5/5/2025

UE : UED6.

Crédits : 2.

Coefficient : 1.

Objectifs de l’enseignement :
Acquisition of fundamental and preliminary notions about AI.

Connaissances préalables recommandées :

Difference between natural and artificial intelligence.

1
 5/5/2025

Contenu de la matière :
Chapter 1: Birth of AI.
1- History: birth of AI, type of problem that AI addresses, and difference compared to computational
computing.
2- Turing test.
3- Field of application of AI.
Chapter 2: Expert system.
1- Role definition.
2- Architecture of an OS.
Chapter 3: Operation of expert systems.
1- Notion of knowledge and representation formalism.
2- Production rules.
3- Operation of an inference engine.
Chapter 4: Approach to developing an expert system.
1. Expert system development process.
2. Example of an expert system: Dendral, Mycin, Prospector, etc.

Mode d’évaluation : Exam.

introduction
L'intelligence artificielle (IA) est un domaine en constante évolution

2
 5/5/2025

Définition de l'IA
techniques theories
L'IA est un ensemble de théories et de
techniques visant à créer des machines
capables de simuler l'intelligence humaine,
c'est-à-dire de réaliser des tâches qui
nécessitent normalement l'intelligence
humaine, telles que la résolution de problèmes,
l'apprentissage, la prise de décision, la
reconnaissance de formes, etc.

Types d'IA
L'IA faible ou étroite :
qui est conçue pour réaliser des tâches spécifiques et limitées, comme la
reconnaissance vocale ou la recommandation de produits.

L'IA forte ou générale:

qui est hypothétique et viserait à créer des machines dotées d'une intelligence
comparable à celle de l'homme, capables de penser, de comprendre et d'apprendre
de manière autonome.

IA super intelligente :
Dépasse les capacités intellectuelles humaines. C'est un scénario hypothétique
qui soulève de nombreuses questions éthiques.

3
 5/5/2025

Techniques d'IA
• L'apprentissage automatique (machine
learning), qui permet aux machines
d'apprendre à partir de données sans être
explicitement programmées.
• L'apprentissage profond (deep learning),
qui utilise des réseaux de neurones
artificiels pour analyser des données
complexes et extraire des informations
pertinentes.
• Le traitement du langage naturel (NLP), qui
permet aux machines de comprendre et de
traiter le langage humain.
• La vision par ordinateur (computer vision),
qui permet aux machines de "voir" et
d'interpréter des images ou des vidéos.

Applications de l'IA
• Assistants virtuels (Siri, Alexa)
• Recommandations personnalisées (Netflix, Amazon)
• Traduction automatique
• Reconnaissance faciale
• Voitures autonomes
• Diagnostic médical
• Finance (trading algorithmique)

4
 5/5/2025

Enjeux de l'IA
Le développement de l'IA soulève des questions éthiques et sociétales importantes :

• Impact sur l'emploi (automatisation)

• Biais algorithmiques
• Protection de la vie privée
• Responsabilité des machines
• Risques liés à une IA générale
potentiellement hors de contrôle

HISTOIRE DE LA NAISSANCE DE IA
Naissance de l'IA (1950-1970) :
• 1943 : Warren McCulloch et Walter Pitts publient "A Logical Calculus of the Ideas Immanent in Nervous Activity", jetant les bases des
réseaux neuronaux.
• 1950 : Alan Turing propose le test de Turing pour évaluer l'intelligence d'une machine.
• 1956 : Conférence de Dartmouth : John McCarthy invente le terme "intelligence artificielle" et réunit les premiers chercheurs du
domaine.
• 1957 : Frank Rosenblatt développe le Perceptron, le premier réseau neuronal capable d'apprendre.
• Années 1960 : Développement des premiers programmes d'IA, comme ELIZA (traitement du langage naturel) ou Shakey (robotique).
• Premiers "hivers" de l'IA (1970-1980) :
• Années 1970 : Les promesses initiales de l'IA ne se concrétisent pas rapidement, entraînant une baisse des financements et un
ralentissement de la recherche.
• 1973 : Le rapport Lighthill critique les excès d'optimisme et le manque de résultats concrets de l'IA.
• Renaissance et essor (1980-2010) :
• Années 1980 : Développement des systèmes experts et de l'apprentissage automatique, qui connaissent un certain succès.
• Années 1990 : L'essor d'Internet et la disponibilité de grandes quantités de données favorisent le développement de nouvelles
techniques d'IA.
• Années 2000 : Les progrès de la puissance de calcul et des algorithmes permettent des avancées significatives dans des domaines
comme la reconnaissance vocale ou la vision par ordinateur.

5
 5/5/2025

Difference ENTRE IN IA.

