Cet ouvrage fait partie de la bibliothèque YouScribe
Obtenez un accès à la bibliothèque pour le lire en ligne
En savoir plus
ou
Achetez pour : 65,00 €

Lecture en ligne + Téléchargement

Format(s) : PDF

sans DRM

Systèmes experts dans l'entreprise (3ème édition revue & augmentée) (coll. Traité des nouvelles technologies Série Décision assistée par ordinateur)

De
272 pages
Cette nouvelle édition, entièrement revue et largement augmentée, explique simplement, mais avec rigueur, ce qu'est un système expert et comment il fonctionne. Cet ouvrage montre quels sont les domaines d'application, passe en revue les outils commercialisés et indique les écueils à éviter pour arriver à des systèmes vraiment opérationnels. Référence de travail, muni d'un index complet, ce livre a ainsi l'ambition de conduire les entreprises à la réalisation de systèmes réellement profitables.
1. Introduction2. Premier regard sur les SE : les principales fonctionnalités sur un exemple3. Systèmes de production et exploration des arborescences4. Principes de base des SE5. Représentation des connaissances6. L'environnement de développement des SE : les générateurs de SE7. Les systèmes multi-experts8. lA, recherche opérationnelle, SE et SIAD9. Les générateurs de SE et les machines10. L'introduction d'un SE dans l'entreprise11. Acquisition et structuration des connaissances12. Modalités d'insertion des SE dans l'entreprise13. Impact sur l'entrepriseIndex
Voir plus Voir moins

Traité des nouvelles Technologies
série Décision assistée par ordinateur
Système s experts
dan s
l'entrepris e
3'' édition revue et augmentée
Guy Benchimol
Pierre Lévine
Jean-Charles Pomerol
HERMES Systèmes experts
dans l'entreprise i Traité des Nouvelles Technologies
série Décision assistée par ordinateur
Système s experts
dan s l'entreprise
e
3 édition revue et augmentée
Pierre Lévine
Jean-Charles Pomerol
Guy Benchimol
HERMES Copyright © Hermès, 1990
Editions Hermès
34, rue Eugène Flachat
75017 Paris
r eISBN 2-86601-071-X pour la l édition
eISBN 2-86601-213-5r la 3n Table des matières
AVANT-PROPOS 11
CHAPITRE I : Introduction5
1.1. Des raisonnements aux systèmes experts 1
1.2. Historique6
1.3. Mode d'emploi du livre9
1.4. Remerciements 20
CHAPITRE : Premier regard sur les systèmes experts : les principales
fonctionnalités sur un exemple 21
2.1. Introduction
2.2. Le contexte2
2.3. Une session 2
2.4. Maintenance9
2.5. Conclusion 3
CHAPITRE : Systèmes de production et exploration des arborescences 33
3.1. Introduction3
3.2. Systèmes de production
3.3. Représentation des connaissances 37
3.4. Arborescences8
3.5. Stratégies de contrôle : explorations en profondeur et en largeur 42
3.6.s dee : heuristiques et fonctions d'évaluation4
3.7.s de contrôle : retour arrière et stratégies irrévocables 4
3.8. Systèmes de production gouvernés par les faits ou par les buts
3.9. Propagation de contraintes dans les arborescences 49
3.10. Conclusion 52
CHAPITRE 4 : Principes de base des systèmes experts 53
4.1. Introduction
4.2. Logique des propositions4 6 Les systèmes experts dans l'entreprise
4.3. Logiques du premier ordre 57
4.4. Moteur d'inférence 60
4.5. Le filtrage 6
4.5.1. Moteurs basés sur la logique des propositions 61
4.5.2.ss sur lae du premier ordre3
4.6. Exécution des règles
4.7. Généralités sur les stratégies de contrôle dans les systèmes
experts8
4.8. La phase de restriction 71
4.9. Lae de sélection2
4.10. Restriction oun
4.11. Chaînage avant, chaînage arrière : un exemple 73
4.12.e mixte : un exemple7
4.13. Conclusion
CHAPITRE 5 : Représentation des connaissances 81
5.1. Introduction 8
5.2. Acquisition des connaissances
5.3. Représentation des faits
5.4.n des règles 92
5.5. Versatilité des représentations informatiques 97
5.6. Les connaissances incertaines et approximatives9
5.7. Les langages 108
5.8. Prolog 111
5.9. Procédural ou déclaratif4
5.10. Règles ou objets6
5.11. Représentation des connaissances et langages 117
5.12. Conclusion
