Vous êtes sur la page 1sur 35

Hen

LIntelligence Artificielle,
mais enfin de quoi sagit-il?

Avant-Propos Petit historique des dbuts de lIA Dix grands paradigmes de recherche

LIntelligence Artificielle, mais enfin de quoi sagit-il?

Reprsenter l'information, acqurir des connaissances Algorithmes gnraux de rsolution de problmes Intelligence artificielle collective Formaliser et mcaniser diffrents types de raisonnement Evaluer des situations, dcider, planifier Raisonner sur le changement, le temps, et l'espace

Des chercheurs de lIRIT* rpondent ...

Rsumer, apprendre, dcouvrir Langue et IA: des interrelations troites Indexation multimdia et IA La ralit virtuelle et l'IA

La place de lIA dans les sciences


IA et mathmatiques IA et informatique L'IA et les sciences du traitement de l'information
* Institut de Recherche en Informatique de Toulouse

Sciences de la cognition et IA L'IA et la thorie des systmes symboliques

Les livrets du Service Culture UPS n3

LIA, un voyage dans notre culture Pour conclure sur une ouverture
Quelques rfrences Intervenants

Avant-propos
Lusage de lexpression Intelligence Artificielle (on utilisera le plus souvent labrviation IA dans la suite) sest largement rpandu dans le public, au fur et mesure des progrs de la technologie informatique et de sa propagation dans les activits humaines. LIA fait maintenant partie de notre culture comme en tmoigne lexistence de nombreux articles, livres, ou films sy rapportant plus ou moins directement. Il est vrai que le terme Intelligence Artificielle a pu causer quelques malentendus, voire dplaire, et peut assurment tre interprt de diverses manires. En effet, si chacun peut apprcier les capacits toujours plus grandes des machines pour effectuer des calculs numriques ou des oprations symboliques, ou traiter des documents, lide que la machine pourrait dtenir ne serait-ce que quelques onces dintelligence provoque bien naturellement des questions, des craintes et des fantasmes. Comme le suggre le rapprochement, qui a pu sembler provocateur certains, des mots "intelligence" et "artificiel", il s'agit de russir donner des machines des capacits leur permettant d'effectuer des tches ou des activits rputes intelligentes (car jusqu' prsent uniquement ralises par des humains). Une telle dfinition reste cependant assez vague car elle ne donne ni une dfinition de l'intelligence, ni mme ne prcise la nature des capacits dont il convient de doter la machine. Ainsi, une machine capable de reclasser dans l'ordre croissant des nombres donns en vrac, ou de rsoudre des quations, n'est pas considre comme intelligente pour autant (mme si seulement un petit nombre de mathmaticiens savent rsoudre les quations considres !). Les recherches en IA tendent rendre la machine capable d'acqurir de l'information, de raisonner sur une situation statique ou dynamique, de rsoudre des problmes combinatoires, de faire un diagnostic, de proposer une dcision, un plan d'action, d'expliquer et de communiquer les conclu-

sions qu'elle obtient, de comprendre un texte ou un dialogue en langage naturel, de rsumer, d'apprendre, de dcouvrir. Pour ce faire, la machine doit tre munie de mthodes gnriques susceptibles de sadapter de larges classes de situations. Mme si sur toutes ces questions de grands progrs restent certainement faire, de nombreux rsultats ont dj t obtenus montrant qu'au moins, dans une certaine mesure, ce programme est ralisable. Cependant, une machine dote de l'ensemble des fonctionnalits cites plus haut, ces fonctionnalits ayant atteint leur meilleur niveau d'efficience, serait encore assez loin de possder les capacits de penser d'un tre humain (mme si la machine s'avrera bien plus performante sur certains registres de tches qu'un tre humain). On pourra consulter lopuscule de la mme srie Les machines pensentelles pour une discussion autour de cette question. Par ailleurs, l'IA entretient des changes fructueux avec les sciences cognitives, car, d'une part elle fournit de nouveaux repres, points de comparaison pour la comprhension de l'intelligence, et d'autre part elle peut s'inspirer de ce que lon sait du fonctionnement du cerveau et de la faon dont l'homme raisonne, mme si rien ne dit que l'IA doive copier l'intelligence humaine dans toutes ses manires de procder (ainsi les avions volent, quoique diffremment des oiseaux !). De plus, puisque la machine doit changer ses conclusions avec des usagers, il importe qu'elle puisse s'exprimer en termes cognitivement significatifs pour eux. Lambition de ce livret est dapporter une image relativement structure, concise quoique prcise, des proccupations de la recherche en Intelligence Artificielle aujourdhui, au travers de la prsentation des principaux paradigmes (de base ou applicatifs) quelle tudie, et d'indiquer sa place vis--vis des autres disciplines scientifiques, et lvolution de sa prsence dans les productions culturelles.
Henri Prade

Petit historique des dbuts de lIA

Lacte de naissance de lIntelligence Artificielle (IA) correspond un programme de rencontres organises Dartmouth College (Hanover, New Hampshire, USA) pendant l't 1956, l'initiative notamment de deux jeunes chercheurs qui, dans des registres diffrents, allaient fortement marquer le dveloppement de la discipline : John McCarthy et Marvin Minsky, le premier dfendant une vision purement logique de la reprsentation des connaissances, le second privilgiant l'usage de reprsentations structures (appeles en anglais 'frames') de strotypes de situations pouvant inclure diffrents types d'information. C'est cette occasion que l'expression 'Artificial Intelligence' (choisie par McCarthy) fut utilise pour la premire fois de manire systmatique pour dsigner le nouveau champ de recherche ; elle tait cependant loin de faire l'unanimit parmi les chercheurs prsents, certains ne voyant l que du traitement complexe d'informations. D'autres participants ces rencontres, Alan Newell et Herbert Simon, allaient aussi avoir un impact particulirement important sur le dveloppement de l'IA. Bien sr, les rencontres de Dartmouth taient le rsultat d'une effervescence qui avait dbut un peu avant 1950 autour de questions lies dune part la possibilit de construire des "machines penser", voire des "machines pensantes" ('thinking machines'), et dautre part la comparaison du fonctionnement du cerveau humain avec les premiers ordinateurs qui venaient d'apparatre (et qui taient essentiellement tourns vers le calcul numrique). La naissance de l'IA a t ainsi plus ou moins directement influence par diffrents travaux : notamment ceux de Warren McCulloch et Walter Pitts qui, inspirs par la neurophysiologie, proposaient les tout premiers modles de rseaux de neurones artificiels, ceux de Norbert Wiener sur la cyberntique (science centre sur l'tude des mcanismes de communication et de contrle des machines et des tres vivants), ceux de Claude Shannon en thorie de l'information, ceux de John von Neumann sur l'architecture des calculateurs, et ceux d'Alan Turing sur les fonctions calculables par machine.

Cest aussi en 1956 que Newell et Simon (en collaboration avec J. Cliff Shaw), proposrent un premier programme d'ordinateur capable de dmontrer des thormes en logique, avant de bientt prsenter un "rsolveur de problme gnral' ('General Problem Solver'), bas sur l'valuation de la diffrence entre la situation laquelle le rsolveur est arriv et le but qu'il a atteindre. LIA sintresse ds ses dbuts au dveloppement de programmes capables de jouer aux checs (C. Shannon discute le problme dans plusieurs articles ds 1950). Les premiers programmes, notamment ceux de Arthur Samuel et Alex Bernstein, apparaissent au dbut des annes 60, et au fil des dcennies arrivent battre des joueurs de niveaux de plus en plus levs, comme dj MacHack celui de Richard Greenblatt la fin des annes 60. La recherche des annes 70 dans ce domaine est marque par lide de doter la machine de capacits de mise en uvre de stratgies sophistiques voluant dynamiquement avec le jeu (comme dans les travaux de Hans Berliner). Cest cependant dabord la puissance calculatoire de lordinateur capable dexplorer de gigantesques espaces combinatoires qui viendra bout du champion du monde de la discipline (victoire de l'ordinateur Deep Blue sur Gary Kasparov, en 1997). Parmi les travaux varis qui marqurent les dbuts de lIA, mentionnons encore le programme de Thomas G. Evans (1963) capable, comme dans un test d'intelligence, de trouver par analogie la quatrime figure gomtrique compltant une srie de trois ( ce qui ncessitait aussi une reprsentation conceptuelle des figures), ou les systmes exploitant des contraintes en les propageant, comme dans l'approche de David Waltz (1975) pour reconnatre dans une image les lignes correspondant aux artes de solides et leurs positions relatives, approche qui devait s'tendre par la suite beaucoup d'autres domaines o la reprsentation par contraintes s'impose naturellement. Le traitement de textes ou de dialogues en langage naturel, tant au plan de leur comprhension qu'au plan de leur produc-

tion automatique, a proccup galement l'IA trs tt. Le systme ELIZA (de Joseph Weizenbaum) en reprant des expressions cls dans des phrases et en reconstruisant partir delles des phrases toutes faites, tait capable ds 1965, de dialoguer en langage naturel en trompant un moment des interlocuteurs humains qui croyaient avoir affaire un interlocuteur humain ! Pourtant ELIZA ne construisait aucune reprsentation des phrases du dialogue et donc n'en dtenait aucune comprhension. C'est sans doute le systme SHRDLU de Terry Winograd qui en 1971 fut le premier construire de telles reprsentations et les exploiter dans des dialogues qui portaient sur un monde simplifi fait de blocs, et o on s'intressait leurs positions relatives. Les annes 70 et le dbut des annes 80 furent marqus par la ralisation de nombreux systmes experts (DENDRAL en chimie, MYCIN en mdecine, HEARSAY-II en comprhension de la parole, PROSPECTOR en gologie), o une connaissance experte dans un domaine spcialis est exprime sous forme de rgles "si...alors..." et est applique un ensemble de faits dcrivant la situation sur laquelle le systme doit produire des conclusions. Les annes 70 en IA furent aussi celles des premires exprimentations avec des robots mobiles (comme par exemple le robot Shakey du SRI Menlo Park en Californie), qui posaient conjointement des problmes de vision par ordinateur, de reprsentation des connaissances, et de planification dactivits et de trajectoires. Une dizaine dannes plus tard, Rodney Brooks, au MIT, sintressera des socits de robots ractifs leur environnement immdiat, mais agissant sans reprsentation construite du monde dans lequel ils voluent. Comme le montre ce bref aperu historique, l'IA s'est largement dveloppe tout d'abord aux Etats-Unis, avant, partir du milieu des annes 70, d'intresser des chercheurs en Europe puis en Asie. Pour ce qui est de la France, si lon excepte des pionniers de la cyberntique (Louis Couffignal, Paul Braffort), et si l'on ne s'en tient qu' des recherches se rclamant

explicitement de l'IA, les premires quipes franaises dans ce domaine, furent cres Paris, puis Marseille sous les impulsions respectives de Jacques Pitrat (qui a en particulier mis en lumire le rle des mtaconnaissances dans les processus de rsolution de problmes et d'apprentissage), et d'Alain Colmerauer (pre d'un langage de programmation, PROLOG, bas sur la logique et trs utilis en IA). Des quipes dIA devaient ensuite bientt naitre dans dautres grands centres : Toulouse, Grenoble, Nancy, Aujourdhui, presque tous les laboratoires dinformatique comptent des chercheurs en IA.
Henri Prade