+IN : Est le produit de l'évolution biologique et se manifeste chez les êtres vivants,
IA : créée par l'homme
IN est implémentée sur des supports non-biologiques comme des ordinateurs et des systèmes embarqué+IN :se
caractérise par sa flexibilité, sa créativité et sa conscience
- IA :excelle dans la rapidité, la précision et le traitement de données.
+IN :Évolue sur des échelles de temps biologiques(d'adaptation à l'environnement.)
+IA : Évolue rapidement grâce aux avancées technologiques et aux mises à jour des logiciels.
IN : Possède une grande flexibilité et adaptabilité. Elle excelle dans des tâches complexes comme la créativité,
l'intuition, la compréhension du langage naturel, la reconnaissance de formes et l'interaction sociale.
IA : Peut surpasser l'IN dans des tâches spécifiques et répétitives, notamment le traitement de grandes quantités
de données, le calcul rapide, la reconnaissance de motifs et l'exécution de tâches logiques.
Il est important de noter que l'IA actuelle est encore loin de reproduire toutes les capacités de l'intelligence
naturelle, notamment en ce qui concerne la conscience, la subjectivité et la compréhension du monde. Cependant,
les progrès dans le domaine de l'IA sont rapides et pourraient conduire à de nouvelles avancées dans le futur.

6
 5/5/2025

Test de turing

Domaine application IA
* Diagnostic médical: L'IA peut analyser des images médicales (radiographies, IRM) pour détecter des maladies avec une précision
souvent supérieure à celle des médecins.
* Développement de médicaments: L'IA peut accélérer la recherche de nouveaux médicaments en analysant des données
biologiques complexes.
* Médecine personnalisée: L'IA peut aider à adapter les traitements médicaux à chaque patient en fonction de ses
caractéristiques génétiques et cliniques.
* Robots chirurgicaux: Les robots peuvent assister les chirurgiens lors d'opérations complexes, offrant une précision accrue et
réduisant les risques.

* Analyse des marchés financiers: L'IA peut analyser des données financières complexes pour identifier des tendances et des
opportunités d'investissement.
* Détection de fraudes: L'IA peut détecter des transactions financières suspectes en analysant des schémas de données
complexes.
* Conseillers financiers automatisés: Les robots-conseillers peuvent aider les clients à gérer leurs investissements en fonction de
leurs objectifs et de leur tolérance au risque.

7
 5/5/2025

Domaine application IA

* Voitures autonomes: Les voitures autonomes utilisent l'IA pour se déplacer sans conducteur, ce qui pourrait
réduire les accidents et améliorer l'efficacité du trafic.
* Optimisation des itinéraires: L'IA peut aider à optimiser les itinéraires des camions et des avions pour réduire les
coûts et les émissions de carbone.
* Gestion du trafic: L'IA peut aider à gérer le trafic en temps réel pour réduire les embouteillages et améliorer la
fluidité de la circulation.

* Automatisation des processus: L'IA peut automatiser des tâches répétitives et dangereuses dans les usines, ce
qui améliore la productivité et la sécurité.
* Maintenance prédictive: L'IA peut analyser les données des machines pour prédire les pannes et planifier la
maintenance de manière proactive, ce qui réduit les temps d'arrêt.
* Contrôle qualité: L'IA peut inspecter les produits en temps réel pour détecter les défauts et garantir la qualité.

Domaine application IA
* Tutorat personnalisé: L'IA peut adapter l'enseignement à chaque étudiant en fonction de ses besoins et de son rythme
d'apprentissage.
* Correction automatique: L'IA peut corriger automatiquement les devoirs et les examens, ce qui permet aux enseignants de gagner
du temps.
* Chatbots éducatifs: Les chatbots peuvent répondre aux questions des étudiants et leur fournir une assistance personnalisée.

* Agriculture: L'IA peut aider à optimiser l'irrigation, la fertilisation et la protection des cultures, ce qui améliore les rendements et
réduit l'impact environnemental.
* Énergie: L'IA peut aider à optimiser la production et la distribution d'énergie, ce qui réduit les coûts et les émissions de carbone.
* Média et divertissement: L'IA peut être utilisée pour créer des contenus personnalisés, recommander des films et des séries, et
même créer de la musique et des œuvres d'art.

8
 5/5/2025

Domaine application ia à la sécurité informatique

améliorant l'efficacité des systèmes

renforçant la protection contre les menaces

Domaine application ia à s la sécurité informatique

* Analyse comportementale : L'IA peut analyser les schémas de

comportement des utilisateurs et des systèmes pour détecter les anomalies
et les activités suspectes qui pourraient indiquer une intrusion.

* Détection des menaces : Les algorithmes d'apprentissage automatique

peuvent identifier les logiciels malveillants, les tentatives de phishing et
autres menaces en analysant les données et en reconnaissant les schémas
associés à ces activités.

* Prévention des attaques : en analysant les données historiques pour

identifier les vulnérabilités et les points faibles potentiels.

9
 5/5/2025

Domaine application ia à s la sécurité informatique

* Détection des nouveaux logiciels malveillants : L'IA peut identifier les

nouveaux logiciels malveillants en analysant leur code et leur comportement,
même s'ils n'ont jamais été vus auparavant.

