République Algérienne Démocratique et Populaire

Ministère de l'Eneseignement Supérieur et de la Recherche Scientifique

Université Abbès Laghrour - Khenchela
Département de mathématique et de l’informatique

1 Master : Sécurité et Technologies Web (STW)

Niveau : 1ère Année Master MI – premier semestre

Enseignante: Lehis S
2020/2021
2 Représentation de connaissances :

 Intitulé du Master : Sécurité et Technologies Web (STW)

 Intitulé de la matière : Représentation de connaissances
 Unité d'enseignement: UE fondamentales
 Semestre: 1
 Crédit: 6
 Coefficient: 3
 Volume horaire d'enseignement hebdomadaire: 4h30
• Cours : 3h00
• TD : 1h30
 Enseignant responsable de la matière: Lehis Saida
 Mode d’évaluation :
• Pondération : Examen Final (EF)=67% , (CC)=33%
3 Objectifs:

 Présenter les différents formalismes de

représentation de connaissances en mettant
l’accent d’une part sur leur déclarativité, leur
expressivité ; et d’autre part, sur les algorithmes
d’inférences permettant de mécaniser des
raisonnements sur ces formalismes.
4 Contenu de la matière :

 Chapitre 1 : Introduction à la représentation des connaissances

 Chapitre 2: Représentation structurée de la connaissances

 Chapitre 3 : Formalisme des Graphes Conceptuels

 Chapitre 4 : Formalisme des Logiques de descriptions

5 Qu’est ce que l’intelligence artificielle ?

 L'intelligence artificielle (lA) est une discipline scientifique jeune, qui, comme
d'autres domaines des sciences du traitement de l'information, est née au
milieu du XXe siècle, avec l'arrivée des premiers ordinateurs.

 Les préoccupations qui la motivent sont cependant beaucoup plus anciennes,

et peuvent schématiquement se regrouper autour de deux grandes questions:

 la compréhension des processus de raisonnement

 et la possibilité de concevoir des machines susceptibles d'avoir un

comportement « intelligent ».
6 Qu’est ce que l’intelligence artificielle ?

Quelques exemples de tâches "intelligentes" :

 le raisonnement de bon sens
 l’étude des sciences (physique, mathématiques, ...)
 la compréhension d’une langue
 l’écriture de logiciels
 la conduite d’un véhicule
 ...
7 Qu’est ce que l’intelligence artificielle ?

 Le terme « intelligence artificielle », créé par John McCarthy, est souvent abrégé
par « IA » (ou « AI » en anglais, pour Artificial Intelligence).

 Il est défini par l’un de ses créateurs, Marvin Lee Minsky, comme:
« la construction de programmes informatiques qui s’adonnent à des tâches qui
sont, pour l’instant, accomplies de façon plus satisfaisante par des êtres humains
car elles demandent des processus mentaux de haut niveau tels que :
l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement
critique ».

 Une définition approximative:

Reproduire le comportement humain.
8 quelques définitions :

 « Si l'informatique est la science du traitement de l'information, l'I.A. s'intéresse à

tous les cas où ce traitement ne peut être ramené à une méthode simple,
précise, algorithmique » (Laurière 87).

 L’IA est « l’application de logiciels et de techniques de programmation mettant

en lumière les principes de l’intelligence en général, et de la pensée humaine
en particulier » (Boden).

 … « l’étude de l’intelligence, indépendamment de sa manifestation chez

l’homme, l’animal ou la machine » (McCarthy)
 … « la science s’intéressant aux machines qui réalisent ce qui, fait par l’homme,
nécessiterait de l’intelligence » (Minsky).
 "L'intelligence artificielle peut être définie comme la tentative d'obtenir des
machines comme celles qu'on voit dans les films." ..(Russell Beale)
9 l’intelligence artificielle et l’informatique:
10 Historique de l’intelligence artificielle :

1943 : McCulloch et Pitts créent le modèle du neurone formel

1948 : Création de la cybernétique (science des systèmes) par
Norbert Wiener.
1949 : Hebb établit la première règle d'apprentissage neuronal
1950 Shannon, 1952 Samuel, 1953 Turing : machine pour jouer
aux échecs
1956: Dartmouth Workshop - John McCarthy propose le terme
« Artificial Intelligence »
1958: MIT – John McCarthy crée le « langage LISP »
11 Historique de l’intelligence artificielle :

1960-1966: Représentation des connaissances et inférences en

logique formelle (Méthode de la résolution Robinson)

1965: Zadeh crée la logique floue

1965: Une équipe de Stanford University, sous la direction d'Ed

Feigenbaum, réalise le 1er système expert (DENDRAL)

Weizenbaum, J., (1966) ELIZA - A computer program for the study of

natural language communication between man and machine.
Communications of the ACM, 9.1:36-45.