Dix grands paradigmes de recherche

Reprsenter linformation, acqurir des connaissances


Avec le systme expert d'aide au diagnostic mdical MYCIN conu en 1975 l'architecture des systmes de rsolution de problmes rpondait aux exigences fondatrices de l'IA, en sparant d'un ct un programme (le moteur) ayant des capacits gnrales de raisonnement (capacits d'infrence), et d'autre part des connaissances spcifiques l'application (la base de connaissances), reprsentes le plus souvent sous la forme d'affirmations et de rgles "SI conditions ALORS conclusions". Des reprsentations, bases sur la logique, ou structures comme les frames (assemblages dobjets dfinissant un contexte, proposs par Minsky pour reprsenter initialement des concepts visuels), les scripts (dcrivant une squence dvnements), et autres reprsentations de ce type, comme les rseaux smantiques (rseaux de concepts lis par des associations) ont galement t introduites en IA et ont par la suite t dveloppes dans des applications informatiques classiques comme la programmation objet , qui reprend le concept de frame en reprsentant des entits auxquelles sont associs des comportements, ou comme les bases de donnes. Ces systmes ont sduit par leur structure modulaire, laissant envisager le dveloppement simple d'applications base de connaissances dans des domaines aussi varis que la mcanique, la mdecine, la chimie, ... et pour des tches diffrentes : diagnostic et rparation de pannes, agencement, etc. La seule difficult tait de renseigner la base l'aide des notions et des rgles du domaine concern, en tenant compte de leur utilisation dans le raisonnement. Or cette difficult a t rendue responsable de la non-utilisation de plusieurs systmes pourtant techniquement valides : ils ne contenaient pas les bonnes connaissances ! Ce fut donc l'enjeu essentiel de l'acquisition des connaissances, devenue vritable champ de recherches, de contribuer dfinir des systmes d'aide l'usager qui soient utiliss et utilisables parce qu'ils traitent correctement les bons

problmes. Ce domaine de linformatique fait appel la psychologie (pour tudier et recueillir les modes de raisonnement des individus), ainsi qu' l'ergonomie et aux sciences sociales (pour spcifier des connaissances adaptes aux besoins des utilisateurs dans le cadre de travail), ou encore la linguistique ds lors que l'on souhaite extraire de textes les savoirs dj explicits. La problmatique d'origine sest aujourd'hui largie. Sous le nom "d'ingnierie des connaissances", elle englobe dsormais la conception d'applications d'aide "intelligente" l'utilisateur. En tant qu'ingnierie, elle cherche dfinir des principes, des mthodes et outils pour guider le recueil, l'analyse et la structuration des connaissances et informations ncessaires dans l'application finale. Le courant majoritaire des recherches s'appuie sur la notion cl de modle conceptuel. Un modle est vu comme une reprsentation simplificatrice du monde, justifie par les besoins de l'application. Il est conceptuel car interprtable par les individus impliqus dans le projet et traduisible dans un langage oprationnel, qui, lui, est interprt par la machine. Le modle assure donc, entre les individus et le systme artificiel, un continuum dans le sens donn aux concepts, rgles et raisonnements utiliss pour traiter une tche donne. Il doit garantir au systme un comportement rationnel (motiv par des buts), efficace et pertinent, ventuellement adaptable, face aux utilisateurs et aux experts du domaine. Les difficults essentielles de cette approche sont lies aux caractristiques des connaissances. Elles sont implicites et ncessitent donc de dfinir des mthodes danalyse de lactivit pour y accder. Elles sont volutives et les modles doivent pouvoir tre mis jour simplement. Elles sont contextualises, ce qui implique de prendre en compte les conditions dans lesquelles elles sont utilises. On sait aujourdhui construire des ontologies , structures de donnes contenant les concepts dun domaine et leurs liens smantiques, partir de textes l'aide de logiciels de traitement automatique du langage. On sait galement

valuer limpact de l'application sur le contenu du modle, les limites de la rutilisation directe des composants de connaissances, et on dispose de mthodes pour l'adaptation et la spcialisation de composants. Des applications significatives ont t ralises dans divers domaines : - informatisation du dossier mdical dans les hpitaux ; - diagnostic de pannes dans le fonctionnement des hauts fourneaux ; - recherche intelligente d'information dans des sources de donnes htrognes sur Internet (avec des ontologies). Les changes de savoir, le partage mais surtout la localisation des connaissances ou l'identification de comptences sont prsents comme tant la porte de chacun et de toute entreprise. Loin de cder aux charmes de discours sduisants lis la gestion des connaissances dans les entreprises, l'ingnierie des connaissances tudie de prs, en collaboration troite avec des gestionnaires, des spcialistes des systmes d'information ou de sciences humaines, les enjeux scientifiques et thoriques de cette facilit trompeuse. Il s'agit d'alimenter de manire pertinente les ressources technologiques, de faciliter une utilisation finalise qui aide filtrer, retrouver, organiser les connaissances dont chacun a besoin, dans une forme plus ou moins oprationnelle. Ainsi, en se tournant vers les systmes d'information des entreprises et vers les technologies de l'information, l'ingnierie des connaissances continue de traiter, dans des cadres applicatifs nouveaux, le problme rcurrent de l'accs au sens et aux connaissances.
Nathalie Aussenac et Jean-Luc Soubie

Algorithmes gnraux de rsolution de problmes


Pour attaquer un problme il arrive quon puisse le dcomposer en sous-problmes puis dcomposer ceux-ci, etc., jusqu navoir plus que des problmes dont la solution est considre comme immdiatement accessible sans quil soit ncessaire de les dcomposer leur tour. Lensemble des dcompositions possibles peut tre reprsent par un graphe des sous-problmes . Certains sommets marquent une conjonction de sousproblmes dont la rsolution implique celle du problme dcompos. Dautres sommets marquent une disjonction de dcompositions possibles. La rsolution dun problme est alors ramene la recherche dun certain sous-graphe du graphe des sous-problmes. Remplacer un problme par un problme quivalent peut tre vu comme une forme particulire de dcomposition. Dans ce cas, on cherche une suite doprations dquivalence qui conduise un problme dj rsolu. En figurant les problmes par des sommets et les oprations dquivalence par des artes, on se ramne la recherche dun parcours, ventuellement optimal ou voisin de loptimum, dans un graphe des tats . En gnral, les possibilits de parcours sont si nombreuses quon ne peut examiner toutes les alternatives. En revanche, il arrive que la recherche puisse tre guide par des connaissances dorigine plus ou moins analytique ou exprimentale ou empirique quon appelle des heuristiques : on parle alors de Rsolution Heuristiquement Ordonne . Ainsi pour construire un itinraire, chercher rduire la distance vol doiseau qui spare de lobjectif est une heuristique familire et souvent efficace. Les heuristiques et les divers algorithmes qui sont capables de les exploiter sont intressants sils favorisent la dcouverte de solutions satisfaisantes, voire optimales, par rapport la difficult du problme et aux ressources mobilises.

Aprs les succs de programmes jouant au backgammon ou aux dames, la victoire du systme joueur dchecs Deep Blue, en 1997, contre Gary Kasparov, champion du monde en titre, tmoigne spectaculairement des progrs accomplis depuis un demi-sicle pour explorer de vastes graphes de sous-problmes. On peut aussi attaquer certains problmes en essayant systmatiquement de donner des valeurs, prises dans des domaines finis, un ensemble fini dinconnues, de sorte quelles satisfassent une collection finie de contraintes. Diffrents algorithmes de Rsolution par Satisfaction de Contraintes vocation gnrale ont t proposs et partiellement compars. Un problme de rfrence souvent abord dans ce cadre est le problme de satisfiabilit ou problme SAT : il sagit de trouver des valeurs (soit vrai soit faux ) pour les variables dun ensemble dexpressions logiques (disjonctions, conjonctions, ngations de variables) de sorte que les expressions prennent simultanment la valeur vrai . Des heuristiques sont tudies en vue de renforcer lefficacit, prdite et/ou observe, des algorithmes de ce type. Rsolution Heuristiquement Ordonne et Rsolution par Satisfaction de Contraintes peuvent servir, ventuellement ensemble, dans des contextes varis : identification, diagnostic, dcision, planification, dmonstration, comprhension, apprentissage Ces approches sont aujourdhui en mesure daborder des problmes de plus grande taille ou plus complexes, ventuellement dans des environnements dynamiques avec informations incompltes ou incertaines. Leur dveloppement va de pair avec les avances de la puissance des systmes informatiques.
Henri Farreny

Intelligence Artificielle collective


Depuis ses dbuts, l'IA s'est essentiellement focalise sur les thories et techniques permettant la ralisation d'intelligences individuelles. Mais dans la nature, il existe une autre forme d'intelligence collective celle-l - comme les tres multi-cellulaires simples, les colonies d'insectes sociaux, les socits humaines. Ces sources d'inspiration montrent qu'une forme d'intelligence suprieure peut rsulter de l'activit corrle d'entits plus simples. Dans les systmes artificiels, ce champ porte le nom d'IA Distribue ou de Systmes Multi-Agents, que nous englobons ici dans le terme d'Intelligence Artificielle Collective (IAC). Vers le milieu des annes 1970, une partie de l'IA explorait les potentialits de la distribution des connaissances conduisant la rsolution distribue de problmes. La distribution du contrle est la principale caractristique d'une deuxime gnration de systmes dans lesquels une seule entit n'a pas le contrle des autres et ne possde pas une vue globale du systme. Mais ds lors, il ne suffit pas d'avoir un tas d'agents pour obtenir un systme du mme nom ; au mme titre qu'un tas de briques n'est pas une maison. Ainsi, le champ d'tude porte actuellement sur les thories et techniques permettant la ralisation d'une activit collective cohrente, pour des agents qui sont par nature autonomes et qui poursuivent des objectifs individuels dans un environnement dont ils n'ont qu'une perception partielle. Ces agents sont dots de capacits d'interaction avec les autres agents et leur environnement. Ils sont sociaux dans le sens o ils peuvent communiquer avec les autres. Quand ils ragissent aux vnements perus, ils sont qualifis de ractifs. Ils sont proactifs s'ils ont la capacit de se dfinir des objectifs, de prendre des initiatives Aujourd'hui, les concepts d'autonomie, d'interaction, de dynamique et d'mergence sont de plus en plus pris en compte pour la spcification de ces systmes, conduisant des mthodologies de conception spcifiques.