* Analyse du code malveillant : Les algorithmes d'IA peuvent analyser le

code malveillant pour comprendre son fonctionnement et identifier les
vulnérabilités qu'il exploite.

* Classification des logiciels malveillants : L'IA peut classer les logiciels

malveillants en fonction de leur type et de leur niveau de menace, ce qui
permet aux équipes de sécurité de mieux cibler leurs efforts de protection.

Domaine application ia à s la sécurité informatique

* Surveillance du trafic réseau : L'IA peut analyser le trafic réseau pour

détecter les anomalies et les activités suspectes qui pourraient indiquer une
attaque.

* Filtrage du trafic : Les algorithmes d'IA peuvent filtrer le trafic réseau pour
bloquer les tentatives d'intrusion et les attaques par déni de service.

* Optimisation de la sécurité du réseau : L'IA peut optimiser la configuration

des systèmes de sécurité du réseau pour améliorer leur efficacité et leur
résistance aux attaques.

10
 5/5/2025

Domaine application ia à s la sécurité informatique

* Identification des données sensibles : L'IA peut identifier les données

sensibles et les classer en fonction de leur niveau de confidentialité.

* Surveillance de l'accès aux données : Les algorithmes d'IA peuvent

surveiller l'accès aux données pour détecter les tentatives d'accès non
autorisées ou les activités suspectes.

* Prévention des fuites de données : L'IA peut prévenir les fuites de

données en détectant et en bloquant les tentatives de transfert de données
non autorisées.

Domaine application IA à la sécurité informatique

Avantages de l'IA dans la sécurité informatique :

* Amélioration de la détection des menaces : L'IA peut détecter les menaces plus
rapidement et avec une plus grande précision que les méthodes traditionnelles.
* Automatisation des tâches de sécurité : L'IA peut automatiser de nombreuses tâches de
sécurité, ce qui permet aux équipes de se concentrer sur les problèmes les plus complexes.
* Adaptabilité aux nouvelles menaces : Les algorithmes d'IA peuvent s'adapter aux
nouvelles menaces et apprendre à les détecter au fur et à mesure qu'elles apparaissent.
* Réduction des coûts de sécurité : L'IA peut réduire les coûts de sécurité en automatisant
les tâches et en améliorant l'efficacité des systèmes de sécurité.

11
 5/5/2025

Systèmes Experts
Un système expert est un outil informatique d'intelligence artificielle,
conçu pour simuler le savoir-faire d'un spécialiste, dans un domaine
précis et bien délimité, grâce à l'exploitation d'un certain nombre de
connaissances fournies explicitement par des experts du domaine.

Systèmes Experts
Un système expert est un ensemble de logiciels exploitant dans un
domaine particulier des connaissances explicites et organisées, pouvant
se substituer à un expert humain.

Un système expert se compose de parties :

* une base de faits,

* une base de règles et
* un moteur d'inférence.

12
 5/5/2025

Systèmes Experts: étapes

• Acquisition de connaissances: Des experts humains fournissent les

informations et les règles nécessaires au système.
• Représentation des connaissances: Les connaissances sont structurées
dans la base de connaissances.
• Inférence: Le moteur d'inférence utilise les règles et les faits pour
répondre aux questions et résoudre les problèmes.
• Explication: Le système peut expliquer son raisonnement et les étapes
qui l'ont conduit à une conclusion.

Définition du rôle
Le rôle d'un système expert fait référence à la fonction qu’il remplit dans
un contexte donné.
Un système expert est conçu pour imiter le processus de prise de
décision d'un expert humain dans un domaine spécifique.
Il aide à résoudre des problèmes, à fournir des recommandations, à
faire des diagnostics, etc., en utilisant une base de connaissances et des
règles de raisonnement.

13
 5/5/2025

Rôle principal des systèmes experts :

Rassembler des connaissances spécialisées : Le système expert
contient une grande quantité de connaissances dans un domaine particulier.
Résolution de problèmes complexes : En appliquant des règles de
raisonnement, le système peut résoudre des problèmes difficiles ou donner des
conseils dans des domaines comme la médecine, l'ingénierie, le droit, etc.
Assistance à la prise de décision : Les systèmes experts peuvent aider les
utilisateurs à prendre des décisions éclairées en se basant sur des connaissances
et des règles.
Remplacement ou augmentation de l'expertise humaine : Dans certaines
situations, un système expert peut remplacer ou compléter un expert humain,
surtout lorsque l'expertise est rare ou coûteuse.

Architecture d'un Système Expert

L'architecture d'un système expert est la structure de base
qui permet au système de fonctionner.

Elle définit comment les différentes parties du système

interagissent pour résoudre les problèmes.

En général, un système expert se compose de plusieurs

composants clés.

14
 5/5/2025

Architecture d'un Système Expert

Composants principaux de l'architecture d'un SE:

15
 5/5/2025

Composants principaux de l'architecture d'un SE:

• C'est l'ensemble des informations et des règles qui définissent

l'expertise du système.
• Elle peut être constituée de faits, de règles (règles de
production), et de relations logiques.
• C'est l'un des éléments les plus importants d'un système expert.