General Problem Solver (1969): résolveur de problèmes général

1970: PROLOG
12 Historique de l’intelligence artificielle :

Le renouveau (les premiers systèmes experts) 1969-1979

 DENDRAL réalise l'analyse automatique des spectres de masse pour
déterminer la structure moléculaire du corps chimique étudié. “Heuristics
Dendral : A program for generating explanatory hypotheses in organic
chemistry.” de B. Buchanan, Sutherland, Feigenbaum, Machine Intelligence,
1969

 MYCIN diagnostique les maladies infectieuses du sang et propose un

traitement approprié. “ Computer based medical consultations : MYCIN” de E.
Shortliffe, 1976

L’IA institutionnalisée 1980-aujourd’hui

 Une industrie (SE, Systèmes d’apprentissage, interfaces ergonomiques, Data
Mining, etc.)
13 Historique de l’intelligence artificielle :

Les principaux langages de l’intelligence artificielle :

Lisp (1960, J. MacCarthy)

Prolog (1973, A. Colmerauer), Prolog avec contraintes

SmallTalk (1972, A. Kay)

JAVA (1994) , C++, Scheme, ...

 Qu’est ce que l’intelligence artificielle ?
14

L’IA couvre actuellement des sujets de recherche aussi variés tels que:

 Le dialogue automatique : se faire comprendre en lui parlant ;

 La reconnaissance de formes: (code barre, visage, empreinte digitale, etc);
 le traitement automatique du langage naturel: la correction orthographique, la
traduction automatique… ;

 la robotique: la conception et la réalisation de machines automatiques ou de

robots.

 Le système expert : un outil capable de reproduire les mécanismes cognitifs d'un

expert, dans un domaine particulier (ex: diagnostic du médecin);

 Moteurs de recherche sémantique: Web sémantique;

 Les jeux: "le jeu d’échecs", …
15
La représentation des connaissances
Introduction :

 La réalisation d'un système à base de connaissances implique la

modélisation des connaissances dans le domaine considéré. Le
problème qui se pose est de trouver des structures informatiques qui
permettront non seulement le stockage de ces connaissances mais aussi
l'utilisation correcte de celles ci.
 Barr et Feigenbaum donnent la définition suivante :

« une représentation des connaissances est une combinaison de structures

de données et de procédures interprétatives qui, utilisées correctement
dans un programme, conduiront à un comportement intelligent » (Barr).
16
La représentation des connaissances
Introduction :
La représentation des connaissances est la partie d’IA
qui s’intéresse à la façon dont un être humain utilise ce
qu’il sait pour décider quoi faire.

 Le choix d'une bonne représentation des connaissances n'est pas aisé

puisqu'aucun formalisme universel n'existe ; au contraire, plusieurs sont
disponibles tels que : les modèles logiques, les procédures, les règles de
production, les réseaux sémantiques, les graphe conceptuels, le modèle
orientée objet, ...
17 La connaissance: concepts et définitions

 Les termes « donnée, information, connaissance » sont utiliser

dans des contextes multiples avec des significations nuancées,
différentes définitions existent nous en donnons quelques
définitions:
18 Donnée, Information et Connaissance:

Donnée:

Une donnée est un élément brut pris en dehors de tout contexte, Cette donnée ne
prendra de la valeur qu’une fois mise en contexte.

Une donnée est un élément fondamental et objectif, qualitatif ou quantitatif servant

de base à un raisonnement ou à la réalisation des traitements.

Une donnée est dévient une information lorsque mis en contexte et porte un sens.