lvidence, tout agent qui ncessite une 'intelligence' peut bnficier de l'apport des autres techniques d'IA prsentes dans ce document. Toutefois la spcificit du domaine porte d'une part sur les thories organisationnelles permettant la ralisation d'une 'intelligence collective' sous les contraintes prcdentes, et d'autre part les techniques d'interactions entre agents pour grer tous les imprvus (conflit, concurrence, incomprhension, inutilit, ) survenant ncessairement dans un systme ouvert ou dans un environnement dynamique. L'IAC s'est notamment dveloppe pour faciliter la simulation d'applications distribues gographiquement, logiquement, smantiquement ou temporellement. Les plates-formes multi-agents sont des outils privilgis pour simuler des socits dindividus plongs dans un environnement commun, telle une quipe de robots footballeurs. Cest notamment le cas des simulations environnementales o lon souhaite observer linfluence de comportements individuels sur des phnomnes globaux (pollution, prvision de crues, ). De plus, l'IAC s'adresse des applications pour lesquelles il est difficile de concevoir et de valider des logiciels de grande taille avec les techniques classiques de dveloppement. Ainsi, l'IAC est concerne aussi par la conception de composants logiciels qui auront vocation tre rutiliss. L"agentification" des logiciels devrait permettre - terme - de les assembler partir dune bibliothque sans connatre finement leur spcification : leur charge dajuster leurs comportements individuels dans le cadre pralable de la tche dfinie par lapplication. La technologie agent et multi-agent a vocation devenir un nouveau paradigme de programmation dans les annes venir. Ce domaine est aussi motiv par l'volution des outils informatiques : cot des machines, rseaux de machines, Internet En effet, Internet est aujourdhui un autre champ dinvestigation privilgi de lIAC o des agents collaborent dans une activit commune (commerce lectronique, recherche dinformation, ) sans algorithme de contrle global. Ce sont souvent des applications appeles systmes ouverts car

le nombre dagents du systme volue au cours du temps. Cette problmatique se retrouve aussi dans le champ de la robotique collective. Les domaines d'application prcdents ont en commun qu'ils situent les agents individuels mais aussi le collectif dans des environnements dynamiques o il faudra faire face limprvu et donc o il faudra sadapter. Ainsi, les agents doivent avoir la possibilit d'changer sur leurs problmes respectifs qu'ils vont ncessairement rencontrer dans leur activit, dautant quils n'ont qu'une connaissance partielle du monde dans lequel le systme volue. Si les agents n'ont jamais faire face des imprvus, alors la technique multi-agent n'est pas requise. Les travaux sur les agents portant principalement sur les interactions, ils se sont inspirs de recherche sur le dialogue humain, notamment les travaux de J.L. Austin et J.R. Searle. Il s'ensuit des tentatives de formalisation des actes de communication et de standardisation (voir FIPA dans la bibliographie). Un autre axe important de recherches porte sur le modle dorganisation adquat la ralisation de la tche collective. Il est avr depuis longtemps quil nexiste pas dorganisation idale et que le changement dorganisation est un moyen de transformer la fonction du systme. La question saborde ainsi dans trois directions selon les prsupposs adopts : - Soit l'organisation est un lment matrisable du systme et alors le systme multi-agent apporte des concepts et techniques issus de la thorie des organisations, conduisant des spcifications de modles organisationnels. - Soit l'organisation est un lment non connaissable et il faut donner aux agents des stratgies pour participer une activit collective cohrente. Les modles "Beliefs Desires Intentions", ou les rseaux de dpendances entre agents ont t dfinis pour permettre la mise en uvre de telles organisations. - Lorsque les travaux considrent simultanment que l'organisation n'est pas connaissable et les protocoles de sortie de crise ne le sont pas non plus, alors c'est du domaine de l'mergence de

fonctions collectives cohrentes partir d'entits ayant des comportements lmentaires, tels les travaux en "emergent computation".
Marie-Pierre Gleizes et Pierre Glize

Formaliser et mcaniser diffrents types de raisonnement


Les raisonnements de sens commun, que lhomme effectue au quotidien, saccommodent dinformations incompltes, incertaines, voire incohrentes. Ils lui permettent de rapprocher des situations et de transposer des solutions, de tirer parti la fois de faits gnraux et dexemples, ou encore d'apprhender de manire qualitative des informations quantitatives. De tels processus de raisonnement excdent les capacits de reprsentation et dinfrence de la logique classique (surtout dveloppe au XXime sicle en relation avec la question des fondements des mathmatiques), et de la thorie des probabilits en ce qui concerne certains aspects de l'incertitude. Ceci ne signifie pas pour autant que les raisonnements que fait lhomme en dehors de la dduction mathmatique soient totalement dnus de rigueur, ou de valeur pratique. Ainsi lIA sintresse formaliser diffrentes formes de raisonnement tudies depuis longtemps par les philosophes : le raisonnement dductif (utilis par exemple dans les syllogismes), le raisonnement inductif (ou de gnralisation, exploit en apprentissage), ou le raisonnement abductif (qui cherche expliquer, en termes de causes, une situation observe et qui est luvre pour tablir des diagnostics), ou encore le raisonnement par analogie. Ce dernier permet partir dun rpertoire de cas observs, dextrapoler une conclusion plausible pour une situation rencontre prsentant des similarits avec des cas connus par exemple deviner le prix possible dun produit partir des caractristiques connues de produits plus ou moins semblables. LIA a galement formalis diverses extensions ou affaiblissements du raisonnement dductif, que cela soit pour propager lincertitude (probabiliste ou non) associe des informations, ou pour pouvoir produire des conclusions plausibles, en cas dinformation incomplte. Ces conclusions plausibles peuvent tres rvises larrive d'une nouvelle information. On conclura,

par exemple, quun animal quon sait seulement tre un oiseau, vole, car on sait quen gnral les oiseaux volent (tout en sachant aussi que les autruches et les manchots, qui sont des exceptions, ne volent pas). Apprenant ensuite que loiseau en question est une autruche, on sera amen remettre en cause la conclusion prcdente. De fait, les rgles si alors qui constituent un format commode pour exprimer des connaissances (mme spcialises), ne spcifient pas toujours explicitement toutes les exceptions des rgles. Sinon elles seraient trop lourdes dcrire et requerraient souvent, pour tre appliques, plus dinformations quil nen est de disponible. Un autre dpassement de la dduction classique sappuie sur l'ide de proximit (une conclusion, fausse strictement parler, mais proche dune autre conclusion, avre quant elle, sera considre comme presque vraie), et permet alors dobtenir davantage de conclusions par interpolation entre conclusions avres. On peut aussi vouloir tendre l'infrence dductive la prise en compte d'informations contradictoires. En effet, les informations dont on dispose viennent souvent de sources multiples, de fiabilits ingales, et leur mise en commun conduit souvent des incohrences quil convient, soit dliminer dans des processus de fusion dinformations, soit de prendre en compte si on cherche dvelopper des systmes capables de proposer des arguments et des contre-arguments en faveur ou lencontre dun mme nonc. Ceci peut se rencontrer notamment dans des situations de dialogue, o chacun ne dispose pas des mmes informations et cherche prciser ses informations, et aussi ventuellement comprendre les intentions de l'autre. On peroit la grande varit des problmes de raisonnement auxquels lIA sintresse depuis un quart de sicle. Paralllement des recherches thoriques, de nombreux systmes experts (c..d. exploitant des connaissances fournies par des experts), de plus en plus puissants et sophistiqus, susceptibles de proposer des avis, des solutions, des diagnostics, des pronostics, sont dvelopps en pratique. De tels systmes posent bien sr des problmes

dinterface avec lhomme (utilisateur, expert, concepteur) pour ce qui est de la reprsentation et de lacquisition de linformation. Il faut aussi les doter dune aptitude fournir des explications, de faon pouvoir clairer les conclusions obtenues par le calcul. Enfin la faon dont lincertitude est apprhende, et est restitue lutilisateur, doit galement tre tudie du point de vue de la psychologie cognitive.
Salem Benferhat, Claudette Cayrol, Didier Dubois et Henri Prade

Evaluer des situations, dcider, planifier


La thorie de la dcision (dcision multicritre, dcision dans l'incertain, dcision de groupe) a t tudie depuis plus de cinquante ans par des conomistes et des chercheurs en Recherche Oprationnelle. Il s'agit pour les premiers de modliser la prise de dcision chez des dcideurs "rationnels", c'est--dire des agents conomiques dont le comportement est en permanence en accord avec des postulats, tandis que les seconds considrent la dcision davantage dans une perspective de problmes d'optimisation o, par exemple, plusieurs critres interviennent. Les modles de la dcision ainsi dvelopps, ont pour but le classement des dcisions possibles, souvent l'aide d'valuations numriques (dont l'usage est justifi par des postulats). Ces mthodes ne permettent pas de remonter aisment aux raisons qui font qu'une dcision est meilleure qu'une autre. Par ailleurs, ces modles supposent souvent la connaissance de fonctions numriques pour valuer les choix, et de distributions de probabilit pour dcrire l'incertitude sur le rsultat des actions. Cependant les prfrences des agents ne sont pas toujours connues de manire complte (et cohrente !) sous la forme de fonctions d'valuation. De mme, ce qui est connu des rsultats possibles des actions peut tre de nature qualitative, et ne pas se mettre aisment sous la forme de probabilits prcises. La problmatique de la dcision n'a pas fait partie des proccupations centrales de l'IA jusqu'au dbut des annes 90 : l'IA, tant tourne vers la modlisation symbolique et logique du raisonnement, tait en effet assez loin des oprations numriques de compromis utilises en dcision. Et ce, mme si l'un des pionniers de l'IA n'tait autre que le prix Nobel d'conomie H. A. Simon. Il apparat cependant depuis quelques annes que l'IA peut apporter la problmatique de la dcision des outils permettant une reprsentation plus souple et plus qualitative de l'information, des prfrences, et des buts poursuivis, et

propose des formulations qui se prtent ensuite plus facilement des possibilits d'explications des dcisions proposes. De telles approches s'avrent utiles pour guider un usager dans ses choix, en lui proposant des solutions rpondant ses prfrences, qu'il peut faire voluer si ncessaire. Un systme d'aide la dcision peut aussi s'appuyer sur les rsultats connus de dcisions prises antrieurement dans des situations similaires celle o une dcision doit tre propose : cette faon d'envisager la dcision est trs proche du raisonnement partir de cas dvelopp en IA. Enfin la planification (qui inclut le suivi d'excution de tches) est un problme de dcision tudi depuis une trentaine d'annes en IA. Il s'agit de dterminer un enchanement d'actions (le plus simple possible) qui permette d'atteindre un but partir d'une situation donne. La planification d'oprations lmentaires pour un robot (ou plus gnralement un ensemble de robots) en vue de raliser une tche plus globale est l'exemple classique en IA de ce problme, qui peut aussi se rencontrer plus gnralement dans lorganisation dactivits complexes. Une des difficults rside dans le fait qu'une sous-suite d'actions menant la satisfaction partielle du but recherch peut ne pas constituer un morceau d'une solution permettant de raliser le but compltement. Depuis le dbut des annes 90, l'utilisation des probabilits ou d'autres modles de reprsentation, ont permis d'tendre cette problmatique des environnements incertains (o par exemple une action peut chouer), en prenant en compte des fonctions de cot et la possibilit dinclure des actions informatives (qui renseignent sur ltat du monde) chaque tape dcisionnelle. Les situations prcdentes ne concernaient qu'un agent isol (face un environnement ventuellement incertain). Depuis une dizaine d'annes, les chercheurs en IA se proccupent galement de la prise de dcision concernant un groupe d'individus. Il faut noter qu'il s'agit de dcision centralise (par opposition la section ``Intelligence Artificielle collective'' o il s'agit de dcision distribue) : un groupe d'agents, ayant chacun ses

prfrences propres, doit parvenir une dcision commune. Le critre de qualit de cette dcision commune dpend du type d'application considr : ainsi, pour des problmes de vote ou plus gnralement de recherche de compromis, il est important d'obtenir une solution quitable; alors que pour des problmes dits d'enchres combinatoires (de plus en plus utilises en commerce lectronique) il s'agit de maximiser le gain total d'un ensemble de vendeurs (centraliss en un ``commissairepriseur lectronique''), en dterminant une attribution optimale de biens aux agents (acheteurs), sachant que chaque agent a au pralable exprim la somme d'argent qu'il est prt payer pour chaque combinaison possible de biens.
Didier Dubois, Hlne Fargier, Jrme Lang et Henri Prade.

