COURS Dintelligence Artificielle2018-2019 Bis

COURS D’INTELLIGENCE ARTIFICIELLE
Plan du cours
INTRODUCTION
1. Tentative de définition
2. Domaine de l’Intelligence artificielle
3. Difficultés de l’intelligence artificielle
Chap. I : INTELLIGENCE ARTIFICIELLE
1. Définition
2. Types d’Intelligence artificielle
3. Courants de pensée d’intelligence artificielle : le cognitivisme, le connectivisme, la synthèse
4. Domaines d’application de l’IA
5. Processeur de l’IA
CHAP. II : LOGIQUE ET PROPOSITIONS
1. L’alphabet : symboles conventionnelles que l’homme utilise pour exprimer ses pensées
2. Formules biens formées
3. Calculs proportionnels
4. Interprétation (déduction)
5. Théorie d’équivalence
6. Notions classiques des propositions
CHAP. III : LA PROBLEMATIQUE DES SYSTEMES EXPERTS
1. Approches des systèmes experts
2. Domaines d’activité
3. Problèmes des systèmes experts
4. Construction de systèmes experts ou architecture des systèmes experts
KABEYA MWEPU Simon Isaac cours d’IA ISES 2018-2019 Page 1

CHAP. IV : LES SYSTEMES DE GESTION
1. Systèmes experts et systèmes de gestion des bases des données
2. Architectures des SE
3. Comment l’IA vient aux entreprises
4. Informatique de gestion et Intelligence artificielle
5. Système expert, une nouvelle voie vers la productivité
CHAP. V : ROBOTIQUE
1. Définition
2. Différentiation des robots
3. Application des robots

INTRODUCTION
Tentative de définition:
L’intelligence artificielle est un ensemble des phénomènes et des perceptions dont l’objet d’étude
est l’observation des éléments constitutifs de l’intelligence naturelle pour construire des mécanismes ou
présenter le comportement intelligent (l’intelligence artificielle vise à imiter l’homme).
L’intelligence est l’aptitude donnée à l’homme de réfléchir en vue de trouver une solution à un
problème donné.
Imiter l’Intelligence Humaine : observer, mémoriser, répéter et reproduire les éléments copiés et les
éléments personnels.
Dans son livre « l’Evolution Créative » ; Henri Bergson, savant scientifique français du 20ème siècle,
introduit l’intelligence naturelle par la citation suivante : « il y a des choses que l’intelligence seule est
capable de chercher par elle-même, mais, elle ne les trouvera jamais. Ces choses là, seul l’instinct les
trouve ; mais, il ne les cherche pas »(1). Cette idée d’Henri Bergson montre que l’instinct et l’intelligence
poursuivent parfois les mêmes objectifs mais les motivations et l’expression de cette recherche diffèrent
souvent.
L’Intelligence Artificielle est un domaine étendu, la cerner consistera à exprimer ses manifestations dans
la vie courante et ses manifestations sont de 4 ordres qui donnent 4 définitions de l’Intelligence
Artificielle.
Système qui pense comme l’homme : Système qui pense rationnellement :

l’homme pense de manière logique. Ou l’homme en pensant utilise la raison.
encore par modélisation cognitive C'est-à-dire il pèse le pour et le contre en
(représentation des modèles c'est-à-dire par retenant ce qui est bon. Donc, il applique le
des images représentées dans son esprit) Ex : logicisme = penser de manière logique en
résolution d’une équation du second degré. tenant compte des facteurs humains
Système qui agit comme l’homme : Système qui agit rationnellement : après
l’homme agit par avoir rapproché plusieurs fois, l’homme
- apprentissage des connaissances, étudie le processus et élimine de celui-ci tout
- reproduction des connaissances et ce qui est superflu et ne retient que ce qui est
- rapprochements des connaissances à efficace, puis l’améliore pour mieux
la réalité produire, pour cela il utilise les
(l’homme observe c’est que l’autre fait connaissances de l’expert qui est une
(apprentissage), après observation et personne ayant appliqué plusieurs fois et
rétention, il refait seul c’est qu’il a ayant maîtrisé le processus.
observé et retenu (reproduction), quand
cette reproduction est efficace il applique
aux nouveaux problèmes qui se posent à
lui en utilisant les principes qu’il a
préalablement appliqué pendant les
exercices (rapprochement à la réalité).
1. Bergson, H. L’évolution créatrice, éd. Du Seuil, Paris, 1947

Les 4 définitions ont donné naissance à 4 domaines d’étude de l’intelligence artificielle :
1. La résolution des problèmes : (analyser le problème pour le comprendre)(système qui pense

comme l’homme).
On aborde le problème par simulation (on crée un état concret à résoudre). Exemple : pour un exercice
posé en classe, la simulation conduit à extraire la solution afin d’obtenir la réponse (heuristique). Les
procédures mentionnées ci haut sont des protocoles.
N B : quand on utilise l’intelligence artificielle, on se retrouve dans un des systèmes, mais l’idéal est de se
retrouver dans le système qui agit rationnellement.
La résolution des problèmes est une procédure empirique, car on procède par tâtonnement.. Les
heuristiques ne sont pas des solutions spécifiques, mais des voies effectives pour atteindre des points
spécifiques. Elles ne sont pas, non plus scientifiques, ni démontrables d’où, il faut procéder par
élimination sur base de la situation actuelle, du but ou situation à atteindre, des moyens dont on dispose
aujourd’hui. Les heuristiques varient selon le temps et les circonstances.
2. La compréhension du langage naturel : ou traduction automatique (système qui agit comme

l’homme)
Elle consiste à saisir la pensée et la traduire en son propre langage. La technique utilisée à ce
stade est la compréhension du langage naturel hors contexte. On prend le mot de la pensée, on le place
dans le contexte approprié.
Les étapes : définir le vocabulaire à utiliser, comprendre le langage naturel, choisir les mots appropriés
du vocabulaire défini, exprimer la pensée selon le contexte dans lequel on se trouve.
La technique utilisée consiste : - à apprendre les connaissances s’adapter
- à représenter les connaissances mémoriser
- à résoudre les problèmes raisonner
- à comprendre la difficulté communiquer les réponses
obtenues aux tierces personnes
3. La reconnaissance des formes (traitement des formes) (système qui pense rationnellement):
Pour l’homme, il a déjà un certain nombre de formes qui lui sont incrustées en mémoire. Le but
à résoudre dans ce type de problème est de former des automates capables de reconnaître
l’environnement et de travailler en tenant compte de cet environnement.
Le problème consiste à prendre l’image et à la rapprocher (coller) à la base. Si l’image ne correspond pas,
on peut soit l’ajouter, soit la rejeter.
La reconnaissance des formes concerne les automates, leur accès à l’environnement, les images, les
formes, les distances, les bruits et odeurs que doivent incorporer les machines pour s’adapter à leurs
environnements afin de réaliser leur travail. Cela se fait à l’aide des cameras, des senseurs et d’autres
systèmes de palpage. Ces instruments donnent la notion de référence à la connaissance d’objets
(comparaison) afin d’agir au moyen des bras ou mains appelés effecteurs qui effectuent les tâches déjà

programmées à l’avance. Les éléments importants de ce domaine sont :
- Identité des coordonnées et calculs de distance qui déterminent le champ de travail du robot,
- La projection troposphérique : le niveau que ne doit pas dépasser le robot. déterminer le

point à partir du quel il doit rentrer,
- L’analyse et la modélisation qui consiste à étudier l’environnement pour reconnaître les

contraintes, modèles afin de tracer les graphes de l’environnement (effectuer les calculs
permettant tous les mouvements, procéder à l’essai).
- La traduction du programme dans un langage que la machine peut comprendre.
La machine s’adapte à un environnement naturel et aux moyens de croyance propres à l’individu

qui l’a créée. Elle cherche à atteindre l’objectif pas nécessairement en utilisant la logique, elle peut aussi
utiliser les voies pouvant l’amener à trouver les solutions soit par rapprochement.
Technique utilisé : adaptation au milieu, au contexte.
4. Expertise (système qui agit rationnellement)
L’expérience est la somme des connaissances acquises par le passé, suite à l’application des
éléments essai – erreur ; dont on part comme point de repère ou référence pour les autres. Le système
expert est une manipulation des connaissances dans un domaine déterminé et le système qui en
découle.
Standford définit le système expert comme étant des programmes conçus pour raisonner à propos des
tâches dont on pense qu’elles requièrent de l’expertise humaine considérable.
Dans ce cadre, l’expert est appelé à faciliter le transfert de l’expertise nous permettant d’atteindre
l’objectif souhaité au moyen des actes particuliers le différenciant du commun des mortels. De cet
expert, nous espérons obtenir les conseils pratiques et recommandations précises qui nous permettrons
selon la confiance placée en lui, de maintenir ou rejeter le cas échéant les connaissances visées. Ainsi,
l’expert doit :
- Faciliter le transfert des connaissances vers l’entreprise ou l’organisation : en cas de départ de

l’expert d’une organisation
- Faciliter le transfert des connaissances vers l’utilisateur (l’instruction) : cas lorsque l’expert n’est
pas disponible à faire une tâche
- Faciliter le transfert des connaissances vers ses collègues : cas de collaboration entre experts
L’expert applique l’expérience basée sur la logique définie comme l’art de mener une pensée ou
réflexion en suivant certaines procédures reconnus rationnelles et permettant d’atteindre un objectif à
moindre coût. La logique est exprimée par un ensemble des symboles primitifs et des formules qui
permettent d’exprimer la pensée. Elle s’exprime au moyen d’un langage possédant une sémantique qui
est l’ensemble de significations données aux mots constituant notre langage de manière à atteindre
l’objectif fixé à l’avance. Le langage possède également une théorie des preuves permettant de vérifier la

véracité ou la fausseté d’idées. Cette théorie des preuves se réalise par construction des tables de vérité et
par degré de plausibilité s’il est élémentaire, il ne nécessite pas de preuve. Comme l’intelligence concerne
en même temps les philosophes et les psychologues qui l’étudient comme fait acquis de part la
constitution de l’homme ou l’appartenance de ce dernier à la communauté. L’intelligence artificielle se
donne comme objectif de construire des artefacts ou bien des interfaces, c'est-à-dire des machines
inorganiques (système philosophique) manipulant des symboles correspondant aux objets du monde,
intelligent capable de percevoir, d’agir, de raisonner, de communique ou de juger à la place de l’homme
et reconnu comme tel par l’homme.
Les systèmes experts appliquent leurs décisions dans quatre domaines spécifiques qui sont dits
domaines intelligents ou activités intelligentes qui sont :
Activités associationistes ou activités intelligentes associatives : dont la caractéristique essentielle
est l’indépendance vis-à-vis de la situation ou vis-à-vis du contexte
Exemple : marcher : quand l’enfant marche ; il le fait par imitation des adultes
Ces activités sont innées et répétitives
Le champ de ces activités couvre les jeux de mémoire par association tel que les jeux de labyrinthe.
Pour résoudre de tels problèmes, l’ordinateur dispose d’un programme basé sur une table de décision,
ou de recherche par liste et des procédures d’identification. Ici, la signification des symboles n’est pas
nécessaire
La connaissance de la situation intérieure n’est pas nécessaire
La connaissance de la situation extérieure n’est pas non plus nécessaire
On retient qua dans ce domaine, tout se fait par imitation
Activités intelligentes formelles simples : Dans ce type d’activité, l’intelligence s’exprime sous forme
simple ; le contexte est entièrement explicite et indépendante de la situation. Ici, la signification des
symboles est explicite, mais la connaissance de la situation intérieure n’est pas pertinente de même que la
connaissance de la situation externe
Exemple : soit à résoudre l’équation Ax2 + Bx + C = 0
1°) lecture de A, B, C Nous avons une règle à observer ou un e certaine
2°) Delta = B2 – 4 A C prévision à réaliser. Pour l’exemple ci-contre, il 3°)
Tester delta suffit d’identifier A, B, C et le processus se
4°) … déclenche automatiquement
Ces activités touchent aux jeux calculables, aux jeux quasi calculables, aux problèmes combinatoires
simples, à la recherche de démonstration des théorèmes par les mécanismes automatiques et la
reconnaissance des caractères bien définis. Pour résoudre les problèmes de ce type, les ordinateurs
utilisent les algorithmes basés sur les règles.
Activités intelligentes formelles complexes : Ces activités sont basées sur la situation interne qui est
apprise au moyen des règles et des pratiques ; ces activités s’étendent aux jeux incalculables, c’est – à –
dire jeux pour lesquels intervient la notion d’intuition globale et de comptage ; à ces jeux s’ajoute la
reconnaissance des formes complexes noyée dans les bruits.
La résolution de ces problèmes passe par les règles et pratiques c’est - à – dire les solutions sont du type
algorithmique et heuristique.
Dans ces activités, la définition des symboles est nécessaire, la connaissance de la situation intérieure

extérieure n’est pas explicite.
Un jeu est calculable, s’il est possible de faire une prévision. Un jeu est non calculable lorsque son
champ est très élargi
Activités intelligentes informelles : Ces activités dépendent à la fois du contexte, de la situation
interne et de la situation externe, qu’on apprend par l’intermédiaire d’un très grand nombre d’exemples.
Son champ englobe les jeux mal définis tels que les énigmes, c’est – à – dire éléments qui nécessite
l’intuition et la perception pour résoudre le problème, le problème à structure ouverte c’est – à – dire
sans condition limitée, la traduction du langage naturel avec compréhension du contexte. Dans ce cas,
on a la certitude qu’il n’y a pas impossibilité d’établir un algorithme général mais il y a des formulations
automatiques d’algorithmes dont le succès dépend du nombre d’applications réalisées et des stratégies
adoptées
Les 4 formes d’activité intelligente permettent de résoudre trois formes de problèmes :
- Le problème bien défini : un problème est dit bien défini quand la définition des inconnus est
simple, le choix des alternatives aisé et les procédés bien rétablis. Ex. calcul de l’équation ax2 +
bx + c=0, on cherche x1 et x2 ; le schéma de résolution est bien établi, les données bien fournis ;
les problèmes bien définis s’appliquent aux systèmes qui pensent comme l’homme (procédant
par des alternatives qui ne contredisent pas). Calcul du poids d’un bébé : mettre le bébé sur la
balance et lire son poids.
- Le problème semi défini : un problème est dit semi défini lorsque les inconnus, le choix des
alternatives sont difficiles. Pas impossible, nécessite beaucoup de réflexions. Ex : la vie sur
mars est elle possible ?
Inconnu : vie sur mars ; alternatives : température, peut on y construire des maisons ? Les
problèmes semi définis s’étendent aux systèmes qui pensent rationnellement et aux systèmes qui
agissent comme l’homme. Ils se rapportent à une philosophie qui peut être contredite par une
autre. Le choix des variables et alternatives n’est pas aisé.
- Les problèmes non définis : ce sont les problèmes pour lesquels le choix des variables, des
alternatives et des procédures est impossible. Ces problèmes s’étendent aux systèmes qui agissent
rationnellement.
Ex. déterminer la couleur de l’air.
Difficultés de l’Intelligence artificielle :
1e difficulté : la conscience marginale
La difficulté que présente cette complexité réside dans le fait qu’on ne sait pas saisir exactement
ce qu’il pense pendant qu’il exprime une idée. La conscience marginale manifeste la partie inexpliquée de
l’homme (chaque fois que l’homme parle, il laisse un écart entre la pensée et ce qu’il dit ou ce qui voulait
dire).

