Les Systèmes Experts

Année universitaire 2012-2013

Les Systèmes
Experts

1
 Introduction

L'intérêt de l'IA est porté sur les mécanismes de compréhension du

raisonnement humain. Le développement des systèmes experts provient
de la constatation que, pour que la machine raisonne (presque) comme
un expert dans un domaine particulier, il faut lui donner une masse
de connaissances proche de cet expert.

2
 Plan

 Définitions

 Architecture

 Domaines d’applications des systèmes experts et applications

 Moteur d’inférences

3
 Définitions

Nous présentons dans ce qui suit diverses définitions extraites de la littérature afin
de mettre en exergue les différentes approches.
Edward Feigenbaum [KARKAN, 93] : Les Systèmes Experts Sont des
programmes conçus pour raisonner habilement à propos de tâches dont on pense
qu'elles requièrent une expertise humaine considérable.
Louis E.Frenzel [KARKAN, 93] : Un Système Expert est un programme d'IA
incorporant une base de connaissances et un moteur d'inférences. Le programme
réagit comme un conseiller intelligent dans un domaine particulier.
Denning : Un système Expert est un programme conçu pour simuler le
comportement d’un humain qui est un spécialiste ou un expert dans un domaine
restreint [Denning 86].
4
 Définitions

En résumé, nous pouvons dire qu’un système expert est un programme :

 Incorporant à la fois
- des connaissances formelles
- des jugements personnels de l’expert (sous forme d’heuristiques)
 Expliquant à la fois
- le raisonnement conduisant aux réponses aux questions
- le savoir qu’il contient
 Capable d’incorporer du nouveau savoir-faire dans le savoir existant de manière
incrémentale
 Séparant - les connaissances,
- le contrôle (moyen d’utiliser les connaissances)
5
 · Dialoguant avec l’utilisateur dans un langage proche du sien (langue naturelle,
 Architecture

Un SE est en général composé des modules suivants:

Structure Générale d'un Système Expert

6
 Architecture

Base de connaissances (BC)

Elle représente la connaissance spécifique d'un expert. Les systèmes doivent être
capables d'accueillir des BC réellement significatives.
En général, la BC est répartie en une base de faits (BF) et une base de règles
(BR).Cette répartition est purement logique.
Base de faits (BF) : Elle contient les connaissances représentant des états considérés
comme prouvés. C'est la mémoire de travail du SE. Elle est variable au cours de
l’exécution et vidée lorsque l’exécution se termine. Les faits peuvent prendre des
formes plus ou moins complexes
Base de règles (BR) : Elle contient les connaissances déductives ou règles, de type
opératoire, décrivant le savoir-faire sur le domaine. Elle n’évolue pas au cours
7
d’une session de travail.
 Architecture

Le SE peut disposer aussi d’une métaconnaissance exprimée par des métarègles

(c’est-à-dire des règles sur la manière d’utiliser les règles). L’organisation d’une
base de connaissances au moyen de métarègles reste essentiellement déclarative,
contrairement à toute organisation basée sur une structuration a priori de
l’ensemble des règles (écrire les règles dans un ordre donné,..) .

8
 Architecture

Moteur d'inférences (MI)

C'est un programme qui exploite la connaissance. Il scrute à travers la BC et détermine
comment les faits et les règles doivent être gérés. Il comprend des mécanismes de
raisonnement et résout les problèmes en exploitant la BC en fonction de la situation
courante fournie par la BF.

9
 Architecture

Acquisition des connaissances

C'est un outil précieux qui aide le concepteur lors de l'élaboration de la BC
( constitution, mise au point, consultation, mise à jour et vérification de la
cohérence de la BC ).

Interface
Cette interface est destinée à faciliter le dialogue, si possible en langue naturelle ou à
l'aide de graphe entre l'utilisateur et le SE.