Raisonner sur le changement, le temps et lespace


Un systme intelligent possde deux capacits fondamentales. Il s'agit d'une part de la possibilit de percevoir le monde extrieur, et d'autre part de la facult d'agir sur celui-ci. La perception s'effectue travers des capteurs, tandis qu'une action est accomplie travers le contrle moteur (les effecteurs d'un robot). Dans le langage informatique et dans la thorie du contrle, ce sont ces capteurs qui fournissent les entres, tandis que les effecteurs fournissent les sorties. Une instance de ce schma perception/action est par exemple la communication entre agents. A partir de cette analyse, on obtient l'architecture de base d'un systme intelligent si on ajoute comme troisime composante l'tat interne dans lequel l'agent se trouve un instant donn. Les actions entreprises par l'agent sont alors fonction de cet tat interne, qui est modifi en fonction des perceptions. Pour tre considr comme intelligent, l'tat interne de ce systme doit lui permettre de raisonner. C'est pour cela que dans l'approche standard, cet tat interne repose sur une reprsentation symbolique du monde extrieur, constitue de "faits", c'est--dire d'assertions correspondant ce que l'agent croit tre vrai dans le monde. On appelle souvent ces faits internes les croyances de l'agent. Bien sr, ces croyances sont en gnral imparfaites (incompltes, errones), et de nouvelles perceptions mnent frquemment un changement, ou mise jour, de croyances. A un niveau lmentaire, un agent excute une action, le plus souvent au sein d'une suite d'actions, que l'on appelle aussi plan. un niveau plus lev, l'agent qui excute une action cherche atteindre un but, auquel il croit parvenir en excutant un plan gnr pralablement. Ce sont donc ses croyances qui interviennent lorsqu'il planifie, c'est--dire qu'il raisonne pour gnrer un plan d'actions lmentaires excuter. Notons qu'un plan peut aussi faire appel aux capacits perceptives travers des actions communicatives ou des actions de test.

Les formalismes qui ont t proposs dans la littrature pour prendre en compte l'volution des bases de connaissances (les formalismes de mise jour et de raisonnement sur les actions) se heurtent plusieurs difficults. La plus connue est le fameux problme de la persistance des informations lors d'un changement (problme du "dcor") : comment viter de dcrire les non-effets dun changement ? Aussi surprenant que cela puisse paratre, beaucoup de formalismes nous forcent prciser que dallumer mon ordinateur ne modifiera pas ltat de celui de mon voisin. Aujourdhui on considre gnralement que le problme du dcor a t rsolu dans sa version simple, savoir que les actions nont pas d"effets de bord" : allumer lunit centrale de mon PC nallumera pas son cran. Cest donc linteraction de ce dernier problme dit "de la ramification" et du problme du dcor dans toute sa gnralit qui constitue un dfi redoutable non encore rsolu ce jour. Lvolution d'un agent est rythme par la perception d'objets, vnements et faits, et par l'excution d'actions, les actions n'tant que des vnements particuliers. D'autre part, gnrer un plan signifie dterminer des actions raliser ainsi que la suite qu'elles constituent, c'est--dire leur ordonnancement temporel. Le temps, paramtre fondamental dans le raisonnement des agents, doit donc tre reprsent. Comme pour tant de domaines, la nature ontologique du temps ne s'impose pas nous de faon indiscutable, et diffrentes approches de la reprsentation du temps ont t proposes dans la littrature. Un facteur ayant motiv de nombreux dveloppements thoriques concerne la notion de dure des entits temporelles. Soit on fait l'hypothse que les diffrents vnements (actions et perceptions) sont instantans (ou que leur composante temporelle peut s'exprimer en termes d'instants), soit on considre leur tendue temporelle comme tant non nulle et irrductible. Cette seconde approche est la seule valable en gnral si l'agent ne dispose pas d'une horloge interne dterminant un temps "absolu", et ne peut que situer temporellement les uns par rapport aux autres des vnements divers comme l'ouverture du robinet, l'eau qui

coule, le remplissage du verre et la noyade de la mouche. Les travaux ont montr que les systmes de raisonnement temporel dits de "calcul d'intervalles" (bien que le terme "intervalle" dsigne en mathmatique des ensembles convexes d'instants, il s'agit ici d'entits temporelles primitives tendues) sont malheureusement plus complexes que ceux bass sur des instants. Tous les problmes d'ordonnancement exprims en termes d'intervalles et qui sont "calculables" ne sont pas ce jour identifis et classifis. On distingue les actions pistmiques ( effet sur les connaissances) et ontiques ( effet sur le monde physique), en considrant que les premires ont effet uniquement sur les tats internes, tandis que les secondes ont des effets sur ltat du monde et sinscrivent donc dans lespace environnant le systme. Pouvoir raisonner sur ces dernires actions ncessite donc une modlisation de lespace. Comme pour le temps, on est confront alors des choix de reprsentation. Bien quil soit possible de recourir lanalyse mathmatique classique (espace euclidien, coordonnes cartsiennes), beaucoup dapproches ont prfr une modlisation qui soit non seulement plus proche de la cognition humaine mais galement plus robuste en prsence d'informations incompltes ou imprcises. C'est pourquoi le raisonnement spatial dit "qualitatif" se base le plus souvent sur un espace base d'objets, corps ou volumes ayant une extension spatiale perceptible, plutt que sur les entits primitives abstraites que sont les points et les figures de la gomtrie classique. Si les travaux ont beaucoup avanc en ce qui concerne la modlisation des concepts mrotopologiques (inclusion, contact) sur les objets ou les corps, l'heure actuelle, raisonner de faon qualitative sur des concepts gomtriques (distance, alignement, forme...) avec des entits tendues reste un problme difficile.
Andreas Herzig et Laure Vieu

Rsumer, apprendre, dcouvrir


Lorsque l'on s'intresse la simulation du comportement intelligent de l'homme par une machine, on peut distinguer l'aptitude comprendre et l'aptitude apprendre, en supposant que cela soit possible. Le domaine de l'Apprentissage en Intelligence Artificielle est simplement une tentative de simuler avec une machine cette remarquable aptitude apprendre dont l'homme fait preuve. D'o les robots qui, aprs plusieurs tentatives infructueuses pour suivre une piste, apprennent qu'une porte s'est ferme et qu'il faut trouver une autre solution, d'o les logiciels qui induisent, partir de l'historique des connexions Internet d'un individu, un profil psychologique (Monsieur Untel est un passionn de football, ne s'intresse que peu l'actualit internationale et semble rechercher une nouvelle voiture), d'o les programmes qui utilisent l'immense base de donnes du gnome humain, mettent en correspondance diffrentes observations et finalement "dcouvrent" que tel gne est responsable de telle maladie. Nous sommes au cur de la problmatique de l'apprentissage. Reste savoir le sens prcis que nous donnons au mot "apprendre" et c'est le premier challenge de l'informaticien dans ce domaine. D'o l'importance des travaux thoriques fondateurs qui tentent de donner un cadre formel l'apprentissage par machine. On distingue alors des concepts qui peuvent tre appris d'autres qui ne le peuvent pas. Un peu la manire dont les travaux de Alan Turing distinguent ce qui est calculable de ce qui ne l'est pas ! On s'aperoit alors, que pour qu'un concept soit apprenable il faut qu'il puisse tre rsum (un informaticien dirait "compress") mais videmment cela n'est pas suffisant. "Apprendre" ce n'est pas seulement "rsumer", c'est plus que cela ! En effet, il faut aussi que ce que l'on a appris permette de donner des rponses des questions autres que celles utilises dans le processus d'apprentissage : en d'autres termes, "Apprendre" c'est aussi "Gnraliser".

Ds lors, il est possible de chercher des algorithmes et donc de construire des programmes qui "apprennent"... Leur excution sur une machine donne alors l'ide que la machine est l'cole. Surgit alors une nouvelle question : apprendre, oui mais partir de quoi ? De quelles informations dispose-t-on ? En gnral, le processus d'apprentissage suppose deux agents au moins : un apprenti et un professeur. L encore, on s'inspire du modle humain. Et un processus questionrponse s'engage. En simplifiant un peu, on apprend partir d'exemples et de contreexemples. Une large palette de techniques ont alors t dveloppes pour apprendre partir d'exemples. Les mthodes statistiques, historiquement les plus anciennes, sont trs efficaces. Mais des techniques spcifiques l'Informatique ont t dveloppes partir des annes 80 : les rseaux de neurones qui simulent l'architecture du cerveau humain, les algorithmes gntiques qui simulent le processus de slection naturelle des individus, la programmation logique inductive qui fait "marcher l'envers" le processus habituel de dduction, les rseaux baysiens qui se fondent sur la thorie des probabilits pour choisir, parmi plusieurs hypothses, la plus satisfaisante. Et si le professeur est absent ? Et c'est souvent le cas quand on dispose de grandes quantits d'information (par exemple une base de donnes des personnes atteintes de migraines sur les 5 dernires annes) et que l'on cherche extraire des relations entre ces informations. Par exemple, y a-t-il un rapport entre le fait d'tre migraineux et le fait de possder un tlphone portable ? Et si oui, quel est ce rapport ? Dans ce cas, o personne ne guide l'apprenti, on parle de fouilles de donnes, de dcouverte de lois aussi. Il faut alors adapter les mthodes voques plus haut pour tenir compte de l'absence d'exemples qui pourraient nous guider. On peut utiliser des techniques statistiques, mais si l'on dispose d'un nombre insuffisant de donnes, on se tourne vers des mthodes fondes sur la logique.

On voit quil ny a aucun rapport entre concevoir des machines qui apprennent et utiliser des ordinateurs pour faire de l'enseignement (ceci relve de l'Enseignement Assist par Ordinateur ou EAO). Aujourd'hui, les machines commencent apprendre mais les rsultats, bien que souvent remarquables, sont encore loin des performances d'un enfant de l'cole primaire qui apprend normment de choses sans que l'on comprenne bien comment. Ce qui signifie qu'il y a encore du travail pour cloner l'homme par une machine. Heureusement !
Gilles Richard

Langue et IA : des interrelations troites


Les tres humains sont capables de comprendre et de parler une ou plusieurs langues. Cette capacit langagire est indissociable de l'intelligence humaine. Il est donc lgitime de se poser la question des rapports qui unissent IA et langue. Les textes de ce livret soulignent qu'une tche centrale de l'IA est de formaliser les connaissances et les raisonnements humains. Or la langue est le principal moyen dont nous disposons pour exprimer nos raisonnements et vhiculer nos connaissances. Les messages ou changes en langue naturelle reprsentent donc, pour certains chercheurs en IA, un terrain d'observation privilgi. Ainsi, par exemple, l'tude de l'expression de l'espace ( travers les prpositions, les verbes, les noms de localisation, ...) dans la langue permet-elle de faire avancer les tudes sur le raisonnement spatial, ou bien l'tude systmatique de corpus de textes spcialiss permet-elle d'acqurir la connaissance spcifique un domaine travers l'tude de l'organisation du lexique spcialis de ce domaine. D'un autre ct, si l'on cherche doter l'ordinateur de capacits ressemblant celles de l'homme, il est naturel d'envisager de rendre l'ordinateur capable de comprendre, ou en tout cas de traiter automatiquement des informations en langue naturelle, et de le rendre capable de gnrer des messages en langue naturelle bon escient. C'est l que l'IA et l'informatique linguistique se rejoignent. L'analyse automatique du langage est une entreprise difficile qui met en jeu une trs grande diversit de modes de raisonnements et de connaissances. En effet, outre le vocabulaire trs vaste et en volution constante et le trs grand nombre de constructions grammaticales, le langage abonde en lments et structures ambigus, en donnes implicites qu'il faut reconstruire, ainsi qu'en une proportion leve d'noncs incorrects grammaticalement mais qui demeurent nanmoins tout fait comprhensibles.

