pp.

461-469 461

Approche d'une m6thodologie d'applications

de I'intelligence artificielle*
F61ix H A U T I N **

Analyse VI. Comment vit un systdme expert

VII. Conclusion.
L' article est destind ~ presenter les dl~ments mdthodo-
logiques d prendre en compte dans le ddveloppement Bibliographie (8 rdf ).
des applications de l'intelligence artificielle. Le cas des
syst~mes experts est plus particuli~rement prdsentd.
Les diffdrentes drapes du d6veloppement sont ddfinies
ainsi que l'dbauehe des arguments pertinents ~ chaque I. INTRODUCTION
dtape.
Mots ci6s : Intelligence artificielle, M6thodologie, Syst~me
expert.
Cet article a pour objet la m6thodologie d'applica-
tions de l'intelligence artificielle, ll n ' a pes pour ambi-
tion de proposer une nouvelle mdthodologie de d6velop-
METHODOLOGY pement, mais il cherche ~ effectuer une synthase des
FOR THE DESIGN diff6rents probl~mes ou questions pratiques qui se
OF ARTIFICIAL INTELLIGENCE posent 5~ route personne impliqu6e dans le ddveloppe-
APPLICATIONS ment d ' u n e application utilisant ces techniques.
Cette synth~se tient compte de notre expdrience dans
le d6veloppement de syst~mes experts et d ' u n certain
Abstract
n o m b r e d'articles sur les mdthodes r6f6renc6s dans
This paper is devoted to a presentation of the elements la bibliographic. La suite se concentrera sur le pro-
of a methodology for the design of artificial intel, igenee blame plus particulier du d6veloppement des syst~mes
applications. The case of expert systems is emphasized. experts, parce que d ' u n e part les probl~mes rencontr6s
The different design steps are defined and briefly peuvent atre 6tendus ~ toute application mettant en
justified. oeuvre des bases de connaissances et des interpr6teurs
Key words : Artificial intelligence, Methodology, Expert associ6s (moteur d'inf6rence), et que d ' a u t r e part
system. nous assistons /l une industrialisation rapide de ces
techniques.
La jeunesse de ces techniques fait que l'on ne
Sommaire dispose pas d ' u n e mdthodologie bien 61abor6e et
reconnue. Par aiUeurs, cette nouveaut6 s'accompagne
I. Introduction. d ' u n flou li6 au manque de f o r m a t i o n des candidats
II. Quand les systOmes experts peuvent-ils s'appli- r6alisateurs sur le sujet et h une certaine pr6sentation
quer ? commerciale, qui tendrait /t la faire apparaltre par
III. Dans quels domaines peuvent-ils s'appliquer ? trop id6ale, ce qui a m i n e un certain nombre de
IV. Quels sont les acteurs du d6veloppement de d6sillusions chez les clients.
syst~mes experts ? Cet aspect m6thodologique, qui sera confirm6 par
V. Quelles sont les diffOrentes dtapes de construction l'exp6rience, reste peu 6tudi6 et ce qui existe n'est pas
d'un systOme expert ? ou peu appliqu6. Ceci est 6galement constat6 dans

* Cet article a fait l'objet d'une communication pr6sentde b. la journ6e d'6tude <<Antennes et syst6mes experts >>organis6e par le CNET
et la SEE h Nice le 7 novembre 1986.
** C~ET, LAA-SLC,route de Tr6gastel, BP 40, 22301 Lannion Cedex.

1/9 ANy. T~LI~COMMUN.,42, n~ 7-8, 1987

462
le cas de ddveloppement de logiciels, off un certain
n o m b r e de m6thodologies existent mais leurs applica-
tions rencontrent des difficult6s dans le monde
industriel.
Certains consid6rent que les langages de repr6sen-
tation en intelligence artificielle peuvent par eux-
mames apporter un 616ment de solution au probl6me
prdc6dent de ddveloppement logiciel, d ' u n e part par
l'apparition de la notion de << prototype>>, d'autre
part par l'utilisation de langages de r6gles qui facilitent
le d6veloppement incrdmental de programmes. Mais
malgr6 la facilit6 apparente d'6criture de ces r6gles
et la souplesse fournie par ces langages, de nouveaux
probl6mes apparaissent tels que l'6volution et la
cohdrence de l'expertise mod61isde, qui peuvent freiner
les progr6s lids 5. l'utilisation de ces langages.
Cet article essaie d ' a p p o r t e r des 616ments de r6ponses
aux diff6rentes questions suivantes. Quand les syst6mes
experts peuvent-ils ~tre appliqu6s ? Dans quels
domaines ? Quels sont les acteurs du d6veloppement ?
Quelles sont les diff6rentes 6tapes pour d6velopper
les syst6mes experts ? C o m m e n t vit un syst6me
expert ?
Nous concluerons sur les difficult6s qui demeurent
et les 616ments qui permettent de penser q u ' u n avenir
plut6t ouvert s'offre ~t ces techniques malgr6 leurs
imperfections de jeunesse.
II. QUAND LES SYST~MES EXPERTS
PEUVENT-ILS S'APPLIQUER ?
Actuellement, par un effet de mode, ou plus vrai-
semblablement par une m6connaissance ou une vision
trop optimiste du probl~me, l'id6e d'utiliser des
syst6mes experts fleurit, dans des domaines tr6s divers.
I1 s'agit de r6soudre des probl6mes non abordables
jusqu'/t pr6sent par les m&hodes informatiques clas-
siques. I1 faut atre tr6s prudent sur l'utilisation de
ces nouvelles techniques si l'on ne veut pas &re d6~u
par les r6sultats. P o u r 6viter ces d6sagrdments, un
certain n o m b r e de prdcautions doivent atre prises.