2e difficulté : l’élimination automatique
L’élimination automatique des ambiguïtés : la logique utilisant la modélisation cognitive exclut

d’office tous les points qui seraient en contradiction avec les autres éléments du modèle qui semblent
unis et se réalisant dans un même sens
Ex lorsqu’on veut traverser une chaussée alors qu’un véhicule s’approche, on estime la distance s’il est
loin, on s’engage maintenant que signifie loin ? . Par logique, on considère comme éloigné tout objet se
trouvant à une distance jugée suffisante de sorte qu’il ne puisse vous attendre avant que vous n’ayez
totalement dégagé la section (alors si lors de la traversée la personne tombe qu’en sera-t-il ? ou si la
personne est handicapée qu’en est il de sa vitesse de traversée, si nous prenons un athlète la distance
estimée sera-t-elle la même que pour tout autre homme ?) on élimine ce qui serait en contradiction avec
tous les autres éléments pour la modélisation.
3e difficulté : distinction entre « l’essentiel et l’accessoire »
La distinction entre l’essentiel et l’accessoire : cette distinction change d’un individu à un autre et
pour le même individu d’une situation à une autre
Ex. quels sont les éléments manifestant que quelqu’un a faim : Chacun peut donner des signes qu’il
ressent lorsqu’il a faim, les éléments semblables pourront être présentés par plusieurs personnes et aussi
les accessoires dépendant de tout un chacun seront également donné, alors comment distinguer que
lorsque M. X présente tel signe il a réellement faim alors que M. Y a présenté le même signe dans le cas
des points accessoires en plus en cas d’épidémie de famine dans une contrée beaucoup des personnes
pourront manifester certains signes autres que ceux présentés habituellement.
Ex 2 en considérant la malaria et la fièvre typhoïde beaucoup des signes sont les mêmes. Mais la
distinction découle de certains éléments parfois jugés accessoires tels que le temps pendant lequel la
fièvre se manifeste (toujours le soir pour la fièvre typhoïde et le soir et à d’autre moment pour la malaria)
le temps alors qu’il est un élément accessoire donne une indication particulière pour la différentiation
des deux maladies.
Néanmoins, la programmation a comme base l’essentiel ; l’accessoire vient renforcer l’essentiel
pour donner plus de détails, d’explication ou pour renforcer l’essentiel.
L’homme, de part sa constitution, décide qu’un point soit essentiel ou accessoire selon le cas et
non en tenant compte de l’importance fournie par l’expert, mais en se basant sur la constitution propre
du créateur de l’interface qui fait qu’un point fourni par l’expert soit important ou accessoire.
4e difficulté : regroupement intuitif ou automatique
Ceci constitue une difficulté car le programmeur doit tabler sur les points séparés alors que
l’homme en pensant regroupe les points similaires. L’homme associe facilement les éléments présentant
une ressemblance, alors que le gros de ces éléments présente des différences.

5e difficulté : identification point à point
Pour ressortir les différences, on commence par mettre en évidence les points communs et
lorsque l’homme ne sait pas trouver les ressemblances, il considère le reste comme différent. Et quant il
y a beaucoup de différences, on s’attache aux ressemblances. Dans tous les deux cas, l’homme a
tendance à simplifier les choses, à chercher les facilités. Aborder le problème du coté faible, simple pour
moins travailler. L’homme de part la faiblesse de sa réflexion a tendance à rapprocher les éléments point
à point, à les déclarer identiques, alors qu’en réalité ces éléments pourraient être distincts. Cette tendance
matérialise une faiblesse que l’homme transmet facilement à l’interface dans la réalisation des activités.
6e difficulté : l’existence des postulats
Ce sont les éléments que l’on accepte comme conventionnels, sans explication. Sans postulat, la
vie de l’homme n’a pas de sens. Dans la vie de l’homme, il existe plusieurs conventions acceptées
comme telles qui constituent des postulats, qui dès qu’ils sont mis en doute changeraient totalement le
cours normal de la vie et donneraient de sens contraire assez couramment acceptés.
Exercices :
1. Calculer l’âge d’un enfant.
2. Le système qui calcule la vitesse réalisée par un véhicule sur un tronçon.
3. Le système qui remplit automatiquement les bouteilles dans une brasserie.
4. Le système qui calcule automatiquement le salaire dans une entreprise.
5. Système de fracturation automatiquement incorporant la TVA.
6. Un système n’incorporant pas la TVA.
7. Système de pesage au défilé des wagons dans une société de chemin de fer.
8. Système de contrôle de la température dans une couveuse pour bébé (d’œufs)
9. Système de connexion du numéro formé par un utilisateur de téléphone mobile.
10. Une tricoteuse automatique
11. Le feu de signalisation avec possibilité d’enregistrement de numéro des contrevenants.

CHAPITRE I : INTELLIGENCE ARTIFICIELLE
I. Définition :
L’Intelligence Artificielle a été créée par John MC McCarthy en 1955 et a été défini par un disciple de
MC McCarthy qui s’appelé Martin Marvin Lee Miisky comme la construction des programmes
informatiques qui s’adonnent à des taches qui sont pour l’instant accomplis de plus en plus
satisfaisante par des êtres humains car demandant des processus mentaux de tous les niveaux
tels que l’apprentissage perceptuel réalisée par l’usage des ordinateurs ou l’apprentissage
perceptuel réalisé par l’organisation elle-même avec le raisonnement critique qui en découle.
De cette définition de Miisky, il ressort que l’Intelligence Artificielle est une branche de
l’informatique destinée à apprendre aux machines à agir comme des humains par la perception
des éléments de leur entourage, et cette perception se réalisé par les 4 domaines vus
précédemment. De cette définition de Miisky, on a développé un certain nombre de définitions
différentes de l’Intelligence Artificielle qui varient selon deux points de vu :
- Les définitions qui lient l’Intelligence Artificielle à l’aspect humain de l’intelligence (celles qui lui
donnent un aspect idéal),
- Les définitions qui insistent sur les faits que l’Intelligence Artificielle a pour but d’avoir toutes les
apparences de l’intelligence humaine et celles qui insistent sur le fait que le fonctionnement du
système doit ressembler à l’être humain ou être rationnelle.
Concrètement l’Intelligence Artificielle est :
- La recherche : analyser, résoudre les problèmes et trouver les méthodes de résolution,
- La représentation des connaissances : qui est sous forme logique, sous forme des règles ou des
éléments naturels,
- La mise en application des idées une à une au moyen d’un système expert : exemple les pilotes
automatiques et les robots.
II. Types d’Intelligence Artificielle
Il existe deux types d’Intelligence Artificielle :
a. Intelligence Artificielle forte
On se réfère aux machines capables de :

- Reproduire le comportement humain,
- D’éprouver une impression d’une réelle conscience de soi, c'est-à-dire de développer des vrais
sentiments et une compréhension des raisonnements développés. Raisonner et appliquer ce
raisonnement, justifier ce raisonnement. Le raisonnement que l’on applique doit être intelligent.

L’Intelligence Artificielle forte est le moteur de l’Intelligence Artificielle. Dans ce cadre les
scientifiques pensent qu’à la longue, l’homme se reposera et la machine travaillera à sa place.
Selon l’Intelligence Artificielle forte, aujourd’hui, Il n’existe pas de robot capable de remplacer
l’homme ; elle fait recourt à l’estimation de la faisabilité. On peut donc comparer la capacité de
traitement des informations par un cerveau humain à celle de l’ordinateur pour estimer la faisabilité
de l’Intelligence Artificielle forte.
Cerveau humain
Développer les idées,
Communiquer,
Développer les sentiments
Sensations,
Créer des idées
Ordinateur
Développer,
Communiquer,
Pas des sentiments
Sensations,
Peut aussi créer des idées
Le cerveau de l’homme diffère de celui de la machine.
Diversité des opinions
Les principales opinions soutenues pour répondre à la question d’une intelligence artificielle
consciente sont les suivantes :
 Impossible : la conscience serait le propre des organismes vivants, et elle serait liée à
la nature des systèmes biologiques. Cette position est défendue principalement par
des philosophes et des religieux.
o Problème : Elle rappelle toutefois toutes les controverses passées entre
vitalistes et matérialistes, l'histoire ayant à plusieurs reprises infirmé les
positions des premiers.
 Impossible avec des machines manipulant des symboles comme les ordinateurs
actuels, mais possible avec des systèmes dont l’organisation matérielle serait fondée
sur des processus quantiques. Cette position est défendue notamment par Roger
Penrose. Des algorithmes quantiques sont théoriquement capables de mener à bien
des calculs hors de l'atteinte pratique des calculateurs conventionnels (complexité en
au lieu de , par exemple, sous réserve d'existence du calculateur
approprié). Au-delà de la rapidité, le fait que l'on puisse envisager des systèmes
quantiques en mesure de calculer des fonctions non-turing-calculables (voir
Hypercalcul) ouvre des possibilités qui - selon cet auteur - sont fondamentalement

interdites aux machines de Turing.
o Problème : On ne dispose pas encore pour le moment d'algorithmes d'IA à
mettre en œuvre dessus. Tout cela reste donc spéculatif.
 Impossible avec des machines manipulant des symboles comme les ordinateurs
actuels, mais possible avec des systèmes dont l’organisation matérielle mimerait le
fonctionnement du cerveau humain, par exemple avec des circuits électroniques
spécialisés reproduisant le fonctionnement des neurones.
o Problème : Le système en question répondant exactement de la même façon
que sa simulation sur ordinateur - toujours possible - au nom de quel
principe leur assigner une différence ?
 Impossible avec les algorithmes classiques manipulant des symboles (logique
formelle), car de nombreuses connaissances sont difficiles à expliciter mais possible
avec un apprentissage par l'expérience de ces connaissances à l'aide d'outils tels que
des réseaux de neurones formels, dont l'organisation logique et non matérielle
s'inspire des neurones biologiques, et utilisés avec du matériel informatique
conventionnel.
o Problème : si du matériel informatique conventionnel est utilisé pour réaliser
un réseau de neurones, alors il est possible de réaliser l'IA avec les
ordinateurs classiques manipulant des symboles (puisque ce sont les mêmes
machines, voir Thèse de Church-Turing). Cette position parait donc
incohérente. Toutefois, ses défenseurs (thèse de l'IA forte) arguent que
l'impossibilité en question est liée à notre inaptitude à tout programmer de
manière explicite, elle n'a rien à voir avec une impossibilité théorique. Par
ailleurs, ce que fait un ordinateur, un système à base d'échanges de bouts de
papier dans une salle immense peut le simuler quelques milliards de fois plus
lentement. Or il peut rester difficile à admettre que cet échange de bouts de
papiers « ait une conscience ». Voir Chambre chinoise. Selon les tenants de
l'IA forte, cela ne pose toutefois pas de problème.
 Impossible car la pensée n'est pas un phénomène calculable par des processus
discrets et finis. Pour passer d'un état de pensée au suivant, il y a une infinité non
dénombrable, une continuité d'états transitoires. Cette idée est réfutée par Alain
Cardon (Modéliser et concevoir une Machine pensante).
 Possible avec des ordinateurs manipulant des symboles. La notion de symbole est
toutefois à prendre au sens large. Cette option inclut les travaux sur le raisonnement
ou l'apprentissage symbolique basé sur la logique des prédicats, mais aussi les
techniques connexionnistes telles que les réseaux de neurones, qui, à la base, sont
définies par des symboles. Cette dernière opinion constitue la position la plus
engagée en faveur de l'intelligence artificielle forte.
Des auteurs comme Hofstadter (mais déjà avant lui Arthur C. Clarke ou Alan Turing) (voir
le test de Turing) expriment par ailleurs un doute sur la possibilité de faire la différence entre
une intelligence artificielle qui éprouverait réellement une conscience, et une autre qui
simulerait exactement ce comportement. Après tout, nous ne pouvons même pas être
certains que d’autres consciences que la nôtre (chez des humains s’entend) éprouvent
réellement quoi que ce soit. On retrouve là le problème connu du solipsisme en philosophie.

b. L’Intelligence Artificielle faible
Elle se base sur le système expert et elle est une approche pragmatique de l’ingénierie
qui cherche à construire des systèmes de plus en plus autonomes pour réduire le coût de leur
supervision et monter des algorithmes capables de résoudre les problèmes d’une certaine
classe en simulant l’Intelligence Naturelle, ce qui permet aux machines de réagir comme si
elles étaient intelligentes.
TP : Au vu de l’évolution actuelle de la technique, laquelle de deux approches

(forte ou faible) en considérant les moyens développés par les humains
aujourd’hui, laquelle de deux peut conquérir l’espace et mater la nature,
malgré les échecs cuisant enregistres depuis 1970 dans le domaine de la
conquête stellaire et les contre réactions toujours plus violentes que manifeste
la nature aux assauts de l’homme et de sa technique : laquelle de deux
approches pensez vous être capable de triompher de l’autre ?
III. Courant des pensées de l’intelligence artificielle
Le raisonnement de l’intelligence artificielle se fait selon deux approches à savoir :
- Approche par décomposition : c’est l’analyse par l’abstraction la plus élevée vers
l’abstraction la plus faible
- Approche par composition : qui consiste à partir des variables pour construire
l’abstraction la plus élevée, donc le contraire du premier
Ces deux approches sont complémentaires et nécessitent pour leur utilisation de maîtriser
une approche tout en se familiarisant avec l’autre.
Par ces deux approches, on a développé les différents courants de pensée appliqués autre
fois en intelligence artificielle, aujourd’hui, la tendance est à la synthèse de ces approches
Ces approches sont :
1. Le cognitivisme
Elle considère les vivants comme des ordinateurs manipulant des symboles élémentaires, les
tenants de ce courant affirment que les êtres sont en compétition dans laquelle les plus aptes
survivent.