Pour illustrer la fcondation mutuelle de lIA et de linformatique linguistique, prenons les champs de la smantique et de la pragmatique. Il sagit de construire une reprsentation de messages en langue naturelle qui soit manipulable par la machine. Ceci implique la modlisation dun trs grand nombre de phnomnes smantiques, comme les mcanismes de rfrence (pronominale, spatiale, temporelle : de l, je te voyais avec ses jumelles), la quantification, les oprateurs complexes (ngation, modalits, oprateurs pistmiques, argumentatifs parce que, cause de), la dynamique gnrative du langage (production de mtaphores, mtonymies, glissements ou fluctuations sur les sens tablis: des ides rouilles, vendre un Picasso, etc.). En plus des phnomnes lis au sens et aux rapports que les noncs tablissent avec le monde, il est ncessaire de sintresser des phnomnes concernant la mise en contexte de lnonc dans une situation de communication. Ainsi, pour le dialogue homme-machine, on cherche formaliser les actes de langage, prendre en compte le modle de l'usager, locuteur ou auditeur, reprsenter lvolution des connaissances et croyances au cours du dialogue, et pour pouvoir gnrer des rponses, modliser la faon de prsenter, d'argumenter et d'tre coopratif vis--vis d'un usager. Une part croissante de l'informatique linguistique devient une discipline technologique, avec des enjeux majeurs dans l'industrie et dans la socit. Elle impose des exigences d'efficacit, de simplicit et d'expressivit dans les mcanismes et dans la reprsentation de volumes considrables de donnes. De ce point de vue, les techniques d'acquisition et de modlisation automatique de la connaissance sont prcieuses. Tandis que les applications qui gravitent autour de l'indexation automatique, la recherche d'informations, voire la traduction automatique, font un usage encore modr des techniques de l'IA, d'autres champs tels que le dialogue, le rsum automatique ou les interfaces homme-machine coopratives doivent et font massivement appel

aux travaux de lIA en matire formalisation du raisonnement.

de

D'un point de vue fondamental, l'analyse du langage et l'informatique linguistique se sont repositionnes. Partant de reprsentations et de raisonnements idaliss, dans la tradition de pense cartsienne ou de l'esprit - logique pure, de nombreux travaux, s'inscrivant dans une double perspective cognitive et anthropologique, ont montr que nos concepts, mmes les plus abstraits, sont largement mtaphoriques, cest--dire construits par abstraction partir de reprsentations concrtes. D'autres travaux, en particulier gnrativistes, ont montr que le langage apparat davantage comme une composante instinctuelle qu'une aptitude acquise. Les relations IA - informatique linguistique sont donc en pleine volution. Un axe qui inclut les paradigmes proposs, entre autres, par Darwin, Turing et Chomsky se construit et se trouve singulirement mis en lumire : volution et dynamique crative du langage, calcul, et modlisation par principes et paramtres postuls tre instinctuels, implments par des contraintes aux dpens de lourds systmes de rgles, postules acquises.
Myriam Bras et Patrick Saint-Dizier

Indexation multimdia et IA
Si les ressources multimdia disponibles aujourd'hui sur ordinateur sont la fois nombreuses et volumineuses, elles restent souvent d'un accs difficile en raison de l'absence d'index systmatique recensant les informations pertinentes sur leur contenu. Il n'est pas toujours possible d'associer manuellement une description textuelle ou quelques mots cls un contenu multimdia pour faire des recherches ultrieures sur ces informations. Dans ce cas, l'indexation automatique doit prendre le relais. Les chercheurs impliqus dans le domaine travaillent sur l'ensemble des points de la chane qui relie la production du document la consultation de celui-ci en passant par son encodage et son stockage. Que ce soit pour l'extraction de connaissances sur le contenu des documents, la gestion et la structuration des donnes produites et leur mise disposition auprs des utilisateurs, lIA est de plus en plus fortement implique dans la chane d'indexation automatique multimdia. Pour les documents dj existants qu'il s'agit d'indexer automatiquement, une des tapes les plus importantes consiste extraire les donnes descriptives appeles mtadonnes. Ces mtadonnes sont, par exemple, les segments temporels ou les rgions correspondant un objet important ou pour le moins structurant du document. Cette extraction automatique des mtadonnes demande la mise en oeuvre d'outils de reconnaissance des formes, ou l'apprentissage de modles des documents analyser. On peut ainsi utiliser des modles dits "stochastiques" qui caractrisent l'volution dans le temps ou dans l'espace du contenu : en parole, une locution s'exprime par une succession de ralisations de phonmes ; dans une mission de tlvision, telle squence a toujours lieu avant telle autre. Ces modles, appris a priori en fonction des objets reconnatre, permettent ainsi la machine de localiser tel ou tel vnement. D'autres techniques consistent exploiter une connaissance experte transcrite travers une base d'heuristiques. On peut

ainsi signaler la machine que la prsence d'un objet dans une image se caractrise par la prsence d'une rgion de telle forme, telle couleur et telle texture. Parfois, cette combinaison entre plusieurs descripteurs de bas niveau ne peut pas tre formule de faon prcise et catgorique. On utilise alors les outils de la logique floue pour apprhender des spcifications rfrant des proprits non-tranches. Par exemple, pour dtecter une page de publicit diffuse la tlvision, on peut la caractriser comme tant un segment ayant un montage assez rapide, des mouvements d'objets ou de camra importants, et prsentant visuellement de nombreuses couleurs vives et contrastes. L'indexation multimdia pose galement les problmes de la reprsentation, de la structuration et de l'exploitation des mtadonnes dans un mme systme, ou entre systmes diffrents. Des choix judicieux et des technologies spcifiques s'imposent afin de grer une connaissance extraite pas toujours fiable et prcise, de construire des index et de dfinir des distances pour optimiser le temps et la qualit de la recherche d'une information, de traduire ces index en largissant leur contenu smantique, d'tablir des liens entre eux, d'tudier la nature des structures et des liens pour amliorer l'exploitation des donnes. L'exploitation "intelligente" des donnes va de pair avec l'laboration d'outils de consultation "savants" susceptibles de s'adapter diffrents modes d'accs et diffrents types d'usage. De nombreux travaux de recherche ont t ainsi mens, visant modliser les intrts des utilisateurs et comprendre leur dmarche. Ce type d'information, coupl un mode de reprsentation symbolique du contenu, peut permettre par exemple de construire dynamiquement des chemins optimaux vers les donnes recherches en prenant en compte des considrations ergonomiques et cognitives. Le domaine d'application de l'indexation multimdia est vaste : il relve aussi bien de l'aide la production que de l'aide l'analyse, de la conception d'outils d'archivage que d'outils d'encodage. Mme si des

solutions ont d tre trouves dans chaque domaine pour combler des besoins vidents, aucune approche homogne n'avait t jusqu'alors propose. Il est donc bien ici question de convergence des technologies parmi lesquelles lIA a un rle important jouer.
Rgine Andr-Obrecht et Philippe Joly

La Ralit Virtuelle et l'IA


La Ralit Virtuelle propose de nouvelles formes d'interaction entre l'homme et les systmes. L'avnement de stations de travail en rseau dotes de trs fortes capacits graphiques 3D couples de nouveaux priphriques de visualisation et d'interaction dont l'usage est intuitif (casque, gant...) permet de fournir plusieurs utilisateurs les informations sensorielles ncessaires pour les convaincre de leur prsence dans un monde synthtique. De plus, la possibilit de manipuler certains aspects de ces mondes virtuels quasiment comme dans la vie relle offre aux intervenants la possibilit d'utiliser leur exprience et leurs capacits naturelles pour travailler de faon cooprative. Les mondes synthtiques crs et grs par un systme de Ralit Virtuelle Distribue peuvent donc tre virtuellement peupls par de nombreux utilisateurs qui interagissent, travers des priphriques spcialiss, avec ces mondes virtuels et en particulier avec des entits autonomes, animes et dotes de comportements complexes : des comportements collaboratifs, mais aussi adaptatifs et pas uniquement ractifs, c'est-dire avec la capacit de raisonner et d'apprendre, ou encore cherchant anticiper la dynamique du monde dans lesquelles elles se trouvent, voire de comportement mergent. Les travaux en ralit virtuelle sont ainsi la frontire de nombreux domaines : les systmes (et applications) distribus, les rseaux, la modlisation gomtrique et la synthse d'images, l'interaction homme-systme, pour les systmes en eux-mmes, mais aussi, les techniques issues de l'intelligence artificielle classique ou de la vie artificielle, pour la gestion des entits (agents) autonomes ou semi-autonomes dotes de comportements. Un aspect important des travaux en synthse d'image, en CAO et donc en ralit virtuelle, concerne la modlisation de l'univers virtuel. Le but de cette premire tape, cruciale pour la cration de mondes 3D complexes, est de fournir une description gomtrique 3D de l'univers. Pour faciliter et automatiser cette tche

complexe, mais aussi pour la contrler, il est ncessaire de grer des contraintes ou de vrifier des proprits sur les objets ou sur la scne. Ainsi, la modlisation dclarative et la modlisation par contrainte s'intressent des problmatiques de l'Intelligence Artificielle, comme le langage naturel et la smantique des proprits spatiales et leur traduction en un ensemble de grande taille de contraintes complexes alimentant des rsolveurs pouvant utiliser une exploration de l'espace des solutions soit exhaustive soit stochastique. Pour la simulation des acteurs comportementaux peuplant les univers virtuels, la problmatique est la mme pour des applications industrielles de simulation que pour ce qui existe dans les jeux vidos ou en animation de synthse pour le cinma. Des techniques de l'animation de synthse, de l'intelligence artificielle, de la robotique et de la vie artificielle sont donc utilises, travers des systmes hybrides ( la fois ractifs et dlibratifs), pour donner des capacits d'autonomie aux entits comportementales et les doter de facults d'apprentissage, de raction, de dialogue (la communication entre agents et avec des avatars), de planification de leurs tches (et de leurs trajectoires). Les premiers systmes comportementaux utilisaient des systmes base de rgles et de moteurs d'infrence, mais actuellement, ils emploient des rseaux de neurones, des systmes de classifieurs, des algorithmes gntiques et des systmes multi-agents. Une des motivations actuelles les plus prometteuses pour la modlisation de ces acteurs de synthse est de reproduire artificiellement des proprits du vivant lies l'adaptation. La premire forme d'adaptation considre un point de vue plutt centr sur l'individu et sur la manire dont celui-ci peut apprendre au cours de sa vie, en fonction de ses diffrentes conditions environnementales. La seconde est plus axe sur l'espce et des caractristiques gntiques qui la composent, et se concentre sur la modlisation des thories de l'volution et sur la manire dont elles peuvent amliorer les performances des individus en les faisant voluer. Finalement, la dernire met

l'accent sur les phnomnes collectifs et sociaux pouvant apparatre dans des groupes d'individus, tels que les processus de communication ou encore de coopration. Certaines de ces proccupations sont aussi au cur de recherches actuelles menes en Intelligence Artificielle. Les tudes et les dveloppements autour de la Ralit Virtuelle apportent donc souvent des contributions significatives et originales aux diffrents domaines voqus, travers toutes ces nombreuses interactions.
Yves Duthen et Jean-Pierre Jessel