D. W a t e r m a n [I] distingue trois 616ments ~t v6rifier
avant de commencer un d6veloppement : la possibilit6,
la justification et l'ad6quation.
ILl. PossibilitY.
9 Pour construire des syst6mes bas6s sur la
connaissance, il est n6cessaire que celle-ci existe,
c'est-h-dire qu'il existe des experts reconnus comme
tels. Ils font autorit6 dans le ou les probl6mes qu'ils
savent r6soudre et pour lesquels on recherche un
syst6me informatique pouvant ~tre qualifi6 d'expert
lui-m~me. Souvent, il est n6cessaire de faire appel ~t
plusieurs experts pour qualifier une repr6sentation
ANN. TI~L~COMMUN., 42, n~ 7-8, 1987
F. HAUTIN. - A P P L I C A T I O N S DE L ' I N T E L L I G E N C E ARTIFICIELLE
du domaine et /t une ou des m6thodes de r6solution
de probl6mes.
9 En g6n6ral, les t~ches pour lesquelles on cherche
/t mod61iser l'expertise ne sont pas mod61isables par
des m6thodes math6matiques. Par contre, la tfiche est
susceptible d'etre r6solue par un m61ange de m6thodes
heuristiques et algorithmiques. Des exemples off ceci
est particuli6rement vrai sont des domaines comme
la reconnaissance de la parole ou le traitement du
signal, off certains mod61es partiels math6matiques
qui peuvent n6cessiter des calculs importants co-
existent avec des m6thodes plus empiriques.
9 La fftche ne doit pas Etre trop complexe, car
dans ce cas on ne salt pas d6crire, ou on ne conna~t
pas l'interaction entre sous-fftches. Cependant, si l'on
peut isoler des sous-probl6mes que l'on sait r6soudre
par des mod61es heuristiques, la fftche, malgr6 la
complexit6 apparente, p o u r r a trouver des solutions
satisfaisantes.
II.2. Justification.
M~me si le probl6me peut ~tre possible ~t r6soudre
par un syst6me expert, ceci ne justifie pas forc6ment
l'utilisation de cette technique. Souvent, les arguments
qui justifient une telle approche sont li6s au caract6re
de l'organisation humaine qui r6sout la t~che.
9 La solution d'une t~che peut ~tre tr6s cofiteuse,
du fait de la non-disponibilit6 d'experts.
9 L'expertise humaine sur la t~che peut &re
perdue. Un exemple est le cas de la r6paration de
mat6riel ou de logiciel ancien mais de longue vie,
qui doit toujours fonctionner correctement, c o m m e
le syst6me d ' a u t o c o m m u t a t e u r CROSSBAR. U n autre
exemple concerne les v6rificateurs de tfiches tr6s
sp6cifiques c o m m e la d6tection des d6fauts dans la
fabrication de tubes de verre.
9 L'expertise humaine est fragile. En effet, souvent
il para~t ais6 de traiter les t~ches les plus courantes
mais une difficult6 peut survenir du fait q u ' u n h o m m e
oublie les cas peu courants, alors q u ' u n syst6me
informatique, plus fid61e, n'oubliera pas de les prendre
en compte.
9 L'expertise est n6cessaire dans plusieurs sites.
Ceci est particuli6rement courant dans le cas des
t616communications off l'on rencontre l'ex6cution
de m~mes fftches dans diff6rents lieux du r6seau
d'exploitation (centre d'exploitation des autocommu-
tateurs ou des lignes). I1 devient donc int6ressant de
pouvoir regrouper l'expertise commune aux diff6rents
sites. Les probl6mes rencontr6s dans l'un peuvent
se retrouver h des moments diff6rents dans l'autre.
9 Une autre justification, qui apparalt n o t a m m e n t
dans les applications militaires ou les technologies
/t haut risque, est la n6cessit6 de r6soudre un certain
nombre de t~ches expertes en milieu hostile.
2/9
F. H A U T I N . -- A P P L I C A T I O N S DE L'INTELLIGENCE
H.3. Ad~quation des techniques.
9
II s'agit de v6rifier que l'expertise que l'on veut
utiliser pour r6soudre un probl6me peut ~tre mod61i-
s6e par des langages symboliques, et qu'il existe des
solutions heuristiques.
9
I1 faut 6galement que la fftche soit suffisammertt
complexe. En effet, une tS.che triviale couramment
r6solue par un novice ne pr6sente aucun int6r~t.
9 II s'agit d'estimer la port6e du syst6me expert.
I1 doit avoir une valeur pratique et rester de dimension
g6rable. En effet, si les coots de d6veloppement sont
prohibitifs ou les coots d'utilisation trop 61ev6s,
ou s'il est n6cessaire de disposer de moyens en mat6riel
et en logiciel sans commune mesure avec la solution
actuelle du probl6me, l'approche syst6me expert devra
~tre 6cart6e.
III. DANS QUELS DOMAINES
PEUVENT-ILS S'APPLIQUER ?
Plut6t que de lister ici les diff6rents domaines pour
lesquels les techniques ont d6jh 6t6 appliqu6es comme
[~e~0ms
Prescriotions
2 !
i Donn~es ou connaie-
sances non sores
Combiner des preuves
de diff6rentes sources
ModUles probabilistes
ModUlesflous
Modeles exacts
F 9
las solutions D~gtielles
Ordre fixe des
bsttactions. J S~uctures sdaptae~.
6 I
J'Paa de s6quence fix6e
~es sous-Drnbl6mea J
Abslraction cons~uite.
.7 I Source de savoir uniqu6
s ,omos
Ir,t~-~,',t
I
I ModUles h6t~og,~nes
[Propagation de conVain-I
~tesla mo~ns con~'signante~
Generation efficace de
Plausibilit6s I largeur variable.
