Record Number:

Author, Monographic: Ouellet, M.//Tessier, J. C.

Author Role:
Title, Monographic: Intelligence artificielle et systèmes experts : principes et méthodes
Translated Title:
Reprint Status:
Edition:
Author, Subsidiary:
Author Role:
Place of Publication: Québec
Publisher Name: INRS-Eau
Date of Publication: 1987
Original Publication Date: Janvier 1987
Volume Identification:
Extent of Work: v, 334
Packaging Method: pages incluant 3 annexes
Series Editor:
Series Editor Role:
Series Title: INRS-Eau, Rapport de recherche
Series Volume ID: 226
Location/URL:
ISBN: 2-89146-223-8
Notes: Rapport annuel 1986-1987
Abstract: 50.00$
Call Number: R000226
Keywords: rapport/ ok/ dl
 INRS-EAU

INTELLIGENCE ARTIFICIELLE
ET SYSTEMES EXPERTS:
PRINCIPES ET METHODES

TOME l
CHAPITRES l à VIII

RAPPORT SCIENTIFIQUE 226

Comme exigence partielle

aux études de
doctorat ès sciences (eau).

par

Jocelyn Ouellet
Etudiant au doctorat
INRS-EAU

En collaboration avec

Jean Claude Tessier

Etudes et Recherches écologiques
Direction Environnement
Hydra-Québec

Janvier 1987
 TABLE DES MATItRES
P,l\GE

LISTE DES fIGURES ............................................................................................................ iv

REŒRCIEtE:NT ....................................................................................................................... v

1.0 INTRODOCTION.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 1

2.0 LA Rt:SOLUTION DE PROBLtK:S .................................................................................. 6

2.1 REVUE ........................................................................................................................... 6

2.2 LES REPRrSENTATIONS DU PRINCIPE ....................................................................... 8

2.2.1 L'espace d'états ............................................ . 8

2.2.2 La représentation par réduction de problème ••••••••••••••••• 16
2.2.3 Les arbres de jeux ................................................................................. .. 20

2.3 LES MrTHODES DE RECHERCHE .................................................................................... 21

2.3.1 La recherche de l'espace des états •••••••••••••••••••••••••• 21
2.3.2 La recherche aveugle d'un graphe ET/OU •••••••••••••••••••••• 24
2.3.3 Les heuristiques de la recherche dans l'espace des états 25
2.3.4 Les heuristiques dans les graphes ET/OU ••••••••••••••••••••• 27
2.3.5 La recherche dans les arbres de jeux •••••••••••••••••••••••• 30
2.3.5.1 La procédure du Minimax •••••••••••••••••••••••••••• 30
2.3.5.2 La procédure Alpha-Seta •••••••.•••••••••••••••••••• 31

3.0 LA REPRt:SENTATION DE LA CONNAISSANCE ............................... 32

3.1 LA REPRrSENTATION LOGIQUE .......................................... 35
3.2 LA REPRrSENTATION PROCrDURALE ...................................... 37

3.3 LES Rt:SEAUX SrMANTIQUES •••••••••••••••••••••••••••••••••••••••••••• 39

3.4 LES CADRES SrMANTIQUES (FRAMES, SCRIPTS) ............................ 40

3.5 LA REPRrSENTATION ANALOGIQUE ••••••••••••••••••••••••••••••••••••••• 41

4.0 LES LANGAGE:S ••••••••••••••••••••••••••••••••••••••••••••••••••••••• 42

 ii.

TABLE DES HATItRES (suite)

PAGE

5.0 LES SYTËt-E:S EXPERTS •••••..••••••...•..••.••••••••••••••••..•••••••• 47

5.1 ROLE ET ORGANISATION DES SYSTtMES EXPERTS •••••••••••••••••••••••••• -48

5.1.1 Rôle des systèmes experts ................................... 48
5.1.2 Organisation des systèmes experts .......................... . 49

5.2 LES MOTEURS D'INITRENCES ••••.•••••••••••••••••••••••••••••••.•••.•• 52

5.2.1 Le cycle de base d'un moteur d'inférence •••••••••••••••••••• 52

5.2.2 La phase éva11Jation .......................................... 53
5.2.3 La phase exécution ••••••••••••••••••••••••••••••••••.••••••• 55
5.3 AVANTAGES ET DlSAVANTAGES DES SYSTtMES EXPERTS ••••••••••••••••••••• 56

5.4 CARACTËRES DE DIFITRENCIATION ENTRE SYSTËMES EXPERTS ••••••••••••••• 57

5.4.1 Différenciation selon les aptitudes du langage •••••••••••••• 57

5.4.2 Différenciation selon les aptitudes du moteur ••••••••••••••• 62
5.4.2.1 Les modes fondamentaux de raisonnement ••••••••••••• 62
5.4.2.2 Les modes d'inférences ••••••••••••••••••••••••••••• 64
5.4.2.3 Stratégies de développement de la recherche •••••••• 66
5.4.2.4 Monotonie et non-monotonie ••••••••••••••••••••••••• 67
5.4.2.5 Structuration de la base des connaissances......... 68
5.5 EXEMPLE DE FONCTIONNEMENT D'UN MINI-SYSTtME EXPERT ••••••••••••••••• 70

6.0 LES AUTRES APPLICATIONS DE l'INTEllIGENCE ARTIfICIELLE ••••••••••••• 75

6.1 LA RECONN,IUSSANCE DE L'rCRITURE .................................... 75

6.1.1·· La reconnaissance en temps réel............................. 76

6.1.2 La reconnaissance des caractères d'imprimerie ••••••••••••••• 77
6.1.3 La reconnaissance des caractères manuscrits ••••• ; ••••••••••• 77
6.1.4 rtape finale au processus de la reconnaissance
des caractères d'imprimerie et manuscrits ••••••••••••••••••• 78
6.2 LA RECONNAISSANCE DE LA PAROLE ••••••••••••••••••••••••••.•••••••••• 79

6.2.1 L'approche de la reconnaissance globale •••••••••••.••••••••• 81

- 6.2.2 L'approche de la reconnaissance analytique •••••••••••••••••• 82
6.2.3 Les progrès de la recherche en reconnaissance globale ••••••• 85
6.2.4 Les progrès de la recherche en reconnaissance analytique ..•• 86

6.3 LA COMPRrHENSION DU LANGAGE •••••••••••••••••••••••••••••••••••••••• 87

 iii.

TABLE DES HATItRES (suite)

PAGE
6.4 LA VISION •••••••• ~ ••••••••••••••••••••••••••••••••••••••••••••••••• 90

6.4.1 Identification globale d'objets ••••••••••••••••••••••••••••• 92

6.4.2 Utilisation de la théorie de la morphologie ••••••••••••••••• 92
6.4.3 L'identific8~ion des objets partiellement observés ••••••••••• 93
6.4.4 La problématique de la vision chez les robots mobiles ••••••• 93
6.5 L'APPRENTISSAGE •...•...•....•..•..•...•..•...•..•..••...•••...•••.. 94

7.0 INVENTAIRE DES SYSTtMES EXPERTS COHMERCIALIS(S

OU EN \(lIE DE I:t:VELOPPEK:NT •••••••••••••••••••••••••••••••••••••••• 97

7.1 LES SOURCES D'INFORMATION SUR L'INTELLIGENCE ARTIFICIELLE •••••••••• 97

7.2 LES PARTICULARITrS DES TABLEAUX •••••••••••••••••••••••••••••••••••• 99

7.2.1 Présentation •..•.......•.....•••••..••••••••....•••••.••..•• 99

7.2.2 Description des catégories •••••••••••••••••••••••••••••••••• 101
7.2.3 Obtention de l'information •••••••••••••••••••••••••••••••••• 101
7.3 ORIENTATION DES RECHERCHES ••••••••••••••••••••••••••••••••••••••••• 102
7.4 ANALYSE GrNrRALE ••••.••....••••••••••••••••...•••••••••.••.•.•.••.• 102

8.0 SYNTHtSE, CONCLUSION ET RECOMMANDATIONS •••••••••••••••••••••••••••• 103

8.1 CE QU'EST UN SYSTtME EXPERT •••••••••••••••••••••••••••••••••••••••• 103
B.2 DrMARCHE DE CONSTRUCTION D'UN SYSTtME EXPERT ••••••••••••••••••••••• 107
8.3 APPLICATION DE LA TECHNOLOGIE DES SYSTtMES EXPERTS ~ LA DIRECTION
ENVIRONNEMENT D'HYDRO-QUrBEC ••••••••••••••••••••••••••••••••••••••• 110
8.4 RECOMMANDATIONS .................................................... 113
~ffREM::ES •••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••• 116

ANNEXE 1: INVENTAIRE DES SYSTtMES EXPERTS ET DES SYSTtMES GlNrRAUX

ANNEXE 2: MATrRIEL INFORMATIQUE EN INTELLIGENCE ARTIFICIELLE
ANNEXE 3: LES PRINCIPES DE FONCT IONNEMENT OC PROLOG ET UN EXEMPLE
DE PROGRAMME SUR LES olVERSEMENTS ACCIDENTELS
 iv.

LISTE DES FIGURES

PAGE

FIGURE 2.2.1: CASSE-TeTE DE LA TABLETTE ~ HUIT PLAQUETTES:

rTAT- INITIAL ••••••••••••••••••••••••••••••••••••••••••• 9

FIGURE 2.2.2: CASSE-TËTE DE LA TABLETTE ~ HUIT PLAQUETTES:

rTAT FINAL ••••••••••••••••••••••••••••••••••••••••••••• 9

FIGURE 2.2.3: EXEMPLE D'ESPACE D'rTAT DU CASSE-TËTE DE LA

TABLETTE ~ HUIT PLAQUETTES •••••••••••••••••••••••••••••• 10

FIGURE 2.2.4: CASSE-TËTE DE LA TOUR DE HANOI:

EXEMPLE D'ESPACE PAR RrDUCTION DE PROBLtMES •••••••••••• 19

FIGURE 2.2.5: ARBRE DE JEUX POUR LE TIC-TAC-TOE •••••••••••••••••••••• 22

FIGURE 5.5.1: BASE DES CONNAISSANCES DU MINI-SYSTtME EXPERT •••••••••• 71

FIGURE 5.5.2: ENCHAINEMENT DES CYCLES DE MOTEUR

DU MINI-SYSTtME EXPERT ••••••••••••••••••••••••••••••••• 73
 v.

RDERCIEK:NT

Je veux spécialement remercier Guy Lefebvre, étudiant en mathématique à

l'Uni versi té de Montréal pour son travail de moine consacré à l'inventaire
des systèmes experts que l'on retrouve en annexe l, et à 11 élaboration du
chapitre 7 de la présente étude.
 1.

1.0 INTRODUCTION

On a donné le nom "Intelligence Artificielle" aux techniques de

programmation qui imitent le comportement de l'intelligence. En
fait, l'Intelligence Artificielle (I.A.) est une partie de la science
informatique qui est concernée par le design de systèmes informatisés
qui exhibent les caractéristiques que nous associons à l'intelligence
humaine, comme par exemple le langage, l'apprentissage, le raisonne-
ment, la résolution de problèmes, etc. L'I.A. est une science inter-
disciplinaire et revêt de plus en plus une importance pratique. Les
mathématiciens, les philosophes, les psychologues, les linguistes et
d'autres ont contribué par leurs modèles et leurs réflexions à la
construction de cette science. Les mathématiques par la théorie sur
la logique et l'analyse numérique; les psychologues par le développe-
ment de modèles de la pensée basés sur des concepts fondamentaux des
systèmes symboliques de l'I.A., les linguistes par des programmes qui
comprendront éventuellement le language, les philosophes pour leurs
perspectives sur le problème du vieillissement de la connaissance et
de la pensée.

Les domaines d'application aujourd'hui de l'I.A., sont de plus en

plus variés: le diagnostic médical, la conduite processus
iDdustriel, l'interrogation de banques de données, le conseil de
placement financier, le pilotage de véhicules autonomes, le design
des puces, la chimie interprétative, le design de structure, la
vision, la robotique, la reconnaissance de langage parlé et écrit,
l'enseignement, etc.

L'I.A. prend son origine dans les années '30 et '40 par le rafinement
de la théorie de la logique et des méthodes d'analyse numérique;
l'ordinateur n'était pas encore né, mais celles-ci devaient en dicter
les principes. La logique étant une méthode permettant de démontrer
les théorèmes mathématiques. Les systèmes logico-déductifs ont été
implantés avec succès sur ordinateur, et la conception abstraite de
 2.

l'analyse numérique est le traitement symbolique. Dès l'apparition

de l'ordinateur, nous assistons à la naissance de la cyberni tique.
Le but était d'expliquer, à l'aide des mathématiques les phénomènes
qui mettent enjeu les mécanismes du traitement de l'information. On
y amena la participation de différents spécialistes: mathématiciens,
psychologues,' linguistes, etc. Le but ultime était d'en arriver à un
modèle global de l'intelligence. On a échoué dans cette tentative,
mais la recherche n'a pas été vaine; elle a donné naissance à
l'intelligence artificielle et aux grandes orientations de celle-ci.

Les premiers programmes en 1. A. vers la fin des années '50, ont

privilégié une approche combinatoire c'est-à-dire qu'ils utilisaient
la puissance de l'ordinateur pour examiner toutes les possibili tés.
Il y eu ensuite l'approche humaine, qui s'inspire de notre comporte-
ment avec l'apparition des robots (vers la fin des années '60). Le
robot avait comme base de connaissances un modèle de l'univers. Il
déterminai t un plan pour exécuter les ordres, i l étai t capable de
prévoir les conséquences de ses actes, il exécutait le plan qu'il
avait créé, et modifiait l'univers, s'il y a avait lieu, lors de
l'exécution du plan. Les champs d'actions de ces premiers robots
demeuraient quand même très limité. Le principal problème à résoudre
se résume à la vision.

V!=!rs le milieu des années 1970, on assiste à des progrès spectacu-

laires en I.A.: le traitement des langues naturelles, et l'avènement
des systèmes experts. La traduction des langues naturelles passe par
un intermédiaire celui de l'analyseur qui construit une représenta-
tion du sens du texte; par la suite un générateu~ à l'aide d'un
dictionnaire informatisé reprend la représentation du sens pour
reconstituer le langage. Pour ce qui est des systèmes experts, la
caractéristique commune est la séparation entre la base de connais-
sance et le programme qui permet d'utiliser les connaissances soit le
moteur d'inférence.
 3.

L'attrait que suscitent les systèmes experts par l'utilisation de

connaissances spécialisées à travers une base de connaissance sont la
reproduction du raisonnement humain.

Il semble raisonnable aujourd' hui de distinguer deux types de re-

cherche en I. A. , soit la recherche périphérique et la recherche
centrale. La recherche centrale est celle qui s'intéresse à la
déduction, au raisonnement du bon sens, au plan synthèse, à la
compréhension du langage. La recherche périphérique étant celle
concernée par la première étape du trai tement des données c' est-à-
dire celle des capteurs acoustiques, visuels, sensitifs, ceux de la
reconnaissance et de la reconstitution de la parole.

La recherche centrale est particulièrement concernée par les forma-

lismes de représentation de la connaissance, et par les techniques de
manipulation de ces formalismes. Les mediums conventionnels de
représentation des connaissances sont les langues et les notations
mathématiques. L'étude de formalismes de représentation en I. A. a
donné naissance à de nombreux langages, dont chacun plus ou moins
possède la précision et l' interprétabili té (par ordinateur) d'une
notation mathématique. La recherche en I.A. s'intéresse, non exclu-
sivement, aux représentations pour lesquelles on peut donner une
interprétation déclarative pour exprimer des connaissances non
mathématiques.

La présente étude se veut une revue des di fférents principes et

méthodes utilisés en I.A., et plus spécifiquement pour la cons truc-
tion des systèmes experts. Il aurait été possible d'exécuter une
analyse strictement sur les principes et méthodes sur lesquels sont
fondés les systèmes experts mais celle-ci, à notre avis, aurait
manqué de profondaur. Les techniques d'approche pour la résolution
de problèmes sont fondamentalement les mêmes que ce soit un système
expert, un système que l'on appelle robot ou tout autre système que
l'on qualifie d'intelligent: ces systèmes veulent reproduire une
forme de raisonnement.
 4.

La présente étude aborde donc en premier lieu, au chapi tre 2, la

résolution de problèmes en introduisant ces différents types de
représentation et par la suite les méthodes de résolution.

Le chapi tre 3 introdui t les différents modes de représentation des

connaissances. Certains modes peuvent être mieux adaptés à un
problème particulier. Une brève description des principes est donnée
pour chacun de ces modes ainsi que de leurs avantages et désavan-
tages.

Le chapitre 4 présente les différents langages utilisés en I.A. Nous

verrons que chaque langage est intimement lié à un mode de représen-
tation.

Le chapitre 5 est co.nsacré exclusivement aux systèmes experts; une

analyse de leurs composantes, de leurs modes de fonctionnement et de
leurs caractères de différenciation permet aux débutants de s'initier
rapidement aux techniques existantes.

Le chapitre 6 aborde les différentes techniques utilisées dans les

principaux champs d'applications de I.A., tels que la reconnaissance
du langage parlé et écrit, la vision et l'apprentissage.

ter chapitre 7 est voué à l'inventaire des systèmes experts commercia-

lisés ou en voie de développement. Nous traitons d'abord des sources
d'information sur I.A., pour donner ensuite une description des
particularités des tableaUx sur les systèmes experts que l'on
retrouve en annexe 1. Au-delà de 400 systèmes experts sont
inventoriés et catégorisés selon leur domaine d'application.

Le chapitre 8 complète l'étude en présentant d'abord une série de

recommandations sur la démarche à adopter pour la construction de
systèmes experts. Nous terminons ce chapitre en abordant les
di fférents avantages dont la direction Environnement d' Hydra-Québec
pourrait bénéficier en utilisant ces techniques de programmation des
connaissances expertes que sont les systèmes experts.
 5.

Finalement, nous terminons notre introduction en donnant une brève

description des annexes que nous retrouvons à la fin de cette étude.
l'annexe 1 est consacrée aux tableaux inventaires des systèmes
experts. Ces systèmes experts sont inventoriés et catégorisés selon
leur domaine d'application. l'annexe 2 donne sous forme de tableau
les principaux fournisseurs de matériel informatique en I.A., leur
adresse ainsi qu'une brève description de l'équipement et des
logiciels disponibles. l'annexe 3 présente une brève description des
différentes caractéristiques du langage PROLOG, ainsi qu'un programme
écrit en turbo-prolog en rapport avec le problème des déversements
accidentels de polluants.
 6.

2.0 LA RËSOlUTION DE PROBltHES

2.1 REVUE

L'I.A. comprend un grand ensemble d'idées telles que, la déduction,

l'inférence, la planification, le raisonnement de bon sens, la preuve
de théorèmes, et tous les processus qui y sont reliés. Les applica-
tions de ces idées générales sont retrouvées dans des programmes sur
la compréhension du langage naturei, les systèmes experts, en
robotique, l'analyse de scène, les jeux et la preuve mathématique des
théorèmes.

On distingue trois composantes dans un système de résolution de

problèmes: une base de données, un ensemble dl opérateurs et une
stratégie de contrôle.

Une base de données: décrit la situation du domaine des. tâches et le

----------
but à atteindre ou le problème à résoudre. La base de données peut
être constituée d'un ensemble de données structurées différentes,
soit des réseaux, des listes, des expressions de calculs, des
propriétés sur les listes. Par exemple pour la résolution de
théorèmes, la base de données est constituée d'assertions représen-
tées par des axiomes, des lemmes, des théorèmes dont le but est une
assertion représentant le théorème à prouver. Un autre exemple; dans
la résolution de problèmes des robots, la base' des données est un
modèle de l'univers composé d'assertions décrivant l'entourage
physique du robot, et le but est une description qui doit être
validée par une suite d'actions du robot •

.!:.'!:n!!.e~b.!.e_d~s_0.E.érale~r.!!.:
manipule la base des données. Par
exemple dans la résolution de théorèmes, les opérateurs sont les
règles d'inférence telles que le modus ponens et le principe de
résolution.
 7.

Dans notre exemple du robot, ceux-ci sont les règles pour son dépla-
cement. Quelquefois l'ensemble des opérateurs se résume à quelques
règles générales d'inférence qui génèrent de nouvelles assertions de
celles existantes; habituellement il est plus efficace d'utiliser un
grand nombre d'opérateurs spécialisés qui génèrent de nouvelles
assertions.

La_slratégie__d~ ~ont~ôle: décide quel opérateur doit être appliqué

et où l'appliquer. Le choix de la stratégie de contrôle affecte le
contenu et l'organisation de la base de données. En général il faut
arriver au but en appliquant une suite appropriée d'opérateurs.
Chaque application d'un opérateur modifie la situation de la base de
données d'une façon ou d'une autre. En général si plusieurs sui tes
d'opérateurs sont pertinentes, la représentation maintient la struc-
ture des données montrant les effets sur la situation de la tâche
pour chaque suite alternative. Une telle représentation permet une
stratégie de contrôle qui investigue différentes suites d'opérateurs
en parallèle et dont l'attention est mise sur les sui tes qui ont
l'air relativement prometteuses.

Les stratégies de contrôle comprennent deux types distincts de

raisonnement: le raisonnement avant et le raisonnement arrière. Le
raisonnement avant dont l'objectif est de conduire la situation, ou
l'état du problème vers l'avant, c'est-à-dire de sa configuration
initiale à une configuration satisfaisant le but. Par exemple le jeu
d'échecs, la configuration initiale est la situation décrivant les
pièces sur l'échiquier au début de la partie, et le but est n'importe
laquelle configuration qui met échec et mat. Le raisonnement arrière
est celui dont les opérateurs sont appliqués au but. Le but où le
problème est converti en sous-problèmes qui sont, on espère, plus
faciles à résoudre, et dont leurs solutions sont satisfaisantes à
résoudre le problème original. En combinant ces deux types de
raisonnement nous obtenons le raisonnement mixte ou bidirectionnel.
La méthode implique, à chaque étape de la résolution, une comparaison
entre le but à atteindre et l'état de la résolution du problème pour
 8.

en extraire une différence. Cette différence est alors utilisée pour

indexer l'opérateur le plus pertinent pour réduire la différence. Si
cet opérateur particulièrement pertinent ne peut être appliqué
immédiatement à l'état présent du problème, des sous-buts sont
établis pour changer l'état du problème (par des opérateurs); après
que ces sous-buts sont atteints, l'opérateur pertinent est appliqué
et la situation modifiée devient un nouveau point de départ pour
résoudre le but original.

2.2 LES REPRESENTATIONS DU PRINCIPE

2.2.1 L'espace d'états

Un système de résolution de problèmes qui utilise le raisonnement

avant et dont chacun des opérateurs travaille en produisant un nouvel
objectif unique (un état nouveau) dans la base des données est dit
représenter des problèmes dans la représentation par espace d'états.
Un système qui utilise le raisonnement arrière dont chaque applica-
tion d'un opérateur à un problème donne exactement un nouveau
problème (dont le degré de difficulté, on espère, est un peu moins
élevé que le problème précédent) est aussi dit représenter des
problèmes dans la représentation par espace d'états. Ce sont des
systèmes à entrée et sortie uniques.

La représentation par espace d'états d'un problème utilise deux types

d'entités: les états et les opérateurs. Les états sont des struc-
tures de données donnant un aperçu du problème à chaque étape de sa
solution, les opérateurs agissant comme moyen de transformer un état
à un autre.

Un exemple simple d'un problème avec une représentation par espace

d'états est le casse-tête suivant:
 9.

2 1 6 l 2 3
4 8 8 4
7 5 3 7 6 5

fIGURE 2.2.1 flGURE 2.2.2

Une tablette carrée comprenant huit plaquettes d'égales dimensions

numérotées de 1 à 8. L'espace pour la neuvième plaquette est
vacante.

Une plaquette peut être déplacée horizontalement ou verticalement

dans l'espace vide. Le problème est de transformer une configuration
particulière dans une autre configuration telle que montrée aux
figures 2.2.1 et 2.2.2.

L'ensemble de tous les états possibles d'un problème est appelé

1 'espace des éta ts. Dans l'exemple précédent on peut dénombrer
181 440 états possibles. Chaque opérateur (le déplacement d'une
plaquette) si est applicable à un état, donne exactement un nouvel
état comme résultat.

La représentation par espace d'états est complètement définie par

trois composantes. La première est l'ensemble des opérateurs 0, la
deuxième est le ou les états initiaux S, la troisième l'ensemble des
états buts G. Cette représentation est alors décrite par le triplet
(S, 0, G). Une solution d'un problème est une suite finie d'applica-
tions d'opérateurs qui change un état initial à un état but.

L'espace des états peut être représenté aussi par un graphe où les
noeuds sont les états et où les arcs sont les opérateurs transformant
un état à un autre. L'état résultant d'une transformation est appelé
successeur.

Une représentation graphique d'une partie de l'espace des états de

l'exemple de la tablette à huit plaquettes est donnée en figure
2.2.3.
 10.

Le choix de l'ensemble des opérateurs est le suivant:

H = haut . déplacement du carré vacant d'un carré vers le haut.

B = bas déplacement du carré vacant d'un carré vers le bas.
G = gauche: déplacement du carré vacant d'un carré vers la gauche.
0 = droite: déplacement du carré vacant d'un carré vers la droite.

L'état initial est l'état tel que montré à la figure 2.2.1, l'état
final est celui montré à la figure 2.2.1.

Une solution du problème est par exemple la sui te des applications

des opérateurs suivants:

GHDBGBDDHGHDBBGHDBGGHDHDBBGH.

Cette sui te n'est pas nécessairement la plus courte mais en est une
parmi toutes les suites possibles menant à une solution.

2 l 6

Niveau 1 4 8

7 5 3

G HI BI Dl
2 1 6 2 6 2 1 6 2 1 6

Niveau 2 4 8 4 1 8 4 5 8 4 8

7 5 3 7 5 3 7 3 7 5 3

H BI Dl
1 6 2 1 6 2 1 6

Niveau 3 2 4 8 7 4 8 4 8

7 5 3 5 3 7 5 3

D BI
FIGURE 2.2.3
EXEMPLE D'ESPACE D'LTAT OU CASSE-TrTE DE LA TABlETTE ~ HUIT PlAQUETTES
 Il.

D B\
l 6 2 l 6

Niveau 4 2 4 B 4 8

7 5 3 7 5 3

B GI DI
l 4 6 l 6 l 6

. Niveau 5 2 B 2 4 B 2 4 B

7 5 3 7 5 3 7 5 3

G HI BI D/
l 4 6 l 6 1 4 6 1 4 6

Niveau 6 2 B 2 4 8 2 5 8 2 8

7 5 3 7 5 3 7 3 7 5 3

B HI D\
l 4 6 4 6 1 4 6

Niveau 7 7 2 B 1 2 8 2 8

5 3 7 5 3 7 5 3

D HI
l 4 6 1 4 6

Niveau 8 7 2 8 2 B

5 3 7 5 3

D HI GI

FIGURE 2.2.3 (suite)

EXEMPLE D'ESPACE D'rTAT DU CASSE-TtTE DE LA TABLETTE ~ HUIT PLAQUETTES
 12.

D
Hl GI
1 4 6 l 4 6 1 4 6

Niveau 9 7 2 8 7 8 7. 2 8

5 3 5 2 3 5 3

H GI
1 4 6 1 4 6

Niveau 10 7 2 7 2 8

5 3 8 5 3

G HI BI
1 4 6 1 4 1 4 6

Niveau 11 7 2 7 2 6 7 2 8

5 3 8 5 3 8 5 3

H BI GI DI
1 6 1 4 6 1 4 6 1 4 6

Niveau 12 7 4 2 7 3 2 7 2 7 2

5 3 8 5 8 5 3 8 5 3 8

D GI BI
1 6 1 6 1 4 6

Niveau 13 7 4 2 7 4 2 7 2

5 3 8 5 3 8 5 3 8

B GI

FIGURE 2.2.3 (suite)

EXEMPLE D'ESPACE D'(TAT DU CASSE-TETE DE LA TABLETTE ~ HUIT PLAQUETTES
 13.

B GI
l 6 2 1 6

Niveau 14 7 4 7 4 2

5 3 8 5 3 8

B HI GI
1 6 2 1 6 1 6 2

Niveau 15 7 4 B 7 4 2 7 4

5 3 5 3 8 5 3 B

G HI
l 6 2 1 6 2
.
Niveau 16 7 4 B 7 4

5 3 5 3 B

H GI DI
1 6 2 1 6 2 1 6 2
Niveau 17 7 B 7 4 8 7 4 8

5 4 3 5 3 5 3

D HI BI GI
1 6 2 l 2 1 6 2 l 6 2

Niveau 18 7 8 7 6 8 7 4 8 7 B

5 4 3 5 4 3 5 3 5 4 3

B HI GI
FIGURE 2.2.3 (suite)

EXEMPlE D'ESPACE D'(TAT DU CASSE-TrTE DE LA TABLETTE A HUIT PLAQUETTES

 14.

B HI GI
1 6 2 1 6 1 6 2
Niveau 19 7 8 3 7 8 2 7 8

5 4 5 4 3 5 4 3

G HI
1 6 2 1 6 2

Niveau 20 7 8 3 7 8

5 4 5 4 3

B HI GI
1 6 2 1 6 2 1 6 2
Niveau 21 7 8 3 7 3 7 8 3

5 4 5 8 4 5 4

H Di
1 6 2 1 6 2
Niveau 22 8 3 7 8 3

7 5 4 5 4

0 BI HI
1 6 2 1 6 2 6 2
Niveau 23 8 3 7 8 3 1 8 3

7 5 4 5 4 7 5 4

H BI GI 0\
fIGURE 2.2.3 (suite)
EXEMPLE D'ESPACE D'rTAT DU CASSE-TETE DE LA TABLETTE ~ HUIT PLAQUETTES
 15.

H BI G( DI
1 2 1 6 2 1 6 2 1 6 2

Niveau 24 B 6 3 B 5 3 8 3 8 3

7 5 4 7 4 7 5 4 7 5 4

D GI BI
1 2 l 2 l 6 2

Niveau 25 8 6 3 B 6 3 B 3

7 5 4 7 5 4 7 5 4

B GI
l 2 3 l 2

Niveau 26 B 6 8 6 3

7 5 4 7 5 4

B HI GI
l 2 3 l 2 l 2 3

Niveau 27 8 6 4 B 6 3 8 6

7 5 7 5 4 7 5 4

G HI
l 2 3 l 2 3

Niveau 28 B 6 4 B 6

7 5 7 4 5

H GI DI

fIGURE 2.2.3 (suite)

EXEMPlE O'ESPACE O'rTAT OU CASSE-TrTE DE LA TABLETTE ~ HUIT PlAQUETTES
 16.

H GI DI
1 2 3 1 2 3 l 2 3

8 4 8 6 4 8 6 4

7 6 5 7 5 7 5

(TAT FINAL

fIGURE 2.2.} (suite)

EXEMPLE D'ESPACE D'ETAT DU CASSE-TETE DE LA TABLETTE A HUIT PLAQUETTES

2.2.2 La représentation par "réduction de problème"

Un système de résolution de problème qui utilise le raisonnement

arrière et dont l'application d'un opérateur peut diviser le problème
en un ensemble de sous-problèmes dont, nous espérons, que chacun est
de difficulté moindre que l'original est dit qu'il emploie une
représentation par "réduction de problème". Un système utilisant le
raisonnement arrière est distingué par le fait que ces opérateurs
peuvent changer un objectif simple en une conjonction d'objectifs.

UA problème dont la solution est immédiate est dit un problème

primitif. Alors la représentation utilisant la réduction de problème
est définie par le triplet suivant:

- la description du problème initial;

- un ensemble d'opérateurs transformant un problème en sous-
problèmes;
- la description d'un ensemble de problèmes primitifs.

La réduction de problème peut aussi être représentée par la construc-

tion d'un graphe ET/OU, les graphes ET/OU donnent un moyen pour
garder en mémoire les sous-buts qui ont été essayés et quelles combi-
naisons de sous-buts sont suffisantes pour atteindre le but original.
 17.

Correspondant à une formulation commune, un graphe ET/OU est

construit selon les règles suivantes:

1- chaque noeud représente soit un problème simple, soit un ensemble

de problèmes à résoudre. Le graphe a pour noeud initial le
problème original;

2- un noeud représentant un problème primitif appelé un noeud termi-

nal (n'a pas de descendants);

3- pour chaque application possible d'un opérateur à un problème P,

transformant celui-ci en un ensemble de sous-problèmes, il existe
un arc orienté du problème P au noeud représentant l'ensemble des
sous-problèmes résultants.

Considérons la réduction de P en trois ensembles de sous-problèmes

distincts A, 8 et C. Dans la situation où P peut être résolu si
au moins un des ensembles A, 8 et C peut être résolu, alors A, 8
et C sont appelés noeuds OU;

4- considérons A = (D,
E), 8 = (8) un ensemble sous-problèmes à un
élément, C = (f, G, H). En général, pour chaque noeud représen-
tant un ensemble de deux sous-problèmes ou plus, il y a des arcs
~ orientés du noeud vers chaque sous-problème individuel de l'ensem-
ble. Si un ensemble de sous-problèmes peut être résolu seulement
si chacun des membres doit être résolu, alors les noeuds sous-
problèmes sont appelés noeuds ET.

La construction du graphe ET/OU dont on a discuté jusqu'à maintenant

décrit tout l'espace de recherche du problème. Pour trouver une
solution à un problème initial, il est seulement nécessaire de cons-
truire une partie du graphe qui peut démontrer que le noeud initial a
une solution. Ce sous-graphe est appelé le graphe solution ou, dans
.
des cas plus restreints, l'arbre solution. Les règles suivantes
s'appliquent alors:
 lB.

Un noeud a une solution si:

1- c'est un noeud terminal;

2- c'est un noeud non terminal, mais dont ses successeurs sont des
noeuds ET, et peuvent être tous résolus;

3- c'est un noeud non terminal, mais dont ses successeurs sont des
noeuds OU, et qu'au moins un peut être résolu.

Similairement, un noeud n'a pas de solution si:

1- c'est un noeud non terminal qui n'a pas de successeurs;

2- c'est un noeud non terminal dont ses successeurs sont des noeuds
ET, et qu'au moins un n'a pas de solution;

3- c'est un noeud non terminal dont ses successeurs sont des noeuds
OU, et tous n'ont pas de solution.

Il est pertinent de noter à ce stade-ci qu'un graphe de l'espace des

états (dans le cas d'un raisonnement arrière) est un graphe ET/OU ne
contenant seulement que des noeuds OU (un cas particulier d'un graphe
ET/OU) •

Un exemple qui se prête bien à la représentation par réduction de

problème est celui du casse-tête de la "Tour de Hanoi". Une version
de ce casse-tête est composée de trois disques de diamètre gradués
troués au centre, et de trois piquets numérotés 1, 2 et 3. ~ l'état
initial, les trois disques sont superposés au piquet na 1, le plus
grand en-dessous, le plus petit au-dessus. Le problème est de trans-
férer les trois disques au piquet nO 3 dans le même ordre, mais
seulement un disque à la fois peut être transféré. On a une repré-
sentation graphique du problème à la figure 2.2.4.
 19.

rTAT INIJIAL LE BUT

1 2 3 l 2 3

PROBLtME INITIAL = BUT

3 DISQUES DE l ~ 3
A

2 DISQUES l DISQUE 2 DISQUES

DE l ~ 2 DE 1 ~ 3 DE 2 ~ 3

1--------.1

B
1

C
''------4 D

l DISQUE l DISQUE 1 DISQUE l DISQUE l DISQUE l DISQUE

DE l ~ 3 DE l ~ 2 DE 3 ~ 2 DE 2 ~ l DE 2 ~ 3 DE l ~ 3
(E) (F) (G) (H) (3) (K)

FIGlfiE 2.2.4

CASSE-T(TE DE LA TOUR DE HANOI

EXEMPLE D'ESPACE PAR RrDUCTION DE PROBLtMES
 20.

Le problème initial est remplacé par trois sous-problèmes; chacun de

ceux-ci est de di fficulté moindre et la résolution conj ointe résout
le problème initial: le problème A est remplacé par les sous-
problèmes B, C et D. Par la suite chacun de ces sous-problèmes est
décomposé en sous-problèmes: la solution de B e~t obtenue par la
résolution conjointe de B, F et G et ceux-ci sont des noeuds termi-
naux, C est résolu puisqu'il est terminal, la solution de D est
obtenue par la résolution conjointe de H, J et K et ceux-ci sont des
noeuds terminaux.

2.2.3 Les arbres de jeux

L'arbre d'un jeu est la représentation de tous les coups possibles

d'un jeu tels que:

- il Y a deux joueurs qui alternent pour faire leurs mouvements;

à chaque tour, les règles définissent quels sont les mouvements qui
sont légaux, et les effets que chaque mouvement possible aura sur
l'ensemble du jeu;

chaque joueur a l'information complète de la position de son

opposant, incluant le choix des mouvements qu'il peut faire, et
,ceux qu'il a déjà faits;

- la partie commence d'un état bien défini;

la partie se termine par un gain pour un joueur et une perte pour

l'autre, dans certains cas par une égalité.

Le noeud racine est l'état initial, pour lequel c'est au tour du

premier joueur à faire un mouvement. Les successeurs sont les états
qu'il peut atteindre par ce mouvement. Leurs successeurs sont les
états résultant de la réplique de l'autre joueur, et ainsi de suite.
 21.

Les états terminaux sont ceux représentant un gain, une perte ou une
égali té. Chacun des chemins du noeud racine au noeud terminal
représente une suite de mouvements possibles du jeu.

L'ensemble de toutes les sui tes de mouvements possibles du jeu est

l'arbre du jeu.

Un exemple simple d'un arbre de jeux est celui du tic-tac-toe.

Considérons les joueurs A et B, et A joue le premier. la figure
2.2.5 montre une partie de l'arbre.

2.3 LES HrTHODES DE RECHERCHE

2.3.1 La recherche aveugle de l'espace des états

la recherche dans l'espace des états est définie par le triplet

(S, 0, G) où 5 est un ou plusieurs états initiaux, 0 est l'ensemble
des opérateurs, G est l'ensemble des états buts. l'espace des états
est communément identifié avec un graphe orienté dans lequel chaque
noeud est un état et chaque arc représente l'application d'un
opérateur transformant l'état en un successeur. Une solution est un
c~emin menant d'un état initial à un état but.

la recherche pour une solution est conduite en faisant explicitement

un parcours de l'espace des états pouvant contenir un cheminement à
une solution. Si l'ordre, dans lequel un cheminement à une solution
potentielle considérée, est arbitraire c'est-à-dire qu'elle n'utilise
pas d'information spécifique permettant de juger du domaine dans
lequel une solution pourrait exister, la recherche est alors appelée
"recherche aveugle".

Cependant dans bien des cas la recherche aveugle n'est pas praticable
à cause de la trop grande dimension de l'espace des états. Dans ces
cas on utilise des techniques de recherche à l'aide d'heuristique.
 21.

Les états terminaux sont ceux représentant un gain, une perte ou une
égali té. Chacun des chemins du noeud racine au noeud terminal
représente une suite de mouvements possibles du jeu.

L'ensemble de toutes les sui tes de mouvements possibles du jeu est

l'arbre du jeu.

Un exemple simple d'un arbre de jeux est celui du tic-tac-toe.

Considérons les joueurs A et B, et A joue le premier. La figure
2.2.5 montre une partie de l'arbre.

2.3 LES METHODES DE RECHERCHE

2.3.1 la recherche aveugle de l'espace des états

La recherche dans l'espace des états est définie par le triplet

(5, 0, G) où 5 est un ou plusieurs états initiaux, 0 est l'ensemble
des opérateurs, G est l'ensemble des états buts. L'espace des états
est communément identifié avec un graphe orienté dans lequel chaque
noeud est un état et chaque arc représente l'application d'un
opérateur transformant l'état en un successeur. Une solution est un
chemin menant d'un état initial à un état but.

La recherche pour une solution est conduite en faisant explicitement

un parcours de l'espace des états pouvant conte-nir un cheminement à
une solution. Si l'ordre, dans lequel un cheminement à une solution
potentielle considérée, est arbitraire c'est-à-dire qu'elle n'utilise
pas d'information spécifique permettant de juger du domaine dans
lequel une solution pourrait exister, la recherche est alors appelée
"recherche aveugle".

Cependant dans bien des cas la recherche aveugle n'est pas praticable
à cause de la trop grande dimension de l'espace des états. Dans ces
cas on utilise des techniques de recherche à l'aide d'heuristique.
 22.

#
1 1

1 ** 1 1 1

~=#i=~#
1 1 1 1 1 1
88 8 8 8 8 88
A A 8 A A 8 A A

~ ~
~W=F #
8
A A
A{-it- Afis A

A 1 1

~
8
~
88 A88 8

if#=
8

A
A

1
A
~I---+---

A B Afis A
A 8

~
B-
~
8 8
8 $F88
8 A 8 A 8 A A
A A A A A

. 1- A gagne

fiGURE 2.2.5

ARBRE DE JEUX POUR LE TIC-TAC-TOE

 23.

Trois méthodes de recherche aveugle sont examinées.

1- Méthode en largeur d'abord

la méthode en largeur d'abord déploie des noeuds dans l'ordre de

leur proximi té du noeud de départ, mesurant le nombre d'arcs les
séparant. En d'autres mots, la méthode considère toutes les
sui tes possibles d'opérateurs de longueur n avant toute sui te de
longueur n + 1. Une généralisation de la méthode peut être cons-
trui te dans le cas où on veut trouver le cheminement le moins
coûteux de l'état initial à l'état but. Une fonction coût non
négative est associée à chaque arc joignant deux noeuds. le coût
de la solution est alors la somme des coOts des arcs le long du
cheminement. Ce type de recherche est appelé "recherche à coOt
uniforme".

2- la recherche en profondeur c'abord

la recherche en profondeur d'abord est caractérisée par l'expan-

sion du noeud généré le plus récent. la profondeur du noeud de
départ est Q. la profondeur de tout autre noeud est un degré de
plus que son prédécesseur. Une conséquence de déployer le noeud
le plus profond en premier est que la recherche suit un seul
. cheminement du noeud de départ vers le bas è travers l'espace des
états. Si elle rencontre un noeud sans successeur, elle considère
un chemin alternatif. Dans beaucoup de problèmes, l'espace des
états peut avoir une profondeur infinie ou peut être plus profond
qu'une limite supérieure à une longueur acceptable d'une suite.
Pour prévenir un chemin trop long, une limite est souvent définie
sur la profondeur à être déployée.

3- la recherche bidirectionnelle

les deux méthodes précédentes utilisent un raisonnement avant.

C'est-à-dire d'un noeud de départ de l'espace d'état vers le but
 24.

et utilise un opérateur qui transforme le noeud i à un noeud

successeur j. On peut tout aussi bien utiliser le raisonnement
vers l'arrière (en profondeur d'abord ou en largeur d'abord). Les
raisonnements avant et arrière peuvent être combinés dans une
technique que l'on appelle la recherche bidirectionnelle. L'idée
est de replacer un graphe de recherche, lequel peut croitre
exponentiellement par deux graphes plus petits, un commençant par
l'état initial et l'autre par le but. La recherche se termine
quand les deux graphes se croisent. Une version bidirectionnelle
de la méthode du coOt uniforme qui garantit de trouver le chemine-
ment le plus court à travers un graphe général de l'espace des
états est redevable à POHL (1969, 1971).

2.3.2 La recherche aveugle d'un graphe ET/OU

Un problème à. résoudre utilisant 19 recherche d'un graphe ET/OU peut

être défini en spécifiant un noeud de départ (représentant le but
initial ou la description du problème), un ensemble de noeuds termi-
naux (décrivant les problèmes primitifs), et un ensemble d'opérateurs
pour réduire les buts en sous-buts. Chaque application possible d'un
opérateur à un noeud n est représentée par un arc dirigé du noeud n
au noeud successeur. Tous les successeurs d'un noeud n sont appelés
noeuds OU, puisque l'application d'un seul opérateur suffit à
résoudre le problème au noeud n. Chaque noeud successeur au noeud n
représente un ensemble de sous-problèmes. Si cet élément a plus d'un
élément, alors l'ensemble des arcs dirigés de ce noeud OU correspond
aux individus de l'ensemble. Les successeurs de ce noeud OU sont
appelés noeud ET, puisque tous les éléments de l'ensemble doivent
avoir une solution pour résoudre le sous-problème.

Pour distinguer visuellement les noeuds ET, des noeuds OU, les arcs
dans le graphe sont reliés par une horizontale.
 25.

Par contraste la recherche dans un espace d'état utilise généralement

le raisonnement avant, alors que la recherche dans un graphe ET/OU
utilise exclusivement un raisonnement arrière. Comme la recherche
dans l'espace des états, on peut avoir la technique de la méthode en
largeur d'abord, ou la méthode en profondeur d'abord.

2.3.3 Les heuristiques de la recherche dans l'espace des états

Lorsque l'espace des états est trop grand et/ou pour empêcher.
l'explosion combinatoire, certaines informations pour la résolution
d'un problème (dans un domaine particulier) peuvent être utilisées
pour aider à réduire la recherche. Des informations de ce type sont
appelées des informations heuristiques.

Les informations heuristiques sont utilisables dans les situations

suivantes:

1- pour décider quel sera le prochain noeud à déployer, au lieu d'un

déploiement aveugle, en largeur d'abord ou en profondeur d'abord;

2- lors du déploiement d'un noeud, pour décider lequel (ou lesquels)

des successeurs sera généré, au lieu de générer aveuglement tous
les successeurs possibles à un moment donné;

3- pour décider si certains noeuds devraient ne jamais être consi-

dérés du graphe de recherche.

Dans le premier cas on parle de recherche ordonnée, ou recherche des

noeuds les plus prometteurs, dans le second cas on parle de noeud
partiellement déployé, dans le troisième cas on parle de "pruning"
(taillage, coupure) lorsqu'on décide si des noeuds ne doivent jamais
être déployés, ceux-ci ne menant è aucune solution.

Dans tous les cas, la façon de définir, le noeud le plus promet-

teur, est estimée par une fonction d'évaluation. Le choix de la
 26.

fonction d'évaluation dépend du problème que l'on a à résoudre. Dans

un cas l'espace des états peut contenir des cheminements multiples
avec différents coOts, le problème est de trouver la solution
optimale. Dans un second cas, un prolongement du premier cas, la
recherche peut excéder les limites dont on s'est fixées, dans le
temps et l'espace, avant de trouver une solution; alors i l faut
trouver une solution avec un effort raisonnable. Dans un troisième
cas, cette fonction peut être celle qui minimise l'effort de la
recherche.

L'algorithme A* (décrit par Hart, Nilsson et Raphael (1968» définit

le problème de trouver un cheminement avec un coat minimal, joignant
le noeud de départ au noeud but dans le graphe de l'espace des
états. Chaque arc (représentant l'application d'un opérateur) à un
coat de 1; quoique le coat associé à un arc peut être arbitraire.

L'algorithme utilisé est la recherche ordonnée de l'espace des

états. Sa caractéristique distinctive est la définition d'une
fonction d'évaluation f*. Comme dans la plupart des cas, le noeud
choisi pour déploiement est toujours celui dont f* est minimum. La
fonction f* considère la valeur de chaque noeud comme ayant deux
composantes: le coOt minimum pour se rendre au noeud n défini par
g*(n) et le coat minimum pour rejoindre un but du noeud n défini par
h~(n). f*(n) est défini par:
f*(n) = g*(n) + h*(n)
et représente le coat minimum pour passer au noeud n. Nous assumons
que le coOt des arcs est positif. On note par h, g et f les coOts
actuels lesquels sont estimés par h*, g* et f*.

La fonction h* est la fonction porteuse de l'information heuristique

et est définie d'une façon appropriée au domaine particulier du
problème à résoudre.

Les conditions nécessaires pour l'application de l'algorithme A*

sont: h* doit être non négatif et ne doit jamais surestimer le coat
de rejoindre le but du noeud à évaluer c'est-à-dire que pour un noeud
 27.

n quelconque h*(n) ~ h(n); cette condition est appelée la condition

d'admissibilité. On peut montrer que si h* est admissible (satisfait
la condition d'àdmissibilité) et que le coût de chaque arc est
positif et plus petit qu'une constante positive, alors A* garantie
une solution optimale si celle-ci existe. Si h est identique à zéro,
A* se réduit à la méthode de recherche du coût uniforme.

Une généralisation de l' algori thme A* est définie par une fonction
d'évaluation de la forme suivante:
f*(n) = (1 - w) g*(n) + wh*(n), où w = [0, 1].

Dans le cas où w = 0, nous avons une recherche en largeur d'abord qui

minimise le coût de la solution. Dans le cas où w = l nous avons une
fonction qui minimise l'effort de la recherche.

Une forme encore plus générale de la fonction d'évaluation précédente

est:
f*(n) = g*(n) + w(n) h*(n), où w(n)~ 1.

Cette approche est appelée la pondération dynamique.

Finalement dans le cas où f*(n) = g*(n) + h*(n) il a été montré que

si h*(n) ~ h(n) + e et h*(n) ~ h(n) + d c'est-à-dire que h* ne sures-
time jamais le coût minimum de la distance à parcourir par plus d'une
valeur constante e, alors le coût trouvé par A* n'excèdera jamais par
plus de e la solution optimale. Dans ce cas la fonction h* est dite
e-admissible et la solution est e-optimal.

2.3.4 Les heuristiques dans les graphes ET/OU

Une solution d'un graphe ET/OU est un sous-graphe démontrant que le

but est atteint. Le sous-graphe étant appelé arbre solution. Le
coût d'un arbre solution peut être défini de deux façons:

1- la somme des coOts d'un arbre solution est la somme de tous les
coûts des arcs dans l'arbre;
 28.

2- le coût maximum d'un arbre solution est la somme de tous les coûts
des arcs concernant le cheminement le plus coûteux de la racine à
un noeud terminal.

Par exemple, si chaque cas dans un arbre solution a un coût de l,

alors la somme des coûts est le nombre d'arcs dans l'arbre, et le
coût maximum est la profondeur du noeud le plus profond.

Si l'espace de recherche a été exploré en entier, alors un arbre

solution optimal peut être construit et son coût est mesuré comme
suit: soit (n, m) le coût de l'arc du noeud n a son successeur m, on
défini la fonction h(n) de la façon suivante:

1- si n est un noeud terminal alors h(n) = 0;

2- si n a des successeurs OU, alors h(n) est la valeur minimum des

arcs de tous ses successeurs mi' c'est-à-dire:
h(n) = min C(ni mi) + h(mi) = min C(n, mi) + h(mi)
mi mi
mi étant un des successeurs de n;

3- si n a des successeurs ET, et la sommation des coOts est utilisée,

la sommation de tous ses successeurs mi c'est-à-dire:
h(n) =~ (ni mi) + h(mi) =~ C(n, mi) + h(mi)
m·1

4- si n a des successeurs ET, et le coût maximum est utilisé, alors

h (n) est le coOt maximum parmi tous les successeurs mi c' est-à-
dire:

m·1

5- si n est non terminal avec aucun successeur alors h(n) est infini.
 29.

Par cette définition h(n) est fini si et seulement si le problème

représenté par le noeud n a une solution. Pour chaque noeud n qui
peut être résolu, h(n) donne le coût de l'arbre solution optimal pour
le problème représenté par le noeud n. Si-s est le noeud initial,
alors h(s) est le coût de la solution optimale du problème initial.

Il existe différentes approches pour la recherche ordonnée dans un

graphe ET IOu. Une approche est celle prise par Nilsson (1969,
1971). L'approche utilise un processus à deux étapes pour le
déploiement de noeuds individuels:

le identifie l'arbre solution potentielle plus prometteur;

2 e choisi un noeud de cet arbre pour le déployer.

Pour accomplir la première étape une fonction h* est définie à tous

les noeuds n de l'arbre qui n'ont pas montré être insolubles. Cette
fonction est un estimé de h(n), celle-ci estime le coût d'une solu-
tion optimale du problème au noeud n. Si n est connu comme étant un
noeud terminal alors par définition h*(n) = h(n) = O. Autrement, si
n n'a pas encore été déployé alors l'estimé doit être basé sur
n'importe laquelle information heuristique qui est disponible du
domaine particulier du problème. La fonction h* est déduite de la
défini tion précédente.·

Finalement, l'arbre solution potentielle le plus prometteur T, est

définie de h* de la façon suivante:

1- le noeud de départ s est dans T;

2- si l'arbre de recherche (la partie de l'arbre de recherche jusqu'à

maintenant) contient un noeud n et des successeurs ET alors tous
les successeurs sont dans T;

3- si l'arbre de recherche contient un noeud n et des successeurs OU

de n, alors un successeur de n est dans T tel que:· C(n, m) +
h*(m) est minimal.
 30.

Le coût estimé de Test h*(s). Si tous les autres arbres solutions

potentiels du même arbre de recherche étaient construits, on montre-
rait que T est un arbre pour lequel h*(s) est minimal. On montre de
plus que cet te recherche ordonnée est admissible (c' est-à-di re que
l'on peut trouver un arbre solution de coût minimum, si celui-ci
existe) si h*(n) ~ h(n) pour chaque noeud n déployé, et si tous les
coûts des arcs sont plus grands qu'un nombre positif d.

2.3.5 la recherche dans les arbres de jeux

La procédure du Minimax est une technique de rech.erche dans les

arbres des jeux. Posons A et B comme étant les noms des deux
joueurs. Considérons d'abord que c'est au tour de A de jouer; le
problème pour ~ est de trouver le mouvement qui maximisera son gain.
Une fois que A aura joué, le problème pour B sera de choisir parmi
tous les mouvements possibles qui s'offrent à lui, celui qui minimi-
sera le gain de A. Considérons maintenant que les valeurs des
posi tions terminales sont connues, alors les valeurs des positions
non terminales que nous définirons comme étant F(n), sont calculées à
p8rtir des positions finales de la façon suivante:

1- la valeur donnée au joueur A a un noeud avec successeurs OU

(lorsque c'est au tour de A de jouer) est la valeur maximum parmi
les valeurs des successeurs;

2- la valeur donnée au joueur A a un noeud avec successeurs ET

(lorsque c'est au tour de B de jouer) est la valeur minimum parmi
les valeurs des successeurs.
 31.

Dans cette description de la procédure Minimax nous avons assumé que

l'arbre complet du jeu a été généré. Cependant, l'arbre des possibi-
lités est le plus souvent trop grand pour être généré dans son entier
pour permettre un calcul de la fonction f(n) à partir des noeuds
terminaux. Une alternative consiste à générer une portion raisonna-
ble de l'arbre à partir de la position courante. Lorsque cette
portion a été générée, une méthode doit nous permettre d'évaluer les
valeurs des noeuds sub-terminaux. Une fonction de ce type est
appelée la fonction évaluation statique.

La procédure Alpha-Beta se résume comme suit: considérons deux

joueurs A et S, et que c'est au tour de A à jouer. Parmi les coups
possibles qui s'offrent à A, celui-ci évaluera ses chances à l'aide
d'une fonction d'évaluation. Il choisit parmi les coups possibles
celui dont la fonction a une valeur maximum. Toutes les évaluations
et les développements de l'arbre pour lesquels la fonction d'évalua-
tion n'est pas maximum sont éliminés.
 32.

3.0 LA REPR(SENTATION DE LA CONNAISSANCE

Puisque la méthodologie de la recherche en I.A. est le design de

programmes qui exhibe des caractéristiques de l'intelligence, les
chercheurs en I.A. ont souvent adopté une approche pragmatique du
sujet de la connaissance en concentrant leur attention à l'améliora-
tion du comportement de leurs programmes. Une représentation de la
connaissance est une combinaison de structures de données et de
procédures dl interprétation qui si utilisée de bonne façon dans un
programme mènera à un comportement intelligent.

Les travaux sur la représentation de la connaissance en I.A. ont

comporté le design de plusieurs classes de structures de données pour
la mise en mémoire de l'information, aussi bien que le développement
de procédures qui permettent une manipulation de ces structures de
données dans le but de faire des inférenCes.

On essaie dans le présent chapitre de donner une vue d'ensemble très

générale des différents modes de représentation des connaissances que
les chercheurs ont développés. La recherche en I.A. sur la représen-
tation des connaissances est présentement l'un des domaines de
recherche les plus actifs.

Quels sont les types de connaissances qui ont besoin d'être représen-
tés d'une façon intelligente? Pour répondre à cette question consi-
dérons la liste sui vante de types de connaissances qui ont besoin
d'être représentés dans les programmes de I.A.: les objets, les
événements, la performance et les métaconnaissances.

Le~ oble!s: typiquement ce sont des connaissances sur les faits, sur
les objets qui nous entourent tels que: les oiseaux ont des ailes,
la neige est blanche, les hirondelles sont des oiseaux, etc.
 33.

le~ év!n~m~ls: ce sont des connaissances qui ont trait aux actions
et événements dans le monde. En plus de pouvoir représenter les
actions, un formalisme de représentation pourra être nécessaire pour
une chronologie lors d'une suite d'événements, ainsi que les rela-
tions de cause à effet.

La-p~rfo~~n~e: ce sont des connaissances qui ont trait au savoir-

faire, comme par exemple se tenir en équilibre sur une bicyclette,
comment composer des phrases, comment prouver des théorèmes.

Les métaconnaissances: ce sont des connaissances sur les connais-

sances. Par exemple nous savons la limite et l'origine de notre
connaissance sur un sujet particulier, ou sur la fiabilité de cer-
taines informations, ou l'importance relative d'un fait particulier
du monde qui nous entoure, ou notre expertise dans un domaine parti-
culier.

Les buts des programmes en I.A. peuvent être décrits en termes de

capacité d'exécution de tâches cognitives, comme reconnaitre les
objets, répondre aux questions, les mouvements d'un robot, etc. Mais
l'utilisation actuelle de la connaissance -dans ces programmes
comporte trois étapes:

l-.acquisition de plus de connaissances;

2- réutilisation, autant de fois que nécessaire, de faits dans la

base de connaissances qui sont pertinents pour la résolution d'un
problème particulier;

3- le raisonnement à partir des faits pour en arriver à une solution.

Par acquisition on pense à apprentissage. L'apprentissage implique

l' acquisi tion de nouveaux faits. Ceux-ci doivent passer par di ffé-
rents processus d'intégration. Dans certains programmes un nouveau
fait est classifié avant d'être ajouté à la base de connaissances.
 34.

Dans d'autres, ils doivent être formulés de telle façon à ne pas

interagir avec les autres.

La capacité de pouvoir réutiliser et distinguer une connaissance

pertinente, lors de la résolution d'un problème, est une qua l i té de
toute première importance dans un programme. Les humains sont
particulièrement efficaces dans cette tâche, et plusieurs formalismes
de représentation sont basés sur la mémoire des humains.

Concernant le raisonnement, quand nous demandons au programme

d'exécuter une tâche qui n'est pas explici tement spéci fiée dans sa
base de connaissances il doit alors raisonner.

On peut distinguer différents types de raisonnement.

Le raisonnement formel: implique la manipulation syntactique de

structures de données pour en déduire de nouvelles suivant des règles
d'inférence très spécifiques.

Le_r~i~o~n~~nt Er~c!dural: utilise la simulation pour répondre aux

questions et résoudre les problèmes.