Composants principaux de l'architecture d'un SE:

Elle contient les informations spécifiques ou les faits collectés

pendant le raisonnement.
Ces faits sont utilisés par le moteur d'inférence pour générer des
conclusions.

16
 5/5/2025

Composants principaux de l'architecture d'un SE:

Composants principaux de l'architecture d'un SE:

• C'est le cœur du système.

• Il applique les règles de la base de
connaissances aux faits pour déduire
des conclusions.
• Le moteur d'inférence peut utiliser
différentes méthodes, comme la
déduction avant (forward chaining) ou
la déduction arrière (backward
chaining), pour arriver à une solution

17
 5/5/2025

Composants principaux de l'architecture d'un SE:

Composants principaux de l'architecture d'un SE:

C'est l'interface qui permet à l'utilisateur de communiquer avec le

système.
Elle permet à l'utilisateur de poser des questions au système et de
recevoir des réponses sous forme de recommandations, diagnostics
ou conseils.

18
 5/5/2025

Composants principaux de l'architecture d'un SE:

Architecture d'un Système Expert

Ce module aide à expliquer les raisons des décisions prises par le système.
Il peut détailler le raisonnement utilisé par le moteur d'inférence et les
règles appliquées pour aboutir à une conclusion.

C'est le composant qui permet d'ajouter de nouvelles connaissances à la

base de connaissances. Cela peut se faire manuellement, ou parfois à
travers des techniques d'apprentissage automatique, dans des systèmes
plus avancés.

19
 5/5/2025

Systèmes Experts domaines d’applications

Diagnostic et résolution de problèmes Aide à la décision
Dans des domaines tels que la médecine, Les systèmes experts analysent des
l'ingénierie et la maintenance, les systèmes données complexes et fournissent des
experts aident à identifier les causes de recommandations pour aider les
problèmes, à diagnostiquer des pannes et à décideurs à faire des choix éclairés. Ils
recommander des solutions appropriées. peuvent évaluer différentes options,
simuler des scénarios et anticiper les
Formation et apprentissage conséquences potentielles.
Les systèmes experts peuvent être
utilisés pour former de nouveaux Automatisation de tâches
employés ou pour aider les experts à Les systèmes experts peuvent automatiser
mettre à jour leurs connaissances. Ils des tâches répétitives et complexes qui
peuvent fournir des explications détaillées, nécessitent une expertise humaine. Cela
des exemples concrets et des simulations permet de gagner du temps, de réduire les
interactives. erreurs et d'améliorer l'efficacité.

Exemples d'applications de systèmes experts

• Médecine: Diagnostic de maladies, recommandations de traitement, interprétation
de résultats d'examens.

• Finance: Évaluation de risques, conseils d'investissement, détection de fraudes.

• Industrie: Maintenance prédictive, contrôle qualité, optimisation de processus,

identifier les pannes et à réparer des équipements.

• Juridique: Analyse de contrats, aide à la rédaction de documents.

• Environnement: Surveillance de la pollution, gestion des ressources naturelles,

prévision de catastrophes

• Jeux: Utilisés dans les jeux vidéo pour simuler l'intelligence des adversaires

20
 5/5/2025

Avantages des systèmes experts

+ Disponibilité: Les systèmes experts sont disponibles 24h/24 et 7j/7.

+ Coût: Ils peuvent être plus économiques que de faire appel à un expert
humain.

+ Cohérence: Ils prennent des décisions basées sur des règles et des faits, sans
biais émotionnel.

+ Rapidité: Ils peuvent analyser rapidement de grandes quantités de données.

Inconvénients des systèmes experts

Manque de bon sens: Ils ne peuvent pas remplacer l'intuition et le bon
sens humain.

Difficulté d'acquisition des connaissances: Il peut être difficile de

formaliser l'expertise humaine en règles et en faits.

Maintenance: La base de connaissances doit être mise à jour

régulièrement pour rester pertinente.

21
 5/5/2025

Types d’architectures :
:
Les règles sont des expressions du type si ceci, alors cela et sont
utilisées pour tirer des conclusions ou faire des
recommandations.

:
Il utilise des modèles de problèmes (par exemple, des
diagrammes ou des représentations mathématiques) pour
résoudre des problèmes complexes.

:
Un système expert à base de règles est un type de programme
informatique qui imite la prise de décision d'un expert humain
dans un domaine spécifique en utilisant un ensemble de règles.
Ces systèmes sont souvent utilisés pour résoudre des problèmes
complexes dans divers domaines, tels que la médecine,
l'ingénierie, le diagnostic de pannes, et la gestion de la
production.

22
 5/5/2025

:
Fonctionnement d'un système expert à base de règles
Base de connaissances : Le système contient une collection de faits et de règles. Les règles
sont souvent exprimées sous forme de déclarations conditionnelles du type "Si... alors...".
Par exemple, "Si la température dépasse 100°C, alors l'alarme se déclenche."