HeWS~an de r I
Raisonnement plausible I
FIG. 1. - - Classification des types de r6solution de p r o b l 6 m e s ( d ' a p r 6 s Stefik [1]).
Classifying of problem resolving methods.
3/9
ARTIFICIELLE 463
les exemples bien connus en m6decine, diagnostic,
recherche p6troli6re .... il parait plus utile de caract6-
riser les donn6es et les raisonnements mis en oeuvre
suivant le type de probl6me /t r6soudre. Une classifi-
cation des types de probl6mes avec leur degr6 de
difficult6 a 6t6 propos6e par Stefik [2].
Cette classification permet de donner, a priori, un
avis sur les difficult6s de d6veloppement et en fonction
du probl6me, une 6valuation des m6thodes qui seront
n6cessaires/t mettre en oeuvre. Elle peut servir de guide
~t la personne charg6e de d6velopper un syst6me
expert dans un domaine donn6, pour identifier d ' u n e
part les caract6ristiques de la connaissance, d ' a u t r e
part les outils et m6thodes n6cessaires. G6n6ralement,
les m6thodes de r6solution (algorithme de recherche
darts un espace de solutions) sont d6pendantes : de
la nature des donn6es, de la dimension de l'espace de
solutions, de la d6coupe des dorm6es en structures
plus ou moins abstraites.
La classification propos6e sera pr6sent6e suivant
des niveaux, chacun correspondant ~ l a lev6e d ' u n e
contrainte du niveau pr6c6dent (Fig. 1).
N i v e a u 1.
L'espace de recherche est petit, les donn6es et les
connaissances sont sores et leurs valeurs fixes.
Espace de solution petit,
Oonn~es sures et fixes
Connsissance sure
Recherche exhaustive
Raisonnement monotone
Raisonnement lin~aire
3
, ]
Donn6es d~pendantes Espace ds, s~utions
I
grand ct~compo~a~l
du temps
Hypotheses dE1~ndan- Hi~archic#.!e
tes des situations. G6n~rer et test~
I !!. ~____
' Raisonnement M6tho~,~ de repr~sonIa-
lin6aire vop faible.
tion trop inefftcaces
Raisonnement
multiple. Compilaticn
Tran~ormat~on de
1,O, J la connaissance.
et ~'op pauwe
r d6pendant
d'heuristiques.
e~,ace de roch~rche &
ANN. T~L~COMMU'N., 42, n ~ 7-8, 1987
464
Ces qualit6s impliquent que les donn6es sont fiables,
non bruit6es, routes connues et d6finies a priori. Elles
participent routes 5. la r6solution de probl~mes. Ceci
est peu c o m m u n dans les probl~mes rdels. II est
n6cessaire, dans les cas courants, de pouvoir identifier
les donndes pertinentes au probl~me. Un exemple
rdel est le diagnostic dans les autocommutateurs,
les sympt6mes d ' u n e panne peuvent ~tre non dis-
tinguables a priori car inclus dans d'autres donn6es
qui peuvent atre entach6es d'erreurs.
La connaissance doit ~tre elle-mame scare. Ceci
implique que route la connaissance existe, qu'il n'est
pas besoin de faire des hypothSses ; les r6sultats de
l'utilisation dc la coxmaissance, g6n6r6s par le syst~me
de d6duction, sont toujours additifs, un fait ou une
donn6e ddduit(e) n'est jamais remis(e) en cause.
Ces donndes infdrdes sont elles-m~mes scares. Le
syst~me est dit monotone.
L'espace de recherche est petit ; ceci signifie qu'il
n'est pas n6cessaire de tenir compte des probl~mes de
ressources informatiques tels que la m6moire et les
temps de calcul. L'organisation du syst6me expert
sera simple ; souvent les fairs seront reprdsent6s en
logique des pr6dicats.
N i v e a u 2.
Les connaissances et les donn6es ne sont pas scares.
I1 peut manquer un certain n o m b r e de donn6es,
d'autres peuvent atre consid6r6es comme incertaines.
Ceci implique que le syst6me doive tenir compte de
cet 6tat de fait en permettant de reprdsenter et de
rdpercuter des critares d ' a p p r o x i m a t i o n sur les faits
et la connaissance. L'exemple le plus connu est le
syst6me MYCIN [3] qui a introduit des facteurs de
confiance pour pond6rer les donn6es. Au lieu d'avoir
deux 6tats vrai ou faux, une donn6e a un facteur qui
indique son degr6 de v6rit6. Ce raisonnement est dit
incertain. Le but ici du r6solveur de problSme est de
montrer une 6vidence au moyen de donndes ayant des
facteurs concourants vers le mame rdsultat. D'autres
reprdsentations sont utilis6es p o u r traiter les donn6es
incertaines,telles que les probabilitds et la logique floue.
Le problSme qui demeure est la fixation initiale des
poids portant sur les donndes et la connaissance.
N i v e a u 3.
Les donndes varient au cours du temps.
Beaucoup d'applications n6cessitent la prise en
compte de la notion de temps. Ceci est particuliare-
ment vrai en robotique ou dans les syst6mes de con-
duite de processus industriels qui prennent en compte
des encha~nements de situations. Celles-ci 6voluent
en fonction des actions qui transforment l'environ-
nement. I1 devient donc indispensable de mod61iser
ces donn6es : les situations, l'6volution du temps,
les 6vdnements. La planification et la pr6diction sont
concern6es par une repr6sentation de situations futures.
Plusieurs situations possibles, concurrentes suivant
les hypotheses prises, doivent atre considdrdes. Ces
hypoth6ses reprdsentent des 6vdnements et des actions
ANN. T~LI~COMMUN., 42, n~ 7-8, 1987
F. HAUTIN. -- APPLICATIONS DE L ' I N T E L L I G E N C E ARTIFICIELLE
qui peuvent ~tre non ordonn6es. Les syst6mes capables
de prendre en compte ce genre de probl6me sont au
stade de la recherche.