Module d'explication
Il est sollicité lors d'une consultation du système. En effet, le système est capable de
justifier la conclusion à laquelle il a aboutit en spécifiant, par exemple, les raisons
10
pour lesquelles il a activé certaines règles.
 Domaines d’applications des systèmes experts et applications

Domaines d’applications des systèmes experts et applications

La liste n’est pas exhaustive, beaucoup d’autres applications existent

dans différents domaines tels que l’agriculture, l’informatique, etc.
Les SE cités ci-dessous, sont tous liés à des domaines bien définis car il
est très difficile de regrouper des connaissances hétérogènes dans un
même système. Toutefois, il existe des systèmes qu'on désigne par
multi-experts et qui sont conçus pour manipuler ces connaissances
hétérogènes.

11
 Domaines d’applications des systèmes experts et applications

Géologie
PROSPECTOR ( S.R. International, Stanford USA) ; aide le géologue à évaluer
l’intérêt d’un site en vue de prospection minière. Il comporte 1600 règles.
LITHO (Schlumberger-France, Clamart 1981) ; Se préoccupe de la détermination
des lithofaciès les plus plausibles en fonction des paramètres recueillis au cours de la
descente d’outils de forage (500 règles).
SIMMIAS (Elf-Aquitaine, Pau, 1981) ; Recherche les voies de migration
d’hydrocarbures à partir des roches-mères jusque vers des roches-réservoirs, en prenant
en compte les paramètres géologiques relatifs au sous-sol.
SECOFOR (Elf-Aquitaine, Pau 1982) ; Destiné au diagnostic d’incidents de forage
(350 règles).
12
 Domaines d’applications des systèmes experts et applications

Administration - Gestion
AGE (Bell Laboratoires, USA 1983). Destiné à établir des rapports synthétiques sur
l’état de câbles téléphoniques, à partir des enregistrements d’incidents (100 règles).
TROPICAID (C.H.U la pitié Selpetrière, 1984). Système d’aide à la décision
médicale pour les infirmiers des pays en voie de développement. Il comporte une base
de données pharmacologiques concernant 200 médicaments, une BD thérapeutique
concernant 500 maladies et une BD diagnostiques se référant à 2000 signes cliniques
ou para cliniques. Le système est développé sur un Micro-ordinateur portatif.
FOLIO: SE d'aide à la décision en matière de gestion de portefeuilles d'actions.
MANAGER (C.E.R.F.I.A, Université P. Sabatier, Toulouse, 1985) développé pour la
gestion en temps réel des personnels paramédicaux d'un grand hôpital.
13
 Domaines d’applications des systèmes experts et applications

Production Manufacturière
GUNNEX 1984. Engendre des gammes de fabrication de produits en caoutchouc (300
règles, écrit en Prolog).

Chimie
Heuristic DENDRAL (Université de Stanford, U.S.A., 1969) : Recherche la formule
développée d’un corps organique à partir de la formule brute et du spectrogramme.
SECS (Université de Stanford, U.S.A., 1978) : assiste le chimiste pour la conception
de plans de synthèse de molécules complexes.
CRYSTALIS (Université de Stanford, U.S.A., 1979) : recherche la structure de
protéines à partir de résultats d’analyse cristallographique.

14
 Domaines d’applications des systèmes experts et applications

Biologie
MOLGEN (Université de Stanford, U.S.A., 1977) : engendre un plan de
manipulations génétiques en vue de construire une entité biologique donnée.

Mathématiques
AM (ELF - Aquitaine, Pau, 1981) : à partir d'une base initiale de concepts généraux,
il élabore de nouveaux concepts ( plusieurs centaines ).
LPS (Université Keio, Japon, 1979) capable de résoudre des problèmes de géométrie.
MUSCADE (G.R. 22, Université Paris VI, 1984) est capable d'établir des
démonstrations de théorèmes complexes en manipulant le concept de méta-
connaissances.
MACSYMA: Résolution de problèmes mathématiques (intégrales, différentielles,
15
systèmes d'équations...).
 Domaines d’applications des systèmes experts et applications

Electricité
SOPHIE (Université de Stanford, U.S.A., 1975) pour le diagnostique des pannes
des circuits électriques.
PEACE1 et PEACE2 (O.N.E.R.A. - C.E.R.T, Toulouse, 1981) ils permettent
l'analyse et la conception des circuits électroniques passifs.