Exemple:

« Caldo » (bruit)

« 15°C», « Khenchela», « Aujourd’hui » (aucun sens)

19 Donnée, Information et Connaissance:

Information :
Les données se transforment en information lorsqu’elles sont communiquées à
un être humain capable de l’interpréter.

Une information est un ensemble de données qui prend un sens ou une

interprétation.

Exemple:

« Caldo » signifie « Chaud » en italien

Aujourd’hui, la température à la ville de Khenchela est 25°C

20 Donnée, Information et Connaissance:
Connaissance:
Différentes définitions peuvent associe au terme « connaissance » provenant de
diverses disciplines : philosophie, psychologie, sciences de l’information, sciences
humaines et sociales, etc.

Nous avons retenu la définition d’Audrey Mazuy :

 « La connaissance renvoie à la capacité de disposer d’une représentation

mentale d’une réalité plus ou moins bien circonscrite… Toute connaissance d’un
objet au sens le plus large du terme implique ainsi de disposer de descripteurs, de
valeurs et de relations, et va dans le sens d’une théorisation, qui tend à être
partagée, soit par un groupe social, soit par la société toute entière»
21 Donnée, Information et Connaissance:

 Connaissance:
Informations assimilées et interprétées + possibilité de mise en
action de l'information interprétée
L'information devient de la connaissance quand celle-ci est
assimilée.

Exemple:
Aujourd'hui, Il fait beau à Khenchela
22 Donnée, Information et Connaissance:

Connaissance
Information assimilée pour
réaliser une action

Information
Donnée mise en contexte

Donnée
Elément brut en dehors de tout contexte

LE MODÈLE CONVENTIONNEL DE CRÉATIONS DE CONNAISSANCES

23 Donnée, Information et Connaissance:

On distingue deux grands types de connaissances les connaissances tacites

et connaissance explicite.

 La connaissance tacite est personnelle, elle regroupe des compétences

innées ou acquises, le savoir-faire et l’expérience de l’individu. Elle est
généralement difficile à formaliser et à communiquer.

 La connaissance explicite peut être clairement articulée sur un support et

est donc plus facilement transférable (à l’écrit comme à l’oral) et
partagée par une communauté.
24 Système à base de connaissances:

 L’un des buts de l’intelligence artificielle est de concevoir

des systèmes capables de reproduire le comportement de
l’être humain dans ses activités de raisonnement.

Système à base de connaissances

25 Système à base de connaissances:

Dans un système à base de connaissances on a donc besoin a la fois :

 d’un formalisme pour représenter les connaissances

 d’un mécanisme de raisonnement appelé souvent « moteur

d’inférence» qui est capable d’enchaîner des inférences sur les
représentations de ces connaissances.
26 Système à base de connaissances:

 Un SBC est principalement constitué de 4 éléments

Module
d'explication Base de
Module
connaissances
d'inférence

Interaction
utilisateur
27 Système à base de connaissances:

 Un SBC est principalement constitué de 4 éléments:

 un système cognitif : appelés selon les cas structures de contrôle, interpréteurs,
moteurs d’inférence, dont la fonction la plus importante est de résoudre les
problèmes qui sont posés au système,

 une base de connaissances : pour le stockage des connaissances du domaine

considéré acquises auprès des experts compétents. Elle sert à rassembler - de
manière centralisée - l'expertise d'un domaine généralement formalisée de
manière déclarative.

 une interface : assurant un dialogue convivial entre utilisateur et système,

 un module explicatif : donnant le raisonnement suivi par le système pour aboutir à

certaine solutions et fournissant d'autre types d'explication.
28 Objectifs, attentes d’un SBC :

 Inscrire les connaissances en tant que connaissance (pas seulement en

tant qu’information) dans un système :

Pour « conserver » des savoirs, des savoir-faire et leur sémantique associée

 Disposer d’un « moteur » permettant d’enchaîner des inférences sur ces

inscriptions de connaissances :

Pour « exploiter » les savoirs et savoir-faire ainsi « conservés ».

29 Raisonnement dans un SBC :

 Le SBC opère comme une machine abstraite dans laquelle l'unité

de traitement correspond au moteur d'inférence et la mémoire est
la base de connaissances:

 Le moteur d'inférence interprète les connaissances de la base pour

développer un raisonnement.