N i v e a u 4.
L'espace des solutions est grand, mais il existe des
moyens d'dvaluation qui permettent d'61iminer rapi-
dement des sous-espaces.
Dans beaucoup de fftches c o m m e la reconnaissance
de la parole, il est utile de conserver toutes les hypo-
thSses que les donn6es observ6es n ' o n t pas permis
d'61iminer. Cette approche appel6e raisonnement par
61imination est aussi commune dans le cas du diagnos-
tic. Le probl6me est de conserver, de mani6re efficace,
toutes les solutions. Une m6thode consiste h travailler
en formulant des hypoth6ses et en faisant des tests
sur des sous-ensembles de solutions. Pour ceci, il
faut disposer de fonctions d'6valuation pour 61iminer
rapidement les solutions non pertinentes. Un exemple
dans la reconnaissance de la parole est la distinction
voyelle/consonne 5. partir des donn6es du signal.
Cette classifcation g6n6re des sous-espaces de solu-
tions.
N i v e a u 5.
I1 n'existe pas de fonctions d'6valuation du syst6me.
I1 devient trSs difficile d'61iminer rapidement des
solutions, ceci est vrai p o u r la planification et la
conception. S'il existe une structuration de la con-
naissance et des donn6es sous forme de hi6rarchie
de concepts qui mat6rialise une d6marche logique
du raisonnement li6e au domaine qui conduit ~ une
solution, la r6solution est d6compos6e en sous-fftches
ordonn6es, chacune n'6tant jamais remise en cause.
Ceci peut conduire h des situations de blocage si les
connaissances et la structuration fournie sont insuf-
fisantes.
N i v e a u 6.
I1 n'existe pas de d6composition fixe de sous-
problSmes.
Ici, par opposition au niveau pr6c6dent, il n'y a pas
de d6composition d'abstraction fixe, elle doit ~tre
construite pas /~ pas en tenant compte de donn6es
suppl6mentaires qui permettent de cr6er une hi6rarchie
des sous-probl6mes. On ne peut trouver q u ' u n ordre
partiel sur les 6tats interm6diaires de la rdsolution
de probl6me. Ceci est rencontr6 tr6s souvent dans la
planification. Certaines &apes d ' u n plan peuvent &re
red6compos6es en sous-fftches construites d6pendant
du contexte d'ex6cution. Ceci permet de mieux s'adap-
ter h l'6volution du monde environnant.
Niveau 7.
Les sous-probl6mes interagissent.
Les mdthodes pr6c6dentes supposent que la d6com-
position hi6rarchique qui pr6existe (niveau 5) ou qui
est partiellement construite (niveau 6) implique des
choix toujours identiques aux diff6rentes 6tapes pour le
m~me problame. Lorsque ceci n'est pas v6rifi6,
l'id6e est toujours d'effectuer les d6cisions le plus
4/9
F. H A U T I N , -- A P P L I C A T I O N S D E L ' I N T E L L I G E N C E A R T I F I C I E L L E
tard possible pour tenir compte des interactions
possibles entre sous-probl6mes qui pourraient appa-
raitre dans la suite de la r6solution. Ceci implique
que l'on sache quelles sont les donn6es pertinentes
pour le choix. Dans le cas o4 ces donn6es ne sont pas
disponibles, il faut suspendre la r6solution jusqu'&
ce qu'elles le deviennent. On peut alors reprendre
la r6solution et r~percuter les donn6es d ' u n probl~me
vers un autre probl6me.
Niveau 8.
Des informations plausibles doivent ~tre prises en
compte.
Le raisonnement plausible est un 616ment important
de la recherche heuristique. Les plausibilit6s prises en
compte par un r6solveur de probl6me peuvent s'av6rer
non admissibles au cours du raisonnement, il est donc
n6cessaire de g6rer celles-ci et de revenir & la situation
pr6c6dant la prise d'hypoth6se.
Cette m6thode de raisonnement suppose deux
6tapes importantes, la d6duction & partir de
Dits et l'~tude de coh6rence avec d'autres faits.
Souvent, cette d6duction s'effectue par une m6thode
dite de propagation de contraintes qui permet de
proche en proche d'appliquer les lois du domaine
(r6gles d'inf6rences, connaissance) pour d6duire de
nouvelles valeurs de faits. Ces derniers doivent aussi
r6pondre ~ d'autres lois, pour ce faire le syst6me
v6rifie ~ chaque pas la coh6rence des nouveaux faits.
Dans le cas o4 une contradiction apparalt, il s'agit
de lever celle-ci, en effectuant un choix sur les fairs
qui ont provoqu6 cette contradiction ; une m6thode
dite ~ retour arri6re dirig6 par les d6pendances ~) est
raise en ceuvre qui permet de retrouver les faits
concern6s. Cette m6thode est aussi nomm6e r6vision
des croyances ; elle permet de raisonner en pr6sence
de suppositions et de donn6es incompl6tes. Le pro-
bl6me le plus important est le choix des r6visions
faire, dont d6pend fortement l'efficacit6 r6elle du
syst~me. Ce mode de raisonnement est du domaine
de la recherche quoique certains syst6mes d6velopp6s
dans un cadre de conception assist6e par ordinateur
de circuits 61ectriques utilisent ces m6thodes [4].
Niveau 9.
Le raisonnement lin6aire est trop pauvre. Plusieurs
raisonnements effectu6s en parall61e sont utiles.
Des raisonnements parall61es peuvent aider la
r6solution de probl6me p o u r renforcer un r6sultat
dans le cas de recherche incompl6te et dans le cas de
coexistence de plusieurs mod61es.
