Chapitre 4: Fonctionnement

des systèmes experts

A. Abboura
 Connaissance
Différence entre donnée, information, connaissance :
Une donnée transporte l'information. Ce sont des signaux non interprétés. Exemple. !
•

...- - -... C
L’information est une interprétation de la donnée. Exemple. (!, point d’exclamation),
•

(...- - -..., SOS), (C, lettre) ou (C, note)

La connaissance utilise l'information dans le cadre d'actions, dans un but précis. Les
•

actions peuvent être la prise de décisions, la création de nouvelles informations, etc.

Exemple.
•

• écrire un “!” pour marquer une exclamation en fin de phrase

• si le signal ...- - -... reçu alors déclencher l’alerte et envoyer des secours
 La représentation des connaissances

C’est le problème clé en IA.

•

Représenter des connaissances :

•

✔trouver des structures permettant d’énoncer, de coder, de mémoriser, de modifier, de

valider, de manipuler des connaissances sur ordinateur
quoi représenter ? : faits et objets du domaine, définitions, concepts, relations,
✔

méta-connaissances, heuristiques, stratégies, algorithmes, événements, actions ...

difficultés : représenter l’implicite, l’incertain, l’imprécis, les exceptions, l’incomplet,
✔

le point de vue, l’évolution dans le temps, le temps, ...

 La représentation des connaissances

Définition Wikipédia (FR) : ensemble d’outils et de technologies destinés à

•

représenter et organiser le savoir humain pour l’utiliser et le partager

Sciences cognitives : comment les humains stockent et traitent l’information
•

IA : stocker les connaissances de sorte que des programmes peuvent les traiter
•
 Formalisme de représentation
• Le formalisme doit avoir les caractéristiques de :
✔ richesse
✔ rigueur
✔ souplesse
✔ efficacité permettant les traitements.
• Objectifs du formalisme de représentation :
✔ Modèles formels de représentation des connaissances
✔ Traiter des informations au niveau sémantique
✔ Simuler le raisonnement humain par le biais de mécanismes d’inférence
Modes (techniques) de représentations de
connaissances
 Architecture
– Principe
• Séparer les connaissances propres au domaine des mécanismes logiques
d’interprétation de ces connaissances

– Composantes essentielles
1. Base de connaissances
2. Moteur d’inférences
3. Interface utilisateur
 Architecture

Moteur d'inférence
Utilisateur

Interface
Standards Règles Base
d'engagement d'inférence de faits Graphique

Base de connaissances
 Architecture
Base de connaissances
Standards d'engagement (Connaissances)
→ Ensemble des données de base (mesures,
lois, paramètres, données contractuelles)

Règles d'inférence (Savoir faire)

→ Ensemble des règles logiques de déduction

Moteur
Base de faits d'inférence
(Expérience)
→ Historisation et statistique des buts, des faits effectifs et des
décisions Utilisateur

Interface
Standards Règles Base
d'engagement d'inférence de faits Graphique
Meta connaissances

Meta règles

Base de connaissances
 Moteur Architecture
d'inférence
Chaînage avant
→ Déduction d'une solution, d'un fait.

Chaînage arrière
→ Recherche des règles et faits ayant mené à
une solution.

Moteur d'inférence
Utilisateur

Interface
Standards Règles Base
d'engagement d'inférence de faits Graphique

Base de connaissances
 Architecture

Interface graphique
Priorité à l'intuitivité
→ Utilisateur lambda devient expert

Importance de l'environnement
Moteur d'inférence
→ L'expert doit s'y retrouver sans
problème Utilisateur

Interface
Standards Règles Base
d'engagement d'inférence de faits Graphique

Base de connaissances
 Architecture
– Un système, en I.A., doit posséder deux autres parties qui sont en fait des modules
d'interface avec l'extérieur :

– 4. Un module d'intéraction avec les utlisateurs potentiels : cette interface de dialogue

doit être la plus conviviale possible. Ce module est lié au mécanisme d'exploitation.
– 5. Un module d'aide à l'acquisition des connaissances qui est surtout une interface de
dialogue entre la base de connaissances et les experts du domaine qui doivent
alimenter cette dernière.
 La base de connaissances