Le_r!.i~o~n~m~n.!.Ea,!:. !.nal~g.!.e: qui semble très naturel pour les

humains mais qui est très difficile à accomplir par des programmes en
. I.A.

qui est un
processus de raisonnement naturel pour les humains mais qui n'a pas
trouvé d'application utile en I.A.

Le raisonnement de haut niveau: comporte l'utilisation de connais-

sances sur ce que nous savons, sur l'importance de certains faits,
etc.
 35.

Les techniques de représentation de la connaissance font intervenir

des routines pour la manipulation de structures de données spéciali-
sées pour exécuter des inférences intelligentes. Cependant i l est
intéressant de noter qu'il n'existe pas de théories sur les forma-
lismes de représentation.

Voici une description sommaire des différents formalismes de repré-

sentation de la connaissance qui sont utilisés en I.A. Ceux-ci sont
illustrés par des exemples simples pour en permettre une meilleure
compréhension.

3.1 LA REPR(SENTATION LOGIQUE

Ce type de représentation concerne le traitement formel de la con-

naissance, et a été appliqué avec succès au développement de program-
mes informatiques qui peuvent raisonner. On peut considérer deux
catégories de la représentation logique: la logique proposi tion-
nelle, et la logique des prédicats.

La_logiqueJroE.o~ili~n.!!e.!.l~: la notion la plus fondamentale en

logique est celle de la vérité. Une proposition bien formulée a deux
valeurs possibles de vérité: vrai ou faux. Par exemple: Jean est
l '.oncle de Marie, l'auto de Robert est bleue sont des propositions.
En général des propositions pures et disjointes ne sont pas intéres-
santes. La plupart de nos paroles ou de nos pensées peuvent être
représentées par une combinaison de propositions simples, soit par
conjonction, soit par disjonction, soit par négation, soit par
implication, ou bien par une équivalence.

D'une combinaison syntaxique de proposition nous pouvons construire

des sentences de la logique propositionnelle comme des expressions
mathématiques.
 36.

C'est dans la logique propositionnelle que nous avons rencontré en

premier les règles d'inférence. Une règle d' inf érence permet la
déduction d'une nouvelle sentence à partir de sentences précédemment
données, et en assure sa valeur vraie si les sentences originales
sont vraies.

la règle d'inférence la plus connue est le Modus ponens. Cette règle

déclare que si nous avons deux sentences de la forme X et, X implique
y sont vraies, alors on peut inférer que Y est vraie.

D'une façon formelle la règle de Modus ponens s'écrit ainsi:

X/\(X-.Y)-.Y
où /\ est une conjonction
et .... est une implication.

la_logique_desyrédiE,al.s: est une extension de la logique proposi-

tionnelle. Elle en garde tous les principes. Mais l'intérêt de la
logique est changé. Plutôt que de garder seulement des sentences
pour leur valeur de vérité, la logique des prédicats s'intéresse plus
précisément à des déclarations surIes individus (ou objets) et de
leurs relations entre eux. les relations entre ceux-ci sont appelées
prédicats. Par exemple considérons les individus suivants (objets,
sentences): toi, cette feuille de papier, le numéro un, la dame de
coeur, Socrate, etc. Un prédicat est appliqué à un nombre spécifique
d'argument et à une valeur vraie ou fausse si quand les individus
sont utilisés comme argument. Par exemple soit le prédicat "est
rouge"; le prédicat "est rouge" a une valeur vraie ou fausse dans un
contexte donné, et quand i l est appliqué aux individus mentionnés
plus haut:
est rouge (la dame de coeur) = vrai
est rouge (cette feuille de papier) = faux
Un prédicat peut avoir plus d'un argument. Un exemple de représenta-
tion de la logique des prédicats est le langage prolog.
 37.

rnumérons quelques avantages et désavantages de la représentation

logique:

- Elle semble une façon naturelle d'exprimer un certain nombre je

notions, elle correspond à une compréhension intuitive, elle est
facile à formuler et à expérimenter.

- la logique est précise, il existe des méthodes standards pour

déterminer le sens d'une expression dans un formalisme logique.

- la logique est flexible. Un fait particulier peut être représenté

d'une façon simple sans avoir à considérer son utilisation
possible.

- la logique est modulaire. les assertions logiques peuvent être

entrées dans la base de connaissances indépendamment les unes des
autres.

Le désavantage majeur de la logique vient de la séparation de la

représentation et du processus d'inférence. la difficulté n'est
pas de savoir comment mettre en mémoire les faits mais de savoir
comment les utiliser. la difficulté réside dans la partie heuris-
tique du programme.

3.2 LA REPR(SENTATION PROc(DURALE

la représentation logique (déclarative), s'intéresse particulièrement

à l'aspect statique de la connaissance: élaboration de faits concer-
nant les objets, les événements, et leur relation entre eux. La
représentation procédurale a une ambition plus globale, elle
s'intéresse en plus à savoir comment trouver des fai ts pertinents à
être utilisés dans des inférences tout en gardant la puissance de la
logique. Cet aspect du comportement intelligent a été le mieux
capturé dans des représentations procédurales.
 38.

Avant l'avènement de la représentation procédurale, les chercheurs en

1. A. se sont concentrés à déterminer quels types de connaissances
pouvaient être représentés adéquatement dans un formalisme logique.
Les questions concernant à savoir comment manipuler efficacement les
faits dans la base de connaissances étaient considérées comme secon-
daires. Les procéduralistes par contre estimaient que la connais-
sance utile d'un domaine est intrinsèquement liée aux connaissances
spécialisées ayant trait au savoir "comment utiliser la connaissance
utile" •

MACLISP est un exemple de langage utilisant la représentation

procédurale.

rnumérons maintenant quelques avantages et désavantages de la

représentation procédurale:

- facilite la représentation de connaissances heuristiques, lesquel-

les sont cruciales dans les gros systèmes;

- est capable de faire des raisonnements plausibles. Ce type de

raisonnement semble nécessaire si on veut modéliser le raisonnement
humain;

--est souvent inconsistante et incomplète en ce sens que les déduc-

tions ne sont pas toujours correctes, et que le système peut avoir
tous les faits pour atteindre la conclusion mais est incapable de
le faire;

- la modularité est sacrifiée, parce que les interactions entre les

faits sont inévitables à cause de l'interdépendance des connais-
sances heuristiques.
 39.

3.3 LES RrSEAUX SrMANTIQUES

Les réseaux sémantiques furent développés comme modèle de la repré-

sentation des connaissances vers la fin des années 1960. Ceux-ci
furent inventés comme un modèle explicite représentant la mémoire
associative de l' humain. Un réseau consiste en des "noeuds" repré-
sentant les objets, les concepts, les événements, etc., et des arcs
entre les noeuds représentant leurs liens et interrelations. Consi-
dérons le réseau simple suivant:
une partie
oiseau • ailes
où "oiseau" et "ailes sont les noeuds et "une partie" est le lien
spécifiant une relation. Une interprétation possible de ce fragment
de réseau est l'énoncé suivant:
tous les oiseaux ont des ailes.

Comme illustré auparavant, des' énoncés de cette sorte ont une repré-
sentation naturelle dans des modèles de représentation logique. Un
aspect particulier cependant de la représentation par réseaux séman-
tiques est que des associations importantes peuvent être faites
explici tement et succintement. Des faits pertinents d'un objet ou
d'un concept peuvent être inférés d'un noeud auquel ils sont directe-
ment liés sans chercher à travers la base de connaissances.

La facilité de pointer vers des faits pertinents à cause des liens,

établit une propriété hiérarchique dans le réseau. Par exemple le
fragment de réseau suivant:
hirondelle --. oiseau ~ ailes
peut être interprété comme ayant un sens, puisque l'hirondelle est un
oiseau, et que les oiseaux ont des ailes, alors l' hirondelle a des
ailes. L'interprétation sémantique de la structure du réseau,
évidemment, dépend seulement du programme qui le manipule, i l n' y a
pas de conventions concernant le sens à donner aux liens.
 40.

3.4 LES CADRES 5rMANTIQUES (frames, scripts)

les "cadres sémantiques" sont le formalisme de représentation le plus

récent en I.A. Ceux-ci adaptent une structure plus complexe que les
réseaux. Cette structure classifie la connaissance. l'objet est un
ensemble structuré d'attribut. les objets sont organisés selon une
hiérarchie qui permet de traiter certains types d'implications que
l'on appellent "héri tage de propriété". Un objet est décrit par un
ensemble de couples. Chaque couple est formé d'un nom attribut et
d'une valeur correspondante. Par exemple: (couleur, nom, taille,
etc.) (rouge, Pierre, 1,75 m, etc.) est un cadre.

Un aspect intéressant du comportement de l'inférence sur une

structure de données basé sur les cadres, est sa capacité à déter-
miner si un cadre est applicable à certaines situations. L'idée est
qu'un cadre est choisi pour aider au processus de compréhension d'une
si tuation courante, et ce cadre essaie de s'accorder lui-même aux
données qu'il découvre. S'il trouve qu'il n'est pas applicable, i l
peut transférer le contrôle à un autre cadre plus approprié.

Un autre aspect; qui mérite d'être mentionné, est qu'à chaque cadre
on peut attacher des informations telles que:

-_comment utiliser le cadre;

- quoi faire en cas de situation non prévue;
quelle valeur par défaut i l faut donner si l'information d'une
partie du cadre est manquante;
- des procédures si nécessaires.

Ce mode de représentation organise la connaissance d'une façon qui

permet d'y avoir accès directement. Ce formalisme a donné l'occasion
aux chercheurs de tenter d'organiser et de structurer les grandes
bases de connaissances.
 41.

KRL est un exemple de langage qui utilise ce formalisme de représen-

tation.

3.5 LA REPRrSENTATION ANALOGIQUE

La base de connaissances est une collection de représentations natu-

relles telles que cartes, images, modèles géométriques, etc. La
modification de la base est par ajouts ou retraits de ces représenta-
tions.

L' approche est d' utiliser une représentation qui est analogue aux
propriétés de la situation à représenter. La représentation est
utilisée par une observation directe de l' information désirée telle
que la forme, la grandeur, les angles, les contraintes, etc.

La représentation est naturelle et compréhensiblè, facile à modi-

fier. D'importantes propriétés sont directement observables sans
être inférées.

Cependant, cette représentation n'est appropriée que pour des tâches

bien spécifiques.
 42.

~.o LES LANGAGES

L'idée première, et la plus fondamentale, qui supporta le développe-

ment de langages de programmation presque exclusifs à l' I.A. était
d'utiliser l'ordinateur pour manipuler de symboles arbi traires (pas
seulement des nombres). Cette idée et celle de la technique du
traitement des listes qui suivirent, furent introduites dans le
langage 1 PL (1957), l'un des premiers langages de programmation.

Les éléments primaires du langage étaient des symboles contrairement

à des nombres. L'association de ces symboles par des listes (le
traitement des listes était alors introduit) rendait possible la
construction de structures de données de forme et de grandeur non
prévisibles. Le problème de la forme non prévisible des structures
de données fut résolu par l'introduction du concept des "cellules".
Chaque cellule était composée de· deux mots. Chacun de ces mots
pouvai t contenir soit un symbole ou un "pointeur" à une autre
cellule. Ce simple arrangement, appelé une liste structurée, permet
la construction d'arbre à embranchement binaire. Le problème de
grandeur non prévisible fut maîtrisé en allouant un nombre flottant
de cellules requises. correspondant à la structure de données.

C& langage même s'il n'est plus guère utilisé, introduisit un certain
nombre d'idées fondamentales qui maintenant sont incorporées dans
tous les langages de programmation en I.A.

LISP

Ce langage utilise abondamment la notion de liste aussi bien pour la

représenta tion des données que des programmes. Les éléments d'une
liste sont énumérés entre des parenthèses, et peuvent représenter des
listes simples et des listes structurées (des listes de listes).
 43.

Chaque élément est représenté en mémoire par une cellule composée de

deux mots dont le second contient un pointeur sur la sui te de la
liste.

Un programme consiste en des fonctions définies dans un format plutôt

mathématique. Chaque appel de fonction est représenté comme une
liste. Le nom de la fonction est le premier élément et la valeur des
autres éléments sont des arguments. La procédure d' exécuti on d'un
programme en LISP se définit comme étant l'application d'une fonction
sur ses arguments. Cette dernière caractéristique, et à cause du
fait que la représentation des programmes est sous forme de listes,
rend facile l'utilisation de la récursivité.

Les symboles en LISP sont appelés atomes, et chaque atome peut être
associé à plusieurs propriétés.

C'est aux rtats-Unis que LISP est le plus utilisé pour la conception
de systèmes. Plusieurs environnements commerciaux de programmation
ont été créés sur des "machines LISP" et les commandes de programma-
tion sont soit identiques ou similaires à l'usage du LISP.

Il existe plusieurs versions du langage LISP telles que:

- .cOMMON LISP,
- GOLDEN COMMON LISP,
- INTERLISP,
- XLISP,
- QLISP,
- MACLISP,
MULTILISP,
- SI-LISP.
 44.

PRO LOG

En Europe, en particulier en France (où il a été créé), en Angleterre

et en Hongrie, ce langage connait une certaine popularité.

Ce langage, tout en gardant l'idée du traitement des listes, s'appuie

sur des résultats de la logique mathématique (logique du 1 er ordre)
appliqué au "principe de résolution". Ce principe est une générali-
sation du principe de Modus ponens. Cette combinaison permet, par
l'introduction de faits et de règles, de trouver des enchaînements à
l'établissement de nouveaux faits. PRO LOG supporte déjà un mécanisme
d'inférence (moteur d'inférence).

Le principe de résolution qui est l'unification, consiste en la mise

en correspondance de deux ou plusieurs arbres (listes) susceptibles
d'être à l'origine d'une solution.

Le mode de fonctionnement du moteur est par le raisonnèment arrière

(chaînage arrière).

Il existe plusieurs versions de PROLOG, on retrouve:

Nom Compagnie
MICRO-PROLOG LPA
PROLOG Expert System International
PROLOG II Prologia (France)
PROLOG-86 Solution Systems
TURBO-PROLOG BORNLAND

AUTRES LANGAGES

Certains langages comme le FORTRAN, le PASCAL et le BASIC ont surtout

servi à l'élaboration de systèmes experts. Certains outils de
développement pour systèmes experts, ont été programmés en PASCAL.
 45.

Leurs moteurs d'inférence sont similaires à celui de PROLOG. Des

exemples d'outils de développement en PASCAL sont: MICRO EXPERT,
INSIGHT et EXPERT-EASE.

Un langage qui susci te de plus en plus d'intérêt est le langage C.

La raison qu'on invoque est la grande rapidité d'exécution des
programmes, une qualité de toute première importance lorsque la base
de connaissances est grande. Il existe une tendance dirigée vers la
programmation en langage C. Certains programmes commercialisés
écrits en PROLOG et en LISP sont maintenant réécrits en langage C.

Les autres langages sont par exemple:

POP-2 utilisé en Grande-Bretagne, a les propriétés de

LISP et une syntaxe qui ressemble à l'ALGOL.

fUZZY la création de ce langage fut motivée par la

théorie des ensembles flous. C'est le langage
le plus récent en I.A. La théorie des ensem-
bles flous, qui se veut une généralisation de
la théorie des ensembles Booleen, permet un
degré d'appartenance d'un individu à un ensem-
ble. Cette théorie introduit la notion de
facteur de certitude.

SAIL surtout appliqué aux systèmes de reconnaissance

visuelle des formes, et aux systèmes servant à
la compréhension de la langue parlée.

fOL ce langage est similaire à PROLOG. Il est

utilisé comme un vérificateur de preuve qui
accepte des énoncés logiques et des commandes
de preuve qui peuvent être exécutées et testées
pour exactitude.
 46.

LM langage surtout utilisé en robotique.

LOG LISP et LISLOG ce sont des langages hybrides des langages LISP
et PROLOG.

LOGO ce langage est surtout utilisé pour l' ensEù-

gnement. Celui-ci est très puissant pour la
représentation visuelle de fonctions géométri-
ques.

SMALLTALK et PLASMA: ce sont des langages de la catégorie des

"langages objets" (dont le mode de représenta-
tion est similaire aux frames). Ces langages
suscitent un intérêt croissant.

KRL la programmation en langage KRL est basée sur

une représentation de la connaissance pour
cadres sémantiques (frames).
 47.

5.0 LES SYSTtHES EXPERTS

Le terme "système expert" est utilisé pour décrire différents pro-

grammes informatiques basés sur une idée très bien répandue, celle de
la notion des couples condi tions-actions appelés "règles de produc-
tion" ou tout simplement "règles".

Les systèmes experts suscitent un important engouement dans les

divers milieux professionnels parce qu'ils permettent l'informatisa-
tion de certaines fonctions intellectuelles telles que l'identifica-
tion ou le diagnostic de situations, la prévision d'événements, la
conception d'objets, la planification d'actions. Celles-ci trouvent
des applications concrètes dans les entreprises.

De telles fonctions sont souvent di fficHes à modéliser sous forme

d'algorithme. Dans certains cas, cette difficulté peut être contour-
née en utilisant la méthodologie des systèmes experts. La caracté-
ristique essentielle de cette méthodologie, par rapport à d'autres
techniques de l' I.A., c'est de tenter de reproduire les facultés de
décision ou de jugement des experts humains en prenant acte que faute
d'algorithmes complets parfaitement structurés, les experts sont
capables de fournir des granules d'algôrithmes (ou granules de
connaissances), spécifiques d'un domaine d'application, plus ou moins
indépendants les uns des autres, non définitifs et donc susceptibles
de révision.

Dans ce chapitre, on illustre les principes des systèmes experts. On

débute d'abord par une description des différentes composantes d'un
système expert soit la base des connaissances et le moteur d'infé-
rence. Nous aborderons ensuite les caractères de différenciation des
systèmes experts. Ces différences ont trait surtout aux aptitudes du
langage de programmation et aux modes de fonctionnement du moteur
d'inférence.
 48.

5.1 ROlE ET ORGANISATION DES SYSTEMES EXPERTS

Il est difficile de donner une définition exacte des systèmes

experts, mais trois points de vue méritent d'être retenus pour cerner
la notion des systèmes informatisés dits systèmes experts:

d'abord pour le rôle dans la prise en charge de certaines activités

humaines;

- par l'organisation offerte pour accueillir et exploiter les

connaissances d'experts humains sur un domaine particulier;

par le mode d'invocation des connaissances prises en compte par les

experts pour exprimer l'expertise à l'intention du système.

5.1.1 Rôle des systèmes experts

Lorsque le processus intellectuel, par lequel un humain évalue une

si tuation et prend une décision, est précisément modélisé, i l est
relativement facile et direct de le programmer. Par contre dans
beaucoup de domaines tels que le diagnostic médical, la prospection
minière, l'organisation du travail, les connaissances dont font appel
les experts sont souvent éparses, parcellaires, puisées de leurs
expériences, ou très spécifiques du domaine d'application. Dans ce
domaine le "sâvoir-faire" des spécialistes semble alors, pour une
large part tout au moins, représentable comme un ensemble d'unités de
savoir-faire ou "règles", chacune d'elles étant appropriée pour une
classe de situations éventuelles. Ces règles étant recueillies
auprès d'experts. Chacune d'elles décrivant une étape possible du
raisonnement de l'expert. De plus chacune d'elle étant sujette à
révision.

Les systèmes experts se sont développés comme une technique visant à

atteindre les trois objectifs suivants: premièrement, capturer
 49.

aisément les unités de savoir-faire, c'est-à-dire faciliter l'expres-

sion la plus directe possible des règles, par rapport à leur forme
d'émergence; deuxièmement, exploiter les unités de savoir-faire,
c 'est-à-di re pour combiner et/ou chaîner des groupes de règles pour
inférer (ou dériver) des connaissances telles que jugements, plans,
preuves, décisions, prédictions, nouvelles règles, ou pour rendre
compte de la manière dont les nouvelles connaissances ont été
inférées; finalement, supporter aisément la révision de l'ensemble
des unités de savoir-faire, c'est-à-dire des facilités pour les
ajouts et suppressions de règles.

Au travers d'expériences très di verses, les systèmes experts sont

développés comme une technique informatique visant à satisfaire ces
trois objectifs.

5.1.2 Organisation des systèmes experts

Un système expert possède les composantes suivantes:

- un "langage" d'expression des connaissances fournies par les

experts;

-·une "base de connaissances" qui

représente les connaissances
spécifiques du domaine d'application (3 e objectif);

- un "moteur d'inférences" qui exploite les connaissances de la base

de connaissances en les considérant comme des données (lere partie
du 2e objectif);

- et possiblement des "fonctions complémentaires" de dialogue et

d'explication de son propre comportement pour:

faciliter l'acquisition et la révision des unités de savoir-

faire;
faciliter la saisie des données de problèmes;
 50.

- assurer une interaction éventuelle avec l'utilisateur en cours de

résoluti on;
- rendre èompte de la manière dont a été conduite la résolution;

- finalement, quelquefois avec des possibilités d'apprentissage

(2 e partie du 2e objectif).

connaissances: du point de vue de

l'usager, généralement les langages naturels offrent la forme la plus
confortable pour communiquer avec un système expert, soit pour
instruire le système ou soit pour le consulter. En particulier, des
énoncés décrivant des actions à exécuter si certaines conditions sont
observées, sont naturellement codées dans des règles. De plus c'est
ce type d'information qui est le plus fréquemment utilisé par des
experts humains dans l'exécution de leurs travaux.

La base des connaissances: on distingue dans cette base deux types

de connaissances: les "connaissances assertionnel1es" ou "fai ts",
les "connaissances opératoires" ou "règles".

Les faits sont des connaissances décrivant des situations (ou

conditions) considérées soit comme établies, ou à établir.

Le~ règles représentent le savoir-faire; elles indiquent quelles

conséquences tirer ou quelles actions à accomplir si telle situation
(ou condition) est établie ou à établir.

Une règle, par exemple, peut être un énoncé de la forme "Si cette
condition (ces conditions) est(sont) vérifiable(s) ALORS cette action
est appropriée." La partie SI de la règle énonce les conditions qui
doivent être présentes, parmi les faits établis ou à établir, pour
que la règle soit applicable, et la partie ALORS est l'action
appropriée à prendre. Durant l'exécution du programme, une règle
dont la partie condition est satisfaite est déclenchée, c'est-à-dire
qu'elle peut avoir sa partie action exécutée par le "déclencheur"
 51.

(nous reviendrons plus loin sur ces notions). L'action des règles
peut changer la base des faits, ceci a pour effet que certaines
règles qui n'étaient pas déclenchables avant, le deviennent parce
qu'elles ont leurs parties conditions satisfaites.

Les règles sont habituellement des connaissances d'assez faible

envergure pour être facilement compréhensibles par l'usager, tout en
correspondant à des opérations distinctes significatives dans le
domaine. On dit des règles qu'elles ont des "granules de connais-
sances".

!:.e_mot~u!. .E!,' infére.!!.c~: c'est un programme qui met en oeuvre des

mécanismes généraux de combinaison des connaissances assertionnel1es
(faits) et connaissances opératoires (règles). Les stratégies
utilisées peuvent être très différentes d'un moteur à un autre. Le
moteur puise parmi les règles, les enchaîne, jusqu'à satisfaire une
condition d'arrêt (qui dépend du moteur et de la base des connais-
sances disponibles). La résolution d'un problème passe par l'appli-
cation d'un ensemble de règles qui se conditionne indirectement, les
unes les autres par leurs effets sur la base de connaissances.

Le_m,!?de .E!,'in~0E.ati~_des_cE.n.!!.ais~a.!!.c~s:
les conventions proposées
pour la formulation des règles sont très variables d'un système
expert à un autre. Cependant un point commun réside, en matière de
langages, c'est la "rédactio.!!.~ss0E.iative" des règles. Par rédaction
associative on entend que l'on veut évoquer les règles par un mode
d'accès associatif: c'est-à-dire que l'information contenue dans une
règle n'est pas lue en donnant une adresse ·précise d'une ceHu le de
la mémoire, mais en donnant une partie du contenu de la cellule qui
contient l'information recherchée.

L'expression explici te des conditions de déclenchement dans la

représentaton de la règle correspond souvent à la formulation
naturelle par les experts de leur savoir-faire. On exploite l'infor-
mation contenue dans les conditions de déclenchement; par comparaison
 52.

entre les conditions de déclenchement des règles et des faits à un

instant donné permet de filtrer les règles pour en retenir un certain
nombre.

la rédaction associative permet en principe de rédiger chaque règle

en ignorant l'existence effective des autres. On présume seulement
que chaque règle introduite dans la base de connaissance comporte,
quel que soit son auteur, les éléments du filtre qui permettront de
l'appeler. On présume aussi que les faits introduits comme effets
d'une règle peuvent contribuer à appeler d'autres règles par leur
contenu des éléments du filtre.

5.2 LES MOTEURS O'INfrRENCES

Dans cette section on décrit principalement le "cy~l.!::, ,!!e_base" d'un

moteur d'inférence. l'enchaînement du cycle de base, est un
mécanisme nécessaire à toute résolution de problème.

5.2.1 Le cycle de base d'un moteur d'inférence

Disons d'abord qu'une règle est représentée par deux compsantes: le

"d.écl.!::,ncheur" et le "corp~". le déclencheur réunit les conditions de
déclenchement. le c.orps réunit les informations relatives aux effets
résultant du déclenchement.

le moteur d'inférence enchaîne des cycles de travail comportant

chacun deux phases: une phase d"'év!.1~a!i2n" et une phase d' "exéc~­

tion".

Avant le lancement du moteur, la base des connaissances contient les

informations représentatives de l'énoncé du problème à traiter: les
fai ts avérés et faits à établir (expressions de problèmes ou buts)
constituent la "Ë.a~e_d~s_fai!.s", les connaissances opératoires
constituent la "ba~e_d~s_r~gle~".
 53.

En phase d'évaluation, le moteur détermine s'il existe des règles,

dans la base des règles, à déclencher par rapport à l'état courant de
la base des faits, si oui, ces règles seront retenues pour être
déclenchées en phase d'exécution.

L'arrêt du moteur est commandé soit en phase d'évaluation ou en

phase d'exécution. L'arrêt du moteur en phase évaluation proviendra
de l'absence de règles à déclencher. L'arrêt du moteur en phase
d'exécution proviendra d'un ordre donné par l'une des règles déclen-
chées.

5.2.2 la phase d' évaluation

Généralement la phase évaluation comprend normalement trois étapes

(dépendant de la complexité du moteur d'inférence): la sélectio~, le
filtra.9,e, et la résolu!,i2n_des_c2nflits.

La sélection (ou restriction) détermine par l'état présent de la base

des fai ts et la base des règles (dans le cas d "un retour-arrière du
moteur: par un état passé) un sous-ensemble de la base des faits et
un sous-ensemble de la base des règles qui méritent dt être comparés
lors de l'étape du filtrage. Une méthode courante consiste à
répartir les faits et les règles en classes particulières en exploi-
tant des connaissances particulières du domaine d'application.

Comme les systèmes, en général, sont devenus de plus en plus impor-

tants et de plus en plus complexes, les questions d' efficaci té ont
nécessi té l'élaboration de structures sur la base des règles et sur
la base des faits. Par exemple, pour permettre une accessibilité
plus rapide aux règles qui sont applicables dans une situation
donnée, sans avoir à vérifier si toutes les règles sont déclen-
chables, une façon de faire est d'indexer les règles ou les parti-
tionner correspondant à des conditions qui les déclencheront. Une
autre façon peut alors consister à privilégier les faits à établir
 54.

par rapport aux autres ou même le fait à établir (le problème, le

but) le plus récemment apparu par rapport au plus ancien (stratégie
en profondeur d'abord).

Leur moteur d'inférence à l'étape du filtrage (pattern-matching)

compare les règles et les faits retenus de l'étape sélection. Une
partie de ces règles seront rassemblées parce que les conditions de
déclenchement ont été satisfaites. Les règles seront appelées
"ensemble de conflits".

La résolution des conflits en pratique est le cas d'une situation où

l'ensemble de conflits est d'un ensemble à plus d'un élément c'est-
à-dire le cas où plus d'une règle est déclenchable dans un même
cycle. C'est une situation typique des systèmes avec un très grand
nombre de règles. Le moteur doi t alors choisir une règle parm~ cet
ensemble. La phase de résolution des conflits est celle où on a
apporté toute une attention comme par exemple, le contrôle de
l' instabili té, l'établissement de l'ordre des actions, l' interrup-
tion. Plusieurs approches différentes peuvent être essayées, comme
par exemple:

- la première qui est filtrée, ou la première est définie en termes

d'ordre sur la base des règles;

- la règle la plus priori taire où la priori té est définie par le

programmeur correspondant aux caractéristiques de la demande de la
tâche à accomplir;

la règle la plus spécifique, qui est celle dont la partie condition

(la partie déclencheur) détaille le mieux la base des faits;

une nouvelle règle qui vient d'être déclenchée, et qui n'était pas
apparue précédemment;

- par un ordre tout simplement arbitraire;

 55.

- par l'exploration de toutes les règles applicables en parallèle;

- la règle se référant à l'élément le plus récent ajouté à la base

des faits;

- la règle qui est jugée de par sa forme, la moins complexe;

- la règle qui semble d'emploi la moins coûteuse;

- ou une combinaison des approches précédentes.

5.2.3 La phase exécution

Dans cette phase du cycle de base, le moteur d'inférence commande la

mise en oeuvre des actions définies par les règles résultant de la
phase évaluation. les stratégies de mise en oeuvre peuvent être très
différentes d'un moteur à l'autre.

lorsque l'ensemble des règles est vide certains moteurs très simples
s'arrêtent; on dit que ces moteurs ont un "ré.9,i,!!!e_de ~ont!.ôle_i!,r!v~­

~able". Par contre, on parle d'un moteur à "ré.9,i.!!!.e_de ~ontrôleyar

tentati ve" lorsqu'il Y a remplacement de déclenchements de règles

p~r d'autres. Pour signifier qu'un moteur revient sur une résolution
de conflits antérieurs en remettant en cause des déclenchements de
règles on dit qu'il opère un "reto.!;!.r.:.a!,rière" backstrack). En résumé
un .retour en arrière s'opère lorsqu'une impasse est rencontrée au
cycle n, un retour-arrière est réalisé au cycle n+l par un retour au
contexte du cycle n-l, cependant l'ensemble des règles résultant de
la résolution des confli ts au cycle n-l est automatiquement écartée
de l'ensemble de confli ts du cycle n+l. Ce type de retour-arrière
est appelé "re!..o.!;!.r.:.a!.rière_chr2.n~logiq~e"; d'autres types de retour-
arrière déterminent différemment le contexte de retour.
 56.

5.J AVANTAGES ET DrSAVANTAGES DES SYSTËHES EXPERTS

les systèmes experts ont le plus souvent été utilisés pour repré-
senter la conna~ssance des experts à savoir comment un expert exécute
une tâche particulière, comme par exemple, la compréhension du
langage parlé, le diagnostic médical, l'exploration minière, ••• En
psychologie aussi, les systèmes experts sont des outils très popu-
laires pour la modélisation du comportement humain, sans doute par le
caractère stimuli-réponse des règles.

Des attributs importants des systèmes experts sont la ".!!!.odu,!,a!.i!.é" et

la ",9.r,!nul,!r.,!.t~" • les règles de la base de connaissances peuvent
être ajoutées, modifiées et changées d'une façon indépendante. le
changement d'une règle peut être exécuté sans qu'on soit dérangé par
des effets directs sur les autres règles (toutefois, ce changement
peut avoir un impact sur la performance du système) puisque les
règles communiquent seulement par le moyen de la base des faits (ne
communiquent pas directement entre elles). Une règle n'est déclen-
chée que lorsque certains aspects sont reconnus par le moteur. la
modularité relative est une qualité importante lorsque l'on construit
des systèmes avec une base de connaissances très élaborée. Elle rend
plus facile la création de la base. Cependant la modularité est plus
difficile à maintenir lorsque les systèmes sont dé plus en plus
complexes. Dans ceux-ci même si la modularité peut être conservée,
le manque d'interaction entre les règles conduit à une inefficacité
qui peut devenir un problème important.

Un autre attribut est l' "uni formi té" lors de la construction des
règles de la base de connaissances. Puisque toute l'information doit
être codée suivant une structure rigide, la compréhension des règles
est plus facile. Il devient facile de mettre au point et de réviser
la base de connaissances.

Pour certains cas de petits changements de la connaissance factuelle

peuvent influencer rapidement le comportement global du système.
Dans ces cas on parle de "se.!:!.sibillt~" ou de ".E.éac.y~i!é" du système.
 57.

L'étape du filtrage du cycle de base est une opération ~ priori

coûteuse en temps. Cependant des améliorations peuvent être recher-
chées tant au niveau de l'organisation des données mémorisées dans la
base factuelle qu'au niveau de l'implémentation des mécanismes de
fil trage.

La redistribution continuelle du contrôle pose un problème plus

fondamental et difficile: celui de la résolution des conflits. En
rédigeant la partie déclencheur des règles l'expert exprime les
circonstances relatives à la base factuelle, qui justifient ou
interdisent que telle règle déjà retenue par la sélection, soit
intégrée à l'ensemble de conflits soumis ensuite à la résolution des
conflits. L'algorithme de résolution des conflits choisit une règle
parmi celle qui sont dans l'ensemble des confli ts, qui obtiendra le
contrôle. Le plus souvent, il s'agit d'un algorithme purement
intrinsèque au moteur, c'est-à-dire indépendant de l'application.
Dans certains systèmes, l'utilisateur dispose de primitives (quelque-
fois impliquées dans des règles spéciales appelées "Métarègles") pour
. -------
intervenir explicitement sur l'algorithme de résolution des conflits
ou sur l' algori thme de sélection qui ne sont alors que des algo-
rithmes "par défaut".

5.4~ACTtRES DE DIfFERENCIATION ENTRE SYSTtMES EXPERTS

Les systèmes experts se' différencient les uns des autres plus ou
moins profondément, soi t d'un point de vue externe: selon le type
de langage qu'ils proposent pour capturer la connaissance expert,
soi t d'un point de vue interne: selon les particularités et les
modes de fonctionnement des moteurs d'inférences.

5.4.1 Différenciation selon les aptitudes du langage

Au-delà de la simple distinction, traditionnellement mise en avant,

entre faits et règles, les langages associés aux systèmes experts
 58.

proposent fréquemment et parfois imposent d'autres classes de

connaissances.

Fai ts: dans certains systèmes on peut distinguer des catégories de

faits, chacune dotée de moyens de manipulations spécifiques.

Rè~l~s: les déclencheurs jouent un rôle essentiel pour permettre la

"rédaction associative" des règles et d'en faciliter un style de
"programmation déclarative".

Chaque système respecte un modèle de compatibilité entre les faits et

les éléments appelés "filtres", qui composent les déclencheurs. Les
modèles de compatibilité utilisés peuvent être:

- l'identitité,
- la semi-unification,
- l'unification.

Cependant sans être limité à ces modèles de compatibilité certains

systèmes peuvent offrir une gamme d'opérateurs de filtrage, de
fonction de filtrage de règles spécifiques au filtrage.

Un modèle de compatibilité qui est l' identi té est un filtre qui ne

peut être compatible qu'avec une expression de faits parfaitement
identique, ou une expression de faits faisant intervenir des mots
déclarés comme synonymes des mots présents dans le filtre et des mots
déclarés comme non significatifs. Par exemple le filtre "CIEL BLEU"
est compatible avec le fait "LE CIEL AZUR" si AZUR est synonyme de
BLEU et LE est un mot non significatif.

Dans la plupart des moteurs d'inférences le modèle de compatibilité

est la semi-unification (c'est-à-dire un cas particulier de l'unifi-
cation utilisée en logique des prédicats). Les règles mais non les
faits peuvent comporter des variables. Par exemple le filtre CIEL
(COULEUR) est compatible avec le fait CIEL (BLEU). L'identificateur
 59.

de variable COULEUR est compatible avec n'importe quel identificateur

de constante, qui est BLEU dans ce cas-ci; ou plus généralement avec
n'importe quelle exprèssion sans variable.

En Prolog, le mode de compatibilité est l'unification plénière, des

variables qui sont admises aussi bien dans les faits que dans les
règles. Par exemple un filtre "P (x, f(y), y(a»;" est compatible
avec un fait tel que: "P (h(u), v, g(n»"; ob "u", "v", "n" sont des
variables.

Dans certains systèmes la compatibili té entre le déclencheur et la

base des faits n'est pas réduite à la compatibilité ob l'incompatibi-
lité absolue, mais plutôt vers un degré de compatibilité.

On peut définir les effets de déclenchements de règles comme des

transformations de la base des faits. Certains auteurs trouvent plus
approprié de distinguer trois sortes d'effets, en faisant un paral-
lèle avec les trois classes d'instructions de base des . langages de
programmation:

- instructions de traitement: les langages proposent ou possèdent

intrinsèquement des primitives pour élaborer et . insérer dans la
base des faits de nouveaux faits, voire même pour supprimer
certains faits de cette base. Parfois des primitives sont
présentes et permettent de modifier la base des règles. Il est
usuel de classer toute règle capable de modifier l'état de la base
des règles dans la catégorie des "métarègles";

- instructions d'entrée-sortie: certains langages proposent des

primi ti ves pour expédier des messages, consul ter l'environnement:
soit l'utilisateur, soit les capteurs, etc., ou plus généralement
lancer des procédures externes au moteur d'inférence et à la base
des connaissances;
 60.

- instructions de contrôle: certains langages disposent de primiti-

ves qui agissent directement sur le comportement du moteur
d'inférence.

Oblets_a!!.s!:.rti~n!!.els/0.E..éraloir!:.s: dans certains systèmes on offre

des possibilités è l'utilisateur de structures les connaissances
(faits, règles, procédures) en classes significatives du domaine
d'application. Dans d'autres on offre des variantes plus ou moins
complexes telles Que les iram~s (cadres, modèles), les oblets, les
!!.c~i.E..t~, les .E..rototrPes. Une structure simple et courante combine en
une seule entité un nombre variable de triplet de la forme "identifi-
cateur-propriété-valeur" ou "Objet-Attribut-Valeur" (O-A-V). Les
valeurs de propriétés peuvent être de natures diverses: constantes,
messages, procédures à activer, etc.

Dans certains systèmes pour le spécialiser dans un domaine on doi t

fournir de telles classes, c'est-à-dire déterminer les objets, les·
propriétés et les valeurs afférentes au domaine. Certains O-A-V
peuvent être élaborés en cours d' exploi tation du système: pour des
cas particuliers objets plus généraux.

~r~cédur~s: ce sont des connaissances opératoires que les experts

ont jugé naturel de désigner explicitement et non par rédaction
associative. Les procédures sont appelées par leurs noms et non par
leurs conditions d'application. Si on sait pertinemment que telle
connaissance, préciséMent déterminée et assurément présente dans le
système, doit être invoquée sans possibilité d'alternative, alors la
rédaction associative n'a effectivement pas lieu d'être.

Certains langages permettent l'introduction des appels de procédures

dans les règles et les métarègles (dans la partie corps, ou la partie 0

déclencheur; en partie· déclencheur ce sont des procédures mises en

oeuvre au cours du fi 1trage) • Comme on l'a vu précédemment les
procédures peuvent être utilisées dans les O-A-V. Cette technique,
d'attacher des procédures O-A-V, est appelée "attachement pro-
cédural".
 61.

Démons: ce sont des connaissances opératoires généralement écrites

en rédaction associative; mais ne sont pas assujetties aux mêmes
cycles de base. Celles-ci sont exploitées dès que surviennent
certains changements de la base des faits, et plus rarement la base
des règles; tels que ajouts, retraits, consultations, etc. L'usage
des démons tend à accroître la réactivité des systèmes experts.
L'utilisateur contrôle les démons par des directions spécialisées
dans le corps des règles. On dit qu'on ~ ou désarme un démon.
Lorsque se produit un changement d'un type auquel on a associé un
démon celui-ci s'il est armé exécute un travail de type spécifié à
l'avance.

l'usage de variables permet de condenser

plusieurs expressions de connaissances en une seule. On dit qu'on
factorise les connaissances. Les moteurs sont parfois qualifiés de
"moteurs 1" ou "moteurs 0" selon qu'ils admettent un langage avec
variable ou non. Parmi les langages, PRO LOG (qui est un moteur
d'inférence) est l'un des plus original. Il permet l'utilisation de
variables aussi bien dans les règles que dans les faits. Toutes les
variables présentes dans PROLOG sont quantifiées universellement.
Par exemple une expression de la forme A(u) _ B(u), C(u) est une
règle interprétable comme "quel que soit x pour établir A(u) il
suffit d'établir B(u) et C(u).

CaE,aE.i té_d!:. !,eE,rés!:.n!.e!, de~ E.0!!,n~i~s!!.nE.e~ inE.ertai!!,e!!. ~t_impréci!!.e~:

dans beaucoup de domaines où l'on se préoccupe de déve lopper des
systèmes experts, les connaissances (règles, faits) traitées ou
inférées sont incertaines ou imprécises. Un fait est incertain s'il
contient une assertion dont on ne peut affirmer qu'elle est vraie ou
qu'elle est fausse bien qu'elle doive effectivement avoir l'une ou
l'autre valeur de vérité; une règle est incertaine lorsqu'elle
produit des conclusions incertaines même à partir de prémisses
certains. Un fait est imprécis s'il implique des objets incomplète-
ment identifiés; une règle est imprécise si elle contient des faits
imprécis en prémisses et en conclusion.
 62.

Il faut noter qu'à côté de la théorie des probabilités qui sert dans
certains systèmes comme modèle de l' incerti tude et de l'imprécision
on dispose d'autres modèles plus ou moins empiriques tels que la
théorie des possibilités elles-m~mes issues de la théorie des sous-
ensembles flous. Celle-ci donne à chaque individu d'un ensemble un
degré d'appartenance de l'individu à cet ensemble.

En prAtique, le langage d'un système expert traitant l'incertitude et

l'imprécision inhérentes aux faits ou règles, doit prévoir des
conventions et primitives pour que l'utilisateur puisse affecter aux
connaissances qu'il transmet un degré d' incerti tude ou un domaine
d'imprécision. Par exemple dans certains systèmes experts (comme
MYCIN) le "coefficient d'atténuation" d'une règle de la forme "P
implique Q" représente la certitude que "Q est vrai" lorsque "P est
vrai" • Dans PROSPECT OR on a introdui t le "facteur de suffisance" et
le "facteur de nécessi té". Le facteur de suffisance défini à quel
point i l suffit que "P est vrai" soi t certain pour que "Q est vrai"
soit certain, tandis que le facteur de nécessité défini à quel point
il est nécessaire que "P est vrai" soit certain pour que "Q est vrai"
soit certain.

5.4.2 Différenciations selon les aptitudes du .ateur d'inférences

5.4.2.1 les .odes fondamentaux de raisonnement

Les recherches sur le raisonnement ont permis de découvrir chez les

humains deux modes fondamentalement différents de raisonnement.
Parfois on travaille avec l'information disponible la prenant comme
elle vient, et essayant de tirer des conclusions qui sont appropriées
à nos buts. Dans l'autre cas nous travaillons en commençant par le
but, (ou hypothèse, ou problème à résoudre) et regardant pour les
évidences qui appuient notre hypothèse. On qualifie respectivement
ces modes de raisonnement "raisonnement avant" et "raisonnement
 63.

arrière". En recherche sur les systèmes experts, par similitude, on

qualifie les modes d'invocation des règles de "chai.!:!.a~e_a~a.!:!.t" et de
"chai.!:!.a~e_a!.riè!.e".

he_chaînage !!.v~!.: un moteur d'inférences fonctionne en "chaînage

avant" (forward chaining) pur lorsque les faits de la base des faits,
sur lesquels partent les déclencheurs des règles, représentent des
informations dont la valeur de vérité est déjà établie. Les règles
sont alors di tes "règle-en-avant" (forward rules). Couramment, il
est convenu que les déclencheurs sont leurs membres gauches.

Le__chafn!!.ge ~r!.ièr~: un moteur d'inférences fonctionne en chaînage

arrière pur (backward chaining) lorsque:

- certains faits de la base des faits sont considérés comme étant à

établir ou évaluer; on les appelle problèmes, ou hypothèses, ou
buts;

- les déclencheurs des règles se réfèrent uniquement aux problèmes en

suspens;

- lorsqu'une règle est déclenchée, de nouveaux problèmes, définis par

le corps de la règle, peuvent être introdui ts dans la base des
faits, et sont considérés comme de nouveaux problèmes à résoudre;

- les problèmes auxquels réfère le déclencheur sont considérés comme

résolus lorsque les problèmes introduits par le déclenchement de la
règle, soit qu'ils s'avèrent être des problèmes déclarés ~ priori
comme "primitifs" (des problèmes considérés comme résolus), soit
qu'ils ont été résolus au préalable.

Les règles sont dites "!.è~l~s.::.e.!!.-.~.r!.i!r~" (backward rules) si

l'exécution de l'inférence (tirer la conclusion) n'est éventuellement
réalisée qu'après le déclenchement.
 64.

certains systèmes
fonctionnent en "chaînage mixte": une partie des faits de la base
des faits sont considérés comme étant à établir, d'autres sont
considérés comme établis; les conditions des règles peuvent porter
simultanément sur des faits de l'une ou l'autre sorte.

Pour les systèmes qui invoquent, pour un même problème, à un instant

donné des règles-en-avant, et d'autres moments des règles-en-arrière,
on parlera de chaînage bidirectionnel.

Dans certains cas on a alternance entre un cycle en chaînage avant et

un cycle en chaînage arrière.

5.4.2.2 Les modes d'inférences

Le Modu~Eo~e~s: le Modus ponens peut être exprimé d'un point de vue

pratique par si "P implique Q" est vrai et si P est vrai alors 0 est
vrai. Le chaînage avant correspond étroitement à ce mode dl infé-
rence.

La ~écia.!..i~a!.i~_u~i:!e!.sel.!..e: la spécialisation universelle peut

s'exprimer ainsi: si "P(x) implique Q(x)" est vrai quel que soit x,
alors tlP(o) implique QCo)" est vrai. Certains systèmes autorisent
dés variables quantifiées ~niversellement dans les règles seulement.
Dans ce cas le mécanisme de base du chaînage avant s'appuie sur
l'existence d'une règle dont le déclencheur est de la forme P(x) et
le corps de la forme Q(x) où x est une variable, et sur l'existence
d'un fait établi PCo) pour introduire Q(o) dans la base des faits
établis. Il s'agit d'une combinaison du "t1odus ponens" et de la
"spécialisation universelle": si "PCx) implique Q(x) est vrai,
pour tout x alors "P(o) implique Q(o)" est vrai, si P(o) est vrai,
alors Q(o) est vrai.
 65.

Les systèmes qui fonctionnent par chaînage arrière, admettant des

variables dans les règles utilisent la spécialisation universelle
pour invoquer une règle dont le déclencheur est de la forme Q(x)
(dont le corps est P(x», lorsqu'il existe un problème Q(o). Dès
qu'un problème P(o), antérieurement introduit par chaînage arrière
via une règle R (dont P(o) est le corps, et Q(o) le déclencheur), est
reconnu résolu on peut appliquer la spécialisation et le Modus ponens
pour conclure que Q(o) est résolu.

he-p~i~clP~ de_résol~tio~: ce mode intègre et généralise la spécia-

lisation universelle, le Modus ponens, et le Modus tollens. PROLOG
qui admet des variables aussi bien dans les règles que dans les
fai ts, utilise le principe de résolution. Par exemple si nous
considérons la règle "peu, f(s), feu»~ implique Q(b, g(u), u)", et le
problème Q(y, g(b), cl. En PROLOG ils seraient représentés par:
Q(b, g(u), u) ..... P(u, f(s), f(u»; >Q(y, g(b), c).*

L'application du principe de résolution permet d'inférer le problème

>P(b, f(a), f(c»;.

Ex.!..e~slo~ du_Modus'yon~n~ ~t_de la_s'p'éE.ialisatlo~ ~niv~r~e.!.l~: dans

les systèmes experts traitant l'information imprécise ou incertaine
le Modus ponens et la spécialisation universelle font l'objet
d'extension. Par exemple dans un système, manipulant des faits et
r~gles incertains, si on une règle "P implique Q" qui n'est certaine
qu'à un degré Il, et si P n'est certain qu'à un degré 12 alors par
Modus ponens extensionné Q ne sera certain qu'à un degré 11*12.

On pourrait aussi avoir que "P implique Q" est certain mais que Pest
imprécis, alors d'un fait Po proche de P on pourra inférer un fait Qo
proche de Q.

Dans les systèmes experts traitant des connaissances incertaines ou

imprécises, le processus d'inférence ne peut se limiter à la mise en
oeuvre de chaque règle, isolément des résultats antérieurs. On doit

* Syntaxe de Prolog II.

 66.

faire appel à d'autres modes d'inférence pour agréger les résultats

partiels issus de l'exploitation de règles expertes. Par exemple
(comme dans MYCIN) si l'une des règles affecte à F un degré de
certitude Il, et une autre un degré de certitude 12' alors F sera
affecté du degré de certitude 11+12-11*12.

De plus il est nécessaire dans ces systèmes d'assouplir le modèle de

compatibili té entre déclencheurs et faits. Il est naturel de tenir
compte dans l'étape de résolution des confli ts de la plus ou moins
grande compatibilité entre règles et faits. Si la règle est déclen-
chée, il faut tenir compte dans l'ajustement de la conclusion du
degré de compatibilité qui a conditionné le déclenchement.

Aux modes d'invocation des 'règles on superpose une stratégie de

développement de la recherche. Ces stratégies sont soit un dévelop-
pement "en profondeur d'abord", soit "en largeur d'abord".

La stratégie de développement de la recherche joue un rôle-clé dans

la définition de l'étape restriction des moteurs d'inférence. En
chaînage arrière seuls les faits à établir sont à comparer aux règles
lors de l'étape de filtrage, c'est-à-dire que l'ensemble des faits
issus de l'étape de restriction est réduit aux seuls faits à
établir. Si en outre on suit une stratégie de développement en
profondeur l'ensemble des fai ts à établir sera réduit aux faits à
établir issus du dernier déclenchement de règle. De plus, si on
considère les faits à établir, issus du dernier déclenchement,
strictement dans l'ordre où ils sont écrits dans la règle, l'ensemble
des faits à établir est réduit à un singleton: le premier fait à
établir issu du dernier déclenchement de la règle.

De plus, la recherche en profondeur d'abord induit un type particu-

lier de résolution des conflits: l'ensemble des conflits de l'étape
 67.

filtrage n'est pas explici tement formée; on déclenche la première

règle retenue de l'étape du filtrage, elle-même issue de l'étape
restriction qui dépend de la stratégie de développement de la recher-
che. Eventuellement celle-ci peut engendrer un retour-arrière donc
la recherche d'une autre règle déclenchable. . Dans certains cas on
forme l'ensemble des conflits, et on choisit arbitrairement la
première règle à déclencher, et la suivante dans le cas d'un retour-
arrière.

Dans certains systèmes on utilise une fonction heuristique intrin-

sèque au moteur attachant une valeur au déclenchement de chaque
règle. Dans d'autres systèmes, on fait usage de "méta règles" pour
résoudre l'ensemble de conflits; celles-ci doivent être définies par
l'usager.

finalement, disons qu'une stratégie peut être à la fois en profondeur

ou en largeur et irrévocable (irrévocable: les règles choisies lors
de la résolution des conflits ne sont jamais remises en cause). Une
stratégie peut être en profondeur ou en largeur et par tentatives.
les stratégies par tentatives peuvent essayer l'application d'une
règle ou d' un ensemble de règles puis éventuellement remettre en
cause, ultérieurement, cette application. On dit alors qu'on opère
un retour-arrière. Certains moteurs disposent de primitives utili-
s~bles dans le corps des règles pour commander des retours-arrières
(PROlOG, ARGOS). Généralement les moteurs à régime par tentatives
peuvent fonctionner en régime irrévocable.

Enfin disons que le développement en profondeur est plus souvent

utilisé parce que plus facile à programmer.

5.4.2.4 Monotonie et non-monotonie

D'une manière pratique on dit qu'un système est monotone à partir de

faits et règles, par application des modes d' inférence autorisés on
 68.

infère de nouvelles connaissances (faits ou règles) qu'on adjoint aux

précédentes, sans qu'il n'y ait lieu d'en éliminer. En d'autres mots
lorsque la valeur de vérité d'une connaissance a été établie une
fois, elle ne change plus. Les systèmes de diagnostic construits
jusqu'à présent sont le plus souvent monotones.

Néanmoins de nombreux systèmes fonctionnent d'une façon non mono-

tone. Ces systèmes ont, le plus souvent, un langage qui offre des
primitives qui permettent de supprimer, ou inhiber provisoirement des
connaissances. Les situations rencontrées sont de types suivants:

les situations de diagnostic interactif qui peuvent conduire à

modifier la valeur de vérité d'un fait;
- les situations ou l'on essaie plusieurs lignes de raisonnement en
échafaudant des hypothèses;
- les situations où l'on exploite des règles expertes simplement
plausibles dites "règle par défaut".

5.~.2.5 Structuration de la base des connaissances

L'étape du filtrage a pour but de déterminer l'ensemble de conflits.

Dans le but de diminuer la part du temps d' exécut ion du programme
lors du filtrage, certains langages offrent des techniques permettant
de limiter le nombre de règles et faits à examiner.

Dans ARGOS la base des faits est structurellement partitionnée en une

"base des problèmes" et une "base de faits étàblis". En outre à
chaque règle est associé un indicateur signifiant que la règle est
"active" ou "inhibée", seules les règles actives sont sujettes au
filtrage. Le passage d'une règle de l'état actif ou inhibé peut être
commandé par des primitives du langage de rédaction des connaissances
expertes.
 69.

Dans CENT AUR on parti tionne les règles. On distingue les classes
suivantes: les "règles de déclenchement", les "règles d'inférences",
les "règles d'affinement", et les "règles de synthèse".

Dans SPHINX on distingue: les "règles d'évocation", les "règles de

connaissances diagnostiques ou thérapeutiques", les "règles d' inter-
prétation d'examens", les "règles de résolution de conflits".

Le moteur de "MYCIN" peut faire correspondre à chaque fait à établir

l'ensemble des règles susceptibles dt être déclenchées pour apporter
un élément d'information le concernant.

Il existe des méthodes plus sophistiquées que celles énumérées précé-

demment, qui str'Jcturent la base de connaissances. Les méthodes
sont:

- la méthode des filtres,

- la méthode des réseaux,
- la méthode implantée dans PSC.

Ces méthodes très brièvement reposent sur l'hypothèse suivante: dans

beaucoup de cas, les modifications de la base des règles sont très
peu nombreuses par rapport au nombre de cycle de base des moteurs;
entre deux de ces modifications, il peut alors être intéressant
d'effectuer un prétraitement des règles. Ce prétraitement consiste
en des tests qui déterminent les règles déclenchables, pour ensui te
regrouper les règles dont les tests sont communs. Chaque fait de la
base originelle a été utilisé aux tests du réseau. Les instances
complètes sont susceptibles de former l'ensemble de conflits. Ce
processus est répété à chaque règle en tenant compte des modi fica-
tions sur la base des faits. Ces dernières méthodes cependant
risquent de compenser le gain en temps de filtrage par une consomma-
tion prohibitive de l'espace-mémoire.
 70.

5.5 EXEMPLE DE FONCTIONNEMENT D'UN MINI-SYSTtHE EXPERT

Consid~rons la base de connaissances de la figure 5.5.1. La base des

faits comporte quatre faits: trois faits sont établis, et un fait
reste à établir. On suppose qu'il n'existe pas dans la base des
faits un fait établi C, en même temps qu'un fait à établir C. De
plus, on suppose que dans une règle, les conditions de déclenchement
sont à gauche, et les effets sur la base des faits sont à droite.

On considère un moteur d'inférence ayant un cycle de base avec les

caractéristiques suivantes:

Phase d'évaluation
--~------

1- rtape de restriction: aucune restriction ne sera opérée c' est-

à-dire qu'au premier cycle les faits et les règles utilisés
seront respectivement ceux de la base des faits et de la base des
règles. Pour les cycles suivants les faits et les règles seront
respecti vement issus de la base des fai ts et de la base des
règles du cycle antérieur.

2- r tape de fil trage: les condi tions de déclenchement sont sa tis-

faites dès que les symboles présents dans le membre gauche de la
règle est présent dans la base des faits.

3- rtape de résolution de conflits: les règles qui sont applicables

après l'étape de filtrage constituent l'ensemble de conflits, on
convient que l'ordre des règles dans l'ensemble de conflits
seront soumises au même ordre que les règles dans la base des
règles; la première règle de l'ensemble de conflits sera systéma-
tiquement choisie pour le contrôle.

Phase exécution

La phase exécution consistera à introduire dans la base des faits les

symboles figurant dans le membre droit de la règle (la règle issue de
 71.

H Base des faits: 3 faits établis, l fait à établir,

B C est un fait établi,
C ë reste un fait à établir.
D

1- D Q, V
2- F, G B, R, M
3- P, R Q, Z, D
4- X, A P, H
5- M B, H, X Base des règles
6- D, B H, V
7- y- C, M, R
B- H Q ë, Z
9- -'
X P, H
10- D, F A
11- M, Q F, X, B

ncmE 5.5.1

BASE DES CONNAISSANCES DU HINI-SYSTtHE EXPERT

la résolution de conflits), et à éliminer de la base des faits les

sjmboles représentatifs des faits à établir. Plus précisément on a:

- si le membre droit comporte un symbole 5 ou 5 alors que 5 est déjà

présent dans la base des faits, dans ce cas on n'ajoute rien dans
la base des faits;

si le membre droi t comporte un symbole 5 alors que 5 est déjà

présent dans la base des faits, dans ce cas on ne rajoute rien dans
la base des faits;
 72.

- si le membre droit comporte un symbole S alors que S est présent

dans la base des faits alors on ajoute S, et on élimine S.

Retour-,rrière

Le moteur adoptera une stratégie de retour-arrière tant que la base

des faits comportera des faits à établir. Si au cycle n' l'ensemble
de cor.fli ts est vide alors au cycle n+1 on affectera la base des
fai ts et la base des règles du dernier cycle antérieur ayant donné
lieu à l'exécution d'une règle.

Arrêt du moteur

Le moteur s'arrêtera si la base des faits ne comporte que des faits

établis.

On donne à la figure 5.5.2 sous forme d'un graphe l'enchaînement des

cycles du moteur à partir de la base des faits et la base des règles
telles que données en figure 5.5.1.

1er cycle: - les règles 1 et 6 sont applicables;

- la base des faits devient H, B, C, 0 en appliquant la
règle 1;
- après application de la règle l, l'ensemble de conflits
de ce cycle est la règle 6.

2 e cycle: - les règles 7 et 8 sont applicables;

- la base des faits devient H, B, C, Q, y en appliquant
la règle 7;
- après application de la règle 7, l'ensemble de conflits
de ce cycle est la règle 8.
 73.