CHAPITRE 6 : L'environnement de développement du système expert :
les générateurs de systèmes experts 12
6.1. Introduction 12
6.2. L'architecture générale d'un GSE2
6.3. L'éditeur3
6.4. Mode développement et mode exploitation5
6.5. Le traceur6
6.6. Le moteur de développement 13
6.7. Apprentissage4
6.8. Acquisition des connaissances et outils de développement — 13
6.9. Conclusion 137
CHAPITRE 7 : Les systèmes multi-experts9
7.1. Les problèmes à résoudre 140
7.2. Contrôle décentralisé
7.3.e centralisé2 Table des matières 7
7.4. L'architecture dite à « tableau noir » 142
7.5. Contrôle centralisé à base de faits multiples5
7.5.1. ASYMEX 14
7.5.2. CREDEX : 147
7.5.3. DECIDEX8
7.6. Conclusion 150
CHAPITRE 8 : Intelligence artificielle, recherche opérationnelle, sys­
tèmes experts et systèmes interactifs d'aide à la décision 151
8.1. Introduction1
8.2. Systèmes d'aide à la décision2
8.3. Les apports de l'intelligence artificielle aux S.I.A.D 154
8.4.ss des S.I.A.D. aux systèmes experts5
8.5. Recherche opérationnelle etss 156
8.6. Conclusion9
Chapitre 9 : Les générateurs de systèmes experts et les machines 16
9.1. Introduction 16
9.2. Les pionniers2
9.2.1. EMYCIN3
9.2.2. KAS5
9.2.3. HEARSAY-III7
9.2.4. EXPERT9
9.2.5. AGE 170
9.2.6. Les autres pionniers1
9.3. Les gros systèmes2
9.3.1. ART
9.3.2. KEE4
9.3.3.S6
9.3.4. KNOWLEDGE CRAFT 17
9.3.5. SI 18
9.3.6. Vue d'ensemble sur les gros systèmes 182
9.4. Systèmes pour micros et systèmes récents3
9.4.1. ARGUMENT-DECIDEX 18
9.4.2. FIRST-CLASS
9.4.3. GURU7
9.4.4. INTELLIGENCE SERVICE9
9.4.5. Ml 190
9.4.6. NEXPERT-OBJECT 191
9.4.7. PERSONAL CONSULTANT PLUS 192
9.4.8. SMECI3
9.4.9. VP-EXPERT5
9.4.10. Vue d'ensemble sur les systèmes pour micros et systèmes
récents6 8 Les systèmes experts dans l'entreprise
9.5. Les tendances actuelles du marché 197
9.6.s systèmes experts pleins8
9.7. Les machines 199
9.7.1. Les qualités des machines dédiées
9.7.2. Machines LISP et stations de travail 200
9.8. Conclusion 201
CHAPITRE 10 : L'introduction d'un système expert dans l'entreprise.
Généralités3
10.1. Introduction
10.2. Petit vade-mecum à l'usage des décideurs 20
10.3. Ce que peut faire un système expert5
10.4. Les caractéristiques de la tâche à accomplir par le système 208
10.5. Pourquoi remplacer l'expert ou le spécialiste ?8
10.6. Quel système ? 21
10.6.1. Critères liés à l'application2
10.6.2.s liés à l'organisation3
10.6.3. Critères liés aux moyens4
10.6.4.s liés à l'utilisateur final 21
10.7. Pourquoi pas un système informatique classique ?5
CHAPITRE 11 : Acquisition et structuration des connaissances 217
11.1. Introduction 21
11.2. Les différentes phases de l'acquisition dess 218
11.3. Identification du problème 221
11.3.1. La tâche à accomplir par le système 22
11.3.2. Identification des acteurs
11.3.3. Les buts finaux et les utilisateurs du système2
11.3.4.n des moyens3
11.4. Acquisition, structuration des connaissances et modélisation 22
11.5. Architecture et prototypage6
11.6. Enrichissement et validation 227
11.7. Intégration9
11.8. Ingénieur de la connaissance 230
11.9. La programmation de style « système expert » 232
CHAPITRE 12 : Modalités d'insertion des systèmes experts dans
l'entreprise5
12.1. Introduction 23
12.2. Sensibilisation
12.3. Etude de faisabilité7
12.4. Réalisation
12.5. Coût d'un système expert 240 Table des matières 9
12.5.1. Matériel 241
12.5.2. Les hommes
12.6. Impact sur l'entreprise2
12.6.1. Impact sur la productivité
12.6.2.t sur l'organisation3
12.6.3. Problèmes humains4
12.7. Causes d'échec et de succès5
BIBLIOGRAPHIE 249
INDEX DES NOMS CITÉS 251
INDEX GÉNÉRAL3 Avant-propos
L'informatique ne fait plus rêver, elle est entrée dans notre vie
quotidienne et. sous sa forme classique, a acquis droit de cité dans la plupart
des entreprises. Lorsqu'une tâche est effectuée de façon répétitive suivant un
algorithme bien défini, de classement, de calcul ou de tri, tout le monde sait
que le travail peut être confié à un ordinateur.