Niveau 10.
Une source de connaissance unique peut ~tre
insuffisante, plusieurs sont utiles.
I1 est n6cessaire de pouvoir traiter des probl6mes
faisant appel ~t des sources de connaissance multiples.
Un exemple bien connu est le syst6me de reconnais-
sance de parole HEARSAY II [5]. Les niveaux hi6rar-
chiques des bases de connaissance mod61isent les
5/9
465
abstrections ~t diff6rents nivezux. Ces sources multiples
de eonnaisse, nce interf6rent zu m o y e n d'une structure
de donn6es commune qui permet la r6alisation de
raisonnements de types diff6rents. Ces diff6rentes
sources peuvent apporter des 616ments qui concourent
la r6solution de probl6mes par interaction entre
elles.
Niveau 11.
Les m6thodes de repr6sentation g6n6rales peuvent
~tre inefficaces.
Les architectures de syst6mes experts actuels sont
g6n6ralement tr6s simples. Mais dans le cas de la
mod61isation de bases de connaissance importantes,
d'autres probl6mes apparaissent, n o t a m m e n t celui de
l'efficacit6. I1 faut donc r6agir au niveau de la r6alisa-
tion pratique de ces outils de d6veloppement.
Pour ce faire, trois aspects sont consid6r6s :
- - l'utilisation de structures de donn~es sp6cialis6es ;
- la compilation de la connaissance ;
-
- - la transformation de la connaissance.
Ces 616ments sont bien connus en informatique
mais ils correspondent ici ~ des probl6mes encore
mal r6solus, n o t a m m e n t le 3 5 point qui est au stade
de la recherche, car la repr6sentation choisie est
toujours li6e /t son utilisation et une bonne repr6sen-
tation peut entralner une inefficacit6 du syst6me global
si l'on ne consid6re pas les deux aspects repr6sentation
et utilisation.
IV. QUELS SONT LES ACTEURS
DU DI~VELOPPEMENT
DE SYSTEMES EXPERTS ?
La construction de syst6mes experts suppose l'inter-
action entre plusieurs acteurs. Certains peuvent ne
pas exister dans une organisation.
Les acteurs sont : l'expert, le constructeur de l'outil
de d6veloppement de syst6me expert ou l'outil lui-
m~me, l'ing6nieur cogniticien, le programmeur, le
contr61eur ou gestionnaire du syst6me, l'utilisateur.
Bien stir, ces diff6rents acteurs peuvent, dans beaucoup
de cas, ~tre une m6me personne physique, mais il
paralt o p p o r t u n de les distinguer de par leur r61e
respectif dans ce cadre.
L'expert que nous avons auparavant d6fini et
qualifi6 par la connaissance qu'il a du domaine
concern6 est la source de l'information. C'est lui qui
d6tient les heuristiques de r6solution, les ~ trucs )),
les strat6gies, qui permettent d'aller tr~s vite ~ une
solution. I1 peut aussi d6tenir une connaissance plus
formelle soit sous forme de recueils ou notes diverses
sur le domaine concern6 : par exemple dans le cas de
l'installation d'autocommutateurs, le guide d'instal-
lation qui fournit le squelette de raisonnement logique
ANN. T~L~COMMUN., 42, n ~ 7-8, 1987
466
permettant une bonne installation du matariel et
logiciel. N o t o n s naturellement qu'il peut y avoir
plusieurs experts.
L'outil de daveloppement de syst~me expert joue
lui-mame un r61e important dans la mesure oh il aide
l'expert ~t modaliser sa connaissance, h tester et 6valuer
celle-ci au moyen de systames de traces plus ou moins
daveloppds et qui peuvent inclure des interfaces gra-
phiques. I1 se peut que, compte tenu de l'6tat des outils
disponibles ou possibles, le constructeur de ces outils
intervienrte pour adapter, modifier par exemple les
stratagies de rasolution ou pour construire des inter-
faces /t d'autres programmes.
L'inganieur cogniticien fait l'interface entre l'outil
d'une part et les experts d'autre part. I1 agit de maniare
interactive avec les experts pour la conceptualisation
de la connaissance puis il effectue les choix de reprd-
sentation. C'est lui qui le mieux p o u r r a indiquer
l'outil de ddveloppement adaquat. I1 possade une
compatence /~ la fois sur les mathodes et outils et sur
l'informatique en ganaral.
Le p r o g r a m m e u r est la personne qui code darts le
langage de l'outil la connaissance conceptualisae
auparavant. Sa compatence est relative h l'utilisation
de l'outil de daveloppement, et au langage de pro-
grammation pouvant atre n6cessaire pour certains
calculs ou p o u r rdaliser l'interface avec d'autres
systames, par exemple des bases de donnaes existantes.
Le contr61eur ou gestionnaire du systame a pour
charge de faire vivre le systame. C'est lui qui, dans la
phase d'exploitation, sera garant de la mise/t j o u r de
l'expertise et de sa coharence ; il sera /t ce moment
l'interlocuteur privilagi6 des experts. Normalement,
il deviendra un expert lui-mame sur la connaissance
moddlisde dans le syst~me.
V. Q U E L L E S S O N T
L E S DIFFI~RENTES I~TAPES
DE C O N S T R U C T I O N
D'UN SYSTEME EXPERT ?
Une fois que la dacision a 6t6 prise d'atudier et de
raaliser un systame expert, diffarentes 6tapes sont
caract~ristiques 1,__~ conceptspour
du probl~rne I ~ ] representerla
conna issance
IDENTIFICATION CONCEPTUALISATIONFORMALISAIION
FIG. 2. - - Etapes de i'acquisition de connaissances (d'aprSs B u c h a n a n et al. [5]).
Knowledge acquisition steps.