BASE DES FAITS ENSEMBLE DE CONFLITS

'Fi, B, C, D

règle l cycle l

'Fi, B, C, Q, V ~, g

règle 7 cycle 2

"Fi, B, C, Q, M, R
règle 5 cycle 3

"Fi, B, C, Q, X, R E, g

règle 8 cycle 4 règle 9

B, C, X, R, Z 'Fi, B, C, Q, P, R
règle 9 cycle 5 règle 8 cycle 9

B, C, P, "Fi, R, Z B, C, Z, P, R
(le moteur s'arrête)
l'ensemble
de con- cycle 6
fH ts est.
vide
re'tour-
arrière au cycle 7
début du (ensemble de conflits vide)
5e cycle
retour-
arrière au cycle 8
début du
4 e cycle
-----------------~

FIGURE 5.5.2
ENCHAINEHENT DES CYCLES DU MOTEUR
DU MINI-SYSTEME EXPERT
 74.

5e cycle: - la règle 9 est applicable;

- la base des faits devient B, C, P, H, R, Z;
- après application de la règle 9, l'ensemble de conflits
de ce-cycle est vide.

6e cy..!le: - aucune règle est applicable, alors on a un retour-

arrière au cycle suivant.

7e cycle: - on retrouve la base des faits du début du plus récent

cycle ayant donné lieu à une pha~e exécution;
- la base des faits devient B, C, X, R, Z;
- l'ensemble de conflits de ce cycle est vide alors
nouveau retour-arrière au cycle suivant.

Be cycle: - on restaure la base des faits du début du cycle

antérieur au cycle 5;
- la base des faits devient H, B, C, Q, X, R;
- l'ensemble de conflits est la règle 9;
- on applique la règle 9;
- la base devient H, B, C, Q, P, R;
- l'ensemble de conflits devient vide.

ge cycle: - la règle B est applicable;

- la base des faits devient B, C, Z, P, R;
- il ne reste plus de fait à établir;
- le moteur s'arrête.

Le moteur que nous venons de décrire utilise un chaînage mixte; il se

sert de faits établis et de faits à établir pour provoquer l'enchai-
nement des règles.
 75.

6.0 LES AUTRES APPLICATIONS DE L'INTELLIGENCE ARTIFICIELLE

6.1 LA RECONNAISSANCE DE L'(CRITURE

1\ ce jour, de nombreux systèmes de lecture de textes imprimés ou

dactylographiés ont déjà été commercialisés. Mais, ils sont encore
coûteux et ne peuvent trai ter n'importe lequel type de texte sans
préavis, Il faudra prendre en compte de nombreuses connaissances
linguistiques pour progresser notablement. Le but ultime de la
recherche actuellement est de mettre au point des machines capables
de reconnaître le langage écrit et de traiter les informations qu'on
leur fournit sous cette forme. Ces recherches s'inscrivent dans le
cadre général de la vision artificielle et de la reconnaissance des
formes et nous retrouvons un certain nombre de points communs entre
la reconnaissance de caractères imprimés et les systèmes de vision
artificielle des robots.

Les premiers systèmes de reconnaissance de l'écriture, mis au point

dans les années '50, étaient des systèmes de lecture optique. Il
existe aujourd' hui de nombreuses variantes commercialisées de ces
systèmes. De nombreuses administrations et imprimeries utilisent les
lecteurs optiques pour enregistrer et éditer leurs textes dactylogra-
ph}és. Ces systèmes imposent cependant de nombreuses contraintes:
la forme des caractères doit être précise et ne doit pas varier dans
le temps.

La reconnaissance de l' écri ture manuscrite est un problème beaucoup

plus complexe, du fait de son infinie variabilité. La mise au point
de systèmes de reconnaissance nécessite de collecter et d'étudier
très finement de très grosses banques de données contenant des
centaines de milliers de caractères, de façon à déterminer les
paramètres vraiment représentatifs de l'écriture.
 76.

6.1.1 La reconnaissance en temps réel

Comme tout système de vision artificielle, un système de reconnais-

sance de l' écri ture est constitué de capteurs qui enregistrent les
données, lettres, chiffres ou dessins, et d'un ordinateur-qui analyse
et interprète ces données. Dans les systèmes de reconnaissance de
l'écriture en temps réel, les capteurs doivent être capables de
transmettre les données en temps réel à l'ordinateur; on utilise le
plus souvent des tablettes graphiques sensibles sur lesquelles on
écrit à l'aide d'un stylo très spécial. Les mouvements du stylo sont
enregistrés magnétiquement ou électrostatiquement et transmis à
l'ordinateur sous forme d'une succession de points. Les applications
de ces systèmes correspondent aux domaines de la cartographie,
l'enseignement de l' écri ture, dessin assisté par ordinateur, ou bien
à l'authentification des signatures. Après avoir été saisie par les
capteurs, les lettres sont en mémoire de l'ordinateur sous forme de
tableaux de points ou. de vecteurs, ceux-ci subissent un premier
traitement qui est une simplification de chaque caractère destiné à
alléger les calculs dans les étapes ultérieures de la reconnais-
sance. Le système, doit ensuite identifier les caractères qu'il
enregistre en se référant aux caractères qui ont été introduits dans
sa mémoire au cours d'une phase d'apprentissage.

Cette phase d'apprentissage est une étape intermédiaire d'analyse et

de paramétrisation des caractères. Elle consiste en une description
résumée de chaque lettre. C'est une description mathématique sim-
plifiée. Chaque lettre sera par exemple caractérisée par le nombre
et l'orientation des segments de droite, et des arcs de cercle qui
la compare, le nombre et l'emplacement de rebroussement qu'elle
comporte, etc. Le choix de ces paramètres doit être un compromis
entre la qualité de la reconnaissance, et la limitation du temps de
calcul.
 77.

6.1.2 La reconnaissance des caractères d'imprimerie

Le processus d'analyse est assez simple lorsque les caractères sont

imprimés car ils sont normalisés. La technique la plus courante, est
l'utilisation des masques. Le masque est une matrice de points de
petite taille représentant un motif qui peut éventuellement se
trouver dans la lettre; on déplace le masque sur toute la surface de
la lettre où l'on recherche la présence de ce moti f • Ainsi, l'une
des manières d'identifier la lettre A est de balayer la surface de la
lettre à l'aide d'un masque représentant un segment incliné à 45·
vers la droite, qui correspond à la partie gauche du triangle
supérieur de la lettre. Il est également possible d'utiliser une
technique de balayage du caractère par des lignes droites. Le
programme calcule alors le nombre d'intersections entre la droite et
le caractère enregistré, détermine si la concavité des arcs de cercle
est orientée vers la droite ou vers la gauche. D' autres techniques
consistent à analyser la structure globale de la lettre en lui
faisant subir la transformée de Fourier pour en ressortir certains
détails.

6.1.3 La reconnaissance des caractères manUscrits

Dans ce cas, le texte est d' abord segmenté en une série de tracés
continus, segments de droite ou arcs de cercle que l'on appelle
"primi ti ves de base". On caractérise ensui te les relations qui
existent entre ces éléments de base (point de rebroussement, change-
ment de carbure) par une seconde série de primitives. Enfin un
troisième niveau de primitives traduit la position relative et les
relations qui existent entre les différentes parties du tracé.
Finalement, un système de classement des primitives qui classifie
chaque fait (droite, courbe, arc de cercles) en classe de longueur et
en classe de courbure.
 78.

6.1.4 (tape finale du processus de la reconnaissance des caractères d'im-

primerie et manuscrits

L'étape finale du processus de la reconnaissance est l'identification

des caractères. Cette identification est effectuée par comparaison
avec les caractères de référence. Les caractères de référence sont
introduits par une phase préalable d'apprentissage.

Au cours de la phase d'apprentissage, le système détermine les carac-

téristiques des différentes classes de formes qu'il sera amené à
identifier. Il stocke ces caractéristiques en mémoire. Il existe
deux méthodes d'apprentissage: la méthode de type statistique, et la
méthode de type structurel.

Les méthodes de reconnaissance statistique considèrent chaque forme à

reconnaître comme un ensemble de paramètres statistiques. Chaque
paramètre est caractérisé par la position le long d'un axe dans un
espace de mesure qui comporte autant de dimensions que de para-
mètres. Chaque caractère est donc représenté par un point dans cet
espace. Au cours de la phase d'apprentissage le système définit les
régions de l'espace (en termes de distribution de probabilités) qui
correspondent aux différentes représentations possibles d'un même
caractère. Au cours de la phase de reconnaissance le système calcule
les paramètres des caractères qu'il doit identifier, en déduisant la
classe à laquelle le caractère appartient et donc la probabilité
qu'il s'agisse de tel ou tel caractère. En pratique on préfère
diviser l'espace en sous-espaces indépendants correspondant à chacune
des classes de caractères. Ce type de méthode est surtout utilisé
pour la reconnaissance de caractères imprimés ou pour la reconnais-
sance globale de mots manuscrits.

Les méthodes structurelles de reconnaissance de formes s'apparentent

plutôt au processus d'analyse syntaxique d'une phrase. Chaque carac-
tère est considéré comme un assemblage de formes élémentaires ou
 79.

primitives. Au cours de la phase d'apprentissage, le système déter-

mine ces formes élémentaires par segmentation du caractère et se
consti tue ainsi une sorte de grammaire de description des carac-
tères. Au cours de la phase reconnaissance i l se réfère à cette
grammaire pour identifier les caractères inconnus.

Il est possible d'éliminer un certain nombre d'erreurs pour l'identi-

fication des mots en utilisant des informations statistiques sur la
langue considérée: en français par exemple i l est très rare qu'un
mot contienne deux u successifs ou des suites de consonnes telles que
bpcl, ou des consonnes triplées. la chaîne de caractères représen-
tant le mot est reconnu par identification avec un lexique.

6.2 LA RECONNAISSANCE DE LA PAROLE

les applications qui ont déjà vu le jour ou qui sont en cours de

développement, reposent sur des méthodes limitées de reconnaissance,
utilisables seulement dans le cadre de simplification considérable:
vocabulaire réduit et généralement spécialisé, prononciation séparée
des mots, souvent par une seule personne. le langage parlé naturel-
lement présente un certain nombre de caractéristiques qui en rendent
le traitement très complexe.

les caractéristiques sont les suivantes:

- l'absence de silence entre les mots pose le problème de la segmen-

tation d'un fIat continu de mots enchaînés;

- la très grande variabilité que peut présenter un même discours

selon la façon de parler du locuteur;

- le locuteur lui-même (enfant, femme, homme);

- les accents régionaux;

 80.

- les perturbations apportées par l'environnement;

- le fait que la parole résulte d'une combinaison d'informations de

caractères très différents, se situant aux niveaux phonétique,
phonologique, syntaxique, sémantique et pragmatique, multiplie les
critères de décisions;

- l'absence de règles précises permettant de reconnaître sans

ambiguité les informations se situant aux différents niveaux, et
même d'en séparer certains qui sont fortement liés;

la nécessité de faire appel à des connaissances relevant des

domaines très différents (physiologique, psychologique, linguis-
tique, acoustique, informatique, traitement du signal, etc.) et de
trai ter un grand volume de données pour dégager les informations
pertinentes à la reconnaissance de la parole.

Il existe deux approches pour réaliser des systèmes de reconnaissance

de la parole:

- la première fait appel aux hypothèses simplificatrices les plus

importantes; elle consiste à reconnaître globalement des mots
isolés ou enchaînés appartenant à des vocabulaires réduits et
.prononcés par une seule personne;

la seconde permet d'aborder le problème de la reconnaissance de la

parole continue éventuellement par plusieurs locuteurs en procédant
en deux étapes:

- en premier lieu, la reconnaissance des sons élémentaires qui

composent la langue;
- en second lieu, l'exploitation d'informations de niveau supérieur
(les mots possibles, les structures de phrase énonçab les) pour
reconnaître la phrase énoncée en dépit des erreurs commises au
niveau de la reconnaissance des sons.
 81.

La seconde approche a été étudiée dans le cadre d'un projet baptisé

ARPA-SUR finance de 1971-1976 par la DARPA (Defence Advanced Research
Project Agency) organisme du département de la défense aux rtats-
Unis. L'un des cinq laboratoires participants a réalisé les objec.".
tifs du projet (Université Carnegie Mellon de Pittsburgh avec
l'objectif de 1 000 mots différents prononcés par cinq personnes
différentes) avec le système HARPY. Malgré ce succès aucun système
n'est encore commercialisé.

Par contre, les systèmes utilisant la procédure de reconnaissance

globale sont de plus en plus nombreux à être en service dans le
monde.

Quelle que soit l'approche, le processus de reconnaissance de la

parole commence par une analyse du signal vocal, préalablement
convertit en signal électrique. le signal varie en fonction du
temps. Ce dernier est convertit en signal numérique du temps c'est-
à-dire qu'une sui te de nombres mesurant l' ampl i tude du signal à des
intervalles de temps rapprochées (1/10 000 de seconde). Ce signal
digi talisé est dans certains systèmes directement utilisé par le
dispositif de reconnaissance. le plus souvent le signal est repré-
senté sous une forme spectrale obtenue en mesurant le signal pendant
des intervalles de temps plus l~rges (10 millisecondes), les éléments
des différentes fréquences, et leur amplitude. On utilise la trans-
formée de Fourier du signal numérique pour la représentation
spectrale. Cette paramétrisation permet de réduire considérablement
le flux d'information représenté par le signal vocal, et d'éliminer
les redondances présentes dans celui-ci.

6.2.1 l'approche de la reconnaissance globale

les systèmes de reconnaissance globale sont caractérisés par le fait

qu'une phase d'apprentissage est requise. Pendant cette phase,
 82.

l'utilisateur prononce les mots de son application. Pour chaque mot,

une analyse acoustique (paramétrisation acoustique) est effectuée, et
les résultats sont stockés en mémoire.

Lors de la phase de reconnaissance, pour chaque mot prononcé par

l'utilisateur, le système effectue la même analyse que précédemment.
Les paramètres des mots sont comparés à tous les paramètres des mots
de référence. Le mot le plus ressemblant est alors affiché. Par
"programmation dynamique" on détermine la façon optimale de mettre en
correspondance les deux mots à comparer.

Les avantages de la reconnaissance globale sont:

excellente capacité de reconnaissance;

- son indépendance vis-à-vis des particularités de la langue à
reconnaître.

Les inconvénients:

- son vocabulaire est encore limité à cause de la mémoire nécessaire

pour stocker les caractéristiques des mots de référence;
- le temps de calcul demandé par le processus de reconnaissance;
- la prononciation en mots séparés est peu naturelle, et le système
ne peut être utilisé que par un seul locuteur.

6.2.2 l'approche de la reconnaissance analytique

Les systèmes de reconnaissance analytique se distinguent d'abord des

systèmes globaux par un décodage acoustique du signal vocal beaucoup
plus élaboré, comprenant quatre phases et réalisé par un module
acoustique:

lere phase: l'analyse acoustique qui fournit une paramétrisation

numérique de la phrase prononcée constitue la première
phase (paramétrisation par transformée de Fourier).
 B3.

2e phase: la segmentation qui vise à décomposer le signal en une

suite de sons élémentaires différents (plusieurs métho-
des peuvent être utilisées mais il s'agit généralement
de détecter les zones de stabilité (phonèmes) et d'ins-
tabilité (transition entre phonèmes)).

3e phase: l'extraction des "indices pertinents" c'est-à-dire la

sélection des caractéristiques qui serviront à la recon-
naissance des différents segments détectés. Dans les
cas les plus courants il s'agit d'une description
condensée du spectre (pour chaque type de segment il
s'agit d'identifier les caractéristiques des paramètres
de la transformée de Fourier du signal) et ce aux
instants de stabilité, ou bien aux instants d'insta-
bilité.

4e phase: (en parallèle avec la 3e phase) l'extraction des infor-

mations "prosodiques" c'est-à-dire l'information ayant
trai t à des particulari tés de la prononciation. Ces
informations sont de trois types:

la variation de la fréquence fondamentale de la voix,

- l'intensité,
- son rythme (durée de syllabes).

Ces données sont transmises à un module prosodique

spécialisé capable éventuellement d'y détecter des
informations qui viendront s'ajouter au résultat de
l'analyse des phonèmes.

En dehors du module acoustique, les systèmes acoustiques font appel à

une succession d'autres modules: le module phonétique, le module
phonologique, le module lexical, le module syntaxique, le module
sémantique, le module pragmatique.
 84.

Le module phonétique joue un rôle important, i l a pour fonction de

traduire la liste des indices pertinents en une suite de phonèmes (la
langue française comporte 30 phonèmes).

En général pour chaque segment on ne parvient pas à une liste unique

de phonèmes, mais plutôt à une probabilité de présence de chacun des
phonèmes de la liste. Il faudra choisir parmi la liste en utilisant
des informations des niveaux supérieurs au niveau phonétique.

Le "module phonologique porte sur les phénomènes de la langue qui se

traduisent par le fait que le contenu phonétique théorique des mots
est modifié dans une articulation rapide ou bien en fonction du
contexte. Les règles correspondantes sont souvent induites soit par
la difficulté de prononciation de certaines suites de phonèmes ou
soit par leur inesthétisme. On a les catégories de règles suivantes:

les règles de liaisons,

- les règles d'élisions,
- les règles de la dénasalisation.

C'est à ce niveau que retraite les cas des accents en fonction de

l'appartenance géographique au socio-linguistique de chaque locuteur.

Le module lexical fait intervenir les informations sur les mots qui
composent la langue. Il faut y. inclure les mots communs, les verbes
et leurs conjugaisons, les noms propres, les mots rares, les mots
techniques, les mots qui se prononcent différemment dépendant des
règles phonologiques. Chacun doit être accompagné d'informations sur
sa catégorie grammaticale (son genre, son nombre, etc.).

Le module syntaxique est supposé renfermer les règles de la grammaire

qui permettent d'écrire et d'analyser le langage, en termes gramma-
ticaux et fonctionnels.

Le module sémantique traite du ou des sens des mots tels qu'on peut
les trouver dans un dictionnaire et des relations entre eux.
 85.

Le module pragmatique a pour tâche de déterminer le sens d'une phrase

dans le contexte de l'application.

On distingue deux catégories de modules, les modules de niveau

supérieur, et les modules de niveau inférieur. Les modules de niveau
inférieur correspondent aux modules acoustique et prosodique. Les
autres sont de niveau supérieur, et relèvent de la problématique de
la "compréhension du langage naturel".

6.2.3 Les progrès de la recherche en reconnaissance globale

Une évolution intéressante est la réalisation des systèmes dits

"multilocuteurs multiréférences" capables de reconnaître (dans le cas
d'un vocabulaire restreint d'une application) des mots prononcés par
une personne quelconque. Dans ces systèmes l'apprentissage de chacun
des mots du lexique demande la p~ononciation de ce mot par un grand
nombre de locuteurs, de sexe, de timbre et de variétés dialectales
différents. Des algorithmes de classification automatique permettent
de déterminer pour chacun des mots des classes de prononciation et de
ne retenir qu'un représentant pour chacune de ces classes.

Un autre développement important porte sur l'application des méthodes

g~obales à la reconnaissance de mots prononcés sans silence intermé-
diaire. Une question jusqu'alors abordée par les techniques analyti-
ques. Certaines difficultés proviennent dé la co-articulation et de
la segmentation du continum sonore. Pour résoudre ces difficultés,
on utilise un algorithme de programmation dynamique à deux niveaux
permettant de mettre en correspondance dans un premier temps les
spectres des mots qui semblent être prononcés et ceux des références
du lexique; dans un deuxième temps, l'ensemble de la phase à recon-
naître avec les combinaisons possibles de mots autorisés par la
syntaxe.
 86.

D'autres progrès sont liés à des résultats obtenus en psycholinguis-

tique. Ces résultats ont montré que nous sommes capables d' identi-
fier un mot avant la fin de sa prononciation. De plus elles ont
~tabli qu'une erreur phonétique affectant le début d'un mot rend la
reconnaissance beaucoup plus difficile qu'une erreur commise sur un
phonème en fin d'un mot. Enfin que la détection d'un phonème cible
est réalisée plus lentement en début de mot. Ces résultats ont
conduit à la proposition d'un modèle basé sur l'identification des
mots à partir de la reconnaissance de la zone correspondant aux
premiers phonèmes du mot, selon une stratégie montante, et lorsque le
nombre de mots est suffisamment rédui t on vérifie l' identi té des
phonèmes suivants des mots retenus avec ceux de la phrase effective-
ment prononcée.

6.2.~ Les progrèR de la recherche en reconnaissance analytique

L'une des approches est par l'utilisation des systèmes experts pour
la lecture des sonogrammes. La connaissance qu'ont les phonéticiens
de la lecture et du décryptage visuel des sonogrammes est difficile à
traduire en une séquence de calculs déterminée. Le concept des
systèmes experts est en revanche capable de prendre en compte ce type
de savoir-faire. Le problème est qu'un phonéticien utilise ses
connaissances en phonétique jusqu'au niveau de la perception visuelle
des éléments pertinents, qui lui permettent de décoder le sono-
gramme. Il faut faire intervenir ce savoir jusque dans la conception
du capteur chargé de lire le sonogramme.

Une autre approche consiste à utiliser des algorithmes de reconnais-

sance globale de mots enchainés, bien maîtrisés aujourd'hui, mais en
remplaçant l'entité du mot par des unités d'identification plus fines
en tenant compte de l'information contextuelle fournie par les phonè-
mes environnants, et en particulier les transitions entre les pho-
nèmes.
 87.

Enfin, une approche inspirée de la neurologie, est l'utilisation

d'architectures parallèles. Celle-ci s'inspire des connaissances que
l'on a des réseaux de neurones dans le cerveau humain. Elle appor-
terait une solution élégante à des problèmes entiers comme par
exemple l'apprentissage de structures de la langue à partir d'exem-
ples, l'accès lexical, le traitement d'informations incomplètes ou
bruitées.

6.3 LA COMPR(HENSION DU LANGAGE

Dans certains domaines comme la traduction automatique, ou toute

application qui implique une action postérieure à la lecture, le
système doit déterminer la structure puis le sens de la phrase après
avoir identifié les mots.

Il n'existe encore aucun système capable de traduire automatiquement

un texte manuscrit quelconque, et le nombre de systèmes. capables de
traduire des textes imprimés est très faible. les machines existant
à l'heure actuelle sont plutôt spécialisées dans des domaines techni-
ques précis où i l est possible de restreindre le vocabulaire et la
taille du contexte.

Généralement, un système de traduction automatique procède selon

plusieurs niveaux.

- Niveau morphologique: permet d'identifier les mots.

- Niveau lexical: les mots sont recherchés dans le diction-

naire.

- Niveau syntaxique: permet d'identifie les séquences de mots

permises dans la langue considérée. Au
cours de cette phase de l'analyse, le
système peut à la fois prédire le ou les
 BB.

mots susceptibles d'apparaître dans la

phrase en fonction des mots déjà reconnus et
vérifier que l'ordre des mots satisfait bien
aux contraintes grammaticales de la langue.
L'analyse syntaxique est parfois couplée à
l'analyse sémantique, liée au sens des mots
et aux concepts qu'elles sous-tendent.

- Niveau sémantique: qui traduit la structure de mots en une

formule censée exprimer le sens du texte
initial.

- Niveau pragmatique: permet de préciser ou de restreindre le sens

d'un mot en fonction du contexte de la
phrase et du domaine d'application consi-
déré.

- Niveau d'exécution: qui confronte cette formule aux données

stockées dans la machine afin d'élaborer
une réponse.

La séquence de ces quatre niveaux est souvent appelée "phase de

compréhension". Nous traitons dans l'ordre chacun des sous-problèmes
qu'il contient.

Le niveau morphologique ne présente pas de grandes difficultés si le

langage est écrit au contraire du langage parlé. Les techniques
utilisées font partie de la reconnaissance de l'écriture et de la
reconnaissance de la parole, et ont été décrites aux sections précé-
dentes.

Le niveau lexical a pour mission d'établir si les mots identifiés au

niveau morphologique existent vraiment. Le niveau lexical ne se
limite pas à confirmer les hypothèses du niveau précédent, celui-ci
prépare également les étapes suivantes, ce qui impose de faire des
 89.

choix concernant les informations à stocker dans le lexique.

L'approche adoptée à ce niveau est d'établir une liste de catégories
grammaticales plus ou moins exhaustives dépendant des applications.
Par la suite on ajoute dans le dictionnaire, en face de chaque mot
une liste de traits sémantiques que devront posséder les mots
adjacents auxquels ils sont susceptibles de se rapporter.

Le niveau syntaxique a pour but d'identifier les séquences admissi-

bles dans la langue considérée. Deux approches sont possibles, soit
le modèle de la grammaire à contexte li.bre, si le niveau pragmatlque
est inexistant, soi t le modèle de la grammaire dépend du contexte.
La grammaire dite à contexte libre se présente sous la forme: I-
d'un ensemble de symboles terminaux (les mots) que nous écrivons en
minuscules; 2- d'un ensemble de symboles auxiliaires (les catégories)
écrits en majuscules (un de ces symboles, conventionnellement note s,
sert de point de départ); 3- de règles de réécriture, de la forme
A -.. aI, a 2 ••• , a n, dans lesquelles A est un symbole auxiliaire et
les a des symboles terminaux. Par exemple A ~ ab signifie que l'une
des règles admise par la grammaire consiste à substituer n'importe
quelle apparition de A par la séquence ab. Par contre, dans la gram-
maire dépendante du contexte, seules les apparitions de A respectant
certaines conditions du contexte peuvent donner lieu à réécriture.

Le niveau sémantique, est le plus délicat, il concerne le sens de la

pnrase. Lors de la résolution de sous-problèmes, le système doit
fabriquer la formule censée exprimer le sens du texte. Différentes
approches ont été proposées: l' "espace des sens", la "structure des
sens", la "grammaire des sens".

h'esEa~e_des_s~n~: a pour but de rendre compte des phénomènes de

nuance ou de proximité sémanti.que qui se traduisent par un VOISI-

nage métrique. Mais la difficulté d'une telle approche est souvent

de ne pouvoir trouver un outil concret de mesure de distance entre
deux notions.
 90.

La structure des sens: a pour but de construire une structure à

partir de sens primitifs. Comme par exemple "boire" c'est "ingérer
un liquide".

La_gra~m~i~e_des_s~~: mène à concevoir un langage ayant à la fois

une syntaxe rigoureuse et des règles d'interprétation univoques,
elle abouti t surtout à postuler que tout texte d'une langue natu-
relle peut être traduit dans une expression de cette langue. On
exploite la logique mathématique. Pour y parvenir, il faut
traduire la structure construite par l'analyse syntaxique en une
formule logique considérée comme exprimant la signification de la
question posée par l'utilisateur. On utilise la technique sui-
vante: à chaque règle de grammaire est associée une procédure qui
détai1h~ la construction d'une partie de la formule logique. Ces
proL;édures mises bout à bout dans l'ordre où les règles de gram-
maire ont été utilisées, constituent un programme dont l'exécution
donne pour résultat la formule souhaitée.

Le niveau pragmatique: cherche à modifier le résultat de l'analyse

sémantique par la prise en considération d'éléments au texte ana-
lysé. L'approche la plus en vogue est le système des "scripts". Les
scripts sont des séquences d'événements correspondant au déroulement
typique d'une action parfai tement banale; déroulement que l'auteur
d~un texte n'a aucune raison d'expliciter. Plus récemment la notion
"MOP" a généralisé celle du script en permettant de mettre en commun
des éléments appartenant à des scripts différents.

6.4 LA VISION

Dans de nombreux domaines la faculté de voir permet un apport d' in-

formations irremplaçables. Cet apport est d'autant plus important en
robotique. Elle sert à construire un modèle de l'environnement. Ce
modèle est alors utilisé pour prendre une décision en fonction de la
tâche à accomplir: détermination de la nature, et la position d'un
objet, compréhension de la disposition des objets dans une pièce.
 91.

Mais, l'une des principales difficultés lors de la mise au point de

systèmes avec vision, est la formidable puissance de calcul qu'il
faut mettre en oeuvre.

Un système de vision artificielle est une combinaison de capteurs et

d'un système informatique. Les capteurs mesurent les intensités
lumineuses de la scène observée et le système informatique traite et
analyse ces données: il en extrait une description symbolique de son
environnement. La plupart du temps, l'acquisition d'images est
réalisée à l'aide de capteurs de type caméra de télévision.

Deux grandes classes de capteurs tridimensionnels ont été mis au

point à ce jour:

les premiers donnent des informations sur le relief d'un objet

grâce à des mesures de distances relatives entre les points de cet
objet;

- les secondes, que l'on préfère, permettent d'accéder à la distance

absolue entre chaque point de l'objet et la capturer. Quatre
démarches ont été envisagées et appliquées avec succès:

1- l'utilisation d'un télémètre laser;

2- la seconde technique, avec une source laser active, permet de
suréclairer un certain nombre de points de la scène et d'en
déterminér la distance absolue ou au capteur par triangulation.

Les deux autres méthodes sont passives:

3- la méthode par stéréovisionnement en oeuvre la stéréocorrespon-

dance de deux images, par la détermination des couples de points
issus du même point réel;
4- celle-ci recueille une série d'images qui se succèdent dans le
temps à l'aide d'une caméra qui effectue un mouvement continu.
Cette méthode devrait prendre une grande importance dans la
vision des robots mobiles.
 92.

Après l'acquisition des données par les capteurs, l'image se retrouve

en mémoire dans l'ordinateur sous forme d'un tableau de nombre indi-
quant la luminosité ou bien sa répartition en trois couleurs fonda-
mentales (bleu, vert et rouge). Le système de vision artificielle
aborde maintenant l'étape du traitement de l'image. Le problème
consiste à extraire de l'image un certain nombre de caractéristiques
pertinentes qui vont permettre de façonner une représentation conden-
sée et structurée synthétisant l'information présente dans la scène
observée. Cette description intermédiaire fait intervenir des
paramètres physiques ou géométriques bien définis. Après extraction
des paramètres, ceux-ci seront ensuite analysés pour interprétation.
Un certain nombre d'outils ont été mis au point jusqu'à maintenant.

6.4.1 Identifi~ation globale d'objets

L'identification d'objets en plans isolés et parfaitement contrastés

est parfaitement maîtrisée et trouve aujourd'hui des applications
industrielles.

Les procédures d'identification visent à caractériser l'objet par sa

forme et suppose que ceiui-ci présente une réflectivité homogène.
L'image de l'objet est alors analysée en regroupant des points de
luminosité comparables à des ensembles homogènes appelés région.
Cette segmentation est effectuée par seuillage. Cette analyse est
suivie de l'étape identification. L'identification est effectuée par
une méthode paramétrique: le système compare les caractéristiques
des régions qu'il a déterminées sur l'image observée aux caractéris-
tiques de représentations de références. Les représentations de
références sont préalablement effectuées par un utilisateur au cours
d'une séance d'apprentissage.

6.4.2 Utilisation de la théorie de la morphologie

Cette théorie permet de caractériser une forme par ses interac-

tions avec des formes géométriques' simples appelées "éléments
 93.

structurants". Une transformation issue de cette théorie permet de

faire apparaître sur l'image que les zones sombres et étroites et
squelettisèr ces zones c'est-à-dire ne garder que leurs lignes
médianes. Ces traitements spécifiques jouent donc le rôle de filtres
de l'information et réduisent la quantité de données à interpréter au
minimum.

6.4.3 l'identification des objets partiellement observés

L'identification des objets qui ne sont que partiellement observés ne

peut plus s'appuyer sur un modèle global de l'objet. Cet objet doit
donc être considéré comme un ensemble structuré de caractéristiques
locales. On appelle ces méthodes d'identification des "méthodes
structurelles". Plusieurs problèmes se posent lors de l' établisse-
ment de ces méthodes. Il faut d'abord choisir un vocabulaire adéquat
des caractéristiques locales pour définir l'objet (segment de droite,
arc de cercle, angle algu, etc.) et d'aut.re part modéliser les
relations géométriques existant entre les différents éléments de cet
objet. Enfin, i l faut mettre au point des procédures d'identifica-
tion effectuant une recherche de caractéristiques locales obéissant à
une structure géométrique attendue.

6.4.4 la problématique de la vision chez les robots mobiles

La conception d'un robot mobile qui évolue dans un univers non

structuré pose de sérieux problèmes. Il s'agit d'appréhender des
environnements complexes sur lesquels la connaissance a priori est
faible (champs de perception non limité, présence d'objets incon-
nus ••• ). Il doit pouvoir circuler intelligemment et sans collision
avec son environnement: il doit s'en construire une représentation
géométrique. Il doit acquérir· un certain niveau de compréhension
sémantique sur cet univers, comme par exemple identifier les objets
sur lesquels il doit agir. Il doit analyser la structure de l'espace
(portes, fenêtres, cadres •.• ).
 94.

Les difficultés sont d'une part, le passage de l'identification

d'objets correspondant à un modèle précis connu du robot, à un niveau
beaucoup plus général de la compréhension de l'espace, d'autre part
la construction progressive des représentations de l'environnement au
fur et à mesure des déplacements du robot, ce qui suppose que celui-
ci soit capable d'en reconnaître les parties déjà vues, de s'y situer
et de prendre en compte tous les problèmes d' incerti tudes dans sa
perception du monde.

6.5 l'APPRENTISSAGE

Le terme "apprentissage" fait référence ici à la conception de tech-

niques d'acquisi:ion automatique des connaissances symboliques. Les
systèmes experts apprendront peut-être un jour leur métier eux-mêmes.

L'approche moderne de l'apprentissage, née de l'Intelligence Artifi-

cielle, est une discipline scientifique dont les premiers travaux de
recherche ne remontent qu'à une dizaine d'années. Ces recherches
visent à la simulation de toutes les formes d'apprentissage naturel.

Nous décrivons brièvement quelques formes d'apprentissage pour

lesquelles des modèles ont été proposés.

Une forme d'apprentissage est l'apprentissage de procédure de clas-

sification. C'est la forme d'apprentissage de connaissances dans
laquelle i l s'agit d'intégrer un concept déjà défini et présenté à
l'aide d'exemples et de contre-exemples. "Il existe deux catégories
de méthodes: les méthodes numériques et les méthodes symboliques.
Ces deux catégories de méthodes consistent d'abord à prendre un
ensemble d'exemples représentatifs des concepts définis· que nous
voulons étudier (o~ une collection d'objets représentatifs des
concepts). Chaque objet est décrit selon un certain nombre de
paramètres.
 95.

Un certain nombre de méthodes numériques ont été proposées pour

déterminer la liste ordonnée des critères (paramètres ou attribut)
caractérisant le mieux un concept. Ces méthodes font généralement
appel à une notion d'ordre au sens de la théorie de l'information, et
à une mesure de cet ordre Cl' entropie). On entend par ordre la
séparation plus ou moins complète qu' introdui t l'application d'un
cri tère entre les exemples relevant de concepts différents. Le but
est de parvenir à des sous-groupes parfaitement triés et homogènes.
On évalue alors l' efficaci té d'un critère par la distance entre les
mesures du désordre initial et de celui qui reste après application
du critère. Ce processus est répété sur les sous-groupes et en
choisissant la succession de critères qui conduisent à la meilleure
valeur du désordre. Cette méthode est appliquée dans EXPERT-EASE, un
système expert commercialisé capable d'apprentissage.

Par contre l'approche symbolique ne se pose plus la question de

savoir ce qui est le plus efficace, mais celle de savoir ce qui est
le plus signifiant. Il s'agit donc de savoir si certains attributs
ont plus de signification que d'autres. La mesure utilisée n'est
plus le nombre relatif d'exemples triés par un critère mais la
similitude entre les exemples.

Une autre forme d'apprentissage est la "généralisation.". Cette forme

a été utilisée dans le système expert LEX. Ce système apprend à
partir d'exemples,. à intégrer des fonctions mathématiques. Ce
système est arrivé à un niveau de performance comparable à celui d'un
homme entraîné.

LEX apprend à intégrer en générant automatiquement des problèmes

c'est-à-dire des fonctions qu'il essaie d'intégrer. Il analyse
ensuite sa démarche et détermine quelles heuristiques l'ont aidé à
trouver un résultat et quelles autres l'en ont au contraire éloigné.
Il utilise ces exemples et contre-exemples d'application des heuris-
tiques pour affiner ces dernières, plus précisément la partie qui
défini leur champ d'application. Un deuxième mode d'apprentissage de
 96.

LEX repose sur l'utilisation des contre-exemples. Ayant découvert

que une règle n'était pas applicable, LEX modifie l'expression de la
forme la plus générale acceptable de façon à interdire ce type
d'expression tout en continuant d'accepter les formes. un peu moins
générales englobant les cas pour lesquels il est prouvé que l'heuris-
tique est valable. LEX généralise en se référant à une hiérarchie de
généralisation prédéfinie qui indique les relations de parenté entre
tous les types de fonctions qu'il est susceptible de rencontrer.

La dernière forme que nous ci tons est l' "apprentissage inventif".

Cette forme tente de concevoir des mécanismes de génération
automatique de fonctions répondant à certains critères. Cette
approche fait l'objet de recherches très actives en Intelligence
Arti fici~lle sous le nom de "programmation automatique" puisqu'il
s'agit d'écrire automatiquement un programme réalisant certaines
fonctions données. Cette discipline encore nouvelle fait appel à des
outils mathématiques originaux. Elle fait un usage abondant de la
notion de fonction récursivement définie c'est-à-dire dont la
définition fait référence à elle-même.
 97.

7.0 INVENTAIRE DES SYSTEMES EXPERTS COHMERCIALIS(S OU EN VOIE DE O(VElOP-

PEHENT

Le présent chapitre se veut un inventaire assez complet des systèmes

experts et généraux existant principalement au Canada et aux rtats-
Unis et en Europe. Des systèmes appartenant à d'autres catégories et
d'autres provenances ont été répertoriés. Ces derniers ont été
dénommés systèmes de l'Intelligence Artificielle.

On retrouve en annexe l le présent inventaire. Avant de consul ter

celui-ci i l est préférable que le lecteur consul te les sections
suivantes de ce chapitre.

7.1 LES SOURCES O'INfORMATION SUR l'INTELLIGENCE ARTIfICIELLE

La popularité de l'Intelligence Artificielle augmente sans cesse et

plus particulièrement pour les systèmes experts. Des équipes de
chercheurs s'organisent et celles déjà existantes travaillent davan-
tage afin de concrétiser un système innovateur et compétitif.
Actuellement on compte au-delà de mille systèmes de l'Intelligence
Artificielle à l'échelle mondiale. Les rtats-Unis ont déjà plusieurs
lç>ngueurs d'avance dans ce domaine. Les institutions telles le
Massachusset Institute of Technology (MIT) à Cambridge, l'Université
de Stanford en Californie, l'Université du Texas et l'Université de
Carnegie-Mellon ne sont que quelques-unes des forteresses des rtats-
Unis en matière d'Intelligence Artificielle. La France fait de gros
efforts afin de combler l'écart qui la sépare des rtats-Unis.
D'excellents systèmes y ont d'ailleurs été produits ainsi que des
langages propres à la réalisation de ces systèmes. Bien que des
recherches soient menées dans des institutions universitaires de
Montréal, Ottawa, Toronto, Vancouver, etc., le Canada reste loin
derrière ces deux géants.
 98.

Beaucoup de conférences sur l'Intelligence Artificielle ont vu le

jour. La plus célèbre, à l'échelle mondiale, est l'International
Joint Conference on Artificial Intelligence (IJCAI) débutée en 1969
et se tient toutes les années impaires. C'est lors de ces confé-
rences que les systèmes les plus populaires et les plus prometteurs
sont habituellement présentés. Le Canada a aussi ses conférences
dont la Conférence canadienne sur l'Intelligence Artificielle qui se
tient toutes les années paires. La dernière conférence a eu lieu à
Montréal, à l'Ecole Polytechnique, au mois de mai dernier. Il existe
encore beaucoup d'autres conférences qui se tiennent à intervalles
réguliers, à travers le monde.

Outre les confér~nces, les adeptes de l'Intelligence Artificielle

peuvent devenir membre de sociétés, comme par exemple la Société
canadienne pour l'étude de l'intelligence par ordinateur (SCEIO), au
Canada ou s'abonner à di verses revues traitant de l'Intelligence
Artificielle. Depuis plusieurs années, un périodique l' Artificial
Intelligence, se veut la voie officielle de l'Intelligence Artifi-
cielle. Ceci nous amène donc à parler des volumes, en nombre impres-
sionnant, traitant de l'Intelligence Artificielle. On retrouve
maintenant le Hand Book de l'Intelligence Artificielle, de A. Barr et
E.A. Feigenbaum; c'est d'ailleurs un des principaux volumes à
consulter. Outre les rapports de conférences, plusieurs livres sont
intéressants à consulter. En français on peut feuilleter les
ouvrages de Alain Bonet [5], Henri Farreny [1], Marius Fieschi [4] et
la cinquième génération [2] de E.A. Feigenbaum et P. McCorduck alors
quien anglais on peut consulter ceux de E.A. Feigenbaum, P. McCorduck
et E. H. Shortli ffe pour ne nommer que ceux-là. Les ouvrages sont
trop nombreux et les auteurs trop diversifiés pour qu'on puisse tous
les mentionner. Cependant les auteurs mentionnés précédemment sont
d'excellentes personnes ressources à consulter.

Plusieurs grandes revues francophones telles La Recherche, Pour la

science et Micro-systèmes traitent fréquemment de l'Intelligence
Artificielle et de ses nombreuses applications.
 99.

L'intelligence Artificielle est un sujet très en vogue pour les

groupes de recherche. C'est pourquoi dans toutes les universités du
Québec, ou du mo~ns la grande majorité, on retrouve de la documenta-
tion sur cette science. A notre connaissance, l'endroit offrant la
documentation la plus complète dans ce domaine, dans la région de
Montréal, est l'Université McGill.

7.2 LES PARTICULARIT(S DES TABLEAUX

7.2.1 Présentation

lors de l'évaluation des systèmes experts plusieurs critères doivent

être considérés. Suite aux nombreuses lectures, les critères
"essentiels" à l'évaluation des systèmes ont été mis sous forme de
tableaux. Voici donc ces critères:

- NOM;

- AUTEUR(S);

- REn:RENCE;

- ANNEE DE PREsENTATION;

- ORIGINE (PAYS ET INSTITUT);

- APPLICATION;

- NOHBRE DE REGLE S ;

MODE DE REPRESENTATION DES CONNAISSANCES: les connaissances

peuvent être introduites de plusieurs façons dans les systèmes:
 100.

a) règles de production: couple situation-action;

b) réseaux sémantiques: ensembles de noeuds (concepts) reliés par
des arcs (relations entre les concepts);
c) frames (schémas): généralisation des réseaux dans le cas où les
éléments, objets sont plus complexes;
d) base de données: assertions qui ne sont pas exprimées sous
forme d'implication;
e) logique des prédicats;

- LANGAGE;

- PHASE ACTUELLE: sert à déterminer si le système est en phase de

recherche, de production ou s'il est fonctionnel;

- FONCTIONNEMENT: mode de chaînage utilisé:

a) chaînage avant,
b) chaînage arrière,
c) chatnage mixte,
d) chaînage bidirectionnel;

- PERFORMANCES;

- MOTEURS D'INFERENCE OCJA EXISTANTS: certains systèmes experts

'utilisent des systèmes généraux, des dérivés d'autres systèmes
experts;

COMMENTAIRES GrNrRAUX: regroupe les principaux défauts, princi-

pales qualités et originalités, s'il y a lieu. Cette colonne sert
aussi à décrire les parties du système, détailler davantage son
application, donner la catégorie de moteurs*, etc.

* Représentée par deux états, 0 et 1.

0: moteur n'utilisant pas de variables.
1: moteur utilisant des variables (dans les règles seulement et non la
base de faits).
 101.

7.2.2 Description des catégories

Dans le présent inventaire les systèmes sont classés par domaine

d'application plutôt que par ordre alphabétique. Le but est de
permettre une consultation plus rapide du document. On y retrouve de
nombreuses catégories. Une de ces catégories (systèmes généraux) est
sans domaine d'application. Ces systèmes, connus aussi sous le nom
de systèmes-experts vides, comprennent des langages qui, de par leur
conception, sont considérés comme des moteurs. On y retrouve quel-
ques systèmes pour l'apprentissage des connaissances et des systèmes
présentant des affinités pour un domaine particulier.

L'inventaire comprend entre autres des systèmes pour les interfaces

en langue naturelle. Une liste de systèmes incomplets a été ajou-
tée. Cette liste renferme des systèmes qui ne pouvaient être classés
dans une catégorie précise vu le manque d'information.

7.2.3 Obtention de l'information

Après avoir établi les critères pour la classification des systèmes,

ce fut le début de l'inventaire. Quelque 300 lettres ont été expé-
diées un peu partout dans le monde afin d'avoir de plus amples infor-
~tions sur les systèmes et obtenir de l'information sur les travaux
les plus récents des auteurs. Jusqu'à maintenant au-delà de 400
systèmes ont été répertoriés (excluant le domaine de la rObotique) au
Canada, aux rtats-Unis et en Europe. Une quinzaine de systèmes
répertoriés proviennent du Japon, de l'Australie, de la République
Fédérale Allemande.

L'inventaire et l'analyse des systèmes experts existants demeurent

assez complètes. Cependant une mise à jour fréquente s'impose.
 102.

7.3 ORIENTATION DES RECHERCHES

Les grands centres dè recherche américains tels MIT et Stanford n'ont

pas de domaine d'intérêt particulier. Stanford autant que MIT font
des recherches dans des domaines très variés. Le Québec tente de
développer des interfaces en langue naturelle française efficaces
puisque les performances des systèmes existants dans ce domaine sont
plutôt modestes; on en est à essayer de rattraper le retard pris sur
les américains. La France elle non plus n'a pas d'orientation par-
ticulière. Dans tous les cas on essaie de trouver un domaine
d'application qui pourrait s'avérer lucratif. Un seul domaine est
f~rtementdélaissé, celui du jeu. Une centaine de chercheurs seule-
ment démontrent de l'intérêt pour cette partie qui a pratiquement
donné naissance à l'Intelligence Artificielle.

De plus en plus les compagnies, peu importe leur origine, veulent

acquérir des systèmes experts. C'est pourquoi il existe une grande .
compétition dans ce domaine. Une grande lacune des systèmes experts
actuels est le temps de réponse, excessivement lent dans certains
cas. C'est pour combler ce manque que les Japonais ont instauré leur
projet d'ordinateurs de cinquième génération. Au début des années
1990 les Japonais croient pouvoir révolutionner le marché de l'Intel-
ligence Artificielle.

7.4 ANALYSE G(N(RALE

La plupart des systèmes inventoriés proviennent des rtats-Unis et de

la France, le Canada étant actif dans ce domaine depuis peu. Les
systèmes développés actuellement sont de plus en plus compétitifs et
emploient des techniques modernes. Les systèmes de vision sont aussi
de plus en plus présents; ils remplaceront, bientôt, les entrées
traditionnelles sur clavier et feront avancer d'un grand pas cette
science relativement nouvelle (environ 25 ans). Quoi qu'il en soit,
comme dans tout domaine, il reste beaucoup de place pour l'améliora-
tion.
 103.

8.0 SYNTHtSE, CONCLUSIONS ET RECOMMANDATIONS

8.1 CE QU'EST UN SYSTtME EXPERT

Nous avons, dans la présente étude, exposé les différents principes

de l'intelligence artificielle, et plus particulièrement nous avons
mis une emphase sur une technique d' acquisiti on et de diffusion des
connaissances résultant de la recherche en intelligence artificielle:
les systèmes experts dénommés aussi système à base de connaissances.

Bien que les techniques issues de l'intelligence artificielle aient

été utilisées depuis la fin des années 60 à des fins militaires, et
de l'exploration de l'espace, celles-ci ne se sont répandues dans
tous les secteurs d'activités économiques que depuis le début des
années 80 (systèmes experts, interface en langue naturelle, etc.).

L'informatique des années 80, met à la disposition des utilisateurs

d'informatique des technologies dites de "cinquième génération" (ce
terme est emprunté du grand projet de recherche, en intelligence
artificielle, lancé au Japon au début des années 80) issues des
recherches en intelligence artificielle. Ces recherches ont pour but
de créer une nouvelle génération d'ordinateur basé sur le traitement
s~mboliquede l'information, de créer des environnements de program-
mation qui rendront facile l'acquisition et la diffusion de la
connaissance, de créer des interfaces homme-machines avancés (langue
naturelle, graphisme, etc.). Sans aucun doute le traitement, la
création et la diffusion de la connaissance va jouer un rôle de
première importance en cette fin du 20 e siècle.

L'accès eux données internes et externes à l'organisation constitu~

un enjeu économique très important pour les entreprises. Des inves-
tissements importants sont consentis pour la réalisation de systèmes
d'informations intégrés, mettant en oeuvre la technologie des bases
de données. Maintenant en quoi les systèmes à base de connaissance
diffèrent-lIs des systèmes d'information traditionnels? les systèmes
 104.

traditionnels sont d'énormes mémoires corporatives enregistrant les

faits pertinents pour l'organisation et accessible aux experts
humains spécialistes, ingénieurs, gestionnaires, employés) qui
manipulent enregistrent et créent des connaissances à l'extérieur des
systèmes informatiques. Par contre nous définissons un système à
base de connaissances comme un système permettant non seulement de
gérer le ~ontenu d'une base de connaissances (appelée base des
fai ts), mais aussi de manipuler, d'enregistrer et d' uti liser des
structures de connaissances. On réserve l'appellation de "système
expert" pour la catégorie des systèmes à base de connaissances qui
exploitent des connaissances relatives "rare" détenues par quelques
experts humains très sollicités.

Les structures de connaissances sont essentiellement des représen-

tations symboliques Qui permettent de décrire les structures de
données du système expert, les structures de comportement et les
structures de connaissances elles-mêmes. Dans le cas le plus simple,
ces structures de connaissances sont décrites sous la forme de règle
de production c'est-à-dire des règles de la forme Si ••• , ALORS •••
Dans des systèmes plus sophistiqués les connaissances pourront être
structurées et manipulées sous des formes plus complexes, telles que
les cadres conceptuels ("frames") qui permettent d'invoquer globa-
lement des structures de données et de comportement.

Un système expert est constitué principalement d'une base de connais-

sances rassemblant les structures qui représentent l'expertise
relative au domaine traité, d'une base de faits et d'un moteur
d'inférence.

Le moteur d'inférence est un programme qui construit les raison-

nements du système à partir de la base de connaissances. face à un
problème donné, le moteur sélectionne les structures de connaissances
pertinentes, bâtit un plan de résolution et l'applique au problème.

A ce programme essentiel s'ajoutent des modules d'interfaces qui

facilitent la communication entre les personnes et la machine.
 105.

Pour en savoir davantage sur les principes concernant les systèmes

experts le lecteur pourra consul ter le chapitre 5 de la présente
étude.

Suivant la nature du projet, le concepteur pourra réaliser un système

à base de connaissances sur du matériel conventionnel ou utilisera
des machin~s spécialisées.

En ce qui concerne les outils de développement, il pourra soit pro-

grammer entièrement le système à base de connaissances dans un
langage de programmation symbolique tel que LISP ou PROLOG, soit
utiliser un environnement de conception de systèmes experts. Un tel
environnement fournit généralement un langage de représentation et de
manipulation des connaissances de haut niveau (règles de production,
frame, objects), des mécanismes d'inférences ou d'évaluation prédé-
finis, ainsi que des facilités d'édition.

Le langage de programmation PROLOG a été choisi par les japonais pour

leur projet de cinquième génération. PROLOG est plus qu'un langage
de programmation, il est doté aussi d'un moteur d'inférence. Celui-
ci permet de dériver de nouveaux faits à partir des anciens basés sur
le principe de la démonstration de théorèmes. Cependant certains
experts estiment que le choix de PROLOG a été loin d'être le meilleur
et que ce choix a été prématuré: c'est-à-dire que les chercheurs
japonais sont contraints d'utiliser une logique formelle alors que
l'intelligence artificielle doit manipuler des connaissances incer-
taines et ambigues. De plus, les algorithmes basés sur la démons-
tration de théorème doivent rechercher à travers la base de connais-
sances dans une explosion de possibilités. Cependant PROLOG à donner
lieu à des progrès tangibles concernant l'architecture des systèmes.
(Pour en savoir davantage sur PROLOG, le lecteur pourra consul ter
l'annexe 4 de la présente étude.)

L'ambiguité et l'incertitude des connaissances semblent être des

caractéristiques communes dans la plupart des domaines d'applications
 106.

en intelligence artificielle. Les problèmes reliés à l'environnement

n'échapperont pas à cette caractéristique.

En ce qui concerne les environnements de conception des systèmes

experts, les progrès permettent maintenant non seulement de déve-
lopper plus rapidement et plus efficacement des systèmes à base de
connaissances, mais aussi de rendre cette technique disponible sur
des machines moins coOteuses.

En général, les systèmes experts complexes (de plusieurs milliers de

règles) sont développés sur des ordinateurs spécialement conçus pour.
le traitement symbolique: ces machines ont l'avantage d'avoir une
grande capacité de ca lcu l, une forte capaci té de mémoi re, et un
environnement de travail perfectionné. De plus ces machines
permettent de disposer d'environnement de conception de systèmes
experts "shells" très élaborés tels que ART, KEE, KES. Ces environ-
nements permettent d'utiliser différents modes de représentation et
de manipulation des connaissances (systèmes à base de règles, manipu-
lation de frames ou d'objets). Généralement ces environnements sont
coOteux (de l'ordre de cent deux cent mille dollars pour une machine
LISP et un environnement de conception).

On peut noter aussi que des compagnies vendent actuellement pour un

coOt correspondant à un tiers ou la moi tié de celui d'une machine
LISP des postes de travail avancés qui offrent des possibilités
équi valentes à celle d'une machine LI SP achetée deux ou trois ans
plus tôt.

On peut développer aussi de petits systèmes à base de connaissances

(de quelques centaines de règles) sur des micro-ordinateurs profes-
sionnels. On peut alors disposer d'une puissance équivalente à celle
d'une machine LISP achetée cinq ou six ans plus tôt et d' environ-
nements de conception en général adaptés à la manipulation de
connaissances sous la forme de règle de production. On peut disposer
d'un tel psote de travail pour dix à quinze mille dollars.
 107.

Il est possible aussi d'envisager la possibilité que l'entreprise

décide de créer son propre environnement de conception de systèmes
experts. Le coût de la conception de cet outil sera sans doute plus
élev~ que l'achat d'un système existant, mais celui-ci aura l'avan-
tage d'être bien adapté au problème à traiter dans l'entreprise. De
plus les chercheurs ayant participé à la conception seraient en tout
temps disponible dans l'éventualité de nouveaux développements.

Le choix du type de matériel dépend de l'envergure du projet. Les

systèmes sur micro-ordinateurs seront avantageusement utilisées pour
le développement de maquette ou de petits systèmes experts, tandis
que les systèmes experts à grande envergure seront construits sur des
machines spécialisés et des environnements de conception sophis-
tiqués.

Pour la conception de systèmes experts complexes, dans l'éventualité

ou les machines et les environnements spécialisés ne sont pas dispo-
nibles, il est recommandé de faire une étude préalable en développant
une maquette sur micro-ordinateur. Cette étude permettra de
clarifier le problème, de valider la démarche, et de justifier le
choix de matériels et de logiciels coûteux pour le développement du
système expert.

Pour en savoir davantage sur les outils de conception de système

expert le lecteur pourra consulter l'annexe l de la présente étude.

8.2 D(MARCHE DE CONSTRUCTION D'UN SYSTtME EXPERT

Le développement d'un système à base de connaissance fait intervenir

plusieurs spécialistes ou usagers. L'ingénieur du savoir connait les
modèles, les méthodes et les outils utilisés en ingénierie du
savoir. Il met à profit son expérience d'analyser pour interagir
avec l'expert du domaine. L'ingénieur doit découvrir un expert du
domaine (ou plusieurs experts si nécessaire pour l'élaboration d'une
 108.

base de connaissances qui reflète l'expertise plus largement accep-

tée). Il doit comprendre les raisonnements et les comportements de
l'expert pour pouvoir les formaliser et les implanter en utilisant
l'environnement de conception approprié. la base de cOl1naissances
est élaborée petit à petit par l'ingénieur du savoir et testée par
l'expert du domaine sur différents cas.

Il ne faut pas négliger non plus l'importance des futures usagers qui
correspondent à la troisième catégorie des intervenants. On devra
tenir compte des comportements des usagers pour concevoir des inter-
faces efficaces et adaptées à l'usage prévisible du système expert.
Ainsi le système sera utilisé s'il est plus facile pour des usagers
d'obtenir une connaissance experte, plutôt que d'appeler par télé-
phone le spécialiste pour obtenir une réponse. Il est donc indispen-
sable d'impliquer les usagers t13S tôt dans le projet afin de
s'assurer que les décisions prises au cours de la conception per-
mettront de livrer un produit satisfaisant leurs exigences d'utili-
sation.

On notera que dans un projet pour le développement d'un système

expert, les experts et les usagers sont des intervenants distincts,
alors que dans un projet de conception de systèmes traditionnels, le
système est développé avec les usagers pour les usagers eux-mêmes.

Comme on a pu le constater, la nature des problèmes traités conduit à

développer un système à base de connnaissances suivant une approche
par prototypage. les comportements liés à la manipulation de
connaissances sont en général mal connus et très peu formalisés:
l'expert humain agi t le plus souvent par intui tion et n'a que très
rarement conscience des mécanismes de raisonnement de déduction qu'il
met en oeuvre. la conception d'un système expert doit donc être fait
de façon intensive et conduit à la mise au point d'un prototype par
raffinements sucessifs. On peut ainsi préciser petit à petit les
connaissances mises en oeuvre par les spécialistes, les formaliser et
les emmaganiser dans le prototype du système expert.
 109.

On peut distinguer cinq phases principales au cours du développement

du système expert.

La première phase consiste en une étude dl orientation. Celle-ci

permet de clarifier le problème, étudier la faisabilité du projet en
fonction de la nature du problème et des ressources nécessaires et
proposer un plan de développement. Au cours de cette phase on doit
identifier les principales caractéristiques des tâches qui devront
être simulées par le système expert: problème à résoudre, compor-
tement de l'expert et des usagers, nature des connaissances. Il est
nécessaire d'impliquer dès le début du projet tous les intervenants
et leur faire comprendre les conséquences de cette implication.

La deuxième phase consiste à l'élaboration d'une première maquette du

système. Celle-ci permettra de valider l'approche de conception
proposée et éventuellement de justifier les investissements à con-
sentir pour l'acquisition du lootériel et d'un environnement de
conception adaptés au problème. Au cours de cette phase l'ingénieur
du savoir interagit avec 11 expert afin de déterminer les modèles
appropriés pour la représentation des faits, pour la structuration
des connaissances et pour 11 identification des stratégies de résolu-
tions utilisées pour résoudre les problèmes.

Il est important de réaliser la maquette dans des 9élais assez courts

afin de démontrer la faisabilité du système envisagé et de permettre
de décider de l' opportuni té d' invest ir dans le proj et. Le dévelop-
pement de la maquette permet aussi de conserver l'intérêt des
différents intervenants tout en leur permettant d'évaluer objecti-
vement l'ampleur du projet.

La troisième phase consiste en l'élaboration du système expert comme

tel par une approche de prototypage. En fonction de l'expérience
acquise au cours de la phase de modélisation conceptuelle, l'ingé-
nieur du savoir construit le noyau de la base de connaissances avec
le matériel et l'environnement de conception retenus pour supporter
 110.

le systèrne expert. Par raffinements successifs, la base de connais-

sances est enrichie avec la collaboration de l'expert, et l' inter-
face-usager est ajusté aux exigences d'utilisation du système expert.