Jean Piaget dans son livre « la société de l’esprit » envisage le processus cognitif comme une
compétition d’agents fournissant des réponses partielles dont les avis sont abstraits pour
d’autres agents.
Pour illustrer sa démonstration, il donne l’exemple suivant :
Deux verres d’eau sont placés sur une table, on demande à un enfant de montrer celui qui a
plus d’eau que l’autre
1 L
1 L
R 1 R 2
Lequel des deux récipients a plus d’eau que l’autre ?
Sans raisonner, on a l’impression que le deuxième récipient a plus d’eau que le

premier. C’est un raisonnement enfantin car pour l’enfant, ce qui est rempli est en plus
grande quantité que ce qui n’est pas rempli, mais après explication, on constate que les deux
récipients ont le même quantité ; ce qui manifeste que la notion de hauteur n’est semblable à
la notion de volume que lorsque elle jointe à la notion de diamètre.
Jean Piaget conclut que l’esprit formatif de l’enfant dégage les règles élémentaires
permettant d’arbitrer les mêmes éléments d’appréciation par essai - erreur.
La cognition dégage le fait que du choc des idées jaillit la lumière.
2. Le connexionnisme
Ici on a une idée générale de l’ensemble des experts contactés pour le projet. Les
connexionnistes se réfèrent au processus auto - organisationnel pour envisager la connexion
comme étant le résultat d’une interaction globale des parties élémentaires d’un système. Dans
cette façon de voir les choses, on peut affirmer qu’un chien dispose d’une sorte de
connaissance des lois du mouvement car il parvient à attraper un ballon en vol, et même le
chat possède des notions de chute libre des corps du fait qu’il est capable de savoir à partir
de quelle hauteur il ne doit pas sauter au sol.
Cette faculté évoque qu’avec un peu d’intuition les philosophes caractérisent par
prise en compte et consolidation d’éléments perceptifs, on peut faire agir un corps non
intelligent comme un corps intelligent.
3. La synthèse
A partir des différences constatées ou des faiblesses des deux courants de pensées
précédents beaucoup ont pensé créer une voie intermédiaire qui incorporera les éléments des

deux courants en vue de réaliser des automates réellement intelligents. Cette voie est la voie
de synthèse qui consiste à partir des éléments existant venant d’un expert quelconque,
d’incorporer une synthèse bien élaborée des idées qui découlent des autres. Ainsi, l’automate
qui va en découler ne prendra pas seulement les idées du premier ou du deuxième, mais au
contraire une synthèse intelligente des idées des tous les experts contactés créant ainsi une
voie particulière propre à l’automate pour laquelle personne ne va réclamer le droit de
propriété. Ainsi, on obtient trois termes qui relatent bien les trois systèmes de pensée :
redondance, Ré-entrance et synthèse.
a. La redondance : dans ce système, on est très sensible aux pannes ponctuelles. Pour
cela, on crée des unités parallèles qui prennent le relais de l’unité dès que celles-ci
sont en panne. Le secteur principal est ainsi constitué des éléments d’activités,
doublets à d’autres qui sont inactifs, qui n’interviennent qu’en cas de panne des
premières. Les unités secondaires sont appelées unités relais. Cette méthode est
utilisée en production intensive. Son inconvénient, c’est l’immobilisation des
ressources.
b. La ré-entrance : le composant s’informe au préalable et en permanence de l’état des

autres composants et un composant ne reçoit une demande que lorsqu’il saura la
traiter et l’évacuer ; d’où la notion de fil d’attente et de priorité. Elle a comme
inconvénient : les éléments non prioritaires risquent de traîner.
c. La synthèse : le comportement efficace est dégage et renforcé au cours du temps en

combinant les deux théories précédentes, ceci débouche sur une production
intensive et intelligente.
IV DOMAINES D’APPLICATION DE L’INTELLIGENCE ARTIFICIELLE
Bien que nous nous en rendions peu compte, l'intelligence artificielle est beaucoup plus
présente que nous ne l'imaginons. En entendant « intelligence artificielle » nous nous
attendons à des dispositifs miraculeux à apparence humaine, dotés de jugement. La réalité est
que l'intelligence artificielle est bien plus subtile que ça de nos jours.
Ce type de programmes est utilisé dans des domaines bien courants :
 Les systèmes experts : Un système expert est un logiciel capable de simuler le

comportement d'un expert humain effectuant une tâche précise. Le succès de
l'intelligence artificielle dans ce domaine est indéniable, dû au caractère ciblé de
l'activité qu'on lui demande de simuler.
 La représentation des connaissances : Si l'on veut qu'un logiciel soit capable de

manipuler des connaissances, il faut savoir les représenter symboliquement. C'est là
un des secteurs les plus importants de la recherche en intelligence artificielle.

 Le traitement du langage naturel : Qu'il s'agisse de traduire un texte dans une
autre langue ou de le résumer, le problème crucial à résoudre est celui de sa
compréhension. On pourra dire qu'un logiciel comprend un texte lorsqu'il pourra le
représenter sous une forme indépendante de la langue dans laquelle il est écrit : c'est
une tâche très difficile mais des progrès significatifs ont déjà été réalisés.
 La résolution de problèmes : Les jeux fournissent une bonne illustration de ce

domaine : le champion du monde de Backgammon est un programme depuis
quelques années déjà et cela sera vraisemblablement aussi le cas pour le jeu d'échecs
dans peu de temps. Le jeu de Go résiste beaucoup plus aux efforts des
programmeurs de jeux.
 La reconnaissance de la parole : Les progrès sont beaucoup plus lents qu'on ne

l'imaginait mais constants. On est encore loin de pouvoir produire un logiciel capable
de reconnaître les paroles d'un locuteur quelconque et cela essentiellement parce que
la compréhension d'un mot, d'une phrase requiert beaucoup d'informations extra-
langagières comme le contexte et la connaissance du monde dans lequel nous vivons.
 La reconnaissance de l'écriture : Même la reconnaissance de l'écriture

dactylographiée n'est pas un problème facile bien que l'on trouve sur le marché des
logiciels très performants. L'écriture manuscrite pose des problèmes plus difficiles à
résoudre dans la mesure où cette tâche peut nous poser à nous aussi des problèmes
insolubles.
 La reconnaissance des visages : Longtemps considéré comme un des problèmes

les plus difficiles de l'intelligence artificielle, les réseaux neuronaux permettent
d'obtenir des résultats intéressants.
 La robotique :
- Les robots de recherche : Le robot COG de Rodney Brooks du MIT en

1991, est capable de voir, d'entendre et de réfléchir, et notamment de se regarder dans un
miroir en s'identifiant à son image. COG réagit en fonction de son environnement, il
apprend à reconnaître les visages et peut suivre des objets en mouvement ou répondre aux
stimuli sonores et visuels comme le ferait un enfant. C'est le robot le plus évolué de sa
génération.

- Les robots d'exhibition : En 2000, Honda présenta Asimo (Advanced Step
in Innovative Mobility), un robot d'exhibition représentant l'aboutissement de 14 années de
recherches. Il a été conçu sous la direction de l'ingénieur Masato Hirose. Ce petit androïde
mesure 1.20 m et pèse 53 kg. Il se déplace à 1.6 km/h mais il est capable de courir à allure
modérée (12 km/h), de sautiller, de danser et de monter ou descendre des escaliers. Lors
d'une représentation publique, Asimo rate une marche et chute, il est alors incapable de se
relever (voir dans la rubrique Liens pour voir la vidéo). Mais bien qu'il soit un robot, le voir
ainsi alerte, présenter des signes d'intelligence et puis tomber et être incapable de se rétablir,
révélait toute l'impuissance des hommes à lui insuffler la vie et les réflexes fondamentaux. A
la fois fascinant et pathétique, sa chute dans l'escalier révélait combien le chemin était encore
long vers la création d'un androïde totalement autonome.

L'apprentissage : On a compris très tôt qu'un logiciel devrait avoir des capacités
d'apprentissage autonome pour pouvoir être véritablement qualifié d'intelligent.
L'aide au diagnostic médical : Les logiciel d'aide au diagnostic on été conçus dans le but
de fournir aux praticiens du secteur médical des outils diagnostics innovants et faciles
d'utilisation. Ils prennent en compte avant tout les dossiers médicaux des patients et sont
édités par spécialité médicale.
En conclusion l'intelligence artificielle est présente sous plusieurs formes parfois inattendu et
dans des domaines variés mais toutes ses applications on pour but de simplifier la vie de
l'homme et ses travaux.
V PROCESSEUR UTILISE EN INTELLIGENCE ARTIFICIELLE
L’intelligence artificielle utilise tous les types de processeur mais le processeur en question
doit être suffisamment rapide pour pouvoir réaliser le travail attendu de lui

CHAPITRE II : LOGIQUE ET PROPOSITIONS
Aristote définit une proposition comme des discours liés à l’ensemble vrai ou faux,
c'est-à-dire autrement certains discours dans lesquels réside la notion du vrai ou du faux. De
là, on conclue qu’une proposition contient une syntaxe, c'est-à-dire, un ensemble de règles et
un alphabet favorisant son montage.
1. L’alphabet
L’alphabet propositionnel est constitué des connecteurs et connectés (liens et liants)

regroupés par les délimiteurs.
Julien travaille au bar → V

La vache est un herbivore → V
Ex de notation A V
Connecteurs : non ┐, et (or) ^ , ou V
Les délimiteurs : ( ) , ;
Le chien aboie et la caravane passe → V
L’information qui découle de la fusion intelligente de deux termes : information et

automatique par Philippes Dreyfus en 1962 →V
Tout homme est mortel or Jean est un homme, donc Jean est mortel →V
La vie et la mort sont au pouvoir de la langue, pour l’avoir bien utilisée, certains sont
devenus parfaits et pour l’avoir mal utilisée d’autres sont devenus des démons
→V
La vie est un combat dans lequel les courageux chançards s’en sortent mais les
courageux non chançards se battent tant bien que mal, les paresseux chançards sont
de temps en temps bénis mais les paresseux non chançards croupissent dans la misère
la plus noire.
2. les formules biens formées
Le langage courant est constitué de l’ensemble de formules et expressions bien

formées qui se présentent comme suit :
- base : tout atome est formule bien formée de même constante proportionnelle que le
primitif.

Ex : tout homme est mortel,
Or Jean est un homme,
Donc Jean est mortel.
- Induction : si G et F sont des formules bien formées alors non ┐G, (F^G),
(F → G), (F ↔ G) sont aussi des formules bien formées avec ┐F qui n’est pas
nécessairement une formule bien formée.
- La clôture : toutes les formules bien formées sont obtenues par application des
règles ci après.
1. Implication matricielle : A → B ≈ ┐A V B
2. Commutativité : A V B≈ B VA
A ^ B ≈ B^ A
3. Associativité : (A ^ B) ^ C ↔ A^ (B ^C)
(A V B) V C↔ AV (BVC)
4. Distributivité: A V (B^ C) ↔ (AVB) ^ (BVC)
5. Elément neutre : (A V V) → V, (A V F) ↔ A
(A ^V) → V, (A ^F) ↔F
6. Involution : ┐ (┐A)= A
7. Identité : (A ^ A) → A
(A VA) → A
8. Complémentarité : A^ (┐A)= Faux
A V (┐A) = vrai
Exercices : en appliquant les règles, résoudre :
┐ (A^ (BVC)) ┐ (A^B) V (A^C)) ┐ (A^ B) V ┐ (A^ VC)
┐ (A^┐ B) V (┐AV┐C) ┐ (A^┐ B) ^ (┐AV┐C)
3. Quelques notions classiques
Notion classique: A est vrai si et seulement si il est vrai dans toutes les interprétations.

Notion d’insatisfaisabilité : une fonction est inconsistante si elle est fausse dans toutes les
interprétations.
Les conséquences logiques : A est conséquence logique de E si et seulement si toutes les
interprétations qui rendent vraies toutes les formules de E rendent également vraie la
formule de A. alors, on écrit E /=A/
4. théories d’équivalence
Deux fonctions F et G sont équivalentes si et seulement si toutes les valeurs de vérité
de F et G sont les mêmes dans toutes les interprétations.
5. interprétation
Une interprétation des calculs propositionnels consiste à donner le domaine

d’évaluation des actions et la définition de connexion par des applications de D dans D.
6. calculs proportionnels
Réaliser le calcul proportionnel consiste à appliquer les différentes lois partant de

l’alphabet, de l’ensemble des formules bien formées et des schémas d’axiomes en appliquant
les règles d’inférence.
7. Représentation des connaissances
Représenter les connaissances consiste à faire la correspondance entre le monde

extérieur et le système symbolique, donc représenter les connaissances, c’est formaliser et
raisonner sur des faits. Les connecteurs n’ont pas toujours la même signification dans le
langage naturel, car leur capacité d’expression est beaucoup moins riche en représentation
des connaissances en langage naturel. En représentation des connaissances,
- la conjonction P et Q : représentation simultanée de P et Q, donc P et Q se réalisent
à la fois,
- la disjonction de P ou Q, soit P ou soit Q se réalise pas les deux à la fois.
La disjonction peut est inclusive ou exclusive. Elle est inclusive lorsqu’elle laisse la
possibilité d’une réalisation simultanée, c’est à dire soit P, soit Q ou encore les deux peuvent
se réaliser. Elle est exclusive et notée NOR, si elle ne donne aucune chance à une réalisation
simultanée.

P ou Q P ou Q
I I O I O I
I I I I I O
O I I O I I
O O O O O O
Le conditionnel : P entraînera Q (P→Q) se traduit par si P alors Q. P est la condition

suffisante de Q, ce qui signifie que Q se réalise pourvu que P soir réalisé.
L’équivalence : P est équivalent à Q (P↔ Q) (si P alors Q) manifeste une identité de valeur
mais pas une égalité ; cela signifie que P contient les mêmes arguments ou les arguments
semblables à Q. bref, P et q ont la même composition en terme de valeurs.
La logique propositionnelle est le fondement de toute réflexion, bien la maîtriser
concourt à une bonne réflexion et surtout à une bonne inférence nécessaire à la
réalisation des raisonnements bien formés.