IA et mathmatiques
Le besoin d'apprhender et de manipuler de manire formelle cette nouvelle entit qu'est l'information dans ses diffrents aspects, a accru l'intrt pour certains outils de modlisation mathmatique, conduisant quelquefois de nouveaux usages de notions anciennes, voire au dveloppement, d'abord empirique, de nouveaux outils de formalisation. Cela est vrai pour les sciences du traitement de l'information en gnral, et pour l'IA en particulier. Il en est ainsi de la logique. La logique s'intresse traditionnellement la formalisation du raisonnement. L'tude du raisonnement mathmatique a t la base du dveloppement de la logique dans la premire moiti du XXime sicle. Cela a permis de donner une dfinition prcise de la notion de calcul effectif, constituant ainsi le point de dpart de l'informatique. Avec l'IA, d'autres types de raisonnement que celui de mathmaticiens sont devenus des sujets importants d'tude. Ainsi, sont apparues de nouvelles techniques permettant l'tude systmatique de logiques dites non-classiques, dans lesquelles - des concepts comme la connaissance, le temps, lincertitude, ou la croyance sont formaliss, - des mthodes automatiques de preuve pour ces logiques sont dfinies, - ainsi que de nouvelles applications des domaines aussi varis que la synthse de programmes et la construction de logiciels srs, ou la formalisation de la notion d'agents (galement en relation avec la thorie des jeux). Les probabilits, avec le dveloppement des "rseaux Baysiens" pour le traitement d'infrences incertaines, ont conduit un important renouveau des proccupations algorithmiques dans ce domaine. Les mathmatiques concernant les structures discrtes (cest--dire caractre "discontinu"), les reprsentations par graphes, les modles base du calcul des relations sont trs employes. Le besoin de modles qualitatifs, a conduit l'usage de structures algbriques exoti-

La place de lIA

dans

les sciences

ques, o les oprations maximum, ou minimum, remplacent la somme ou le produit de l'algbre linaire. A cot des probabilits, de nouveaux cadres de modlisation de l'incertitude sont apparus comme les fonctions de croyance (qui entretiennent des relations avec les ensembles alatoires), ou la thorie des fonctions de possibilit et de ncessit, qui utilise largement les oprations maximum et minimum, tout comme la thorie des ensembles flous (qui traite de classes et de proprits aux frontires non-tranches, o on peut passer graduellement de l'appartenance la non-appartenance).
Didier Dubois, Luis Farias del Cerro et Henri Prade

IA et informatique
Le catalyseur qui a conduit la naissance de l'IA a t l'apparition des premiers ordinateurs, qui fut elle-mme prcde par une priode florissante pour le dveloppement des fondements logiques des mathmatiques, de la thorie de la calculabilit et des automates. L'IA est ainsi apparue en tant que discipline l'intrieur de l'informatique dans le but de donner l'ordinateur une nouvelle fonctionnalit celle de "penser". Les caractristiques essentielles de l'IA apparaissent plus "nettement" dans la nature mme des informations (respectivement des problmes) et dans la manire de les reprsenter (respectivement de les rsoudre). En effet, les systmes d'IA ont besoin d'intgrer et de manipuler avantageusement la fois les informations de type symbolique mais aussi numrique. Ils doivent aussi pouvoir s'accommoder des situations o les informations traites sont incompltes, inexactes, voire conflictuelles. Une autre caractristique de la recherche en IA concerne le dveloppement d'une algorithmique nouvelle pour rsoudre des problmes, comme la planification par exemple. Sans entrer plus avant dans des considrations thoriques, nous adoptons dans la suite, un point de vue pratique, en donnant quelques exemples des apports rciproques de l'informatique et de l'IA. Cette nouvelle problmatique a permis de dvelopper de nouveaux domaines en informatique comme par exemple, la mise au point de mthodes permettant la mcanisation du raisonnement, ainsi que le dveloppement de mthodes de dduction permettant la preuve automatique de thormes, ou encore les nouvelles technologies de l'information (bases de donnes et Internet), la formalisation de la communication entre l'homme et la machine, le traitement automatique du langage naturel. Ce type de recherche a permis aussi d'une part, la dfinition de nouveaux langages de programmation comme les langages objets

(qui sont lis aux rseaux smantiques et distinguent les objets et classes d'objets), les langages fonctionnels (ex. LISP), ou les langages bass sur la logique (comme PROLOG), et d'autre part, d'aborder des problmes au cur de l'informatique, comme par exemple, dterminer si un programme est correct, ou en faire la synthse, sans oublier les systmes d'aide la configuration, l'exploitation et la maintenance des systmes informatiques.
Luis Farias del Cerro et Lakhdar Sas

LIA et les sciences du traitement de linformation


Les Sciences du Traitement de lInformation et de la Communication (STIC) sont quelquefois confondues avec l'Informatique, science du calcul, numrique ou symbolique, sur ordinateur (tant dans ses aspects algorithmiques, que logiciels ou matriels). Les STIC, qui certes bnficient de la puissance calculatoire des machines informatiques, concernent tous les problmes poss par la manipulation d'un "matriau" dont la spcificit et l'importance se sont affirmes depuis un demi-sicle : l'information. En effet, l'information existe sous diffrentes formes (tableaux de donnes, textes, images, sons,...) et requiert de nombreux traitements de diverses sortes pour tre utilise par l'homme diffrentes fins. Ainsi, trs schmatiquement, on peut distinguer trois grandes familles de traitements qu'on peut souhaiter faire sur l'information : - i) ceux ayant pour but de l'laborer, de linterprter, c..d. de la mettre dans un certain cadre reprsentationnel afin de pouvoir la communiquer, soit un usager, soit un nouveau module de traitement ; il s'agit alors de la "dbruiter", de la "lisser", c..d. de l'purer, mais aussi de classifier, de structurer, de rsumer l'information, de la prsenter sous forme synthtique ; - ii) ceux ayant pour fonction de la stocker, de la retrouver et de l'expliciter; il s'agit ici notamment de techniques de compression d'information, de langages d'interrogation ayant ventuellement des capacits d'infrence pour pouvoir produire de nouvelles conclusions partir des informations disponibles, et les expliquer ; ceci suppose de concevoir des interfaces satisfaisantes pour les usagers. Il convient galement de scuriser l'information et d'en rglementer l'accs, ou encore de la "banaliser" si on doit protger l'anonymat de personnes auxquelles elle rfre ; - iii) enfin les traitements visant exploiter linformation dans des environnements statiques ou dynamiques, en gnral dans

une perspective de dcision et d'action ; il est alors question de trouver des solutions, ventuellement optimales, des problmes exprims sous forme de contraintes, d'valuer des situations selon de multiples critres, de proposer des dcisions en prenant en compte l'incertitude sur leurs rsultats, de piloter automatiquement des systmes dynamiques, de prdire le comportement de systmes, d'valuer leur fiabilit. Ces diffrentes proccupations ont donn naissance depuis les annes 40-50 de nombreuses spcialits, aux noms plus ou moins explicites, qui toutes participent d'une faon ou d'une autre la problmatique des STIC : le Traitement du Signal, l'Analyse de Donnes, la Reconnaissance des Formes, l'Interaction Homme-Machine, les Bases de Donnes, la Recherche d'Information, l'Intelligence Artificielle, l'Automatique, la Recherche Oprationnelle, ici grossirement ordonnes selon leur implication dans les trois familles de traitements qu'on vient de dcrire grands traits. A ct de ces disciplines focalises sur des questions spcifiques que nous ne prciserons pas davantage ici, il existe aussi des thmatiques de recherche transversales, centres sur le type d'information considr, comme le Traitement d'Images et la Vision par Ordinateur, ou comme le Traitement du Langage Naturel (par opposition aux langages artificiels de l'informatique), ainsi que la Linguistique Computationnelle. Signalons enfin des problmatiques de recherche qui sont plus centres sur le dveloppement dun type doutils que sur une classe de traitements, mais qui peuvent runir aussi des communauts de chercheurs : citons par exemple, les Rseaux de Neurones artificiels (pour la classification et lapprentissage), les Algorithmes Gntiques (une classe de mta-heuristiques utilise en optimisation), ou la Logique Floue (oriente vers la manipulation de catgories aux frontires mal dfinies mais plus flexible pour apprhender la ralit). Notons que dune manire ou dune autre ces trois exemples tirent leur ide premire de paradigmes inspirs du vivant ou de lhumain.

L'IA, comme le suggrent ses diffrents paradigmes de recherche, prsents dans ce livret, opre la confluence des trois familles d'oprations cites plus haut et se trouve ainsi au coeur des STIC. En effet, elle se proccupe de la manipulation d'informations pour l'essentiel nonnumriques, de mcanismes gnraux de raisonnement, de rsolution de problmes et d'outils pour l'explication des rsultats. Ainsi, l'IA propose-t-elle des outils pour la "fouille" de bases de donnes afin d'en extraire des connaissances synthtiques ou d'y dcouvrir des informations caches, de diagnostiquer des situations, ou d'aider superviser la conduite de systmes. Clairement, dans la plupart des applications, l'IA, mme quand elle en est une composante prpondrante, n'intervient pas de manire isole, mais au contraire en relation troite avec d'autres disciplines des STIC. La Robotique est un bon exemple de domaine spcialis o les STIC, et notamment l'IA, ont une place importante. L'IA y est utilise pour maintenir des reprsentations dynamiques de l'environnement des robots, les munir de capacits de planification d'actions ou de gnration de trajectoires vitant les obstacles, d'interprtation d'images, et ventuellement de communication en langage naturel. Mais les robots sont en gnral plus que de "simples cerveaux" (spcialiss), puisqu'ils disposent de capteurs et d'effecteurs pour la locomotion et la prhension dont la matrise pose aussi de nombreux problmes de mcanique, d'ingnierie et d'informatique. A la jonction de la Robotique, de lIA Multi-Agents et de la Ralit Virtuelle, la Vie Artificielle sintresse, elle, ltude, la simulation ou la ralisation dtres anims artificiels capables deffectuer de manire adaptative des tches spcialises.
Didier Dubois et Henri Prade

Sciences de la cognition et IA
Visages multiples dun projet (presque) unique

Quelques mots de prsentation sont ncessaires, mme si on ne tentera pas ici de cerner compltement lunivers multiple des sciences de la cognition, dautant quelles peuvent recevoir des dfinitions concurrentes qui trahissent la fois leur jeunesse et la multiplicit de leurs objectifs. Une dfinition minimale serait de dire quelles ont pour objet de dcrire, dexpliquer et le cas chant de simuler les principales dispositions et capacits de lesprit humain - langage, raisonnement, perception, coordination motrice, planification... (Daniel Andler, Encyclop. Universalis, 1989). Mme une esquisse aussi tnue suffit indiquer quune telle ambition est fondamentalement transdisciplinaire et quelle exige la collaboration de disciplines aussi diverses que la neurophysiologie et la neuropsychologie, la psychologie, la linguistique et la pragmatique, la philosophie de lesprit, lanthropologie culturelle... ceci pour la phase de description empirique des phnomnes cognitifs et leur interprtation, la mathmatique et la logique pour leur reprsentation formelle et leur modlisation, enfin linformatique thorique qui fournit le paradigme fondamentalement computationnel de la cognition et qui de ce fait ouvre la voie la simulation de certains comportements cognitifs. C'est dans la rsolution des problmes formels et calculatoires que soulve la mise en uvre de cette simulation de comportements cognitifs par une machine que rside l'essentiel des tches de l'IA. Vu de plus prs, ce cadre gnral rvle pourtant un clivage thorique important entre les deux grandes orientations de la recherche cognitive. On distinguera le cognitivisme "classique", construit autour de la notion de processus mental, dont la reprsentation s'exprime dans des langages symboliques discrets (comme la logique), et dont la "dynamique" met en jeu les concepts de mmorisation et de traitement de l'information. Les calculs qui ralisent ces processus seffectuent

idalement dans des architectures computationnelles squentielles, cest dire isomorphes celle des ordinateurs de type Von Neumann classiques. Son programme porte sur la description des activits mentales caractristiques de comportements psychologiques et linguistiques aussi divers que la reconnaissance de formes, la comprhension et la production du langage, lacquisition de connaissances, la conduite de raisonnements et la prise de dcisions ou mme la manifestation dtats motionnels. La conception complmentaire de la prcdente, dite "sub-symbolique", est fonde sur un paradigme biologique, attach comme son nom lindique la description des structures et des fonctions neuronales sous-jacentes aux phnomnes mentaux voqus plus haut, mais aussi dautres phnomnes naccdant pas ncessairement au niveau mental mais nanmoins trs importants, par exemple le contrle du comportement sensori-moteur. Les modles dans cette approche sexprimeront surtout au moyen de formalismes du continu comme lanalyse non-linaire ou les processus markoviens, et leur traitement seffectuera dans des architectures hautement parallles du type "rseaux de neurones" ou automates cellulaires. Une seconde distinction doit tre faite selon la conception, en quelque sorte "sociale", dont on affecte l'exercice de l'intelligence. Dans la premire, qui a donn naissance lIA classique, celle-ci est l'apanage d'un agent cognitif individuel. La seconde architecture cognitive pourrait tre qualifie de "collective" ou "distribue", puisqu'elle dveloppe de manire plus spcifique une srie de recherches sur les techniques de rsolution collective de problmes par des entits appeles "agents" cooprant au sein d'un mme systme. Ces systmes, dans lesquels les connaissances, les traitements et le contrle sont distribus, ralisent une fonction globale qui est par exemple mise en uvre pour simuler le comportement de collectivits naturelles aussi diverses que des organismes cellulaires (neuronaux) ou des colonies d'insectes.