La quatrième phase consiste en l'évaluation du système. L'évaluation

du système permet de déterminer si le système rencontre les critères
de performance retenus au cours de la phase de modélisation concep-
tuelle. C'est aussi le moment où le système est essayé par d'autres
experts du domaine.

La cinquième et dernière phase consiste en l'intégration du système

dans le milieu de travail des usagers en tenant compte de leur
méthode de travail. On peut encore avoir à ajuster l'interface et à
développer quelques outils complémentaires.

8.3 APPLICATION DE LA TECHNOLOGIE ŒS SYSTttES EXPERTS A LA DIRECTION

ENVIRONŒMENT D' HYDRO-QŒŒC

Nous avons développé en annexe 4, une maquette de système expert sur

le problème des déversements accidentels. Ce~te maquette est écrite
en langage turbo-prolog, une nouvelle version de prolog mise sur le
marché à l'été 1986. Cet exemple montre qu'il est possible d'uti-
liser la technologie des systèmes experts aux problèmes environnemen-
taux.

Ce petit système expert donne les stratégies possibles de confinement

et de récupération des hydrocarbures en fonction de la situation qui
prévaut sur le site du déversement. Cette maquette fut développée à
partir du document intitulé "Données de base pour le développement
d'un système expert concernant les techniques d'intervention lors
d'un déversement accidentel de contaminants". Ce document fut
préparé par André Bériault et Jean-Claude Tessier de la direction
Environnement d'Hydro-Québec.
 Ill.

Comme le lecteur pourra le constater en consul tant l'annexe l de la

présente étude, i l n' y eu jusqu'à maintenant que peu de chercheurs
qui ont consacré des efforts pour le développement de systèmes
experts appliqués à des problèmes environnementaux. le.s domaines
d'application furent surtout en médecine, en agriculture, en
recherche pétrolière, en contrôle de processus, etc. Il ne fait pas
de doute à notre avis que l'on pourrait tirer avantage à appliquer
cette technologie à des problèmes environnementaux.

S'il y a un secteur d'activité où les domaines d'expertises se

chevauchent c'est bien celui de l'environnement. Dans beaucoup de
cas lorsqu'un problème apparaît, tous ces domaines d'expertise sont
nécessaires dans le but d'en arriver à sa solution.

lors d'une problématique, les experts concernés sont contactés, après

discussions et concensus, une série de mesures correctives est
proposée pour la résoudre. C'est un peu la démarche d'un système
expert; ou plutôt le système expert essaie d' imi ter la démarche. de
l'expert lui-même à l'aide de ses granules de connaissances qui lui
ont été fournies préalablement.

A l'aide de systèmes experts, les connaissances de chacun des

domaines d'expertise peuvent être formalisées, vulgarisées et
p~ogrammées sous forme de règle de production. Ces connaissances
ainsi programmées sont directement accessibles à tous les niveaux de
l'entreprise, et dans toutes les régions si l'entreprise est étendue
sur un vaste territoire comme Hydro-Québec.

Pour Hydro-Québec, la construction de systèmes experts pourrai t à

moyen terme permettre l'exportation d'une forme d'expertise au-delà
de son siège social.

Dans la majorité des cas on pourrait consulter le système expert au

lieu de l'expert lui-même. On pourra donc optimiser l'utilisation de
l'expertise et de l'expert lui-même. Ce dernier aura plus de temps à
 112.

consacrer à son perfectionnement, et moins à résoudre des problèmes.

Son perfectionnement pourra par ricochet, améliorer la connaissance
experte du système lui-même.

En résumé, voici les avantages que l'on pourra en retirer:

1) meilleure communication entre experts;

2) meilleure communication entre expert et usager;

3) on pourra obtenir un transfert de la connaissance, par le système

expert, de l'expert vers l'usager;

4) on pourra améliorer l'utilisation des experts: permettre aux

experts d'être utilisés à d'autres fonctions sans nuire à l'exper-
tise qu'ils doivent donner quotidiennement;

5) permet à l'expert de réviser et de compléter sa logique dans son

domaine d'expertise.

De plus en plus ces technologies de d~ffusion de la connaissance sont

utilisées dans de nombreux doma!:1es. Il serait avantageux qu'elles
le soient à la direction Environnement d'Hydro-Québec.

Comme nous avons pu le constater en faisant l'inventaire des systèmes

experts existants, peu ont un lien direct à la résolution de
problèmes environnementaux. Nous avons remarqué, cependant, que
beaucoup d'efforts ont été déployés aux rtats-Unis pour le développe-
ment de systèmes experts qui servent à la surveillance et au contrôle
des centrales électriques qui puisent leur énergie du nucléaire.
Principalement, les recherches se sont concentrées après l'accident
survenue à la centrale de Three Miles Island.

Notre point de vue est qu'il ne faudrait pas attendre que des
systèmes experts soient développées par d'autres pour ensui te les
 113.

utiliser. Ces systèmes importés de l'étranger seront en général des

outils mal adaptés à nos besoins. Dans l'éventualité où on décidera
de les utiliser, une bonne partie de l'énergie intellectuelle de nos
expert~ servirait à adapter ces systèmes pour nos propres besoins, et

sans jamais atteindre une complète adaptation.

Nous croyons qu'il ne faut plus être de bons utilisateurs de techno-

logies qui nous viennent de l'étranger. Il nous faut concentrer nos
efforts intellectuels à la conception d'outils qui sont parfaitement
adaptés à nos besoins. L'enjeu économique, pour ce qui est de la
technologie des systèmes experts, est trop important. Il ne faut pas
oublier que nous avons au Québec une masse très importante d'experts
qui ne demandent pas mieux que d'être utilisés, et de donner tout
leur potentiel de connaissance.

Ce processus de conceptualisation serait avantageux à tous les

secteurs de l'utilisation de la ressource humaine à Hydro-Québec.
Comme nous l'avons déjà souligné, tous les niveaux d'expertise
doi vent participer à l'élaboration de systèmes experts: gestion-
naires, experts, informaticiens, ingénieurs de la connaissance et
usagers. Ces systèmes pourront, par conséquent, très bien s'intégrer
à nos méthodes de travail tout en rendant accessible la connaissance
à tous les niveaux décisionnels de l'entreprise.

8.4 RECOMMANDATIONS

Au cours des prochaines années, les systèmes experts seront de plus

en plus utilisés dans les entreprises, leur permettant de gérer les
connaissances comme une véritable ressource. L'enjeu de cette évolu-
tion est très grand et son succès dépendra beaucoup des résultats
des premiers essais d'implantation de ces nouvelles technologies.
"Aussi les projets en ingénierie du savoir devront être abordés avec
enthousiasme, ma is aussi avec toute la prudence qui est recommandée
 114.

lorsqu'on introduit des méthodes et des outils qui risquent de

marquer en profondeur la culture organisationnelle. ,,1

L'intégration des systèmes experts à la direction Environnement

demandera un effort important de la part des gestionnaires et des
experts. . Selon les besoins de la Direction, cette dernière doit se
préparer à compléter un programme de travail qui comprendra trois
phases de réalisation. La première phase consiste à se familiariser
avec les techniques des systèmes experts en réalisant quelques
projets (déversements accidentels, gestion des réservoirs à buts
multiples, diagnostic environnemental, etc.) à partir d'un système
général existant. L'annexe l présente une analyse critique de
quelques systèmes généraux.

La deuxième phase consiste à définir une liste de besoins en système

expert et à établir une liste de critères auxquels le système général
devra satisfaire. Un critère important est sans aucun doute la
notion d'évaluation de la qualité du diagnostic par analyse probabi-
liste, suite au caractère hypothétique et qualitatif des études de la
direction Environnement. Le développement d'un système général sera
alors entrepris par la direction Environnement en collaboration avec
des organismes de recherche.

LE! dernière phase consiste à développer un système général et des

systèmes experts pouvant interagir en temps réel. L'-interaction en
temps réel est indispensable dans la gestion courante des réser-
voirs. Pour permettre d'atteindre une capacité acceptable, on doit
procéder à la conceptualisation et à la fabrication d'un équipement
spécialisé permettant le transfert du software en hardware. Le
développement d'un équipement spécialisé se fera en collaboration
avec des organismes de recherche.

MOULIN, B. "Les systèmes à base de connaissances dans les organisations", la

revue L'ingénieur, septembre-octobre 1986, pages 21 à 27.
 115.

Le Centre de recherche informatique de Montréal (CR lM) est très

intéressé à prendre en charge le développement d'un système général
et d'un équipement spécialisé en collaboration avec la direction
Environnement d'Hydro-Québec. Un programme de travail sera établi
avec le CRlM au début de l'année 1987 et sera proposé à la direction
Environnement pour le début mars 1987.
 116.

RrffRENCES

A.-U., Volume contenant ces documents.

Revue ARTIFICIAL INTELLIGENCE, volume 2, 1971-

Revue ARTIFICIAL INTELLIGENCE ,. volume 3, 1972.

Revue ARTIFICIAL INTELLIGENCE, volume 4, 1973.

Revue ARTIFICIAL INTELLIGENCE, volume 5, 1974.

Revue ARTIFICIAL INTELLIGE.NCE, volume 6, 1975.

Revue ARTIFICIAL INTELLIGENCE, volume 8, 1977.

Revue ARTIFICIAL INTELLIGENCE, volumes 10-11, 1978.

Revue ARTIFlCIAL INTELLIGENCE, "Proceedings of the International Joint Con-

ference on Artificial Intelligence, 1981.

Revue ARTIçICIAL INTELLIGENCE, volumes 20-21, 1983.

Revue ARTIFICIAL INTELLIGENCE, volume 22, 1984.

Revue ARTIFICIAL INTELLIGENCE, volumes 23-24, 1984.

Revue ARTIFICIAL INTELLIGENCE, volume 25, 1985.

Revue ARTIFICIAL INTELLIGENCE, volume 26, 1985.

 117.

AURON, B. et LA. FEIGENBAUM, "The Handbook of Artificial Intelligence",

Volumes l, II, III; Heuristech Press, Stanford, California; William
Kaufman Inc., Los Altos, California; United States, 1981, Volume 1:
409 p., Volume II: 640 p., Volume III; 428 p.

BONNET, A., L'intelligence artificielle (promesses et réalités), Interédi-

tions, Paris, 1984, 271 p.

BRIOT, M. et DE SAINT-VINCENT, A.R., "La vision des robots", revue La Recher-

che, Mensuel nO 170, octobre 1985, pp. 1264-1275.

BUCHANAN, B.G., Expert Systems: Working Systems and the Research Literature,
Knowledge Systems Laboratory, Stanford University, December 1985, 55 p.

CAPPUClO, A., "Multilog 2: un outil professionnel", revue Micro-systèmes,

nO 55, juillet-aoOt 1985, pp. 126-129.

CAPPUClO, A., "XPer: Gestion de bases de connaissances", revue Micro-

systèmes, nO 53, mai 1985, pp. 158-160.

CHATILLA, R., LAUMOND, J.-P. et R. PRAJOUX, "Les robots mobiles autonomes",

revue La Recherche, Mensuel nO 170, octobre 1985, pp. 1276-1289.

COHEN, P.R~ et fEIGENBAUM, E.A., The Handbook of Artificial Intelligence

(volume 1), Heuristech Press, Stanford, 1981, 409 p.

COHEN, P.R. et FEIGENBAUM, E.A., The Handbook of Artificial Intelligence

(volume 2), Heuristech Press, Stanford, 1982, 428 p.

COHEN, P.R. et FEIGENBAUM, E.A., The Handbook of Artificial Intelligence

(volume 3), Heuristech Press, Stanford, 1982, 640 p.

COLMERAUER, A., "Prolog langage de l'intelligence arti ficielle", revue La

Recherche, nO 158, septembre 1984, pp.
 U8.

COLMERAUER, A., KANOUI, H. et M. VAN CANEGHEM, "Prolog, bases théoriques et

développements actuels", Technologie et Science Informatiques, Vol. 2,
nO 4, 1983, Faculté des sciences de Marseille-Vurniny, 198?

D.R., "La théorie des graphes", revue Micro-systèmes, nO 38, janvier 1984,
pp. 138-142.

DeMOR I, R., "Introduction à l'Intelligence Artificielle", conférence, Journée

Augustin Frigon: Intelligence Artificielle Systèmes-Experts, 9 novembre
1984, pp. 1-0, 1-35.

rCOLE POLYTECHNIQUE DE MONTRrAL, Journée Augustin Frigon (Intelligence Arti-

ficielle et Systèmes Experts), rcole Polytechnique de Montréal, 1984.

~COLE POLYTECHNIQUE DE MONTR~AL, Proceeding of the International Joint Confer-

ence on Artificia1 Intelligence, ~cole Polytechnique de Montréal, 1977.

FAGOT -LARGEAULT, A., "La simulation du raisonnement médical", revue La Re-

cherche t mensuel nO 170, octobre 1985, pp 1176-1187.

FALLER, B., "Intelligence artificielle et jeux de stratégie", revue Micro-

systèmes, nO 54, juin 1984, pp. 148-152.

FALLER, B., "L'ordinateur et les jeux de l'esprit", revue La Recherche, men-

suel nO 170, octobre 1985, pp. 1064-1075.
Remarque: les différentes techniques de l' Intefligence Artificielle.

FARRENY, H., Les systèmes experts (principes et exemples), Collection Techni-

ques Avancées de l'Informatique, Cepadues ~ditions, Toulouse, France,
-1985, 254 p.

FEIGENBAUM, E.A. et P. McCORDUCK, La 5e génération: le pari de l'intelligence

artificielle à l'aube de 21 e siècle, Intereditions, Paris, 1984, p.
 119.

FERBER, J., "Le filtrage: une technique de base de l'intelligence artifi-

cielle", revue Micro-systèmes, nO 40, mars 1984, pp. 108-113.

FERBER, J., "Les systèmes-experts (1): raisonner dans un univers réel", revue
Micro-systèmes, nO 41, aVTil 1984, pp. 118-122.

FER BER , J., "Les systèmes-experts (II): un moteur d'inférences PASCAL", revue
Micro-systèmes, nO 42, mai 1984, pp. 132-137.

FER BER , J., "Les systèmes-~xperts (III): des noyaux qui ont la pêche", revue
Micro-systèmes, nO 43, juin 1984, pp. 68-73.

FER BER , J., "Les systèmes-experts (IV): du mythe à la réalité", revue Micro-
systèmes, nO 44, juillet-aoat 1984, pp. 112-114.

FERBER, J., "La compréhension automatique du texte", revue Micro-systèmes,

nO 45, septembre 1984, pp. 238-244.

FER BER , J., "La compréhension automatique du texte", revue Micro-systèmes,

nO 46, octobre 1984, pp. 188-191.

FER BER , J., "la compréhens~_on automatique du texte", revue Micro-systèmes,

nO 47, novembre 1984, pp. 170-174.

FERBER, J., "LISP: le langage de l'intelligence artificielle", revue Micro-

systèmes, nO 48, décembre 1984, pp. 148-154.

FERBER, J., "LISP: le langage de l'intelligence artificielle", revue Micro-

systèmes, nO 49, janvier 1985, pp. 126-131.

FER BER , J.: "LISP: le langage de l'intelligence artificielle", revue Micro-

systèmes, nO 50, février 1985, pp. 174-178.

FERBER, J., "LISP: le langage de l'intelligence artificielle", revue Micro-

systèmes, nO 51, mars 1985, pp. 180-187.
 120.

FERBER, J., "Les langages obj ets: une affaire de messages", revue t1icro-
systèmes, nO 52, avril 1985, pp. 152-158.

FERBER~ J., "Systèmes-experts: un dynamisme croissant", revue Micro-systèmes,

nO 56, septembre 1985, pp. 206-211.

FER BER , J., "La programmation par acteurs (II): langages et méthode", revue
Micro-systèmes, nO 63, avril 1986, pp. 164-171.

FERBER, J., "Systèmes-experts: du moteur à la connaissance", revue Micro-

systèmes, nO 64, mai 1986, pp. 164-168.

FIESCHI, M., Intelligence artificielle en médecine (des systèmes experts),

rditions Masson, Paris, 19B4, 207 p.

FOX, M.S., Industrial Applications of Expert Systems, Centre de cours inten-

sifs de l'rcole Polytechnique de Montréal, printemps 1986, 45 p.

GALLA IRE , H., "la représentation des connaissances", revue la Recherche, men-
suel nO 170, octobre 1985, pp. 1240-1251.

GANASCIA, J.-G., "la conception des systèmes experts", revue la Recherche,

mensuel nO 170, octobre 1985, pp. 1042-1051.
Remarque: historique et conception des systèmes experts.

GANASC lA, J. -G., "l'apprentissage dans les systèmes experts", revue Micro-
systèmes, nO 5B, novembre 19B5, pp. 146-151.

GIANNESINI, F., KANOUI, H. et V.C.M. PASEROR, "Prolog", Intereditions, Paris,

- France, 1985, 318 p.

GIU~ORE, J., "les armes intelligentes", revue La Recherche, mensuel nO 170,

octobre 1985, pp. 1052-1063.
 121.

HARDY, J.-L., "L'eden de SMALLTALK", revue Micro-systèmes, nO 39, février

1984, pp. 116-121.

HATON, J.-P. et A. BELAID, "La reconnaissance de l'écriture", revue La Recher-

che, mensuel nO 170, octobre 1985, pp. 1188-1197.

JACKSON, P.C. Jr., "Introduction to Artificial Intelligence", published by

Mason and Lipscomb, London, England, printed in United States by
Petrocelly Books, New York, 1974, 453 p.

KASTNER, J.R. et S.J. Hong, "A Review of Expert Systems", European Journal of
Operational Research, 18, 1984, North-Holland, pp. 285-292.

KA YSER , D., "Des machines qui comprennent notre langue", revue La Recherche,
mensuel nO 170, octobre 1985, pp. 1198-1213.

KNOWLEDGE SYSTEMS LABORATORY, Knowledge Systems Laboratory 1985, Stanford

University, 1985, 94 p.

, KODRALOFF, Y., "Quand l'ordinateur apprend", revue La Recherche, mensuel

nO 170, octobre 1985, pp. 1252-1263.

LA RECHERCHE, mensuel nO 170, octobre 1985, Paris.

LAR VET, P., "Un moteur d'inférence d'ordre zéro: en BASIC", revue t~icro-

systèmes, nO 50, février 1985, pp. 191-197.

LEGEARD, B., "Le langage PROLOG", revue Micro-systèmes, nO 44, juillet-aoOt

1984, pp. 100-111.

MARIANI, J., "La reconnaissance de la parole", revue La Recherche, mensuel

nO 170, octobre 1985, pp. 1214-1227.
 122.

MYLOPOULOS, J. et H. LEVESQUE, "An Overview of Knowledge Representation",

conférence, Journée Augustin Frigon: Intelligence Artificielle et
Systèmes-experts, 9 novembre 1984, pp. 3-0, 3-14.

MYLOPOULOS, J. TSOTSOS, J. et T. SHIBAHARA, "Research of Knowledge-based

systems: PSN, AL VEN and CAA", conférence, Journée Augustin Frigon:
Intelligence Artificielle et Systèmes-experts, 9 novembre 1984, pp. 3-15,
3-17.

NEGOITA, C. V., "Expert Systems and Fuzzy Systems", The Benjamin/Cummings

Publishing Company, Menlo Park, California, United States, 1985, 190 p.

NILSSON, N. J., "Principles of Arti ficial Intelligence", lioga Publishihg

Company, Palo-Alto, California, United States, 1980, 476 p.

PIC, A., "Jeux et intelligence artificielle", revue Micro-systèmes, nO 57,

octobre 1985, pp. 148-156.

PITRAT, J., "La naissance de l'intelligence artificielle", revue La Recherche,

mensuel nO 170, octobre 1985, pp. 1130-1041.
Remarque: une revue générale.

ROUSSEAU, M., "Futursys: la cinquième génération en marche", revue Micro-

systèmes, nO 59, décembre 1985, pp. 148-153.

SANSONET, J.-P., "Les machines de l'intelligence artificielle", revue La

Recherche, mensuel nO 170, octobre 1985, pp. 1228-1239.

SATHI, A., "AI Based Systems in Project Management Conference", Journée Augus-
tin Frigon: Intelligence Artificielle et Systèmes-experts, 9 novembre
1984, pp. 2-0, 2-1.

SOCIrTr CANADIENNE POUR L'rTUDE DE L'INTELLIGENCE PAR ORDINATEUR, Actes de la

sixième conférence canadienne sur l'intelligence artificielle, rcole
Polytechnique de Montréal, 1986, 268 p.
 123.

UNI VERSITY OF CI\LIFORNII\ I\T lOS I\NGELES, Proceedings of the Ninth Intern-
ational Joint Conference on I\rtificia1 Intelligence (Volume 1), Los
I\ngeles, 1985.

UNIVERSITY OF CI\LIFORNII\ I\T LOS I\NGELES, Proceedings of the Ninth Intern-

ational Joint Conference on I\rtificial Intelligence (Volume 2), Los
Angeles, 1985.

VEMIAN, R., "Mon système de reconnaissance vocale", revue Micro-systèmes,

nO 49, janvier 1985, pp. 107-113.

WARNIER, J.D., "l' homme face à l'intelligence artificielle", Les rditions

d'Organisations, Paris, 1984, 140 p.

YAZDANI, M. et A. NARAYANAN, Artificial Intelligence Human Effects, Elli~

Horwood Series, Université de Exeter, I\ngleterre, 1984, 318 p.

 ANNEXE 1

INVENTAIRE DES SYSTEMES EXPERTS ET DES SYSTEMES G(N(RAUX

1
r
JII'

l
r- ,.- r- r~-
6!"*,;P'l""<'" 1"~~'''':'- \~4>;o-'""~':

DISCIPLINES INVENTORI(ES

- Accidenta et déveraelleote
- Acquisition de connelaosnces
- Admlnlstratlon
- Agr Icu Hure

- Agronomie
- Archéologie
- 81010gle
- Cartographie

- Chl .. le
- Conception et fabrication aeeletle par ordinateur (Cf AD)

V - ContrÔle de proceaeua

- Droit
- EnaelgneMent aselet' par ordinateur (EAD)

'" - Générateur de 8y8t~",ee-exparte

- C1nle
- Géologie
- Infor ... t1que
- Jeux
- Langue neturelle
- H8lhé .... t1~ee

- Hédeclne
DlSCIPUNlS INYENTOIUt:'ES (ruite)

- Hilltalre
- Hultl-expert8
- Hycologle
- Phy8lque
- Productlon aenufacturl~re

- Programmatlon autoMatique
- Ralaonnement
- Reconnal88aoce de la parole
- Répara tlon
- Rloquea
- Robotique
- Syat~.ea-experta

~ Sy8t~me8 généreux
- Syat~mee d'opératlon
- Traductlon autOMatlque
- Zoologle
."
~
...
!

~.
~ ...
!
t.1

..
....
."
z
i!
....<
'"

~
 MOTEURS
N{)I AUTEUR(S) Rl'rl'- ANNl'E OIlIGIN[ APPLICATIONS NOIIlRE HOOE OC REP Rl'- LANGAGE PIIASE rONCTlON- PERrORHANCES D'lNrl'RENCE COMMENTAIRES GtNl'RAUX
RENeES DE SENTATION DES ACTUEllE NEHENT OCJA
RtGLES CONNAISSANCES EXISTANTS

REACTOR - - - - Diagnostic et tral-

te.enta d'accidenta
- - - - - 1
- KES

dana dea r'acteurs

nucl&airea.

1
,

1 1 1 1 1 1 1 1 1 1
en
.....
CI

1
1
~ -
::
u
~
;:l
! /
=
..,.
i
~
//
 HIHEURS
Nll4 AUTEUR(5) R~n'- ANNt:E OII1GlNE APPLICATIONS NOt-llRE HOOE Il( REPR~- LANGAGE PItASE fONClION- PERfORMANCES D'INf~R[NCE COHHENTAIIŒS ŒNI:"RAUX
RENCES DE 5(NTAlION Il(S ACTUELLE NEHENT OCJA
RtGLES CONNAISSANCES EXISTANTS

CHI - (7) - -
(Kestrel
Acquisition des con-
oslsseoces, vllrlfl-
- - - - - - -
lostltute) cation de la consls-
tanee deo ootr'ea,
"dtlbugglog" , 4dlt Ion,
1181nteoance.

KLAUS N. H888 ,
G.G. Iteodrlx.
(7) 1980 I:':tsta-Uolo Acqu lai tlon et
repr4seotetlon des
- - - - - - -
connaissances.

,
.......
!
C
!l•
,..
al
.. '" .. .. ... ~
~
,..~
i ..
....'" .... ....'".
~ "
>< ~ '"0c ><
~
... t!
l ~'" ~ c !il
z
~ '"
~ -' S ~ ... %
1
~
C
-'
oC
~ i:)j '~"' ...c
><

i CD
'" ""
-..
U
al
.!
 HOTEURS
NOH AUTEUR(S) Rtn:- ANNtr OHIGINE APPLICATIONS NOItlRE HIJO[ or
REPRt- LANGAGE PIlASE fONCTlON- PERFORMANCES 0' INftR[NCE CIltfIENTAlI!ES ŒNtRAUX
RENCES DE SfNTATlDN ors ACTUELLE NntENT OCJA
RtGLES CONNAISSANCES EXISTANTS

ACE - (1) t98} ttala-Unle Deatlné è dtebllr dea

(Bell labo- rapporta aynth'tlques
100 - - - - - -
ratorles) aur l"tst de cAblea
tdldphonlquea • psr-
tir dea enreglatre-
.anta d'Incldenta.

APEX eyete .. R. Obvia (H) - tteta-Unle

(HIT)
Ald profeaslonal
flnsnclal plennera,
- - - - - - -
....nage client a '
accounta

IllAIi J.L. WIllner (A) 1900 ttllts-Unle

(Unlv. du
Service d'Impôt
aonérlcaln.
- R.glea de pro- AHORO
ductlona + dd-
fonc- Chatnage - AHORO
tlonnel arrière
New 11a",,- lIOOatrattona.
ahlr .. )

[(JOAS J.l.
felnateln,
(H) 1905 llata-Unla Conaella aur la r6v6-
latlon d'lnfor .. tlona
- - - - - - -
f. Sel.... admlnlatret 1 vea
confident lellea.

[(lf - (1) - - Organisation de plana EnvIron

de relev6 de 50
- - - - - SNARK

compteura.

flNEX - (U) - ttuta-Un1a

(Unlv.
Analyae financière - - - PROlOG - - - - 1) Capabla d'expliquer oon raisonnement.

Caroline
du Sud)

- - _ .. _- ----- .. 1
 HOTEURS
NOH AUTEUR(S) R(f(- ANN([ ORIGINE APPLlCA TI ONS NOItiRE H(l)E OC REP R(- LANGAGE PilASE fONCTlON- PERfORMANCES 0' 1Nf(RENCE COMMENTAIRES G(N(RAUX
RENCES 0[ SENTATlON OCS ACTUELLE NEHf:NT OCJA
RtGlES CONNAI SSANCE S EXISTANTS
1

KH-l - (2) - -
(Syete.
Syetbe de geetion de
le conne leeeoce qui
- - - Re-
cherche
- - -
1

De ve lop.ent tente d'int4grer lee

Corpore- pooeibilit4e du oye- 1

tlon) tè.e de geetlon de 1

donniee et du eyetè ....

de baee de connele-
seoces.

MANAGER C. Ernot 0) 198~ france

(C.E.R.f.
Applicstion II la
gestion en te~e r4el
- - METALOG - - - HETALOG

I.A. + des personnels psre-

1kI1v. P.
Sabotier)
8édlc8uK d'un greod
h3pltal.
.
PEGASE - (1) 1984 fraoce
(1kI1v. et
Destin4 II 888ister
dea anelyetes rlnan-
- - - - - - - 1

(cole Poly- clere devant juger 1

tech. de des de. .odee de

Leusanne cr4dlte.

PlANET V. Oher (11) 1984 (tete-lJnia

(Unlv. de
IXAI-8~,
p. 188.
vol. l, - - - - - - - 1) Capable de peser le pour et le contre
dee chotK offerte.
New York)

PRAS - (2) - Japon (Yalus"tton des - - - Ohelop- - - -

(Imsch\) risques de grsnde .• pel:ent
projete de cons-
truction.

RABBIT - (2) - (tata-lkIiB

(XeroK)
Aide l'utillssteur II
interroger une bese
- - - - - - -
de donnolee.

---
 MOTEURS
NOM AUrEUR(S) R(tC- ANNeE ORIGINE APPLICA liONS IIOIIIRE HOOE ΠHEPRC- LANGAGE PHASE fONCTlON- P ERfORHANCES D'INfCR[NCE COMMENTAIRES GeNCRAUX
RENCES OC SENTATlON ŒS ACTUELLE HEHENT OCJA
REGLES CONNAISSANCES EXISTANTS
1

SEHAflN R. Pesero,
R. Dovld.
- 19U5 france
(SocléU
Domaine odminla-
tratlf.
- - - - - - - 1

Prologle 1

---1
SHC R. Pas"ro,
R. Oavld.
- 19U6 france
(Socl4td
Oo.alne bancaire. - - - - - - -
Prologle)

rAXADVlSOR - (Dl - Ctete-Unle Anal yae f1nenc Ure.

(Unlv.
- - - - - - -
d'Ililnola)

- - (D) 1985 Grande-

8rela!J1e
Analyltl! flnanclhe. 210 - - Racher-
che
- - -
- P. Hert (H) - Ctets-UnlB Eat1108 une varl'td
de rlaques co.mer-
- - - - - - - 1

claux dana le domaine 1

1

de l'aeauranca

- P. Hart (31) - Ctats-Unla

(Amerlcan
Advlae and aupport
co.merclal Ineuraoce
- - - - - - -
Intern- underwrltera.
atlonal
Group)

- C. L.hesque (1), ) 198} france

(G.R.22,
Oeatlnd • la gestion
de peraonnel et • la
400 - _ p.\SIC
- - - -
Unh. confection de paye.
t'aria YI)

- o. Pallea
et al.
(U) - France
(Tecltl)
Coolteiller en
placellent.
}50 Règle de
production
- Racher-
che
- - - 1) Hoteur d'ordre o.
1--
1

------ ------ .
 AGIl Ica. TIllE

Description des systênes experts

POHHE

WIEAT COUNSElOR
 \
, MOTEURS
NOH AUTŒH(S) R(n:- ANN(l ORIGIN[ APPLICATIONS NOIeRE I!OOE DE REPH(- LANGAGE PHASE fONCTlON- PERf ORHANCE S D'INf(RENCE COHHENTAIRES G(N(HAUX
RENCES DE SENTATlON DES ACTUEltE NEHENT o(JA
RtGlES CONNAISSANCES EXISrANTS
.\
1
POHHE J.\I. Rooch,
R.S. Vlrkar,
(}1) 19U~ (telo-Unle
(Virginie
Coneelile lee fer-
_Iers IIOr la geetion
- - - - - - -
H.J. Weaver, Polytechnlc des ver9"rs de
C.R. Drake. Inetltut,,) po ...es ( ..... 101 de
pesticides, etc.)

IIItEAI
COUNSElOR
- (H) 198~ (teto-Unls
(ICI)
COllee Ils /lUr le
contrOle dea .... l .. dlea
- - - fonc-
tionnel
- - -
lora d.. 1.. récolte
du bld.

.-
 ...
CD

"

CD

...... "
~ ~

1 a
<
1
."" .
z
..J
...
Z
<
..J
...e
-.".
lB
Q
 HOTElIIS
NOH AUTEUH(S) R(f(- ANN(E ORIGINE APPLI CATI UNS NOMlRE HW[ IlE REP R(- LANGAGE PHASE fONC TI ON- PERfORMANCES O'INf(RENCE CIlHHENTAIRES GrN(RAUX
RENCES OC SENTATION IlES A[Tl/(LLE NEHENT o(JA
REGlES CONNAI SSANCES EXISTANTS

AQ-U R.S.
Hichalald
(~) 1978 (tah-Unill Inflrenee de règles
(IInh. de diagnoatic con-
- Règlea de pro-
duction
- - - Sur 4)0 ex.
choialBI a
- 1) fonctionne bien c .. r U y a correspon-
dance directe entre sy..,tOmes et dla-
d'Illinois) cernent lell _aladlea dIIcouvert le gnostical "fonctionnerslt besucoup
du aoj ... 111811 leur .ains bien dllfla le cas où 11 faudr&H
diagnoatlc utiliser des concluulons Interoétliolre8
dans 97,6' et dea stratégleo condltlonnellea à Cea
des css et e concluaions".
émis une ~) Les forllles syntsxiques générées B,x,t
liste des Il_Ltles.
hypothèses ) Certaines règles sont logiquement
qui conte- lourdes et quelquefois si..,Uflobles (si
nalt le le systêllle possédsit "le bon sen8").
.... Uleur 4) Plut4t IIlgorlthllll! trsditionnel ...
disgnostlc 5) Apprentissage' l'aide d'exemples.
dans 100$ 6) Hoteur de catégorie O.
de8 cas.
----
PLANT/dc R.S.
Hlchalsl<i
(1) - (tatll-Unla Pro!voir les ddg'ta
(Unlv. provoquls par un pa-
- - - - - - AOVISE 1) Dérhé de PLANT/ds.

d'Illinois) raaite eur le .aIs.

PLANT/da R.S.
Hichalski
(1) 1982 I:'tats-Ikois OLagnoatic dea _a-
(Ikoh. ladiea du aoja.
- - - - - - AOVlSE 1) l'ordre dans lequel les règles S~lt dé-
clenchées Influence le rtlsultat.
d'Illinola) 2) Capable de gtlntlreliser des règles.
) Système adeptst1f.
4) Il utUiae, outre les rbyles fournies
~ . par les experta, des règles auto... ll'lue-
~t dtlrlvlea psr généralisation de Cas.

IUH - (1), 9 198" france Prototype dtlvelopp' Environ - - - - - EHYCIN 1) AppareU destiné ou. professionnels de
(CognHech, afin d'olvaluer 200 l'agriculture.
Paris) l'opportunltol et la
fall>abUltl d'un aer-
vice nat 10nal de con-
sultation pour lea
1R81adlea dea plantea. .
..
u
~
 HOTEURS
101 AUTEUR(S) Rt:ft~- ANN(E ORIGINE APPLICATIONS NIlKIRE IOlE OC REPR('- LANGAGE PHASE fONCTlON- IPERrORHIINCE S 0'1 Nf('RENCE COHHENTAIRES G('N('RAUX
RENCES OC SENTAllON OCS ACTUELLE NEHENT IJ('JI\
RtGlES CONNAISSANCES EXISTANTS

SIJ'ERIKON H.S. (1) 1984 france Archolologie. EnvIron

100
- - - - - SNARK
la9r "nge,
H. Renaud.

~
 Blll..OClE

Deacrtptton dea ayatèfiea expert a

GENESIS

HOLGEN

PROTEAN
 HOTEURS
NON AUTEUR(S) R(n~- ANNI:':E ORIGINE APPlICA Tl ONS NOItIRE HID[ OC REPft(- LANGAGE PHASE fONCTlON- PERfORMANCES D'INf(RENCE COHl'{NTAIRES G1:"N(RAUX
RENeES DE SENTATIDN OCS ACTUELLE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

GENESIS - (2) - (tate-Unls Syatil... qui aide lea - - - fonc- - - -

Ontell1-
Genetlca
Inc. )
sclentifiquee • pla-
nH 1er et si ... ler des
expériences d'~la-
tlonnel
.
Palo Alto sage des gilnea.

HIl.GEN H. Steflk l, 2,
5, H,
1977 ~tate-Unia Aide dee ginéticiens
pour la planification
- - - fonc-
tionnel
- - EHYCIN 1) Utills4 dans les universités et Jes
laboratolree Induetriels de biologie
16 d'expérlencea IJJr .,ldculdre et de IJénélique.
l'ADN. 2) Offre la possibilité ..ux utll1ssteurR
da pouvoir structurer Jes connslssances
(1'1\glea, falta) en conglomérats
slgnUlcatlfa dans l'application.

PROTEAN Groupe HELl X (J2) 1986 (tats-Unia

(Univ.
Déterlliner la
structure tri-
- - - Recher- - - - 1) Pour atteindre le but visé lea IJJteur9
veulent utillser l'information provenant
che
Stanford) dilllensiomelle des da la rdaoonance ...",étique nucléaire,
protéines. la epectroecople, etc.
2) Progre_ da recherche relativement
récent.

,
-'.".
"
~
i~
!... .....
al

...~
i ....z
,..
i 0:
"-
1a. ~

..'"
....
...... ...... ,..... ,..~
~
0:

~C !i ><
Z
! ...'" i ~
..i!
z ....
§
u
!i
u
~
u
,..
>oC
'"Z
:0

~
~
S
:0
~
l
'"
u

!!!
c
0:
:0
oc
0
z
~
1 0
0:
,.. ,..z
u
%
U
%
0
0:
OC
z ~
>oC 8 'f ,..Z
...~ ...... ... ...~ ...~ '"
0: U
~
fil ...~ !i
oc
!;!
>oC
;: ~
:z
'" -'
'"
~ "
al
.!
;z
,..
~I .."
o....
./
.-"

/'
/'
 HOTEURS
NOM AUTEUR(S) Rfrf- ANNlCr ORIGINE APPLICATIONS NOItlRE HIllE ΠREPRf- LANGAGE PtlASE rONCTlON- PERfORMANCES 0' INf(RENCE COHHENTAI RES GeNfRAUX
RENCES Œ SENTATION ŒS ACTU[llE NEHENT o(JA
RtGLES CONNAISSANCES EXISTANTS

lOS - (2) - flala-Unia

(Rand Cor-
Hodèle lee proceeeu8
de prl88 de doIclsions
- - - Expérl-
.ental
- - -
poration) des Jurleles el pro-
cède • dee eJuele-
Mnte de le lolgl s-
letion aur lee
produite.

IAXHAN - (2) - fte te-Un le Ireite dee règle.ents - - - - - - -

(Unlv. de l~l1c 1tee dans le8
Rutgera) 101 a fiscales et
suggère une suite
d'arrangenoe"te con-
tractuels ',ue peut
utilleer une entre-
prise pour atteindre
ses objectifs finen-
ciers.

~
 HOTEOOS
NOM AUTEUR(S) R(f(- ANN(E ORIGINE APPLlCABONS NoteRE ~ DE REPRL- LANGAGE PHASE fONCTION- PERfORHANCES D'INf(RENCE COIfolENTAIRES GLN(RAUX
R[NCES DE SENTATlON DES ACTUELLE NEHENT {)(JA
RtGLES CONNAISSANCES EXISTANTS

OCCGUlOE Il. Perk Ina (H) - (tah...lJnis

(Lockheed)
Jutor deslgnere ln
deelgn checklng.
- - - - - - -
[XCHECK P. Suppes
~al.
(7) - (tets-Unls
(Unlv.
Enaelgne ...nt dee
..th6_Uquea au
- - - - - - - 1) Comprend des esquisses de preuves,
preuves 8oma81r~9, etc.
Stsnford) niveau unlver.ltalre.

GENlUS G.I. HeC.U., (})

K.H. Hurt .. gh.
198~ Cs,,,"I..
(Unlv.
Sy .. t... pour .. Ider
de. oftudllIOta pro-
- - - - - - -
Saakat- gr....ura • élaborer
che....n) de.. progr ....e.... ln .. 1
qu" r'aoudre le ..
"buge".

GUIDON Il. J. Clancey (1),

2, l,
1979 (tata-Unis
(StBnford)
Eneelg>e...nt eeeletof
par ordinateur.
Environ Règlea de
SO production
- [xpdrl-
....ntel
- - EHYCIN 1) Suit et commente la démarche d'~. étu-
dlant 80 médecine esssy ..nt d'établi r lin
4, 10, dleg>o.tlc médical. Pour ce f .. lr", Il
IS ee be .. e aur le pert Inence de .. questions
p08éee p.. r l'étudiant cOlll'arativement 10
cellea poeéea psr ~tYClN.

KOEHACS R.C. Waters - 1985 (tata-Unis

(HIT)
Asslets un pro-
gra_ur dena
lO Plana +
(nOlibre cllch6a
LISP Recher-
che
- - - 1) La version orlgln .. le .. éU K/l[ en 1981.
2) Effectue trèa peu de raisonnement, le
1',UaboratLon de de cU- contrOle de l'utilisateur eat en.,}oyé.
progr ....ea LISP et ch6o) ) La co ...... lcatlon ne ae fait pss .m
ABA. l .. ngue n.. turelle.

·1
LAURA A. Adell, l,
J.P. Lourent. (C), 0
1980 fr .. nce
(Unlv. de
Syet... per..tt80t
aux dtudlanta pro-
- - - - - - - - 1) Il procède par comparalaon avec un pro-
gre_ type.
C..en) gra..... re 80 fORTRAN , 2) Apporte la correction néceaoslre su bon
de ré.oudre leure foncUonnem«at du progranme.
"bug.. " (erreur.. de
aé ...nUque).
 HOTEURS
NOH AUTEUR(S) RI~fI~ - ANN~[ ORIGINE APPLICAJ IONS NOIflRE HOO[ Il[ REP R~- LANGAGE PHASE fONCTlON- PERfORMANCES O'INf~RENCE CO, .MENT Al' [S œN~RAUX
RENCES 0[ SENTATION Il[S ACTUELLE tCHENJ OCJA
RtGI.ES CONNAISSANCES EXISTANTS

MENO-ll E.
Il.
Solowlly,
Woolf,
(}) 1901 - Enaeigne....nt de
concept~ de prograa-
- - - - - - -
E. Rubln, . .tlon et reconnals-
P. lIurlh. aance dea erreura
d'un ~tudlant lora de
1'~laborBtlon d'un
progrBRDe PASCAL.

HYCROfl I.P.
Goldaleln
(22) 197~ ~lBte-lJnla
(Mil)
"Wbug" de progre"""'o
dunt le but eot de
- - - - - - -
deoalner certslnea
for ...a.

NEOMYCIN W. J. Claocey l, 4,
IS
1901 ~tate-Unla
(Sl8nford)
Enae 1gnell8nt aulat'
par ordinateur.
- Règlea de
production
- - ChalnaC}e
avant
- - 1) Deuxlè.... veral on de GUIDON.
2) Le connalaaance a ~t~ complète.~nt ré-
IIcrlte et étendue.

PllrNARET[ Il. Wertz (J) 1902 - Alde su "débug" d'un

progra.me è lrola
- - - - - - -
nheaux,
-surfaca (lexical +
aynlaxlqua)
-profond (aémantlque)
-conceptuel

PIXI[ 0.11. 51eeman (2) 190) ~tata-Unla Intelligent tutorlng - - - - - - - 1) [naelgne"",nl pour des étudiante ê,jés
(Unlv. ayatem that Infera a entre n et IS "'s.
"
Stonford) model of atudent per- 2) Enseigne l'algèbre Ilnéslre de büse
formance and uoes et l'arithmétique.
thet mode 1 88 a baals 1) fonctionne sur .,icro-ordinateul'.
for teachlnlj and
,
remedlal tutorlng.

PROGRAMMER' S C. Rich,
APPR[NTlC[ Il.[. Shrobe.
(2),
~, (C)
1976 (tate-Unis
(Mil )
Alde lea progranneUrB
en LISP • réawdre
- - - - - - -
leura "bugs".
 HOTEURS
NOM ~UT[uR(S) R(f(- ANN(E ORIGINE APPlIC~TIONS NOItIRE HOOE IlE REPR(- LANGAGE PH~SE fONC fi 1lN- PERfORHI\NCES o'INf(RENCE COHHfNTAIRE5 c(N(RAUX i
RENCES DE SENTATlIlN IlES ACTUELLE NEHCNT o(JA 1

RtGLES CONNAISSANCES EXISTANTS 1

IIAIIKEYE H.G. 8errow,

R.C. 8011ee,
(6) 1977 (tets-Unie CertOCjrephie et
interpr4tetion de
- - .. - - - .. 1) utilise LifER.
!
T.D. Gervey, photoe.
J.H. Krerera, 1

K. Lantl,
J.H.
TenenbauAI,
H.C. 1101 f.

. --- - - - - - - - _ .. _-- ---_ .. --- ..

_
.
_
~
 HOTEURS
NOM AUTEUR(S) R(rt:- ANN(E ORIGINE APPLlCA Tl ONS NIHlRE H(l)E DE REPR(- LANGAGE PHASE fONCTlON- PERfORMANCES D'INf(RENCE CIIHHENTAIRES G(N(RAUX
RENeES DE SENTATION DES ACTUELLE NEHENT OCJA
RtGLES CONNAISSANCES EXISTANTS

WUY A. Collins,
A. Stevens.
(7) 1977 (tats-Unls
(IIIlN)
EnueignelOOnt !IUt la
cause <leu précipi-
- - - Recher-
che
- - - 1) Extenaion de SCUOLAR.

tallons (pluie).

,
,

~f-
 ....,...
.,
)(

.i ..,j

....
AI oC
a:
...
Il .
>-

,....,
...
z

!'"
<.J
~
..,j
c
'"a:
:-
<.J
..,j
oC
a:
!il
~
oC
'"~
..,j
!il
~
c
~
u
Z
tI'I
~
... '"
<.J
i;l
z
~
li
>-
'"
!
~

'"~
~

...~
-...
u
c!!
 HOTEURS
NOH AU1EUIl(S) H(f(- I\NŒ[ ORIGItt: N'PLI CA liONS NOIIlRE H!DE OC REPR(- LANGAGE PIIASE fONCTlON- P':RfORHANCES D'INf(RENCE COHHfNTAIH[S G(N(RAUX
RCNCES DE SENTATION OCS ACTUELLE tt:HENT OCJA
RtGlES CONNAISSANCES EXISTANTS
--
CONGEN R.E. Corharl ~ 1979 - - - - - - - - -
CRYSAUS R. EnCJl'lllOre, l,
A. Terry. H
~, 1979 (tat&-Unh
(UnIY.
Recherche de la
atructure de pro-
- - - - - - -
Stanford) t4inea II parllr de
réoultata d'anolyae
cristallographique.

IlENORAL 8.G. l, 2,
(~), 9
1969 (late-Un1e
(UnIY.
Recherche de la for- - Règlea de pro- - fonc- - Son apli tu de Aucun
8uchanon IlUle développée d'un ductloo lionnel II expliquer
Stanford) corps orgenique. (Unlv. lee détaUa
Stanford d'une atruc-
• Labo. ture molécu-
pharma- lalre II par-
ceuli- Ur de doo-
quea) néea chloRi-
quee dl!paoae
celle dea
humaine.

lItASA E.J. Corey,

W.T. Wipke.
(7) 1969 (tata-UniB
(Unlv.
Analyse synthétique
(chimle org8OI'l',e).
- - - - - Hautee per-
formancea
- 1) Syatè... interoctlf.

Harvard)

HE TA()[NIlRAL 8.G.
Ouchanon
l, (5)
9
- (ta te-Unls
(Univ.
Progro-.& d'sppren-
liaaoCJl' Inductif
- - - - - - -
St8Oford) ayant pour but d'SM-
liorer et de t;JiSné-
raliaer dea rllglea
ex ls tsntes de OENDRAL
ou de gl!nérer de nou-
velles règles.
(Esoaie de co..,rendre
les loio qui régis-
sent 10 fro'Jllentot 100
des molécules).
 HOTEURS
t«JH AUTEUR(S) Ht'ft'- ANNt'E ORIGINE APPlI CA TI ONS NOItlRE HIDE 0[ REP OC- LANGAŒ PHASE fONCTlON- PERfORMANCES O'INft'RENCE COHHENTAIRES Gt'Nt'RAUX
RENCES 0[ SENTATION O[S ACTUELLE NEHENT OCJA
RtGLES CONNAISSANCES EXISTANTS

PIES H. Tellenbau.. (H) - t'tab-Unio

(Sehh..-
Olagnoat le de pro-
blll.... s eur une ligne
- - - - - - -
berger) de fabrlcstion de
clrculte

SECS w. T. Wi!,ke 0), 2 1976

~
t'leto-Ullio
(UIIlv.
Assistence au chl-
.Iete pour la concep-
- - - - Chalnoge
arrière
- -
Slanford) tion de plana de
synthèse de aoléculeu
cDtIfllexea.

SYNCtlEH Il.L.
Gelernter
(5) 1977 I:'tats-Unla Synthèee organique. - - - - - - -
TQHSTUNE C. Wong (H) 1965 -
(Lawrence
Tune triple quadru-
pole .eee epecto-
- - - - - - -
Uvermore Meter.
Nell. Labs)

- T. Iloyd (H) - -
(Sydlley)
Coneelile efln de
cholelr un herbicide
- - - - - - -
approprié pour une
spplicstlon epécl-
1
fique.

- O. Hichle (H) - Angleterre Sereen nBW ehe.lcala - - - - - - -

for herblcidel ~ .
propertles based on
structure-scthlty .
relstionshlps.
 ,
HOTEURS
NOH AUTEUII(S) R(f('- ANN('[ URIGINE APPLI CA TI ONS NOteRE HOOE OC REP R(- LANGAGE PHASE fONCTlON- PERfORMANCES D' 1Nf(RENCE COHHENTAIRES GtN(RAUX
RENCES DE SENTATION OCS ACTUELLE NEKNT o('JA
RtGlES CONNAISSANCES EXISTANTS

TALIB - (9) - ('tata-Unis

(Unlv.
Conception de
circuits InUgro!s.
- - - Recher-
che
- - -
Carnegle-
Hellon)

Y[X[I)-l EAP T. HItchell 9, 11 - (lulo-Unls

(Un!v.
Conceptlon de clr-
cul le VLSI. Sylltbe
- - - Recher-
che
- - - 1) L'apprentlasage "sl permanenl et IlIvl-
slbls pour l'utilisateur (paa de ".'Ode
Rutgera) qui apprendra pro- d'apprentissage").
greaslveaent A aider 2) L'lnforll8t1on sera e.tralte sana que
l'utilisateur A con- l'utilisateur en soll Informé (sYlIl~"",
cevoi~ un circuit espion). 1

re.., lIsssnt une }) SI le syotè ... connstt le ouccèa, Il aer.

fonction doIflnle pOl' distrlbuo! • de nUlllbreu. e.eoplalrea et 1

lui. pourra olnal rencontl'er un nombre de 1

problèlleo de conslructlon de circuits

bien pluo grand ,~,e n' loporle quel
"'.moin ne le pourrall ou cours de 8a
vie. Le niveau d'e.pertlse oblenu oera
Inco..,arable • celui d'un humain.

YI J. HcDerOlOtt, (j0),
S. HarcUB H
- ('tuta-Unls
(CHU/West-
Confi""rat ion
d' 88cenaeu ra.
- - - Recher-
che
- - -
Inghouae)

WRIGltT C.A. 8aykan,

H.S. fo ••
(}) 1986 ('tata-Unis
(Unlv.
Conception de
cuisines.
- - - Racher-
che
- - -
Carnegie- ,
Helion)

XPSE - (JO) - ('tata-Unie

(CAMI)
P Isnificstlon. - - - - - - -

- J.C. Bocquet, (l)

S.
1982 -
(E.N.S.
A parUr de deoolns
IndUBtrlela • vueo
- - - - - - -
Ilcloklewltch. E. T., P lanea, cons t ru Il dea
Cahan) vuea en peropectlve.
---------
 HOTEUIIS
NOH AUTEUR(S) R(f(- ANNfE ORIGINE APPLICATIONS NOHIlREHOOE OC REPR(- LANGAGE PHASE fONCrION- PERfORMANCES 0' INfE'RENCE COHHENTAIRES GE'N(RAUX
RENCES DE SENTATION OCS ACTUELLE NEHENT oE'JA
RtGLES CONNAISSANCES EXISTANTS

AIRPLAN - (1), 2 19U1 (tah-Unh Destlnd • aider les

(Univ. décollages et rdcupd-
- - - - - - OPS

Carnegie retlons d'appareils

Hellon) sur un porte-avions,
en déterminant les
problèllles futura pré-
vlalbles.

[STRAC-II 5. Araya (1) 1964 Japon

(H1tsublshl
B6tl pour .adlfler,
en teaps réel, les
- - - - - - -
[Jectric hors Ires et 819"11- ,
Corp.) et 18ges de ra_8 de
(Klnkl Nlp- t raina lorsque dea
poo Rallwsy perturbstlona aont
Co. ) obaerv'es par rap-
port ... trafic
prévu.

PDS " - (1) 196J E'tsh-Unls Deatlnlll au dlagnoatlc

(West- en teapa rlllei d'In-
- - - - - - [HVCIN

In9hoose) cldenta d'exécution

de processus autome-
tlsds, aurvelllllls
dlrecte ....nt par dea
capteurs.

PICON - (9) - - Contrale de

(Graphaël) proceasus.
- - - - - - - -
V[5/HVS - (1) 1964 (tats-Unls
(I1lII)
Conçu pour 88surer, [nvlron
en teapa réel, dao ~OO
- - - - - OPS~

tllches da conduite
d'ordinateurs (pupl-
hage).
 HOTEURS
NOH AUTEUR(S) R(r(- ANOCE ORIGII'C APPLICATIONS NOttlRE HOOE œ REPR(- LANGAŒ PHASE rONCTlON.- PERfORHAIlCES O'INf(RENCE COHHENTAIRES G(N(RAUX
RENeES DE SENTATION œs ACTUELLE NEHENT OCJA
R[GLES CONNAISSANCES EXISTANTS

- B. Dufay (1) 1983 france

(L.I.f.
Oeetlné • fecliiter
la eynthllee de. MOU-
- - - - - - - 1) Pour un objectif donné, un premier ro-
dule dlter .. lne un plan d'act!ona simple
I.A., ve_,ts fins de br.e et pUote oon ext!cut Ion en le réajustant
E.N.S.I.H. manipulateur ... 80 fur et • OI88ure. Le recue Il dt!o tra-
A.G., ceo de pluoleura expérlenceo conotltue
Grenoble) la "phaee d'entrulnement ". th œuxlè.,e
OIOdule cooopile les traceo pour fournir
un progra_ ext!cutob,le plua gt!néral et
dünc p!!!~ .. obuate que toua leo plans
sl~les produlto par le premier modulel
c'est la "lIlase d'Induct Ion". Le pre-
.Ier ...tule ("entrafneur") comporte deux
i S.E.I le "planlflcoteur" et le "contrO-
leur d'exécution".

- R.B. Wesoon (1) 1977 (tata-Unls

(Unlv. du
t:':lsbore des plans
d'Intervention radio
- - - - -
!
- -
Jexas • auprès des différents
AuaUn) avions concernée (et
suit l'ext!cutlon des
plans) a partIr de
paramètres caractéri-
sent l'environneooent
d'une tour de con-
trOle.

-
,

1
 MOTEURS
NOH AUT[UR(S) R(f(- ANN1"l OOIGINE: APPliCAlIONS NOIflRE HIll[OC REPR(- LANGAGE PIIASE fONCTlON- PERfORMANCES 0' 1Nf(RENCE COHHENTAIR[S G(N(HAUX
RENeES OC SENTATION OCS ACTUEllE NEHENT ŒJA
REGLES CONNAISSANCES EXISTANTS

PRUUST E. Soloway,
W.l. blOaoo.
(}) 1985 - Enael""e.ent et co ..
préhension de la do!-
- - - - - - -
..rctl\! eopruntée lora
de l'é.aboration d'un
1 progra_e.

PSH-NHR - (J) - - Alde l'utilleateur A

réeoudra ce rt elna
- - - - - - -
problèllll!s.

5C[NT G.I. HcCslle (3) 1986 Ceneda

(Ikllv. de
Alde aux progremmeura
(débutants) A l'éla-
- - LISP Recher-
che
- - - 1) Contient deux pertiesl
- envlronne..,nt de programnat Ion 1
Saakat- boratlon de leura - conseUler.
chewan) prograMmea et • la
résolution des pro-
blè..a rencontrée
("buge") (niveaux
conceptuel et
logique) •

SCIiOlAR J.R.
Carbonnell
(lO),
15
1970 - Utilla. pour la
grsphle.
9110- - Réeeaux
sélll80Uques
- - - - -

SUS - (J) - - Alde. l'élaboration

de progre-.s ln for-
- - - - - - - 1) Capable d'améliorer 8es strotégleu
d'enaelgnement.
.... Uquea.

SPAOC H.L. Hiller (l0» 1982 - Enseignellll!nt et

spprent IssagB de
- - - Recher-
che
- - - 1) [et plus précieément un "framewOI'k".
2) COftMJnlcstlon en 1an9,e naturelle
programmee Infor.. - (angl&la).
tlquea élé--.talraa ) UtUlee le lange'Je Lo-TurUe pour cnns-
(planification et trulra dea grephiques.
"debugglng" ).

TVX H. 61111lll!fe,
H. Carlflo.
(H) 1905 (tate-Unla
(OCC)
Tutor uaer of VHS
operst1ng eystem.
- - - - - - -
CIIICEPTION ET fABRICATION ASSIST(E PAR OIIOlNAIEUR (crAU)

Descrlptlon des syst~mes experts

ALADIN

CALLISTO
COPESr

DM
DAS/LOGIC

GARI
HI-RI SE

1515
lEAP
MOIOR BRUSH DESIGNER
PLEX
PHOTOlI HlOGRAPItY ADVISOR
PRIDE
S TOWAGE P LANNER
rAlIo
VEXED-lEAP
vr
WRIGltT
XPSE
 HOTEURS
NOM AUTEUR(S) R(n'- ANNLl ORIGlhE APl'lI CA liONS NOItlIIE HOOE DE REPR(- LANGAGE PIIASE fONCTlON- PERrORHANCES 0' 1 NITRENCE COItlENTAIHES G(NLRAIJX
HENCES OE SENTATION DES ACTUELU hElf:NT OCJI\
RtGlES CONNAISSANCES EXIS TANTS ,

ISIS tl.S.· fo. (2),

0)
19~O (tats-Unls
(Ullv.
Syst.Me utllls~ pour
la planification do
- - - Recher-
che
- - - 1) P lusleura verdons ont ,Ho! cons tru /tee
(cf. document (}».
Carnegle- l'.teller travaU lant
Hellon) Il la deMande.

UA/' I.H. (li) 1905 (tat,>-Unla

(Unlv.
SyatêMe d'spprentla-
aage appUqu~ au
- - - - - - - 1) Capable do gt!Mroliser Il partir
d'exelllplea et de juollfler ado!quste..,nt
Hltchell,
S. Hahadevon, Rutgera) dJveloppelllent doa aa dt!Mrcha.
l.l. conceptlona de VlSI. 2) ApprentleB8ge psr ~nt!ratlon d'exemples.
SteInberg. ') Emplo~ en perallêle avec VEXEO.

HOTOR 6RUStt S. Oouraon (H) - - Conatruct deelgn of - - - - - - -

OESIGNfH (Delco bruehea and aprlnga
Producta) for aaaii electrlcel
rotora.