Cette notion d'algorithme, qui sous-entend une organisation séquentielle,
prédéfinie et fixée d'opérations bien déterminées, est à la base des
programmes informatiques. Ce type de programme paraît incapable de traiter
des problèmes où interviennent des cheminements de pensée variables et où
l'on doit faire face à des situations multiples et non spécifiées à l'avance.
En un mot, on a longtemps cru que le raisonnement humain dans ses
composantes intuitives et qualitatives resterait hors de portée des machines.
C'était compter sans l'intelligence artificielle. Grâce à elle, au contraire,
l'idée s'est peu à peu répandue que les machines allaient pouvoir faire
tout ce que font les hommes.
L'idée peut paraître ambitieuse, c'est pourtant l'objectif avoué des
chercheurs. D'ailleurs, dès l'origine de l'informatique, des chercheurs comme
Turing ou Von Neumann ont essayé de calquer les ordinateurs sur le
cerveau humain. Certes, il reste encore beaucoup de travail pour faire en
sorte que les ordinateurs possèdent l'ensemble des capacités humaines.
Néanmoins, pour des tâches spécialisées, les machines arrivent à des
performances très honorables. Par exemple si, contrairement à certaines
prévisions optimistes, un ordinateur n'est pas encore champion du monde
aux échecs, le système « Deep Thought » de l'université Canegie - Mellon
de Pittsburgh est déjà dans les trente premiers joueurs des Etats-Unis.
Ainsi, si les systèmes informatiques ne sont pas capables de raisonnements
universels, on peut faire en sorte qu'ils traitent correctement des problèmes
limités. Nous allons montrer comment dans ce livre.
En intelligence artificielle, les recherches portent d'une part sur les
systèmes experts, la résolution de problèmes, la commande des robots,
l'interrogation intelligente des bases de données et le génie logiciel (concep­
tion d'environnements de programmation intelligents). D'autre part, un
grand nombre de chercheurs s'emploie à relever le défi de la reconnaissance 12 Les systèmes experts dans l'entreprise
des formes ; on constate, dans ce domaine, des progrès rapides concernant
la compréhension et la synthèse de la parole, le traitement des images et
la vision des robots. Enfin, n'oublions pas les recherches fondamentales
qui concernent la représentation des connaissances, les systèmes cognitifs,
l'apprentissage et le langage naturel.
Ce livre étant exclusivement consacré aux systèmes experts, n'abordera
donc pas les autres aspects de l'intelligence artificielle. Mais, même dans ces
limites, le sujet peut être envisagé de plusieurs façons. D'une part la recherche
dans ce domaine se poursuit et de nouveaux systèmes, parfois de nouvelles
idées, se font jour, d'autre part, certaines firmes ou certains laboratoires se
lancent ou vont se lancer dans la diffusion commerciale de leurs produits.
Entre le point de vue du chercheur et celui d'un acheteur il y a place pour
une information équilibrée, ni trop théorique, ni trop sommaire. C'est
pourquoi nous avons adopté dans ce livre le point de vue d'un utilisateur
potentiel, suffisamment curieux pour chercher à comprendre l'outil avant de
l'acheter. Nous allons donc essayer d'éclairer les décideurs, ingénieurs et
cadres des entreprises, sur les mécanismes, les fonctionnalités et les possibilités
des systèmes experts.
Parler des systèmes experts, pour et dans l'entreprise, suppose que, sans
se perdre dans la théorie, mais sans simplification abusive et sans cacher les
difficultés, on ait défini ce qu'est un système expert et son fonctionnement ;
c'est ce que nous proposent les premiers chapitres de ce livre (1 à 6).