▪ La base de faits
▪ La base de règles
▪ Les métarègles et la métaconnaissance
 Base de faits
▪ Au début de la session : contient ce que l'on sait du cas examiné avant toute
intervention du moteur d'inférences.
▪ Puis : complétée par les faits déduits par le moteur ou demandés à
l'utilisateur.
▪ Exemple : dans le domaine médical,
▪ Base de faits = liste de symptômes en début de session et un diagnostic
lorsque celle-ci se terminera.
 Métafaits et métavaleurs
Savoir si une valeur a été attribuée à un fait
▪ Demander à l'utilisateur
▪ S'il ne peut pas répondre, il faut que le système puisse le savoir
▪ Il n'est pas envisageable qu'un médecin demande à son patient <<quelle
maladie avez-vous ? >>
▪ demandable(diagnostic) est un métafait booléen (et une métacondition).
 La base de règles
● Elle rassemble la connaissance et le savoir-faire de l'expert. Elle n'évolue donc pas au
cours d'une session de travail.
● Une règle est de la forme :
Si <conjonction de conditions> alors <conclusion>
où les conclusions sont de la forme :
<Fait> = <valeur>.
● Une base de règles est un ensemble de règles et sa signification logique est la conjonction
de la signification logique de chacune des règles.

○ si A ou B alors C

ou

○ si A alors B et C

Il n'en est par contre pas de même de

○ si A alors B ou C
 Structures de contrôle dans les systèmes
experts
● Le moteur d'inférence est le cœur du SE, c'est lui qui, alimenté par la base
de connaissances, construit dynamiquement le raisonnement, décidant
quelles règles déclencher et dans quel ordre.

● Les mécanismes de raisonnement utilisant les règles de production, sont

ceux de la logique formelle : le « modus ponens » et son homologue le «
modus tollens ».
 Structures de contrôle dans les systèmes
experts: Modus Ponens
● Les techniques utilisées par l’intelligence artificielle utilisent les diverses
règles de l’inférence pour manipuler les expressions logiques et créer de
nouveaux faits. Ces théories partent du principe stipulant que si les
propositions originales sont vraies, alors les conclusions seront également
vraies.

● La règle d’inférence la plus simple est le modus ponens qui permet

d’affirmer à partir de la proposition « si A alors B » et de l'assertion A,
d'en déduire B.
 Structures de contrôle dans les systèmes
experts: Modus Ponens
● Les techniques utilisées par l’intelligence artificielle utilisent les diverses
règles de l’inférence pour manipuler les expressions logiques et créer de
nouveaux faits. Ces théories partent du principe stipulant que si les
propositions originales sont vraies, alors les conclusions seront également
vraies.

● La règle d’inférence la plus simple est le modus ponens qui permet

d’affirmer à partir de la proposition « si A alors B » et de l'assertion A,
d'en déduire B.
 Structures de contrôle dans les systèmes
experts: Modus Ponens
● Exemple:

● A = Il fait soleil
● B = Nous irons à la plage
● A → B = Si (il fait soleil) ALORS (nous irons à la plage)
● DONC (nous irons à la plage)
 Structures de contrôle dans les systèmes
experts: Modus Tollens
● Le « modus tollens » déduit de la même règle et de non B, non A
Si A, alors B
¬B
Donc ¬A
Exemple :
A = Il fait soleil
B = Nous irons à la plage
A → B = Si (il fait soleil) ALORS (nous irons à la plage)
¬B = Nous n’irons pas à la plage
DONC (il ne fait pas soleil)
 Fonctionnement des moteurs
d’inférence
● quel que soit le mode de raisonnement utilisé, le cycle de base d'un moteur
d'inférence comprend quatre phases :