PlEX - (9) - (tata-Unla Concaptlon do

(Bell labo- clrculta Into!gr~a.
- - - - - - -
ratorlea)

PIIOIOlIlHO-
GHA/'IIY
T. Cline,
W. fong,
(H) 1965 (tata-UnIe
(tlewlett-
Troubleahoot photo-
U thography stepa ln
- - - - - - -
ADVISOR S. Roaenberg, Psckard) circuit fabrication.
H. Walker.

PRJOE S. Hlttal (H) - (tats-Unls

(Xerox
CroIe et anal yae de
nouvetrux "dealÇJlsM
- - - - - - -
Park) pour lea photo-
copleura.

S TlJWAGE
HANNER
A. Hlyajll1ls (H) - Japon Oolveloppe dos plana
d'entreposage de
- - - - - - -
cargalsOIl8 dana un
entrepllt
 /
HOTEURS
OOH AUTEUR(S) R~f~- ANNLt: ~llGINE \ APPLICATIONS NOHlRE HIDE Il[ REP~- LANGAGE PIIASE fONCTlON- PERfORHANCES D'INf~RENCE COHHENT A1HE 5 ~NrRAUX
RENCES DE SENTATION Il[S ACTUELLE NEHENT D~JA
RtGUS CONNAI SSANΠS EXISTANTS

\
ALADIN H.L.
farlnaeel,
0) 1986 - ConcBp,tlon d'un
alliage d'alUIIIlnlu.
- -\ - - - - -
\
H.S. fox,
1. lIulthege, il \
H.D.
Ryehener.

CALLISTO - (2) - ~tata-Unla

(Untv.
Hodèle, aorveUle,
planIfie et g~re de
- - - Reeher-
che
- - -
Cernegle- granda projeta.
Helion)

C(J'EST - (1) - - ConceptIon de

eeta..,ées.
pl~ea )00 - fORTRAN - - - GOSSEYN

DAA - (9) - (tata-Unis

(Uolv.
Concept Ion de - - - Recher- - - -
clrculta InUgrés. che
Carnegle-
Hellon)

DAS/LOGIC - (0) - (tata-Unla

(CGI/O(C)
Concept! on de
clrculta VLSI
- - - fonc-
tlonnel
- - -
GARI Y. Descot tea l, !> 1980 france
(E.N.S.I.
Engendre dea ga_a
d'uslnagea A partIr
EnvIron
!i0
- - - - - -
H•.\.G.) dea spéclflcatlona
Grenoble géo-"trlques et .~ca- ~ .
nlquea.

ItI-RISE - (0) - ~tata-Unls

(CHU)
ConceptIon
d'édifices.
- - - Recher-
che
- - -
-
'"
~
 HOTEURS
NOH AUTEUR(S) RCrC- AN~E ORIGINE APPlICATIONS NOttiRE HOOE OC REPRC- LANGAGE PHASE fONCTlON- PERf ORHANCE S D' 1 NfCRENCE COMMENTAIRES GeNeRAUX
RENCES DE SENTATlON OCS ACTUELLE NENENT OCJA
RtGLES CONNAISSANCES EXISTANTS

EXPERT EASE D. HicMe 9, 12

13
- Ctata-tJnia Gc!nérateur de
ayat~lIIea-expert8.
'00 - UCSO
PASCAL
fonc-
tionne1
- - - 1) fonctionna sur IBH-PC.
2) 695 $ US.
') Disponible dieu Human Edge Softwsre
Inc., 2445 famer Place, Palo Alto,
CA 94'0', USA, T.H •• (1115) 0\9'-159J.
0\) Détecte le. Incohérences.
5) Paut glrérer des règles.
6) utUiBBtion ah.ple
7) Admet trois types de structures.
arborescente, arborescente avec bouc le
et dlatole.
8) Se prtlsente BOUS la forme de dllffr1er
tflectronique •
9) Le dlemlne_nt d'une consultation cst
'ecile l retrouver.
10) Lea Itapee de crlst Ion d'un sya tème
expert • l'alde de EXPERT -[ASE se
Hau. alnai.
- crlation dea sttributsl
- daMer dea exellplesl
- CHat Ion àutolOat1que de l'arbre de
dtlciaionl
- ajout du taxtel
- consu 1te t Ion •
11) Peut contenir Jusqu'à '1 attributs
ayant diseUR Jusqu'. J2 vs1eurs
dlfrlrentee.
12) On peut aoIparer UR système expert en
diversea COlllp08antes qui peuvent
se relier entre elles.
 OOH AUTEUR(S) RIH- ANN(E ORIGINE APPliCATIONS NIIItlR( HOOE OC REPR(- LANGAGE PHASE fONCTlON- PERfORMANCES
HOTEURS
o' 1Nf(RENCE COIKNTAIRrs ŒN(RAUX
--
RENCES 0[ SENTATlDN OCS ACTUELLE NEHENT OCJA
EXISTANTS
RtGLES CONNAISSANCES
._--
GPSI H. T. Harrandl - 1984 (tah-Unla
(Unlv.
OutU de réalisation
de Byatèmea-experts.
- R~gles de
production
- Recher-
che
Chafnage
bldlrec-
- - 1) Peut ut 111ee r des cuefflclents de
vralaemlance.
ll11nola li tionnel 2) VérIfie la consistance des entrées et
Urbana- per .... t d'éviter les redondances.
Cha""algn) }) A .!to! utlliBt! pour conotrulre .... :i.r.
dont la t'che "tall de "débugger" des
prograaones PASCAL.

OURSE R. Pasero,
A. Osvid.
- 198~ france
(SocUté
Outil de réalisation
de aystèmes-experta.
Varla-
ble
Logique du
1er ordre
PROI.OG
11
Produc-
tion
SL-Resol-
ution
- - 1) L'ordre dena laquel les règles sont
utUisées n'a pas d'lnf luence our le
Prologls) (arrUre) réaultat.
+ 2) Le Bystè .... peut répondre 11 des qùcst Lons
produc- lui de ...ndant d'exp liciter son rdeon-
tion ne_nt.
(avant) l) Pendant la "phase de consultation"
l 'ut 11isateur peut ,"mander au systP.nto!
où 11 en est rendu.
4) La COOIAIunicaUon entre l'utUisatp.ur et
le Bystèlle se fait partiellement en
langue naturelle.
5) Le Byatèoe est capable de détecter lea
contradict ions.

XPER J. Lebbe (lJ) 198" france

(Hlcro-
Générateur de
systèmes-experts.
- - - fonc-
tionnel
Chafnage
avant
C&pacit" un
peu UOIlttie
- 1) Plue un Bystè... d'Identification assisté
par ordinsteur qu'un S.E.
appUc- 2) fonctionne our IBM pc/x 1 et comput Lbles,
atlon) Apple et COOImdore 64.
}) La boae de fa lta es t composée de troi s
groupea d'élé...nts, les lndlvlduo, les
variables et les ..,,1011 tés.
4) Poa"de la structure de bose d'un S.E •
... is en plua si""le.
5) COItprend quatrs mdules. l 'édl teur

,on.'1on ......~ ... "_"OO~"'1

le déterMineur (..,t.eur d'inférence
 ·,-1""

MOTEURS
OOH AUTEl!R(S) R(f(- AN~E ORIGINE APPliCATIONS NOIIIRE MIDE IlE REPRC- LANGAGE PHASE fONCTlON- PERfORMANCES D'INf(RENCE COMMENTAIRES Q(N(RAUX
RENCES DE SENTATlON IlES ACTUELLE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

XPER élé .....talre), le réorganlsateur

(suHe) (regroupement dea bAoes de connais-
8ancea), "",dule d'i"1'reeeion (i"1'ree-
alon).
6) Pour obtenir un système fiable, 11 faut
plus qu'un IBM PC.
1) Moteur d'ordre O.
8) Lea entrées ne doivent être faites qu'en
minuaculea (français).
9) le ..xl,""" poasible, côtt! rubriques,
est de )00 individus, ~O variables, JOO
"",doUtéa (pas plus de 10\ par variable) •

.
 GtNIE

Description dee dyst~mee experte

CARTER
CESSOl-O

CII'ART
DISPATCltER
ENGIN[ CDOlING ADYISOR
EURISKD
IClX

ISA
KBYlSI
SACON

SEARCH
 HOTEURS
NOH AUIEUR(S) RE'rE'- ANNE'[ O/UGINE APPLI CA TI ONS NOttiRE HOOE IlE REPRE'- LANGAGE PIIASE f'lNCTlON- PERfORMANCES 0' 1 NfE'R[NCE COHHENTAIRES GE'N(RAUX
RENCES DE SfNTATlON IlES ACTUEllE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

CARlfR - (9) - -
(E.N.S.
Ingénieur conseil en
..écanique.
- - - - - - -
E. T.)
--
USSOL-O H. Ayet, (1),
J.P. L.... rent, n
190' france
(1 .I.A.,
Déter.lne les confl-
gurations d'esuale
- - PASCAL - - - Aucun 1) Peut Justifier Il .. manière très pl'éclse
sea concluolons (explique pourquui Il
H. Soullr. Unlv. de géotechnlquea qui reJotte une tell .. conclusion, elc.).
S... oie) perllettent de cOOl\at-
tra la nature et leo
caractéristiques ..é-
canlquea des diffé-
rentes COUd\e8 d'un
terrain (afin de dé-
finir lea f~,datlons
• entreprendre )ota
de l'implantstion
d'un bUl.ent).

CIl'ARI
-
(9) - - Ingénieur cunsell en - - - - - Appliqué au -
- (E.N.S.
[,1.)
.écanlque. domaine du
jeu, il 8
gagné des
champlonnsts
contre de.
joueurs hu-
.. Ins en
1980, 1981,
- 1982. (Voir
Hycto-Sys-
tèlll88 no 54,
p. 151).
---
DISPAIClIlR J. HcOerRlOtt (H) - (tata-Unla
(Catllegle-
Schedule dlapatchlng
of parta for robota.
- - - - - - -
He 110/')
 HOTEURS
NOH AUTEUR(S) R(f(- ANN(E ORIGINE APPUCAT IONS NOIfIRE HOO[ OC REP fI(- LANGAGE P/IASE fONCTlON- PERfORMANCE S O' 1Nn'RENCE COHMENTAIRES ~N(R~UX
RENCES DE SENTA nON OCS ACTŒLLE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

ENGINE
COOlING
S. Oouraon (H) - (tata-a.18 Ollll}'lOallc des CBuaea
de bruit dana le eya-
- - - - - - -
AOVISOR tè ... di! .efroldlaee-
... nt dea .... teura.

EURISKO O. Len .. t 1. 2. 1980 t:lete-a.la

(Lni v.
Otlcouverte de COfl-
cepta et d'heurlati-
- - - - - Appllqut! BU
domaine du
-
'. 9.
U Carnegie quea appliquées ., 1 jeu. 11 a
Hellon) -jeux (warga,... naval) gagot! dea
-progra_atioo chupi oonata
-clrculta tllectronl- contra dea
quea • trola dlmeo- joueura hu-
.Iona. .aloa en
1980-81-82.
(Voir Hlcro-
Syatè ...
No 54.
p. 151).

ICLX O. /laka.l. (H) 1961 - Ald technlclana - - - - , - -

J. N.. wboro. dlalJloae fau Ua ln
rod .. Il llng p roceaa.

ISA - (H) - (tets-Unla

(DEC)
Schodule orderll for
.80ufacturlng and
- - - - - 1 - -
dalhery.

KOVLSI - 2. 9 - (tata-a.la
(Xerox,
Syatème d'aide au dtI-
ve lappement dea con-
- - ~,

- Exptlrl-
.enlai
- - -
Palo Alto) ceptiooa da VLSI.
+ (Lnlv.
Slanford)

J
 HOTEURS
/Q1 AUTEUR(S) Rl'r(- ANN(E ORIGINE APPLlC"T IONS NOHORE HOOE 0[ HEPn(- LANGAGE PIIASE fONCTION- PERfORHANCES O'INf(RENCE COHRENTAIRES ŒN(RAUX
RENCES 0[ SENTATION O[S ACTUEUE NEH[NT OCJA
HtGlES CONNAISSANCES EXISTANTS

SACON J.S. Bennett, (1),

R. fngelmore. 2, ~,
1979 (tata-Uola
(Unlv.
R&slatance dea maté-
rleux (aide dea
160 - - - - - EHYCIN

9 Stanford) mécanlclena A co.mu-

niquer avec un pro~
gra~ spéclalla'
écrit en fORTRAN).

SCARCH C.
H.
Marche,
Gaudette,
(1~)
- Canada
(~cole
Locallaatlon dea
conta.ln ..nt .. d' .. qul-
- - - O'velop-
pe.... nt
- - - 1) Conçu pour Identifier r .. pld" ...nl 1..
poal t Ion et lea caractér lot l'lUCH ,l' u"e
G. Leclerc, Polytech- fèrea. Source cont .... ln .. nte reaponoablc lit., la
O. 0811.08. nique de détérlorstlon de 1.. qusUté de l'euu
Montréal) d~une nappe souterraine.

- E.".
felgenb"UII
(H) - (tata-Unis ContrGle le freinage
de tralne pwr la
- - - - - - -
pr'clalon et le
confort.

- A. Hlydjilla (H) - Japon Oetect cracks ln

billets snd direct
- - - - - - -
grlndlng.

--

\ \
 GCILŒIE

Descriplion de8 8y8l~me8 exptrl8

CUVEX
DIPHETER AOVISOR
DRILLING AOVISOR'
ELFIN _

CEOX
HYDRO
LITIto
IIlDKAN
PROSPECTOR
SECOfOR
S11111AS
\lAVES
 MOTEURS
NOH AUTEUIl(S) Rl'rl'- ANNl'E IIRIGINt: N'PLICA TI ONS NOttlftE HOOE OE REP R(- LANGAGE PltASE fONCTlON- PERfORMANCES 0' 1Nf(!lENCE COMMENTAIRES G(NI'RAUX
RENtES DE SENTATIDN OES ACTllHtE NEHENT ()(JA
RtGlES CONNAISSANCES EXISTANTS

CUYO - (9) - france

(El f -Aqui-
Recherche pétroll-
fère.
- - - - - - -
laine)

IlIPHUlR
ADYISllR
Il. Oovle l, 2,
5, 9
- (late-Unls Se préoccupe de la
(Schlllnt,er- déter.lnatlon dea
- - - - - - -
'1 e r-IISA) Illhofaclèa lee plus
plauslblea en fonc-
tion de paramètrea
rec:ue illla au cours
de 1. descente
d'outila de forage
(p6trole).

DRllLlNG
ADYISOIl
C.R.
llollander,
2, 5 198} france
(Elf -Aqul-
ol8fJllOatique une va-
rlét' de problèmea de
- - - - - - EHYCIN . 1) Pre.lère veralon de S(CDfOR.

Y. lweoakl, talne) forage et offre dee

J.H. conselle pour lee
Courtell1e, rectlflcetlons nécee-
H. febre. aelus alnel que lea
reconuendatlone pour
la prévention de ce
genre de problèmea Il
l'avenir.

ElfiN R. Martln-
Clouolre
(1) 1984 fronce Recherche lee volee
(Etr-Aqul- de .Igrotlon d'hydro-
- -
. - - - - - 1) Capable de réaliser dee ra iaonnements
approxlllat Ifa •
t 111 ne , cerburee " purtlr des
1..5.1., rochea-OPèrea jusque
E.N.S.E.E. vers dea rochee-
1.11. T., réservoirs, en pre-
Unlv. P. nant en coapte lea
Sabatier) parsmètres géolo-
giques relatifs au
soue-sol.
 NOM AUlEUR(S) Rl'n::- ~NNI'[ ORIGIN[ APPLICAT IONS NOItlRE H(l)E Il[ REPR!'- L~NGAG[ PIIASE
HOTEURS :
fONCTlON- PERfORMANCES D' 1Nfl'RENCE
1 CIlHHENTAIIIES Gl'NI'RAUX
RENCES DE SENTATION DES ACTUELLE tt:HENT OCJA
RtGlES CONN~ISSANCES EXISTANTS

G[OX - (ll) - l'tatu-UniB

(NASA)
Identify oarth aur-
faco .Ioerala frOll
- - - - - - -
rellOtely aenoed
hyperapectral I ... ge
data.
.
----
ItYORO - (2) - l'tats-Unls n4Bolution dea pro-
(SRI Inter- blêllBo de fe88wrcea
- - - - - - -
national) en eau.

1I1ltO A. Bonnet,
J.G.
l,
(5), 9
1981 france
Cla.srt
Se pr40ccupe de la
d4ter.Inatlon dea
500 R6g1ea de
production
- - - La descrlp- EHYCIN
tion des
1) Les IoforilStions 'lUi sont extraites se
recoupent, Bouvent redondantes, quelque-
Ganaocle, Ls re- (Sch lumbe r- Ilthofaclès les plua puita eat folB contradlctoirea.
J. Hery. cher- ger-france) plaueibles en fonc- g4nllrale ...nt 2) Utlilaa dea facteurs de crlldlblllté
che tlon de pera~trea très proche pour reprllsenter les connolssonceo
No 151 recuellila ~I coura de cells Incertalnea.
de la descente fournie li la l) Poaetde une large connelsoonce.
d'outllo de forllge IIIIln par un 4) Bonne interprétation dea règlea (soit
(p4trole). g4010gus hu- reconneltre une même règle entrée ooue
mein. plusleure formea).
5) lllltO poaa'de huit catégories de con-
naissancesl géoljrephie, scUvltée tec-
toniques, stratlljrephte, paléontolugle,
.Inéralogle, pétt'ographle, s4dlme"to-
logle, pétrophyslque.
6) Co_ sortie finsle, LITHO produit une

- '
description cooplète des puits.

HIJIJI1AN J. MeDerrot t (H) - {tats-llnie

(CHU)
DIognooo problellB ln
coopoeitlon of drlll-
- - - - - - -
Ing MUd durlng 011
weil drllling.
 HOTEURS
NOM AUlEUR(S) Rrn'- ANN(E ORIGINE APPLICATIONS NOItlRE H!llE OC REPR(- LANGAGE PIiAsE fONC Tl ON- PERfORHANCEs D'INf(RfNCE CIlHHENTAIRE.s ŒN(RIIUX
RENCEs DE SENIATION OCS ACTUHlE NEHENI o(JA
REGLES CONNAISSANCES EXISTANTS

PHOSPECTOR P.E. lIart,

R.O. Duds.
l, 2,
},(),
1978 (tats-Unis
(SHI)
Spéclallaé dans la
prospection .Inlère
1 600 Réaeau"
sémantiques
- - Chstnage
bldlrec-
Découverte
de deu. dé-
KAS 1) Reflète Ju1!cleuoement une partie Ilml-
tée tll81a """ropr! e du savoir et <\"
10, La et plue partlcullère- tionnel pOts hpor- l'e"pérlence d'un expert.
re- "",nt la recherche pé- tanta de 2) COlllll.ll\lcotion Interactive en languge
cher- troll he. pétrole. naturel.
ch" ) Peut fournir dea e.pllcat Ions 11 tout mo-
No 1)1 IIIf!Ot de la consul tet ion.
4) Représentat Ion de l' Incert 1tude selon un
.odèle de type Bayealen.
) Utillae KAS pour la co ...... nlcation en
langage naturel.

sECOfOR - (1), 9 190} france Diagnostic d'Incl-

(Elf -Aqul- denta de forage.
}50 - - - - - EHYCIN

talne)

slHHIAS J.l. Lsurière (1) 1981 France

(ELf-Aqul-
Recherche lea voles - - - - - - -
de .Igrotlon d'hydro-
talne) + carburea 11 part Ir des
(Unlv. roches-aèrea jusqua
Pierre et vers deo rocheo-ré-
Hsrle servolra, an prenant
Curie) en coopte leo psra-
aètres géologiques
relstlfs BU Bous-sol
(application de sNIIRK
pour le wlvl de fo- -.
raye).

WAVEs - (2) - - Conseille les Ingé-

l'lIeurs sur l'utili-
- - - - - - Ks-}OO

sation des programMes

d'anal1s8 des donnéea
slallliquesl Induatrle
pétrolière.
 IIFORHATI IllE

Deecrlptlon dee eyetèmee experte

AI-SPEAR
BOS
COx
CONAO
CR lB
CSS
OART
DAS
OIAGalOO
OIG VIX.TAGE TESTER
DOC
fAlLTflNDE!.
IIIClASS
lOT
INfORMAT
 INfORMATIQUE (alite)

Description des syst~aes experts

IPW81S

NIC
OCEAN
Pll€
Rl (XCON)
SP[C

SYERA

XSEl
 HOTEURS
NOH AUTEUR(S) R(r(- ANN(( ORIGINE APPLI CA TIONS NOItlKE HOO( OC REPH(- LANGAŒ PIIASE fONCTlON- PERfORHANCES 0' 1Nf(RENCE COIKNTAIR(S ŒNt'RAUX
RENeES DE SENTA TI ON ŒS ACTUELLE N[H(NT OCJA
RtGLES CONNAISSANCES EXISTANTS

AI-SPEAR - (1),
2, 9
1964 (tata-Uni"
(O.LC. )
Ollvelop"" pour l' so8-
lyae dea "cahiara de
700 Règlea de
producUon
- - - - OPS5

bord" d'ordinateura
afin de doItecter et
dia~oeUquer d'6ven-
luelles 8I10. . 1i86.

UDS W. Perkina (12) - l'tllta-Unia

(Lockhead)
Troubleshoot ooaebend
diolr ibulion oull-
- - - - - - -
ey~te. of co....nice-
Uoo8 hardware.
/
C1)x N. Pondit (H) - (tata-Unia
(DEC)
~al yoe ~S dump
filea arler ayale.
- - - - - - -
crashee"
\ ,
,
CUNAU s. Suvory (H) 1964 - Check order entry and
conrt.gure """""ler
\,..
- \ - - - - -
eyste-a.

CH III H. T. llartley J,
(18)
1901 (tate-Unio Dia fJloa tlc de pannes
d'ordinateura (II.et
- - Il - - - - - 1) L 'acquielt ion dea connals88ncee est
plutôt ardue.
des hypothèeea des
cauaea poeaiblee de
cee pannea).

CSS A. Wayne
Elwood
(H) - (lata-Unis
(UlM)
Ald ln planning
ralocetlon relnalal-
hUon end r" .. rrange-
- -
- - - - - -
IRent of IIIH .aln-
fralll8a.

DAIn J.s. Bennett - 1961 (tala-Unie

(t1lH )
Conçu pour le dla-
gno.. t lc de pannea
190 - LISP - - - EHYCIN

d'ordlnaleure.

J
 MOTEURS
NOH AUTEUR(S) R(f(- ANN([ ORIGINE APPLICA Tl ONS NOHORE HlJ)E IlE REPR(- LANGAGE PIIASE fONCTlON- PERfORMANCES 0' INf(RENC[ C!lHH[N1AIH[S GrN(RAUX
RENCES 0[ S[NTATlON IlES ACT UEll [ NEH[NT orJA
RtGI ES CONNAISSANCES EXISTANTS

OAS - (0) - ~toh-Un18

(CHU)
Conception <l' or<llna-
teura.
- - - - - - -
OIAGOIOO 1.. Weeka (H) 19115 - Dla'l'oat Ique lea
dêfautlt <lana "OP
- - - - - - -
equlpment".

DIG VOlTAGE
IlS1LR
T. Larrey (H) - (tata-Unis
(Lockhee<l)
Aid troulJloahoollng
digital voltage
- - - - - - -
aource,a in testlng
lab.

ooe - (0) - (tats-Unis

(l'rime)
Oia'l'ostlc de psnnes
d'ordinateur.
- - - fonc-
tionnel
- - -
rAUllflNU[R S. Savory (H) 19114 - Ola'l'oatique leo
dêfauta <1008 lea
- - - - - - -
"dlsk drhes".
--
ltleLASS L. Waller (JI) 1985 (tato-Unla
(1Il.Ighes
Sequence stepa ln
PC board ItsseOlhly.
- - - - - - -
E1ectro-
Optlcal
and Data
Syutema)

lOT - (l0) - (tata-Unis

(IlEC)
Vérlficatlon
d'urdinateurs_
- - - fonc- - - -
tlonnel

INFUlIHAT J. Alden (H) - (tuto-Unls Con9aille les con-

e ....... teul'Q aur lea
- - - - - - -
schsts <l'ordlnateUfo.

IPWUIS - (l0) - (lsls-Unla

(CHU;West-
Circuit boar<l
Inspecllon.
- - - fonc-
tlonnel
- - -
inljhouso)
 HOTEURS
NOH AUlfUH(S) Rl'rl'- ANN(f (NUGINE AI'PLICA TI ONS NOHIIRE HOOE IlE REPRI:'- lANGAGE PIIASE fONCTlON- PERfORHANCES D'INfeRENCE COMMENTAIR[S Gt'NI'RAUX
RENCES 0[ SENTA TI ON IlES AC]UH.I.[ NEHENT OCJA
RtGLtS CONNA ISSANC[ 5 EXISIANTS

NIC P. Polltakls, (H)

w. IIlr'·~U<l.
1964 l'lols-Unis
(IllC)
Iroubleahool problemu
,· .. Isted 10 Uhernet
- - - - - - -
Il o[Cnet networks.

OClAN
-
(}O) - t'tsta-Unle
(NCH)
Conn 'l'rat 100
d'ordinateuro.
- - - fonc-
tionoel
- - -
OClAN Il. P lolk in (H) - t't .. ts-Ilnie
(leknowl-
Check orders for
computer .. ystems,
- - - - - - -
"dge) configure ordera.

PINl A. Wayne
Elwood
(JI) - (tala-Unis
( IIlH)
Guide Iss personnea
lora de l'41aboratioo
- - - - - - -
de rapports BU r
l'analyae de probU.-
mea de logiciela.

HI (XCON) J. HcOe"mott l, 2, 19UO

D, 14
l'tata-Unla
(Unlv.
Se charge de la coo- l IJOO - - - - f ,..,s
pr l.:,;.,i6rea
-
"'l'ration des ordi-
Carnegie nateurs VAX. utiliaatlons
Hellon) l'our lea ré-
solutions de
problèmes,
sa précision
n'était que
de 601i slors
qu'en labo-
ratoire elle
atteignait
901i.

SPlC - l, 9 196} frsnce

(louve-
Aide' la conception
de configurations
- - - Recher-
cha
- - -
clennes) particuliltrea des
ordinateurs VAX.
 MOTEURS
NOH AUT[UH(S) IIlf(- ANN{E ORIGINE APPl.ICA 11 ONS NIlHIlRE HIIl[ Il[ REl' R(- lANGAGE pllASE fONCTION- pERfORHANCES D' 1 Nft':Rl"NCE COHHENTAIHl5 Gt'N(RAUX
HENr'_5 Il[ SENTATION Il[S ACTUEtLE NEHENT OCJA
HEGLES CONNAISSANCES EXISTANTS
--
SYŒA - (9) - - R6al1sation de
(Cep-Sogeti conseillera en
- - - - - - -
Inno'Ht 1o,,) concept Ion de gros
prograaames •

--
XSll J. i'lcOerftlOlt l, 2,
~, 9
19U2 (t .. ta-Unh Oeatln6 li faciliter
la co...... nlcat1on
- - - - - - ors

entre RI et leu
Ingofnleurs technlco-
conne rel aux a"",néo li
l'utillaer.

- - 9 - (tata-Unie
(HIT)
Dlagnoatlc ooa
défaillances dea VAX.
- - - - - - -
- T. Boyd (H) - -
(tCl,
Configuration des
ordinateurs, sérlea
- - - - - - -
Sydney) '9.

- O. Hlchle (H) - (coaae

( Turing
DlagnoaB faulla on
prlnted circuit
- - - - - - -
Inutitute) boards.

- D. Hlchie (H) - (cosse

( Turing
Intelligent front-end
for co""lex 8oftwsre.
- - - - - - -
Inst ilule)

•
 xux

•••• 11 n'y. plu8 qu'une centaine de chercheur. dans le .. onde qui s'intéressent' ce domsine."
(La Recherche no 170)

Deecription des syet~mes experte

AU

ATttENA

BELLE
BKG 9.8
CHELEH
CII[SS
CIIUNKER
IAGO
JJSEP III NE
PARAÔisE
RœlN
WUSOR-l
 NOM AUTEUR(S) R(f(- ANNt'[ OHIGINE APPllCA fi ONS NOItlRE
·
MOOE lE RfPR(- LANGAGE PliASE
HOTEURS
fONClION- PERfORMANCES O' 1Nf(RENCE
OCJA
COMMENTAIRES rtN(HAUX
RENCES DE SENTAllON lES AClUELLE tl:HENl
RtGlES CONNAISSANCES EXISTANTS

AU - (9) - - ('checa. - - - - - - - 1) De la traœ de ~I';J:!~[H.

AHIENA S. Chap1 e ..u,

G. lapai .....
(9) 19t1l C.. nad" Scrubltle. - - - - - En ysralon
"dupl1cat/le"
- 1) SyaUulB al""le 'lui, il l'aide d'un dlc-
tlonnalre adopt" et d'une petite
le ayaU, ... foncUon heurlatique de choix guidant
Joue .leu. une recherche en une aeule passe ct s''''U
que lea retour en errlère, Joue mleu. lors .t..
cha""lons du tournois "dupl1c"tés" (tous ont leu
.ande (981 ""œil lettres) que les chsnvlons du
du top, ~de.
c'est-il-dire
le madru.
1 pouslble.

B[LLE - 9, l} - ('tets-Unla (chece. - - - - - Loin der-

rlère lee
- 1) UtUlee un mlltolr!el apéclallu4 qui lui
permet d'/ltudler 150 000 pllUIt lonu psr
granda mal- seconde.
trea (reate
quand on/Ime
le .ellieur
progra ... e
d'olchecs ll
l'heure ac-
tuelle).

BKG 9.8 Il.J.

Ilerliner
9,
D, G
197~, ('tata-Unis
(Univ.
Backga... on. - - - - - - Il yalncu le
cha""lolI du
- 1) UlUlae de conne'scances et deu pro-
pri't/ls du Jeu, sous forme d'olyslustionu
Csrnegle- monde le ronctionneU"s adéqulllea et non 1Inéo 1-
Hellon) 1 15 juillet rea et fait alnul lrès peu de recherche
1979. dena les arbrea .te9 élats.

CU[lEH - (lJ) - - Ilrldge. - - - - - - -

J
 HOTEURS
NOH AUTEUR(S) Rl'fI~- ANNl"E ORIGINE APPLICATIONS NIHIR[ HW[ DE RO' OC- LANGAGE PHASE fONCTlON- PERfORHANCE S O'INft'RENCE CfiHHENTAIRES Gl"Nl'RAUX
RENCES DE SCNTATION O[S ACTUELLE N[H[NT ol"JA
RtGLES CONNAISSANCES EXISTANTS

CHl:SS - 9,
f
n, 197U l'tah-Unle
(Un.. Unt..
l'checa. - - - '- - HeUleur
prograll1lAe
- 1) COlllprend certetues connalaaances 8troté-
glquea et poeltlonnclles.
de la COte dons lea 2) Plualeura veraions.
Oueat) annéea '10.

CIiUNKlR Il.J.
Oerliner,
9, Il 1981 - (checa. - - - - - Oat ''''JUilll-
rement aes
- 1) Ralaonneaent de fin de jeu assel r ..pide
(une .inut.. I.. U"~ 'lU 'U prendra it
H. Ca..,bell. auteurs dans 10ll 8IYIées aux "rogreAI.ea tradltlon-
dea s1tua- nels lea plus pulssanta).
tlooa nou- 2) Possllde la partlcularité de pouvoir
velles. raiaonoer globalement 9Ur tout un groupe
de pilleea et de lenl r compte des con-
cepts géométriques.
}) Traite dea flna1ea Hol-plons avec des
telllps de réponee trèa 8atlafolsants.

IAGO l'. Rosenbloom (U) 1981 (tata-Unis Othello. - - - - - 11 atteint

un "top nl-
- 1) Construit en cinq .ale.
2) Sa fonction d'''v .. luatlon tient compte de
veau" _la la atabUlttl territoriale et de le mobl-
n'a pu Ure HU.
confronté
avec le
chaovlon du
..onde.

JOSEI' III NE O. faller (U) - france

(L.R.I.)
Orldge (fournit des
p hne de jeu pour lea
Plu-
sieurs
- .' - - - - - 1) Capable de for ...,ler des hypothèu",s sur
les rtlpartltlons des couleurs el le p18-
Oraay dtlchranta 11 aal18- cen- C8l111!1lt de certaines cortes, et d'en dé-
atout, aprèe aalale talnea duire la 111J'le de jeu optimale.
dea enchèrea, des 2) Conduit un ralaonnerent explicite.
.alna du dtlclsrant
et du ..ort, de
l 'enta.e) ,

1
 HOTEtMlS
t«JH AUTEIJH(S) R(f(- ANNl'E ~IIGINE APPLICATIONS NOtIlRE HOOE OC REPR(- LANGAGE PHASE fONCTlON- l' ERf ORHANCE S o 'INf(RENCE COMMENTAIRES G(N(RAtJX
RENCES IlE SENTATION OCS ACTUELLE NEHENT OCJA
RtGtES CONNAISSANCES EXISTANTS

l'ARAOISE O. Wilkins 9,
U, f
1979 (tata-Unis (checs.
(SHI Inter-
Environ Règles da
200 p roduc lion
- - Chalnage
avant
- - 1) [ssale d'expllcit .. r certaines conn819-
aancea, certolne cOllcepta apéc ltï'llle8
nat 101101) des écheca, ala manière des hlAiolus,
afin de diMinuer le nonbre de COUptt à
conaldérar.

ROll 1N J. P ltrat 9, U 1977 fronce (checa. - - - - - - -

WUSOR-l J.
Stansfleld,
(l0) 1976 (tsts-Unia
(HII)
Il,,,,,,,ua. - - - - - - -
H. Carr,
I.P.
Goldateln.

- B. Serar (9) - funce

(L.R.I.,
Bridge (enchères). - - - - - - - 1) Le aystèlll8 d'encltèreo est sccompslJné
d'un lIOdule très eophlstlqué d'explica-
lkllv. tion capeb '.e de répondre de fsçon odé-
Parle-Sud) quate • de .. queet .()(,S du stylel "Pour_
QUoi le systèMe n' a-t-Il pas annoncé
telle enchère?".

- R. Popeacu (9) 198} - Brldye. l' lu- Règleo da - - - S'approche

du nlveeu de
SNARK
aleura productlon
cen- bona Joueurs
talnes hullalne.
,.
- A. WaaaerlllSfl (9) 1970 - Bridge. - - - - - - - 1) Cspablo d'enchérir convenablement.

- A. Samuel (U) 1959 - Oell8s. - - - fOflC-

tionnel
- A battu
de grands
- 1) Capsble d'ecqUlfrlr une cel,talne eXl'é-
rlence en oe rappel .. nt des sHuat Ions
joueurs. analysées (180 OUO portiea).
2) L'un dea premiers progrsmmea A utiliser
des techniques arborescentes et oussl
l'un des preillers grsnds 8Uccès tic
l'Intelligence al't Iflclelle.
 HO TE URS
NOM ~UTEUR(S) R(r(- ~N~E ORIGI~ APPLlCAT 1ONS NOItlRE HIDE OC RfJ'R(- L~NG~G[ PHASE fONCTlON- PERfORHANCES O'INf(RENCE COHHENTAIRES G(N(RAUX
RENCES DE s[NT~TION DES ACTUELLE ~HENT OCJA
RtGtES CONNA1SS~NC[S EXISTANTS

- E. Jensen,
1. Trultcott.
(U) 197" (tsta-Unls Da.es. - - - - - - - 1) Même principe que le système de
~. Saoue!.

- O.A.
Wstermon
9,
1"
n, 1970 - Poker. 20 - - - - Gagna contra
dea Joueurs
- 1) Capable de bluffer.
2) ~f1n de uvolr s'U doit aulvre, relsn-
lIoyena et cer ou abandonner, le système tl~'flt
Joue souvent co~te de plualeur9 parsmètresl
au niveau - valeur de a8 IAsln 1
des experta. - valaur du "pot"l
- inclinaison 1. bluffer de l'adversaire
(a tendance' toujours aulne, au
début, sfln de déterminer ce 1'6r.-
tAètre).
---
- E. 8erleke"" 9, n - - Bridge. - - - - - - -
- P. Plonchon 9, n 198} - Brl d98· - - - - - - - H Appllqud uur IAlcro-ordlnsteur.

- .------------ ._~. - - - - - - t...----------- - --

- 1
 .!
.'"
"" :::
~ "~
~ ~ .
....
i "
>-
...a: ....
".. !i ..J
.... >- ...
U
ca
..J
<
...'" '"a: '"....> èS ...<
'-' z
...@, ;2 ...><
a: <
....... <
..J

i
~
"0

6
....
~
;j!
<
ca
0
<
ca '"ca
< 15
Z
0
u
~
0
'-'
'"::::>a:>-
'-'
'-'
<
~
..J

Q
8<
a:
Cl
-... ...'"
~
..J
z
t5
'-'
~
>-
8! '"a:
<
:! !!! =
..J

! = ... ><
..J

~
-.:
Q
..""
 LAID.E NATURO.LE ( ... Ue)

Description des systèmes e'perts

LI\D()[R/l NI. AND

LAMlSCAN
lIfER
LIllAR
MARCiE
HARWORDS
MYRTILLE (l et Il)
NEXUS
PAH

PARRY
PLANES
QUiST
RAREAS
R[S[ARCHER
SAP/IlR
SOC
S[SAH[

SHROLU
SIR
.
û
!
~

...~ ~

~
:!
u
-... Z
........ :: ~ u >Cuc
BI BI .... ....-' ::

i... -;:
U
al
'"

~
 HOTEURS
~ AUIEUR(S) R~n'- ANNtE ORIGINE APPLICATIONS NOHIlRE HOOE DE REP~- LANGAGE PIIJ\SE fONCTlON- PERfORMANCES 0' INf~RENCE CIlHHENlAlHES GtNtRAUX
RENCES DE SENTATION DES ACTUELLE NEHENT otJA
Rtm ES CONNAISSANCE 5 EXISTANIS
- ._-
AU IOLl NG S. Klein (9) 1966 ttata-Unle Apprend la grammalra
d'une langue. partir
- - - - - - -
de phraaee correctea 1
et Incorrectea.

BAOBAB - (~)
- - Analyae du r4eu,",,8
d'Illats du patienta
- fra ....a - - - - EHYCIN 1) L. co~réhenolon du programme Bat reflé-
t6e par 88 capacité dei suggérer <le.
d4crlta en un langage Informatlona aanlfUontea, faire des Infé-
quaal naturel par rencea, faire dus vérlflcatlona do
dua _duclns. c0h6rence, Interrompre opportuné ..ellt
l'utlileateur en den.mdant de clor If 1er
certalnea InforlIOtlofls.
2) Le but est atteint ou moyen d'un diolo-
gue en langue naturelle, l'analyseur
utUlsant une gro"",8lre de nature eéowlI-
tique.

IlA5EUALL 8. Green
~.!!..
(6) 1960 ttats-Unla
(Lincoln
R6ponae • due ~ee-
tlone se rapportant
- - IPL-V - - Se reppro-
chant da la
Aucun 1) Progra ...e très élémentaire.
2) Lee queatlone poséea ne peuvent avulr
Labora- au baoeball. aédlocrlbl. plua d'une propoaitlon ou contenll' des

.
tOrlea) conjonctions et/ou deo ouperloUf ••
1 ]) Le programme n'eot jao~lo A"xllflé (b.se
dea donn6ea) •
) Le aeul trait Intéressont eut qu'II peut
reconnattre une même queatlon pooée de
.8OI.re8 dlff6renleo •
..
BOHIS w. Lehnert,
H.G. Oyer,
~, 10, 1901
(U)
ttota-Unla Eaaale de coaoprendre
"en profondeur" le8
- - - - - - - 1) Lea "analyaeura" ouppoaent que touteo
leo 'ventualltéa, touteo leo olt uutlono
P.N. Johnson, aot lvatlm,o deo qui peuvent se produire dano le déroule-
S. /larley. acteura I~llquéa ment d'une ocooe .... truuvent déjà Ino-
dena des hlstolres du crltea dans la connaisuonce du 9y!3tèlll~
divorce. (eNI utilisotions d'une chantJre ~
coucher). Un o18nllue de données peut
jouer un rllie déterminant.
 HOTEURS
---
NOH AUT[UR(S) R(r(- ANN(l ORIGINE N'PLI CA Tl ONS NOHIIR[ HIDE OC RD' R(- LANGAGE PIIASE fONCTION- PrRfOHHANCES 0' 1 Nr(R[NC[ COMM[NTAIRfS G(N(HAUX
R[NC[S D[ SENTAllON OCS ACTUELLE l'OIENT o(JA
"tctES CONNAISSANCES EXISTANTS
----
!lORIS 2) La co""réhenaion qu'il tire des Iois-
(suite) toirea eat très riche en détails.
) Capable de trouver les mot 1vat ioOlu des
peraonnages, d'identirier des S\tU9t1UOOU
caractolristi<JUes et .... ttre en relutioll
des événe..,nts (8sns mécanismes lels I~B
acénarloa, évitlen""enl).
4) Les naultate (performsnces) peuvcnt
nre fautife puisque le s:·"tè .... n'o été
appliqué qu'li qu.tre histoires.
~) Repréaentation d~~ connalssollces por des
HlI's.
6) Associe .ltr::.itement co""réhcr.sloll du
teMte et d1ff~u",l"J for"".,,, d'sllI.lyse
ayntadqu" et odlllllnUque.

CONVlHSr Kellogg (6) 1968 - Langue naturelle. - - - - - - - 7

COflP S.J. Koplon (7) 197~ (tats-Unls
(Unlv. de
l~rgue naturelle. - - - - - - - 1) Corrige un msnque (erreur) dana les
questions poséea (eM' combien d'élll-
Pennay 1-
vanie) \ \
\
dlsnts ont échoué un certain coura Il
l'automne dernleq le aystème rél'Ot.d 'lue
1
ce cours ne ae donnait pss li l'uulon••e
mals /1 l 'hived.
1

- - - -
- It - - - -
CYRUS (5) 1es te l' hypothèse - 1

oImlse par de nombreuM

.
paychologuea, li
a8volr la nature
"reconstructl veN dea
mécsnls""s l""l1qllols

~
dans la mémod 80 Hon
et le sOllvenir.

U[ACON Ih""",son (6) 1966 - langue nslurelle. - - - - - - -

1

- -- 1
 --
HOIEURS
ooH AUI[UII(S) H(f(- ANt;(E OUIGINE APPLI CA TIONS NllHIlR[ HOO[ Il[ REPR(- tANGAGE PItAS[ fONClION- PERfORMANCES 0' INf (R[NCE COHHENIAIRIS GE'N(RAUX
H[NCES 0( SENTAliON 0(5 ACTUEllE NEH(NT O(JA
Hf GUS CONNA 1SSANCE S EXISTANTS

OIALEC! J.-C. Bassano (J) 1986 france

(Unlv.
Indique des sources •
conoulter, en réponse
- - PU Recher-
ch..
- - - 1) COlllllUnlcallon en frsnçsls.
2) Possède un dlctlon" .. lre.
Paris Sud) • des questions po- }) (volutlon conshllte dans l'scqulsit Ion
.. ées en langue nslu- LA[ dans de noM,reux doms Inesl deser ip-
relle (aaalalont en tions de d"cume"ts, règles pour dos
doc ...enlüll on) • stratégies de recherche, règle .. d" lill-
gulstique, etc.
4) Capacités d'apprentissage pernlCU ..nt
l 'smélloratlon des performonceu .lulls le ..
procédés linguistiques et la I"efor ... -
Ist Ion des quesUOf'-..

ORAGON - (5 ) 197U (t .. ts-Unls

( HlH)
Co""réhenslon de la
parole.
- - - - - - -
fLIZA J. We lzenbauOi 5, 6, 1966
9,(10)
(tats-Unle
(HIl )
Co..,réhenslon des
langues nsturolleo.
- - SlIP - - - - 1) Aucune intelligence.
2) Programme traditionnel.
}) 51",,10 Illusion de compréhension (II
n'en est rien en résllté, Il procède
ou !vant un ·psHern").
4) 10 pluo célèbre de 90n dol1l8lne.
5) ElIZA ollUle .... psychiatre avec lequel
on psut COllyeroer en l .. ngu8 naturelle.
6) Poooède un enoent,le de couples (put tern
reconnu = psttern réponse), c'est-A-dire
que chaque fola qu'Il reconnalt un
certain psttern, 11 génère le psttern
réponse corresp .... d.. nt.

[SOI'[ - (5) - (tata-Un18

(L1HSI,
COllf'réhenslon de la
parole.
- - - - - - -
Orsay)

GENIAL Il. Pelletier, (J)

J. Vaucher.
19U6 Conodo
(Uni •• de
Langue naturelle
(français).
- - l' ROUlG Recher-
che
- 471 des
queatlolls
l'ROLOG 1) Une attention toute particulière .. été
portée è l'analy .. e morphologique.
Houtréol) posées, lora
 HOTEURS
N()1 AUTfUH(S) R(I(- ANN(E ORIGINE APPlICATlONS NOItIRE MOOE OC REPR(- LANGAGE PItASE fONCTlON- PEfifORHANCES D' 1Nf(RENCE COHHENTAIRES G(N(RAUX
R[Nl:E5 DE SENTATION ()[S ACTUEllE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

GENiAl de la pre- 2) h.poaslbUI té de répondre Il de .. II1t!ta-

(Suite) .1I~re expé- questions (exi Que puis-je faire? Que
rlonentatlon. savez-voua? A quoi sert votre eye-
ont été tll.... ? etc.).
rejelolee per l) le lralteonent se divise t:n qtJatrl!
le eyetèone. étapes 1
- analyee lexicale,
- analyee IIIOrphologlquel
- analya~ lIyntaxi'lue et aémont l'lue 1
- généroU ..•• de la réponoe.
4) Peut être appliqué 11 n'I"lOrle quel
domaine.
5) l..,léIDenté sur VAX 7!l0.
6) Le lexique eat I""lillllé en arbre IRIL
1) Tollire lee fsutes d'accord.

IIACKER G. J. SuesIDan (l0) 1975 (lah-Unla Langua naturelle et

progrll. .allon auta.a-
- - CON-
NIVER
- - - - 1) Apprend Il partir de oee erreurs.
2) Lee progra ..... e qu'U écrit contiennent
tI que 1 "cr lt Wl pro- des cOOlRenta Iree, lout com ... ceux des
gr...e pour r"pondre I.....alna. Indlqulint 11 quoi sert Uftt! 80UU-
II une demande for- routine.
.ol"e par l'utillaa- l) Sea progrs .....a ne peuvent qu'exécuter
leur (eX! placer une chose Il le fols (exi ne P""'rolt
le bloc A sur le plecer le bloc A eur le bloc B pule
bloc B). placer le tout sur le "loc C. Il
placerait le B sur le C pula le A aur

- le B),

IIARPY B. lowerre,
R. Redlly.
2, 5,
9
1900 (tala-Unis
(Univ.
Co..,r4lhenslon de la
parole.
- - - - - - - 1) Vocabulaire Hml té.
2) Passage d'un Interlocuteur Il un oulre
Cernegle- ....nquanl d'dlolgellce.
Helion) l) l'rh.ltlf.

1
 HOTEURS
NOM AUTEUR(S) R{f{- ANN(E ORIGlf'I: APPlICA TI ONS NOKiRE HmE DE REPRt:- lANGAGE PHASE fONCTION- PERfORMANCES 0' INrt:RENCE COtM:NTAIRES Gl'Nt:RAIJX
RENCES DE SENTATION DES ACTUEllE N[It:NT OCJA
RtGLES CONNAISSANCES EXISTANTS
--
IlEARSAY
(l, Il et
l.O. Iler ...n,
f. Hayes-
2, 5,
Il
1980 {tata-Unie
(Unlv.
Compréhenalon de la
parole.
- - - - - - - 1) Vocabulaire Ulllité.
2) Les paasages d'un Interlocuteur 11 un
111) Roth, Carnegle- ElUtr. "'nquent d 'éJ égonce.
Y.R. leaser, Hellon) 1) Prlllitif.
D.R. Reddy. 4) Plusleure versions flnt été produiteul
leur but a été ourlou!. d'apporter des
Idéea uttlea aur J~ façon d'organiser,
d'utUlser et d'améllo .."r la hase de
cOMslsB8ocea.
5) La connalasance dans le système esl
reprdsentée 80U9 la forme ~ "80Urep.!1
de connaissance", me sorte de règle de
production complexe.
6) Chaque "source de c"nnalssance" contient
la connaissance nécp.soalre pour résuudre
une oppl1cat1on pArt leu llère.
7) Il est po8slble de choisir ls granulu-
rHé de la connal>onance que l'on Mslre.
8) Chaque "source de r.onna Issance" e9 t
caractérlBée par une condition de
déclenchement qui Jill est attachée.
,
HWIM J. Wolf,
W. Woods.
(5) 1960 ~tata-Unls
(BBN)
Compréhena Ion de la
parole.
- - - - - - -
INTElI.ECT l. Hurla
" 9
1979 ~tata-Un1s langue naturelle. - - - Co...... r-
cl alla'
- - -
K[Al G. Hercier,
M. Gérard.
(5) 1981 france
(CNET de
Compr.!hens1on de la
parole.
- - - - - - -
Lannion)

lAOOER/iNlAND [.0.
5acerdoti
l, (5) 1977 l':tata-UnlB Interrogation de
baaea de donnéea our
- - - - - - -
lea navires.

1
 MOTEURS
NOM AUTEUR(S) R~n~- ANN~E ORIGINE APPLICATIONS NONORE MOOE OC II:PR~- LANGAGE PHASE FONCTlON- PERFORMANCES D' INr~RENCE COHHENTAIRES ~~RAUX
RENCES DE SENTATION OCS ACTUEllE If:MENT OCJA
RtGLES CONNAISSANCES EXISTANTS

LANOSCAN R. Bajcsy, (12) 1985 ~tats-Unls Langage naturel et - - - - - - -

A. Joahl, (Univ. de aystème de vision.
E. Krotk\lv, Pennay 1-
A. Zwarlco. vanie)

LIrER G. Hendrlx 5, 9 1970\ ~tats-Unla Interpréteur de

(SRI Inter- règles de gra_lre.
- - - - - - -
national)

LUNAR W. Woods,
R. Kaplan,
}, 5,
(6)
1972 (tah-Unla
(BON)
CO"f'rllhenaion de
phraaea iaoléee (ln-
- Réseaux
aélR8fltlquea
- Expérl-
lient al
- - - 1) Comprllhe .... ion au ni veau œa phraaes pri-
'sea indivIduellement 88ns ess8yer œ les
O. Nash- terrogation de baaea relier en un discoura continu.
Weber. de données en la ngue 2) Technique d'analyae ATN.
naturelle) a8 rappor- }) Possède un dictionnaire d'environ } 500
tant • la goIologie IIOts anglaia.
lunaire. 0\) L'analyae dea queations se fait en troJ a
oI'tapeal
- analyaa eyntaxiquel
- interprétation sémant iquel
- exol'cution de la requête formelle COOl-
I18ndant la recherche dens Is base de
donnéee et la réponse en langue no tu-
relle.
5) A donné naiaaence à INrElLECT. commer-
cialisé.

MARGIE C. Riesbeck.
C. Rieger.
(5) - - Analyse des phrases
axpriœea en langue
- - - - - - - 1) L'analyse dea phrases est transformée en
une repréeent ation de dépendance concep-
N. Golœ.an. naturelle. tuelle.
2) Peut travailler en IlOlle paraphrase ou
infolrence.
 HOTEURS
OOM AUTEUR(S) R(n'- ANN(E ORIGINE APPLICATIONS NOIfIRE HIll[ ΠREP~- LANGAGE PHASE fONCTlON- PERfORMANCES O'INf(RENCE COMMENTAIRES Gt'N(RAUX
RENCES OE SENTATION ŒS ACTUEUE NEHENT OCJA
RtGLES CONNAISSANCES EXISTANTS

MARWOROS R. Klttredge, 0)
A. Polguere,
- Canada
(Uni v. de
CompUe les pro!vi-
sions de parsmêtres
- - - Recher-
che
- - -
[. Gold>erg. Honlréall lllétéorplogiques
basées aur des oboer-
vat10na A grande
échelle.
.
MYRTILLE J.P. Haton, (5) 1978- france Comprolhens Ion de la - - - - - - - 1) Capable de reconnaftre des phrases œ
(I et 1 Il G. Messenet t 1962 (CRIN, parole. langages artificiel s très contraint B et
J.H. Pierrel, Unlv.de un vocabulaire inféri"ur A 100 IOOta.
C. Sanchez. Nancy) 2) Appliqœ au domaine deu re .... eignements
méttforologiques, avec un vocahulalre de
}75 rota et une syntaxe ossel prOdlp. du
françaia porltf.
--
NEXUS R. Alterman (26) 1965 (tota-Unle
(Unlv. du
R.!sulle des histoires
et rtlpond ~ dea
- - LISP Recher-
che
- Très promet-
teuaes
- 1) Oict lonnaire comprenant entre 100 et 150
concepts (o!vtfnement/état).
Te'8a A questions a'y rap-
Austin) portant.

PAM R. Wilenaky 5, U, 1976

E
(tota-Unis
(Unlv. de
COIIIp réhe na ion des
te.tes.
- - - - - R.!sultata
plut/lt
- 1) Gronde richesse des mécanismes inter .. es.

Ysle) ternes

PARRY - (l0) - - SilllUle un psychiatre. - - - - - - -

PLANES O. Waltz,
B. Goodman.
(5) 1977 (tata-Unis
(MIT )
Interface en langue
naturelle avec des
- - - - - - -
basea de données,
pour le8 avions.

QUIS! J.J. King (H) 1961 (tats-Unis

(Unlv.
Langue naturelle. - - - Recher-
che
- - - 1) Reformule (interprète) des queations
afin de trouver une réponse de.... la
St&nford) base deo donntfee.
--
HOTEURS
IIlH AUTEUR(S) R~f{- ANNt'E ORIGI fIE APPl ICAT IONS NOItlRE HOOE OC REPRt- LANGAGE PHASE fONCTION- PERf ORHANCE S D'lNffRENCE COHtt:NTAIRES ŒN~RAUX
RENCES DE SENTATION OCS ACTUELLE flEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

RARUS R. Kittredge, (J)

A. Polguere,
- Cana de
(Univ. de
Synth~8a dea bulle-
tine oo!Uo de la
- - - Recher-
che
- - - 1) Hanque de raffinement.

E. Goldberg. Hontrdal) urine ~ partir des

prtlvisiona tlll!téoro-
logiques.

RESEARCHER H. lebowitz (12) 1985 ~tat.-Unis

(Univ.
Syat~ ... d'inforllBtion
intelligent.
- - - Recher-
che
- - -
New York)

SAPIHR - 5, 9 198) france

(ERLI)
Interrogation d'une
bas e de oonnéea en
- - - - - - - 1) Doonain" d'application 11 mité (mioue-
cule ).
langue naturelle. 2) Compréhens ion fine.
) Trois étopea li l'anal yss, morpho-led-
cale, ayntaxique (200 règlea), séman-
tique (environ 100 règles).

soc - (6) - ~tata-Unia

(SRI Inter-
Langue naturelle. - - - - - - -
nstional )

SESAHE Y. AU,
R. Aubin,
) 1986 Canade
(BNR,
Langue naturelle. - - - Recher-
che
- - - 1) Lorsqu'une entrée est faite le système
peut procéder temporairement 11 un d1sn-
B. Hsll. Ottaws) gement de mt, pour lI1 synonyme, permet-
tent ainsi de ne pHS encombrer 1 tespace-
""'moire.
2) Corrige (ou du moina essaie) les erralr9
de frappe.
l) Indépendant du oomaine d'application.

SllRDlU T. Winogrsd 5, (6), 1972

9, 10
(tata-Un1a
(HIT)
Dialogue interactif
en langue naturella
- - LISP +
HICRO-
- - - HICRO-
PlANNER
1) Accepte dea phreees et des commandes
8I.Issi bien que des queet ions our tWn
avec un utilisateur PlANflER ra1eonneœnt.
(le ayetè ... silAUle 2) Possède que tre parU ... 1
un bras manipulateur - snslyse mrphologiquel
dép laçant des blocs - grammairs anglaisel
 HOTEURS
NOM AUTEUR(S) R~fI'- ANN(E ORIGINE APPliCATIONS NOIfIRE HOOE OC REPR(- LANGAGE PHASE fONCTION- PERfORMANCES 0' 1Nr~RENCE COMMENTAIRES GI'NLRAUX
RENeES or SENTATlON OES ACTUELLE NEHfNT OCJA
RtGI.ES CONNAISSANCES EXISTANTS

SHROLU (jouete) sur une - an"l yee sémentique;

(suite) table). - résolution du problème.
) L" cOIIIIIUllcst!on avec le &ye tème ne doit
pa8 se fdre en anqlaln trop complexe
(8tructure de phrase.).

SIR B. Raphael S, (6) 1969 ltata4Jnls Converaation en

(MIT) langue naturelle
- Logique dea
pr.!dlcata
LISP Proto-
typa
- Hodeatee VU Aucun
le nolllbre de
1) Bsse de conn81saanccu passab le ment
l1;;'ltéa.
(englaJa). conna1888n- 2) Conversation plutôt I1lJdeote.
cee.
) Le eyatême peut Interroger l'utilisateur
afin de réaoudre certelnee anbl guitée.

SPEECIILlS - (S) - t'tato4Jn1s

(MIT)
Co""rolhenalon de la
parole.
- - - - - - -

SPIRIT - (9) - france

( Sodét.!
(;êre de cyoaeea beae& - - - Commer- - 901 l 961 de - 1) t'tapeal
da donm!eu textuel- dellal! réeultate - analyse rorpholexlcale;
Syetex) 1ea, principalement par la settara!- - analyaa eyntexlque;
Il dea Hns docu.... n- CISI santa - analyse cya ...atJcale (utlllaat1on de
telres (utilisé llana But vant la probebUltéa pour lea I1lJta anblgii.,
lea a<iolnlatratione nature du leur a8algnant une catégorie la pllls
pour dl vers usagea texte. probablah
te ls que la recherche - anal yse sémantiq ue •
docUlllentalre en 2) Una extension est envisagée l la 'l'st Ion
maltèra énergét Ique de coupuree de presse et à celle du
ou de textes jurl- courrier.
dlquee).

STUOENT O. Bobrow l,
(6), 9
1969 t'tats4Jn1s
(Mil)
Lecture et réaolutlon
de probl .....s d'algê-
- - - - - Réeout les
problèmes
Aucun 1) 51 le ayatê ... eut Incapable de résoudre
l'équation, 11 peut œm8nde r à l'ut 111-
bre (da niveau eecon- 8uas1 bien 08 teur de lui fourni r de l'lnforPl8tlon
delre donnéa eous qu'un élève supplé"",nta Ire.
forme d'histoires). et aurtout
pit... rapi-
dement.
 HOTEURS
NOH AUTEUR(S) R{f{- ANNI'E ORIGINE APPlI CA TI ONS NOHIlRE HOOE OC REPOC- LANGAGE PHASE fONCTlON- PEnr ORHANCE S D' 1 Nf{IlENCE COtflENTAIRfS G~N{RAUX
RENCES 0[ SENTATION OCS ACTUELLE NEHENT ŒJA
RtGLES CONNAISSANCES EXISTANTS
--
TLC QuilHan (6) 1969 - Langue naturelle. - - - - - - -
TRACK S. Csrberry Ol 1986 t'tsts-Unis
(Unlv. du
Se ~ un syatème
pouvant entretenir un
- - - - - - -
Delaware) dialogue colulrent en
longue naturelle.