 Chaque opération du moteur est appelée une inférence et a pour

conséquence la production de nouvelles connaissances.
30 Raisonnement dans un SBC :

interrogation

Moteur Ajout de Base de

d’inférence connaissances connaissances

Raisonner = appliquer un ensemble de mécanismes d'inférences sur la

base de connaissances jusqu'à obtention du but recherché.
31 Types de raisonnement :

 Il existe différents types de raisonnement:

Raisonnement

Déductif Sens commun

Inductif Analogique
Abductif
32
Types de raisonnement :
Raisonnement par déduction

A partir d'une règle et d'un cas pour obtenir (conclusion) le

résultat de cette règle dans ce cas.

Exemple 1:
 Règle : Tous les haricots de ce sac sont blancs
 Cas : Ces haricots sont tirés de ce sac.
 Résultat : Ces haricots sont blancs.
Exemple 2:
 Les hommes sont mortels, Socrate est un homme, donc Socrate est
mortel
33 Types de raisonnement :

 Raisonnement par induction:

 Un ensemble d'objets {a, b, c, d, ...},

 Une propriété P vraie pour les objets a, b, c,... de l'ensemble,
 On déduit que P est vraie pour tout x de l'ensemble.
Sans certitude, car un seul contre-exemple suffit pour la réfuter.

Exemple :
Tous les corbeaux que je vois sont noirs, je n'ai jamais rencontré de corbeaux
d'une autre couleur. J'en "induis" la loi générale que tous les corbeaux sont noirs.
Mais il ne s'agit que d'une quasi-certitude, car le premier contre
exemple (voir par exemple un corbeau blanc), mettra en cause la loi
précédemment établie qui s'avèrera fausse.
34 Types de raisonnement :

 Raisonnement par abduction

Le raisonnement par abduction est un mode de raisonnement fréquemment
employé dans la recherche scientifique. Il est également utilisé pour faire
des diagnostics médicaux notamment, ou dans les enquêtes policières.

Exemple : face à une série de symptômes (A1, A2, A3, etc.), le médecin peut
diagnostiquer une maladie (B) dont il est reconnu qu'elle peut provoquer
chacun de ces symptômes.

Remarque: Le raisonnement par abduction n'aboutit pas à une vérité, mais

apporte une hypothèse probable qu'il y a lieu d'explorer et de vérifier.
35 Types de raisonnement :

 Raisonnement par analogie:

 Faire une analogie entre 2 situations, Rechercher les similarités
et différences, etc.
 Il consiste à transférer une connaissance d'un cas particulier à
un autre cas particulier qui lui ressemble
Exemple du raisonnement de Benjamin Franklin :

La foudre et l'étincelle électrique se ressemblent, elles ont la même couleur,

la même odeur, le même comportement sur les corps organisés. L'étincelle
électrique est attirée par les pointes. Franklin a supposé que la foudre était
une décharge électrique et que la foudre était attirée par les pointes comme
le courant électrique, ce qui conduisit à l'invention du paratonnerre.
36 Types de raisonnement :

 Raisonnement sens commun:

 S'appuie sur l'expérience de l'expert, sur la notion de "bon"

jugement, plus que sur la logique.
37 La représentation des connaissances :

Connaissance:
Le dictionnaire (Le petit Robert, 2004) propose plusieurs définitions pour le
mot « connaissance » :

 Fait, manière de connaître : conscience, compréhension,

découverte, certitude (‫)الوعي والفهم واالكتشاف واليقين‬.

 Faculté de connaître propre à un être vivant : intelligence.

 (Les connaissances) : ce qui est connu .

38 La représentation des connaissances :

 Connaissance :

 Le mot « connaissance » est définit comme étant

l’ensemble d’informations relatives à un domaine
d’expertise.

 La connaissance est une activité intellectuelle visant à

avoir la compétence de quelque chose.
39 La représentation des connaissances :
Représentation:
 Une représentation est une structure de symboles pour décrire un modèle du
monde dans le contexte d’une tâche particulière.

 La représentation d’une entité sur laquelle on souhaite opérer est nécessairement

une approximation de cette entité ( si la représentation devait posséder toutes les
propriétés de l’entité représentée, il s’agirait de l’entité elle-même !!!).

 Une représentation d’une entité est toujours < à l’entité réelle.