(1) Phase de sélection, d'un sous-ensemble de la base de faits (et de la base de règles)
qui mérite plus d'attention que le reste de la base. Cette phase de restriction permet
une économie de temps pour la phase suivante. Ce choix est l'expression d’une
stratégie qui fait que le moteur d'inférence privilégie tel groupe de règles et non
pas tel autre. Nous ne tiendrons pas compte de cette phase par la suite car elle ne
modifie pas le déroulement des phases suivantes.
 Fonctionnement des moteurs
d’inférence
(2) Phase de filtrage.
Lors de cette étape, le moteur d'inférence compare la partie prémisse
des règles sélectionnées avec les faits de la base de faits pour
déterminer l'ensemble des règles applicables. Le déroulement de cette
phase est raccourci par la phase précédente qui a permis de restreindre
considérablement L'ensemble des règles qui seront filtrées avec la base
de faits.
 Fonctionnement des moteurs
d’inférence
(3) Phase de résolution de conflits (ou choix).
Le résultat de cette phase est le choix de la règle qui va être appliquée
effectivement.
Cette phase cruciale exprime 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 et en tenant compte du
contexte (la plus prometteuse, la plus liable, la moins coûteuse...)
De la qualité de ce choix dépendent les performances du moteur d'inférence
qui va déduire plus ou moins rapidement la solution.
 Fonctionnement des moteurs
d’inférence
(4) Phase d'exécution.
Cette phase consiste à appliquer la règle choisie précédemment, cette
action consiste généralement à ajouter un ou plusieurs faits à la base
de faits.
II se peut également, que l'application de cette règle fasse appel à des
procédures externes, modifie la base de faits, questionne I'utilisateur;
etc...
L'arrêt de ce cycle dépend du mode de raisonnement utilisé.
 Caractéristques d’un moteur
d’inférence
Caractéristiques de base d’un moteur de recherche sont :

Le mode de chaînage
1.

Les stratégies de recherche (résolution de conflits)

2.

Le régime de contrôle (irrévocable, par tentative)

3.

Le type de raisonnement (monotone, non-montone)

4.
 Modes de chaînage

● Trois modes de raisonnement peuvent être utilisés, induisant

certaines différences au niveau du cycle de base :
1. le chaînage avant, dirigé par les données,
2. le chaînage arrière, dirigé par le but; et
3. le chaînage mixte.
 Chaînage Avant

Chainage avant
● Un moteur d'inférence fonctionne dans ce mode lorsque les faits représentent des
informations dont la vérité a été prouvée. Ce mode de fonctionnement va des faits vers
les buts :

○ Détecter les règles dont les prémisses sont vérifiées (filtrage)

○ Sélectionner la règle à appliquer

○ Appliquer la règle

○ Recommencer jusqu'à ce qu'il n'y ait plus de règle applicable

 Chaînage Avant
● Algorithme chaînage avant :
ENTREE: BF, BR, F
F est le fait à déduire
Tant que F n’est pas dans BF et qu’il existe dans BR une règle applicable faire
choisir une règle applicable R
BR = BR − R (désactivation de R)
fin tant que
si F appartient à BF alors
F est établi
sinon
F n’est pas établi
finsi
 Chaînage Avant

Résolution de conflits : Problème du choix de la règle déclenchable à activer

● Différentes heuristiques possibles :
○ dans l'ordre de l'écriture de la base

○ aléatoire

○ toutes les règles déclenchables simultanément

○ à partir de coefficients de priorité sur les règles

○ règle dont la condition utilise les faits les plus récemment déduits

○ à partir de règles de contrôle (méta-règles)

Chaînage Avant (autre algorithme)
 Exemple : les règles
● Regle R1
SI animal vole ET animal pond des oeufs
ALORS animal est un oiseau
● Regle R2
SI animal a des plumes
ALORS animal est un oiseau
● Regle R3
SI animal est un oiseau ET animal a un long cou ET
animal a de longues pattes
ALORS animal est une autruche
 Exemple : les faits

● F1 : animal a des plumes

● F2 : animal a un long cou
● F3 : animal a de longues pattes
 Chaînage arrière
● Le principe est le suivant :

○ Le moteur recherche les règles qui concluent sur le but à vérifier, et s'assurent
que ces règles sont "déclenchables".

○ La règle est déclenchable si ses prémisses sont vérfiées.

○ Si parmi les règles sélectionnées, une règle est déclenchable, alors le but est
vérifié.