Moteur d'inférence : Ce moteur est chargé d'appliquer les règles de la base de

connaissances aux faits disponibles (les informations que l'utilisateur fournit ou celles qui
sont déjà en mémoire). L'inférence consiste à tirer des conclusions à partir de ces faits en
appliquant les règles.

Interface utilisateur : Cela permet à l'utilisateur d'entrer des informations ou des questions.
L'utilisateur peut interagir avec le système pour obtenir des conseils ou des solutions
basées sur les connaissances et règles de l'expert.

Exemple simple
Un système expert médical pourrait utiliser une règle comme celle-ci :

Règle 1 : Si la température du patient est supérieure à 38°C, alors il pourrait

avoir de la fièvre.

Règle 2 : Si la toux est présente et que la température est supérieure à 38°C,

alors il est possible que le patient ait une infection respiratoire.
En fonction des symptômes que l'utilisateur entre, le moteur d'inférence
appliquera ces règles pour aider à diagnostiquer un problème.

23
 5/5/2025

Avantages
Expertise spécifique : Ils sont capables de simuler les décisions d'un expert humain dans
un domaine particulier.
Accessibilité : Ils permettent à des non-experts d'accéder à des solutions spécialisées.
Efficacité : Ils offrent des réponses rapides et précises dans des situations spécifiques.

Limites
Manque de flexibilité : Un système expert à base de règles est souvent limité aux règles
qu'il possède. Il ne peut pas s'adapter à des situations nouvelles sans être reprogrammé.
Complexité : La gestion et la mise à jour d'une base de connaissances complexe peuvent
devenir difficiles à mesure que les règles augmentent.
Absence de raisonnement contextuel : Les systèmes à base de règles peuvent manquer de
nuances ou d'informations contextuelles qui pourraient être prises en compte par un
humain.

:
Un système expert basé sur des modèles est un type de système expert qui,
contrairement aux systèmes experts à base de règles, utilise des modèles formels
ou des représentations mathématiques du monde réel pour simuler un
raisonnement ou un comportement dans un domaine particulier.
Ces systèmes sont souvent utilisés dans des applications où les règles simples
sont insuffisantes pour capturer toute la complexité du domaine ou où des
relations plus détaillées et des prédictions sont nécessaires.

24
 5/5/2025

:
Fonctionnement d'un système expert basé sur des modèles
Un système expert basé sur des modèles utilise généralement un modèle pour
représenter les relations entre les différentes variables du domaine d'application.
Ce modèle peut être basé sur des principes physiques, biologiques, économiques,
etc. Le processus de raisonnement repose sur l'application de ce modèle pour
prédire des résultats ou fournir des conseils.

:
Modèle de représentation :

Le modèle est une représentation formelle du domaine d'expertise, souvent sous

forme de systèmes d'équations, de simulations, ou de représentations graphiques
comme les réseaux de neurones, les arbres de décision, ou des diagrammes de
flux.
Ce modèle peut être basé sur des lois physiques (par exemple, les équations de la
thermodynamique pour la gestion des systèmes thermiques), des analyses
statistiques (par exemple, des modèles probabilistes), ou des simulations
informatiques.

25
 5/5/2025

:
Moteur d'inférence :

Dans ce type de système, le moteur d'inférence applique des algorithmes

mathématiques ou des méthodes de simulation pour faire des déductions et
obtenir des conclusions basées sur les modèles.
Par exemple, dans un modèle économique, le moteur peut utiliser des données
d'entrée sur l'offre et la demande pour prédire l'effet d'une modification des prix
sur le marché.

:
Base de connaissances :
En complément du modèle, il existe souvent une base de connaissances qui
contient des données, des hypothèses, et des règles qui aident à alimenter et
ajuster le modèle en fonction des situations spécifiques.

Interface utilisateur :
Comme dans les autres types de systèmes experts, l'utilisateur peut interagir avec
le système en fournissant des informations ou en posant des questions. Le
système va alors utiliser les modèles et les règles de raisonnement pour répondre.

26
 5/5/2025

Exemple d'un système expert basé sur des modèles

Prenons l'exemple d'un système expert en météorologie. Ce système pourrait

utiliser un modèle mathématique complexe basé sur les lois de la physique et des
données de capteurs (comme la température, la pression atmosphérique,
l'humidité, etc.) pour prédire la météo.

Le système pourrait utiliser des équations différentielles pour modéliser le

comportement de l'air dans l'atmosphère et des modèles statistiques pour ajuster
ses prévisions en fonction des observations passées.

Ensuite, le moteur d'inférence appliquerait ces équations à des données réelles

pour produire des prévisions, comme la probabilité de pluie dans les prochaines
heures ou la formation d'un orage.