En résumé, une représentation porte sur le monde que nous observons,

elle permet à travers une structure de symboles, de construire et de
décrire un modèle approximatif du monde observé.
 La représentation des connaissances :

 Le but de la représentation des connaissances est de

rendre compte d’un domaine particulier de telle sorte que
cette représentation soit manipulable par la machine.

40/46
41 La représentation des connaissances :

la représentation des connaissances dans une vision (partielle) de l’IA

Possède Ordinateur Possède

fonctionnalité fonctionnalité
Possède Possède
fonctionnalité fonctionnalité

Représentation des
Traitement du Raisonnement Apprentissage
connaissances
langage naturel automatique

Permet de
Permet de Organise Utilise Permet de

Communiquer Répondre aux Tirer des

questions conclusions
Connaissances
42 Les types de connaissances :
Les connaissances peuvent être de types divers, on distingue en particulier :

 les objets du monde réel;

 les assertions et les définitions sur ces objets;
 les concepts qui sont des agrégations ou généralisations des objets;
 les relations entre les objets ou les concepts;
 les méthodes;
 la méta-connaissance : la connaissance sur la connaissance d'un
problème donné (ex: méta-connaissances sur la confiance ou la
véracité d'une connaissance…)
43 Les catégories des connaissances :

On distingue 6 catégories des connaissances qui sont :

 Connaissances de définition
Exemple : "Un triangle est un polygone ayant exactement trois cotés ".

 Connaissances évolutives
Exemple : " Samir est de taille 1 m 52 " (aujourd'hui).

 Connaissances incertaines
Exemple : " l'âge de cette personne est autour de 30 ans" ".
44 Les catégories des connaissances :

 Connaissances vagues
Exemple : " les jeunes élèves sont turbulents ". (Jeunes =?).

 Connaissances typiques
Exemple : " habituellement, chaque période d'enseignement est
consacrée à une seule matière".

 Connaissances ambiguës
Exemple : "Avant le conseil de classe, le professeur savait que trois
élèves redoubleraient". Est ce le nombre global, ou bien 3 cas
particuliers connus individuellement ? Est-ce trois exactement, ou au
moins trois ?
45 Elément de base de la représentation :

 04 types d’éléments de base permettent de définir

une représentation :

1) les atomes,
2) les expressions,
3) la syntaxe,
4) la sémantique.
46 Elément de base de la représentation :

 Atomes : ils peuvent être des mots ou symboles, des chaînes de

caractères, des nombres ou des graphismes.

 Expressions : une expression est la transcription matérielle sous

forme d’un ensemble de symboles, d’une pensée.

 Syntaxe : la syntaxe définit la structure et la disposition des

symboles pour former les expressions valides d’une représentation.

 Sémantique : la sémantique étudie la signification des expressions.

On parle de valeur sémantique d’une expression.
47 Paradigmes de représentation de la connaissance:

 La réalisation d'un système à base de connaissances implique la modélisation des

connaissances dans le domaine considéré.

 La représentation des connaissances consiste à décrire dans un langage formel

les connaissances d'un domaine donné, et de fournir les mécanismes nécessaires
à la transformation des connaissances représentées afin de répondre aux
problèmes posés au système.

 Un langage formel se définit à partir d’un alphabet comprenant des symboles de

variables, des symboles de fonction et des symboles de prédicat et des symboles
d’opérateurs logiques (connecteurs), des quantificateurs, etc.
48 Paradigmes de représentation de la connaissance:

 Deux principales approches pour représenter la connaissance se

sont développées:
 Approche logique,
 Approche non logique

 Chaque approche regroupe un ensemble de formalismes.

 Le choix du formalisme à utiliser dépend à la fois du domaine

d'application, des opérations à mettre en œuvre sur ces
connaissances et de la culture du modélisateur.
.
49 Paradigmes de représentation de la connaissance:

Formalisme

Approches non Approches logiques

logiques

Réseaux Graphes Logiques Logiques

sémantique conceptuels classiques de descriptions
(propositionnelle,
1er ordre,
2ème ordre)
50 Les approches logiques :

 La logique :

 La logique est un langage, il constitue donc un formalisme de

représentation des connaissances.