Les chapitres suivants sont consacrés à la présentation des différents
systèmes existants, de leurs caractéristiques, qualités et défauts.
Enfin, les chapitres 10 à 12 présentent les raisons, les conditions, les
moyens et les personnes qui permettent l'introduction des systèmes experts
dans les entreprises.
En effet, malgré toute la publicité faite autour des systèmes experts,
il faut savoir qu'en France, à l'heure actuelle, il n'y en a guère plus d'une
centaine opérationnels dans des entreprises (étude de BIPE-HERMES,
1989). (Par, nous entendons en site propre et utilisé par les
gens auxquels il était destiné). En revanche, les entreprises qui ont réalisé
ces systèmes réellement utilisés font toutes état de gains de productivité
très significatifs. Il n'est pas facile de saisir les raisons du décalage entre
le nombre de systèmes, terminés ou en cours d'expérimentation, et le
nombre de systèmes qui fonctionnent effectivement. Ces raisons relèvent
à notre avis de deux causes principales, d'abord d'un manque de réflexion
préalable sur la nature des connaissances et la spécificité du travail de la
firme concernée, et en second lieu d'un manque de réflexion sur les
modalités d'introduction et la place à accorder aux systèmes experts dans
les entreprises. C'est pourquoi nous avons cru nécessaire de consacrer trois
chapitres à cette question.
Ce livre est destiné aux décideurs, gestionnaires, ingénieurs et à tous les
acteurs de l'entreprise qui pensent que les systèmes experts peuvent leur
apporter une aide dans la réalisation de tâches complexes. Il est aussi destiné à
tous ceux qui possèdent une expertise dans un domaine, qui souhaitent Avant-propos 13
approfondir cette expertise, la rendre « portable » ou plus facilement utilisable
et la transmettre à d'autres, au moins en partie (car l'expérience ne se transmet
jamais totalement). Cet ouvrage ne s'adresse pas spécifiquement aux
chercheurs en intelligence artificielle. En revanche, nous espérons que les
étudiants qui se destinent aux métiers de l'intelligence artificielle dans les
entreprises le liront avec profit.
Si après la lecture de ce livre les acteurs de l'entreprise, conscients des
difficultés de la tâche mais préparés à l'affronter, réussissent, pour le plus
grand profit de tous, à faire entrer leur firme dans l'ère des systèmes experts,
alors nous aurons atteint notre objectif. Chapitre 1
Introduction
1.1. DES RAISONNEMENTS AUX SYSTÈMES EXPERTS
Un des buts fondamentaux que se sont assignés les chercheurs en
intelligence artificielle est la reproduction par les machines des raisonnements
humains.
La première tâche consiste donc à savoir comment l'homme raisonne. Il
n'est évidemment pas facile de répondre à cette question.
Les raisonnements d'un joueur d'échecs ne sont pas les mêmes que ceux
d'un chef d'entreprise qui s'interroge sur l'opportunité de la mise en
fabrication d'un nouveau produit. L'enfant qui joue avec des cubes sur une
table ne se doute pas de la complexité des raisonnements qu'il met en jeu pour
réussir une pyramide, et pourtant, faire faire le même travail à un robot
nécessite un très gros programme informatique.
En fait, nombreuses sont les façons de raisonner et d'envisager des
situations complexes ; un bref aperçu des principaux modes de raisonnements
peut le prouver.
Il existe en effet deux modes de base :
— la déduction qui permet de tirer des conclusions à partir de règles dont
on vérifie les prémisses,
— l'induction qui conduit aux règles à partir d'observations partielles
conduites suivant des schémas prédéterminés.
Ces deux types principaux peuvent être utilisés de façon analytique, (on
découpe le raisonnement en sous-modules plus faciles à appréhender), ou
synthétique (on rassemble au contraire des éléments épars).
L'induction peut se faire en comparant des situations presque semblables,
les paramètres non déterminés dans la situation à étudier étant affectés de la
valeur qu'ils ont dans la situation de référence : c'est le raisonnement par
analogie. 16 Les systèmes experts dans l'entreprise
En plus des deux modes de base, les chercheurs en intelligence artificielle
ont maintenant mis en évidence un troisième mode, Vabduction, qui consiste
à construire des schémas d'observation hypothétiques nécessaires à la mise
en œuvre de l'induction.