- S.G.
G.J.
Pulman, (2)
Ruosell,
1986 t'tata-Unis Langue naturelle.
(Univ.
- - - Recher-
che
- - - 1) Le système devrait être complété en
1987.
G.D. Ritchle, Canbrldge)
A.W. Black. +
Royaume-Uni
(Unlv.
d'Edln-
burgh)

- H. Thompaon,
J. PhUllpo.
(2) 1986 Royaullle-UnI Langue naturelle
(Unlv. (parolng oyotem).
- - - Recher-
che
- - -
d '[dln-
burgh)

- G. Sabah (9) - fronce Co""réhenalon d'une

langue naturelle
- - - - - - - 1) Comprerol les fablea de Lafontalne.

(histoires pour
anfanta).

- P. Harrison,
H. Ha.well.
(9) 1984- t'tah-Unis
1986 (Boelng
Langage naturel. Environ
200
- LISP Recher-
che
- - -
Artlflclal
Intelll-
gence
Center)

- R. Schonk (9) - Üate-Unis Langue naturelle. - - - - - - -

F!-.!l. (Yale)
 MOTEURS
NOM AUHUR(S) R~n'- ANN~[ ORIGINE APPlICATIONS NOKlR[ MIllE 0[ REP~- LANGAGe PIIASE rONCTlON- PERrORHANCE S O'INr~RENCE COMMENTAIRES GLN~RAUX
RENCES DE SENTATION O[S ACTUELLE NEliENT ŒJA
RtGlES CONNAISSANCES EXISTANTS

- P. Harrison,
M. Maxwell.
(}) 198/1 ~tats-Unis
(8oelng
Réponse ~ des
queations poaées en
- - - Recher-
che
- - - 1) La cOlllllllnlcation se fait par l'entremise
du clavier et de l'écron.
Art Iflc1al langue naturelle. 2) A été l""lémento! aur Jp VAX 1l/700.
Jntelll- 1) Systè .... Incomplet.
gence
Center)
.--
- A. AlAin (9) - rrance
(Nancy)
Reconnsiaaence de
l'écriture arabe.
- - - - - - -
III 0-
III

..
~ a:
....
i...
=> - gs
1.. :5 ~
g i....
a:
!j,/ ~
0-.
1 i>- ~
0-
U
....a:>
.,
- >- 0- U oC
Q
~ cl 1>: III
....
l ;f ~
~

~ ~
u
~
....
u
'"~'"' ...J
~
III
~
co:
fS ~ '"
\:
a:
)C

~
8
...J
III
~
U
i
&ol
i "" ,.,.cz::
,.,.z: ,.,.
'"'
-.".
&"
 .
!

-.." " z
0

1 ~

""
0::

'" '"~
!.. ... ::;

i ..
'"
t!
:::0
Q
0::
<1
... ......
~
Z
ëU'I ~ ::; ""<
0::

~
1
..
U'I
<
i0
1:3 0:: 0:: ""'" '" ~ '"
i .
(J
10
~
 HOTEURS
NOH AU1ElJIl(S) Rl'r(- ANNl'[ URIGINf APPLICATIONS NotIIHE HIl)[ (1[ REPR(- LANGAGE PHASE rONcTlON- PERfORMANCES 0' INf(RENCE COMMENT A1Rf 5 G(N(RAUX
RENC[S DE SENTATION (l[S ACTUELLE NfHENT O(JA
RtGLES CONNAISSANCES EXISTANTS

ALICE J.L. Lauriere (5) 1978 Funce

(Unlv.
Résout des problèmes
de IOIJlque et de
- - - - - - -
l'orlo VI) .othématiqueo p08éo
dano un langage utl-
lloont le vocabulaire
de la théorie <leo
eneeroleo et de la
logique clooslque. 1

AM D. Lenot (1),
5, 9,
1971 (tota-Unlo
(Unlv.
Prop08er des conjec-
turee - Bans les
500 Règles de
production
- - - - - 1) Pas d'apprentlsuoge (n'utilise puu ses
nouvelles connelssonces pour 0'00) lorer
10 Carnegle- démontrer - et éla- ses performsnces).
Helion) borer <le nouveaux 2) Ne peut découvri r de nouvelles h~urls-
concept a (plualeuro tlques.
centaines) A partir
d'une bese Initiale
de concepts généraux
(une centaine).

BUGGY R. Burton,
J.S. Brown,
(7),
15
1982 (tah-Unie
(BBN)
ltablletés sri thœ-
tlqueo (diagnostic
- - - - - - - 1) - Build a dlfferentisl stud.mt nu"l"l.
- Expllcate rules of when to interrupt.
K.M. Lurkln. dea "buys" ou erreurs - Procedural representst10n for buoJs.
proc6durales). 2) Explique pourquoi un étudiant fait des
fautes.

- - - - - - -
CAHEUA H. Vlvet (1) 1984 (tats-Unls
(Untv. du
Haine)
Oeet lné Il conjuguer
des connslsso ces
heurlst1quea svec les
-
algorithme.. pulsssnts
du système de cslcul
mathémstlque RrOUCE.

CEG - (H) - - Génération d'exe""les

..othémat Iqueo.
- - LISP - - - - 1) Pulsssnce et hahlleté d'e.prestiloll
U .. ltéeo.
 HOTEURS
NOH AUTEUII(S) Ht'n'- ANNI:'E ORIGne Al'PliCA TI ONS NOItlRE HID[ [)[ REPRt"- LANGAGE PHASE fONCTlON- PEHfORHANCES 0' INft'RENCE COIif'CN1AIRES ŒNt'RAUX
H[NCES DE SENTATION [)[S ACTUEllE NEHENT OCJA
REGlES CONNAISSANCES EXISTANTS

OŒUI;GY Ourton,
Brown.
(15) 1962 (lalo-Unis tloblletda orlthmé-
tlquea (dlagnoatlc
- - - - - - - 1) - Butld a ,lIff~r".,ti81 aludenl ..odel.
- Expllcate ru I"a of when to Inl~ rtupt.
des "bugs" ou erreura • Procedural repl·escnlation fOI· hU1j9.
proclldurlllea) • 2) Explique pourql... l un éludlsnl roll l1ea
fautea.

G[lERN1EH Il. Gelernter (6) 1959 (lola-Unla

(New-York)
Rllllolutlon de pro-
blèmee de 1]I!0métrle.
- Règlea de
production
fORTRAN fonc-
t10nnel
- - Aucun 1) fonet lonne aur IllH 704.

GPS A. Newell,
J.C. Shaw,
l, 6,
H
1969 t'loh-Unls
(Unlv.
Rd .. olutlon de pro-
blè...,a mathématlque81
- Règlee de
production
- Recher-
che
- Perfor ....ncee Aucun
très ..0-
1) Se rapproche beoucoup du progra ... e tt'a-
dltlonnel.
Il.A. Simon. Carnegle- preuve de lhéorèmea. deateal Il 2) Succellaeur de Log le Theor lat.
Helion) s'agit d'un
de8 premlera
lKldèlea ex-
pllrl...,ntaux
ayant dtd
fabrlquéa.
On 0 d'ail-
leurs caaad
lea travaux
our ce mo-
dèle.
/
GRAPIIEI! A.H. (U) - t'tala-Unie Gllnératlon d'exemplea - - - - - - -
BaUantyne,
W.W. 1I1e<laoo.
(Unh. du
Texas) \ \
\
Auatln
.
IIARP f. Oppacher, (}) 1906 Canada Preuve de th6orèAIC8 - - lHA- Recher- - - - 1) Implé ...ntll aur 5ymbollca J600.

11~
[. Suen. (lkllv. (géométrie plane). che 2) Peut réaoudre.
Carleton) - probU..., du al nge et de la b.nane;
Ottawa - problèmes de géométrie pl8ne;
- Schubert 'a ateomruller proble ... (en
14 aecondea pour 18 verelon Hun
modifiée).
 MOTEURS
NOM AUTfUR(S) R!~fI'- ANNLl U.HGINf AI'PLlCATlONS NOItlRE M(IlE OC REPR(- LANGAGE PIIASE fllNCTlON- PEflf ORHANΠ5 D'INf(RENCE CI tHEN 1A' U: s G(N(RAIJX
IIENC[S DE SfNTATlON OCS ACTUELLE NfHENT OCJA
RtGLES CONNAISSANCES EXISTANTS

K/lYP ION R.J.

Drachmon,
(Ill 19U} (tula-Unis Preuve de théorèll1t..... - - - - - - - 1) Développé Il partir ooa résultsts oblenue
de Kl-ONE.
V.P. GiltJerl, 2) Deu. cO",,09anteu majeurea ae Bfléclall-
H.J. sant respect 1veillent dona le ra i sonnenl:lll
Leveuque. terlilnologique.
}) Chaque CO"lJOBtmte li 80n propre JunquüCJe.

I.[X T. MLtchell
et 01.
~, 9 190} - Apprentlsuage de
techniques de réso-
- - - - - CO""srables
è celles
- 1) Ne peut pso calculer d'intégraleu
définies.
1--
lutluna d'lntégulea. d'un ho...a 2) Preliler S.E. qui oit été capable o'oc-
entrdné. quérir oon e.pertlse tout ~n fournisBunt
des e.pllcotlona our oeo prOCeS6t10
d'acquisition.
J) Capable de trouver, !Jana essayer tontes
les mêthodes sy!ilémaliquCflM!nt, lü hOIllU!

onéthoda d' inlétJl'ül ll1n,

4) Capable d'ttutO-COfil:l;i.lOO (lPOÙ üulélio-
rotions pooalhl"o).
~) Apprent IstlolJ" por générat Ion aul"IRut iquc
de problèmes et flar contre-e.emples.
6) Capable de générollsutlon par dé •.,,,u-
tratlon.

lOGIC- A. Newell 6, 9 19~6 (tsta-Unls Démonstration de - - - - - - - 1) Premier programme d'I.A.

IIIEORISI théorèmes da la logi-
que des propositions.

U'S . (1) 1979 Japon Spécialisé dons la - - - - - - - -

(Unh. résolut Ion de pro-
<le Kelo) blêMeS de géométrie.
,

MACSYHA J. Hoses 5, 10 1967 (tata-Unls

(Mlf)
Réaolutlona d'lnté-
gu les et équstlona
- - LISP fonc-
tloooe1
- - - 1) (quivalent de 50 années-personne" de re-
cherche pour la conatructlon du uyalè ••e.
différent lei les, 2) le systèllle conti entl
calcul I18trlclel et - dea règles de almpllflcation ou
vector lei, etc.
 HOTEURS
NOH AUTEUR(S) R~n~- ANNl'[ ORIGINE APPliCATIONS NOIflRE HroE OC REP~- LANGAGE PHASE fONCTlON- PERrORHANCE S D' 1Nf~RENCE COHHENTAIRES ŒN~RAUX
RENCES 1)[ SENTATION OCS ACTUELLE NEHENT OC'JA
RtGLES CONNAISSANCES EXISTANTS

HACSYHA d 'équi valence facilement acce8aib lcs

(suite) (ident Hés) ,
- dee procédures de "reconna i888nces œ
formes d f e)(presslom l' à un ni veou
aémantique et syntsxique (exl x2 - 2x
+ l, for ... ax 2 + bx + c msis recollnoft
sua sI (x - l)(x ~ 1) li
- dea heurist Iques œ résolut ion de pro-
blèmes et des procédures d'Inférences.

HUSCADET D. Pastre (1) 1964 France

(Univ.
ExpérIœntol en tholo- 50-150
rie œs ensembles,
- PL/l - - Capable
d'établir
- 1) Les démonstrations sont rerdues poaoi-
bles !FAce sux métoconnals88nces.
Parla VI) eapaces topo logIques des délllOns- 2) ~tabl1t dea démonstrstions de théorèmes
(G.R. 22) et espacea vectoriels trstlons de complexes.
topologiques. tholoro}_ J) ExpérI ...nté en théo ri e des emenblea,
cOlllplexes. des espaces topol<KJlques et espaces
vecto ri els.

PH M. Koehen,
P. Reanick.
- 1986 {tats-Unh
(Univ.
f ait des découvertea
et for.., des conjec-
100 frames KEE Recher-
({nter- che
Chatnage
bidirec-
- - 1) La prochaine versIon sera capsble
d' suto-correct ion.
Michigan) turea en géométrie LISP tionnel 2) L'ordre dans lequel les règles sont uti-
plane. D.) Usées peut influencer le résultst.
J) Utilise dea coefficlents œ vraisem-
blance pour représenter les connals-
ssnces IncertaInes.
4) Ne peut explic1 ter son raisonnement.
5) La comnunlcaUon avcc le système ne se
fait pas en langue naturelle.
6) ne paut détecter le. contradlctlone.

PREDICTOR A.P. White - - Royaullle-Uni ProbaUst1c

(Univ. de induction.
- Bose da
données
fORTRAN Conçu
pour
- - - 1) Toutes les édItions du système ont été
conçues pour fina de rt.~herdle.
BirIRlngham) fins de
recher-
che
 HOTEURS
--
NUH AUIEUR(S) Ht'fI:~- AN~[ OHIGINt: /\PP li CA TI ONS NOHlRE HID[ OC REPRI:'- LANGAΠPltASE fONCIIIIN- PERfORMANCES 0' 1Nft'RENCE COHHENTAIRES G(NI:'UAUX
UENCES DE SENTATlON OCS ACTUEU.E NE Hf NT OCJA
RtGLES CONNA 1S5ANCE 5 EXISTANIS
--
l'HOYER W.W. Ble<ls"" (19) 1970 t'tats-Unls Preuve de théorème ..
... thé .... t Iques
- - LISP - - Un \Ir end ob.
de théorères
- 1) Comprend trois psrties.
- SPLIT 1
(théorie deo en- ont été -REOUCEI
eellbles ). prouvéo 1181s - RESOLUT ION.
lee + dlffl- 2) "Le eystè ... prouve habltuelleRlent .11
cUeo ne le théorème rop ldement 00 pas <lu tout".
sont p8S~

QAl - (10 J - - DélIOnS tu tion de

théorèmes.
- - - - - - -
Il(DUCE A. Heern l, 5 1969 t tu te -Iln Is
(5tanfor<l)
Résolution d'Intégrs-
leo, équations <llff'-
- - - - - - -
r .. nlieUeo, etc.

11Er -ARf R.E. rikeo (U),

(1)
197U - Résolution de pro-
blêmes .athématlqueo
- - - - - - -
(cryptoor lthoOOt l'lue
+ problème <les
8-r.. lnes).

,AINI J. 5s\lle (6) 1961 I:'tats-Unle

(HII)
InUgfHtlon de fone-
tlons éU....ntalrea
- Règle6 da
product Ion
LISP fone-
llonnel
- . Se cDqlllrant Aucun
~ un bon
1 ) Trèe faible <lan. l'Intégration Mflnle.
2) f onet lonne sur I!lM 7090.
(princlpslement InU- étudiant de }) fonctions qu'Il est capable d' Intég.· ....
gules Indéflnleo). nive .... col- fonet Ions conatnntesi fonet Ion Idenll té i
lé\llul des somme, produl t et fonet lone de pui a-
~
années eencea élé ... ntairesi fonctions trigono-
1960... oOOtrlques Inverses élélJentalres.
Résolutions
de 64 Inté-
gralee sur
86 dont 54
BSseZ CQIR-

plexes.

J
 HOTEURS
'-
NlIH AurlUH(S) Rl'tt:- ANNI'l OHIGIN[ APPLICAT IONS NOHIRE HIIlE DE REPRI:'- LANGAGE PIIASE fONC Il ON- l'ŒfORHANClS O'lNfI'HlNCE COHH::NTIIIRES cLNl:'lIAIlX
RENC[S DE SENTAflDN DES ACTUELLE N[HENT OCJA
RtGtES CONNAISSANCES EXIS rANTS
- - --
SEME H. Baron (1 ) 1902 fctlnce
(1101 v.
Expdrh.",l~ ell ....nl- - - - - - - -
pulellon de cUI",ela-
Parla VI) soUCes concernant leo
lralte"",nte furmela
en ünüJya6 con.)lnti-
lolre el ,Jo!rl vullon.
_. ----
SIN J. Hoties (6),
10
1967 l'tete-Unie
(HII )
Intdgratlon de
fUl\Ctlona.
- Hèglee de
production
- - - Hêmee per-
forn~ance8
Aucun

que celles
de SAINT
msls trois
fols plue
rapide. Peut
réaoudre des
Intllgratlons
e'evérant
fort COM-
plexee.
.~

SNARK-
INT[GRAT ION
J.L. I.eurlère (5) 1982 frence Réeolutlon d'Inté-
gr8lee.
- - - - - - SNARK

WEST Ourton,
Drown.
(15) 1982 t"tats-Unle Ilsblletés erlthOlétl-
ques (dla!JlOatic dea
- - - - - - - 1) - BuUd s dlfferent lai .. lu,"'nt ".."lel.
- [xpllcete rul,," of when to Inlern'pl.
"bugs" ou erreurs - Procedurol representatlon for I.ugs.
p rocédureles ) • .- 2) hpllque pourquoi un étudiant fa i t tE"
feu tes •
----
lORUA R.E. Kllng (19) 1971 t"latu-Unle Preuve de théorèmes
(SRI Inler- de logique.
- - LISP - - - - 1) Peut acquérir dl, l 'cxpérler-ce (pelOt ré-
eoudre dea problème" pur anulo,!lc).
net 1011 al ) 2) La vltease d'exécution eal plua rapide
pulaqu'U P."ut roisonner J.lur 8l101ogie.
 Hl'DECINE

Description des syatêmes experts

ABEL

AI/COAG
ANIICIPATOR
N'ES
ARAHIS
BABY
V BASIC-fUfr
CAOIAG 1
CASNEl (GLAUCOHA)

" C[NlAUR
CLOT
COOIAPSY
OIABETO

OIGnAq~.

EIERGE
HEAOIEO
IIEHOCAO
ttOOGI<INS
INTEHNIST
IRIS
 !
""

......
ô
... N

.!
U'I CZ;

... ...
x
1
El
~
t;
U'I 0
g-'
Z
g ...
~
cz; U'I
O.
g~
X ... ~c:
....
...
!! ...z 0
!.... ë ::>
X
~ t::
X
~ ...c:z 0
~ %
z
;;:
i... ...~ ....
N
....
U u
> ....z !!t ....
U'I U
~
>
Z ~
0
...."" .... ....
CZ;
...
::> c: \01 5§ X c:
&! 1 ::
~
% z 0 cz; cz; cz; U'I :a
~

-"
<J

""
0
 t«1JfUHS
1
NOH AUJEUR(S) Refe- ANN([ ORIGINE N'l'llCATlONS NOItiHE HOO[ IlE REpR(- lANGAr.c plIASE fONCHON- pERfORHAM:E 5 D'INfeRENCE COHHENIAIRE5 GLNCHAUX
Rf NeES DE SENJATION IlES ACTUELLE tt:HENJ OCJA
REGlES CONNAISSANCES HIS JANIS
L-- ,

IAU[l Il. Pat Il 1,

10
~. 1902 (tata-Ilola
(HII)
H~OJUlatlon ru pli. - - - Reeller-
clle
- - - 1) Peut être appel" un ;.1 • médical de 1..
deuKlll.... gt!nérat Ion. i
1

AI/CUAG - (~) - - Ilt!aoütll8e. - R"gles da

productlon
- - - - -
ANHCIPAIOR - (~) 19UJ - Preacriptlon ontl-
biotique.
- - ""gles de
productlon 1
l'ROI DG - - - -
- Coupl" avec
Wle base de
données.

N'fS - (4) 1/82 - Appllqu" en der ... -

tologle.
- R"gleo de
p roduc tlon
- - - - -
ARAHIS J. frlea (5) 1972 (tata-Unie
(Ilolv.
, ra Itement des
....ladl .. a.
- - - - - - - 1) Ralsonne ....nt aeal-automatlque psr on8-
logle • dea c .. s sntéd euro. 1
1

Stanfurd) 2) La poaslblllhl de données erronées ou

1118nquantes peut dt!grodar etlrleuae.",,,t le 1
dlagnoatlc.
J) Chaque fola qu'un nouveau patient eut 1

eos .. l"", un protlcle .. choisit les In-

dices du patient qui vont servir. cher-
cher, dans la bose lie donntfes, un ou
plusleura caa de patienta prochea dont 1
le tralteœnt et l'évolution de la mala-
die ont tltt! eu Iv Is. C'eut ainei qu'un
tr81leooent pour le putlent préaent est
euggért!.

UADY - (J) - - Alde auo aolna

Intenalfa de
- - - - - - ADYISE 1

nouveaux-nIa.

_..J

.
......- ~
 HOTEURS
--
NOH AUTEUR(S) R~f~- ANN{E ORIGINE APPL ICATIONS NOKIRE HOOE Il[ RE PRt"- LANGAGE PHASE fONCTlON- PERfORHANCES o ' 1 Nf~RENCE COHMENTAIRES G{NrRAUX
RENCES DE SENTATION DES ACTUELLE NEHENT OCJA
RtGlES CONNA 1S SANCE S EXISTANTS

BASIC-PUff C. leveaque 0) - France Employ4! par des

pneulllOlogues pour
100 Règlea de
production
BASIC
aur
fonc-
tionnel
- 855 d' Intar- EHYClN
prétations
1) Version almpllrtt!e de [HYCIN.
2) Employ4! par des pn'"'lMlogues pour
dégrossIr les inter- micro- correctes dégrossir les Interprétations apiro-
prtltatlona aplrom4!- ordina- m4!tr lques.
trlquea. teur

CADIAG 1 - (4) - - Appliquo! A la m4!de- - - Règlea de - - - - -

cine interne. production 1
- Couplé avec
une base de
données.

CASNET
(GI.AUCOHA )
C.
Kulikowakl,
0),
2, 4,
1978 ~tata-Un1a
(Unlv.
Application en Plus de Ro!aesu.
ophtallIIOlogial tral- 2 000 st!mant lquea
- - - - - 1) Connu BUsal 80US le nan de GLAUCOHA.
2) A donnt! nalseance BU système géno!ral
S. lIelaa. 5, 9, Rutgers) teaent è long terme [)(P[RT.
10 et di a'Poat lc du
glaucOile.

CENTAUR J.S. Aikina l, J 198J ~tata-Unis Hême application que

PUff (o.aladiea pulmo-
- - frenesl
- Règles de
- - - - [HYCIN 1) MauUs d'une e.tension de EHYCIN visant
à _ieu. contr61er l'usoge des règles.
nalres) liais avec un production. 2) Offre des posslbill tés à l'ut Ilhat."r
..eilleur contrale de de structurer les connaiseances (faits
l'uaage des règles. et règles) en conglomérats algn1flcat lfa
dans le tblalne d'application.
J) Partition de la base des règles.

CLOT - (4) - - Appliquof au. problè-

mes da coagulation.
- - - - - - [HYCIN

COOl APSY H. Heury,

A.-I1. Hes-
(J) 1985 France
(CRIH +
Psychiatrie - Règles da
production
- - Chetnage
avant
- - 1) Hoteur d'ordre O.
2) Reconne1aeance des dl verses formu la tlons
sotte, H. Be- GRIP posolbles d'un m8me terme.
taille, J.C. HÔpital
Penochet, Colombière)
H. Negre.
 HOlflJRS
NOH AUlUIR(S) nrrl- ANNll OHIGINE APPLICATIONS NIlI1IIRE HIl)E IlE REl'Rl- LANGAGf PHASE fONCHON- PEHIORHANCfS 0' 1Nf(RENCE COtt4ENIAIRI ~ GI'N(HAUX
R[NC[S D[ SENUIIlIN IlES ACTOCLl[ NEHENI OCJA
RtGlES CONNAISSANCES EXISIANIS

DIABOU J.C. IluIQson, (1),

Il. fBrreny, 1)
1984 France
(Labo.
Destin.! • aider ou
dlagnoatlc et au
200 -fralllea
-R~gle de
- Recher-
che
- - - 1) le aystè. sera acce8sible par Itéseau
vld'ote • • partir "'un minitel et pour ..
Il. Pralle. "'[ndo- tr.lte .... nt des dls- production dtrs consulté par I~a qénérollatea
cdnologle bêtes. depuis leurs cabinets.
et Lsbo
loS.I.,
[.N.S.['E.
1.11.1. et
Unlv. P.
Sabotier)

lllGIIALlS G.A. Gorry,

Il. Sllvsrman,
(5) 197U (tots-IJnIa Utllla6 en cardlo-
logl...
- - - - - - -
S.G. Psuker.

[M[RG[ - (1) 1984 Hsts-Unls

(Unlv. lie
Conçu co_ un out Il
• conau Ite r dans un
- - PASCAL - - - - 1) fonct lonne .... r Apple-Il.

Callfo .... 18 bloc d'urgence d'hO-

A tua pl hl pour an.lyser
Angeles) des douleurs de poi-
trines.

IIEAOHEO - l, (4) - - Syst,,".. utllid en

paycho-pharAlacol og Ls,
275 Règlea de
production
- - - - E"YCIN 1) Hoteur d'ordre O.

en prat 1'J'.e paychls-

trLque.
-----------
II[HOCAI> - (1) 19U4 frunce
(1I0pltal
Syatè .... 81"", le, .
e.pert en holAlOohas,
- - - - - - -
d'Ivry, dest ln' • aider des ,
faculU de biologistes 6 co ....
Phar.scle pldter leurs COtVlols-
de Chstenay sances Blnal qu'II
Halsbry) entralner dea oItu-
dlants.

---
 HOTEUlIS
NOH AUTEUfI(S) N(r(- ANNel OfIlGINt: APl'llCAIIOHS NOItIRE H\J)E IlE REpR(- tANGAf.l pIIASE fONC li 1IN- PERfORMANCES D' INf(RENCE CO/f1ENTAIRES (;t:NtNAUX
"ENCES IlE 5rNUllllN IlES ACTUElI E "-HENT O(JA
"EGUS CONNAI S5ANCES EXISTANTS

IIIM>GKINS c. Safrana,
J. Oeufory,d8,
(7) 1/76 (tats-Unls
(HII )
Ol8'lnoatlc 00 10
.... ladl" de lIoc1<Jk 1na •
- - - - - - -
p. Talchlls.

INIERNIST J. Heyeru,
Il. l'upie.
2, 4,
(5) ,
1982 (tata-Unla
(Unly.
Ola'ln"at Ic en toéde-
cln .. Inlerne (couyre
- Réseau.
séAlent Ique.
- Recher-
che
- hpllque
pr~a de 80s
- 1) Ne eaU pas prendre une we synthétique
des problèmea, sY''l'tOmes, ce qui ooène
9, ID l' Illobury) 80s de la toédeclne dea cas qui parfola • dea phaees de consultation
Interne). Per"",t de Inter.lnablea.
r4aoudre la p lupar t lui eont 2) Paa d'auto-correction (peut répéter
dea cas cllnlqu",a et eOUllie. plualeurs folu lea mêmes erreurs).
pathologiques. J) S.E. le plua co""let ,,.Istant aclut:lle-
asnt en toédcclne.
4) Sa coonals88nce renferlJe envi run 5110
lIaladiea et J 550 symptOmeB.
5) Son aucceeB8Ur eeru CAI>UClU5.
1 6) INTERNIST prLYllégie t roia st rsléyies;
- 611.lnation,
- diecrlllination,
- poursuite.
--
IRIS H. Tri bo'lOrr , 4, 5
C.
1917 - Appllcat lon en
ophto)lIIOlogle.
- - R/lglea de
productionJ
- - - - -
Kullkow.kl. - Ro!ueeu.
ao!œnt lqueeJ
- fraAlea.

HYCIN f .11. (1),2, 197/j (tata-Unis Syetl!as de coneulto- 500 Règlea de LISP Recher- Cha Ina 'le En 118t1l!re TEl"ESIAS. 1) Haleur d'ordre O.
ShorlUHe 4.5,9, (Unly. lion, dana le cadre production che bldlrec- de dlagnoe- cO.lunl- 2) Ne prend pas en conl'te toutes les ln fec-
ID, + Stallfoo'd) de .aledl8e Infec- (ayat&ae tlonnel tic et de cetion en tions (o. •• c8usf!ea flor les OOo.lI{)j <J.uns
L. Re-
cher-
lleuees, destiné ..
fournir dea consella
conçu
cette
• tho!ruple, on
a Jugo! qu' Il
langage
natu.el
pathogènes ou le. Ylrue).
l) L'utllleeteur ne pc.. t donne l' des infor-

"" "_.,_. . , ,",. .

che pour la prescription fin). 'tait au ut looe spOltOnt!es HU système en couru
No 151 d'un .. antibiothérapie ma.... nLYe8u de tralteœnt.
.. des Alé,leclno qo!né-
rallatea (eoeale
que leu "Po!-
clsllstea
4)
~, ~"'''J
être Introduite. aycc de~ facteurs ,lu
d' Idunt If 1er le. hu..ains dee certitude aur une échelle de 0' 11 lU,
 HOTEURS
NIlH AUIEUH(S) Rrr~- A'JN([ ORIGIHE APPLICATIUNS NIlHOOE liOOE IlE RU' H(- lANGAGE PHASE rONCTlON- PEllf ORHANCE 5 O'INf~RfNCE COHHf :TAIRfS
RCNCES 0[ SENTATlIlN IlES AC ruEllE HEHENT OCJA
RtGI.fS CONNAISSANCES [XISTANTS

HyelN yeflM!8 responsables maladies In- aelon la graYlt' (ce sapect peul ,Ii Hé-
(suite) de l'Infection <1J fectleuaea rer d'un utUlsaleur à l'autre).
pattent aina1 qu'une et qu'II dd- 5) Pila d'auto-correctlon (peul ,'épéter 1.
thérap~ut t'lue uvee lo JUI8tutll OII!"", erreur).
duee requise). (quelquefois 6) 1.' QI'du dans lequel leu règles 80nt III i-
de beaucoup) lIa'ea peut Influe,lC er le résultat.
les m'daclns 7) 00 il un manque de re nsel ~tHnent8 sur IHI
non spécls- certain facteur, II lui .ffecte .... co-
listes. eHlclent de yralse.. blance de 9 (ce '1,,1
peut s'sV4!rer faux d uns certe Ina CHS).
8) A tout IIIOIII8nt de la consultation, cep1m-
dant, l'utllls.teur peut interron~)l'e le
, eyst".... pour poser , Seo questl(Hlu (ex:
pourquoi cette quesl ion).
9) Conatrult .... dossle l', pOUf chaque
psllent, 'lU 'II "",t b jOllr.
10) Possibilité ,d'rlcrl r ~ deu rèql ea en
cha Inage a.an t •
11) Co....... nlcatlon, en '''' h-JfUJt! oaturel
(+ ou -l, l'anglais r uvee l'utiliaült!ur
(800 ... ta différent .).
12) Cooip08é de trois pu rt ieol
1 - systè ..e de consul tel ion propr~menl
dltl
- syaU .... d'expllca tlons (r6ponSB BU'
questlona de l' ul Ilisateur li
- syetè ... d'acqulsl tion des règles.

NfPIIHUS Asbell (4) 1901 (tals-Unle

(HIT)
Inauffleaoce rénale. - R6aeaux
sémal1t lquea
- - - - -
-
NESIUR G.r. Cool'er (}2) 1964 (tats-Unla Alde BU diagnostic
OII!dlcal.
- - - - - - - 1) Utilise la théor le •w. probsbllité ••
 HOTEURS
NOM AUTEUR(S) R(fI~- ANN(E OOIGINE Al'PlICA JI ONS NOKIR[ HOOE OC REPIll'- LANGAGE PHASE fUNC JI ON- PERfORHIINCES o •1Nf(RENC( COIKNTAIR[S ŒN(RAUX
nENCES or SENTAJION OCS ACTUELLE NEKNT OCJA
RtGlES CONHilISSANCES EXISTANIS

NEIJROlOGISl 1. Xlang.
S. Srlharl.
(4) - (tats-Unle
(~h.
Probl'_ de locall-
sat Ion en neurologla.
- - R'gles de
p roductlon 1
- - - - -
Buffulo) - Rtlseaux
d ...nt lquea.

ONCOClN E.II.
Shortllffe
2. 4,
5
1981 ~hte-Unls Protocoles en cencd-
rologle.
- - Règles Je
producUon 1
- - - - -
- ha_.

ONYX C.
L.
Langlutz,
fayan,
(11) 1985 (tete-lJnla
(Unlv.
Construit pour la
planlrlcsUon dans
- - - Racher-
che
- - - 1) Procède en trola ~t",esl
- 'J'fntlratlon de plane (envisage lea POB-
S. lu, Sltinford) dea r~glone d'sppll- sibiU t~s de tu Ite..,nt vu 1 'dtat du
J.
8.
Wlllla ....
Slklc.
cet Ion où les ulho-
des de planification
. patlenth
- alRllation eymollque (pr6dlct Ion dola
tradltlonnellea sont dhts future du petlent II
dlfflcllea • eppll- - clssslflcation des plane (classifie
quer (thllraple du les plane d 'action por ordre de prio-
cancer). rit' et indique les réaultsts pos-
sibles ).
2) AppUquoi ., la base de connalsssnces de
ONCOCIN.

PA IItf HilER E. J. lIorvltz, (}2)

O.E.
1985 (tats-Unls
(Unlv.
Reuson ebout 1 yqJh
node pethology
- - - - - - - 1) E"",lol dea facteurs de crédibilité.
2) The syst ... corel<k'rB rore thsn 5UU
Ueckerllan, Stanford) rlndlngs nuled upoo hlgh-snd-low power hlalologlc flndl"J8.
8.E. .Icroacoplc e.allln-
Nathwanl. atlon of 1 y"'" node
1

L.H. fa\j8n. lIaaue.

P IP S. PHuker, 5. 9 1976 (te ts-Un Is Hahdl ..s rénales. - - . - - - -

A. Corry, (HII) 1

J. Kaaairer.
W.S.
Schwartz. 1

1
 HIITEURS
PlIII AUTŒII(S) RI'I1'- ANm:l UIiIGIN[ N'PLICAT IUNS NOHIlHE 10)[ DE REPR(- LANGAGE PtlASE fONCTlON- PERfURHANŒS 0' INf(RENCE COIKNTAI RI S r,(NtIiAUX
RENeES DE SEN'" TI ON DES ACTlJ(LLE N[HŒT OCJA
RtGLES CONNA 15 SANCE S EXISTANTS
--
PIiUTlS - l, 14 19112 FrBnce Appliqu6 au tra Ite-
(f ecul toi de ""'lit OOe Ictères, des
- - - - - - -
H.!!leclne hyperteno lona et du
<l'Ah- diabète.
Haree Illes)
----
l'Ufr J.C. KUlIl (1),2, 1980 ~hta-Unls llla'1'uolic <leu lIala- 250 R~yles de IlASIC C.,....,r- Chslnsge - EHYCIN 1) Hoteur d'ordl'e O.
J, •• 5. (Ik.lv. <llea pulmollalr"o. production c1aliet! avant 2) IMplé ... ntll au App le-II.
10,11 St.nford)

--
RAOEX - (4) 1980 - Red lologle. - frama - - - - -
--
RUNARI - (1) 19114 funce
(CRIH et
SyaUlle elMple deatl-
nt! • guider 116duclne
- - PASCAL Racher-
che
- - HAHEX 1) fonctlOl\o18 eur IBH--PC.

AIOCR, et pet lente pour

Unlv. <le l'utllisetlon d'eppa-
Hont- rella d'htlllOdyalhe.
pel 11er!.

IlIlINOS H. Klrura (11) 19115 Japon Diagnostic"" -... de 219 Règles de PROLOG- Proto- Chetnage Sur 50 pe- PROlOG
--
1 ) le uyotè ... ne peut .ffectuer le même
tata et de douleura production KAIlA type avant tlental 821 raluonnellent que lm. spécialistes (d 1 où
faclalee (J6 .... Ie- (uUllstl dea dla'1'oa- les 161 d'erreurs).
dies). au dtlp. tics ldenll- 2) Syotèll8 portat If.
da neu- ques • ceu. ') 1J t8""S d'attente m•• In.. 1 pour obtenir
rD. de d08 apécla- un dlo'1'ootlc est 2U s8cundeol
1'001- lioteol 161 4) OpllrstIonnel eur NEC PC-9801.
• eraltll prh de ceu • 5) lea connaissances incertaines peuvent
d'Oaaka) dea opllcla- .tre Indrt!ea ovec duU facteurs <le
Iletee. certitude.
6) th tel aystème peut btre disponible pour
environ 15 000 $ us.

--
 HOTOIRS
NOH AUTEUR(S) R~n:'- ANN~E ORIGINE APPlI CAT IONS NOItiRE HIDE DE REPŒ- LANGAŒ PItAS( fONCTlON- PERfORHANCES D'1 Nf~RENCE COHlf:NTAIRES G(N~RAUX
RENCES DE SENTATION DES ACTUELU: NEHENT OCJA
RtGl.ES CONNA 15SANCE S EXISTANTS

SPHINX 8) C......... icatlon en langage naturel.

(suIte) 9) L'utilisateur peut interranpre le sys-
tême li tout ..,..ent afin de lui pooer
dea questions.
10) MEDIUHI assure 1Il discoura cmé rent •
EXPERT! 88SUre la pert inence du dis-
cours du sy a t~ me 10 ra de 10
recherche des ai']'8a clinlquea
ou la demande d'examene para-
cliniques.
11) Peut exploiter des connaissances
incertsines ou imprécises.
12) Het en oeuvre la théorIe des possi-
bll1t&s.
ll) Psrti t Ion de la base des règles.

TOUBIB - (1) 1982 France

(IBM,
SystèMe de dia']'OIItlc
en .édecine d'urgence
'00 - R~glea de
production
- Recher-
che
- - -
Paris) (médecine génArale) - framsa (Projet
batesu
sans ""'-
decin)

TROPICAlD-2 - (1) 1984 France

(C.It.U. La
Syatbe d'aide li la
décision ""'dicsle
- ~
- - - - EHVCIN 1) COIIIporta une base de donnéee pharmncolo-
glquea concernant 200 médicamenta, une
Pltié-Sal- pour lee inflrmiere baae de données thé rapeut lques conce r-
pétrtère et des pays en ",ie de nsnt 500 Maladies et une base de données
Hédecins dtlveloppement. diagnostiques ee référsnt Il 2 000 signes
88ns fron- cliniques OU psracUniquea.
tlères, 2) Offre la possibil1té de structurer Ica
Psrla) connaI8sances (règles, fsits) en con-
glomérats ei']'lficotifs dens le domaine
d'application.
}) Peut exploiter les connaissances
incertaines.
 HOTEURS
NOH AUTEUR(S) Rt':n'- "NOCE ORIGINE APP\. 1CIITI ONS NOKIRE HOOE DE REPR~- LANGAGE PHASE fONCTION- PERfORMANCES 0' 1 Nf(RENCE COIKNTAIRfS ŒN('RAUX
RENCES DE SENTATION ŒS ACTUELLE NEHENT Q('JA
RtGlES CONNAISSANCES EXISTANTS

VM - (1),
2, 4
1979 - InterprdtaUon œs
donndea quanUtatl vea
- Règles œ
production
- - Chetnage
avant
- - 1) Moteur d'ordre O.
2) Paa d'auto-correct Ion.
relevdes dans le ca- l) Effectue un suhi des potienta, dep"!,
dre d'une unité œ leur admission juaq,,' è leur sortie U'I
90i na intena1f a. Cea service œ ooina inlemifs.
donnolea aont ut l1i- 4) Quatre taches principales.
BIIea pour piloter un - détecter les principsles erreurs li,
reapirateur arurt- .... aure,
Ciel. (Aaais tant è la - déclencher œs alarmes sur détection
réani .... Uon) • d'dvdne""",ta port icul1era concernsnt
lIOit le ... Iade, soil la machine eIle-
00II .... ,
- réau..,r l'état du potient,
- suggdrer œa ajustement a thérapeu-
tiques.
--
WIIHZE Smilh et
Clay ton
(}) 1977 ~tata-UnI8 Hême application que
PUff (msladles pulmo-
- - framee,
- Règlea de
- - - - EHVCIN

nairea) mala avec un production.

contr61e œ l'ussge
dea reglea qui s'ava-
re .... IUeur (même que
celui œ C(NTAUR).

- S. Kaihare
~!!..
(4) 1978 - Haladlea cardlavaacu-
laires.
- Règles de
production
- - - - -
--
- B.H. Hesand (4) 1982 t':tata-Unls Protocoles en cancé- - Rolseaux - - - - -
rologle. et!ment Iquea

- S.W. Welsa,
c.
(JI) 1981 - Analyae œ "serum
prote!n".
- - - - - - -
Kul1kowak l,
R. Galen.
 HOTEURS
NOH AUTEUR(S) R(r(- ANIIC[ ORIGINE APP\. 1CA TI ONS NOItlRE HIDE OC REPR(- LANGAGE PHASE fONCTION- PERfORMANCES D' 1 Nf(RENCE CDIKNTAIRES Gl'Nt-RAUX
RENCES DE SENTATION OCS ACTUELLE NEHENT OCJA
RtGLES CONNA 1SSANCE S EXISTANTS

- K.A. Korn,
P. eo..,ton,
(1) 1985 - Interpret thyrold
hormne 88saya.
- - - - - - -
L. Lazarus,
J.R. Qulnlan.

- 1. futo,
P. Szeredl,
(4) 1918 - Interactlona médl-
cementa.
- - R~glea
de
production!
PROLOG - - - -
f. Darv8s. - Coupl" aVec
une base de
donndea •

.
 ...
!

I! ~
3 Vi
.....
:::
i
"'<~
c -
~
<
Loo
&!
<
=
e:
::

-.""
.!
 HOTEURS
--
NOH AUTEUH(S) R(f~- ANNlE ORIGINE APPLICATIUNS NOHI!IIE HOOE IlE REP R~- lo\NGAGE PHASE rONCTlON- PERfOilHANCES 0' INF~RENCE CUHHlNTAIRf5 (;(Nt'RAUX
R[NCES DE SENTATION IlES ACTUELLE NEHENT llI!JA
RtGlES CONNA 1SSANCE S EXISTANIS

AALPS C. Rich (H) i~8~ (tats-Unie

(HII)
Planification de
charge ...nt optlo.. 1
- - - - - - -
d'équlpe","t et de
cal:'1j81suna sur lee
8"lon8_

fAITH l. frlednoan (11) i:l04 (tate-Unis - - Logique des

pnldicata
rCl Recher-
cha
Chatnage A produit
ache.lxte lea dla-
- 1) Hoteur d'ord. J 1.
2) Peut extraire et aj!>Jler des règleo,
gn08t1CS a",o..,s.
déslréal a ) fCl eat un lanl]sge ulilisoble par des
obtenu lee non-experts en Infoïllltlt '4ue (proqrülD-
.. ê ... a réaul- .... tion) •
tats que lee
experte.

ttA5P/SIAP tt.P. NU,

E.A.
2, ~ 1~82 (tats-Unie Interproltallon de
signaux et llalaon
- - - - - Lora de
teeta pnU-
- 1) Capeble de .Biaonner.
2) Sonar passif conçu pour Interprdter le.
felgenhaum, ayec la d41fenae. quéa par lea brui ta de l'océan duns un env i l'OllllClflCllt
J. J. Anthon, sayanta de trl!e bruyant.
A.J. la (Iolfonae,
Rockmore. le ayall!_
avait dea
porfor ... nces ,
oIyales ou
supolrieurea
aux rc!-
sultals
humains.
--
IAIR - (2) - (tule-Unls
(R"nd
(tabllaaeœnl deo
lrajectol rea.
- - - - - - ROSIE

Cor".)
(U.5. Air
force)

.1
 HOTEURS
NOH AUT[UH(S) Htfl::- ANNtl UnllOlNE APPli CA fi liNS NOItIR[ Hill[ OC R[PRt- LANGAGE PHASE fONClJON- PERfORMANC[S 0' 1 Nfl'R[NC[ COIKNTAIR[s ŒNtHAUX
RENC[S 0[ SfNTATlON !CS ACTUELLE N[NENT OCJA
RtGt[S CONNAISSANCES EXISTANTS

- - (2) - -
«(51. lne.
o..stlnll. l'analyse
<les co.t/Olcat Ions
- - - Proto-
type
- - -
et Teknow- hct Iques sur 1..
1.. <I<je lOlC.) cha"" <le butaille.

- - (2) - -
([51. lne.
()eaUn" Il l'analYBe
<lea In<llcateura et
- - - Proto-
type
- - -
et Teknow- <les avertlose--.ta
le<lgo Inc.) Btratll91qu8s.

- ----_._._-~
......
co

.
x

1"
~
co
z
" ~
co
III
 - HOTElIIS
NOH AUTEUR(S) Rt'n:- ANNl'l ORIGINE N'PLI CA TI ONS NIHJRE HOOE IlE HEPRt'- LANGAGE PHASE rONCTION- PERrORHANeES O'INrt'RENCE CDIf1[NTAIRES ŒN~RAUX
RENeES IlE SENTATION IlES ACTUELLE tf:HENT OCJA
RtGLES CONNAISSANCES EXISTANTS

SATIN - (1) - - raire coopolrer des

expert ".e8 Juridique,
- - - Recher-
che
- - HIME

tlcono.lque, technolo-
gique et doc.-."tslre
en vue de roIallser
de. transferts de
technologie.. depul.
le. labontolree vera
lea utilisateurs.

...
 HOTEURS
NOH AUTWR(S) Rt'rt'- ANNt'( ORIGiNe APPLICATIONS NOItlR( HIl)[ OC REPRt'- LANGAŒ PIIASE fONCTlON- PERfOflHANCES 0' 1NffRfNCE COIKNTAIRES Œ'Nl'RAUX
RENCES DE SENTATION OCS ACTUELLE NE HE NT OCJA
RtGlES CONNAISSANCES EXIS rANrs

HYCOlOG - (1) 1984 France Hycologle. - - LISP - - - HICR0t4VC-2 1) fonct lonne eur TRS-60.
2) Ne peut r.!pondre A des questlons sur oon
raisonneœnt •
}) Peut utUlser dea coefflclenln d'stté-
nuatlon et deo facteur. ,., cerlltu,E.

/
,
\

\ \
1

\ \
,

-~ ~ ---_. - - _.. _ - - - - _-
... .~--~ 1
 ..
!
"
-..
N

Il

Il ..,
Z
Q
U
~
1

......
~
Û
~
:::
\!!
......
C
~

~
...
Q
CI:
~

a.
tJ
1
;;:
I!.!
en
,.~en

0:
li:
~
 HOTEURS
NllH I\UTEUR(S) Rt".~- AN'-l'[ IlHIGIII: APl'L1CA Il ONS NOttiRE HIJ)[ IlE R[PR~- LANGAΠPIIASE rONCTlON- PERfORHANCES o'1 Nf~R[NCE COIKNTAIRt:5 c(NLRAUX
RENCES OE SENTATION IlES ACTUELLE NfHENT OCJA
RtGLES CONNA 15 SANCE 5 tXISTANTS

BACON-' P. La"gley (5) 1919 - Okouverte de loIs

en phYBlque.
- - - - - - - 1) Reddcouyre des 10lH empi r lques. not Bm-
MOt certaInes loIs de Ilhyslque (101 de.
gsz parfaits •••• ).
2) Applique d,s heurlst \que. détectant (~! ..
rt!gulsrltés ru des te,.lances dens le.
données. ce quI le conoJult • formuler
des hypothèse .. qu'Il eoaale eneulte ,lu
vlfr1fler.

EL A. Br"Ao,
G. J. SUs .... an.
(l ).5 1914 I:':tets4)nls
(HII)
~Iectronlque. analyse
de clrcul ts ,lIec-
- - - - - - ARS

triques.

HECIIO A. lIondy 9, 10 1919 Roysw"a-Unl RésolutIon de pro-

(llnlv.
- - - - - - -
!!..~. bU.es de ,""canlque.
LI'foJln-
burgh)

PEACE
(1 ct 2)
H. Olncbeo (1), 5 1960 rraoce
(O.N.E.R.A.
Systll.e pour l'ana-
1yse et la synthllse
- - II: TAlIlG - - - HETAlOG

- C.E.R. T.) de circuits électro-

Toulouee nIques passlfs.

PROMPT S. AdLlBlIsk 1.
l- Osvls.
(U) 1985 I:':teta-Unls Essaie de réaoudre
cartalns problê"",s
- - - Recher-
che
- - - 1) Ralaonne au même nive .... que les expert ••

physiques.
Exe""les.
.
- Concevoir un slylo
qui peut olcrlre la
Ute en bas,
- PourquoI un slylo
n'écrit pas aur du
verre,
1
- Qu 'arrherslt-il ~
un .. tylo • 200·f.

1 J
 HOTEURS
NUH AIHlUR(S) R(H'·· ANNef ORHaNl Al'PlICAIION5 NOI-l!RE HIDE IlE REPH(- LANGAGE PIIASE fONCIION- P EHf ORHANCE 5 01 INf(RENCE COHKNTAIRES ŒN(RAUX
Rn'~[S DE SENTATION IlES ACTUULE NENENT OCJA
RCGI E5 CONNA 1SSANCE 5 [XISTANTS

QPT K.O. rOl·bll~ (11 ) 19U4 - [e881e de r'soulre

ce rtalna l'rob I~..,e
- - - Recher-
che
- - - 1) Ralaonne..,nt ne If.

l'hyelqu,,a.

511' lU [ J.5. fh'own, (1), ~ 197) (t.uta-Unb 5yst6 ... d'elde l - - - - - - - -l

R. uurlon. 10, l~ (Uni •• l'eneel",e..,nl par 1

Stsnford) ordlnoteur. de la d'- 1

tecHon dea l'ennee

dens un clrcul t élec-
trique.

SYGAl. - (1) - - CleaalflcBtlon dea

'}Blules.
- - - - - - CRIQUET
1

- G. Novek - 1977 (tate-Un,"

(Nil )
Ho!<.enlque. - - - - - - - -l

_J 1 1 1 1
 .
.!
...
li! 1 "
i
i!
1
&.
 HOIEURS
NOM AU1EUII(S) R(f(- ANOCE UlIiGHt: APPLICAIIONS NIHIIIE HOOE OC REl'Rr- LANGAGE PIIASE fONCHON- PŒfORHANClS D'1 NrrRENCl C!Itt1ENIAIR[S ŒNrllAUX
"[NeES IlE SENIAliON IlES ACTOCllE tt-MENT OCJA
IItGlES CONNAISSANCES EXISTANIS

GUtt1lX - (1) 1984 R.f ./1.

(O"tella-
EnÇJ6ndr.. dea 9 ..... e8
de fabdcatlon de
}OO - PROUII; - - - PROLOG

1nstltut) produ1te en cuout-

choue.

-_._.- -- --_._-

.,
 PAOGllAlttAlION AIIIOHAlIQUE

Description des systères experts

DWAlUS

EXPERT HACHINISI

HAlA

PECDS

PROGRAHHER '5 APPRENlICE

PSI

SArE
 HOJEURS
NOH AUTWR(S) Rl'n'- ANNt'E ORIGIII: APPLICATIONS NOItlRE H(I)( IX REP RI'- LANGAGE PHASE rONCHON- PEIf"ORHANCE S D' INrl'RfNCE COtH:NTAIRES r(m:'RAUX
"(NCES DE SENJATION IXS ACTUELLE If:HENJ OCJA
RtGlES CONNAISSANCES EXISTANTS

Dt:DAlUS Z. Hanna,
H. IIsldln<Jl!r.
(5) 1915 - Synth~se
gu_.
de pro- - - - - - - -
EXPERT
MACIIiNIST
- (10) - l't,,ts-Unls
(CHU/t:HI)
t' f04Jra_u.t 1011
8Ut0tR8t lque.
- - - Recher-
che
- - -
--
MAlA J.P.
Sansonnet
9,
(ll)
1904 France
(Cil: T,
Synthèse de pro-
'lu ....... ( .. ochlne-
- · LISP
PHOLOG
Recher-
che
· - PROLOG

CGE) lang8<je).
r--
H}L J.P. 9, U 1911 france Syntl~se de pro- · · · Conçu · · . 1) Proldéces88ur de HAlA.
Sans omet (Unlv. grailles. pour
Toulouse) fll\8 de
recher-
che

"[CIlS O. Uarstuw (5) 1919 ~t8t8-lln18

(Ne" York)
Synth~ae
granaea.
de p ro- · · · - · · -

l'ROGRAHH[H 'S
APPRENIICE
C. Rich,
Il.[. Shr""".
(2),
5, (C)
1916 t'hts-llnls
(HIl )
Synthèee de pro-
grslllftes.
- - - - · - -
--
PSI C. Green 2, 5,
9
1916 t'tats-Unle
(KeHtrel
SYllthhe de pro-
grs_es.
· - · - - - .-
InHt1tute)

SAIT R.H. Bsher, (5) 1911 . Synthhe de pro- - - - . - · .

N. Gold.sn, gra.es.
o. IIhlle.

..
 ..."
-
z ........... :;
i
i
a
! ~
c
~

!Il

-.:
~
c!

i
 HOT[WlS
NOI1 AUI[UR(S) R(r(- ANNt'E lMIIGINC Al'l'llCAIlUHS NOItIR[ HlID[ ()[ R[PR(- LANGAGE PItAS[ fONCIlON- PERfORHANCES 0' 1Nr(R[NC[ COHHENTAIRI5 LtNlHAUX
Il[NC[S O[ S[NTATION ()[S ACTIJ[LL[ NCHENT OCJA
REGlES CONNAISSANC[S [XISTANTS
~

0I1llf - (1) - - Probl~ ....e

c,,..ent.
d'ordo/Vlan- - - - - - - EAQU[

SNIfITIl R.[. flkeu,

G. Uendri ••
(6) 1977 (tuta-Unle Capable de faire des
d<!ducUons •
- - - - - - -

XPLAIN W.R. Swertout (2»,

Il
19O) t:tatu-Unls
(HII)
SyeU"." conçu pour
... pllquer de8
- - - - - - -
ra i8CJrVleJtentu en
profundeur.

---- ---

...
 ... ....
i... "
...
c
!t ....
'"oc
....
u
oc
.. ~
....
i i
oc:
Il!
~
~ ,;

i
u
~
-;:
..
~

0"
 MOTEURS
NOH AUTEUR(S) Rt:rt:- ANNt:l mlGINE APPlICAfiUNS NOKlRE HWE (l[ REPRr- LANGAGE PllASE fONCflON- PEHfORHANŒS 0' INft:RENŒ CIlHHENTAIHES GÎNtRAUX
RENC[S (l[ SENTAfiON (l[S ACTUEllE NE Hf NT orJA
RtCLES CONNA 1SSANCE 5 EXISTANTS
---- --
KlIlART - (9) - frsflce
(L.I.H.
Reconnaissance de la
parole.
- - - - - - - 1) La IMIlhode e ... loyée permet de recon-
ndtra un .ot avant que celui-cI aH été
5.1.) co ... lètetnenl prononcé.

SERAC H. G1Ilou.,
G. Hercler,
(1), 9 1964
(CNET,
Interprolt.Uon de
.ooagr...... s pour la
- - - - - - - 1) lorsqu'on Icrll "environnement nor_) n
on englobel vocsbulü 1re ... oporhnh,
C. Tarrldec. Lannion) reconnaissance de la locuteurs vsrlables, pa,'ole cont Inue.
parole en envlronne-
Mnt nor .. l.

$ON[X O. He .... 1,
M. Eskenszl,
(1) 1964 franca
(L.I.H.
DoIvelopp' pour Inter-
pr'ter des 8ona-
- - - - - - -
J. Marlanl. 5.1. , gnomes • parti r des
Or8sy) règlea fournies psr
des experts en pho.,4-
1 tique.

V. lUE - (9)
- t:hts-Unis
(MIT)
Interpr'lstloo de
sonagreaaeo.
- - - - - Holns de 701
d'erreur,
-
quel que
soit le
locuteur.
,

1.,
 ....
!

! ...
i
~
iu C
u
1
:!! ~
..J
l!j

-..
1.l
c!
 MOTOIRS
t«JM AUTEUR(S) R~n~- ANN(E ORIGINE APPlICATIONS N0143RE HOOE OC REPRl- LANGAGE PHASE fONCTlON- PERfORMANCES 0' 1 Nf(RENCE COIKNTAIRf$ Gt~NI:"RAUX
RENCES DE SENTATION OCS ACTUELLE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

CAMA - (1) 1962 ItalIe Od ent.! vera le dé-

pannage automatique
100 - - - Chalnage
8rri~re
- - 1) CAMA admet q... l'état du mécanialœ
obaerv6 évolœ en C"Jr9 de dépannage,
de mécaniames co.- contralre... nt à d'autres systèmes de
pleua (pannee dla~OIItic qui étudient un état pré-
d 'automobUea). edatant • la 88aslon de consultation,
88ns la aodifier.
2) Peut fonctionner de manière non
monotone.

CATS-I - 9, 12 - - Le plua connu dea 1 200 Règlea de - - - - - 1) Lorsqu' 11 est utU 1sé avec un vidéo-
syatè ...a de dia~œ- production disque, U peut mntrer des dla9ra ..","
tic de pannes Cloco- et des fUms d'anim:,tlon oe rapportllnt à
motives ). la consultation.
2) L'e.pertise qu'il contlent a été coJ-
lect.!e chez Generel np.ctric auprès de
techniciens qui réparaient, pour
certains depuis pluBieura décennies,
las locomotives fabriquées par cette
8Oci6t6.

DELTA P.P.
Bonlasone
l, (15) 1962 (tata-Unla
(General
Aide au dia'T'ostic de
pannea de rotelJrs.
140 - - - - - - -
Electrie)
--
- - (9) - france SY8t~ .... en réparation
(Cap-SogeU autolllOblle réal1at!
- - - - - - -
Innovation, pour la régie
Grenoble) Renault.
il III

...~
 HO 1EUIIS
N!IH AUI[UR(S) H~r~- ANN~[ ORIGINl N'PUCAI IONS NOItIRE HOOE IlE REPR~- LANGAGE PHASE fONCIlON- P[Rf URHANCE S 0' JNf~RENCE COtttENIAIRES GI'Nt'RAUX
R[NCES DE SENTATlIlN IlES ACTUnU NlHENT OCJA
RtrolEs CONNAISSANCES EXISTANTS

HlPRA J.H. Lefebvre (1) 19U4 rr .. nce

(l.l.f.
Ueatl ..4 • dVHluer de ..
rlsqut!u d'av .. lanchca.
- - - Recher-
cha
- - -
I.A., E.N.
S.I.H.A.G. )
Grenoble

PRAS - (2) - Jepon

(lI11achl.
Syat ..... per .... Uent
d'd.Bluer le.. flaquea
- - - Recher-
che
- - -
Tokyo) lI ..na un projet.

