’autre phase de développement : démonstrateur, prototype, système final• Adéquation aux types de problèmes traités

Les systèmes experts• Méthodologie de développement

– Développement de Systèmes Experts : scénario


– Cycles de vie d’un projet système expert

Etude d’opportunité

Identification des connaissances

Conceptualisation des connaissances

Formalisation des connaissances

Prototypage

Validation

Implantation

Acquisition

Représentation


– Cycles de vie d’un projet système expert• Première Phase : Etude d’opportunité

• FinalitéDéfinir les objectifs globaux du projet et en déterminer l ’opportunité de réalisation (faisabilité, rentabilité, délais, charges de réalisation, conséquences pour le personnel)

• Que doit-on faire ? - Spécifier les objectifs et l’intérêt du système expert : taches à accomplir et problème à résoudre- Etudier la faisabilité technique du projet- Identifier les différentes solutions possibles au problème- Localiser l’expertise- Identifier les futurs utilisateurs du système- Evaluer les ressources humaines, matérielles et logicielles à allouer au projet- Déterminer l’opportunité de réalisation du projet (Coûts/Intérêt)



• Questions à se poser

- Quelle est l ’importance du problème?

- Quelles seraient les avantages d ’un système expert ?

- Le problème est-il fréquent ?

- Quelle sera l ’importance du problème d ’ici quelques années ?

- Le problème peut-il être défini facilement ?

- Quelqu’un a-t-il travaillé ailleurs sur un problème similaire ?

- Qui se servira du système expert et pourquoi ?

- Y-a-t-il une coque de systèmes experts dont nous puissions utiliser ?

- Existe-t-il une documentation quelconque ?



• Questions à se poser- Pouvons-nous nous passer du temps d ’un expert ?

- Combien de temps faut-il pour devenir expert ?

- Y a-t-il des moments ou les experts ne sont pas disponibles pour une consultation ?

- De quelles ressources avons-nous besoin ?

- Qu’est ce qui pourrait rendre ce projet difficile à réaliser ?

- Est-ce que les experts sont en désaccord ?

- Le savoir est-il complexe ? Nécessite-il plusieurs mécanismes d ’inférences et formalismes de représentation ?

- Le système expert devra-t-il être mis à jour fréquemment ?

- Pouvons-nous tolérer une réponse imparfaite ?

- La réalisation d’interface exigera-t-elle de grands efforts ?

- Combien coûtera le projet ?


– Cycles de vie d’un projet système expert• Phases d ’acquisition des connaissances

• Finalités- Repérer les éléments de base constituant l’expertise :

* Les objets : permettant de décrire un état du problème* Les relations : décrivent les liens entre les objets* Les opérateurs : indiquent comment modifier un état du problème

* Les procédures : décrivent un ordre d ’application des opérateurs

* Les règles : décrivent les inférences logiques

* Les plans : organisent l ’application des règles

* Les stratégies : organisent l ’enchaînement des plans- Définir le modèle conceptuel des connaissances

• Que doit-on faire ?- Etudier la documentation existante

- Planifier des entrevues avec l’expert

- Appliquer des techniques et méthodes d ’acquisition des connaissances



• Identification des éléments clefs de la connaissance

Exemple : Connaissances d ’un commercial spécialisé dans la vente des voitures

Objet Relation Opérateur Procédure Règle Plan

TopObjet

Stratégie

ClientèleVoitur

e

Voiture de sport Voiture de tourisme

Structure hiérarchique des éléments de la connaissance


Modèle descriptif des éléments de la connaissances

élément : Voiture de sportest-une : Voiturenoms : {nom donné par l ’expert :

nom donné par l ’utilisateur : autres synonymes :

}description en clair :relations : {relation : Clientèle

valeur : Jeunes-Cadres-Supérieurs

relation :valeur :}

• Méthodologie de développement– Cycles de vie d’un projet système expert

• Phases d ’acquisition des connaissances • Identification des éléments clefs de la connaissance


propriétés :{vitesse maximale : type : valeurs possibles : valeur par défaut : échelle coef de certitude :

distance de freinage à 100km/h : type : valeurs possibles : valeur par défaut : échelle coef de certitude :}

opérateurs applicables :utilisés dans les règles :

OBJETS


Modèle descriptif des éléments de la connaissances

élément : Règle VRPest-une : Règles_Avantage_Fiscauxutilisée dans les étapes : Evaluation avantages fiscauxlibellé : Si … Alors …utilisent les objets : Voitures, Clientèlenom :