Si, comme le montre ce rapide survol, il existe plusieurs modes de
raisonnement, les méthodes à mettre en œuvre ne sont pas moins nom­
breuses. L'itération consiste à réitérer une même séquence de raisonnement
jusqu'à ce qu'une condition d'arrêt soit vérifiée ; la récursion consiste à
faire appeler un raisonnement donné par lui-même, suivant le principe des
poupées russes, jusqu'à ce que ce raisonnement porte sur un problème
simple que l'on sache résoudre. Les stratégies pour raisonner peuvent faire
appel à la spécialisation, au raisonnement par l'absurde, à l'élimination des
cheminements non prometteurs, et à la réduction des différences.
Dans tous les cas la hiérarchisation des connaissances et la segmentation
des problèmes sont des outils employés depuis toujours pour tenter de
résoudre les problèmes complexes.
La fonction dévolue aux systèmes experts est le raisonnement, ce qui
est — comme nous venons de le voir — déjà assez vaste. Nous pouvons
donc, dans cette introduction, nous arrêter à la définition suivante d'un
système expert : c'est un programme informatique capable de reproduire
des raisonnements humains.
Un des problèmes les plus irritants de l'intelligence artificielle réside dans
la simulation des raisonnements intuitifs et non-dits, que l'on peut souvent
considérer comme de simple bon sens. Paradoxalement il est presque toujours
plus facile de simuler les raisonnements d'un expert, qui sont formalisés ou
formalisables, que de reproduire les raisonnements de l'enfant jouant aux
cubes. C'est pourquoi, les résultats les plus intéressants ont été obtenus dans la
simulation du travail d'un ou de plusieurs experts d'un problème, ou d'un
domaine donné. C'est ce que nous allons étudier dans ce livre et nous allons
montrer comment à l'aide d'une représentation des connaissances adéquate,
les machines peuvent arriver à des performances « d'expertise » tout à fait
honorables.
Nous insisterons surtout sur l'aspect système expert dans les entreprises,
c'est-à-dire gestion, contrôle de procédés, décision, analyse financière et
économique. Les liens entre les systèmes experts, la commande des robots
et la conception assistée par ordinateur, ne seront pas développés ici.
1.2. HISTORIQUE
L'acte de naissance de l'intelligence artificielle est en général fixé en
l'an 1956 à la réunion de Dartmouth Collège (Hanover, New Hampshire)
où fut présenté par Newell, Shaw et Simon, le programme de démonstration
de propositions logiques « Logic Theorist ». Le vocable lui-même « intel-Introduction 17
ligence artificielle » fut inventé la même année par John McCarthy. Les
années qui suivirent 1956 virent apparaître les premiers programmes de
démonstration de théorèmes basés sur la logique des propositions (General
Problem Solver, par Newell, Shaw. et Simon en 1959-60).
La décennie 1960-1970 permit de poser la plupart des principes de
recherche dans les arborescences et d'apporter nombre des idées utilisées
maintenant dans la résolution de problèmes et les systèmes experts. Les livres
de synthèse de Newell et Simon (1972) et Nilsson (1971) marquent la fin de
cette période. Les principales méthodes de recherche arborescente qui,
maintenant, sont utilisées dans les programmes des systèmes experts étaient
disponibles dès cette époque. Mais les réalisations des chercheurs se
concentrèrent essentiellement sur des problèmes simples à décrire mais très
complexes à résoudre, par exemple, les échecs ou la démonstration de
théorèmes mathématiques. Dans ces domaines les programmes restèrent,
longtemps, nettement en dessous des possibilités des meilleurs experts ; ils
ne sont pas encore capables de dépasser les meilleurs spécialistes. Assez
paradoxalement ce qui est devenu le champ des systèmes experts, à savoir
les problèmes pas très bien définis, comportant un grand nombre de règles
et de faits mais n'ayant qu'une complexité stratégique limitée, n'étaient
pas, à une exception près, abordés. Comme le dit Pitrat (in la revue de
l'Inria, 1984) les chercheurs se sont intéressés d'abord « à des problèmes
dont l'énoncé est simple, où tout est connu avec certitude, et où il faut
construire une arborescence profonde et potentiellement large ».
Le monde de l'entreprise est, au moins sur les deux premiers points, assez
éloigné des conceptions précédentes. Dans l'entreprise rien n'est simple et les
certitudes sont rares. L'on était encore loin des applications !