CHAP. III: CONSTRUCTION DES SYSTEMES EXPERTS
1. SYSTEME EXPERT
D'une manière générale, un système expert est un outil capable de reproduire les
mécanismes cognitifs d'un expert, dans un domaine particulier. Il s'agit de l'une des voies
tendant d'aboutir à l'intelligence artificielle.
Plus précisément, un système expert est un logiciel capable de répondre à des questions, en
effectuant un raisonnement à partir de faits et de règles connus. Il peut servir notamment
comme outil d'aide à la décision. Le premier système expert est DENDRAL . Il
permettait d'identifier les constituants chimiques.
Un système expert se compose de 3 parties :
 une base de faits,

 une base de règles et
 un moteur d'inférence.
Le moteur d'inférence est capable d'utiliser faits et règles pour produire de nouveaux faits,
jusqu'à parvenir à la réponse à la question experte posée.
La plupart des systèmes experts existants reposent sur des mécanismes de logique formelle
(logique aristotélicienne) et utilisent le raisonnement déductif. Pour l'essentiel, ils utilisent la
règle d'inférence suivante (syllogisme) :
 si P est vrai (fait ou prémisse) et si on sait que P implique Q (règle) alors, Q est
vrai (nouveau fait ou conclusion).
Les plus simples des systèmes experts s'appuient sur la logique des propositions (dite aussi
« logique d'ordre 0 »). Dans cette logique, on n'utilise que des propositions, qui sont vraies, ou
fausses. D'autres systèmes s'appuient sur la logique des prédicats du premier ordre (dite
aussi « logique d'ordre 1 »), que des algorithmes permettent de manipuler aisément.
Il faut maintenir une certaine cohérence de l'ensemble des règles:
1. Incompatibilité (R1: Si A et B alors C; R2: Si A et B alors D;)

2. Redondance (R1: Si A alors B; R2 : Si C alors B; Sauf si on applique des coefficients
de certitude différents)
3. Bouclage (R1: Si A alors B; R2: Si B alors C; R3: Si C alors A;)
Enfin, pour faciliter la description de problèmes réels sous forme de règles logiques, on a
recours à des opérateurs ou des valeurs supplémentaires (notions de nécessité/possibilité,
coefficients de plausibilité, etc.).

Moteurs d'inférence
Il existe de nombreux types de moteurs, capables de traiter différentes formes de règles
logiques pour déduire de nouveaux faits à partir de la base de connaissance.
On distingue souvent trois catégories, basées sur la manière dont les problèmes sont résolus :
 les moteurs - dits à « chaînage avant » - qui partent des faits et règles de la base de
connaissance, et tentent de s'approcher des faits recherchés par le problème.
 les moteurs - dits à « chaînage arrière » - qui partent des faits recherchés par le
problème, et tentent par l'intermédiaire des règles, de « remonter » à des faits connus,
 les moteurs - dits à « chaînage mixte » - qui utilisent une combinaison de ces deux
approches chaînage avant et chaînage arrière.
Certains moteurs d'inférence peuvent être partiellement pilotés ou contrôlés par des méta-
règles qui modifient leur fonctionnement et leurs modalités de raisonnement.
Acquisition des connaissances

Si les algorithmes de manipulation de faits et de règles sont nombreux et connus, la
détermination de l'ensemble des faits et règles qui vont composer la base de connaissances
est un problème délicat. Comment décrire le comportement d'un expert face à un problème
particulier, et sa manière de le résoudre, là est la question. Car ce que l'on souhaite obtenir
n'est ni plus ni moins que l'expérience, la connaissance pratique de l'expert, et non la théorie
que l'on peut trouver dans les livres, moins encore les règles logiques d'inférence
équivalentes aux méthodes d'analyse de l'informatique traditionnelle. L’acquisition de cette
expérience se réalise par des techniques d'acquisition des connaissances bien développées.
Historique
Le premier système expert fut Dendral en 1965, créé par les informaticiens Edward
Feigenbaum, Bruce Buchanan, le médecin Joshua Lederberg et le chimiste Carl Djerassi. Il
permettait d'identifier les constituants chimiques d'un matériau à partir de la spectrométrie
de masse et de résonance magnétique nucléaire, mais ses règles étaient mélangées au moteur.
Il fut par la suite modifié pour en extraire le moteur du système expert nommé Meta-
Dendral.
Le plus connu, peut-être, fut Mycin en 1972-73, système expert de diagnostic de maladies
du sang et établit des prescriptions de médicaments adéquats. Ce système avait un vrai
moteur d’inférence et une vraie base de règles. Cependant, ses règles étaient affectées de
coefficients de vraisemblance qui donnaient à chacune d'entre elles un poids particulier face
aux autres. Le moteur produisait un chaînage avant simple tout en calculant les probabilités
de chaque déduction, ce qui le rendait incapable d'expliquer la logique de son
fonctionnement et de détecter les contradictions. Les experts étaient obligés de trouver des
coefficients de vraisemblance pour chacune des conclusions de leurs règles. Cette démarche
compliquée et antinaturelle déniait leur capacité de raisonnement.

Les systèmes experts ont eu leur heure de gloire dans les années 1980, où on a trop
rapidement pensé qu'ils pourraient se développer massivement. En pratique, le
développement de ce genre d'application est très lourd car, lorsque l'on dépasse la centaine
de règles, il devient difficile de comprendre comment le système expert « raisonne »
(manipule faits et règles en temps réel), et donc d'en assurer la mise au point finale puis la
maintenance.
Le projet Sachem (Système d'Aide à la Conduite des Hauts fourneaux En Marche, chez
Arcelor), opérationnel dans les années 1990, est l'un des derniers projets « système expert » à
avoir vu le jour. Il est conçu pour piloter des hauts-fourneaux en analysant les données
fournies en temps réel par un millier de capteurs. Le projet a couté entre 1991 et 1998
environ 30 millions d'euros, et le système économise environ 1,7 euros par tonne de métal1.
En 1965, une équipe de l’université des Stand Fort travaille sur la résolution d’un
problème pour lequel on ne connaît pas de solutions algorithmiques, il s’agit de faire
correspondre entre le spectre et la masse ainsi que la formule développée par un corps
chimique. Le premier système expert venait de naître, ce système se différenciait de
l’informatique classique dans la mesure où cette dernière résout des plans en utilisant la
méthode appropriée traduite sous forme d’algorithmique pour obtenir la solution aux
problèmes posés. L’algorithmique quoique générale ne contient pas l’ensemble des solutions
permettant de résoudre tous les types de problèmes se posant à lui-même, mais au contraire,
l’algorithme contient un ensemble de connaissances utiles bien délimitées avec des règles
d’usage précises. C’est la raison pour laquelle sont exclus de l’algorithme tous les éléments
superflus. L’idée a consisté à introduire la connaissance des experts dans les ordinateurs afin
de vendre l’intelligence ainsi conçue sous forme d’expertise de connaissances de l’expert sans
la présence de l’expert lui-même. L’expertise se traduit bien souvent par un ensemble des
règles déductives qui reflètent par leur enchaînement le raisonnement des experts eux-
mêmes. Le problème consiste à connaître ces règles et à établir un raisonnement en vue de
l’appliquer. En algorithmique, les problèmes sont simples car on applique des principes
connus dans un domaine précis avec des règles bien établies et préalablement testées et
confirmées.
En Intelligence Artificielle, le tableau n’est pas aussi simple car il existe de

nombreuses connaissances disparates partiellement fondées pour lesquels on ne dispose pas
nécessairement des méthodes de résolution, mais des heuristiquement (solution en tâtonnant
et en changeant par rapport à chaque particularité du problème) ou des savoir faire partiels
dont l’existence d’une solution ne garantit pas nécessairement la réponse à tous les
problèmes semblables, alors comment faire (procéder) ? La solution est simple : il suffit de
voir un expert humain, de formaliser ce que nous appellerons un ensemble de règles, c'est-à-
dire des connaissances liées aux règles de constitution de sa pensée formulée sous forme de
succession des pensées conduisant à la réalisation d’un objectif fixé à l’avance.
Malgré les difficultés et multiples attaques, les chercheurs en IA n’ont pas baissé les
bras, mais ont produit des raisonnements appelés systèmes experts qui décharge l’expert

humain par application de son expertise sous une forme simple et répétitive. Beaucoup de
philosophes ont qualifié cette succession de naïveté pure et simple.
En conclusion, dans le système expert, on retire la notion de chauvinisme simple
(forme de pensée des gens qui croient en eux même afin de mener des raisonnements basés
sur les inférences à partir des règles et des bases des règles pour déboucher sur des objectifs
précis. Les inférences forment les moteurs d’inférence actuellement utilisés dans la recherche
sur la toile.
2. Approches des systèmes experts
Le Système Expert n’utilise généralement pas l’approche procédurale car cette

dernière pose des difficultés de mises en œuvre et une impossibilité d’obtenir la
vision globale ou partielle des connaissances utilisées. Cette impossibilité empêche la
maintenance des systèmes existants et exclue la justification des solutions trouvées. Une fois
utilisée pour réaliser un programme en IA. L’approche procédurale fournit des solutions
aussi complexes qui ne résolvent pas grand-chose de la solution attendue suite à la
conscience marginale, à l’élimination automatique des ambiguïtés, à la distinction entre
l’essentiel et l’accessoire, ou regroupement intuitif, à l’identification point à point et
l’existence des postulats.
3. Domaines d’activité des Systèmes Experts
Les quatre domaines étudiés précédemment s’appliquent également aux Systèmes Experts. Il
s’agit : des activités associationnistes, des activités formelles simples, des activités formelles
complexes, des activités informelles.
4. problèmes des Systèmes Experts
Les problèmes soulevés précédemment en IA qui consistent en des problèmes bien

structurés ou bien définis. Les problèmes semi structurés ou semi définis, les problèmes mal
structurés ou mal définis s’appliquent également dans le SE.
5. architecture des Systèmes Experts
Les Systèmes Experts sont composés de trois éléments qui sont : la base des
connaissances, le moteur d’inférence et les règles.

 NOTION DE BASE
1. Connaissance
Le système expert est généralement composé des connaissances. Par connaissance,

on entend les informations que manipule l’expert.
Une connaissance est une information capable de modifier favorablement ou

défavorablement une action à poser sur un fait quelconque ou sur une action à poser. Les
connaissances sont constituées des règles et faits.
2. Une règle
Est une portion de connaissance fournie par un expert humain dans un domaine bien défini.
Les règles qui découlent des relations sont des liants ou connecteurs permettant d’associer
les faits ou les prédicats entre eux. De ce fait, une relation devient la conséquence d’une règle
Exemple : la terre est ronde donc on peut en faire le tour
A B
Le soleil se lève à l’Est et se couche à l’Ouest
A B ou A B
3. Un fait
Un fait est une proposition faite sur un objet quelconque du domaine visé. Les
connaissances (faits + règles) seront transformées en logique du système expert.
Un fait est une information particulière observée dans un domaine bien défini des
connaissances ou encore une information provenant d’une quantité universelle
Exemple : L’ordinateur est un appareil, muni de plusieurs composants ayant
a b
Chacune une fonction bien déterminée mais concourant à l’objectif unique
c d
qui est de remplacer l’homme dans ses travaux intellectuels
e
4. Base des connaissances
Une base de connaissance regroupe des connaissances spécifiques à un domaine spécialisé

donné, sous une forme exploitable par un ordinateur. Elle peut contenir des règles (dans ce
cas, on parle de base de règles), des faits ou d'autres représentations. Si elle contient des
règles, un moteur d'inférence - simulant les raisonnements déductifs logiques - peut être
utilisé pour déduire de nouveaux faits.

Une autre manière de définir une base de connaissance est de dire qu'il s'agit d'une
ontologie (L’étude ou à la théorie de l’être dans son essence, indépendamment des
phénomènes de son existence) peuplée par des individus.
Une base de connaissance sert à rassembler - de manière centralisée - l'expertise d'un

domaine généralement formalisée de manière déclarative
Les règles et les faits sont logés dans une structure des données qu’on appelle base
des connaissances. La base des connaissances peut être déductive c'est-à-dire quand elle se
réfère à une idée essentielle et factuelle, c'est-à-dire due au fait.
Ex.1 base déductible : le patient est un hôte à risque. On part de l’idée que l’hébergement du
patient se fait avec un risque potentiel, nous pouvons, par déduction, conclure que :
Un patient peut mourir lors de son hébergement,
Un patient peut contaminer le médecin pendant la même période,
Donc un patient est un hôte à risque.
Ex. 2 base factuelle : la terre a plusieurs couches, partant du fait qu’en forant le sol, on
constate l’existence de différentes couches. Celle constitue une connaissance factuelle. On
parle alors des faits palpables.
6. Relation
La relation est constituée d’un foncteur avec ses arguments. Le foncteur est un liant.
Ex. le soleil se lève à l’Est et se couche à l’Ouest. Le foncteur : « et »
7. Règle
Les règles qui découlent des relations sont des liants ou connecteurs permettant
d’associer les faits ou les prédicats entre eux. De ce fait, une relation devient la conséquence
d’une règle.
Ex.1 la terre est ronde donc on peut en faire le tour : A B
On a: A B, on peut aussi l’écrire A^ B
Ex 2 La MALARIA se manifeste par la présence des fièvres et des microbes donc on
peut écrire :
MALARIA (X) : FIEVRE (X), MICROBES (X,Y,Z)
Conséquent Antécédents

8. Faits
Un fait est une information particulière observée dans un domaine quelconque des
connaissances ou encore une information provenant d’une quantité universelle.
Ex : ORDINATEUR (Appareil) : (l’ordinateur est un appareil) : information

universelle
POILS (Lion) : (Les poils recouvrent le corps du Lion) : information observée
INFORMATIQUE (Science) : (l’informatique est une science) : information
universelle
Ex. l’ordinateur est un appareil muni de plusieurs composantes ayant chacune
A B
Une fonction bien déterminée mais concourant à l’objectif unique qui est de
remplacer
C D
L’homme dans ses travaux intellectuels.
E
A ^ [(B^ C) D] E
Ex. 2 l’hélicoptère est un appareil constitué de 2 moteurs dont

A B
Le premier, qui est le plus grand, sert à propulser l’appareil et à le maintenir à une
C d E
altitude donnée,
Le second, qui est plus petit, sert à diriger l’appareil et à casser le mouvement de
F G H
rotation par entraînement.
EXPLICATIONS :
A : l’hélicoptère est un appareil (domaine universel)
B : l’hélicoptère est constitué de 2 moteurs (domaine précis)
C : le premier
D : qui est le plus grand (domaine précis)
E : sert à propulser l’helico (domaine précis)
F : sert à maintenir à une altitude (domaine précis)
G : le second
H : qui est plus petit (domaine précis)
I : sert à diriger
J : sert à casser le mouvement de rotation par entraînement (domaine précis)
A^ B [C (D^E)] ^ [F (G^H)]}

9. Procédure
On appelle procédure, un ensemble de règles qui présentent le même foncteur

(prédicat) dans les conséquents.
MALARIA (X) : FIEVRE (X)

MALARIA (X) : COURBATURES (X)
MALARIA (X) : NAUSEE (X)
Procédure MALARIA
Note : une procédure existe s’il y a un conséquent.
Jean a mal à la tête, Jean a des nausées et Jean fait la grippe

A B C
C A^ B : Procédure Grippe
Procédure hélicoptère :
avoir deux moteurs (X) : le plus grand (X), petit moteur (X), diriger (X), Casser le
mouvement (X).
Concourir à l’objectif unique : avoir plusieurs composantes (X), chaque composante
réalise une fonction particulière(X).
Procédure Ordinateur :
Remplacer l’homme (X) : un appareil (X), concourir à l’objectif unique (X)
Ou remplacer l’homme (X), munir de plusieurs composantes, chaque composante a
une fonction déterminée (X), les composants concourent à on objectif commun
(X).
10.Objectif
L’objectif est la question posée par l’utilisateur au système expert et à laquelle ce

dernier doit apporter une réponse en fonction de la base de connaissances. Le rôle de
l’objectif est de déclencher le travail de déduction.
11. Inférence
C’est la théorie des preuves du système expert. Les preuves (par l’ordinateur) sont
fournies au moyen de la spécialisation, de la procédure de Robinson. La preuve découle de la
procédure de Robinson lorsqu’elle se fait par raisonnement formel (manipulation des
symboles), par raisonnement procédural (simulation), par raisonnement analogique
(syllogisme) ou par généralisation.
Ex. Ilunga est homme, Donc Il est mortel.