ANN. T~L1~COMMU'N., 42, n ~ 7-8, 1987
F. H A U T I N . -- A P P L I C A T I O N S DE L ' I N T E L L I G E N C E A R T I F I C I E L L E
nacessaires [6]. Ces 6tapes sont : l'identification du
problame h rasoudre et de l'expertise, la conceptualisa-
tion, la formalisation, la rdalisation, le test. Ces &apes
ne sont pas saquentielles, en fair le d6veloppement
du systame est toujours incramerttal, la connaissance
modalisae avolue rapidement au d6but puis petit ~t
petit se stabilise, bien que pouvant 6voluer constam-
ment. Cette stabilisation peut atre tras longue pour
arriver ~t un stade raellement utile. Un bon exemple
est le systame R1 (XCON) [7] qui a 6volu6 du stade de
prototype h celui de programme utile sur une pariode
sup6rieure h 2 ans avant d'etre raellement considar6
comme suffisamment expert et qui continue toujours
~t s'enrichir (Fig. 2).
V.1. Identification.
Elle consiste, en premier lieu, ~t varifier qu'il existe
bien une expertise, puis /t caractariser le problame /t
rasoudre, les connaissances et les donnaes /t prendre
en compte. Cette 6tape doit mettre en 6vidence les
diffarents acteurs h la fois du daveloppement et ensuite
de l'utilisation. L'inganieur cogniticien devra 6valuer
la complexit6 de raalisation en fonction des donnaes
(exactes, floues) de la connaissance (complate, incom-
plate), des modes de raisonnements (lin6aire, non
linaaire), de la dacoupe, possible ou pas, en sous-
problames identifi6s a priori ou construits darts le
raisonnement, et 6galement de l'environnement :
d'une part informatique (dimension de machine,
disposition d'outils de daveloppement ou non),
d'autre part h u m a i n suivant les utilisateurs visas.
V.2. Conceptualisation.
Ganaralement l'expertise existe sous diffarentes
formes : documents, par exemple les ragles p o u r
utiliser ou d6panner un systame ; une partie peut
dajh ~tre mod61isae, par exemple des modales de
structures de systames matariels qui aident le diagnostic
de pannes et expliquent la propagation de d6fauts
dans ce systame. Ce peut &re des modales matha-
matiques rigoureux qui correspondent ~t une mod61isa-
tion partielle d ' u n sous-ensemble limit6. Cependant,
Reformulation
Reco rlcep~ n
Altinage
I I
Codage [ [ Validerl'organi-
satkm de la de la ~ I sationde la
connaiss,~nce connaissance r
REALISATION EVALUATION
6/9
F. HAUTIN. -- APPLICATIONS DE L'INTELLIGENCE ARTIFICIELLE
la partie la plus pertinente n'existe pas g6n6ralement
sur des supports physiques tels des documents, mais
elle est, soit partiellement implicite au travers de
r6sultats d'observation ou de d6pannage, soit m~me
totalement implicite dans la (( t ~ t e , de l'expert.
La premi6re t~che consiste donc ~t trouver cette
expertise, puis fi la conceptualiser ; c'est-h-dire d6finir
un <~ l a n g a g e , de l'expert : les concepts manipul6s,
leurs relations, comment ces concepts et relations
participent fi un raisonnement. Souvent une approche
incr6mentale et descendante est n6cessaire. Dans un
premier temps, on essaie de trouver la strat6gie,
le raisonnement par grandes 6tapes, puis ensuite on
cherche fi identifier les d6tails.
Le r6sultat de cette fftche reste le plus souvent un
texte plus ou moins structur6 6crit en langage courant.
Le processus de transfert d'expertise de l'expert
vers l'ing6nieur cogniticien est complexe. Celui-ci
dolt interagir avec l'expert au moyen d'interviews
qui peuvent s'6taler sur une p6riode assez longue,
g6n6ralement plusieurs mois. I1 est souvent opportun,
d6s que l'on dispose d ' u n corpus de connaissance
suffisant et que le probl~me fi r6soudre a 6t6 bien
caract6ris6, d'effectuer toutes les 6tapes pr6c6dentes
jusqu'au codage avec l'outil de d6veloppement ;
ceci permet << d ' a c c r o c h e r , plus ais6ment l'expert
et aide l'ing6nieur cogniticien ~t trouver les <<b o n n e s ,
questions ~. poser ~t l'expert.
Les difficult6s qui apparaissent sont li6es :
- - aux raccourcis que prend souvent l'expert qui
ne peut ensuite expliquer le pourquoi de ses d6cisions ;
-- h la m6connaissance de l'ing6nieur cogniticien
du domaine lui-m~me ; souvent il lui est n6cessaire
d'acqu6rir des connaissances sur le domaine pour
comprendre le langage de l'expert.
Un moyen p o u r r6soudre ces difficult6s est de mettre
un expert en situation de r6solution et de suivre son
cheminemertt.
L'aboutissement de ces discussions sera une liste de
concepts utilis6s et leurs relations, et un ensemble de
raisonnements utilis6s par l'expert dans certaines
situations, elles-m~mes d6crites en terme de concepts
et relations pr6c6dentes. Un certain nombre de
raisonnements seront li6s fi la r6solution de sous-
probl~mes et l'enchainement de sous-probl~mes sera
identifi6.
V.3. Formafisation.
A la suite des travaux pr6c6dents, il faut choisir
un outil de d6veloppement et 6tudier la structuration
de la connaissance relativement ~t cet outil.