• Phases d ’acquisition des connaissances • Identification des éléments clefs de la connaissance


REGLES



• Questions à se poser avant les entrevues

- Quelles sont les données à l ’entrée (les problèmes) et en sortie (les solutions)- Quelles sont les relations qui existent entre les données ?- Peut-on fragmenter les problèmes en unités plus petites ?- Dans quel ordre et sous quelle forme les données à l’entrée sont-elles acquises ?- Dans quel ordre et sous quelle forme les données en sortie sont-elles produites ?- Quelle est l ’importance et quelle est la précision des diverses données ?- Quelles sont les données susceptibles de manquer ?- Quels sont les types d’entrées qui causent des difficultés à l ’expert ? - Quels sont les postulats de l ’expert ?- Quelles sortes d’inférences fait-il ?- Comment en arrive-t-il à des hypothèses ?- Quelles sont les relations entre ces hypothèses ?- Comment l ’expert passe-t-il d ’un stade d ’opinion à un autre ?



• Techniques

- Les entretiens

Types* discussion ouverte* discussion guidée* inversion des rôles

Règles à respecter

Techniques* caractéristiques et décisions* reclassification et division du domaine* grille répertoire

- Les questionnaires- Les observations sur le site- L ’induction par la machine


- Préparer l ’entretien- Enregistrer l’entretien- Planifier les entretiens qui doivent régulier et espacés dans le temps- Motiver l ’expert en lui présentant une vue objective du projet- Veiller à conserver voir augmenter la motivation de l ’expert- Ne pas imposer d’outils à l ’expert- Ne pas imposer sa propre compréhension du problème- Poser des questions générales au début, puis spécifier- Maîtriser la durée de l ’entretien


• Phases d ’acquisition des connaissances• Techniques

- Les entretiens

Règles à respecter dans la conduite des entretiens



• Techniques

- Les entretiens

Technique « Caractéristiques et Décisions »

CARACTERI STI QUES DECI SI ONS

Taille Couleur Age Profondeur Catégorie

GrandPetitPetitGrandGrandPetit

RougeRougeNoirNoirNoirRouge

101217141517

24,830.312,711,350,447.3

III II I II I II I I



• Techniques- Les entretiens

Technique « Reclassification »

décision critères

succèssuccès toutes

matières

échec marginaldans unematière

succès partiel et contrôles continus

toutes matières

échec dans un partiel ou un contrôle continuet succès dans le

reste

capable decontinuer

matière non obligatoire

et fort ailleurs

connaissancesévidentes

échec dans une matièreavec raison

valable

succès attendu mais problème

maladie

problèmepersonnel

défaillancematériel




Technique « Division du domaine »

différents problèmes critères

formationA

référence etformulaires

OK

complémentd’infos

bons résultats aux examens

résultats moyens aux examens

motivation

acceptation

manque demotivation

rejetFormationB

formationA

bon en maths

bonnes références

mauvaises références

pas bon en maths



• Techniques

- Les entretiens

Technique « Grille Répertoire »

• Une technique permettant de mettre en évidence les objets et les relations entre objets utilisés par un expert dans son domaine de connaissances

• Une technique qui s ’articule en 4 étapes :

• Identification de la liste des objets et de leurs caractéristiques• Etablissement de la grille• Analyse de la grille

• Classification des objets• Classifications des caractéristiques

• Interprétation des résultats





Identification de la liste des objets et de leurs caractéristiques

V1 V2 V3 V4 V5 V6 V7 V8

Maniable/ Peu maniableSportive/ Non sportiveSûre/ LégèreHabitable/ Peu habitableConfortable/ I nconfortableSilencieuse/ BruyanteNerveuse/ LourdeEsthétique/ I nesthétiquePeu coûteuse/ Chère





Etablissement de la grille

V1 V2 V3 V4 V5 V6 V7 V8

Maniable/ Peu maniableSportive/ Non sportiveSûre/ LégèreHabitable/ Peu habitableConfortable/ I nconfortableSilencieuse/ BruyanteNerveuse/ LourdeEsthétique/ I nesthétiquePeu coûteuse/ Chère

224554241

325454221

523345334

212212134

554132542

325554221

334544441

211211125





Interprétation des résultats

Grande routière (Grands voyageurs, familles, VRP)