12. Chaînage
C’est le mode de liaison entre les faits et l’objectif poursuivi. Le chaînage se

présente sous deux formes : le chaînage arrière appelé : backward chaining, partant des
objectifs pour atteindre les faits et le chaînage avant ou forward chaining, partant des faits
vers l’objectif.
Ex. quand est ce que Jean a la malaria ? Lorsqu’il a mal à la tête, la nausée et les
courbatures.
Le chaînage en arrière (backward chaining) Dans ce mode, le chaînage part de

la conséquente aux antécédents. le chaînage en arrière cherche à établir un fait appelé but et
est représenté sous forme du schéma suivant : Conséquent (Objectif)
Antécédents
X a la Malaria s’il a la fièvre, les maux de tête et fait des courbatures

Ex : MALARIA (X) : FIEVRE (X) , COURBATURES (X), MAUX DE TETE (X)
Le chaînage en avant (forward chaining) : on part des faits pour aboutir à la

conséquence.
Il sert à modifier la base de connaissance jusqu’à ce qu’on obtienne la solution cherchée. S’il
existe un ou plusieurs faits de la base de connaissance, on peut déduire un but à atteindre.
Conséquent (Objectif) Antécédents
X a la Fièvre, les maux de tête et sent des courbatures alors X fait la Malaria
Ex : FIEVRE (X), COURBATURES (X), MAUX DE TETE (X) : MALARIA (X)
L’application d’un des modes de chaînage (en avant ou en arrière) est fonction des
possibilités qui nous sont offertes.
Note : objectif faits (forward chaining), : chaînage en avant

Faits objectifs (backward chaining), : chaînage en arrière.
Il est possible de combiner les deux modes de chaînage, on parle de chaînage mixte qui est
appliqué quand un chaînage à lui seul ne donne pas satisfaction (est inefficace) ; alors après
chaque évaluation d’une prémisse des règles une propagation en avant de cette évaluation est
faite pour tirer l’ensemble aux conclusions qu’il est possible d’en tirer

13.Le réseau sémantique
Un réseau sémantique est un graphe permettant de lier entre eux les éléments, des
faits manifestant la connaissance (les mots) au moyen des liants, expressions (éléments
indiquant l’action qui lie deux faits ; verbes). Le réseau sémantique respecte l’antériorité, la
postériorité des faits et est basé sur l’explication des faits.
Exemple
Exercice 1 : un ouvrier est soit un menuisier, soit un cordonnier, soit un macon. Il porterait comme
prénom : Jean, Paul ou Pierre. Il serait petit ou grand et âgé entre 22 et 33 ans. Appliquer un de ces deux
modes de chaînage.
Ouvrier (x)← (menuisier(x) v maçon(x) v cordonnier(x)^(Paul(x) v Pierre(x) v

Jean(x)^(au moins 22 ans(x) v au plus 38 ans(x))
Exercice 2 : un informaticien est un travailleur intellectuel, rompu aux techniques de conception et de

programmation dans un contexte industriel ou scientifique et dévoué à la cause de son travail. Appliquer
un de ces deux modes de chaînage.
Informaticien(x)
être
Travailleur(x)
être
Intellectuel(x)
rompu
Technique de conception(x) Technique de programmation(x)
dans
Contexte industriel(x) Contexte scientifique(x)
dévouer
Cause de son travail(x)

Exercice 3 :
Une imprimante est un appareil destiné à écrire sur papier les éléments qui lui sont fournis. Ces éléments
peuvent être de graphiques, textes, image ou autre. Cet appareil est matriciel, s’il utilise les aiguilles
frappant un ruban pour l’écriture ; il est à jet d’encre, s’il utilise un mélange chimique d’encre aux
minéraux de base pour écrire sur papier ; il est à laser, s’il utilise la xérographie qui est un procédé
consistant à chauffer un tambour, à y poser au moyen d’une brosse particulière la poudre à écriture, qui
représentera les lettres par effet d’électrons négativement chargés aspirés par des protons spécialement
conçus sur des endroits où il ne peut y avoir d’écrits.
Imprimante(x)
être
Appareil(x)
Ecrire
être être Papier(x) être
des
Eléments(x)
Qui sont soit
Graphiques(x) textes(x) images(x) autres(x)
Matriciel(x) jet d’encre(x) laser(x)

Utiliser Utiliser Utiliser
Aiguilles(x) mélange chimique(x) xérographie(x)
Frapper de de être
Ruban(x) encre(x) minéraux(x) procédé(x)
Pour écrire chauffer
Ecriture(x) papier(x) tambour(x)
Au moyen
brosse particulière(x)
poser
poudre(x)
lettres(x)
électrons négativement chargés(x)
protons(x)
spécialement conçus(x)
endroits(x)
écrits(x)

Exercice 4 : Un boxeur est un homme âgé au plus de 50 ans ayant livré un match de boxe contre un
adversaire au moins, match supervisé par un arbitre qui est aussi un homme, dans une rencontre sportive
individuelle ou par équipe qui se déroule en plein air ou en salle. Etablir le chaînage et le réseau sémantique qui
correspondent à ces connaissances.
Exercice 5 : Soit à dresser un réseau sémantique suivant la connaissance fournie ci dessous : Jean a 25
ans et Paul 38ans. Tous deux sont menuisiers, mais Jean est petit alors que Paul est grand, Pierre est
maçon, il est âgé de 22 ans et de grande taille. Le maçon et le menuisier sont des artisans et également des
ouvriers.
Exercice 6 : Le football est un sport qui se pratique par équipes de 11 joueurs chacune opposées les
unes aux autres en forme de tournoi à l’issu duquel un champion est proclamé. Celui-ci est désigné parce
que possédant plus de points que les autres ou plus de goals averages, en cas d’égalité, que ses
poursuivants directs.

Exercice 7: L’associationnisme est une solution cohérente présentée par Herbert Hoover, consistant à
donner à tous les acteurs de la vie économique les avantages procurés par la taille en les encourageant à
s’associer de manière à ce qu’ils placent en commun les ressources et qu’ils soient traités en égalité avec les
grandes entreprises. Cette solution est une coopération étroite entre l’état et les entreprises de manière à
orienter la production vers l ;’effort de guerre. Présenter le réseau sémantique.
Exercice 8 : dresser un réseau sémantique sachant que le travail de champ n’est pas un jeu mon
enfant ; un peu de sommeil, un peu de distraction, le champ est envahi par la brousse. Tous les jours
debout, veillant sous la pluie et sous le soleil, alors la bonne récolte est assurée.
14. Meta règles :
Une méta règle est une règle qui ne manipule pas directement les connaissances du
domaine défini ou visé mais qui manipule les règles de production, c'est-à-dire les règles
générant les connaissances du domaine et servant à déterminer les plans, à piloter les
dialogues et à déterminer les priorités dans le déclenchement des règles.
Une Méta règle sert à :
- déterminer des plans
- piloter les dialogues
- déterminer les priorités dans le déclenchement des règles
15. Meta connaissance
On appelle méta connaissance, l’ensemble des métas règles.

Exemple dans le MYCIN au niveau clinique, on a défini la Métarègle suivante :
Si RECHERCHE DE THEURAPEUTIQUE
Alors Considérer dans l’ordre suivant les règles permettant de :
- acquérir DES INFORMATIONS CLINIQUES sur le PATIENT
- Chercher les ORGANANISMES responsables de l’INFECTION

- Identifier les ORGANISMES les plus vraisemblables
- Trouver les MEDICAMENTS les plus utiles potentiellement
- Choisir les MEDICAMENTS les plus adaptés à la cure du PATIENT
16. Architecture minimale d’un système expert
Composants :
1. structure
Espace de travail (ou agenda), de réalisation ou encore historique de
résolution. La structure contient :
a. base de connaissances : tous les éléments de notre base de connaissance : faits,

règles venant de l’expert ; objectifs et règles venant du programmeur.
b. Meta règles : éléments qui viennent de l’expert pour montrer comment le système
expert les a comprises et a exprimé les connaissances. Elles orientent la manière dont
on va conduire le système.
c. Module : le programme à élaborer. Il contient le mode de chaînage à appliquer et qui
va nous permettre de mettre au point :
- le Schedule ou manière de procéder pour atteindre l’objectif.
- Le gérant de cohérence détermine les boucles infinies dans le programme
(système) et qu’il faudrait éviter.
- L’interpréteur : afin de lancer le moteur d’interférence en fonction de
l’objectif retenu.
- Explicateur : qui explique comment le système se comporte à un moment
donné, c'est-à-dire l’état du système.
- Acquéreur des connaissances : récolte les entités, attributs et crée des
nouvelles connaissances qui seront utilisées ou appliquées sur base des
connaissances ci haut. C’est à ce stade qu’on dégage les métas connaissances
ou connaissances d’ordre général. Pour réaliser tout ceci, on a la logique
claire et la logique naturelle, qui produisent les règles qui génèrent la base des
connaissances.
- Traducteur de représentation interne :
2. Interface langage naturel
C’est un écran qui permet le contact entre l’utilisateur et le système expert. Apres le
module, on produit la structure et le langage de programmation. . le moteur d’interface est
un programme qui n’applique pas les règles mais génère des méta règles qui à leur tour
produisent le résultat, l’objectif. Cette structure comprend : le moteur d’interface et les

instructions. Ceci nous conduit à choisir un langage de type événementiel qui permet de
produire des états (règles) ex. Vb 6.0, Lisp, Prolog, Java, C#, C++.
Le programme doit être capable d’expliquer pourquoi nous avons pris une décision,
ie. Le résultat du produit. L’explication du résultat se fait soit par logique claire ou par
logique naturelle. La programmation se fait sur des granules, éléments et chaque élément doit
être primitif (non décomposable). Les granules sont des connaissances, phrases qui ne
contiennent qu’une seule pensée facilement compréhensible. Le système doit facilement
accepter les révisions.
Comment exprimer les granules de connaissances ?
S V C
3. structure et langage :
Généralement les systèmes experts utilisent le langage PERL ou le PROLOG, ci-
dessous nous exploiterons les éléments du langage PROLOG IV
4. programmation déclarative et incrémentale
Le système expert utilise les deux modes de programmation en se fondant sur la base
des connaissances élaborées. Un logiciel est dit déclaratif quand il ne permet pas l’usage
d’une variable en cours de programmation sans l’avoir déclare au préalable, ex le pascal, le
C++, le C#.
Inconvénients :
- Non flexibilité du programme. Le programme obtenu est rigide et ne permet pas de

bouger. Le programme est dit flexible quand il est malléable à dessein. Un programme
déclaratif ne sait pas être utilisé en système expert car ne pouvant pas utiliser des
granules des connaissances qui changent.
- Le programme est lourd dans l’élaboration des changements, non dynamique et pas
facile à manipuler.
La programmation incrémentale consiste à donner au programmeur la possibilité

d’ajouter des variables, des faits
ou des procédures à n’importe quel niveau du programme conçu. Cette programmation est
aisée lorsque le langage utilisé est fonctionnel (utilise différentes fonctions sous forme
proches du langage humain). Ceci permet de traiter aisément. Un programme en langage
incrémental présentera beaucoup d’avantages pour le système expert lorsque ce langage est
fonctionnel. Mais lorsque le langage n’est pas fonctionnel, la traduction de certaines

fonctions propres au SE devient lourde et parfois impossible à mettre en place. Le SEG
utilise généralement des langages d’aide à la décision.
 Langage d’aide à la décision.
Un langage d’aide à la décision dans le contexte du SE est un langage permettant

d’exprimer, expliquer les rationalités objectives et subjectives par lesquelles le gestionnaire
prend la décision dans une entreprise. Ce langage est fondé sur les mécanismes de contrôle
(structure de vérification permettant d’appliquer une situation prévue à l’avance). Le SE de
décision veut que l’homme soit exclu et que la machine applique les règles préétablies. Ce
mécanisme est généralement aveugle dans le sens qu’il ne prend en compte aucune
information de contrôle dépendant du domaine d’application. Ce mécanisme est
généralement statique (fixe) en ce sens qu’il ne peut en aucun cas être modifié par des
utilisateurs en raison de l’inaccessibilité à la structure interne du moteur d’inférence.
Comment traiter les incertitudes et imprécisions ? Le savoir humain cherche à

représenter dans la base des connaissances d’un SE les faits et règles entachées
d’incertitude et d’imprécisions.
Remarque :
 incertitude pose sur la fausseté de la choser. Si une notation contient une fausseté,
elle est dite incertaine, et la notion d’incertitude n’est définitivement établie qu’en
comparaison à la conformité des connaissances par rapport à l’information
disponible sur la vérité ou la fausseté (pas d’assurance).
 On parle d’imprécision ou encore d’une vérité ou d’une fausseté imprécise, lorsqu’en
fonction de son contenu ou des contenus de l’information exprimée par rapport au
prédicat ou des quantificateurs qui sont vagues et ne permettent pas de statuer
définitivement sur la chose.
1. une règle est alors incertaine, lorsque :
o A partir des prémisses vraies, elle donne des conclusions fausses ;

o Une règle est dite incertaine quand elle part des prémisses certains pour donner
des conclusions incertaines ;
o Un fait est incertain lorsqu’il contient une assertion dont on ne peut affirmer
qu’elle est vraie ou fausse, bien qu’elle doive effectivement avoir l’une ou l’autre
valeur de vérité.
2. Un fait est imprécis s’il explique des objets incomplètement identifiés. Une règle est
imprécise, si elle implique des faits imprécis dans la conclusion.