○ Si ce n'est pas le cas, alors les prémisses à vérifier deviennent de nouveaux

buts, appelés sous-buts, et le processus est réitéré.
 Moteur d’inférences : Chaînage arrière

● Les principales conditions d'arrêt :

○ L'ensemble des sous-buts est vide (succès) = tous les sous-buts ont été
vérifiés et le problème est résolu

○ Impasse ou échec : Soit un des sous-buts n'est pas vérifiable avec la

règle courante et il faut choisir une nouvelle règle pour le vérifier, et
si cela n'est pas possible, alors il y a échec.
Chaînage Arrière
 Chaînage Arrière

● Le processus de chainage arrière suit l’algorithme suivant :

But initial placé au sommet d’une pile
Détection des règles qui concluent à ce but
Résolution de conflits
Application de la règle, i.e, les éléments des prémisses deviennent de nouveau sous-buts à
atteindre.
Arrêt : pile vide ou aucune règle applicable
Chaînage Arrière
Exemple
Différence entre chainage avant et arrière
 Chaînage Mixte

3) Chainage mixte
● L’algorithme de chaînage mixte combine, comme son nom l’indique, les algorithmes de
chaînage avant et de chaînage arrière.
 Chaînage Mixte

Algorithme chaînage mixte :

ENTREE: BF, BR, F
F est le fait à déduire
Tant que F n’est pas déduit mais peut encore l’être faire
Saturer la base de faits par chaînage avant (déduire tout ce qui peut être déduit)
Chercher quels sont les faits encore éventuellement déductibles
Déterminer une question pertinente à poser à l’utilisateur et ajouter sa réponse à la base de
faits
fin tant que
Chaînage Mixte
Chaînage Mixte
 Exemple 1
● A partir de la base de faits : B, C et des règles suivantes, cherchez le but H par un chainage
avant.
R1 Si B et D et E Alors F
R2 Si G et D Alors A
R3 Si C et F Alors A
R4 Si B Alors X
R5 Si D Alors E
R6 Si X et A Alors H
R7 Si C Alors D
R8 Si X et C Alors A
R9 Si X et B Alors D
● Lorsque plusieurs règles sont en compétition, on choisira la première.
 Exemple 1 (avant)

● Etape 1 : Règles applicables : 4 ou 7. On choisit 4.

BF = {B,C,X}, La règle 4 est désactivée.
● Etape 2 : Règles applicables : 7, 8 ou 9. On choisit 7.
BF = {B,C,X,D}, La règle 7 est désactivée.
● Etape 3 : Règles applicables : 5, 8 ou 9. On choisit 5.
BF = {B,C,X,D,E}, La règle 5 est désactivée.
● Etape 4 : Règles applicables : 1, 8 ou 9. On choisit 1.
BF = {B,C,X,D,E,F}, La règle 1 est désactivée.
● Etape 5: Règles applicables: 3, 8 ou 9. On choisit 3.
BF = {B,C,X,D,E,F,A}, La règle 3 est désactivée.
● Etape 6 : Règles applicables : 6, 8 ou 9. On choisit 6. H est établi
 Exemple 1 (arrière)

● Seule la règle R6 possède H comme conséquence, donc : Nouveaux buts : X, A

● La règle R4 possède X comme conséquence, donc : Nouveaux buts : A, B
● B est un fait, donc : Nouveaux buts : A
● Trois règles possèdent A comme conséquence, ce qui détermine trois possibilités
R2, R3, ou R8.
● Application de R2 Nouveaux buts : G, D
● G n’est jamais une conséquence donc : Echec ---
● Application de R3 Nouveaux buts : C, F => C est un fait, Nouveau but : F
● Application de R1 Nouveaux buts : B, D, E => B est un fait, Nouveaux buts : D, E
● Application de R7 Nouveaux buts : C, E => C est un fait, Nouveau but : E
● Application de R5 Nouveaux buts : D
 Exemple 1 (arrière)

● On peut obtenir le même résultat en utilisant un arbre :

Exemple 2
Exemple 2 (mixte)
Exemple 2 (mixte)
Exemple 2 (mixte)