Avantages
Précision et sophistication : Les systèmes basés sur des modèles peuvent capturer des relations complexes et fournir des prédictions
plus précises que les systèmes à base de règles, en particulier dans les domaines où les phénomènes ne peuvent pas être facilement
exprimés en termes de règles simples.
Adaptabilité : Ces systèmes peuvent être adaptés à de nouveaux contextes ou de nouvelles situations en ajustant simplement les
paramètres du modèle, sans avoir à reprogrammer les règles.
Simulation et prévision : Ils sont très efficaces pour effectuer des simulations et des prévisions dans des domaines où les dynamiques
sont continues et non linéaires (par exemple, le climat, la dynamique des fluides, la biologie).

Limites
Complexité de modélisation : Créer des modèles détaillés et précis peut être complexe, nécessite des connaissances spécialisées et
peut nécessiter beaucoup de calculs.
Besoin de données de haute qualité : Les systèmes basés sur des modèles dépendent fortement de données précises et à jour. Des
erreurs ou des lacunes dans les données d'entrée peuvent conduire à des résultats incorrects.
Interprétabilité : Les systèmes basés sur des modèles peuvent parfois être moins transparents que les systèmes à base de règles. Il
peut être difficile d'expliquer pourquoi une prédiction a été faite, surtout si le modèle est complexe ou basé sur des techniques
d'apprentissage automatique.

27
 5/5/2025

:
moteur d’inference trier et appliquer les regles

MOTEUR A
CHAINAGE
ARRIERE MOTEUR A
CHAINAGE
AVANT
MOTEUR A
CHAINAGE
MIXTE

:
moteur d’inference trier et appliquer les regles

MOTEUR A
CHAINAGE
ARRIERE

deduit les resultats a partir

des objectifs qui doit
atteindre et les regles

28
 5/5/2025

:
moteur d’inference trier et appliquer les regles

MOTEUR A
CHAINAGE
AVANT

deduit les resultats grace a

l’analyse des connaissances et
des regles

:
moteur d’inference trier et appliquer les regles

MOTEUR A
CHAINAGE
MIXTE

MOTEUR A CHAINAGE AVANT

+
MOTEUR A CHAINAGE ARRIERE

29
 5/5/2025

chaînage avant

C'est un mécanisme d'exploitation des

règles guidé par les faits.

C'est la traduction de :
si f1 est vrai et f1 -> f2 alors f2 est vrai.

Le chaînage avant traduit

un raisonnement déductif

chaînage avant
Existe-t-il une règle applicable ? : ceci consiste à trouver parmi toutes les règles celles dont la partie condition
est vraie et à en choisir une à l'aide d'une fonction de choix.

Appliquer cette règle : une fois la règle choisie, le programme exécute sa partie action ou conclusion.
Désactiver cette règle : en logique des propositions, il est inutile d'appliquer plus d'une fois la même règle. Ainsi,
les règles utilisées sont rendues inactives.

: cet algorithme suppose que l'utilisateur du moteur veut obtenir une

proposition particulière, but du problème. Si ce fait vient d'être obtenu, il est inutile de poursuivre le travail.

, le moteur fonctionne jusqu'au moment où aucune règle

n'est applicable (condition d'arrêt). On dit alors que le moteur fonctionne par saturation.

30
 5/5/2025

chaînage avant
On considère le système expert " pâtisserie "
Base de règles : Base de faits :
•R1 : Si pommes sucrées et pâte alors tarte aux pommes •Pommes
•R2 : Si pommes et sucre alors pommes sucrées •Poires
•R3 : Si farine et beurre et œufs et sel alors pâte •Abricots
•R4 : Si abricots et pâte alors tarte aux abricots •Farine
•R5 : Si poires et pâte alors tarte aux poires •Beurre
•R6 : Si cerises et pâte alors tarte aux cerises •Sucre
•Sel
•oeuf
Règle 1 : est-elle applicable ? Oui (tous les faits sont dans la base des faits)
Le fait pâte est donc rajouté dans la base des faits et la règle 1 est désactivée.
Nouvelle base des faits : base des règles utilisables :
•R2
Pommes •R3
•Poires •R4
•Abricots •R5
•Farine •R6
•Beurre
•Sucre
•Sel
•Pâte

chaînage avant
De même, les règles 2, 3, 4 et 5 sont sélectionnées et exécutées

Règle 6 : elle ne peut pas être exécutée.

Le fait "cerises" n'existe pas dans la base des faits.

31
 5/5/2025

chaînage arrière

Le chaînage arrière est un mécanisme d'exploitation guidé par les buts.

Il traduit la règle du modus tollens.

Si q est et si p q alors p est .

Le chaînage arrière traduit un raisonnement déductif

chaînage arrière
Le système recherche, par la méthode du chaînage arrière, si le but souhaité
peut être démontré à l'aide des règles présentes dans la base de règles.

L'algorithme est le suivant :

32
 5/5/2025

chaînage arrière
Avec comme définition de
VERIFIER (fait) :

chaînage arrière
avec comme définition de
PROUVER (fait) :

33
 5/5/2025

chaînage arrière
On part d'un but qu'on cherche à vérifier.
But : Tarte aux abricots.