Note : incertitude touche à la notion d’emballage et imprécision, à la notion de
véracité.
Ex. Banza est intelligent car ayant obtenu 80% en math.
Si la température du malade est forte, administrez-lui une cuillère de quinine
liquide (incertitude). Quand est ce que la température est élevée ?
Généralement, le SE traduit l’imprécision par peut être, à peu prêt, et pour
résoudre ce problème, on utilise la théorie de probabilité.
5. méthodologie
En gestion, le SE nécessite qu’on réalise l’identification du problème. Cette étape

consiste à connaître le problème à résoudre, ӑ le rapprocher à un problème déjà traité par le
SE.
Procédures :
1. identification : consiste à connaître le problème à résoudre et à le rapprocher du

problème déjà traité.
2. évaluation : consiste à faire l’étude de faisabilité (le pourquoi et le comment de la
chose), la limitation (évaluer les capacités dont on dispose), réaliser les bénéfices attendus
(qu’allons nous gagner su système, est il bon ou pas ?). l’évaluation des extensions
possibles à un système complet (que pouvons nous ajouter au système, les intégrations
que nous pouvons réaliser dans le système existant, la possibilité de poursuite qui
consiste à permettre a d’autres chercheurs de continuer la réalisation de l’application en
adoptant des voies non prévues par l’expert (un problème n’est jamais fini, mais reste
résolu en partie).
3. le prototypage : assai, petit moduler montrant de manière globale ce qu’on fait. Il

sert à donner une image globale de ce que fait le programme et voir aussi si le temps de
réalisation peut être ramené à une durée acceptable pour une réalisation de même genre.
4. le système final : c’est la réalisation concrète du SE dans sa forme ordinaire.
 Comment l’IA vient elle en aide aux entreprises ?
- par l’acquisition des modules existants (achat),

- par la sous-traitance à l’extérieur de la réalisation d’une application intelligente
destinée à être intégrée dans un programme produit existant dans l’entreprise.
- L’acquisition personnellement la maîtrise technique et des outils nécessaires
en vue du développement par soi même.

CHAPITRE IV : APPLICATION DU SYSTEME EXPERT
DE GESTION
I. Intelligence artificielle et Information de Gestion
Les deux domaines utilisent des mêmes éléments tels que le système d’aide à la
décision, les statistiques, la programmation mathématique, la simulation discrète et continue
et cela au moyen de la manipulation symbolique et de la représentation qui permet de
supporter l’avenir. Les deux utilisent des donnes gérées par des SGBD au niveau de
l’entreprise. Ils utilisent des connaissances conduisant souvent au jugement, à l’expérience et
au savoir faire des gestionnaires, aux tacts et à la finesse du décideur. Les BD déductives
consistant en l’adjonction aux éléments existants (SGBD) d’un composant intelligent ou
déductif permettant d’expliciter les réponses aux questions (SGBD + explications sur les
mécanismes disponibles) n’ayant pas des éléments marqués dans la base. Le procédé utilisé
est le couplage (liens entre différents modules).
Les SE sont souvent utilisés comme outils du gestionnaire, généralement dans le cas
d’établissement des diagnostics et de prise de décisions. A ce niveau, il se place au niveau du
système de décision (pilotage) dans l’entreprise, quoi est un domaine propre à l’information
de gestion et souvent réalisé par des SE. En bureautique aussi, dans le traitement des textes,
les SE accentuent l’accès communicationnel entre organes et permet la décentralisation et le
raccourcissement de la prise des décisions.
II. Conditions d’application des SE en gestion
- si le problème est mal défini (on ne fait rien) ;

- si personne ne sait résoudre le problème (on ne fait rien) ;
- lorsque certaines données du problème sont impossibles à formaliser (on ne fait
rien) ;
- s’il existe un algorithme qui résout le problème (on ne fait rien) car affaiblissement
des présomptions des SE. Alors pourquoi faire quelque chose alors qu’il existe une
solution simple.
- La base du problème s’obtient au terme d’un raisonnement fondé sur des
connaissances ou caractéristiques du problème, alors il y a augmentation des
présomptions de SE ;
- Il existe des spécialistes du problème capables de les résoudre dans la grande majorité
des cas, alors il y a augmentation des présomptions de SE ;
- Le problème se pose souvent en l’absence de l’expert, alors il y a augmentation des
présomptions de SE ;

- Les connaissances évoluent dans le temps, alors il y a augmentation des
présomptions de SE en mettant en relief l’aspect génie logiciel qui doit s’adapter
dynamiquement ;
- Le système informatique doit expliquer son fonctionnement, alors il y a
augmentation des présomptions de SE ;
- Dans leur raisonnement, les experts utilisent la plupart des temps des connaissances
de surface, alors il y a augmentation des présomptions de SE
- Le temps de résolution du problème par l’expert varie du quart d’heure au plus, alors
il y a augmentation des présomptions de SE.
Exercice : une maison assurant les services de restauration utilise un cordon bleu (expert en cuisine) pour la
réalisation des différents plats. Ce dernier cuit un œuf dur en 17 minutes et fait payer ses services par le
restaurant 30USD/ heure. Le gestionnaire du restaurant désire occuper l’expert à des repas plus compliqués
nécessitant beaucoup de temps et d’ingrédients en vue de diminuer les charges du restaurant. Il vous
demande de monter pour lui un système expert réalisant cette cuisson. Le cordon bleu fournit des
informations suivantes : pour deux œufs durs, il faut 60 cl d’eau à bouillir sur une plaque chauffante à 75º
C et au plus 180º C pendant 7 minutes ; si la plaque est insuffisamment chauffée, la cuisson dure 10
minutes. Si la température est supérieure à 180 º C, la cuisson ne peut se faire car dans moins de 7 minutes,
l’œuf dure aura grillé suite à la disparition de l’eau. Apres le temps énuméré ci haut, plonger l’oeuf dans
l’eau en adjoignant 2 cl de sel, si c’est le sel granulé, et la moitié si c’est le sel en poudre. Laisser bouillir le
mélange pendant le temps complémentaire à 17 minutes. Si le temps se prolonge, l’œuf se fissure et n’a plus
de valeur vénale.
Donnez les faits, les règles, les bases des règles, les connaissances, le chaînage, le réseau
sémantique et élaborer un algorithme intelligent permettant de résoudre ce problème.
1. Les éléments :
- cuire un œuf,
- 60 cl d’eau,
- Chauffer plaque chauffante min 75 º et max 180º C,
- Durée de chauffage 7 min,
- Durée 10 min si plaque insuffisamment chauffée et température proche de 75º C
(70-75º C),
- Température > 180 º C, œuf grillé,
- Plonger les 2 œufs dans l’eau,
- Ajouter 1 ou 2 cl de sel selon le cas,
- Bouillir le mélange pendant un temps compris () 7 et 10 minutes.
2. Faits :
Avoir 2 œufs,
Avoir 60 cl d’eau,
Avoir 2 ou 1 cl de sel,

Avoir un récipient,
Disposer d’une plaque chauffante,
Disposer du temps.
3. Règles :
a. si plaque chauffée à moins de 7 minutes pas de cuisson,

- si T> 180º C, l’eau s’évapore,
- Si plaque chauffée entre 70et 74 º C, cuisson dure 10 minutes,
- Si plaque chauffée entre 75 et 180º C, cuisson dure 7 minutes,
b. si durée prévue atteinte, plonger 2 œufs,

- ajouter 2 ou 1 cl de sel,
- laisser bouillir pendant le complément de 10 minutes,
- si temps atteint, retiré les œufs.
4. Connaissances :
Pour obtenir les œufs durs, il faut :
- Préchauffer 60 cl d’eau entre 70 et 74º C pendant 10 minutes, puis plonger 1 ou 2 cl

de sel, laisser chauffer pendant 7 minutes puis retirer les œufs,
- Préchauffer 60 cl d’eau entre 75 et 180º C pendant 7 minutes, plonger 2 œufs, laisser
chauffer pendant 10 minutes, retirer les œufs.
- Lorsque préchauffer < 70º C, pas de cuisson,
- Lorsque préchauffer 180 º œufs grillés.
5. Base des connaissances
- avoir une plaque chauffée,

- si la plaque est chauffée à moins de 70º C, alors pas de cuisson,
- si la plaque est chauffée entre 70 et 74º C, alors chauffer l’eau pendant x minutes,
- si la plaque est chauffée > 180ºC, alors l’eau s’évapore,
- plonger 2 œufs, ajouter 2 ou 1 cl de sel,
- laisser bouillir le mélange pendant z minutes (z-= 17 –x min),
- retirer les œufs, si l’œuf cassé, alors déclasser l’œuf, sinon œuf dur.

6. Chaînage
Œuf dur = y plaque = A moins de 70ºC =

B
Entre 70 et 74º entre 75 et 180 plus de 180º = E
C=C ºC=D
Chauffer l’eau Chauffer l’eau
pendant 10’= pendant 7’= G
F
Plonger œuf = laisser bouillir Z est entre Z est entre 17 -10’
H pendant Z = L 17 -10’ si si G= N
F=M
Retirer œuf = Si œuf cassé= Si œuf non cassé =

O P ┐P
1. A ^ {[(C→F) v (D→G)) ^ (H^ (I^J v K)))] ^ (L ^ (M v N)} → O ^ ┐P) → Y

2. A ^ (B v V) → ┐Y
3. A ^ {[(C→F) v (D→G)) ^ (H^ (I^J v K)))] ^ (L ^ (M v N)} → O ^ P) → ┐ Y

6. Réseau sémantique
7. nouvelles connaissances
Plaque à chauffer,
Entre 73 et 130º C,
Eau pendant 8.5 minutes,

2 œufs,
Pendant 17 minutes
8. méta règles
Chauffer plaque
Si Tº entre 73 et 180ºC,
Chauffer eau pendant 8.5 minutes,
Laisser bouillir pendant 17 minutes
Retirer œuf

9. Meta connaissances
Avoir une plaque chauffée (73 et 180ºC),

Ajouter 60 cl d’eau * nbre d’œufs,
2
Laisser chauffer pendant 8.5’ * nbre d’œufs,
2
Plonger nbre œufs,
Laisser bouillir pendant 17 * nbre d’œufs,
2
Retirer nbre œufs
Exercice 2 : une entreprise veut attribuer des cadeaux à ses agents à l’occasion des festivités de fin d’année. Comme le
nombre d’agents concernés est très élevé et les divers dons n’ont pas la même valeur, la distribution devient très complexe,
l’entreprise vous demande de monter un système expert afin d’éviter l’arbitraire et de mieux primer les agents méritants. Les
experts consultés en cette matière vous proposent les critères suivants :
- avoir une ancienneté d’au moins 10 ans,
- être coté ‘‘élite’’ pendant les trois dernières années,
- n’avoir jamais été puni d’une sanction de plus de 3 jours de mise à pieds,
- avoir fait une carrière normale, ie. Monter de grade régulièrement (sans utiliser des procédés détournés),
- ou soit monter en grade après avoir découvert un procédé aidant l’entreprise à vendre ou à mieux produire.
Ces conditions ne s’appliquant pas à tout le monde, la Direction a décidé de les alléger de manière suivante :
1. don des maisons :
a. ancienneté ≥ 20 ans,
Nombre de cotations trimestrielle ‘‘élite’’ > 9,
Nombre de jours de mise à pieds = 0,
Carrière normale,
Nombre de voix obtenues lors des élections au don =9/12.
b. ancienneté entre 10 et20 ans,
Nombre de cotations trimestrielle ‘‘élite’’ > 3,

Nombre de jours de mise à pieds<2,
Montée par découverte ayant rapporté à l’entreprise au moins 20 000 USD,
c. ancienneté entre 10 et20 ans,
Nombre de cotations trimestrielle ‘‘élite’≥5,

Nombre de jours de mise à pieds entre 1 et 2,

2. don des voitures
a. ancienneté < 10
Nombre de cotations trimestrielle ‘‘élite’≥3,
Nombre de jours de mise à pieds < 1,
Montée normale,
Nombre de voix obtenues lors des élections au don > 7/12.
b. ancienneté entre 5 et10 ans,
Nombre de cotations trimestrielle ‘‘élite’>2,

Nombre de jours de mise à pieds ≤ 1,
c. ancienneté entre 0 et 5 ans
Nombre de cotations trimestrielle ‘‘élite’ =1,

Nombre de jours de mise à pieds =0,
3. dons divers
a. Ancienneté entre 0 et 5 ans

Nombre de cotations trimestrielle ‘‘élite’ >1,
Nombre de jours de mise à pieds =0,
Montée normale,
b. Ancienneté normale
Nombre de cotations trimestrielles : n’importe,

Nombre de jours de mise à pieds < 5,
Montée par découverte ayant rapporté à l’entreprise au moins 5 000 USD Nombre de voix obtenues lors des élections au don
> 5/12.
4. dons de 500USD
Quelque soient les conditions d’ancienneté, du nombre de cotations ‘‘élite’’, Nombre de jours de mise à pieds < 10, Nombre de
voix obtenues lors des élections au don > 5/12.
Note : une gent n’est éligible qu’a un seul don. S’il remplit plusieurs conditions lui donnant droit à plusieurs dons, il reçoit le
don de valeur plus élevée avec merci en contre partie des autres dons.