16
 Domaines d’applications des systèmes experts et applications

Médecine
MYCIN (Université et Ecole Polytechnique de Lausanne, 1984) il dialogue en
langage naturel avec le médecin qui l'assiste pour diagnostiquer et même traiter les
maladies bactériennes du sang. Plusieurs variantes de ce système ont été développées
pour entraîner des étudiants en médecine. Diagnostic médical tentant de cerner les
germes responsables de maladies infectieuses au niveau du sang et du liquide
céphalo-rachidien (méningite).
TOUBIB (IBM - France, Paris, 1982) un système d'aide en diagnostic en médecine
d'urgence.
PUTH: Interprétation de tests respiratoires et diagnostic de troubles pulmonaires.

17
 Moteur d’inférences

Le noyau d’un système expert étant le moteur d’inférence, nous

détaillerons dans ce qui suit cette entité.
Moteur d’inférences
Tout moteur d'inférence est caractérisé par :
 Un cycle de base
 Une stratégie de recherche
 Une méthode de chaînage

18
 Moteur d’inférences

Le cycle de base
Quelle que soit la stratégie de contrôle utilisée, le cycle de base d'un MI comprend
toujours les deux phases suivantes :
 Phase d’évaluation
 Phase d'exécution

19
 Moteur d’inférences

 Phase d’évaluation
Elle s'effectue en trois étapes :
 Sélection : Qui a pour objet de trier et de rassembler en un sous-ensemble, les faits
et les règles de la BC qui méritent plus d'attention que d'autres.
 Filtrage : le moteur d’inférence compare la partie prémisse des règles sélectionnées
avec les faits de la BF pour déterminer l'ensemble des règles applicables.
 Résolution de conflits : se concrétise par le choix de la règle à appliquer. Cette
étape, de loin la plus importante, manifeste également une stratégie qui peut être très
simple et sans rapport avec le contexte (la première règle de la liste, la moins
complexe, la moins
utilisée...) ou plus complexe en tenant compte du contexte (la plus prometteuse, la plus
20
fiable,...).
 Moteur d’inférences

 Phase d'exécution
Cette phase consiste à appliquer (activer) la règle obtenue lors de l'étape précédente.
Cette action permet généralement d'ajouter un ou plusieurs faits à la BF.

21
 Moteur d’inférences

Les modes de raisonnement du MI

Suivant la stratégie de raisonnement adoptée, le MI est dit fonctionnant en chaînage
avant, en chaînage arrière ou encore mixte.
 Chaînage avant (processus déductif) : Cette première forme de réflexion est
guidée par les données. Le MI raisonne en partant des données et essaye d'en déduire
de nouvelles, qui permettront à leur tour de déduire le but. Ce processus est réitéré
jusqu'à ce que le but soit atteint ou qu'aucune règle ne soit plus applicable.
 Chaînage arrière (processus inductif) : Cette seconde stratégie est dirigée par les
buts : Le MI prend le but final comme hypothèse et tente de remonter aux faits, afin
de le démontrer. Les règles sélectionnées sont celles dont la conclusion correspondant
au but cherché. Les conditions inconnues de la prémisse de ces règles deviennent des
22
sous-buts à démontrer.
 Moteur d’inférences