 Toute expression de ce langage s’établit à l’aide de symboles

dont les associations sont régies par des règles qui forment la
syntaxe de la représentation.
 51 Formalisme logique :

Différentes ‘Logiques’ :
 Le schéma suivant montre les différents types de logiques qui existent à l’heure actuelle :
52 Les approches logiques :

 Par définition une logique, est composé de :

 un alphabet et d’un procédé de formation des expressions ;

 un système de déduction qui, à partir de formules du langage choisies

comme prémisses (des axiomes), permet de construire de nouvelles formules
(théorèmes) grâce à des règles de déduction (ou dérivation) ;

 des règles d’évaluation qui permettent d’associer une “valeur”, dite valeur de
vérité, à toute formule du langage (généralement vrai ou faux).
53 Les approches logiques :

 Exemples de langages formels qui utilisent cette approche:

 Logique des propositions (d’ordre 0 - sans variable) ;

 Logique des prédicats (d’ordre 1 - utilisation de variables) ;

 Logique des propositions est incluse dans Logique des prédicats

 La logique dite classique, c’est-à-dire la logique propositionnelle et la logique

du premier ordre, ne reconnait comme modalité que le vrai et le faux.
54 Les approches logiques :

 En logique classique on ne s’intéresse pas à la dimension

temporelle ou spatiale, ni à l’incertitude d’un énoncé.
 Par exemple, « il fait beau » est vrai (ou faux?) ici et maintenant,
c’est-à-dire dans le monde que je suis en train de considérer,
mais dans un autre monde (un autre lieu et/ou un autre moment),
cet énoncé peut avoir une valeur contraire.

 Il existe aujourd'hui d'autres logiques :

 La Logique floue introduit des degrés dans la valeur de vérité
d'une formule.
 La Logique temporelle permettant de donner une information sur
le temps
 55 Logique du premier ordre : un langage:

• Pour résoudre des problèmes plus complexes qui demandent des

connaissances d’un expert, nous avons besoin en plus d’un langage
permettant :

de représenter les connaissances d’un expert facilement

de faire des déductions logiques avec ces connaissances

• La logique du premier ordre (appelé aussi le « calcul des prédicats ») est la

base de plusieurs formalismes de représentation des connaissances et du
raisonnement déductif utilisé entre autres par les systèmes experts.
56
Logique du premier ordre :
un modèle mathématique du raisonnement déductif:

● À l’origine, la logique du premier ordre est un modèle

mathématique du raisonnement déductif

le raisonnement déductif est le processus permettant d’inférer des

« expressions valides » à partir des faits/prémisses

la capacité de modéliser un raisonnement déductif nous permettra

par la suite de le programmer (par exemple dans un système expert)
57 Exemples de raisonnement déductif:

 Déduire la maladie du patient et le traitement approprié,

à partir de :
1. Symptômes d’un patient.
2. Règles de causalité entre les symptômes et les pathologies.
3. Règles de causalité sur les traitements.

 Diagnostiquer le problème d’un véhicule à partir de :

1. Symptômes d’un véhicule.
2. Règles de causalité pour la mécanique auto.
58 Exemples de raisonnement déductif:

● Prouvez que Marcus hait César à partir de :

1. Marcus est une personne.
2. Marcus est un pompéien.
3. Tous les pompéiens sont des romains.
4. César est un dirigeant.
5. Tout le monde est loyal à quelqu’un.
6. Tous les romains sont loyaux à César ou le haïssent.
7. Les seuls dirigeants qu’une personne essaie d’assassiner sont
ceux auxquels elle n’est pas loyale.
8. Marcus a essayé d’assassiner César.
59 Composantes principales du raisonnement déductif:

● Une partie de la véracité d’une expression dépend des faits

vrais (prémisses) dans une situation donnée
 Toutes les personnes sont mortelles.
 Le patient a une température de 41 degrés Celsius.
 La voiture ne démarre pas.
Syntaxe

● Une autre partie dépend des manipulations syntaxiques qui

mènent à cette expression
 Si être une personne implique qu’on est mortel et si Dupont est une
personne alors Dupont est mortel
 Si p(x) implique m(x) pour tout x et si p(A) alors m(A)

Règle d’inférence (résolution)