CHAPITRE V : INTRODUCTION A LA ROBOTIQUE
I. Historique
Le terme robotique vient de Roba en Hongrois, et Robus en Bulgare. Le premier signifie : travailler
de manier assidue et le second : serviteur. Ce terme a été inventé en 1920 par l’écrivain Cheque Karel
Capek dans sa pièce Rossum’s Universal Robots qui a connu un grand succès en France et qui mettait en
scène les petits êtres artificiels répondant au doigt et à l’œil, aux ordres de leur maître.
2. Définition
a. concept général
Le robot pris dans cette lignée apparaît comme une entité créée par des dieux, des hommes, des
fous, esprits supérieurs dont la caractéristique principale concerne u moins une égalité, la plupart de temps,
une supériorité avec l’homme dans le domaine des propriétés du cerveau (au sens large). Cependant le
robot reste fortement aliéné dans son comportement à la volonté de son créateur. Cette définition est de
concept général. Dans le concept qui est connu, et qui a longtemps rendu confus le problème scientifique
du robot et qui s’inscrit bien le concept général mais qui met l’accent sur l’imitation des propriétés
essentielles du cerveau humain (le robot a un cerveau).
b. concept scientifique
Scientifiquement parlant, le robot s’insère dans une problématique spécifique, celle de l’assistance à
l’homme par des machines pour l’exécution des travaux ou des taches spécifiques (aide : le robot ne va pas
au delà de ce qui été programmé). Cette assistance prend généralement deux grandes formes :
Il s’agit d’un outil manipulé par l’homme pendant l’exécution de la tache (machine de corporation), ex.
l’ordinateur dans la gestion des stocks, pour entrer les données, l’homme les saisit.
Processus : saisir la quantité ; mettre à jour les stocks= entrée + sortie ; afficher la quantité sortie ;
mettre à jour quantité = quantité sortie – quantité entrée ; afficher quantité sortie. Ainsi les taches
programmées s’exécutent elles-mêmes de manière…
- il s’agit d’une machine qui une fois mise en route exécute le travail sans l’intervention humaine, on
parle d’une machine de substitution. Ex. l’ordinateur quand il est équipé des appareils étudiant
l’environnement.
Dans cette optique, le robot est en 1er lieu une machine physique qui participe à l’automatisation des
taches physiques. Dans cette optique toutes les machines sont des robots, exceptés des machines
inorganiques. Cette caractéristique ne permet pas de distinguer les robots de l’ensemble des machines
dotées des certains automatismes et qui ont pour objectifs, l’exécution des taches physiques. Des
machines pareilles existent depuis longtemps avant même que les scientifiques ne puissent parler des
robots et elles continuent à exister jusqu'à nos jours. Cette caractéristique révèle les points suivants :

1. La versatilité ou flexibilité : qualité d’une machine qui doit plier certains organes
2. L’exécution totalement automatisée des taches indépendamment de la connaissance complète et à
l’avance de l’environnement dans laquelle la tâche est réalisée (auto adaptation aux conditions de
l’environnement).
3. la machine physique :
Ces trois caractéristiques ont poussées les scientifiques à ne pas appeler robot tous les systèmes qui
ne recouvrent pas les trois propriétés, or il existe des robots logiciels. Ex les simulateurs qui
reproduisent non de manière physique mais de manière virtuelle le comportement physique en auto
adaptation aux conditions de l’environnement et en montrant la versatilité des différentes machines.
Ces machines sont dites Robots logiciels.
Les trois caractéristiques ont conduit à deux grands groupes de définition de robots.
3. Ambiguïté de la définition du Robot
Au vu de toutes les caractéristiques ci-dessus relevées, on trouve certes une définition du terme
dans les dictionnaires ou encyclopédies mais beaucoup plus dans les textes des associations de la robotique
des divers pays ou des groupes de réflexion qui ont mené des études à ce sujet. Ainsi, le dictionnaire
Robert définit le robot comme un mécanisme automatique pouvant se substituer à l’homme pour effectuer
certaines opérations et capable d’en modifier de lui-même le cycle et d’exercer un certain choix par
détection photon électrique, par cerveau électronique ou par cerveau moteur ou un ensemble de dispositifs
de commande de moteur.
La JIRA (Japon Industrial Robot Association) définit le robot en mettant l’accent sur
l’anthropomorphisme (1980). Elle définit le robot comme étant un dispositif versatile et flexible offrant des
fonctions de déplacement similaire à celle des membres humains ou dont les fonctions de déplacement
commandés par des capteurs et des moyens de reconnaissance.
La RIA (robotique Industrial association) : sa définition date de 1979 et définit le Robot comme un
manipulateur multifonctionnel programmable conçu pour déplacer les matériaux, les pièces, les outils ou
dispositifs spécialisés au travers de déplacements variables et programmables pour accomplir diverses
taches.
AFRI (association française de robotique) a de son côté renoncé à donner une définition générale
pour se focaliser sur la définition de deux grandes de robots :
Les manipulateurs : mécanisme généralement composé d’éléments en série, articulés ou coulissant
l’un par rapport à l’autre, dont le but est la saisie et le déplacement d’objets suivant plusieurs degrés
de liberté.
- Le degré de liberté est appelé notion de d’arrêt. Le manipulateur est multifonctionnel et peut
être commandé par l’opérateur humain ou logique.
- Le robot industriel : qui est un manipulateur automatique asservi en position, i.e qui doit
avoir une position précise, reprogrammable, polyvalent, capable de positionner t d’orienter
les matériaux, les pièces, les outils ou dispositifs spécialisés au cours des mouvements variables.

Les trois définitions : Jira, Afri et RIA ont donné les classifications suivantes :
IV. Classification des robots
- classification JIRA qui regroupe les robots en classes :
 classe 1 : manipulateurs manuels : mécanismes à plusieurs degrés de liberté actionnés par
l’homme.
 Classe 2 : manipulateurs automatiques à séquences fixes qui exécutent les mouvements
invariables et chaque articulation allant d’un bout à l’autre.
 Classe 3 : manipulateurs automatiques à séquences variables qui signifient que l’ordre,
le sens, l’amplitude de déplacement des articulations sont aisément réglables ou
programmables.
 Classe 4 : les robots play-back, qui voient ce qu’on fait et le répètent. Ce sont de robots
qui dans la phase d’apprentissage exécutent des taches commandées par l’opérateur en
pilotage manuel. L’information utile est enregistrée et le robot les exécute chaque fois que
l’on désire.
 Classe 5 : les robots à commande numérique : l’opérateur humain fournit aux robots un
programme de déplacement et de réalisation et laisse le robot l’exécuter fidèlement.
 Classe 6 : les robots dits intelligents : dotés es moyens de détection de l’environnement.
Ils sont capables de s’adapter ou de modifier eux-mêmes le comportement ou le succès de
la tâche en dépit des variations des conditions d’exécution.
- Classification RIA : elle est semblable au classement JIRA classification sauf que les premières
classes ne sont pas des robots pour les américains. Il y a donc trois classes de robots.
- Classification RIA :
 Classe A : manipulateurs manuels : engins commandés par l’homme ayant au moins quatre
degrés de liberté tels que :
- les manipulateurs d’assistance musculaire dont la commande se fait par action directe sur la
charge de son voisinage. Ex le palan. Le treuil.
- Télé manipulateur : dont la commande se fait à distance à l’aide d’un levier, des boutons.
Ex le pont roulant.
 Classe B : manipulateur automatique : engin de manipulation multi axe non asservi, à cycle
automatique.
- manipulateur automatique à séquences fixes : réglés automatiquement par boutée ou
canne.
- manipulateur automatique à séquences variables : sont programmables par l’utilisateur à
l’aide d’une matrice à diode.
 Classe C : robots programmables : engins de manipulation programmables par
apprentissage. C’est à dire, on donne d’abord des commandes ou opérations, instructions de
trois axes : devant, droite et gauche qu’il enregistre puis exécute et / ou par langage
symbolique.
 Classe D : robots dits intelligents.
- manipulateur automatique asservi : capable d’analyser les modifications environnementales

et de réagir en conséquence.
Possibilité de classification générale
Entité Homme Système de Robot Environnement

commande
1 Boucle ouverte A poste fixe. Entièrement
Action Manipulateur connu
permanente ordinaire
2 Action Régulation ou Mobile Partiellement

intermédiaire contrôle connu
Caractéristiques
principales ayant
une incidence sur
les performances 3 Régulation et Mobile (robot Mal connu
de la commande Pas d’action réflexe intelligent)
durant (mécanisme
l’exécution de la supplémentaire
tache. pouvant
arrêter les
conséquences
néfastes)
4 Régulation et Mobile Mal connu
Pas d’action réflexe de
décision.
V. champs d’action des robots

Au début de l’industrialisation, l’homme s’est intéressé aux automates vers les années 50-60. A cette
époque, on a automatisé les différentes opérations de fabrication des pièces car l’industrie était largement
tributaire de la main d’œuvre humaine qui avait comme conséquence la fatigue, la malfaçon et surtout un
coût élevé suite au standing élevé.
La deuxième application à être attestée avec succès, c’est la peinture automatique des automobiles
(quand une tache devient dangereuse pour l’homme, on préfère utiliser le robot).
Le soudage point à point appelé pré soudage qui consiste à assembler préalablement les pièces en
vue d’une finition ultérieure (il y a l’effet risque, salubrité, étouffement, lumière).
Le soudage continu : qui est un soudage précis exigeant l’automatisation parce que les pertes sont
énormes.
L’assemblage des pièces : faite pour un assemblage des pièces exigeant une très grande précision.
Chaque fois que l’homme devra recourir à des taches dangereuses ou des très grandes précisions.
VI. Programmation des Robots

Un robot est dit machine programmable lorsqu’il est capable d’exécuter diverses tâches répétitives,
apte à s’adapter à son environnement, apte à adapter son comportement à certains aléas et événements
perturbant le fonctionnement normal prévu. Les taches à réaliser pouvant être de type point à point ou
continu.
Les premières correspondent aux procédés les plus répandus dans l’industrie manufacturière (ex. soudage

par résistance, palettisation, manutention,…) par comparaison aux secondes (soudage à arc, encollage,
découpage, projection/peinture…)
Les robots à programmation de type point à point sont les plus courants, leur tâche consiste à
réaliser des actions non continues mais répétitives. Ces robots réalisent des taches spécifiques en
programmation simple et surtout en programmation…..
Les robots à programmation continue : ici la programmation devient événementielle. Le robot doit
s’adapter aux événements qui surviennent dans son environnement . Cette dernière est réalisée au moyen
des capteurs dont les résultats sont interprétés par des processeurs spécialisés en vue de réagir aux
événements survenus.
VII. Objectif de la programmation des robots
Cet objectif s’énonce en points qui sont :

- spécifier les mouvements correspondants à la grande diversité d’opérations que l’on trouve en
robotique sachant que ces mouvements doivent minimiser le temps de cycle ou satisfaire les
contraintes de vitesse imposée par le procédé. Il s‘agit d’une coordination des différents
mouvements autour d’axes externes appelés positionneurs, convoyeurs ou axe robot.
- Synchroniser les mouvements du robot, les dispositions perirobotiques et les autres équipements de
l’atelier ou de la cellule de reproduction.
- Gérer les actions des outils.
- Gérer les communications I/O.
- Intégrer les informations sensorielles dans le primitif des mouvements. Généralement ces
mouvements proviennent des simples capteurs.
- Contrôler l’exécution des programmes.
- Communiquer avec un opérateur via une interface appropriée.
VIII. Type de programmation des robots
a. Apprentissage
 Principes d’apprentissage : consiste à montrer au robot ce qu’il doit faire, c'est-à-dire amener l’outil sur
les pauses (repères) souhaités successivement représentant la tache à accomplir. Sur chaque pause,
on enregistre la position, l’orientation du repère lié au centre de l’outil ou encore les positions
articulaires correspondant à l’exécution.
 Taches point à point : comment faire l’apprentissage des taches point à point ? pour les taches point à
point, la boite à boutons reste le moyen le plus rependu (programmer les boutons, chaque bouton
réalise une tache, la tâche est apprise par apprentissage).
 taches continues : on utilise le guidage, généralement manuel ou par pantin. Le guidage, on a un
manipulateur contenant des boutons s’exécutant selon un ordre prévu. Un pantin est un

manipulateur ou un programme contenant ou agençant les taches, boutons selon l’ordre d’arrivée.
b. Programmation hors ligne ou par langage de programmation
A ce niveau, nous distinguons : la programmation explicite et la programmation implicite.
1º Programmation explicite :
Principe : dans la programmation implicite, l’opérateur écrit un programme dans un langage choisi,
acceptable par le robot. Ce langage présente des blocs d’instruction de base réalisant des taches
spécifiques. Tout langage évolué peut faire cette tâche à condition d’y ajouter les instructions de
mouvements.
2º Programmation implicite : contrairement à la programmation explicite, dans la programmation

implicite, le programmeur n’écrit pas les instructions à réaliser, mais décrit les grandes étapes de la tâche
à accomplir avec des ordres tels que : prendre A, le mettre en B. à partir de cette description des ordres,
le système appelé planificateur des taches se charge de décrire la tache (ensemble d’opérations
permettant de réaliser la tache), alors un ordre portant exécution de la tâche consistera à réaliser les
opérations intermédiaires concourant à l’obtention de la tache décrite. Cette programmation est réalisée
au moyen des langages spécifiques tels que LAMA and HANDLEY du MTI ou le RAPT de
Hambourg.
Le planificateur doit disposer pour ce faire des données géométriques et cinématiques sur le robot et
sur son environnement, ainsi, que l’expertise lui permettant d’élaborer des stratégies.
Depuis plus de 20 ans, beaucoup des travaux ont été réalisés sur cette forme de programmation ; des
résultats significatifs ont été obtenus sur certains problèmes génériques comme la saisie automatique
intégrant les contraintes de la tâche, la synthèse de mouvements fins référencés capteurs, la génération
de mouvements sans collision, la prise en compte des incertitudes, le contrôle d’exécution…
La robotique mobile a bien souvent constitué un domaine d’expérimentation privilégiée de ces
recherches
3º Programmation hors lignes à partir de Bases des Données CAO- robotique