L’exécution de l’algorithme de chaînage arrière peut être décrit par un arbre dont les
nœuds sont étiquetés soit par un fait, soit par un des deux mots et/ou. On parle d’arbre
et-ou. On peut enrichir l’algorithme de chaînage arrière en tenant compte du caractère
demandable ou non d’un fait. Dans ce cas, lorsqu’un fait demandable n’a pas encore
été établi, le système le demandera à l’utilisateur avant d’essayer de le déduire d’autres
faits connus.
 Chaînage mixte (processus inductif et déductif) : Sans nous étendre longuement
sur le sujet, mentionnons que cette troisième stratégie combine les deux premières.
Le but du chaînage mixte est d'essayer, lors du cheminement à travers la BC, de
pallier les
inconvénients des deux premières approches, en alliant leurs avantages.
23
 Chaînage bidirectionnel, pour un même problème, on utilise tantôt des
 Moteur d’inférences

Les stratégies de contrôle

 Systèmes monotones
Un système qui, partant d'un ensemble de règles et de faits, ne peut que déduire des
éléments nouveaux sans jamais faire de retrait de connaissances.
 Systèmes non monotones
Comme son nom l'indique, c'est l'opposé du système monotone. Cependant, un système
est non monotone, s'il permet de supprimer des connaissances qui, jusqu'à preuve du
contraire sont considérées comme vraies.
 Fonctionnement irrévocable
Si au cours d'une résolution, lors de l'étape de déduction, le moteur ne peut déclencher
aucune règle; il s'arrête s'il est en mode de fonctionnement irrévocable et ceci même si
24
le but n'est pas atteint.
 Moteur d’inférences

 Fonctionnement par tentatives

Ici, si l'étape de déduction n'a permis de déclencher aucune règle et que le but n'est pas
atteint, le MI qui fonctionne par tentatives peut remettre en cause les inférences
réalisées par les règles retenues lors d'une étape antérieure de résolution de conflits.
 Hypothèse du monde clos
Cette hypothèse considère que les assertions (faits) qui ne sont pas explicitement
présentes dans la BC sont fausses. On peut dire que l'absence d'un fait étant équivalente
à sa négation c.-à-d., si une connaissance à un instant donné n'est pas présente ou pas
déductible, alors la négation de celle-ci est vraie.
 Hypothèse du monde ouvert
A l'inverse du monde clos, cette hypothèse considère que toute assertion doit être
explicitement représentée dans la BC. Dans un système avec variables, l'hypothèse du
25
monde ouvert est généralement impraticable.
 Moteur d’inférences

Les stratégies de recherche

Tout problème de recherche est caractérisé par une situation de départ (position
initiale), un but à atteindre et un espace de recherche, constitué de l'ensemble des états
possibles. De plus, il faut définir les opérateurs possibles permettant de passer d'un état
à un autre. Ensuite, il convient de définir une méthode de recherche.
Quatre stratégies de recherche existent:
 En profondeur d'abord
 En largeur d'abord
 En profondeur limitée
 Heuristique

26
 Moteur d’inférences

 En profondeur d'abord
Dans ce mode, on parcourt l'arbre de résolution à partir de sa racine, en explorant une
branche jusqu'à son terme avant de passer à la branche adjacente.
L'inconvénient de cet algorithme, est que son efficacité est dépendante de la position
des buts dans l'arbre. En effet, si les buts se trouvent à droite, la recherche sera longue.
 En largeur d'abord
Dans ce mode de recherche, on parcourt l'arbre à partir de la racine, de gauche à droite.
Le principal avantage de ce mode réside dans le fait que si on trouve un chemin vers un
but, on est certain qu'il s'agit du chemin le plus court. S'il existe une solution au
problème, l'algorithme la trouvera.

27
 Moteur d’inférences

 En profondeur limitée
On mêle dans cette recherche les deux approches précédentes. On découpe l'arbre en
tranches de k niveaux. Ensuite, on effectue dans chaque tranche une recherche en
profondeur, avant de passer à la tranche inférieure.
 Heuristique
Dans cette méthode, on injecte dans le processus de résolution du problème une
certaine
connaissance, sous la forme agrégée d'une fonction d'évaluation. Celle-ci permet de
mesurer la "promesse" de se trouver sur le chemin le plus intéressant, menant au but
recherché.

28
29