Ensemble, ces approches affichent une ambition qui ouvre des territoires nouveaux et assez bouleversants la pense scientifique. Il y aurait bien entendu une dmesure inquitante dans cette ambition si elle tait prise au pied de la lettre, cest-dire sans les restrictions insparables de toute dmarche scientifique. Le sens des mots varie subrepticement selon quils sont employs dans le langage courant ou dans celui du projet scientifique. Vues de plus prs, quelles sont les contraintes associes aux objectifs du projet cognitif? La premire exigence porte sur la dlimitation au niveau empirique du domaine de lanalyse - le langage, la perception, le raisonnement ce qui restreint immdiatement la porte des rsultats ventuels une classe de phnomnes cognitifs. Leur extrme diversit ne permet certainement pas de tirer de conclusions quant la cognition en gnral. En outre, il ne faut pas oublier qu' cette "segmentation" sur des critres empiriques vient se superposer en quelque sorte, pour la plupart des phnomnes cognitifs, la diversit des options thoriques et mthodologiques voques plus haut. Il sensuit que la connaissance ventuelle sera doublement circonscrite: par les dlimitations a priori et par les choix thoriques selon lesquels est conduite l'tude. On a pu dire que la toile de fond de l'"IA classique" est mentale. Si lon voulait, comme le fait parfois l'IAD, descendre jusquau niveau neuronal, il faudrait tre capable de dcrire les structures et fonctions crbrales impliques dans les processus mentaux considrs, ce qui suppose pour le moins des recherches neuro-psychologiques importantes. Les formes de lactivit de lesprit sont confrontes aux formes de la vie sensorielle et crbrale, mais il ne sagit plus ici de corrlations behaviouristes sans principes. La rvolution conceptuelle apporte par les sciences cognitives tient pour lessentiel la nature de la mdiation que la thorie de la computation effective (sous ses diverses formes) a permis dtablir entre la smantique des systmes symboliques et les oprations programmes sur ces symboles dune part, larchitecture matrielle des machines et la dynamique des transformations rgles de

leurs tats internes dautre part. Entre le software et le hardware, transposs aux structures de l'univers mental et aux processus biologiques associs, linformatique fondamentale a dfini un cadre conceptuel qui permet pour la premire fois darticuler avec rigueur les diffrents avatars de la cognition et par consquent de lancer un programme cohrent de recherches exprimentales aussi bien que formelles. Encore faut-il ne pas faire de confusion : il ne sagit pas dassimiler le fonctionnement des machines celui de notre pense, mais plutt, sur la base dun certain nombre dhypothses thoriques, de voir dans quelle mesure la rfrence aux machines permet, au prix de travaux originaux sur nous-mmes, dclairer le fonctionnement de notre pense. On se situe l au coeur du dbat philosophique trs vif sur les relations entre le physique, le biologique et le mental que ces recherches ont contribu renouveler. Un enjeu majeur pour l'avenir du savoir sur nous-mmes.
Mario Borillo

LIA et la thorie des systmes symboliques


Quelles relations entretiennent exactement madame Laetitia Casta, les milliers de statuettes censes reprsenter une partie de son anatomie, le prnom de Marianne , et lobjet ainsi dnomm, luimme cens reprsenter la Rpublique Franaise ? Ces relations sont-elles tributaires de proprits esthtiques de ces statuettes, ou (et) de leur ressemblance russie avec le modle ? La localisation de ces dernires joue-t-elle un rle (dans une mairie vs chez un particulier vs dans un entrept) ? Quelles relations prcises existent entre une partition musicale et une excution, et entre de multiples excutions, de cette partition ? Et entre un tel type de notation et dautres (chorgraphiques, gymniques, etc.) ? Comment fonctionne exactement un diagramme, un graphique, un schma, un plan darchitecte, une carte gographique ? Appellent-ils un mode spcifique de raisonnement ct du raisonnement de type propositionnel ou visuel ? Une enqute systmatique sur les varits et les fonctions des symboles a rarement t entreprise note N. Goodman dans lIntroduction des Langages de lart qui constituent justement une telle enqute systmatique. Il prcise que le terme symbole recouvre les lettres, les mots, les textes, les images, les diagrammes, les cartes, les modles, et bien dautres choses , et un programme tel que FoR (Forms of Representation, cf. Peterson) comporte effectivement bien dautres choses encore. Et lon peut tre saisi du doute de la pertinence scientifique du groupement des questions indiques pour commencer, comme de lhomognit de cet ensemble de dispositifs notationnels qui semble par exemple hors de porte dune approche smiologique post-saussurienne. N. Goodman a initi une problmatique smiologique nouvelle en instituant cette lgitimit et cette homognit au niveau abstrait des formes de rfrence et didentification opres par les systmes symboliques, et cest principalement ce niveau que lIA peut tre intresse par, et intresser, cette discipline puisquil met en

jeu des modes de reprsentation, de rfrence et de raisonnement. Trois aspects illustratifs peuvent tre signals. Sur le plan de la thorie de la rfrence, les notations issues de systmes symboliques doivent satisfaire, pour quelles remplissent correctement les fonctions indiques, des prrequis et contraintes qui garantissent leur univocit et leur efficacit : ne noter que ce qui est constitutif en laissant tout ce qui nest pas dterminant hors de la notation ; tre compltes (tous les cas sont prvus), consistantes (il ny a pas de contradiction), compactes (il ny a pas de redondance inutile), etc. Les recherches sur ces points conduisent identifier et dfinir formellement des formes originales de rfrence telle que ressemblance, exemplification, expression, illustration, lgendage, ou redfinir la relation mtaphorique. En second lieu, les notations symboliques constituent, parmi tous les objets (au sens le plus large du mot) fabriqus par lhomme, des supports de lexercice de facults ou capacits cognitives, telles la mmorisation ou laction. Il sagit alors de reprsentations externes (RE) si on les confronte aux reprsentations internes (RI) lesprit/cerveau qui rsultent du traitement cognitif de linformation par les tres vivants. Quelles sont alors les relations de nature logique entre ces deux types de reprsentations ? Les RI ne sont apprhendables indirectement qu travers des hypothses o les RE peuvent jouer un rle dcisif, bien quil soit avr que les RE ne sont en aucune manire une copie ou une image des RI ; mais par ailleurs, les RE peuvent servir de base la constitution des reprsentations des connaissances ncessaires la mise en uvre des raisonnements reconstruits par lIA ; de plus, les RE, en tant quobjets physiques, apprhendables sensoriellement, induisent elles-mmes des RI ... Enfin, loccasion de telles recherches, qui concernent aussi bien les reprsentations scientifiques que pratiques (en vue de guider laction) ou encore les productions artistiques, des domaines de linformatique constituent des champs dapplication originaux pour lIA, comme par exemple la

conception de systmes de visualisation de (structures de) donnes, de traitements, de rsultats, par exemple sur le web , eux mmes lments dinterfaces intelligentes dont les NTIC ont besoin. Lhistoire des progrs dcisifs en mathmatiques ou en chimie induits par des progrs dans les systmes notationnels eux-mmes (cf. Dagognet) signalent lintrt du sujet.
Jacques Virbel

LIntelligence Artificielle, un voyage dans notre culture

Ldition de ce livret sur la recherche en IA offre loccasion dajouter une note sur lvolution de ses reprsentations dans notre imaginaire. Les premiers signes apparaissent dans la culture occidentale avec la construction des premiers automates. Le mythe de lhomme ingnieux au point dinventer une machine doue dintelligence hante semble-t-il notre esprit ds le XVIIIme sicle avec Vaucanson (1709-1782), homme des Lumires et premier ingnieur de lre industrielle. Deux passions laniment : la mcanique et la mdecine. Il construit ses premiers automates, le joueur de flte, le canard exposs aujourdhui au Conservatoire des Arts et Mtiers Paris. A lpoque, ses crations intriguent, fascinent, comment pouvait-il dans son projet dhomme artificiel doter sa machine dintelligence ? En 1747 Julien Offroy de La Mettrie propose une rponse dans son livre Lhomme-machine, oeuvre interdite qui sera brle et obligera lauteur quitter les Pays Bas o il stait rfugi. Sil fallut plus dinstruments, plus de rouages, plus de ressorts pour marquer les mouvements des plantes que pour marquer les heures ou les rpter ; sil a fallu plus dart Vaucanson pour faire son flteur que pour son canard, il et d en employer encore davantage pour faire un parleur : machine qui ne peut plus tre regarde comme impossible, surtout entre les mains dun nouveau Promthe. Lide dun hommemachine agite le monde des Lumires et oppose violemment ceux qui croient en la part dimmatrialit de l'homme, son esprit, son me. Un nouveau pas est franchi en 1818 avec le roman Frankenstein ou le Promthe moderne de Mary Godwin Shelley o lautonomie de la machine, sa capacit exercer son libre-arbitre, vont inspirer toute une ligne de romans danticipation. Dans cet esprit simaginent aussi lEve future de Villiers de lIsle dAdam en 1886, et un peu plus tard Le surmle dAlfred Jarry 1902, Locus Solus de Raymond Roussel 1914. Le cinma entre dans laventure avec Le cabinet du Docteur Galigari de Robert Weine 1919.