Les systèmes de conception et fabrication assistées par ordinateur (CFAO ou par abus CAO) sont
maintenant bien introduits dans le monde industriel.
Depuis les années 1980, les roboticiens ont compris l’apport qu’ils pouvaient atteindre des bases de
données géométriques tridimensionnelles et des facilités de représentation qu’offraient ces systèmes.
Les premiers systèmes ont vu le jour, tout d’abord sur les calculateurs main frame, puis sur les stations
de travail dont elles utilisent pleinement les avancées en matière d’ergonomie des interfaces, de
visualisation réaliste, de facilité d’utilisation. Ces systèmes ont généralement un double objectif à
savoir :
- l’aide à la conception, à la simulation et à l’optimisation des cellules robotisées, grâces à des outils
de modélisation des robots et de l’environnement, de placement automatique du robot dans sa
cellule, d’analyse du mouvement
- la programmation hors ligne qui permet, après optimisation et validation des trajectoires,

d’enregistrer, à partir des données CAO, un programme téléchargeable par la baie de commande du
robot. On retrouve ici 2 composantes :
* conception et fabrication,
* de la demande CFAO utilisée pour les machines-outils à commande numérique
Méthodologie de programmation : cette programmation hors lignes conduit à la génération d’un code
exécutable sur site à partir des données CAO qui comportent :
- la maquette virtuelle (qui reprend la description géométrique des taches à réaliser. Le repère de
travail et le repère intermédiaire qui entrent dans l’élaboration des phases de travail) ;
- les trajectoires CAO : sont les lignes virtuelles au travers desquelles, les taches vont se réaliser.
Elles peuvent être optimisées selon les critères temps du cycle, anti collusion, et placement.
- Taches corrigées et traduites : évaluation de l’habillage au moyen des mesures préalablement
fournies en comparaison avec l’environnement. Cette étape est donc une mise au point, un
ensemble des tests de validation ayant pour but de rendre la
Tâche exécutable. Des que toutes les taches sont vérifiées et déclarées correctes, la tache devient
exécutable.
Avantages : les avantages d’une programmation hors ligne par CAO-robotique sont nombreux :
 Disponibilité de la cellule de production : globalement, le temps de programmation d’une
gamme reste le même si l’on compare un apprentissage classique et une PHL. Cependant, la
PHL se faisant en temps masqué, le temps d’immobilisation du site est considérablement
réduit.
 Amélioration de la qualité : dans une programmation par apprentissage, la qualité de
l’expérience de l’opérateur, ce qui n’est pas le cas avec la CAO qui permet une définition
exacte des poses désirées…
 Minimisation de l’effort de programmation en termes de préparation des données :
réutilisation de modèles déjà créés lorsqu’il y a différentes variantes d’un produit
 Optimisation des tâches des temps de cycles et de l’accessibilité sans collision de toutes les
poses notamment, grâces à des outils de placement automatique
4º Limites de ces modes de programmation
La limitation essentielle d’une programmation par CAO est que la maquette virtuelle ne représente
qu’imparfaitement le comportement réel du robot et de la cellule robotisée : certains phénomènes
physiques sont trop complexes et ne sont pas modélisables (par exemple la flexibilité, la déformation
des faisceaux de câbles et des gaines d’amenée des fluides,…)
Ces difficultés sont à l’origine des écarts que l’on constate entre la trajectoire programmée en CAO et
celle effectivement suivie par le robot.
Elles expliquent aussi les différences entre le temps de cycle attendu et celui qui est observé.
Les principales sources d’erreurs de modélisation sont passées en revue ci-dessous :
* modélisation des robots :

Les modèles CAO se limitent à la description de la géométrie des robots d’où des erreurs
géométriques dues au fait que les paramètres utilisés dans les modèles sont des paramètres nominaux
données par le constructeur et non ceux du robot réel ; en d’autres termes, même si la répétitivité du
robot est excellente, sa précision absolue est généralement médiocre,
1. apprentissage :
Limites : Il faut avoir le matériel conséquent, on apprend que ce qui a été montré, exposition
permanente de l’homme (sécurité de l’homme n’est pas admise), disposer d’un langage de
programmation textuelle, impossibilité de faire la programmation avec maquette.
Avantage : simplicité : l’homme fait les actions, la machine exécute.
3. programmation hors ligne ou par langage de programmation
Limites : nécessite d’étudier plusieurs langages, l’opérateur doit manipuler plusieurs langages et créer
des instructions propres à lui pour exécuter certaines tâches, anticiper les difficultés d’où le programme
sera toujours partiel et exige une mise à jour perpétuelle.
Avantage : n’expose pas l’homme.
Améliore la qualité des programmes obtenus
Diminution du temps de cycle
Assurance de la sécurité des personnes et des matériels
Dépendance des robots pour permettre la duplication des
tâches sur plusieurs cellules et le remplacement des
robots en panne

CONCLUSION GENERALE
L’Intelligence artificielle possède plusieurs applications et le développement actuel des connaissances
continues à ouvrir grandement des portes de cette nouvelle science. Nous citerons entre autre :
- les fonctions de maintenance dont la tâche principale est celle de préserver un équipement, de
garantir son utilisation et de réaliser les travaux de réparation. L’intelligence artificielle permet, dans
ce cas, de réaliser un tableau de bord de maintenance qui sera soit stratégique (qui a pour tâche de
juger l’activité de la maintenance par rapport aux objectifs à moyen et à long terme ses données
proviennent des tableaux de bord de gestion courante et il est bâti selon les axes et les objectifs
stratégiques définies par la politique de maintenance) soit de gestion courante (celui-ci sert d’outil
de pilotage et est destiné à une utilisation à court terme, il guide dans les choix de priorité)
- Le pilotage de direction automobile par logique floue ; la logique floue regroupe plusieurs notions
complémentaires dont la théorie des sous-ensembles flous, la théorie des possibilités et le
raisonnement flou ; un système de règles floues permet de décrire, sous forme de règles
linguistiques, une fonction de transfert entre variables d’entrée et celles de sortie d’un système. Les
valeurs de ces variables sont exprimées au moyen de termes linguistiques associés à des sous-
ensembles flous. Ainsi, il est possible de « modéliser » un processus ou une expertise en prenant en
compte l’imprécision du modèle ou de l’expert. Des telles logiques sont appliquées dans le pilotage
de direction d’une automobile ou dans le pilotage d’un avion,…
- Aujourd’hui l’exploration spatiale se fait au moyen des outils intelligents vous vous rappellerez des
SONDE VOYAGER 1 et 2 quoique vieux de plus de 30 ans ces engins continuent à fonctionner et
à fournir à la terre des précieuses informations sur les confins du système solaire, d’ailleurs ces deux
engins sont les seuls faits par l’homme à pouvoir à ce jour sortir du système solaire
- Tout récemment, le module envoyé sur la planète Mars avec pour objectif de prouver que cette
planète a à une certaine période de son existence possédé de l’eau sous forme liquide laissant
entrevoir la possibilité d’existence d’un vie. Le module a pour Nom « CURIOSITY »
- Plus proche de nous, les avions sans pilotes, appelés DRONES, que les américains utilisent dans la
guerre contre les terroristes au PAKISTAN et en AFGANISTAN, ces robots sont si intelligents
qu’ils sont capables de rechercher, de trouver et abattre un individu dont les identités leurs ont été
donné sans le concourt d’aucun humain ; les militaires Français en ont fait usage lors de leur guerre
au MALI ce qui a facilité ladite guerre tout en diminuant les risques encourus par les soldats, la
preuve est qu’à ce jour seuls 6 soldats Français ont été tués contre des centaines des Jihadistes
- Les différents minéraux sur la surface de la terre sont actuellement détectés au moyen des satellites
dotés des systèmes intelligents capables d’analyser, cartographier, donner la teneur et quantifier la
réserve concernée
- Les Scanners, les appareils d’échographie, etc. utilisent de l’intelligence artificielle et produisent des
résultats qui étonnent le commun des mortels
- La guerre qui jadis était les faits du nombre des soldats ou de la puissance de frappe disponible est
devenue aujourd’hui une science fondée sur des stratégies mues par l’intelligence artificielle. C’est ce
qui fait qu’aujourd’hui une troisième guerre mondiale semble improbable car les grandes nations
sachant ce qu’ils possèdent comme armes et comme systèmes d’action et de réaction se craignent
mutuellement. Dernièrement la Corée du Nord rompant unilatéralement les accords de paix de
1952, a menacé les USA d’une frappe nucléaire préventive, ce fait n’a pas ébranlé outre mesure
cette superpuissance, ce n’est pas que la bombe nucléaire nord-coréenne n’aurait pas d’effet, mais
c’est la confiance que ce pays place dans l’ensemble du dispositif sécuritaire mis en place, dispositif
piloté par des ordinateurs et des systèmes intelligents très complexes qui est capable de mettre hors
d’état de nuire la fameuse bombe
- Les travaux de construction des tunnels sont aujourd’hui téléguidés par des systèmes automatiques
qui grâces aux satellites conduisent avec précision les têtes perceuses enfouis à plusieurs mètres
sous terre
- Il en est de même des travaux de forage des puits d’extraction pétrolières qui anciennement se
faisaient en ON SHORE (sur terre) se font actuellement OFF SHORE (en mer) et la conduite de
toutes ses tâches, ainsi que la surveillance des activités d’extraction se font par des systèmes
intelligents dirigés des ordinateurs mus par des logiciels intelligents capables de détecter la moindre
faille et de signaler à l’avance toute défaillance susceptible de provoquer mort d’hommes
- Les installations de production d’électricité par procédés nucléaires, tous ces systèmes sont si
dangereux que les laisser être surveillés par l’homme, avec l’effet de la fatigue, de l’inattention, ils
risquent de causer beaucoup des dégâts, c’est ainsi que tous ces éléments à partir de la préparation,
en passant par l’introduction des barres de combustible uranifère dans les réacteurs, le
refroidissement des barres uranifères dès qu’elles sont consumés jusqu’au refroidissement , à la
surveillance et à la production de l’électricité par ces systèmes sont conduits par des systèmes
intelligents
- Aujourd’hui les sciences dans leur ensemble préfèrent utiliser des systèmes intelligents pour la
majeure partie de leurs activités et laisser l’homme au repos
- Actuellement, il est question de capturer les astroïdes dans la ceintures comprises entre les planètes
Mars et Jupiter en vue d’exploiter les richesses qu’elles contiennent, car il est prouvé que certains
d’entre eux sont constituer des blocs de fer ou de platine ou d’or ou encore de cobalt, des projets
aussi gigantesque ne peuvent se réaliser que grâce aux systèmes intelligents
- L’exploration de la planète Mars se fait au moyen des robots intelligents et il y a plus de 100000 qui
la parcours en son pôle Nord et en son équateur ; avec la distance séparant Mars à la Terre des
systèmes dirigés à distance ne produiraient pas des résultats conséquents ; c’est ainsi que tous ces
systèmes sont intelligents et destinés à observer des aspects particuliers ce monde lointain
- Nous pouvions citer des milliers des réalisations intelligentes mais le temps et l’espace nous
manquerait.
Enfin, le monde est en passe de se faire coloniser par des robots et l’avenir tend à donner raison à toutes
les personnes pensent dans ce sens, notre souhait est que l’étudiant de L1 puisse cultiver un esprit créatif de
manière à ne pas se laisser à la traîne car l’avenir semble dire que dominera le monde la personne qui
domptera les systèmes intelligents.

COURS Dintelligence Artificielle2018-2019 Bis

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

COURS Dintelligence Artificielle2018-2019 Bis

Transféré par

Droits d'auteur :

Formats disponibles

COURS D’INTELLIGENCE ARTIFICIELLE

2. Domaine de l’Intelligence artificielle

3. Difficultés de l’intelligence artificielle

Chap. I : INTELLIGENCE ARTIFICIELLE

2. Types d’Intelligence artificielle

3. Courants de pensée d’intelligence artificielle : le cognitivisme, le connectivisme, la synthèse

4. Domaines d’application de l’IA

CHAP. II : LOGIQUE ET PROPOSITIONS

2. Formules biens formées

6. Notions classiques des propositions

CHAP. III : LA PROBLEMATIQUE DES SYSTEMES EXPERTS

1. Approches des systèmes experts

3. Problèmes des systèmes experts

4. Construction de systèmes experts ou architecture des systèmes experts

KABEYA MWEPU Simon Isaac cours d’IA ISES 2018-2019 Page 1

1. Systèmes experts et systèmes de gestion des bases des données

3. Comment l’IA vient aux entreprises

4. Informatique de gestion et Intelligence artificielle

5. Système expert, une nouvelle voie vers la productivité

2. Différentiation des robots

3. Application des robots

KABEYA MWEPU Simon Isaac cours d’IA ISES 2018-2019 Page 2

Système qui pense comme l’homme : Système qui pense rationnellement :

1. Bergson, H. L’évolution créatrice, éd. Du Seuil, Paris, 1947

KABEYA MWEPU Simon Isaac cours d’IA ISES 2018-2019 Page 3

1. La résolution des problèmes : (analyser le problème pour le comprendre)(système qui pense

2. La compréhension du langage naturel : ou traduction automatique (système qui agit comme

KABEYA MWEPU Simon Isaac cours d’IA ISES 2018-2019 Page 4

- La projection troposphérique : le niveau que ne doit pas dépasser le robot. déterminer le

- L’analyse et la modélisation qui consiste à étudier l’environnement pour reconnaître les

- La traduction du programme dans un langage que la machine peut comprendre.

La machine s’adapte à un environnement naturel et aux moyens de croyance propres à l’individu

4. Expertise (système qui agit rationnellement)

- Faciliter le transfert des connaissances vers l’entreprise ou l’organisation : en cas de départ de

KABEYA MWEPU Simon Isaac cours d’IA ISES 2018-2019 Page 5

KABEYA MWEPU Simon Isaac cours d’IA ISES 2018-2019 Page 6

Les 4 formes d’activité intelligente permettent de résoudre trois formes de problèmes :

Ex. déterminer la couleur de l’air.

Difficultés de l’Intelligence artificielle :

1e difficulté : la conscience marginale

KABEYA MWEPU Simon Isaac cours d’IA ISES 2018-2019 Page 7

L’élimination automatique des ambiguïtés : la logique utilisant la modélisation cognitive exclut

3e difficulté : distinction entre « l’essentiel et l’accessoire »

4e difficulté : regroupement intuitif ou automatique

KABEYA MWEPU Simon Isaac cours d’IA ISES 2018-2019 Page 8

6e difficulté : l’existence des postulats

1. Calculer l’âge d’un enfant.

2. Le système qui calcule la vitesse réalisée par un véhicule sur un tronçon.

3. Le système qui remplit automatiquement les bouteilles dans une brasserie.

4. Le système qui calcule automatiquement le salaire dans une entreprise.

5. Système de fracturation automatiquement incorporant la TVA.

6. Un système n’incorporant pas la TVA.

8. Système de contrôle de la température dans une couveuse pour bébé (d’œufs)

9. Système de connexion du numéro formé par un utilisateur de téléphone mobile.

10. Une tricoteuse automatique

11. Le feu de signalisation avec possibilité d’enregistrement de numéro des contrevenants.

KABEYA MWEPU Simon Isaac cours d’IA ISES 2018-2019 Page 9

Concrètement l’Intelligence Artificielle est :

- La recherche : analyser, résoudre les problèmes et trouver les méthodes de résolution,

II. Types d’Intelligence Artificielle

Il existe deux types d’Intelligence Artificielle :

a. Intelligence Artificielle forte

On se réfère aux machines capables de :