Confortable Sûre Sportive

Silencieuse

Bien suspendu

Habitable

NerveusePuissante

Rapide

Bonne tenue de route

Bon freinage

Bonne reprise

Bonne carrosserie


– Cycles de vie d’un projet système expert• Phases d ’acquisition

des connaissances• Techniques

- Les entretiens

Technique « Grille Répertoire »Analyse de la grille

Analyse factorielle


– Cycles de vie d’un projet système expert• Phases d ’acquisition des connaissances• Techniques

- Les questionnaires

Exemples

Circuit X24

Quelles sont toutes les pannes sur le circuit X24 qui sont traités par les services de maintenance ? : ___________________________ ___________________________ Classer ces pannes par ordre de fréquence décroissant : ___________________________ ___________________________

Les coefficients de vraisemblances peuvent être sollicités de la manière suivante :

Tout à faitincertain

Tout à faitsûr

Placer une croix sur la ligne à l ’endroitqui reflète le mieux votre impressionOu encore

Placer une croix sur la lignequi reflète le mieux votre impression

Tout à fait sûr Assez sûr

Limite

Incertain

Tout à fait incertain



• Techniques

- Les observations sur le site



• Techniques- Induction par la machine

• Principe : générer automatiquement et par induction de nouvelles connaissances à partir d’exemples choisis par l ’expert du domaine• Processus :

Entrée :* un ensemble d’exemples* des attributs décrivants les exemples* des techniques d ’extraction : apprentissage (induction de règles, algos génétiques, réseaux de neurones), analyse de données, base de donnéesSortie :* un arbre de décision qui classifie correctement les exemples * des règles d ’inférences

* Arbre de décision : Modélisation d’une décision sous forme d’une structure hiérarchique dont les nœuds sont des attributs (tests) et les arcs des valeurs possibles pour ces attributs



• Techniques- Induction par la machine

• Data mining : processus :

Etapes du data minig



• Techniques

- Induction par la machine

• Data mining : processus :

Plate-formes logicielles

Clementine

Sipina-pro Université Lyon 2, France

Integral Solutions Limited, USA



• Quatrième Phase: Formalisation des connaissances

• Finalité

- Transposer dans une représentation appropriée (un système à base de règles) le modèle des connaissances que le cogniticien a conçu en phases d ’acquisition

• Etapes

- Choix du formalisme* Schémas* Frames* Réseaux sémantiques* Règles de production

- Choix des méthodes d’inférences- Conception de la base de connaissances

krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:krit:



• Cinquième Phase: Prototypage

• Finalité

- Coder le formalisme choisi lors de la phase précédente pour obtenir un prototype du système expert

• Etapes

- Choix d ’un outil de développement- Codage du formalisme- Mise au point de l ’interface utilisateur- Préparation d’un protocole de validation



• Sixième Phase: Validation

• Finalité

- Définir un protocole de validation- Evaluer qualitativement et/ou quantitativement le comportement du prototype- Vérifier la conformité du prototype aux spécifications du cahier des charges

• Protocole de validation : éléments à valider

- La base de connaissances- L ’ergonomie- La maintenance- La documentation- La formation des utilisateurs- L ’outil de développement



• Sixième Phase: Validation

• Protocole de validation : critères de validation

- Performance

* Justesse du cheminement* Exactitude des conclusions* Précision des conclusions * Temps de réponse* Ressources informatiques utilisées

- Sensibilité- Robustesse- Facilité d ’apprentissage par les utilisateurs- Acceptabilité



• Sixième Phase: Validation• Protocole de validation

- L ’approche : Comment valider ?

* Quantitativement (statistiques)

* Qualitativement (consensus)

- Le contenu : Que faut-il valider ?

* Quelle version de prototype il faut valider

- Le lieu : Où valider ?

* Sur des sites pilotes (cas réels)

* Sur des sites « de validation » (cas simulés)

- Les acteurs : Avec qui faut-il valider ?