~
 j

....""
!...
II>
2:;
e: ....
Q
;;
...... ~
II>

...2:;
§
CI:
II>
~ CD in 51
CI:
II>

-.""
<!
 .. -
HOTHlflS
NOH AU'EUn(S) RfH- ANN([ ORIGINE ""PL ICA' IONS NOIIlRE OC REPR(- LANGAGE PIlAS[
HIll)[ fONCIION- P[Uf ORHANCE S 0' INf(RENCE COH/1ENIAIRES GrNrRAUX
RENCES OC SCN1ATlON OCS ACTlJ[llE NEHENT OCJA
RtGlES CONNAISSANCE 5 EXISTANTS

AIlSTRIPS [ • Sace rdo tI (6) 197_ - Module de d4c1slon

pour un robot.
- - - - - - - 1) Partant d'un plan, le système doit
pianU 1er une déllarche 11 uu Ivre pour
atteindre un certeln but.
2) htenelon de SIRIPS,
J) Utillae dea Hveleur~ cril iques" afin ,100
d4finir le IIOOda dOllu le4uel Il doit
IIvoluer.
4) SI deux plana uerolent Identlquea
ABSTRIPS continue de les comparer .fln
de cholelr le plus eff letlee au lieu !le
choisir arbitrairement comme le fail
STRIPS.
) Alors que STRIPS 8 prie JO llinutee pour
8cco,",,1Ir une ecllne ABSTRIPS e prlu
)128 _Inutaa.

UUILD S,E. fahl ..en 10,

(l7)
1974 (tata-tlnls Systhoe de plenlrlca-
(Carorldlj8) tlon pour les taches
- - CON-
NIVER
Racher-
cha
- Hodeatea - 1) Paa d'apprentissage.
2) li_lt. (prlllltlf).
de conutructlon dea }) Systhe qui per .... ttrslt Il un robot
robota. d"tab1lr une utrutéyle lors de la cons-
truction de certalnc~ fOI"mes.
4) la position des objetu eut donnée par
un hu.lIln (et non par un oyatème de
vlalon) •
) fait co ...e al lell formes pouvaient être
Iklplacllea par ..agie.
6) Olvls11 en deux parties msjeures.
- 8yat&me de planlflcatlOf'I
- aysU' .... de II1Odélls .. t1on.
1) Inintelligent.

1 1 1 1 1 1 1 1 1

..
 HOIEURS
NOH AUIEUR(S) H(n'- ANN([ OIUGINE APPUCAIIONS NOIflRE HOOE OE REPR(- LANGAGE PIIASE rONC TI ON- PERrOOHANCES D' INr(R[NCE CIJHH[NTAIRES G(N(RAUX
RENCES IlE SENTATlON OES ACTUELLE NEHENI o(JA
REGlES CDNNAISSANCES EXISTANTS

SirE O.E. Wllklne (26) 1'J04 (tote-Unle Hodule de déclelon

(<J'Inhe un plen).
- - LISP Recher-
che
- - - 1) fn pertent d',.. plan, le eyetème
planifie une <hI_rehe è·eulvre pour
atteindre un certeln but.
2) Il eet 'réquent 'lu" le oyotème
n'attelg-oe poo le but fixé.
}) hlltatlon de SIRIPS.

SPAN O.L.S. Berlin (12) 1965 (teh-Onle

(UlIlv.
Hodule de déclelon. - - - - - - -
Shllford)

SIRIPS H. Hkee,
N. NllooolI.
6, 9,
19,
1971 (tate-Unie Hodule de dklelon
(5111 Inter- perEttant • un robot
- - - Recher-
che
- - - 1) Deetlnd au robot HILARE.
2) Le te..,e d'exécutloo pour <J'Indrer un
(20), natlonel) de 88 déplacer (goI- plan peut litre dllllnué gr4ee • un HACHIP
21 nhe. un plan). (rddult de 2/) deno certalno cao).
}) Pertant d'un plan, lu système doit pla-
nifier une dé.... rche è suivre pour
atteindr~ un certeln but.
4) En profondeur d'aburd.
5) SI deux plane setlblcnt ldentlqueo, un
choh arbitraire est folt.

"
,

1
ARGUS
BlAST
CAPS

CI"'T-80
CORA
DYN'AT
EPAH
EXTASE

fADES
GREAS[
IlOG

lHACS

IhlI_
N\IlGE
PARS If Al

POS
PERT
POlI ries
 \
S'SThlES EXPERTS (lnfor_Uon Inc.....l.t.) (aulle)

\
Descr letton des syst6_a experts

RACE

ROllOT/INTELLECT
ROtt::
SCD
SERf

SE5I'

SOAR

SOJA

TRANSCELL
WASTE

WRIGHT
 NOM AUTEUR(S) R(Ft:- ANNICE APPLlCATlONS AUTRES
RENCES PROBABLES

AHGUS W.H. Relt ...... 10 1965 - -

IiLAST - ()O) - Anelyee de al'7lBu~, (lala4lnls (CGI/DEC).
f onctlonnel.

CAPS Il.J. BerUner 6 1914 (chaca. -

CIlAT-80 0.11.0. Warren,
f .C.N. Pertllre.
ID 1962 - -
COHA - (0) - Relay protectlon anal ys le. (tata-lklle (Westlnghouse).

DYNPAT J.A. Ca"'P beH , f. Gardln. 10 1982 - -

[PAt! E.A. rtllgenbau. l, S 1964 - Holtlur PS. ",gles de production.

EXIASE r. Jakob, D. Vernet, (u) 1906 Surveillance de pro08eBU8 Indue- frence (CGE).
H. Lepetlt. tri.b.

fADES - ()O) - Equlp ....t aslectlon. (tate-Unls (Purdue).

Recherche.

GHEASE - (JO) - Cutting rluld aslaction. (tate-Unla (CHU/Cuir).

Recherche.

ILOG - (JO) - Sourclng and transportation. (tala-Unla (CHUIDEe).

lllACS - ()O) - flo.. ahop .anage_nt. (teh-Unla (CHU/OCC).

f one tlonnel.

INlT - ()O) - Knowledge-based aloul.tlon. Ctah-Unla (CHUlDEe).

fonctionnai.

NUOGE I.P. Goldateln, , 1911 - -

R.8. Rubert.

-
 NUM o\UTlOO(S) R(I"(- ANt('E APPLICATIONS AUTRES
RENeES PR08A8lES

PARSlfAl M.P. Marcus 6 1980 - -

POS - (JO) - Proceaa dtsljOoala. (ta ta..lJn ts (WesUnltoouae) •
P roductlon.

PŒT - 2 - Analyae de rt"luea. -

pouTies J.G. Carbondl J 1919 - -
RACE - (JO) - P reventet he lIatntenance
planning.
(tata-Unis (Iloneywell) •
Recherche.

111111011
INIHlECI
1.. liarda ~, 16 1911 - -
ROHE - (l0) - long range plamtng. (tate..lJnls (CHU!DEC).

seo - (JO) - Call control. (tata-Unta (Ilitacht).

Production.

SEIIf f. Ingrand (U) 198) Per.at d'Induira la rorll8 CJiI"""'- france (IHAG).
trique d'un obJet' partir de 88a Recherche.
apolclrlcatlona foncUomellea.

SlSP - (n) - Ellbauche de perao..nel. france (Date Oaae Inror ... Uca).
O.n .. r.lne votre profil payr.hologlque qu'il cOlll'are
avec le portrait-robot de l'e"'l'Ioyl 8Odbla.
,"

50AR Groupe IIELlX (m 198) Systa. capable or generel (tats-Unls (Unh. Stanford).
Intelligent behavlor. Recherche.
1) A dlJA diront., aon heblleté A rboudre dea pro-
bl • ..,a de tlc-tac-toe, etc.
2) " It' utllla.! avec le syatè"",-expert RI et lea
r",.. ltata obtenus sont exct!llents.

'--
 NOH AUlEUR(S) R{f{- AN~[ APPlICAUONS AUIRES
RENCES PIlJ8A8lES

50,)\ Il. Sauv' (U) 190) Ordonnance_,t d'ateller. franca (CGE).

Sélact lonne et ordonne des phases en tenant
coopte dea contralntea qui interviennent BU' lea
out liB dlsponlblea pour chaque .. echlne, Bur la
du l'le d'usinage, elc.

IHANSCEll - (0) - Cell control. Ctete-Unle (CHU).

f onet lonnel •

WASI[ - (0) - ProceBs dla"'08le and aleuleUon. Ctata-Unle (CHU).

Recherche.

Wlt 1GIH - (0) - facliity layout. {teta-UnIB (CHU). 1

J
- J. Gros, C. Bernerd. (U) - lIcencleOlent de pereonnal. franee (Unlv. Montpellier!.
1

- O. Hlchle (H) - Nuclear fual ameneeOlent. CeoB'" (rurlng InsUtute).

- - (JO) - PC8 'ault dla"'08le. {tate-Unis (I1r>.

fonctionnel •

. .

- "-----~
 ...... .
~
~
" -8
:::
S
~ ..
z
<
..J

III
~ ~
~
!... ..J
Z
II>
>- ..i
..J
~
>-
.
II>
Ü
>-
z:
IJ!!
li>
OC z:

! :»-~ '"
II>
~
'"' i::!>-
;: ! ... "
.3
II>

! < èa: ... .... ...'"

II>
i::!
.
u !
..
Q
!'"
c! ~
:»-
Q

'S
~
:»-
~
....
'"oc <
; i:i ..J
oC:
....
II>

~
8'"
a:
'"'
ln
~
...a:
oC:
!!I
2'
a:
U
:;
....'"'
u
>-
...
z: II>
a: a: a:
.... .... ....
.... ....~ ""...ge ...~ ....ge
'!:. .....
ln
>-
on
:»-
'.:"'
 SYSlbEs clNOIAUX (aulte)

Description des systè... s experts

rOl
rORHES
rRl
rUlZY

CENLOC

COlEH
COLUX
COSSON (dans COPEST)
HAHEX
HPRl
10'
III)tJΠl, 2
INSICHT 1

IPS
IROISE

KAS (de PROSPECTOR)

KEE

KEPE
KES dans (REACTOR)
KL-oNE •
 SYSTtMEs ~RAUX (BUlle)

Descr lptlon des sy8t~me8 experte

KNOWLEDΠCRAfT
KOOL
KRL

KS-JUO dans (DRILLI'" ADVISOR, WAVES)

LOUPS (de KBVLSI)

Hl (de EHYCIN)

HacEXPERT

MERl'"
HETABOL
METALOG
HETIIODS
HICRO-EXPERT

HICROHYC l, 2
HICROPLANNER

HICRIlSYHBOl. (HICROHOTOR)
HIME dans (SATIN)
HIRLITHO dan8 (LITHO)
HP-lRO

HRS

NOAH
 SYSTbES ~Nl':RAlJX (BUtte)

Description des systèmes experts

IJ'S (OPS 5+)

ORBIT
OURCIN

OWL

PARSEC

PAS-II

PERSONAL CONSULTANT

PILOTEX

PLANtt:R

PROlOG

PSC
R.L.L.

RAINBOW

ROSIE dsns (TATR)

RULE If\STER

51
SAC50

SAC[

SERIES PC

SHALLTALK
'j
..
!

... U1
! c
i
1
II>
~
Il
c:
,!j
...
-a,
1 -'
C
'"'
....
§ li! §5
'" :i~
II>
:i
....
II> .,g. :::
...
....1 ... ~ ... ,.. 0+
II>

~ ""~ II>
U'I

.... ~ ~ e: i '" '"

U'I

~ ~
'II
z
~
'"' ~U'I
&! a, ~
~
=:! =:!
><
ê g'" !I
U'I
i:; -:
U'I en
'" !el
ai
!
 HOTEURS
NOH AUTEUR(S) R{n'- ANN{E ORIGINE APPliCATIONS NOIflRE HmE OC REPR{- LANGAGE PHASE fONCTl~- PERfORHANCES o ' 1 Nr{RENeE COHHENTAIRES r.l'NI:'RAUX
RENCES DE SENTATION OCS ACTUEl. LE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

AOVISE R.S.
(de PlANT/da, Hichslaki,
(1) 190} (tats-Unla
(Univ.
Système général.
-Médecine
- - PASCAL - - - - 1) Extrait du aystème-cxJl"rt PlANT Ids.
2) Utilise dea primitives de création
PlANT /de, A.5. Beskln. Illinola) -Agriculture dynamq ... dea règl" ••
BABY) }) Utilise le charnage avant.
--
AOVISOR - (12) - (tah-Un1e 5yatè.... général. 255 - A5SEHB-
LER
ronc-
tiomel
- - - 1) fonctiome aur Co ••,,"dore 64, Apple Il et
Atari 800.
2) 95 $ US.
, }) D1eponible cheZ! Ultimate Media Inc.,
275 Hagnolia Ave., tarkspur, CA 94939,
USA, Tél.1 (415) 924-}644.

AGE - (2) - (tata-Un1e

(Univ.
SystèMa général gui-
dent le ~veloppell8nt
- - - - - - -
Stsnford) de syatèmee experta.

AlHOS N.S.
Sridharan
(5) 1980 (tats-Unla
(Unh.
Sya tè.... général. - Réeeaux
sémsnt iquea
- - - - -
Rutgers)

ALOUETTE D. Hulet-
Marquis,
1, 9 1964 France
(E.D.f.
Système gén<lrsl. - - PASCAl - - - - 1) Dispose de prim t ivea qui agissent
directeœnt ...Ir le IlDteur d'inférence.
M. Gondran. Clall18rt) 2) Le mdèle de compatlblllt<l est la aemi-
unification.
}) Les règles seu lement emportent des
variablea.
4) Adopte une strsto!l)I" par tentative.
5) Paut fonctionner de façon non mnnlone.
6) Structuration de ln boae de conno t 0-
aance (partition,*, la base de falto).
7) Systèmee-experta = Superlkon, Slmml'la.

--
 HOTEURS
NOH AUTEUR(S) R(f(- ANN(E ORIGINE APp\' 1CA TI ONS NIlItlRE HOOE OC REPR(- LANGAGE PIIASE fONCTlON- PERf URHANCE S 0'1 Nf(RENCE COHNENTAIRES G'N(RAUX
RENCES DE SENTATION OCS ACTUELLE NEHENT OCJA
RtGLES CONNAISSANCES EXISTANTS

AlX - (2) - Grande-

Breta<.P1e
Alde lee experta en
dia<.P1oat1c à code r
- - PASCAL fonc- Charnege
Uonnel avant
- - 1) Approche par la théorie dee probabl11 tés
(approche Boyelenne) pour le contrôle
(Inte!- leur connahs88nce aur du dofc lenchement des règlea.
I1gent d'un dollllllne eclenti- Apple Il
Ter"lnala f lque, génbant alnal
ltd.) un aY8t~ ... capable
d'elllployer cette
connaleeance à leur
place.

APES 11 Loglc 8eaed - 1986 Angleterre Systè... gofll4!rel. Var la- Règles de LPA fonc- Chatnage - - 1) le pre.il,re veralon, APES l, 10 été
Systelllll ltd. (londres) bla production PROlOG tionnel arr1~re présentée en 1984.
2) l'ordre dens lequel la système uti-
11ee (ra) laa rigles peut lnf luencer le
réeultat.
}) le ay.t .... peut répondre à des queat 10ns
aur son ra18onneœnt.
4) L. ayetà ... peut délecter les contra-
dictions.
5) les app licationa aont très var lées.
6) fonctionne eur !!l!:I-fC. I!l!!-XT! 1111-111..
5iriua l, Vlctor 9UUO, Aprlcot, OCC
Ralnbo", Wang PC, ftI Nl obus, IBM-PC
cotapll tib le ••

ARGOS 11 Il. farreny,

H. Cayrol,
(il, 5 1980 France
(l.S.l.,
SysU.e gofll4!ral
orienté vera la cone-
- Règles de
productlon
LISP - - - - 1) Ordre 1.
2) Dlatingua dea catégories de falt.
B. fade. E.N.S.E.E. tructlon de robola. entre falts établis, falta à établir et
1.H. T.) + dea plane.
(Unlv. P. }) le .adèle de compatibllité eat la
Sabatier> aem-... lflcaUon.
4) Offre ...e ge_ d'opérateurs de fil-
trage, de fonCtions de filtrage et de
rigles apéclflquea au filtrage (théo-
rimea).
 MOTEUlIS
--
NOM AUTEUR(S) ocri:- ANNi:E ORIGINE APPL ICAT IONS NOKlRE MOOE OC REPRi:- LANGAGE PIIASE rONCTION- PERf ORHANCE S D'lNn'RENCE COHIf:NTAIRES ŒNtRAUX
RENCES DE SENTATlON DES ACTUELLE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

ARGOS Il 5) Utilise des primitive" 'lui peuvent

(suite) IIldlfier la œse rus connals98nce6.
6) Dispose de primitivea 'lui agissent
directement sur le PDtcur d'lnféreocl'!.
7) Utilise des métarègles.
8) Les corpa des métarègl.,a peuvent faire
appel ~ dea primitives d'inhibition ct
validation de règlea.
9) L'inhibition ou la validstion peut
6ventuelletnent être armée lors du
dlfclanche ... nt de la métarègle sens
exécution immédiate.
10) Perooet l'introduct ion de procédures
dans les règlea OlJ mélsrèglea.
11) Per_t l'utUlsatl.on de dlfmons.
12) Leo règlea HeU lement comportent des
variablea.
13) Le IIlteur fonctionne en ctoafna<)C mixte.
1") Développeoaent en profondeur d'abord.
15) Adopte me atraté'lle pur tentative.
16) Peut fonctionner de manière non
IIOnotone.
17) OrIenté vera le contrôle de robots
de troialème génération.
18) Iko module pour le .... ivl de l'exécution
dea plana.

ARS R.H.
Stallman,
(i) 1979 l':tats-Unls
(HIT)
SysUtne général. - Logique dea
prédicats.
- - - - - 1) Utilise le ctootnage avant.
2) Anslyse de circuits électriques.
G.J. J) Dolmonatrat.lon de théorèms en géométrie
Stu8sman. plane.
") Ut UI d pour modéli 5e r la geotlon d'une
entreprlae agrlcol".
 HOTEURS
NOM AUTEUR(S) R~n~- ANŒE ORIGINE APPlI CA TI ONS NIlItlRE H(I)[OC REPR~- LANGAGE PHASE fONCflON- PERFORMANCES D' 1Nf~RENCE COHHENTAIRES ŒNI'RAIlX
RENeES DE SENTATION OCS ACTUELLE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

ART - (9) - (tats-Unh

(Inference
Syst~ .... générsl. - R~gles
SI-alors.
LISP - - - - 1) Les différen~.es pIèces du système
peuvent 'tre achetées séparément.
Corp. ) 2) Hodes d'Inférence par d1a[nages ayant
et srr1~re = charna"" hldlrectlonnel.
}) Peut repréaenter Œa ""nnoissances
IncertaInes.
4) Interface grephique - fenêtre.
S) Peut .tre 1"" lento! sur.
- LISP,
- Zeto LISP,
- VAX LISP,
- LHI Hach lnea ,
- OCC-VAX.

CRIQUET
(de SYGAL)
P. VI\1lard 1 1984 France
ONRIA,
Syatèlll8 général.
Classification Œa
- - - - Chalnage
bldlrec-
- - 1) Peut explol ter lea connaissances
Ince rt aines •
Sophla- galaxies. tlonnel 2) UtUlae une fonct ion heurlatlQue
Antipolis) Intrine~que BU roteur.

EAQUE C. Roche 0) 1984 France

(UnlY. de
Syatème général.
Problè..,s d'ordon-
- !..
- - - - - 1) Un IIIOteur d'inférence paramétrtl, c'est-
à-dIre un ..,teur dAns lequel on peut
SayoIe, nancement. faire yarier, selon la classe d'appll-
Chaméry) cation conaldéree, la strsttlgle Œ
choix de reglea • IlPpliquer.

[HYCIN
(de HYCIN)
W. Van Helle l, 2,
(S)
1974 (tata-Unla
(SRI)
SysUlloe général.
-Diagnostic
- Règles de
production
LISP - Chalnsge
bIdlrec-
- - 1) Ordre O.
2) Détecte les contradictions.
-Contrale de tionnel }) (value un degré de compatibIlité entre
proœS8U8 do!clencheura et regles.
-Agriculture 4) UtIUas dea lllétarègles.
-Conception lllécanique S) On offrs des possibi li tés de structu-
ration des faita et ŒS règlee en
conglomérata aIgnlflcatifs dans le
do_aine d'application.
6) Le mdèle de compatibilité est Is seml-
uni f Ica tlon.
-
 MOTEURS
NOH AUTEUR(S) R(n:- ANN(E ORIGINE APPt. ICA TI ONS NOIflRE MODE IlE REPOC- LANGAGE PHASE fONCTlON- PERfORMANCES D' 1 Nf(RENCE COHHENTAIRES ŒN~RAUX
RENCES DE SENTATION IlES ACTUELLE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

EHYCIN 7) Les regles seulement comportent œ"

(de MYCIN) variables.
(suite) 8) Peut exploiter der. connaiasoncea
Incertaines;
9) Le dlatnage arrière est combiné avec
'" développement Pli profondeur.
10) Adopte ",e atretéqle Irrévocable.
11) Incorpore", grand nombre d'utili-
taires.
Ex •• ML = compUa teur de règles.
Teiresias = un système-expert
dens l 'écriture de~
syatèmes-experts.

ESIP AOVISOR - (IZ) 1984 ~ta ta -ln la

(Expert
5ysU""" gémiraI.
-Diagnostic
400 Rllgle
SI-alors
PROLOG fonc-
tlonnel
Chatnage
arrière.
- - 1) fonct lonne aur HlM-PC.
Z) 1 895 $ US.
Systeme -PrescrIption Profon- J) Disponible dlez. Expert Systema Int' 1,
Intern- deur 1150 f1rst Ave., King of Pru9sls,
eUonsl) d'abord. PA 19406, USA, T,n •• (ZI5) D7-Z}OO.
4) Le ..,dèle de compatibilité est le
prIncipe de résolution.
5) Retreçage dea infé,'eœea.
6) Pour des patita 8ystèmes-exparta.
7) Peut Atre i""lanté sur HlM-PC.

EXPEROPS5 - (12) - ~tata-lnis 5yatèlle général. - - EXPER-

LISP
fonc-
tionnal
- - - 1) fonctionne aur Macintosh (Apple).
Z) 195 $ US.
') DIsponIble dlez. Expartel11 gence Inc .•
559 San Yaidro Road, Santa Barbara,
CA 9H08, USA, Tél.. (005) 969-7874.

EXPERT 1 - (9) - -
(Mind Soft)
Système général. - - - - - - -
 MOTEURS
NOM AUTEUR(S) Rrfr- ANN(E ORIGIME APPL 1CA TI ONS NOIflRE M[J)[ OC REPR(- LANGAGE PltASE rONCTlON- PERfORMANCE 5 D' INH"RENCE COIt1ENTAIRES GCNCRAUX
RENCES DE SENTATION OCS ACTUELLE MEMENT o(JA
RtGLES CONNAISSANCES EXISTANTS

EXPERT S. Welas, 2, "

(~)
1979 (tats-Unls
(Unh.
Syst~me ljélllhai. - - fORTRAN - Charnage
avant
- - 1) Les nqlea sont clasaéeA en trois
types.
(de CASHET) C. Kull- -Ht!declne
kowskl. Rutgers) - lea 86soclatlons entre manlfestot iOlla
(sympt6onea et SI'J.oe3) 1
- lea 86sociat Ions entre sYllflt6mea et
hypoth~eal
- les 8s80Ciat Ions ent re hypothèses.
2) Utillae de nonbreuaes abréviatlons qui
dlillnuent fortement S8 lisibilité.
)) Utillae des coefficlenta de vraisem-
blance.
4) Déqeqé à partir de CASNET/GLAUCOMA.
5) Appliqœ 8U)( affect Ions de la
thyrorde en rhu ... tnJogle et en
neuro-ophtamnlogle.
6) Peut représenter ete9 connaissances
Ince rta Ines.
7) Règle SI-slors.
8) Interact If quest lon-réponse.
9) Anslyse statistique de 88 propre
perforAlSnce.
(0) Peut être Implsnté Aur toute une gaI/lite
d'ordinateurs (mals psr sur ordlnat""r
peraonnel ).
-
EXPERT
SYSTEM
- (12) - (tste-Unis Syatème général. ~ 000 - BASIC fone-
tlonnel
- - - 1) fonctionne sur IBM-PC.
2) 20 $ US.

. l) Disponible chez. PP[ Ine.,

P.O. Box 2027, Gathcrshurg. MO 2OB79 •
USA, Tél •• (lOI) 997-1489.

EXSYS - (12) - (tsts-Unis Système général. ~ 000 - C fonc-

tlonnel
- - - 1) fonctionne sur IBM-PC.
2) 295 $ US.
l) Dlaponib le chez. [XSYS Inc.,
P.O. Box 75150. Alhuquerque, HM 87194.
USA. Tél •• (~05) 816-6676.
 HOTEURS
NON AURUR(S) R(n'- ANN(( ORIGINE APPlICA Tl ONS NIIHIIRE HOOE ΠREPR(- LANGAGE: PHASE fONCTlON- PERfORHANCES 0'1 Nr(RENCE COMMENTAIRES G!'N(RAUX
RENCES DE SENTATlON ŒS ACTUELLE N[H[NT OCJA
RtGLES CONNAISSANCES EXISTANTS

fLAVORS O.A. Moon,

O. Weinreb.
(S) 1980 (tata-Unla
(HIT)
Syatllllll! ~néral. - fra_ LISP - - - -
fOL R.W.
Weybraum
5, 1 1980 (tala-Unie
(Stanford)
Syetllllll! général. - Logique dee
prédicata
- - - - - !

fORMES P. Coinle,
X. Rodet.
(S) 198} - Sye tè... général. - frallll!a - - - - - 1

FRL R.8. Roberte, 5, IS

I.P.
1977 (tate-Unle
(Hll)
Systhe général. - Fra"",,, - - - - - 1

Goldstein.
.

FUZLY Le faivre - 1977 France - - - - - - - - 1) Hotivé par la théorie des ereeobles

floua.
2) Géneral1aation de la théorie dea
enseobIea Booleen.
') Alloue un degré d'appartenance d'un
individu 11 l 'enaem le •
j

GENLOG - (1) - - Mlcro-aysUIII8

général.
- - LISP - Cha tna ge
arrlllre
- - 1) Ordre O.
1

j
GOLEH - (9) - France
(Hic ro-
- - - - - - - -
1
formatic)

GOLUX Hayes (I) - (tata-Unis Syatème général.

- - - - - - - 1) Uaage Uaitll.

GOSSON
dana
J.M. fouet (1) 198' France
(E.N.S.
Système général.
-Concept Ion de piècea
- - FORTRAN - - - - 1) Le but prend!,r dtait ls conception d'un
syatèllll! général (indépendant de l'oppli-
(COPEST) LI. , eatanpdea cation).
Cahan)

~- --------- ------
 HOTEURS
NOM AUTEUR(S) R(f(- ANNtE ORIGINr APP\. ICA Tl ONS NOItIRE HOOE DE REPm:'- LANGAGE PHASE fONC rI ON- PERfORMANCE S D' 1 Nf(RENCE COHHENTAIR[S ŒN(RAUX
RENCES DE SENTATlON DES ACTUELLE NlMl:NT OCJA
RtGLES CONNAISSANCES EXISTANTS

HAHEX Betaille l, 3 19B" rrance Systè ... général.

-Médecine
- - PASCAL - - - - 1) Sur IBM-PC.
2) UtUiso! pour le développement d'un
système destiné à 'Julrl" .. pat;tents et.
médeclne p04r l'utlll~.,llon d'appareils
d 'hémdlsllse.
--
HPRL S. Rosenberg (~) 198} (tuts-Unis Système général. - Réseaux sol- - - - - -
(Hewlett mantiques ou
. Packard) framea

103 Qulnlan (9) - - Système général. - - - - - - - _.---

ItVllCE l, 2 R.S. ~,

L
9, 1981 (tats-Unis Système général
servant à l'appren-
- - - - - - -
Hlchalskl,
T.G. tlssage.
Dlet trlch.

INSIGHT 1 - (12) 198" (tuts-lJnh SyBt~ ...

général. 2 000 Règle TURBO
PASCAL
fonc-
Uonnel
Chainage
bldlrec-
- - 1) fonctionne eur IBM-PC.
2) 95 $ US.
(Knowledge -Diagnostic Si-alora
System) -Prescription tionnei 3) Disponible chell level ~ Researd, lnc.,
4980 S-AlA, Melbourne Beach, fL 32')51,
USA, T.n •• (JO~) n9-9046.
") Disponible eussl' INSIGHT 2.
~) Peut représenter de" connaissances
Inœrt aines.
6) Retraçage des Infén,"ces.
7) Peut ft.e Implanté sur:
- DEC-Ralnbow,
- Victor 9000.
8) Interface avec le Juglel el D llASE Il.
--
IPS H.D.
Rychener,
(1) 1978 (tals-lJnls Système général
défi vI! d' OPS.
- - - - Chalnage
.. ixte
- -
A. Newell.
 MOTEURS
NOM AUTEUR(S) R~n~- ANN~E ORIGINE APPlI CA TI ONS NotfIRE MOOE DE REP~- LANGAGE PHASE fONCTlON- PERf ORMANCE 5 D'INf~RENŒ COMMENTAIRES ŒN~RAUX
RENCES DE SENTATION DES ACTUELLE NE HE NT ŒJA
RtGLES CONNAISSANCES EXISTANTS

IROISE - (9) - France

(CNET)
Systè .... général. - - - - - - -
KAS R. Reboh 2,
5 " 1961 ~tats-UniB Syatè .... général. - Règlea de LlSP - - - - 1) fonctlorme à partir d'un réseau d'in-
(de (SRI Inter- -Analyae géologique production f"rence.
PROSPECTOR) national) -Recherche pétrollère 2) L. base de connaiaB8 nce es t cons t Huée
d'un naeou aé ...nt iqlle qui comprerd à
1. foia les faits qui sont connua par
le syatè"", (pondérés par un facteur de
probabilité) et des arcs d'Inférence
qui ap~clflent comment la probablll té
d'une Insertion affecte celle d'une
outre lnaertbn.
') De plue, 11 est ponslb le de conaidP.rer
dea ...técédents d'une règle comme ét.nt
dea contextes, c'est-à-dire des étstH
qui dbhent /ltre précisément "tob IIR
pour que la règle se déc lenche.
,,) Offre un grand nonbre de facllltés et
d'utilitaires pour:
- Manipuler une baoe des dbnnéeal
- interagir avec l'ut il laateur (18ngage
quaai-naturel )1
- expliquer uan ra isonnement.

KEE T.P. Kehler,

C.D.
(5),
n
1964 Ctats-Unis
([ntelli
Syatè .... général. - frames +
règles de
LISP - - - - 1) utUis" par la NASA et le département
de la défelllle.
Cle ....naon. Corp. ) production 2) Petite merveUle.
J) Mode d'inférence défini par l'utilIsa-
teur.
,,) Mode Interactif, Image qraphique œ la
baae de connaissance.
5) Valeurs repères pour le cont r61e du
comporte....nt du système.
 HOTEURS
NOH AUTEUR(S) Rt'rt'- ANNt'E ORIGINE APPlICATIONS NOleRE HIDE OC REPR~- LANGAGE PHASE fONCTION- PERfORHANCES 0' 1 Nft'RENCE COIt4ENTAIR[ 5 Gl~NI:RAUX
RENCES OE SENTATION [)[S ACTUELLE NEHENT OCJA
RtGl.ES CONNAISSANCES EXISTANTS

KEE 6) Peut etre l""lanto! "url

(suIte) - LISP Hachlne,
- ZetattolIIIOn LISP,
- Xerox 11005,
- Symol1ca 1600,
- LHI LAMBOA,
- TI Explorer.

KEPE - (2) - t'tats-Unis

(Intelli-
5yst~ ... cp!no!ral. - - - fone-
tionnel
- - -
Genetlcs
lne. )
Palo Alto

KES
dana
- (1),
12
1984 t'tata-Unls
(Soft .. are
Syatlloae cp!néral
orIenté vera le die-
- Rllglea
Si-alora
IQ LISP fonc-
tlonnel
- - - 1) Pourvu d'un envIronnement o!volu.! pour
l 'ecqu1ai Uon des connaissancee.
(REACTOR) Archltec- gooat le lnteraet Ir. 2) Fonctlonne aur IBH- PC.
ture and -Traitement d'acel- }) " 000 $ US.
Englneer- dents dana dea ") Dlaponlble mez 1 Software A and E Inc. ,
Ing} réacteura nuclo!alrea 1500 lI11eon Blvd., Ar li rnJ ton , VA 2220'1,
USA, Tél •• (70}) 276-7910.
5} Contr61e proœdural.
6} Utiliae la théorIe <i>& probebl li tés pour
le dlolx dea règles 11 déclencher.
7) Retraçage des lnrérerees.
B} Interrace possIble avec d'autres oooea
de dlnnéea.
9} Peut "tre Implanté Dur'
- A-LISP,
- lIiaeorein LISP,
- Franz LISP,
- GEC VAX!VHS,
- VAX/UNIX,

J
- COC CYSER
- APOLLO,
 HOTEURS
NOM AUTEUR(S) R(n'- ANN(E ORIGINE APPlI CA Tl ONS NOttlRE HOOE OC REPR(- LANGAGE PHASE fONCTlON- PEnr ORHANCE S O'INr(RENCE COHK:NTAIRES ŒNI:'RAUX
RENCES DE SEN1ATlON OCS ACTUELLE NEMENT OCJA
RtGLES CONN/IISSANCES EXISTANTS

KES - lIerox 1100,

dans - Syllbolics }600,
(REAClOR) - Ittl PC.
(suite)

KL-ONE R. J. Brschtosn (S),

IS
1977 (tah-Unis
(BBN)
Systbe gémIraI. - Résesux sll-
Rlantiquea +
- - - - -
frames

KNOWLEOGE
CRAfT
- (9) - -
(TECSI)
Syatème général. - - - - - - -

KOOl - (9) - -
(BULL)
Systè.... général. - - - - - - -
KRl O. Bobrow,
T. Wlnograd.
(5),
15, B
1917 I:'tats-Unis
(Xerox
Système général. - fra ...... LISP - - - -
Par el

KS-}OO
dans (DRlll-
- l, 2 - (ta ta-Uni a
<tekno .. -
Syatème général. - - - fonc-
lionnel
- - EHYCIN

ING ADVlSOR, ledge Inc.)

WAVES) Palo Alto

lOOPS
(de KBVlSI)
O.G. Bobr"",
M. Stefik.
2, 5 198} (tats-Unia
(Xerox
Syatème général.
-OoilIIOIl8trsteur
- Réseaux a6-
.antlquea ou
- - - - - 1) Mode d'lnrolrence eot défini par
l'utUlseteur.
Parc) de théorèmea framea 2) Support '1'aphlque pour la modification
de la tase de connaissance.
}) Le progre_ permet 'E montrer diffé-
rentea portions de la base de conneie-
eance.
/1) Peut 'tre i~lenté SUri
- IN1ERlISP,
- lIerox 110OS.

--
 HOTEURS
NOH AUTEUR(S) R(f(- ANN([ ORIGINE APPliCATIONS NOItiRE HOOE DE RE PR(- LANGAGE PHASE rONCTlON- PERfORMANCES 0' 1 Nr(RENCE Cr'HHENTAIR[S Q'NI'RAUX
RENCES DE SENTATlON DES ACTUELLE NEHENT Ilt'JA
RtGLES CONNAI SSANCES EXISTANTS

Hl - (1),
12
1984 ~tats-Unis
(Teknow-
Syat~ ... gl!néral.
-Diagnostic
l'lad ...... Règlea
}OO Si-alors
PROLOG fonc-
tionnel
Chatnage
arrière
- EHyelN 1) Descendant rode rnisé et simplifié de
EHYCIN.
(de EHYCIN)
ledge) -Preacript ion en pro- 2) fonctIonne aur IBH-PC.
fondeur }) 10 000 $ US (Hlh
d'abord 2 500 $ US (HIA).
Il) DisponIble chell TlKNOWLfDGE , 525 111[-
vera1ty Ave., Palo Alto, CA 94}01, U5A,
T,Il. 1 (1115) }27-66116.
5) Peut repreaenter d!. connaissances
Incertaines.
6) Retraçage dea inférencea.
7) Peut itre i""lanté Rurl
- IBM PC (192 K).

HacEXPERT - (9) - -
(Hind Soft)
SyaU .... gl!néral. - - - - - - -

H[RING J. ferber (~) 19611 france Syatè .... gl!néral. - frames - - - - - 1) S'inscrit comme une gl!néral1satlon des
langagea de type SHAU.TALK.
2) Haut degré de IIDdularl té.
}) 11 COIIIIIUOique par envoi e de messages •
• ) Lea lllécanismes de filtrage qui permet-
tent de mettre en correspondance des
ent! tés de la baae en tenant compte des
contraintes et des "réf lexea".
- Réflexeal aorte de procédures atta-
chées, asaociéea au x
attributs.
5) Structures de contrôle élaborées tell"s
que agenda.

HETABOL - 1 - - Système gl!néral

(extenaion 0.
- Logique o.a
prédicate
- - - - - 1) Eat utlliaé pottr œvelopper "HANAGfH".

HETALOG).
 HOTEURS
NOM AUTEUR(S) Rl'fl'- ANNl'[ ORIGINE APPlICAT IONS NOItlRE HOOE OE REPRl'- LANGAGE PHASE fONCTION- PERfORMANCES 0' 1 Nfl'RENCE COMNTAIRES G~N('RAUX
RENCES DE SENTATION OES ACTUELLE NEHENT OCJA
RtGLES CONNAISSANCES EXISTANTS
-1
METALOG - 1 - - Système général
(extension de
- LogIque des
proldicets
- - - - - 1) A servi 11 l'onslyee et ls synthèse de
cIrcuIts oIiectroniqu"s pRssifs
,

PROLOG). (PEACE l, PEAU: 2).

METHOOS - (i2) - l'tftta-Unis Sys t ème géntl ral. - - ASSEM- fone-

BLER et tionnel
- - - 1) fonctionne aur IOM-PC.
2) 250 $ US.
1

BASIC }) Olaponib le chell Digitslk Inc.,

5200 W. Century Blvd., Los A"'leles,
CA 9001\5, USA, Tél., (2U) 645-1002.

MICRO-EXPERT - - - - - - - PASCAL - - - - 1) Peu complexe.

2) Ce logiciel ne peut pas servir 8lJ
i

ddveloppeAlent .Ie syutèmes-experts

cOfllDercleu)( •
) fonctionnement par c;hefnsge srrière.

MICROMYC
1, 2
- (1) - - Système gémIrai. - - - - - - -
MICROPLANNER - 5, B - - Système génolral. - Logique des
prédicats
- - - - - 1) Oescendsnt de PLANNr R.
1

MICROSYItlOL
(MICROMOTOR)
- (1) - - Systllme génl!ral. - - - - - - -
MIME
dsns
S. Buu -Nogue (1) 19811 france
(L.S.I.,
Système génolrai.
-Trsnefert de
- - - - - - - 1) Moteur aI..,le.
2) Un dea modules du Hystème muIti-expert
1

(SAllN) E.N.S.E.E. t eellno 1ogi ea "SATIN". 1

I.H. T.) et }) SATIN est dl!veloppé pour faire coopérer 1

(Univ. P. des expertises jurldlq""s, économlq'''9 ,

Ssbatier) technologiques et documentaires en v."
de reallser des transferts de techno-
logie.
. 4) Le IIDteur fonctionn" en alternsnce
entre charnage avslll et chs [nsge 1

arrière •
----------------- ... 1
 HOTEURS
NOM AUTEUR(S) Rt'n'- ANN('r ORIGINE APPlICATlONS NOItlRE HIJO[ DE R[Pn('- LANGAGE PHASE rONCTlON- P(flf"ORHANCES D' 1NFt'RENCE COMMENTAIRES Gl'N('RAUX
RENeES DE SENTATlON DES ACTUELLE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

HIRLlHlO J.G. Gansscla 9, n - france Module d'lnterpré-

tatlon da réaultata.
- - - - - - -
dans
(LITHO)

HP-LRO - (9) - France

(CRILl
Syatè_ généra 1. - - - - - - -

MRS - (2) - t'tate-Unla

(Unlv.
Syatè.... da haut - - - - - - -
niveau pour la repré-
Stanford) aentallon da la con-
nal888nce et le Con-
trille da daolutlon
de problè ... a.

NOAH [.D. l, ~ 1977 Ctals-Unls Syat~ ... général - Logique das QlISP - - - - 1) A été appliqué è "'S exemples d'asaem-
Sacerdoll (SRI) ( géné ra llona de prédicats blage da piacea élect r ..nécaniques.
plana). 2) L'ho.... exécute dell tAches matérielles
-Robotique de MOnt age et déront sge BOua lea
co.... ells d'un robot.
}) Engendre das pls/lB par degré progressif
de détalla se Ion len demandes de
l'apprenti.

OPS
(OPS ~+)
C. rorgy, l, 2,
J. HcDerrott. 5, 12
1977 ('tata-Unis
(Unlv.
Systè... général.
-Contrllie da
Hexil".. Règles de
1 ~O production
C ronc-
tionnel
Chainage
.. 1xte.
- - 1) r onctionne aur lill-PC (OPS 5+).
2) } 000 $ US.
Carnegie proceasus Stratégie }) Dlaponible cheu Artelllgcnce lnc.,
Hellon) -Planificallon par tan- 1402 Preston R08d, Dallaa, lX 75240,
tall.es. USA, Tél.1 (214) 4}7-0361.
4) Olapoae d'une technique évoluée de com-
pilation de la base da connaia9snr.es lui
permettant da redui re le temps comacré
il déterMiner lea règles à déclenche r.
5) Ordre 1.
6) Eat un dé.eloppeœnt de PS.
7) le aodèle da compat ibilité eat 10 seml-
unification.
 HOTEURS
NOH AUTEUR(S) R(f(- AHN(E ORIGI~ APPlICA li ONS NOIllRE HOOE DE REPR(- LANGAGE PIIASE fONCTION- PERF ORHANCE S D' INf(RENCE COHHENTAIRlS G(N(RAUX
RENCES DE SENTATION DES ACTUELLE ~HENT O(JA
RtGlES CONNAISSANCES EXISTANTS

OPS 8) Lea règlea 8Culement comportent des

(OPS 5+) variablea.
(suite) 9) Peut .ronctionner d,. ... nière non
lIOootone.
10) Règle Si-alora.
11) Peut 4ftre llI1planté BUrI
- Franz LISP,
- H.., LISP,
- VAX 11/780.
Note. la veraion commerclallsée l'or
Verac Inc., peut ~tre implantée "Url
- Zeta LISP,
- Syotlol1ca 3600.

ORBIT L. Steels (5) 1982 (toto-Unle

(Schlum-
Sya tè.... génl!!ral. - Réseaux aé-
.. ant iquea ou
- - - - -
berger) frames

OURCIN E.
Oemonchaux,
(1) 1984 Frunce
(I.N.R.
Syat~.., général.
-Médec1ne
- - - - - - - 1) Ordre O.
2) Un riltre ne peut être compatible
J. I.A. - -As 8U r,mce qu'avec ...e expreauion de fait perfaite-
~inqueton. S.E.H.A.) -Paléontologie ment identique.
-Analyae dea dlnnl!!ea ,) Effort particulier coroacré ~ la c"omll-
nicat ion entre l'utlllsa teur et le sys-
tAme •
• ) SystA.., ailllpie.
5) Dea· applicatlona ont été réalisées en
analyse dea dlnJll!!es et paléontologie
al ore que d'autres sont envlsagéea dlM
le dl .... lne ooédical et le dlmeine des
as8urancee·

OWl P. Szolovita, (5),

S.G. Peuker. 15
1978 (tata-Unis
(HIT)
Syatè .... général. - Réaellllx
aémant lquea
- - - - -
_._--- ...
 HOTEURS
NOM AUTEUR(S) R(n'- ANN(E ORIGINE APPlICATIONS NOttlRE HOOE OC REPR(- LANGAGE PIlASE fONCTlON- PEnr ORHANCE S D'INn:RENCE COHHENTAIRL:S ŒN(RAUX
RENCES DE SENTATlDN OCS ACTUELLE NEHENT OCJA
RtGLES CONNAISSANCES EXISTANTS

PARSEC - (9) - France

(ELF-
Système gdnt!ral. - - - - - - -
Aquitaine)

PAS-Il D.A. lIater ....n (1) 19n (tata-Unis

(Unlv.
Systèma gdnéral.
-Apprent Is80ge
- - - - Chelnage - - 1) Utilise dea primitives capablea de
avant lIOdifier le b80e de connals8Once
Carnegie (111ft arllglea ).
Hellon)
. 2) Le oodUe de competlbilHt! eat la seml-
... irtcation •
') Lea règlea peuvent comporter des
varieblea .ais non les faite •
•) A oItol conatruH en vue d't!vduer dana
quelle ..aure lea ayatèorea de product.lon
se pr'tent 11 dea formea d'apprent 1.".ge.
5) Pl..,ieure Jeux de règlea ont étt! déf lnls
pour lll..,trer la reaolution de teat.~
d'intelligence du type contiruatlon de
soIries ruaot!riquea ou alphabétiquea.
6) PriAlitlvea de déclaration dynamique de
rllglea (ayatème-expert dit adaptatif).

PERSDNAL
CONSULTANT
- (12) - (tate-Unla SysU_ gdnt!ral.
(Tex8O Ina- -Diagnoatic
.00 Règle
SI-"lora
lQ LISP fonc-
tlonnel
Chalnage
arrière
- - 1) fonctionne eur IBM-PC.
2) , 000 $ us.
trumenta) -Preacrlption en pro- ') Oiaponible mezl Texas Ina truments ,
fondeur P.O. Box 2909, A..,Un, TX 78769, USA,
d'abord ToIl.1 (800) 527-'500.
.) Peut reprt!aenter dea connaiseences
incert aines ou In.,rt!claes.
5) (dHeur de le blae de connalsoance.
6) RetraÇage des inférences.
7) Peut litre in.,lantt! BUrl
- Tl Profeaalonal et Portable Computera,
- IQ LISP.
 HOTEURS
-
NOM AUT(UR(S) RCn:- ANNCE ORIGINE API'L ICATlIlNS NOtt3RE MOOE OC REPR(- LANGAGE PHASE fONCflON- PERfORMANCES 0' 1NfCRENCE COHH:NTAIRES r;['NCRAUX
RENCES DE SENTATlON DES ACTUELLE NEHENT OCJA
RtGLE5 ClINNAISSIINCES EXISTANTS

PILOTEX Husson ( 1) 198~ france

(Soc1éto!
Syat~me général
(suivi ,le procesous
- - - Recher-
che
- - - 1) Peut exploiter les connaissances
incertaines.
IIHO continu) • 2) Peut fonctionner <le manière non
Grenoble IAOnotone.

PLANNER C. Hewitl ~,
I~,
10, 1972
8
Ctata-Unia
(MIT)
Système générsl.
-Reconnaissance du
- Logique <les
prédlcsts
LISP - Chefnoge
arrière
- - 1) Pour la repréaent stlon de la connals-
sance procédura le.
lango'le éc ri t 2) fut I"",lanté flOua la version HICRO-
l'LANNER.
1) Capable <le spécifier al les règles
logiquea peuvent être ut1l1sées en
ralsonnenoent avant ou raisonnement
arrl~re.
4) En plue <le recommander les règles
possible ....nt utHen, des classes qé,oé-
ralea de règles peuvent être oufJl]érécs
par l'utiliaatlon ,le filtres.
5) Eat capable d'appliquer un fa lsonnement
par défaut.
6) Utilise la non-monlllonl".
7) Eat incapable <le cIIlIsldérer la forme
générale <le la 8011l1.Ion du problème.
D) Ne peut raisonner 5ur son informallon
da contrllie (ne peul retracer 80n
raisonneœnt ).
Note. COIIIIIIe CONNIVER, ce nnteur d'infé-
rence n'est plua utlllaé sujour-
d'hui, .ais a eu une profonde
inflœnce our le nnde <le foncllon-
nement <1eR rotellrs d'inférence
edstant présentement.

PROLOG P. Rousael l, 2,
5, 9
1975 france
(Unlv.
Système général. - Logique <lea
prédicats
LISP - Cha!nage
arrière
- - 1) Ordre 1.
2) Le mdèle œ cOOlpStibillté est
HsrseUleo) en l'unification.

-
 MOTEURS
NOM AUTEUR(S) R(n::- ANN(E ORIGI~ APPLICATIONS NOItIRE MODE Q[ REpR(- LANGAGE pllASE fONCTlON- PERfORMANCES 0' 1 Nn::RENCE COMMENTAIRES ŒN(RAUX
RENCES OC SENTATlON Q[S ACTUELLE ~II:NT OCJA
RtGLES CONNA 1SSANCE S EXISTANTS

pROLOG profon- ) UtUiae le ""de d'inférence appelé

(sulte) deur principe œ résolution.
d'abord 4) Stratégie per tentative.
5) Capable œ non-monotonie.

l'SC P. Oufresne,
H. Gha 11aa.
(1) 1964 franee
(L.A.A.S. ,
Système général
(robot ique ).
- - - - - - - 1) La technique évoluée de compilation de
le baae œ connaissonces lui permet de
Toulouse) rofduire forteœnt le te""s consscré à
ddterllliner lea règles à rtécleneher
(lndispenaable en rObotique).
2) Oeatlnof 10 prendre place dans le ays tè".,
œ ddc1aion du robot HILARE.
) Cette technique permet à œa sys tèmen
de fonctionner en temps réel.

R.L.L. R. Grelner,
O. Lenst.
- - (tah-Unis
(Univ.
- - - - - - - - 1) Il d1spoee d'une connaissance aur son
propre fonet ionnement,
Stanford) - 88 structure,
- sea mdea d·lnférence.
2) COlDprend un grand n.. ntlre œ compos8nteo:
- dlffofrents types li! schéma de rep ré-
senletlon posslb le.
, - de IlOfIbreuBeo BtnJctures œ contrôle,
ex_, une structure de conlr"le fondée
aur la notion d'agenda permet.
1
d'organiser des tâches selon
certains rudes de priorité.

RA 1NBOI! C.R.
Hollander,
(5) 1979 (tala-Unie
(IBM,
Systèlle génolral. - Règlea œ
production
- - - - -
H.C. Palo Alto) i
---j
ROSIE
dans (lATR)
- (2) - (tels4Jnie
(RAND Cor-
Systè... générd. - - - - - - -
poraUon)
CaUfornie
-
 HOTEURS
NOM AUTEUR(S) R~ft::- ANNl'E ORIGINE APPliCATIONS NOIt!RE HOOE OE REPRt::- LANGAGE PHASE fONCTlON- PERfORHANCES D'INft::RENCE COMMENTAIRES ŒNt::RAUX
RENCES DE SENTATION OES ACTUELLE NEHENT OCJA
RtGLES CONNAISSANCES EXISTANTS

RULE HASTER - (12) - (tata-Unla Syatè ... gl!nérd. 200 - C fonc-

lionnel
- - - 1) fonctionne eur IBH-PC.
2) 5 000 $ US.
}) Disponible cheZ! Radian, 8501 HO-Poc
Blvd., AlIJUn, TX 78766, USA,
Tél., (512) 1154-11797.

SI - (9) 19811 (tata-Unis

(Tecknow1-
Syatè_ gl!néral.
-Oia9'oat1c
- - LISP - Chatnage
srdhe
- - 1) fonctionne eur XEROX, SyntIQUca ou
Digitel Equipment.
edge Inc.) -Preacription en pro- 2) Peut représenter des camo iassncea
fondeur l""réc1aea ru Incertaines.
d'abord }) Explication eur l'inférence (comment
at pourquoi).
") Interface graphique.

SACSO P. Debord,
P. Dalle,
(1) 1981 france
(C.E.R.f.
Sya tio... génolral
(orient" vere l'ana-
- - - - - - -
5. Caetano I.A.) et Iyee de acènee).
(Univ. P.
Sabatier)

SAGE - (2) - -
(SPl Inter-
Système gl!nérsl. - - - - - - -
national)
--
SERIES PC - (12) - (tats-Unls
(SRI)
Syatiome gl!nofral.
-Dis9'oa tic
}OO Règle 51-alors IQ LISP fonc-
tlonnel
Chatnage
ardhe
- - 1) fonctiome eur IBM-PC.
2) 15 000 $ US.
-Prescription en pro- ,) Disponible cheZ! SIII International,
fondeur ' " Ravenewood Ave., Henlo Park,
d'abord CA 94025, USA, UI •• (1115) 859-5889.
,,) Retraçage dea In"'rencea.
S) Un ofdlteur de le base tE connaissance.

SHALLTALK A. Key,
A. Goldberg.
(5) 1977 t::tata-Unla
(Xero. )
Système gdnohal. - fuma - - - - - 1) Langage-objeta.

1
 HOTEURS
- -
NOH AUTEUR(S) R~fI~- ANNf'E ORIGINE APPlICA TI ONS NOHBRE HIDE OC REPR~- LANGAGE PtiASE fONCTlON- PERfORMANCE S O'INf~RENΠCOIf1ENTAIR[ 5 GI-'N~RAUX
RENCES DE SENTATlIlN OCS ACTUEI.LE NEHENT OCJA
. RtGtES CONNAISSANCES ~XISTANTS

SHP - ( 1) 1984 France

(CRIL, LIA
Systè .... gint!ral. - - - - - - - 1) Ot!rlvé da [AI,JE.

Uni v. de
SavoIe
Chamery)

SNARK
dans
J.L. Lsurière l,
(~), 9
1981 france
(G.R. 22
Syst~tne CJfnt!ral.
-Gt!ologie . - Logique lÈs
prt!dicate
PASCAL
Pl/l
fonc-
tlonnel
Cheinsge
avant
- - 1) Ordre 1.
2) Pluaieura varaiona ont étt! réalinée".
(SIHtll.~S) + Unlv. -Archt!ologie }) Syatl!.... français le plus connu et le
Paria VI) -Ense 1gnement en plua dl ffueé.
physique 4) les varaione les l' 100 récentes co'"por-
tent das primithea polir exprlner d,,"
Illétaconnals88nces et reneUre en cau"e
daa hypothèaes.
!il A ineplré le développo..,nt du roteur
AlOUETTE.
6) le nodl!le da comps 1 lb i Il té eat la
seml-uniflcatlon.
7) 01sp08e da pr 1mit 1ves ~"I aglRsent. sur
le moteur d'lnft!renc".
8) Utilise das onétarègles.
9) le corps das métsrègles peut faire
appel l das primitives d'inhibition et
vaUdatlon da rigl"B, elles-m/lmeo
désignées 8860clstlvement.
10) les règles sellienoent conoportent des
variables.
11) Peut exploiter leo connalsssnces
Incert ainee •
12) Utilise une fonction heuristique
Intrinsl!que au oot"ur.
D) Adopte une slrstélJl e par tentative.
14) Peut fonctionner li! ... nl~re non
tROnotone.
l~) Structura tion, da la baae de connals-
881lCe.
 HOTEURS
NOH AlJTEUR(S) R~n'- AN~[ ORIGINE APPlI CA TI ONS NOItlRE HOOE OC REP~- LANGAGE PIIASE FONCTlON- PERFORMANCES O'INITRENCE COHtt:NTAIRfS ŒNI:'RAUX
RENCES DE SENTATION OCS ACTUELLE NEMENT OCJA
RtGLES CONNAI SSANCE 5 EXISTANTS

SNARK 16) Lea regles sont cerectérleées por un

dsns enaenble d'"ctlorn qui sont déclenchée
(SIHHIAS) al les prdRllsses de J. part le cooldi tion
(.ulte) peuvent litre ..ises en correspondance
avec des falta œ la œoe.
17) Record pour la vitesse des calculs.
18) Falbleaaasi
- son Rl8nque d'environnement et
d'asslatsnce à l'ut illeateur 1
- le forRl8t des règleo et des fa i ts
qui chi vent être rédigés mne la bese
es t tr~s strict e •

SNePS J.P. Martin, (J)

S.C. Shapiro.
1979 I:'tah-Unis Syatème gdnllral. - - LISP - - - -
SPil-l R. Martin-
Cloua ire
(1) 19M France
(L.S.I.,
Systè ... gdndral. - - - - Chetnage
arrière
- - 1) Capable de traiter des faite incertaino
ou lI'précia.
E.N.S.E.E. 2) Het en oeuvre le théorie des posol-
I.H.T.) • billtda.
(Unlv. P.
Sabatier)

SPIRAL - (9) - -
(CEA)
Syatèlle gdnéral. - - - - - - -
SPROUTER B. Hayes-Roth (L) - E'tata-Unia Syatè.... gdnéral. - FralllE!8 - - - - - 1) A étt! t!tendu dana l'analyee du lengege.

STROBE - (U) - I:'tats-Unla Système gdndral.

(Sch luabe r-
- - - - - - -
ger 0011
Resesrch)

SYPRUC - (9) - -
(Ci .... )
Sys tà ... gdnéral. - - - - - - -
 HOTEURS
NOM AUTEUR(S) R(n:- ANN(E ORIGINE APPlICATlIINS NOteRE HOOE OC REPR(- LANGAGE PHASE fONCTlON- PERfORHANCES 0' 1 Nf(RENCE COHl'CNTAIRfS G(N(RAIJX
RENCES OC SENTATlON OCS ACTUELLE NEHENT OCJA
RtGLES CONNAISSANCES EXISTANTS
--
TANGO H.O. Cordier, (1), 5 1982
H.C. Rousset.
france SysU.., gé""ral (utl-
(LRI, Uni v. Hsation en EAII).
- Logique ŒS
prldlcate
LISP - Chalnage
bidirec-
- - 1) Ordre 1.
2) On ne peut expUci lement qu'ajouter de.
Paris-Sud) Honnel raits (difaut atténué par le fait que
Orssy le mteur peut, du 8a propre autori lé,
suppri ... r un fait s'l1 survient un
ajout dljà prIsent. dans la t.lse).
) Technique évoluée Œ compilation de la
base de conne la68nces, lui pa rme tt ant
de réduire le temps consacré à déter-
Rliner les œgles à déclencher.
4) Le tempe gagné à la déterminstion d,s
r~gles à dlclencher risque d'êtr~ nlté-
nut! par une consommation prohibitive
d'espace-mémire.
5) le mdille de compatibilité est la 9"mi-
unification.
6) Per"",t l'introduct ion de procédures
dans les règles et métorèglea.
7) Adopte une stratéqle Irrévocable.
8) Structuration de la bane des règles.
9) Le IOde de contrôle permet de gui,ler
le raisonnement par lMl plsn.
10) le &ystà .... disttn'J'"' explicitement. 1.
notion d'i""Ucatlon de celle d'act ion
eur une base des fait".
il) S'U y • déclenchement d'une action,
cette action rodifiera la t.lse des
conna1s88nces.
12) TANGO construit un plsn de r"aolutlon
qui par"",t de ohoisir le règle li dé-
clencher en tensnt co""te de but s immé-
diats, définis par un certain nomhre de
crithes à chaque cycle de résolution.
H) le type de raisonnement "Ppllqué par le
eystè .... est un dlolnn'J" ovont guidé par
un plan construit en charnage Brt'Ière.
 HOTEURS
t{]H AUTEUR(S) ~n:- ANNEt ORIGINE APPllCA TI ONS NOItIRE HOOE OC REP~- LANGAGE PHASE FONCTION- PERFORMANCE S o'INFI'RENCE COHHENTAIRtS ŒN(RAUX
RENCES DE SENTATIDN OCS ACTUELLE NEHENT o(JA
REGlES CONNAISSANCES EXISTANTS

TEIRESIAS R. Davis,
O.B. Lenat.
2, 9, 1980
(4),
l'tato-Un!a
(univ.
Syat~ ..e de trana fert
de connaissance d'un
- - - - - - - 1) Peut organiser les connaissances dlnnéea
en vrac_
10,15, Stanford) expert humain à un 2) Cepab le de ~ tect e r, d. na la ba ae des
Il cyathe et guide COMols sances , les lac mes ou les 10eo-
l 'ac'Iuisit Ion de htSrences.
nouvellea règlea
d'inférence.