L'exception à laquelle nous faisions allusion tout à l'heure concerne
le programme DENDRAL qui débute vers la fin des années 60 à l'université
de Stanford, sous la direction de B. Buchanan avec E. Feigenbaum et le
prix Nobel J. Lederberg. Ce programme détermine la structure développée
d'une molécule à partir du spectre de masse établi par un spectrographe
de masse. Par exemple C H donne la structure développée de la figure 1.1.
2 5
H H
C C H
H H
Figure 1.1. Développement de CH
2 5
Les connaissances du domaine, c'est-à-dire toutes les formes que peut
prendre un composé moléculaire, furent apportées par Lederberg ; elles 18 Les systèmes experts dans l'entreprise
sont extrêmement nombreuses et susceptibles d'un enrichissement permanent
au fur et à mesure que de nouveaux composés apparaissent. C'est pourquoi,
partant des idées de Newell et Simon et de jeunes chercheurs de Stanford
(D. Waterman entre autres), E. Feigenbaum eut l'idée de séparer les
raisonnements et les connaissances de Lederberg du reste de la machinerie
informatique : le premier système expert était né. Constatons aussi que
DENDRAL est le premier programme auquel un non-informaticien (le
premier « expert ») ait apporté sa connaissance identifiée et valorisée en
tant que telle.
A partir des années 1970 la réflexion se déplace, des programmes et des
stratégies de recherche, vers la nature des connaissances. Beaucoup de
chercheurs d'origines diverses (informatique, psychologie, philosophie,
mathématique), essayent de déterminer de quoi sont faites les connaissances.
Ils s'intéressent alors, tout naturellement, aux connaissances les plus
complexes, c'est-à-dire incertaines, mal définies et implicites ; en un mot aux
connaissances de Monsieur Tout-le-monde !
La rencontre des outils de programmation et de l'analyse des connais­
sances ainsi que le succès de DENDRAL devaient conduire, dans les années
1975-80, aux systèmes experts.
Le premier et le plus connu des systèmes de cette époque est MYCIN
conçu à l'université de Stanford par Shortliffe. C'est un système expert de
diagnostic médical. Il est le premier à prendre en compte des connaissances
incertaines. Il sera bientôt suivi sur ce point par PROSPECTOR (Duda,
Hart, Nilsson et toute une équipe du SRI).
Le succès de MYCIN qui travaille aussi bien que les experts, quand
les experts sont d'accord, et le succès beaucoup plus médiatique que réel
de PROSPECTOR (cf. § 5.6) devaient ouvrir la porte à l'engouement que
nous connaissons actuellement. La génération des pionniers cède la place
aux systèmes commercialisables à défaut d'être largement commercialisés !
Mais nous sortons de l'histoire pour entrer dans la matière de ce livre.
Il reste un mot à dire sur les langages de programmation dédiés à
l'intelligence artificielle. Dès 1959 McCarthy crée le LISP ; le premier manuel
LISP paraît en 1962. Ce langage ne connaît que deux entités, les atomes et les
listes ; la liste est structurée en arborescence binaire (cf. 3.4. et 5.7). Le LISP
ne distingue pas entre procédures et données, il est aussi très modulaire
(facilité d'ajouter des règles ou des connaissances). Cette dernière qualité
devait aussitôt le faire retenir par les chercheurs en intelligence artificielle.
DENDRAL fut développé en LISP et FORTRAN ; MYCIN fut, dans sa
première version, programmé en LISP. Autour de 1970, les chercheurs ont
senti le besoin d'enrichir LISP et de concevoir des langages dans lesquels le
contrôle du raisonnement déductif puisse être facilement écrit et suivi, c'est
l'époque, entre autres, des langages MICRO-PLANNER (Sussman, Wino-
grad et Charniak, 1971), PLANNER (Hewitt, 1972) et CONNIVER
(McDermott et Sussman, 1972). A la même époque, reprenant la notion
d'objet contenue dans le langage SIMULA-67 (Dahl, Myhrhaug, Nygaard,
1970), apparaît SMALLTALK-72 (Kay, 1976) qui est véritablement le
premier « langage orienté objet » (cf. 5.7). Introduction 19
L'idée d'utiliser la logique des prédicats comme langage de programma­
tion remonte au début des années 1970. C'est ainsi que, dans les années
1970-1975, un nouveau langage basé sur la logique du premier ordre (cf. 4.3)
fut développé par Colmerauer et Roussel. Ce langage, PROLOG, possède sa
propre stratégie de démonstration et c'est un outil de développement puissant
qui est ainsi offert aux concepteurs de systèmes experts (cf. chapitre 5.8).