60 Syntaxe des formules:
● Une expression en logique du premier ordre est appelée une formule
(sentence)
● Les formules sont des combinaisons de prédicats, à l’aide de
 connecteurs logiques : et, ou, etc.
 quantificateurs : il existe, pour tout
● Les prédicats décrivent des faits (vrai ou faux), qui correspondent
souvent à des relations entre des objets
● Les objets sont décrits par des termes :
 constantes : Mouhamed, Khenchela, etc.
 variables : x, y, etc.
 fonctions : jambeGauche(Mouhamed)
● Les prédicats, les connecteurs logiques, les quantificateurs et les
termes sont décrits par des symboles
61 Symboles:

● Constantes : 41, Mouhamed, Robot1

● Fonctions : temperature(x), position(x)
● Prédicats : mortel(x), plusGrand(x,y), partieTerminée
le nombre d’arguments d’une fonction ou d’un prédicat est appelé arité
les prédicats ne sont pas des fonctions qui retournent des valeurs binaires
(vrai ou faux)
ici ils jouent un rôle fondamental de sorte qu’on doit les traiter
séparément des fonctions (ils sont à la base des formules)
● Variables : x, y, z
● Connecteurs :  (non),  (et),  (ou),  (implique)
● Quantificateurs :  (pour tout),  (il existe)
 62 Termes:

● Les constantes et les variables sont des termes

● Les applications des fonctions aux termes sont des termes
en d’autres mots, si t1, …, tn sont des termes et f une fonction à n arguments, alors
f(t1, …, tn) est aussi un terme
par exemple : pere(Ahmed), pere(x), pere(pere(x))

● On pourrait éviter les fonctions en définissant une constante par argument

possible de la fonction
pereAhmed et pereAdem à la place de pere(Ahmed) et pere(Adem)
par contre, on perd la possibilité de raisonner de façon générale à l’aide des
variables
»  x  y sontFreres(x,y)  egaux(pere(x),pere(y))
 63 Formules
● Un prédicat est une formule
plus précisément, si t1, …, tn sont des termes et p est un prédicat à n arguments,
alors p(t1, …, tn) est une formule
c’est la formule la plus simple qui soit (cas de base)
● La négation, la conjonction, la disjonction et l’implication de formules sont
aussi des formules
plus précisément, si  et  sont des formules, alors  ,   ,    et
   sont des formules
● La quantification universelle et la quantification existentielle d’une formule
est une formule
plus précisément, si  est une formule et x est une variable, alors  x  et
 x  sont des formules
 64 Notations
● Priorités et parenthèses
ordre des priorités : , , , 
on utilise les parenthèses de la même façon que dans les
expressions arithmétiques pour éviter les ambiguïtés
les quantifieurs s’appliquent à toute la formule à sa droite
» ex. : .  x p(x)  q(x)  r(x) est équivalent à
 x (p(x)  q(x)  r(x) ) et non
(  x p(x) )  q(x)  r(x)
● Équivalences
   est équivalent à  (    )
   est équivalent à    
 v  est équivalent à   v  
 65 Exercice:

● Faits : ● Forme logique du premier ordre :

1. Marcus est une personne. 1. personne(Marcus)
2. pompeien(Marcus)
2. Marcus est un pompéien.
3.  x pompeien(x)  romain(x)
3. Tous les pompéiens sont des romains.
4. dirigeant(Cesar)
4. César est un dirigeant. 5.  x  y loyal(x,y)
5. Tout le monde est loyal à quelqu’un. 6.  x romain(x)  loyal(x,Cesar) 
6. Tous les romains sont loyaux à César ou le hait(x,Cesar)
haïssent. 7.  x  y personne(x)  dirigeant(y) 
7. Les seuls dirigeants qu’une personne essaie assassiner(x,y)   loyal(x,y)
d’assassiner sont ceux auxquels elle n’est
pas loyal 8. assassiner(Marcus,Cesar)
8. Marcus a essayé d’assassiner César.
66 Avantages /Inconvénients :

 Avantage
 Puissance d’expression notamment grâce aux formules
quantifiées, à la disjonction et à la négation ;
 Syntaxe précise et formalisée.

 Inconvénients
 Manque de structuration de la connaissance ;
 Modifications difficiles ;

==> vers la structuration des connaissances