Considérons la règle 6 : les prémisses sont-elles vérifiées dans la base des faits ?
La première prémisse abricot est vérifiée.
La deuxième prémisse doit être vérifiée ; on vérifie s'il existe une règle qui a pour
but pâte :
Oui, la règle 1.
On considère maintenant la règle 1 : les prémisses sont vérifiées
Donc, on peut conclure que le but tarte aux abricots est vérifié.

le chaînage mixte
Le chaînage mixte utilise le raisonnement inductif et le raisonnement
déductif. L'exemple suivant montre une recherche qui devient de plus
en plus complexe.

Exemple
Base de connaissances : Base de faits :
•R1 : SI Tropiques ALORS Les_Saintes
•R2 : SI Saint-Bart et hôtel ALORS Hôtel Paradisio •Les_Saintes
•R3 : SI dépressif ALORS Tourisme chaud
•R4 : SI tourisme chaud ALORS tropiques
•R5 : SI Les_Saintes ALORS Hôtel Paradisio
•R6 : SI Les_Saintes ALORS tourisme chaud
•R7 : SI P.D.G. ALORS tourisme chaud
•R8 : SI tourisme chaud et Les_Saintes ALORS tourisme chaud et voilier
•R9 : SI Hôtel Paradisio ALORS Caraïbes

34
 5/5/2025

le chaînage mixte
Base de faits état initial :
Les_Saintes

Règle déclenchée R5.

Base de faits état 1 cycle :
Les_Saintes
Hôtel Paradisio

Règle déclenchée R9.

Base de faits état 2 cycles :
Les_Saintes
Hôtel Paradisio
Caraïbes

Le moteur est maintenant bloqué en chaînage avant. Il n'existe pas de prémisse qui contienne Caraïbes.
Il passe donc en chaînage arrière mais il n'existe pas de règle activable ayant une partie droite (conclusion) qui contienne Caraïbes.
Le moteur passe à nouveau en chaînage avant.

le chaînage mixte
Les règles activables sont R1, R2, R3, R4, R6, R7,R8.
La règle R6 est sélectionnée et activée.
Elle permet de déduire tourisme chaud.

etc...

35
 5/5/2025

Opérateurs Logiques de Base :

Un moteur d'inférence d'un système expert, est le responsable de la
déduction de nouvelles informations à partir de connaissances
existantes.
Il utilise des pour manipuler ces connaissances et
produire des conclusions.

Opérateurs Logiques de Base :

Cet opérateur renvoie vrai si toutes les conditions sont vraies.

Exemple : "Si A est vrai ET B est vrai, alors C est vrai."

Cet opérateur renvoie vrai si au moins une des conditions est vraie.
Exemple : "Si A est vrai OU B est vrai, alors C est vrai."

36
 5/5/2025

Opérateurs Logiques de Base :

Cet opérateur inverse la valeur de vérité d'une condition.

Exemple : "Si A est vrai, alors NON A est faux."

Cet opérateur exprime une relation de cause à effet.

Exemple : "Si A est vrai, ALORS B est vrai."

Opérateurs Logiques de Base :

Cet opérateur renvoie vrai si les deux conditions ont la même valeur de
vérité.
Exemple : "A est vrai SI ET SEULEMENT SI B est vrai."

37
 5/5/2025

Il existe au total cinq symboles logiques. Les cinq symboles logiques

sont :
Négation
Conjonction
Disjonction
Implication
Biconditionnel

Opérateurs Logiques de Base :

Si A est vrai et A implique B, alors B est vrai.

C'est la règle d'inférence la plus fondamentale.

Si A implique B et B est faux, alors A est faux.

38
 5/5/2025

Opérateurs Logiques de Base :

Ces opérateurs permettent au moteur d'inférence de simuler le raisonnement

humain.
Ils sont essentiels pour la prise de décision, le diagnostic et d'autres applications de
l'intelligence artificielle.
Le choix des opérateurs et des règles d'inférence dépend du type de problème à
résoudre.
les opérateurs logiques sont les outils fondamentaux qui permettent aux moteurs
d'inférence de traiter les informations et de tirer des conclusions logiques.

Opérateurs Logiques de Base :

Unification :
Processus de recherche d'une correspondance entre des termes logiques, souvent utilisé
avec des variables.
Résolution :
Technique d'inférence utilisée en logique des prédicats pour prouver la validité d'une
proposition.
Logique Floue :
Utilisée pour gérer l'incertitude et les informations imprécises, en utilisant des degrés de
vérité plutôt que simplement vrai ou faux.

39
 5/5/2025

Développement d'un système expert : une

approche structurée
intelligence est un concept qui donne coprs a la pensée

Le développement d'un système expert nécessite une approche

structurée pour et les connaissances d'experts.

Voici une méthodologie courante, décomposée en phases clés :

Développement d'un système expert

• Définition du problème :
o Il s'agit de cerner précisément le problème que le système expert devra résoudre.
o Cela implique de délimiter le domaine d'expertise concerné.

• Étude de faisabilité :
o La disponibilité des connaissances d'experts.
o La complexité du problème.
o Les avantages et les coûts potentiels.