Terminons ce bref aperçu historique en remarquant que les outils
permettant de concevoir des systèmes experts furent disponibles bien avant
que des progrès dans la représentation des connaissances aient permis de
construire effectivement des systèmes efficaces. Nous retrouverons plusieurs
fois ce point de passage obligé de tout concepteur de systèmes experts :
comment représenter efficacement les connaissances de l'expert ? Cette
question est d'autant plus difficile à résoudre que, comme nous venons de
le voir, le champ d'application des systèmes experts est passé des problèmes
structurés (jeux, démonstration de théorèmes) aux domaines non structurés
(médecine, géologie, etc.). Dans ces dernières applications, il n'y a pas
de modèle de type mathématique ou physique qui s'impose au concepteur.
La modélisation du problème est ainsi la première question à résoudre.
Nous verrons par la suite pourquoi les systèmes experts sont particulièrement
bien adaptés à ces tâches non modélisées a priori, dites * tâches non
structurées ».
1.3. MODE D'EMPLOI DU LIVRE
Le livre est divisé en 3 parties : la première décrit le fonctionnement des
systèmes experts. Les chapitres 3 et 4 sont assez techniques et peuvent être
survolés par le lecteur pressé. Le chapitre 5 s'intéresse à la représentation des
connaissances, c'est une question centrale pour qui veut penser un système
adapté à son problème. Le chapitre 6 décrit les outils qui sont nécessairement
associés à un système opérationnel. Le chapitre 7 est consacré aux systèmes
multi-experts. Le chapitre suivant situe les systèmes experts parmi les
différents outils d'aide à la décision. Le chapitre 9 décrit les systèmes les
plus connus.
Quant aux trois chapitres finaux ils font le point sur les relations entre les
systèmes experts et l'entreprise.
L'acheteur d'un système expert doit absolument lire les chapitres 6 à
12 et il peut survoler le reste. L'ingénieur lira surtout le début du livre
consacré à la technique et il s'intéressera aux méthodes de réalisation
(chapitre 11). Le décideur lira les chapitres 2-3-6-9-10-11-12 et ne s'attardera
pas sur le reste. Un index détaillé permet de se retrouver rapidement dans
le vocabulaire et les concepts des systèmes experts.
Les références bibliographiques sont renvoyées en fin de volume. On
s'est volontairement limité à des livres relativement accessibles en excluant
les publications spécialisées. 20 Les systèmes experts dans l'entreprise
1.4. REMERCIEMENTS
Les auteurs remercient Monsieur M. Grundstein qui leur a fait partager
son expérience dans le domaine de l'introduction des systèmes experts dans
l'entreprise. Au cours de plusieurs séances de travail, il a, en particulier, attiré
notre attention sur la nécessaire sensibilisation des acteurs de l'entreprise,
préalablement à toute réalisation ; sur ce sujet il nous a fait connaître ce qu'il
avait lui-même réalisé à partir du moteur de développement Ml commercialisé
par Framentec.
De nombreuses conversations que nous avons eues avec Monsieur
J.Y. Jaffray, professeur à l'Université P. et M. Curie, nous ont permis de
mieux comprendre les problèmes de l'incertain dans les raisonnements ; nous
lui en sommes très reconnaissants.
Monsieur J.L. Minel (ingénieur au CNRS) a bien voulu relire tout le
manuscrit, nous avons grandement apprécié ses remarques et suggestions et
nous l'en remercions.
Un grand merci enfin à Mademoiselle F. Donat qui s'est chargée, avec
beaucoup de compétence et de gentillesse, de la frappe d'une bonne partie du
manuscrit. Chapitre 2
Premier regard
sur les systèmes experts :
les principales fonctionnalités
sur un exemple
2.1. INTRODUCTION
Nous venons de voir que les systèmes experts sont destinés à simuler le
raisonnement humain par le biais d'un programme informatique.
Il serait peut être satisfaisant pour l'esprit de donner une définition plus
formelle et plus précise. Malheureusement la chose n'est pas aisée à faire, car
les systèmes experts sont divers, ils peuvent être utilisés dans de nombreux
domaines et n'ont parfois qu'assez peu de propriétés en commun. Tout juste
pouvons-nous concéder que ce sont des programmes informatiques d'aide à la
décision qui contiennent, en principe, les connaissances (ou une partie des
connaissances) d'un expert.