Le choix d ' u n outil est difficile dans la mesure ofa
ceux-ci n ' o n t pas 6t6 d6velopp6s pour accomplir
une t~_che sp6cifique et que certaines repr6sentations
choisies p o u r des outils peuvent &re 6quivalentes
(frames, scripts, objets, r6gles, logique...) [8]. Aussi,
souvent le choix est guid6 par la connaissance d'un
7/9
467
outil d o n t la ma~trise est assur6e par l'environnement
imm6diat, ou par le support informatique disponible,
par exemple l'existence d'un langage LISP ou PROLOG
sur la machine accessible.
Les 616ments qui iaterviennent dans les choix
sont :
- - L ' a d 6 q u a t i o n des possibilit6s de repr6sentations
fournies par l'outil, aux connaissances fi mod61iser.
Ceci recouvre les moyens de repr6sentation ~t la fois
des donn6es, de la connaissance (r6gles d'inf6rences)
et du raisonnement. Certains outils peuvent &re plus
ouverts que d'autres qui ont par exemple un m6ca-
nisme de raisonnement fig& Ils permettent une adap-
tation plus ais6e au probl6me.
-- Le support de l'outil. Souvent l'outil ad6quat
reste du domaine de la recherche et est exp6rimental.
I1 ne peut ~tre utitis6 dans un environnement industriel
sans investissement cons6quent ou sans support
imm6diat dans l'entreprise. Ou bien l'outil est dispo-
nible mais son utilisation suppose l'achat d ' u n e
machine de support cofiteuse (machines sp6cialis6es
LISP), par contre le cofit de d6veloppement peut 6tre
fortement r6duit par l'utilisation de ces outils.
- - Le choix peut d6pendre de la fiabilit6 connue
de l'outil et de sa difficult6 de maintenance. Chaque
cas est sp6cifique et d6pend de l'environnement de
l'entreprise suivant qu'il existe ou non une 6quipe
sp6cialis6e en intelligence artificielle.
- - U n autre 6Mment important fi prendre en compte
se rapporte aux possibilit6s de l'outil : p o u r l'aide fi
l'entr6e de connaissance et fi l'6valuation de celle-ci,
comme par exemple les traces, les modes d'ex6cution,
l'explication.
- - Les possibilit6s d'int6gration dans l'environne-
ment des applications existantes (interface vers d'autres
langages de programmation, avec des bases de
donn6es).
Un autre point, qui peut rentrer dans le choix,
est la vie du syst6me expert apr~s d6veloppement.
La phase de d6veloppement peut n6cessiter des outils
plus sophistiqu6s que la phase d'exploitation pour
laquelle des structures informatiques plus 16g~res
peuvent ~tre souhait6es ou n6cessaires en fonction
des cofits.
V.4. R~alisation.
Cette phase correspond ~ l'entr6e des donn6es et des
connaissances au m o y e n de l'outil choisi dans la
phase pr6c6dente.
Contrairement au d6veloppement des programmes
en informatique classique, ici la p r o g r a m m a t i o n
s'effectue de fagon incr6mentale. Le temps pass6 au
codage p r o p r e m e n t dit peut atre tr6s faible suivant
que l ' o n dispose d'interfaces 61abor6es ou non.
L'int6r~t de l'approche en intelligence artificielle
r6side dans le peu de distance qui existe entre la
ANN. T~,L~COMMUN., 42, n ~ 7-8, 1987
468
sp6cification rdalis6e par l'ing6nieur-cogniticien et le
langage de l'outil, certains n'h6sitant pas quelquefois
fi parler de p r o g r a m m a t i o n en langue naturelle
pour 6voquer ceci. C'est aussi pourquoi le ddvelop-
pement de maquette est g6n6ralement r6alis6 fi l'aide
d'outils plus 61abor6s que le syst6me vis6 en utilisation.
Des outils commerciaux proposent m~me des facilit6s
de transport des applications de machines sp6cialis6es
(LISP) utilis6es pour le d6veloppement sur des postes
de travail de type IBM PC.
La r6alisation peut, dans certains cas, ~tre effectu6e
/t l'aide de langages de p r o g r a m m a t i o n classiques
(PASCAL, C...) mais dans ce cas les cofits et d61ais sont
beaucoup plus importants. L'utilisation de ces lan-
gages est prise en compte quand le syst6me expert
arrive dans une phase de stabilisation effective.
Dans ce processus, il est i m p o r t a n t de pouvoir
utiliser d'autres donndes issues de l'environnement :
fichiers, bases de donn6es, commandes de manipula-
tion d'autres syst~mes. I1 est donc n6cessaire de pou-
voir int6grer ais6ment ces 616ments externes. Certains
outils commerciaux offrent de telles possibilit6s ;
ils apparaissent comme un ensemble int6grant base
de donndes, tableur, langage de r6gles.
V.5. Test.
Cette phase est effectu6e par les experts.
Elle consiste/~ juger de l'expertise mod61is6e. Elle se
d6roule jusqu'~t ce que le fonctionnement soit consid6r6
comme utile, que le syst~me expert fournisse des
rdsultats comparables ~t ceux d ' u n expert du domaine.
II est donc difficile de d o n n e r un seuil pour lequel le
test peut atre considdr6 c o m m e bon, ceci ddpend de
chaque domaine d'application.
L'obtention de performances acceptables rend, dans
certains cas, n6cessaire la modification soit de l'exper-
tise, soit des donndes de contr61e, et m~me parfois
de l'outil.
Le test est plus ais6 dans le cas off l'outil fournit des
fonctions d'observation 61abor6es ; celles-ci sont
indispensables si les connaissances deviennent volu-
mineuses et complexes. L ' e x p e r t ne p o u r r a plus domi-
ner l'ensemble des connaissances, il faut donc l'aider.
Les modifications incr6mentales deviennent difficiles,
leurs cons6quences non visibles directement.
Un autre 616ment i m p o r t a n t p o u r l'impact de l'outil
est l'adaptation de l'outil ~ l'utilisateur final. G6n6rale-
ment, il faut l'int6grer fi l'ensemble des moyens mis
~t la disposition de cet utilisateur.