40
 5/5/2025

Développement d'un système expert

• Identifier les experts :

Sélectionner les personnes possédant l'expertise nécessaire.
• Collecte des connaissances :
Mener des entretiens, observer les experts au travail, et analyser des
documents pertinents.
• Représentation des connaissances :
Décider comment représenter les connaissances (par exemple, règles,
cadres, réseaux sémantiques).

Développement d'un système expert

:

• Choix d'une représentation :

Sélectionner une méthode adaptée (règles de production, réseaux
sémantiques, etc.).

• Formalisation :
Traduire les connaissances en un format compréhensible par
l'ordinateur.

41
 5/5/2025

Développement d'un système expert

• Stratégie d'inférence :
Choisir une méthode de raisonnement (chaînage avant ou arrière).

• Implémentation :
Développer le moteur d'inférence avec des outils logiciels appropriés.

Développement d'un système expert

5 :

• Concevoir une interface conviviale :

Créer une interface facile à utiliser et à comprendre.

• Tenir compte des utilisateurs cibles :

Adapter l'interface aux besoins et aux préférences des utilisateurs prévus.

• Fournir des explications claires :

Inclure des explications du raisonnement et des conclusions du système.

42
 5/5/2025

Développement d'un système expert

• Tests rigoureux :
Vérifier la précision et la fiabilité du système.

• Validation :
Faire valider les résultats par des experts.

• Correction :
Identifier et corriger les erreurs.

Développement d'un système expert

• Déployer le système : Installer le système expert dans

l'environnement cible.
• Former les utilisateurs : Former les utilisateurs à l'utilisation du
système.
• Maintenir le système : Mettre à jour régulièrement la base de
connaissances et le moteur d'inférence pour refléter les changements
d'expertise ou de domaine.
• Surveiller les performances : Suivre les performances du système
et identifier les domaines à améliorer.

43
 5/5/2025

EXEMPLES

La classification

88

44
 5/5/2025

• Réseaux de neurones
• Algorithmes génétique
• Morphologie mathématique
• Champs aléatoire de markov
• Théorie des croyances
• Systèmes immunitaires
• Les colonies de fourmis
• Système multi agents

89

Les types de la classification

Nécessité d’utiliser des

connaissances préalable
sur la zone à classifier
(Supervisée)

Semi supervisée

Sans prise en compte

d’informations préalable
sur l’image
(Non supervisée)

90

45
 5/5/2025

Algorithme de A.G

Non

Arrêt
Oui 92

46
 5/5/2025

Algorithme de A.I.S

Non

Arrêt Fin
Oui 94

47
 5/5/2025

Analyse des A.G & A.I.S

A.G A.I.S

++ les opérateurs ++
de variations:
ØSélection
ØCroisement ØCodification
ØMutation

95

Les opérateurs de variations

Croisement

Parent 1 Parent 2

Enfant 1 Enfant 2

96

48
 5/5/2025

Les opérateurs de variations

Croisement

Parent 1 Parent 2

Enfant
97

Les opérateurs de variations

Mutation:

98

49
 5/5/2025

99
Réseaux de neurones

RNA
Qu’es ce qu’un neurone ?

En biologie
• Est une cellule composée de
• Et un noyau
• corps cellulaire Les neurones font une sommation
des signaux reçus en entrée et en
fonction du résultat obtenu vont
fournir un courant en sortie

100

50
 5/5/2025

RNA

101

RNA
Analogie entre le neurone
biologique et formel
Neurone Neurone
Biologique Artificiel

Synapses Poids de connexions

Axones Signal de sortie

Dendrite Signal d'entrée

Corps cellulaires Fonction d'activation

102

51
 5/5/2025

Architectures des Réseaux de Neurones

Réseau multicouches Réseau à connexions Réseau à connexions

locales récurrents

Réseau à connexion
complète 103

Le modèle MLP

(Multi Layer Perceptron) la couche d'entrée fournie des donnés à une couche
intermédiaire, chargée des calculs
Seuls les neurones de deux couches consécutives
sont connectés. en fournissant la somme des impulsions qui lui
viennent des cellules auxquelles elle est connectée
suivant une loi définie avec un seuil

104

52
 5/5/2025

la règle de rétro propagation

le sens direct : au même sens que les signaux

d’entrés jusqu’a la sortie
le sens inverse: selon l'erreur, qui se propage de la
couche de sortie jusqu'à atteindre la couche d'entrée
pour l'ajustement des paramètres du réseau
105

Les
Les avantages
inconvénients

its +
Résistance aux bru
parallélisme
ce
le choix de la séquen
ir un
d'entrée pour obten
Grande capacité al
apprentissage optim
d'apprentissage
les
aucun contrôle sur
iversels au réseau
Approximateurs un données internes
sys tèm es com plexes
pour des

noire pour assez lon g

Le concept de boîte L’apprentissage est
tèmes non
modéliser des sys
linéaires

106

53
 5/5/2025

PERCEPTRON

54