Les annes 20 connaissent de nouvelles progressions scientifiques dont on retrouve la trace dans la culture. Carel Capek crit une comdie utopique R.U.R o apparat pour la premire fois le mot robot. [] Il arrive quelquefois quun Robot sendommage lui-mme, parce que cela ne lui fait pas mal ; il fourre la main dans une machine, il se casse un doigt ou la ttea lui est gal. Il faut leur donner la douleur : cest une prophylaxie automatique contre les accidents. []. Pourquoi ne leur donnez-vous pas une me ? [] Ce nest pas en notre pouvoir. [] Cela rendrait la fabrication plus coteuse. Mais peut-on mcaniser la pense et la conscience - serait-ce l'me ? - au point de les implanter dans une machine ? Questce que lintelligence : de la pense, de la conscience, du raisonnement, du jugement, de la dcision, de lexprience, du langage, des sentiments, des perceptions, du savoir, du discernement ? Autant de questions complexes, qui paraissent impossibles rsoudre. Pourtant, en 1950, Turing considr comme le pre fondateur de linformatique, fait lhypothse qu " la fin du sicle, lon pourra parler de machines pensantes sans craindre dtre contredit". Avec le concept de machine de Turing, larrive des premiers ordinateurs, notre intelligence pourrait-elle se ramener de simples calculs ? Le film de Stanley Kubrick 2001 lOdysse de lespace ralis en 1968 daprs une nouvelle de Arthur Charles Clarke nous fait dcouvrir un ordinateur, Carl, cerveau du vaisseau spatial. Il na pas lautonomie de mouvement des humains, mais il est dou de connaissances encyclopdiques et gre toutes les communications. Il prendra le pouvoir (sur les hommes) grce son aptitude mettre en relation des savoirs diffrents et il dcidera seul de ce qui est bon ou mauvais pour lui et les autres. Les interrogations que suscitaient les automates de Vaucanson sont toujours d'actualit. Le problme de Turing, roman de science-fiction de Harry Harrison et Marvin Minsky (un des fondateurs de lIntelligence Artificielle), dit en 1992, pose clairement la question de lhumanit chez lhomme et la machine. Il est notable

que dans ce roman, la machine devienne plus humaine que son crateur. Les univers oniriques proposs par le cinma, la littrature et lart alimentent nos opinions sur la science et notre devenir. Dans la ligne de Frankenstein, les romans danticipations sont peupls dhommesmachines, dhommes bioniques et de robots qui dirigent le monde. Lhomme na plus de raison dtre, sinon de servir ce nouveau monde ou de tenter de sen extraire. LIntelligence Artificielle peut aussi apparatre sous des formes plus complexes, comme la logique froide dun systme dorganisation produit par lhomme et dont il est devenu linstrument. Un dernier genre renverse le sujet. Le cinma comme la littrature et lart deviennent de ce fait des machines explorer notre propre logique. LIntelligence Artificielle devient le langage, lcriture, le scnario. La logique de la pense et la construction darborescences sont autant dtats de notre esprit qui oscille entre perte de sens et organisation de limage de nous-mme. Le jeu nous met en abme. Les artefacts sont si rapides, si efficaces, si autonomes Serions-nous ordonns, matriss, commercialiss, chosifis ? Se pose ainsi lultime question de notre propre nature et de notre aptitude dpasser ce que lon invente. La mcanisation de la pense ouvre un monde que lon invente notre guise, un peu comme dans les livres parcours multiples dont vous tes le hros . Charlie Chaplin dans Les Temps Modernes pose la question de lhomme rduit lappendice de la machine. La littrature contemporaine et lindustrie du spectacle esquissent discrtement lide que nous pourrions tre nous-mmes des intelligences artificielles au service dune cause encore inconnue et inaccessible. Mais toujours est-il vrai que limagination seule aperoit que cest elle qui se reprsente tous les objets, avec les mots et les figures qui les caractrisent ; et quainsi cest elle encore une fois qui est lme, puisquelle en fait tous les rles.[] Par elle, les sciences fleurissent, les arts embellissent, les bois parlent, les chos

soupirent, les rochers pleurent, le marbre respire, tout prend vie parmi les corps inanims (Julien Offroy de La Mettrie).
Catherine Gadon Responsable du Service Culture de lUPS

Pour conclure
sur une ouverture

Ce livret veut offrir un panorama des grandes problmatiques de l'IA aujourd'hui. Comme on peut s'en rendre compte, les recherches en IA depuis prs de cinquante ans ont permis de mieux comprendre, de formaliser, de faire excuter des machines des tches qui semblaient tre l'apanage de l'intelligence humaine, comme des tches de raisonnement, dexplication et de rsolution de problmes, comme pour le diagnostic, la planification, l'aide la conception, la prvision ou la dcision, l'analyse ou la gnration de textes ou de dialogues en langage naturel ... Cette liste, on le voit, est longue et diverse, et il est remarquable que les machines utilisent souvent des mthodes gnriques pour atteindre leurs objectifs. La puissance multiplie des ordinateurs, le dveloppement de nouvelles architectures matrielles, par exemple, rendent envisageables le traitement et la rsolution pratique de problmes toujours plus difficiles. L'mergence de nouveaux domaines pour l'informatique et les sciences du traitement de l'information, ouvre de nouveaux dfis la recherche en IA. On peut citer par exemple, la sphre Internet, le web, le commerce lectronique, etc... Qui a utilis un moteur de recherche se rend compte de la ncessit d'une "recherche intelligente" de l'information. Comment organiser et traiter ces gigantesques masses d'informations? Comment en extraire les connaissances pertinentes pour les problmes poss ? C'est lvidence un domaine o les recherches en IA trouvent un important champ d'applications. Notons aussi que par leurs retombes dans des domaines aussi divers que l'aronautique et l'espace, l'agriculture, la production industrielle, la banque et la finance..., l'informatique a russi largir considrablement son impact dans la transformation en profondeur des activits humaines. On peut dire que lIA, en modlisant et en simulant des fonctions cognitives parti-

culires, permet de faire effectuer des tches rputes intelligentes des machines, de manire gnralement la fois plus fiable et plus rapide que ne le ferait l'homme, en exploitant gnralement de grandes quantits d'informations. Cela donne lieu des ralisations qui peuvent tre spectaculaires, mais qui peuvent aussi perturber l'ide qu'on se fait de notre intelligence. Bien sr de grands progrs restent encore faire en IA pour crer des systmes disposant de gammes plus tendues de capacits cognitives et aussi plus conviviaux pour les usagers. Sans doute, est-il parfaitement envisageable que l'IA ralise des systmes capables d'une certaine introspection (c. d. de s'observer dans des tches de raisonnement et d'acqurir ainsi des mta-connaissances), d'analyser ou de simuler des motions, ou mme d'crire des pomes ou de raliser des oeuvres graphiques obissant certaines contraintes ou principes. Mais tout ceci restera encore assez loin d'une pense autonome, consciente d'elle-mme, capable de jongler avec les reprsentations qu'elle se fait du monde, de se comporter de manire ludique, non purement ractive, de crer de manire non dirige, de rver.
Mario Borillo, Luis Farias del Cerro et Henri Prade

Quelques rfrences
P. Balbiani, V. Dugat, L. Farias del Cerro & A. Lopez. Elments de Gomtrie Mcanique. Paris : Herms, 1994. R. Bellman. Artificial Intelligence. Can Computers Think ? Boyd & Fraser Pub. Comp., Boston, 1978. H. Bestougeff, et G. Ligozat. Outils logiques pour le traitement du Temps. Masson, Paris, 1989. E. Bonabeau, G. Theraulaz. Intelligence Collective, Herms, 1994. M. Borillo. Informatique pour les Sciences de lHomme. Limites de la formalisation du Raisonnement ; Mardaga Editeur, Bruxelles, 1984. M. Borillo, H. Prade, J.-L. Soubie. Les Machines Pensent-elles? (autour dun spectacle de J.-F. Peyret). Livret n1 du Service Culture de l'Univ. P. Sabatier, Toulouse, 2000. P. Braffort. LIntelligence Artificielle. Collection La Science Vivante, P. U. F., Paris, 1968. J. Charlet, M. Zacklad, G. Kassel, D. Bourigault (Coordinateurs). Ingnierie des Connaissances : volutions rcentes et nouveaux dfis. Eyrolles, Paris, 2000. L. Couffignal. Les Machines Penser. Les Editions de Minuit, 1952; 2nde dition refondue et corrige, 1964. F. Dagognet. criture et Iconographie. Vrin, 1973. E. Diday, Y. Kodratoff, T. Brito, et M. Moulet. Induction symbolique-numrique partir de donnes. Editions Cpadues, 2000. D. Dubois, H. Prade. Thorie des Possibilits. Application la Reprsentation des Connaissances en Informatique. Masson, Paris, 1987.

H. Farreny. Recherche Heuristiquement Ordonne. Algorithmes et Proprits. Masson, 1995. H. Farreny, M. Ghallab. Elments dIntelligence Artificielle. Herms, 1985. E. A. Feigenbaum and J. Feldman. Computers and Thought, McGraw-Hill Book Company, New York, 1963. Foundation for Intelligent Physical Agents FIPA: Specification http://www.fipa.org. D.M. Gabbay, P. Smets (eds.) Handbook of Deafeasible Reasoning and Uncertainty Management Systems. (6 vol.), Kluwer Acad. Pub., 1998-2000. N. Goodman. Les Langages de lArt (trad. : J. Morizot), Jacqueline Chambon, 1990 [1968]. H. Harrison, M. Minsky. Le Problme de Turing, Livre de Poche, 1994, Traduction de The Turing Option, 1992. J.-P. Haton, N. Bouzid, F. Charpillet, M.-C. Haton, B. et H. Lasri, P. Marquis, T. Mondot, A. Napoli. Le Raisonnement en Intelligence Artificielle Modles, Techniques et Architectures pour les Systmes Bases de Connaissances. InterEditions, 1991. L. Iturrioz, A. Dussauchoy (coordonnateurs) Modles Logiques et Systmes d'Intelligence Artificielle. Herms, 1990. Knowledge Engineering and Management: The CommonKADS methodology. MIT Press, December 1999. J.-L. Laurire. Intelligence Artificielle : Rsolution de Problmes par lHomme et la Machine. Eyrolles, Paris, 1986. La Somb (collectif). Reasoning Under Incomplete Information in Artificial Intelligence. John Wiley and Sons, 1990. Version franaise, Tekna, Toulouse, 1989. La Somb (collectif). Revision and Updating in Knowledge Bases. John Wiley and Sons, 1994.

P. McCorduck. Machines who think. W. H. Freeman and Company, San Francisco, 1979. M. Minsky. La Socit de lEsprit. Traduction de The Society of Mind, Simon & Schuster, 1987, InterEditions, 1988. T. Mitchell. Machine Learning. McGraw-Hill, 1997. N.J. Nilsson. Artificial Intelligence : A New Synthesis, Morgan Kaufmann, 1998. G.M.P. OHoare, N.R. Jennings. Foundations of Distributed Artificial Intelligence. J.Wiley & Sons, 1996. O. Peterson (ed.) Forms of Representation. Intellect, 1996. J. Pitrat. Mtaconnaissance. Futur de l'Intelligence Artificielle. Herms, 1990. B. Raphael. The Thinking Computer, W.H. Freeman, San Francisco, 1976. H. Simon. The Sciences of the Artificial, MIT Press 1969 & 1981. W. Skyvington. Machina Sapiens. Essai sur lIntelligence Artificielle. Le Seuil, 1976. O. Stock, (ed.). Spatial and Temporal Reasoning. Kluwer, Dordrecht, 1997. G. Tisseau. Intelligence Artificielle. Problmes et Mthodes. PUF, Paris, 1996. G. Weiss (ed.) Multiagent Systems. The MIT Press, 1999. P. H. Winston. Artificial Intelligence. Addison-Wesley Pub. Comp., 1977.

Intervenants
Rgine Andr-Obrecht, UPS Nathalie Aussenac, UPS Salem Benferhat, CNRS Mario Borillo, CNRS Myriam Bras, UPS Claudette Cayrol, UPS Didier Dubois, CNRS Yves Duthen, UPS Luis Farias del Cerro, CNRS Hlne Fargier, CNRS Henri Farreny, INPT Catherine Gadon, Culture, UPS Marie-Pierre Gleizes, UPS Pierre Glize, CNRS Andreas Herzig, CNRS Jean-Pierre Jessel, UPS Philippe Joly, UPS Jrme Lang, CNRS Henri Prade, CNRS Gilles Richard, UPS Patrick Saint-Dizier, CNRS Lakdhar Sas, UPS Jean-Luc Soubie, INRIA Laure Vieu, CNRS Jacques Virbel, CNRS

UPS Universit Paul Sabatier CNRS Centre National de la Recherche Scientifique INPT Institut National Polytechnique de Toulouse INRIA Institut National de Recherche en Informatique et Automatique