VI. C O M M E N T VIT
UN SYST~ME EXPERT ?
Le syst~me expert lui-mame passe par deux phases
identifi6es, qui marquent l'6tat de la connaissance
mod61is6e, associ6 /t l'6tat de l'outil support.
ANN. TF.LI~COMMUN.,42, n ~ 7-8, 1987
r . HAUTIN. - APPLICATIONS DE L'INTELLIGENCE ARTIFICIELLE
VI.1. La phase exp6rimentale.
La d6cision d'analyse de la connaissance 6tant
accept6e, une premi6re mod61isation est faite qui
permet de caract6riser fi la fois la difficult6 du pro-
blame, l'ad6quation et les limites des outils disponibles.
C'est le stade de la maquette. Celle-ci est le plus souvent
lente, inefficace ; les fonctions d'explication ou d'obser-
vation ne sont pas d6velopp6es. L'environnement est
pauvre. La maquette n'est pas int6gr6e/t son environ-
nement. L'aboutissement de cette phase est une sp6cifi-
cation d6taill6e du syst~me vis6.
VI.2. La phase industrielle.
Les diff6rentes contraintes autant matdrielles qu'hu-
maines sont connues. I1 s'agit ici de viser un outil pour
les utilisateurs en exploitation. Les coots d'utilisation,
de diffusion interviennent. L'ergonomie du syst6me
devient un 616ment important.
L'int6gration avec l'environnement est r6alis6e.
I1 faut noter qu'une caract6ristique des syst6mes
experts est l'6volution des connaissances qui peut atre
permanente et qui oblige / t u n suivi rigoureux en
exploitation de mame nature que l'6volution du logiciel
en informatique classique.
VII. CONCLUSION
Cet article a essay6 de mettre en 6vidence un certain
nombre d'616ments qui participent ~t la r6alisation
de syst~mes experts. Les diff6rentes Stapes ne sont pas
s6quentielles, elles s'imbriquent toujours. N6anmoins,
l'identification des t~ches et leur enchainement peut
atre un apport pour toute personne impliqu6e dans le
d6veloppement de syst~me expert.
Cette approche, ~ bien des 6gards, apporte une aide
dans un certain nombre de problames mettant en jeu
la connaissance. Celle-ci devient explicite et perma-
nente, facile fi transf6rer, /t dupliquer, fid~le, par
opposition fi l'expertise humaine qui reste p6rissable,
impr6visible, et cofiteuse.
N6anmoins, un certain n o m b r e de difficult6s demeu-
rent : la formation ~t ces nouvelles techniques n'est pas
toujours suffisante ; les outils et ressources logicielles,
mat6rielles ne sont pas toujours disponibles quoique
l'6volution actuelle rende ceci moins critique.
D'autres limitations sont inh6rentes fi l'&at de la
technologie, particuli6rement en ce qui concerne le
traitement du temps, les limitations du domaine
&expertise, la coh6rence des bases de connaissance,
l'aide h l'acquisition de connaissance. Ces sujets
n6cessitent des 6tudes au niveau de la recherche.
N6anmoins, ces nouvelles techniques produisent
des r6sultats utiles. Leur utilisation et la r6flexion
8/9
F. HAUTIN. -- APPLICATIONS DE L'INTELLIGENCE ARTIFICIELLE
qu'elles e n t r a i n e n t d e v r a i e n t amerter ~t u n e meilleure
c o m p r 6 h e n s i o n d u p r o c e s s u s de r6solutiort de pro-
blames. L ' a v e n i r de ces t e c h n o l o g i e s est tr6s ouvert,
c o m p t e t e n u de l ' 6 v o l u t i o n vers la baisse des coots
des mat6riels, de la d i s p o n i b i l i t 6 de logiciels de plus
[1] WATERMAN(D.). A guide to expert system. Addison Wesley,
USA (1986), pp. 127-134.
[2] STEHK (M.) et al. The organization of expert systems, a
tutorial. Artificial Intelligence, USA (mars 1982), 18, n ~ 2,
pp. 135-173.
[3] SHORTLIFEE(E. H.). Computer based medical consultation :
MYCIN. Elsevier Computer Science Library, Amsterdam
(1976).
[4] STALLMAN (R. M.), SI.)'SSMAN (G. J.). Forward reasoning
and dependency - directed backtracking in a system for
computer-aided circuit analysis. Artificial Intelligence, USA
(1977), 9, pp. 135-196.
9/9
469
en plus n o m b r e u x , des r6sultats o b t e n u s p a r l'effort
de f o r m a t i o n effectu6 d a n s les a n n 6 e s pr6c6dentes.
M a n u s c r i t r e f u le 10 m a r s 1987,
a c c e p t d le 29 m a r s 1987.
BIBLIOGRAPHIE
[5] ERMAN(L. D.) et al. The HEARSAYII speech - understanding
system : integrating knowledge to resolve uncertainties.
Computing Surveys, USA (juin 1980), 12, n ~ 2, pp. 213-253.
[6] BUCHANAN (B.) et al. Constructing art expert system.
Building expert systems [F. I'{AY'RES-ROTH,D. WATERMAN,
D. LENAT], Haddison-Wesley, USA (1983), pp. 127-167.
[7] DERMOTT(J. M.). R1 : A rule based eonfigurer of computer
systems. Department of Computer Science, Carnegie Mellon
Univ., Report CMU-CS-80-119 (avril 1980).
[8] BARR (A.), FEIGENBAUM(E.). Representation of knowledge.
Chap. III, The handbook of artificial intelligence, ed.
Kaufmann, 1.
ANN. T~LI~COMMUN.,42, n ~ 7-8, 1987