* Les experts

* Les utilisateurs

* Le cogniticien

* Le chef de projet


– Cycles de vie d’un projet système expert• Sixième Phase: Validation

• Protocole de validation : tests de validation- Représentatifs- Nombreux : Prototype : 50-100 ; Système final : 100-300- Impliquent :

Temps des valideursFormation des valideursRessources matériellesTenue des dossiers

• Protocole de validation : scénario de validation

Analyse des cas traités

Modification du système Documentation

Extraction de nouvelles connaissances, nouvelle formalisation ou restructuration



• Septième phase: Implantation

• Finalité

- Mettre le système final à la disposition des utilisateurs

• Etapes

- Préparations- Installation et mise au point- Mise en exploitation- Définition d ’un plan de formation- Mise en place des procédures de maintenance


– Acteurs d’un projet système expert• Cogniticien (1)• Expert (2)• Chef de projet (3)• Utilisateurs (4)

Etude d’opportunité

Identification des connaissances

Conceptualisation des connaissances

Prototypage

Validation

Implantation

Formalisation des connaissances

1+2+3

1+2

1+2

1+2

1+2+3+4

1+2+3+4

1+2+3+4


– Facteurs de succès d’un projet système expert• Rapports Expert/Cogniticien

• Bonne compréhension mutuelle• Confiance réciproque• Absence de rétention d’informations

• Qualités professionnelles des acteurs

• Cogniticien

• Expert

• Chef de projet

Logique sans faille, solide culture scientifique, maîtrise des techniques de modélisationdu savoir, connaissance en programmation, capacité d ’écoute et faculté de communication, bonne culture générale, capacité d ’adaptation, perspicacité

Autorité intellectuelle indiscutable, solide expérience, volonté et capacité de communiquerson savoir, goût pour les challenges, capacité de travailler en groupe, disponibilité, patiente, ténacité, tolérance à l ’erreur

Solide expérience dans la conduite des projets, connaissances en IA, capacité de manager une équipe, savoir écouter, déléguer et arbitrer


– Facteurs de succès d’un projet système expert

• Conduite du projet

• Définition claire des objectifs du projet• Planification optimisée du temps et des ressources de développement• Définition claire et précise du protocole de validation• Respect des délais• Documentation claire, adéquate et suffisante

• Méthodologie de développement– Rôles des acteurs d’un projet système expert

– Le cogniticien

• Rôle : assurer deux types d’interfaces

• Interface Expert-Machine

1. Il acquiert le savoir de l’expert2. Il le modélise 3. Il l ’implante dans la machine

• Interface Utilisateurs-Machine

1. Il étudie les besoins de l’utilisateur2. Il les intègre dans le système final



– L ’expert

• Rôle : communiquer son savoir au cogniticien



– Le chef de projet

• Rôle : gérer le projet

• Responsable de la conduite du projet

1. Choix des solutions techniques 2. Planification 3. Répartition des taches4. Gestion du budget

• Garant du respect du cahier des charges

1. Assurance qualité2. Respect des délais3. Conformité Spécifications/Réalisations



Algorithme


Fonction TEST(Règle);vérifier récursivement les sous buts d ’un but courantDébut

TESTE := Vrai;Pour tout élément de la partie Si de la Règle FaireDébut

Si non VERIFICATION (élément) AlorsDébutTESTE := Faux;Arrêt;Fin;

Fin Si;Fin;Fin Pour;Retourner(TESTE);

Fin TEST

• Moteur d’inférences– Raisonnement en chaînage

arrière

Algorithme

Les systèmes expertsFonction VERIFICATION (hypothèse):booléen;Début VERIFIE:=faux; Si hypothèse appartient à la base de faits Alors VERIFIE:= vrai; Sinon Si hypothèse appartient à la base de faits faux Alors VERIFIE:=faux; Sinon Construire l'ensemble des règles qui déduisent hypothèse; Si L'ensemble est vide Alors Début

Demander hypothèse à l'utilisateur;Si la réponse est "oui"

AlorsVERIFIE:=vrai

ajouter hypothèse à la base de faits Sinon

VERIFIE := faux; ajouter hypothèse à la base de faits faux; Fin Sinon Début

Pour toute règle de l'ensemble FaireDébut

Si TEST-SI(règle) Alors Début VERIFIE:=vrai; APPLICATION(règle); Arrêt; Fin; Fin Si;Fin;Fin Pour;Pour toute règle de l'ensemble FaireDébut

Si TEST (règle) Alors Début

VERIFIE:=vrai; APPLICATION(règle) Arrêt;

Fin Si; Fin; Fin Pour;

Fin Si; Fin; Fin Si; Retourner(VERIFIE);Fin VERIFICATION

Chapitre III

Documents

Transcript of Chapitre III