Et encore, n'est-ce là que le principe, car lorsqu'un programme est chargé
de commander un robot qui déplace des cubes sur une table, ce qui ne
représente pas une tâche simple pour un programme, peut-on encore parler
d'expertise ? A ce compte tous les enfants de 3 ans sont des experts ! Nous
pourrions aussi discuter sur le terme «aide à la décision», car l'on peut
rencontrer des tâches complexes qui ne relèvent pas exactement de la décision
et qui peuvent être prises en main par des systèmes experts. Notre définition a
déjà du plomb dans l'aile ! Alors nous pourrions peut-être nous contenter de
dire qu'un système expert est tout simplement un programme informatique (!),
mais il faudrait ajouter aussitôt qu'il est programmé de façon particulière.
Nous verrons par la suite en quoi consiste cette spécificité qui est peut-être le
seul véritable point commun à tous les systèmes experts. 22 Les systèmes experts dans l'entreprise
Puisqu'il est trop tôt pour parler précisément de la façon dont un système
expert est programmé, il nous a paru plus simple de montrer, sur un exemple,
ce qu'il peut faire et comment il le fait. Nous allons donc esquisser un cas et
suivre sur l'écran la réaction d'un système expert (il s'agit du système
ARGUMENT).
2.2. LE CONTEXTE
Considérons, par hypothèse, un système expert qui a acquis une certaine
compétence pour évaluer des projets d'investissement. Voici très brièvement
la genèse de l'histoire. L'entreprise X réalise, bon an mal an, une dizaine
d'investissements importants.
Monsieur Z est chargé de l'évaluation financière de ces projets. La
méthodologie habituelle le conduit à calculer une rentabilité prévisionnelle du
projet. Cette rentabilité est un indicateur très global qui ne satisfait ni
Monsieur Z, ni les décideurs de l'entreprise. En effet, quand Monsieur Z
présente ses dossiers, de nombreuses questions lui sont posées pour savoir
comment il a estimé tel ou tel paramètre, quelles sont ses hypothèses sur les
fournisseurs, la commercialisation, le respect du calendrier, etc. En fait tout le
monde est conscient qu'il y a dans la décision d'investissement de très
nombreuses données qualitatives qui sont peu, ou pas du tout, prises en
compte par un critère comme la rentabilité.
Pour prendre en compte ces données qualitatives, l'idée a germé de
concevoir un système expert destiné à aider Monsieur Z dans sa tâche
d'évaluation des projets d'investissement. Nous verrons dans la troisième
partie de cet ouvrage comment cette prise de conscience peut se faire dans
l'entreprise et comment le système peut être effectivement construit. Toujours
est-il que le service du plan et Monsieur Z se sont consacrés, avec l'aide de
spécialistes en intelligence artificielle, à la réalisation d'un tel système expert.
Après quelques mois, une maquette est mise en place. Nous allons voir
comment elle fonctionne.
2.3. UNE SESSION
Monsieur Z a aujourd'hui un nouveau dossier à préparer. Le système
expert a déjà été testé sur d'autres projets, il possède donc déjà un certain
nombre de connaissances en mémoire. Ce sont ces connaissances, essentielle­
ment des raisonnements, qui vont lui permettre de poser des questions à
Monsieur Z. Grâce aux réponses de ce dernier, le système fera avancer ses
raisonnements. Suivons donc le déroulement de cette session, Monsieur Z est
assis en face de son écran et il est prêt à répondre aux questions. La première
apparaît sur l'écran (figure 2.1.). Les principales fonctionnalités 23
EVALUATIO N PROJET
Evaluation projet Quelle est valeur de :
est fonction de : niveau des investissements?
• rentabilité des
fonds propres 1 — important
• risque global 2 — moyen
• niveau des 3 — faible
investissements
4 — Je ne sais pas
• temps de retour
• cohérence/stratégie
globale
\
\ Votre choix ou 0 (menu)
Figure 2.1. Evaluation du projet
Niveau des investissements
Mesure de l'investissement total en francs.
C'est-à-dire industriel + commercial + humain.
important = supérieur à 10 % du budget
investissement 84
moyen = compris entre 5 % et 10 %
faible = inférieur à 5 %
Figure 2.2. Commentaires sur le niveau des investissements

Un pour Un
Permettre à tous d'accéder à la lecture
Pour chaque accès à la bibliothèque, YouScribe donne un accès à une personne dans le besoin