TEK 4404 - (9) - -

( lektronlx)
Syatème général. - - - - - - -

IHOTH S.A. Vere (L) - l'tata-Unia Syatème général. - - - - - - -

IIGRE-l - (9) - France
(Co~1tech)
Syatème général. - - - - - - -
Il'''' - (12) 198} (tata-Unia
(General
Syat~"", général. 500 - FORTRAN Fanc-
77 tionnel
- - - 1) fonctionne eur IBM-PC.
2) 9 500 $ US.
Reaearch }) DisponIble cheu fenerol Researcn Inc.,
Côrp.) 7655 Old Springhouae Road, Helean,
VA 22102, USA, Tél •• (70}) 89}-5900.
4) UtIlIsé par Hugueo Aircrart pour la
.i .... latlon dea eff.. ta ooa décIaiona d'un
pilote d'hélIcoptère lors de bataU lea.
5) Peut représenter 009 connaissances
Ince rt aines.
6) Chafnage avant.
7) Explication de l'inférence.
8) Peut 41tre implanté BUrI
- IBM,
- OCC,
- Prime,
- IBM PC XI.

-
 MOTEURS
N)H AUTEUR(S) Rrrr- ANN(E ORIGINE APPliCATIONS NOItiRE HOI)[ OC REPRIC- LANGAGE PtlASE fONCTlON- PERr ORHANCE 5 D' 1 NfICRENCE COMMENTAIRES ŒN(RAUX
R[NeES DE SENTATION OCS ACTUELLE NEHENT OCJA
RtGlES CONNAISSANCES EXISTANTS

TOPSI - (12) - (tats-Unia Syat~me général. 5 000 - TURBO

PASCAL
fonc-
Honnel
- - - 1) f onctlonne Bur IBt~-rc.
2) 75 $ US.
J) D1aponible d,ezl r>lnnmlc Master
Systems, P.O. Box 566456, Atlanta,
GA 30J56, USA, Tél •• (404) 425-7715.

TROPIC J.C. Latombe (l) 1977 france

([.N.S.I.
Syst~..e général
(orIenté vers la
- - - - thafnage
arri~re
- -
H.A.G. ) CAO).
Grenoble

UNITS M. Steflk 2, 5 1979 rtata-Unia

(Stanford)
Syatème général. - Framee - - - - -
XSYS - (12) - ttats-Unia Syatème général. - - IQ LISP Fonc- - - - 1) fonctionne aur IBM-PC.
2) 1 000 $ US.
t ionnel
J) Disponible d,ezl California Intel li -
gence, 912 Powell Street, S.n Froncl:lcIJ,
CA 94108, USA, Tél.: (415) Wl-4840.

ZERO+ H.O. Cordier, 9, 1"

H.C. Roueset.
- France
(LRI, Unh.
Système général. - - - - - - -
Paris-Sud)
Orsay

J
 MOTEURS
NOH AUIEIIR(S) Rt'f{- ANN(f DIUGlNE Al'l'lICATlONS NOIIIRE HOOE OC REPRl- LANGAGE PIIASE fDNC Il ON- PERfORHANCE 5 O'INflR[NCE CIIItIENTAIHES GlNt'RAUX
HENeES DE SENTAIION OCS
CONNAISSANC[S
ACTUELLE HEHENT oc lA
RtGlES EXISTANTS

SIEAHE:R llollan,
Il,,lcMna,
(15) 1984 - Op<lraUon de
cenlraloa lherlllquea.
- - - - - - - 1) Graphle8 coupled lo 'Dolhem.lIcal rode 1
of plant.
We Il.lIarlo

--.
!.. ;:

1li -... '"

;:

..
! 1!!
...ccz --,.
!!l
z
cc
'"
C

==
!!
0-

.. ..."" ...
z z
>*1
i
\
)'!
z
CI:
z
Q

1
.. ;:
'"~cc 0:
ct
N
~
~
,. - -- -... -
II>

'"
~
~
:: ;: cc
~
cc
~
cc
~
~
== i,.
""
~
 MOTEURS !
NOM AUT(UR(S) R(rt:- ANNt:E ORIGINE APPliCATlORS NOHIl/lE HlDE IlE REPRr- LANGAGE PHASE fONCTlON- P[ Rf ORHANCE S D' 1NH~RENCE CIlHHENT"IRES G(N(RAU~
RENCES DE SENT"TIOR IlES ACTUELLE NEHENT OCJA
RtGUS CONN" 1SSANCE S EXIST"NTS
1

AlPS - (14) 1980 franca

(Control
Traductlon autOlllll-
tique.
- - - fonc-
tionnal
- - - 1) Co_rclelIaé BOUS le nolO do! TRANSI~ATlC.

Data)
--
ARIANE 78 B. Vauquola (14) 19711 france
(Unh. de
Traduction eulOOl8-
tlque.
- - - - - - - 1) Le dictionnaire p.l le IOOdèle lin9ulo-
tlq..u uUlIe6d dOnt :!.parés de 10 purtle
Grenoble) logiciel (contraire nt. plusieurs
eutrea ayalè ..... de l'I.A.).
2) Posalblllt4 d' ..... lIorer lea gr .... elres
ou la lIOdèle linguistique.
\. }) La ao!quence dea opérst lona effectuées ae
\ \
divise en trol. gr.ndes étapes.
- analyae (ddcortiquer 1.. texte),
,
- transport (retrouver, dans la lOflCJue
cible, dea rel>réaenLHtlons équivs-
\
'.
'\ \ lenle_h
- gé.... r.Uon (d'un texte tntelllglble).
4) la cinquième version de Arlene 711 8 été
.Ise eu point par le GHA (Groupe d'(tu-
de. pour 1. Traduction AutolOatlque).
S) Syatème de deuxième génération.

SULY TI HUS - (14) 197. -

(Univ. de
Iraductlon eutOlll8-
tlq.,a.
- - - - - - - 1

Sarrebruck)

SYSIRAN - 9, 14 1970 - Iraduction eutOll8-

tique.
- - - - fonc-
tlonnel
- Traduit 120
pagea de
- 1) Bien qu' 11 traduise plualeura centaines
de pagea par an, toute cetta production
(Anglala - françala), texta dacty- doit repasser entre les mains d'un
(frsnçala - Angl.lsh lographl4 • correcteur to.... ln avunt d'être uti-
(Anglala - Italien). l'heure O. liaée. (III)
qualité de 2) Ne posaède p.a clairement de lOotlèle
la traduc- linguistique.
tlon 1.lsae }) Difficile de prévoir le fonctionne_nt
toutefois. st d·...éliorer la {IUeUté do! la tra- 1

déalrad. ductlon. 1

--- 1
 ---
HalEURS
NOM AUIEUR(S) 11I~fI'- ANNll IWllGINr: A1'l'lICA Il ONS NOItlRE HfJ)E Il[ HEPRl'- LANGAGE PHASE rIINCHON- PEHfORHANCES 0' 1Nfl'RENCE COIf1[NTAIRI.S ŒNtRAUX
"(NeES 0[ SENTAHON Il[S ACTUEllE NEHENT OCJA
ntGlES CONNAISSANCES EXISTANTS

SYS IRAN 4) IlIIPoaslble de savoir c:; Jolpurt 'luellc8

(sulle) aOllt !t.a posolbllii .le ,'éelles du syu-
tème.
5) Otitllucoup de l'estrict 10118 sur lea fUl"IlICIJ

d'expressionl non ..... e dt! mote limité.

aellS des rote défllll, cuntralnteo Bllr le
atyle.
6) fonctionne .... r IBM 4~41.
7) Syatll.... de prelllère génération.
8) "Le quaUté ooa t.J'oolucl ions" do 1t
beaucoup au lrayall deB Anglais
HM. Heaterllan et V. L"w80n.

IliUM ":1[0 - (14) 1977 Canada

(~lly. de
lraduclloo autOll8-
tique 00 bu Ile t Ina
- - - fone-
t10nnel
- Seul aye-
tère de T.A.
- 1) Incepecit' • traduire co""lètemenl
toutea lea phrases (qu'Uld cette altuu-
Hontr4a1l de AMlt40 (Anglale - f one tionoent tlon a.. produit ccl te (cea) phrao.,(o)
françala). 24 heurea eal(aont) afficho!e(s) Bur un écran ut" in
psr jour qu'un hullain o'en char'Je).
&8na qu'su- 2) Vu le do . . lne d'sp"llcutlun, Il eol
cOlle grande pœelble de dlaU,,,,,.r clslre ... nt les
IIIOdlflcation phra8es que la mach inc peut ou non t ru-
lui ait tlt' duire.
apport ole » Syat~ rentable.
(80$ des 4) Conçu pour le gouycl1lcn"nt du Csnsd".
bulletins
sOllt tu-
.0
duite 8808
Interyent Ion
humslne).

Il Il US - (14) 1981 france Ireductlon automa- - - - fonc- - Bonnee per- - 1) 5ystè..... "syntaxe eontrlllole", o'auto-
et
1111115 IV
(11-
lius
(Institut
textile
tique (conçu ""'Ir
tralt" ..."l .. ltl-
le tlonnel for-'Cee rlse que l'e.."lol de for ... e d'expreseloll
ob41ssont II L~rtalnl clitèrea l1nguls-
IV) de fronce lingue de baoes de tiques restreints ct "rt!tlétermlnéo 1
(lin) don...See da"8 les
 HOTEURS
NIIH AUI[UH(S) R~n~- ANN([ ORIGltf: Al'PlICA liONS NOttlRE HIIlE OC REP Il!- LANGAGE PItASE fONCIION- PERfORMANCES 0'1 Nf{RENCE COtt-ENIAIIH:5 !TN(HAUX
R[I«:ES DE SENTATION OCS ACTUl.~LE ~HENI olJA
RtGlES CONNAISSANCES EXISTANTS

II11U5 do_e1nee aclentlfl- 2) Le8 phr8888 ne doivent contenir q'" ,le.

et ques el lecl.l1ques). terEa fl~ranl œne un dictionnaire
Il Il US IV
(suite)
pr"slable ... nt "lebll.
) Doll diter.lJ,er que l "", ... donner 11
MOL. 10l'8qoo celui-ci en comporte
,.
plusieurs.
4) Le ayslè ... traduit al ... lta""""nt en
slle ....oo. snglsls, eopolJlol et rran~.la.
5) Devant le auccèa de T111115, l'Uf a'c.t
efforcola d'atténuer la rigueur deo
règles d'''crlture pour conduire 11 un
ayalè ... de concept Ion nouvelle.
T11l115 IV. Isnc" en 1981.

I11RAN - (14) - Japon Traduction automs-

Uque (tradul t dua
- - - Recher-
che
- - - 1) A engp.OOr<l. TlTRAN EJ (196111
11 IRAN JE (1982) 1
tltrea d'artlcles IIIRAN JI" (1982).
scIent IUques et dea
..""rences blbllo-
grephlques).
---
Il IRAN [J H. Negeo (14) 1981 Japon
(.... tv.
IrsducUon autOMeU-
que. snglsls-japons la
- - - - - 1aux de
trsdoct Ion
- 1) Le dlctlonnslre eat conot !tu" de ",ota
81""lea et de vocabulaire technique.
Kyoto) (titres d'articles de 901. 2) Appllcstlon limitée.
aclentiflques et
r"f<lrences biblio-
graphiques) • ..
Il IRAN JE H. NS\lao (14) 1962 Japon
(Un(v.
Traductlon ""t_s-
tique (tllres d'artl-
- - - - - 901 <les
titres ont
- 1) Le dictionnaire est eOll3tltué do • ..,t.
sl""lea et d< vocahu :u ~ re technlq'''' •
Kyoto) cles aclent IUquea .. t "toi traduits 2) Application limitée.
r""'rencea b1bllQljra- correcle_nt ,) (lapell de lreduct Ion:
ph1quoa). par le ays- - dJcouper en mols le texte jeponlols '1"1
tème. .... pr<laente 80U9 la forme d'une suite
de caracUrea 1

-
 'HorEURS
NOM ~UT[uR{S) R~n~- ANNt'[ ORIGItt: APPLICATIONS NOttIRE Hill[ OC REPR~- LANG~Œ PHASE fONCTlON- PEITORHANeES D' 1,..~RENCE COIKNrAIRES ŒNt'RAUX
R[NeES DE SENTATIIIl OCS ACTUEllE tt:t1ENr OCJA
RtGlES CONNA 1SSANCE 5 EXIST~NTS

IIIRAN :1: - après ldent Iflcolion rua groupeo ayn-

(suite) tadquea, le program,re procè<le l leur
traoofsrt.

Il IRAN J' J. I\.oort (14) 1982 - Tradtlct Ion aul""",-

llquo (tltreOl d'artl-
- - - - - 90Sdea
tltr .... ont
- 1) le dlctlonnelre ea t cUlotltué de ruts
al"",lea et de vocahulalre technlq ....
cleu OIC 1ent If lqueu et 6t' traduita 2) Application Il_née.
roff4renceu blbllogr .. - correcte ...nt }) ~tapea de traductlon 1
phlqueu). per le oya- - découper en rota le t", te japon .. le qui
U .... Ile prllaent. eoua la forme d'une But te

de caracthesl
- après IdenUflcetlon deo groupes ayn-
tadquea, le progru ..... procède l leur
transfert.

WUDNEH - (14) 1960 France Traductlon eutOIl8-

tique.
- - - - - - -
--
YAHAIO - (14) 1959 Japon Traduction autOlla-
tique.
- - - - - Syetè ... de
très baa
-
nlvew.

- lIonylng Jin (}) 1966 ~ht8-Unla

{Unlv. du
Traductlon "utoma-
tique (chlnola -
- - - Recher-
cho
- le oyatê ...
a olt.! teat"
- 1) la "wlI tof de la t r.duct Ion lai .....
aouvent 1. déolrer puisqu' 11 s'o\tlt d'une
le .... 6 traduction IIl't-A-mot.
,
angl"lo). sur un OQla-
AwUn) bre li_lU 2) Te"",o de trs ....ctlon ,ej"tlve"",nt 10'").
de phro08a
'. (8) et ah
ae aont
avolr"es
occeptab le8
et deux ""'-
dlocrea.

1 1 1 1 1 1 1 J
~ ..
 ..
!

il r:s
~
....
Q

1
!
;:
...
~
 HOTEURS
NUN AUIEUR(S) R~I1:- AN~[ ORIGI/€ APPlICAIIUNS NUItIRE HIllE IlE REl'R~- LANGAGE PHASE fONCTlON- P[Rf OIlHANCE S D' INf~R[NCE COHHENIAIRES ( °NltIAIIX
RENeES DE SENIAlIUN IlES ACIUELLE /€HENT OCJA
Rhus CONNAISSA.1CES EXISTANTS

ZllOLOG - (1) - fronce ZoologIe. - - LISP - Chainage

arrIère
- HICROHYC 1 1)
2)
Ordre O.
En profondeur d'abord.
') .lcro-ayaU"oe-e.pert.
4) Peut répondre • des qu est 10118 üu r Hon
faleooneœnt.
~) fonctionne aur IRS-OO.

.-

1 1 1
_J
1.- Farreny,H.; "Les systèmes experts: principes et exemples.",
Collection Techniques Avancées de l'Informatique, Editions
Cepadues, Toulouse, 1985, 254 pages.

2.- Feigenbaum, E.A.; McCorduck, P.; "La 5-ième génération: le pari

de l'intelligence artificielle à l'aube du 21-ième siècle.",
Intereditions, Paris, 1984.

3.- Société Canadienne pour l'Etude de l'Intelligence par Ordinateur;

Actes de la sixième conférence canadienne sur l'intelligence
artificielle, Ecole Polytechnique de Montréal, 1986, 268
pages . .

4.- Fieschi, M.; "Intelligence artificielle en médecine (des systèmes

experts).", Editions Masson, Paris, 1984, 207 pages.

5.- Bonnet, A.; "L'Intelligence artificielle: promesses et

réalités.", Interéditions, Paris, 1984, 271 pages.

6.- Cohen, P.R.; Feigenbaum, E.A.; "The Handbook of Artificial

Intelligence (volume 1), Heuristech Press, Stanford, 1982, 409
pages.

7.- Cohen, P.R.; Feigenbaum, E.A.i "The Handbook of Artificial

Intelligence (volume 2), Heuristech Press, Stanford, 1982, 428
pages.

8.- Cohen, P.R.i Feigenbaum, E.A.i "The Handbook of Artificial

Intelligence (volume 3), Heuristech Press, Stanford, 1982, 640
pages.

9.- Revue La Recherche, mensuel No.170, Octobre 1985, Paris.

10.-Yazdani, M.i Narayanan, A.i "Artificial intelligence: human

effects.", Ellis Harwood Series, Université de Exetes,
Angleterre, 1984, 318 pages.

Il.-University of Ca1ifornia at Los Angeles, Proceedings of the Ninth

International Joint Conference on Artificial Intelligence
(Volume 1), Los Angeles, 1985.

12.-University of California at Los Angeles, Proceedings of the Ninth

International Joint Conference on Artificial Intelligence
(Volume 2), Los Angeles, 1985.

13.-Revues Microsystèmes.

14.-Revues La Recherche.
 15.-Ecol~ Polytechnique de Montr~al, Jou:t::né(~ Augus ti n Frigon
(Intelligence artificielle et systèmes experts), Ecole
Polytechnique de Montréal, 1984.

16.-Proceeding of the First International Joint Conférence on

Artificial Intelligence, 1977.

17.-Revue Artificial Intelligence, VolumeS, 1974.

18.-Proceeding of the Fifth International Joint Conférence on

Artificial Intelligence, 1981.

19.-Revue Artificial Intelligence, Volume 2, 1971.

20.-Revue Artificial Intelligence, Volume 3, 1972.

21.-Revue Artificial Intelligence, Volume 4, 1973.

22.-Revue Artificial Intelligence, Volume 6, 1975.

23.-Revue Artificial Intelligence, Volume 8, 1977.

24.-Revue Artificial Intelligence, Volume 10-11, 1978.

25.-Revue Artificial Intelligence, Volume 20-21, 1983.

26.-Revue Artificial Intelligence, Volume 22, 1984.

27.-Revue Artificial Intelligence, Volume 23-24, 1984.

28.-Revue Artificial Intelligence, Volume 2 S, 1985.

, 29.-Revue Artificial Intelligence, Volume 26, 1985.

30.-Fox, M.S.; "Industrial applications of expert systems.", Centre

de cours intensifs de l'Ecole Polytechnique de Montréal, 1986,
45 pages.

31.-Buchanan, B.G., "Expert systems: working systems and the reseach

li terature.", Knowledge Systems Laboratory, Stanford
University, December 1985, 55 pp.

32.-Knowledge Systems Laboratory; "Knowledge Systems Laboratory,

1985.", Stanford University, 1985, 94 pp.
 ANŒXE 2

MATERIEL INfORMATIQUE EN INTELLIGENCE ARTIFICIELLE

La présente annexe veut donner un inventaire des entreprises qui fabriquent et
commercialisent le matériel informatique spécifique à l'intelligence artifi-
cielle et plus particulièrement aux systèmes experts.

Le présent inventaire ne prétend pas être complet, mais peut être considéré
comme un point de départ d'une recherche qui pourrait être plus exhaustive.

Résumé: environnement et outils commerciaux

Sur micro-ordinateur Sur machine LISP

M.I 5.1
EXSYS ART
OPS5 KEE
PERSONAL CONSULTANT DUCK
INSIGHT KNOWLEDGECR AFT
EXPERT-EASE OPS5
TIMM EXPLORER
MICRO-EXPERT LOOPS
KDS
RULE MASTER
AION
KES
SERIES-PC
ES/P ADVISOR
 MATrRIEL INFORMATIQUE EN INTELLIGENCE ARTIFICIELLE

COMPAGNIE ADRESSE rQUIPEMENT ET LOGICIEL

ACT - France - Le LISP.

Informatique - Environnements pour systèmes experts.

ACT- France - LISP.

Informatique - Langage COOL, CEYX (langage objets).
- EXPERTKIT: pour systèmes experts.
ALMA France - PROLOG-CRISS.
Amaïa France - LISLOG.

Applied rtats-Unis
Expert
System

Apollo Cambridge, Mass. - Compilateur COMMON LISP.

Computer ,
- "Explorer LISP Machine" de Texas Ins-
trument avec un interface compatible
avec ses propres stations.
- Divers environnements pour systèmes
experts.
Artificial rtats-Unis
Int. Corp.

AT/T - Outils pour la reconnaissance du

langage parlé avec différents inter-
locuteurs.
- Reconnaissance des mots.
- Traitement grammatical.
.. ~

- Reconnaissance du sens du contexte •

- Environnement UNIX.
Bull rtats-Unis - XLOG.
- Environnement KOOL pour le développe-
ment de systèmes experts.

Cap Sogeti France

Cimsa France - Environnement SYPRUC pour le développe-
ment de systèmes experts.
CISI France
 HAT(RIEL INFORMATIQUE EN INTELLIGENCE ARTIfICIELLE (suite)

CO~1PAGNIE ADRESSE rQUIPEMENT ET LOGICIEL

Computer I::tats-Unis
Thought
Cognitek France - Propose TIGRE-l.
Cogni tive I::tats-Unis
System
CR 1 (CSK Japon - Environnement KEE pour le développement
Research de systèmes experts.
Institute)
de Computer
Service Corp.
('~IL France - Prolog P, et l'environnement MP-LRO
pour systèmes experts.
Data General Westboro, Mass. - Compilateur COMMON LISP.
- Environnement pour systèmes experts
pour terminaIs IBM-PC/AT et compati-
bles.
Delphia France - D-PROLOG 3.
Digital - Micro VAXII avec compilateur en COMMON
Equipment LISP et interface graphique avec la
Company (DEC) station Al VAX STATION (MicroVAXII
bientôt disponible pour environ
$15,000.00 U.S.).
- Compilateur COMMON LISP.
- Logiciel OPS5, PROLOG.
. - Divers environnements pour systèmes
"experts (KNOWLEGGECRAfT, SI)
- PROLOG II.
Expert rtats-Unis - Environnement EXPERT-EASE pour systèmes
Software experts, coût $2,000.00 U.S.
International - Environnement ES/p ADVISOR pour
systèmes experts, coût $1,895.00 U.S.
Expert- I::tats-Unis
System
International
 HAT(RIEL INfORMATIQUE EN INTELLIGENCE ARTIfICIELLE (suite)

COMPAGNIE ADRESSE rQUIPEMENT ET LOGICIEL

Framentec France - Matériel Xerox, Symbolics, Digital.

- rquipement, outil de développement
de systèmes experts sur IBM-PC et
compatibles (SI, Ml) •
- PROLOG.
Franz Alamedo, Californie - Compilateur LISP, COMMON LISP.
General E:tats-Unis - Environnement TlMM pour systèmes
Research experts, coOt $9,000.00 U.S. sur
Corporation IBM-PC XT.
Gold Hill Cambridge, Mass. - Compilateur LISP, COMMON LISP.
Hewlett E:tats-Unis - C.ompilateur COMMON LISP.
Packard - HP 9000.
- Divers environnements pour systèmes
experts.
1. B. M. rtats-Unis - Environnement pour systèmes experts.
- Environnement / MVS.
- ESE/VM.
- Interface pour le traitement du
langage naturel.
Inference E:tats-Unis - Environnement ART pour systèmes
Corp. experts, coOt $60,000.00 U.S.
Intell. Corp. E:tats-Unis - Environnement KEE pour systèmes
experts, coOt $50,000.00 U.S.
- Langage KRL+.
-
Intelligence E:tats-Unis
Thinking
Machine
Intelligent E:tats-Unis
Software
Inn France - Environnement PILOTEX pour le contrôle
des processus et maintenance.
 MAT(RIEL INFORMATIQUE EN INTELLIGENCE ARTIFICIELLE (suite)

COMPAGNIE ADRESSE rQUIPEMENT ET LOGICIEL

Knowledge rtats-Unis - INSIGHT: environnement pour systèmes
System experts, coat $95.00 U.S.

LMI - LM-2.
- PICON systèmes experts pour le contrôle
de processus.
- LM-PROLOG, Flavors (langages).
Lucid Palo Alto, - Compilateur LISP, COMMON LISP.
Californie
Machine Etats-Unis
Intelligence
Micro- France - QLISP, OPS-5.
Informatique
Mind Soft. France - EXPERT I, MacEXPERT.
Mitsubishie Japon - A venir: machine à inférence séquen-
Electric tielle (architecture hautement
parallèle) (langage PROLOG).
- Projets: -Gestion intelligente de base
de données.
-Traitement du langage
naturel: notamment un sys-
tème pour la traduction du
japonais à l'anglais.
NCR Etats-Unis - Compilateur COMMON LISP.
. - Pour bientôt: revente de divers envi-
ronnements pour systèmes experts.
PRIME Etats-Unis - Pour bientôt: vente .du compilateur
COMMON LISP.
PROLOG lA France - PROLOG Il (MacIntosh, VAX, HP) •
S.R.!. Etats-Unis - SeRIES-PC: environnement pour systèmes
International experts, coat $5,000.00 U.S.
-
SEMA France
 HATrRIEL INFORMATIQUE EN INTELLIGENCE ARTIFICIELLE (suite)

COMPAGNIE ADRESSE tQUIPEMENT ET LOGICIEL

Sperry ttats-Unis - "Explorer LISP Machine" de Texas Ins-

trument.
- Environnement KEE pour le développement
de systèmes experts.
Sun France - PROLOG, LISP, C.
Microsystems - Série station 68010, 68020.
- Station UNIX.

Sun Micro- Mountain View, - "Explorer LISP Machine" de Texas Ins-

System California trument, un interface compatible avec
ses propres stations.
Symbolics Concord, Mass. - 3610 AE, LISP Machine, coût
$39,600.00 U.S.
- PROLOG.
- Environnement KEE pour systèmes
experts.

Synte1ligence rtats-Unis
Tecknow1edge rtats-Unis - PRO LOG sur IBM-PC, coût $2,000.00 U.S.
- Environnement 5.1 pour systèmes
experts, coût $50,000, $80,000.00 U.S.
TECSI France - Divers environnements pour systèmes
experts.
- KNOWLEDGECRAFT.
.
Tektronix Etats-Unis - SMALLTALK.
- TEK 4404.
.. - Stations de travail SUN et APOLLO.
Texas Dallas, Texas - Production d'un micro-processeur LISP à
Instrument l'automne 1986: "Explorer Me9a Chie".
- Projet de construction d'un "Comeact
LISP Machine" (contrat avec la DARPA)
qui ne prendrait pas plus d'espace
qu'une boîte à soulier.
-
- Explorer LISP Machine.
- Environnement "Personal Consultant
Plus" pour le développement de
systèmes experts.
Coût: $1,000.00 u.s. et plus; sur
IBM-PC ou compatible.
- PROLOG.
 HATrRIEL INFORMATIQUE EN INTELLIGENCE ARTIfICIELLE (suite)

COMPAGNIE ADRESSE tQUIPEMENT ET LOGICIEL

Verac lnc. - OPS5: sur ZetoLISP et Symbolics 3600,

coût $3,000.00 à $10,000.00 U.S.
dépendant de l'environnement.

Xerox Pasadena, - LISP Machine: Station 1185, coût

Californie $10,000.00 U.S. Peut être mis en
interface avec IBM-PC.
- Série 1100 machine LISP (INTERLISP).
- Bientôt un compilateur COMMON LISP.
- Ont développé les langages SMALLTALK
et LOOPS (langages objets) (LOOPS
coût $300.00 U.S.).
 ANŒXE 3

LE LANGAGE PRO LOG

 TABlE DES HATltRES

1.0 INTRODUCTION

2.0 UN PROGRAMME PROLOG

3.0 LA STRUCTURE D'ARBRE

4.0 L'UNIFICATION

5.0 LE PRINCIPE D'EFFACEMENT DES BUTS

6.0 LES LISTES

7.0 UN EXEMPLE D'APPLICATION SUR LES CAS DES Dr VERSEMENTS ACCIDENTELS

1.0 INTRODUCTION

Prolog est un langage qui s'écarte radicalement des voies sui vies à
partir du principe de la programmation impérative, qui oblige l'informa-
ticien à indiquer pas à pas à l'ordinateur ce qu'il doit faire pour
calculer le résultat qu'il veut obtenir, i l prend plutôt profit de la
programmation déclarative qui consiste à représenter dans un formalisme
adéquat des connaissances sur un sujet donné, à partir desquelles seront
déduites les réponses aux questions de l'utilisateur.

La langage Prolog a été conçu et amélioré durant les années 1970, par A.
Colmerauer et R.A. Kowalski, pour des travaux de recherche concernant la
compréhension du langage naturel et la programmation en logique. Il a
été de plus utilisé pour des recherches sur l'interrogation et la
description des bases de données, la conception assistée par ordinateur
et la réalisation de systèmes experts.

Le langage se distingue des autres langages en ce sens qu'il ne possède

pas de distinction entre programmes et données, ou même vis-à-vis la
structure de contrôle. Un programme écrit en Prolog ne fai t qu'énoncer
un ensemble de fai ts et de règles sur un domaine. Ces faits et ces
règles sont par la sui te exploités par un système de déduction, capable
de répondre à toute question dont la réponse est logiquement déductible
des connaissances fournies au préalable. Ceci est obtenu au cours d'une
exploration de l'ensemble des cheminements logiques permettant de
remonter de la question aux faits exprimés dans la base de connaissance.

La mécanique de base du langage Prolog a pour fonction de résoudre des

équations, celles-ci ne portant pas sur des nombres, mais sur des
arbres. Les arbres sont des structures permettant de représenter des
informations complexes constituées de données élémentaires organisées
hiérarchiquement. Prolog prend les arbres comme structures de données.
Il a la dimension de permettre la définition d'une infinité d'arbres, à
l'aide d'une collection finie de règles. Au cours de son travail de
déduction, Prolog est amené à explorer un espace de recherche qui a lui-
même une forme d'arbre.
2.0 UN PROGRAMME EN PRO LOG

Prolog est un langage de programmation fait pour représenter et utiliser

les connaissances que l'on a sur un certain domaine. Plus exactement le
domaine est un ensemble d'objets et la connaissance est matérialisée par
un ensemble de relations qui décriront à la fois les propriétés de ces
ohjets et leurs interactions. Un ensemble de règles décrivant ces objets
et ces relations constitue un programme Prolog.

Une règle en prolog est de la forme:

A si B et C et ••• et 1.

Elle possède une conclusion unique soit A, appelé tête de la règle, et

zéro, une ou plusieurs conditions (ou prémisses) B, ••• , 'Z appelé queue
de la règle. Une règle sans prémisse s'appelle une assertion (ou fait)
qui est une formule toujours vraie sinon c'est une règle. La conclusion
est considérée comme vraie si l'ensemble des prémisses est vrai. Ce type
particulier de prédicat logique est appelé "clause de Horn".

Si on définit une relation entre des objets, l'ordre dans lequel les
objets sont donnés est significatif. On appelle "identificateurs" les
mots qui servent aussi bien à nommer les objets que les relations qui les
lient. Le nom de l'identificateur d'une relation est appelé "prédicat".
Les orrjets sur lesquels portent la relation sont les arguments.

Le fait ou l'assertion suivante: Paul est le père de Jean, peut s'écrire

en Prolog par:

père (Paul, Jean) ~;

ou "père" est l'identificateur de la relation et est le prédicat, "Paul"

et "Jean" étant les arguments.
Voici un exemple de programme Prolog appelé "le programme":

"le programme"
père (Paul, Jean) ~;
père (Pierre, Mélanie) ~;

père (Jean, Yvan) ~;

mère (Mélanie, Robert) ~

mère (Chantal, Mélanie) ~;

homme (Paul) ~;

homme (Jean) ~;
homme (Pierre) ~;
I)omme (Yvan) -.;
homme (Robert) ~;

femme (Mélanie) -.;

femme (Chantal) ~;

fils (x, y) ~ père (y, x) homme (x);

fils (x, y) ~mère (y, x) homme (x);
fille (x, y) --. père (y, x) femme (x);
fille (x, y) --.. mère (y, x) femme (x);

Ceci est un programme Prolog, il est composé d'un commentaire "le

programme" et d'un ensemble de règles. Les commentaires sont placés
entre guillemmets. Les règles définissent des relations qui introduisent
à la fois les objets et leur classificatio~.

Une question telle que "de qui Paul est le père" sur l'ensemble précédent
d'assertions se traduira, par exemple:

> père (Paul, e);

Prolog répond: e = Jean

Une question ne comporte pas la flèche "~". La question précédente

amène Prolog à répondre sur l'ensemble des objets que peut désigner la
variable e pour que l'assertion soit vérifiée.
3.0 LA STRUCTURE D'ARBRE

La structure de base des objets que Prolog sait manipuler est la struc-
ture d'arbres. Les relations et leurs arguments sont des arbres.
C'est une structure suffisamment riche pour représenter des informations
complexes, organisées hiérarchiquement, mais aussi assez simple à
manipuler, aussi bien du point de vue algébrique que du point de vue
informatique. Par exemple, l'assertion "père (Paul, Jean)" peut être
représentée par l'arbre suivant:

_____ père ____

Paul Jean

Plus généralement, un arbre A est constitué d'un noeud R appelé racine,

et d'un ensemble ordonné d'éléments Al, ••• , An' qui sont eux-mêmes des
arbres et qu'on appelle fils de R: Al, ••• , An' sont des sous-arbres de
A et tout sous-arbre Ai est aussi un sous-arbre de A. Les racines de Al'
••• , An' sont les descendants de R. Tout noeud sans descendant est dit
terminal ou feuille:

Souvent les structures d'arbre ne sont pas complètement connues; elles

comportent des trous représentés par des variables. Les variables
peuvent recevoir une valeur au cours de l'exécution du programme, cet te
valeur étant une structure arborescente quelconque:

~'Père,,---
x Jean
en est un exemple.

Une information atomique est la forme d'arbre la plus élémentaire;

l'objet associé est une constante, identificateur, chaîne de caractères
ou un entier.
Les arbres sont représentés par des formules que nous appelons "termes".
Un terme est construit à l'aide des informations atomiques (constantes,
nom de fonctions, nom de relations, ••• ), des variables, des parenthèses,
des virgules. Un terme permet de traduire la structure hiérarchisée de
l'arbre:

égal
16 "'-fois
-/ "'-moins
4/ ""'fois
/ \
2 3

Par exemple, l'arbre ci-dessus est représenté par le terme:

égal (10, fois (5, moins (4, fois (2, 3)))).

•• 0 l'UNIfICATION

Un des mécanismes de base de toutes les implantations du langage,

consiste à décider si deux arbres peuvent être rendus égaux ou non. Si
oui, l'égalité est réaliséB en affectant des valeurs aux variables
figurant dans l'une ou l'autre des arbres donnés.

D'un point de vue plus général, on peut parler d'équations entre arbres
ou même de systèmes d'équations entre arbres. La solution d'un tel
système, si elle existe, sera un ensemble de valeurs à donner aux
variables figurant dans le système d'équation pour que chacune de celle-
ci soit satisfaite.

. La notion d'inéquations entre arbres est un des concepts originaux de

Prolog II. les systèmes d'inéquations expriment que tels arbres doivent
être différents entre eux.

On a tendance à regrouper systèmes d'équations et d'inéquations sous le

terme de "contraintes".

L'interprétation de Prolog utilise un algorithme de réduction qui procède

par simplifications successives de la contrainte associée. L'algorithme
de réduction des contraintes d' égali té est appelé "unificatio~".

L'unification repose sur les principes suivants: étant donné deux arbres
a et a', on cherche si a = a' possède une solution dans le domaine des
arbres. Pour cela, on décompose a et a' en leurs sous-arbres respec-
tifs. Si les racines de a e~t a' sont identifques et ont le même nombre
de descendants, alors la contrainte initiale Co = (a = a') est remplacée
par la contrainte Cl = (al :: al" ••• , an = an') où ai et ai' sont des
sous-arbres de a et a' respectivement. On procède de la même façon pour
chacune des nouvelles contralÎntes obtenus en Cl' L' algori thme s'arrête
lorsque la contrainte courante est réduite:
1) lorsque la contrainte courante contient une égalit~ entre deux arbres
qui n'ont pas la même racine ou dont les racines n'ont pas le même
nombre de descendants, dans ce cas le système n'a pas de solution;

2) lorsque la contrainte courante ne contient pas des égali tés dont les
membres gauches sont des variables toutes distinctes, auquel cas la
contrainte courante repr~sente la solution du système initial.

Dans le cas où la contrainte à satisfaire, C, contient des inéquations,

c'est de la forme:

C = E U (al '# al'; ag '# a g '; ...., an '# an') où E ne contient que des
~quations.

On à les propriétés suivantes:

a) E U (al '# al'; .a g '# a g '; ••• ; an '# an') a une solution si et seulemenl
si chacune des contraintes E U (al '# al') ••• E U (an '# an') a une
solution.

b) Supposons que E ait une solution. Alors:

bl) si (ai '# ai') n'a pas de solution, E U (ai '# ai') en a une. Dans
ce cas, l'inéquation 8'i '# ai' peut être supprim~e et S est aussi
solution de E U (ai '# ai);

b2) si E et EU (ai = ai') ont la même solution, alors EU (ai '# ai)
n'a pas de solution;

b3) si E et EU (ai = ai') n'ont pas la même solution, E U (ai = ai)

a pour solution S U (xl = VI; ••• ; xm = u m) où les Xi sont des
variables distinctes entre elles et distinctes de celles apparais-
sant en membre gauche de S. Alors E U (ai'# ai') est soluble et
sa solution est d~terminée par S et les in~galit~s (Xi '# Vi).
5.0 LE PRINCIPE D'EffACEMENT DES BUTS

Programmer en Prolog consiste donc à formuler les faits sous forme

d'assertions et à définir les règles logiques qui relient ces faits à
d'autres.. De même, exécuter un programme revient à demander la preuve
d'une expression. Prolog se comporte comme un "démonstrateur de théo-
rème". Il part du but (l'expression à prouver) et cherche à effacer
toutes les conditions qui le compose. Il comporte donc un moteur d'infé-
rence qui réalise cette résolution.

Pour répondre à une question:. c'est-à-dire satisfaire une conjonction de

relations représentée par une suite de termes, Prolog va tenter d'effacer
ces buts un à un, dans l'ordre où ils se présentent. Le principe d'effa-
cement permet d'interpréter questions et règles comme suit:

- une question comme: ql q~~ ••• qn s'interprète par l'ordre, c' est-à-
dire effacer ql' puis effacer q2' ••• , puis effacer qn;

- une règle comme: p ~ ql q2 ••• qn s'interprète par: pour effacer p,

effacer ql, puis effacer q2, ••• , puis effacer qn;

- une règle comme: P~; s'interprète par: p s'efface.

A chaque
. ~
pas, nous avons une suite courante de buts à effacer, B, et une
contrainte courante, C. L' algori thme démarre en prenant pour valeur
initiale de B, la suite initiale des buts (la question posée) et pour
valeur initiale de C, la contrainte vide. Le moteur répète ce qui suit:

1) choix du but à effacer: si B = bl b2 ••• bn , on choisit d'effacer bl;

2) choix de la règle à appliquer: soit P ~ ql q2 ...

qm' (m >= 0), la
première règle du programme telle que (après avoir renommé ses varia-
bles) la contrainte C U (P = bl) ait une solution, soit C' sa forme
réduite. On pose B = ql q2 ... qm b2 b3 ... bn et C = C'. La queue
 de la règle a remplacé le but b t effacé t et la contrainte courante a
été augmentée des conditions qui ont permis l'effacement de bl;

3) on recommence en (1) sauf si:

- la suite des buts B est vide. Cet état caractérise un succès et la
réponse est la contrainte courante C;
- on bloque sur un but b qu'on ne peut effacer parce qu'il n'y a pas
de règle qui permette de le faire. C'est un échec.

Considérons à un instant donné te que nous sommes parmi un des deux cas
du niveau (3), et soit bl b2 •• ~ b e la suite des buts restant à effacer.
Posons Ct l'ensemble des choix des règles applicables mis en attente
e
lors de l'effacement du but précédent, alors Ct représente la sui te
e
des choix de règles mis en attente dans l'ordre du plus ancien au plus
récent.

Au niveau (3) du fonctionnement du moteur dans les deux cas décrits t le

moteur ne s'arrête pas là: dans ces deux cas, le moteur effectue un
"retour en arrière" ou "back tracking". Dans le but d' exploi ter toutes
.. les possibilités qui restent ouvertes parmi le choix de règles en
attente, le moteur reconsidère dans l'ordre Ct ••• Ctl la règle pl
e
qui suit la règle P - . ••• dans le programme. On procède ainsi tant
qu'il reste des choix en attente. 11 est important de remarquer que
lorsqu'on effectue un nouveau choix pour tenter dl effacer un but b on
"défai tIf toutes les affectations (les instanciations) des variables qui
ont eu lieu entre le précédent choix pour effacer b et l'instant présent.

On montre en figure 1 le fonctionnement du moteur de Prolog.

On remarque que le fonctionnement du moteur d'inférence de Prolog est le

"chaînage arrière" (ou raisonnement. guidé par le but) et la stratégie de
développement est la "profondeur d'abord". On remplace le but à prouver
par des sous-buts résolus (primitifs) directement par les assertions
soutenues dans la base. Le langage Prolog est strictement séquentiel, il
tente de prouver les sous-buts dans l'ordre où ils ont été écrits. Les
 ~
rit .r · l e:
t:. ape lnl t la
il y a un but ou une suite de buts
à atteindre, exprimé par la question,
il n'y a pas de contrainte

+-----I
+--.----.........
Reste-t-il des
OUi
buts à atteindre?

Non

",primer la réponse
exprimée par les
[ contraintes

Est-on revenu à
Remplacer le l'étape initiale?
premier but par Non
le membre droi t Commencer par
de la règle et Oui la première
~jouter les Revenir à règle
nouvelles l'étape 1 FIN ~ Oui
contraintes précédente

~routes les règles

~)nt été essayées?
Non

On passe à la
Non règle suivante

Cette règle est-elle applicable,

-- Oui c'est-à-dire peut-on satisfaire
les contraintes précédentes
et les nouvelles contraintes
introduites par cette règle

FIGURE 1

Fonctionnement du moteur d'inférence de PROLOG.

règles de Prolog donc, ne doivent pas être écrites dans n'importe quel
ordre; par exemple, il faudra très souvent traiter les cas particuliers
en premier. Si Prolog échoue dans la résolution d'un sous-but, il
effectue un retour arrière. L'opération retour arrière est effectuée
soi t en cas d'échec ou soit pour trouver une autre solution, si l'arbre
des essais possibles n'a pas été entièrement parcouru.

Les faits et les règles en Prolog admettent des variables. Lorsque ces
variables prennent une valeur au cours de la résolution du problème, on
dit que ces variables sont instanciées. Le mécanisme de base qui permet
d'égaler un terme à un autre dans le but d'instancier les variables
présentes dans chacun des deux termes s'appelle l'unification. L'unifi-
cation est une procédure de base de l'interpréteur Prolog. Lorsqu' il
essaie d'effacer un sous-but, il essaie d'unifier celui-ci avec une
assertion existante dans la base ou avec une expression de tête de règle.
6.0 LES LISTES

~ une suite ordonnée ou non, nous associons la liste de ses éléments. ~

la suite (el' e2, ••• ) correspond la liste (el.(e2.( ••• ))). La liste
vide se note (nil) et sert de marque de fin de liste. Cependant, le
codage non parenthèsé est admis. . Par exemple, la suite (el' e2' e3)
s'écrit el.e2.e3.nil, et sa représentation sous forme d'arbre est:

e~
nil

Ces arbres, et par extension les listes qu'ils représentent, sont parfois
appelés des peignes.

Si on veut résoudre l'équation x.y = el.e2.e3.nil ou bien sous forme

d'arbre l'égalité suivante:

x.y
=
Â
x y
/
e2

nil

on a par identification la solution:

La notaton x • y représente une liste dont la tête, c'est-à-dire le

premier élément, est x et la queue (le reste de la liste) est y. Cette
propriété est à la base de l'utilisation de listes dans les programmes
Prolog.
 l'accès aux éléments d'une liste se fait à l'aide des deux règles
suivantes:

élément de (x, x.y) ~;

élément de Cc, u.y) ~; élément de (x, y).

On interprète ces deux règles de la façon suivante:

RI: x est élément de toute liste qui commence par x.

R2: x est élément de toute liste dont la queue est y, si y est élément
de y.

le second membre de R2 provoque un nouvel appel de RI et R2' C'est ce

que l'on nomme la "récursivité". la plupart des problèmes sur les listes
sont résolus par des règles mettant en jeu la récursivité. lorsque nous
utilisons le programme pour vérifier que e2 par exemple, par la question
>élément de (e2.el.e2.e3.nil) e2 par exemple, appartient à la liste
el.e2.e3.nil, la relance par R2 avec une liste plus courte a pour effet
1 d'éliminer un à un les éléments de tête, jusqu'au moment où l'élément
recherché se trouve en tête de liste. Rl peut alors s'appliquer et
bloque le déroulement. Dans la remontée, R2 se déclenche à nouveau, et
continue jusqu'à l'effacement du terme élément de (x, nil) qui conduit à
un système insoluble. Le déroulement s'arrête, il y a arrêt par défaut.
Dans le cas de l'énumération des éléments d'une liste, par exemple par la
question> élément de (x, el.e2.e3.nil), RI s'applique à chaque tour et
stoppe la boucle. Le même processus se répète dans la remontée jusqu'à
l'arrêt par défaut.

Ainsi notre examen met en évidence dans un programme récursif deux types
de règles et deux types d'arrêts:

- une ou plusieurs règles provoquent la récursivité, généralement avec

des données "pl us simples" et assurent le déroulement de la boucle.
Dans notre cas c'est le rôle de R2;
- une ou plusieurs règles stoppent la boucle. Ici c'est RI qui s'en
charge;

- un arrêt explicite. Par exemple dans RI, l'identité entre l'élément

cherché et la tête de la liste fournie, ce qu'exprime la notation x et
x.y;

un arrêt implicite. En particulier par la rencontre d'un terme impos-

sible à effacer.

Voici maintenant quelques exemples de manipulation de listes:

1) construction d'une liste en prenant les éléments impairs d'une autre

liste:

RI éléments impairs (nil, nil) ~

R2 éléments impairs (u.V.y, u.m) ~

éléments impairs (y, m);

2) construction d'une liste en prenant les éléments pairs d'une autre

liste:

RI éléments pairs (nil, nil) ~;

R2 éléments pairs (u.V.y, u.m) ~
éléments pairs (y, m);

3) inversion de l'ordre d'une liste d au moyen d'une liste auxiliaire:

RI renverser (nil, e, 1) --.;

R2 renverser (x.y, l, r) --.
renverser (y, x.1) ;
où r est la liste d inversée
4) la concaténation de deux listes:

RI concatener (nil, l, 1) ~;

R2 concatener (x.y, l, x.z) ~

concatener (y, l, z);

soit deux listes Il et 12, posons 13 la concatenateur de Il et 12.

L'opération de concatenation se ramène au transfert des éléments de la
liste Il et la durée de l'exécution est proportionnelle au nombre
d'éléments de cette liste. Le transfert de 12 vers 13 se fait globa-
lement, par passage final de paramètre.
7.0 UN EXEMPLE D' APPLICA nON SUR LE CAS DES OCVERSDENTS ACCIDENTELS DE
CONTAHINANTS

Une maquette de système expert fut développée à partir du document

intitulé "Données de base pour le développement d'un système expert
concernant les techniques d'intervention lors d'un déversement accidentel
de contaminants."

Ce document fut préparé par André Bériault et Jean-Claude Tessier, tous

deux du Service de la recherche de la direction Environnement d' Hydro-
Québec.

Vous retrouverez en fin de l'annexe le listing du programme de la

maquette. Le programme est écrit en turbo-prolog, la version la plus
. récente de Prolog (sur le marché depuis le début de l'été 1986). Cette
version est disponible sur micro-ordinateur P.C. et compatibles.

Vous remarquerez que la syntaxe pour l' écri ture des faits et des règles
est un peu différente de celle utilisée jusqu'ici pour montrer quelques
exemples de clauses Prolog. La syntaxe que nous avons utilisée aupa-
ravant est la Prolog II. La syntaxe de Prolog II est quelque peu diffé-
rente de Turbo-Prolog. Cependant, le fonctionnement du moteur d'infé-
rence à quelques particularités près est le même que Prolog II. Le
lecte~r pourra s'en convaincre en consultant "Turbo-Prolog: The Natural
Language of Arti ficial Intelligence", édité par Borland International
Inc., 4585, Scotts Valley Drive, Scotts Valley, CA., U.S.A.

L'usager peut consul ter le système expert après une mise en mémoire du
programme, et en donnant comme but à satisfaire celui de "intervention".
_ Le système demandera alors de définir l'état du déversement sur le si te
par une série de questions-réponses.

~
Après que l'état du ~QQ~ffleRt est bien défini, le système suggère la ou
les (s'il y a en a plus d'une possible) intervention(s) appropriée(s).
Chacune des interventions suggérées est divisée en deux parties: inter-
vention de confinement et intervention de récupération. Pour chacune des
parties de l'intervention, on donne à titre d'exemple sur un tableau, un
coût fictif de l'opération, un facteur de réussite, un coût pondéré en
tenant compte du facteur de réussite.

Un exemple de sortie d'une consultation est donné juste après le listing

du programme. Cet exemple titré "exemple de consultation" correspond à
l'état du déversement sur le site qui est le suivant:

1) la tache est répandue sur le sol;

2) la tache est répandue dans une aire d'entreposage;
3) la tache atteint un regard d'égout;
4) la tache est de forme allongée;
5) il Y a un risque élevé de contamination de la nappe phréatique;
6) le sol est non gelé;
7) il Y a eu peu de temps écoulé depuis le déversement;
8) la quantité répandue est importante;
9) le produit répandu est de l'essence.
 li deverse.pro li
coàe=40%
àoaains
integerlist = integer t
file=deverselent
database
xouilsYlbol,integer)
predicates
intervention
interventionl
intervention2
verificationlstring)
preliere_lesure(string)
confinelentlreal,real,real,string)
recuperation!real,real,real,stringJ
oui (sYlbol,integerJ
enleverJait
guestion(sYlbol,integer)
lelbrelinteger,integer1istJ
sortie (integer J

clauses
intervention:-
openvrite(deverselent,'a:deverse.dat'),
verification!!),
vriteIAJ,n1,
vritedeviceldeverselent),
vrite(!J,n1,
vritedevicelprinterl,
vritel!),nl,n1,
vritedevicelscreen),
~ preliere_lesure(B),
vriteIB),nl,
vritedeviceldeverseaentl,
vrite(Bl,nl,
vritedevice(printerJ,
vrite(Bl,nl,nl,
vritedevicelscreen),
intervention!.

interventionl:-
interventlon2.
interventionl :-
vrite('\nlncapable de determiner d'autres'l,
vrite[' interventions appropriees. \n\n'J,
vritedevice(printerl,
vrite('---------------------------------------------------------'),n1,
vritedevice[screenl,
closefile(deverselentJ,
nl,nl,enlever_fait.

intervention2:-
confinelentICc,Frc,Ccp,Dl,
recuperationlCr,Frr,Crp,EJ,
vrite(D),nl,
vrite(El,n1,
vritel' cout \ renssite cout pondere'J,nl,nl,
vritef('\15\lO\lO\l7 \n','confinelent:',Cc,Frc,Ccp),nl,
vritef('\15\10\lO\l7 \n",'recuperation:',Cr,Frr,Crpl,nl,
 v~ite(' -----------'),n1,
Ctp=~q t Crr /
vrite(' ',Ctpl,nl,nI,
vritedevice(deve:selentl,
vrite(DI/nl,
vrite(EI,nl,
vrite(' cout \ reussite cout ponàere'l,nl,nl,
vritef('\15\10\10\17 \n','confioelent:',Cc,Frc,Ccpl/ol,
vritef('\15\lO\lO\17 \n','recuperation:',Cr,Frr,Crp),oI,
vrite(' -----------'1,01,
Ctp=Ccp t Crp ,
vrite!' ',Ctpl,nI,nl,
vritedevice!printerl,
vrite(Dl,nl,
VI i te (El, 0 l,
vrite(' cout \ reussite cout pondere'J,nl,nl,
vritef!'\15\10\lO\17 \o','confinelent:',Cc,Frc,Ccpl,nl,
vritef('\15\lO\lO\17 \n','recuperation:',Cr,Frr,Crpl,nl,
vrite!' -----------'I,nl,
Ctp=Ccp t Crp ,
vrite(' ',Ctpl,nl,nl,
vritedevice(screeol,
nl,nl,nl,fail.

enleverJait: -
retract!xoui(_,_ll,fail.

enleverJait:-
vrite('\n~~ase press the space bar to Exit'J,
~ readc~.J.

leabre(Int,IIntl_ll.
lelbre(lnt,[_ILintll:- lembre(Int,Lintl.

'oui!X,Yl if IDUUX,Yl,!.
oui(l, Il if
not!xoui(I,.J l,
question!I,Zl,
y =Z

sortie!%):-
vritedevice!deverseaentl,
vrite!Zl,nl,nl,nl,
.vritedevice!printerJ,
vrite!ZJ,ol,n1,nl,
vritedevice!screenJ.

question!reseau,Z):-
vrite('Est-ce que la tacbe:'I,nl,
vrite!' l-est sur le sol'I,nl,
vrite(' 2-est sur l'eau'J,nl,
vrite!' 3-est sur le plancher'J,nl,
wI1te(' dans un batilent','\n'J,
vritedevice(deversementJ,
vrite('Est-ce que la tache:'J,nl,
vrite(' l-est sur le sol'l,n1,
vrite(' 2-est sur l'eau'J,nl,
"rite!' 3-est sur le plaocher'l,nI,
 vrite{' dans ur. bati.ent','\r.'),
vritedevice(printerl,
vrite{'ist-ce que la tache:'),nl,
vrite{' l-est sur le sol'),n1,
vrite{' 2-est sur l'eau'),nl,
vrite{' 3-est sur le plancber'l,nl,
vrite{' dans un bati.ent','\n'),
vritedevice(screen),
readint{Z),
sortie{%),
asserta{xoui{reseau,%ll.

questionlinterieur,%l:-
vrite('ist-ce que la tache a ete repandue:'l,nl,
vrite(' I-dans un garage,'l,nl,
vrite(' dans un atelier,'l,nl,
vrite(' autres batilents'l,n1,
vrite{' 2-dans un bati.ent'),nl,
vrite{' d'un poste'l,nl,
vrite{' )-dans une centrale','\n'),
vritedevice{deverse.entl,
vrite('Est-ce que la tache a ete repandoe:'),nl,
vritel' l-dans on garage,'l,nl,
vrite(' dans on atelier,'),nl,
vrite(' autres bati.ents'),nl,
vrite{' 2-dans un bati.ent'l,nl,
vrite(' d'un postel),nl,
vrite(' )-dans nne centrale','\n'l,
vritedevice(printerl,
vrite('Est-ce que la tache a ete repandue:'l,nl,
vrite(' l-dans on garage,I),nl,
vrite(1 dans un atelier,'),nl,
vrite(1 autres bati.ents'),nl,
vrite(' 2-dans un bati.ent'),nl,
vrite(' d'un poste'),nl,
vrite(' )-dans une centrale','\n'),
vritedevicelscreen),
readint(ZI,
sortie(%),
asserta(xoui{interienr,Z)I.

question(exterieur,%l:-
vritel'Est-ce goe la tache a ete repandue:'l,nl,
vrite(' I-dans une aire'l,nl,
vrite{' d'entreposage'l,nl,
vrite(' on antres aires'l,nl,
vrite(' 2-a l'exterienr,lais a'l,nl,
vrite(' l'interieur desli.ites'),nl,
vrite(' de l'installation d'un poste'),nl,
vrite(' )-a l'exterienr des limites'l,nl,
vrite(' d'une installation','\n'l,
vritedevice{deverselentl,
vrite('Bst-ce gue la tache a ete repandue:'l,nl,
vrite(' I-dans une aire'l,nl,
vrite(' d'entreposage-l,nl,
vrite(' ou autres aires'l,nl,
vrite(' 2-a l'exterieur,lais a'l,nl,
vrite{' l'interieur deslilites'l,nl,
vrite{' de l'installation d'un poste'),nl,
vrite{' 3-a l'exterieur des limites'J,nl,
 vrite(' dlune installation','\n'l,
vritedevice(printerl,
vrite('gst-ce que la tache a ete repandue:'),nl,
vrite(' l-dans une aire'l,nl,
vrite(' d'entreposage'l,nl,
vrite(' on autres aires'),nl,
vrite(' 2-a l'exterieur,lais a'),nl,
vrite(' l'interieur deslilites'l,nl,
vrite(' de l'installation d'un poste'l,nl,
vrite(' 3-a l'exterieur des lilites'l,nl,
vrite(' d'une installatioo','\n'l,
vritedevice(screen),
readint(ZI,
sortie(:l,
asserta(xoui(exterieur,ZII.
guestion(tacbe1,ZI:-
vrite('Est-ce gue la tache atteint:'l,nl,
vrite(' 1-un regard dlegout'l,nl,
vrite(' 2-un puit d'acces aux cab les et au reseau de drainage'l,nl,
vrite(' 3-des conduites de cables'l,nl,
vrite(' 4-des drains de surfaces'l,nl,
vrite(' DU souterrains'l,nl,
vrite(' 5-une station de pOlpage'l,nl,
vrite(' 6-aucunes de ces possibilites','\n'),
vritedevice(deverselentl,
vrite('Est-ce gue la tacbe atteint:'l,nl,
vIite(' 1-un regard d'egout'l,nl,
vrite(' 2-un poit d'acces aux cables et au resean de drainage'l,nl,
vIite" 3-des conduites de cables'l,nl,
vrite(' 4-des drains de sUIfaces'l,nl,
vrite(' ou souterrains'l,nl,
vrite(' 5-une station de pOlpage'l,nl,
vIite(' 6-aucunes de ces possibilites','ln'l,
vritedevice(printerl,
vrite('Est-ce gue la tacbe atteint:'l,nl,
vrite(' 1-un regard d'egout'l,nl,
vrite(' 2-un puit d'acces aux cables et au reseau de drainage'l,nl,
vrite" 3-des conduites de cables'l,nl,
vrite!' 4-des drains de surfaces'l,nl,
vrite(' ou souterrains'l,nl,
vrite(' -5-une station de pOlpage'l,nl,
vrite!' 6-aucunes de ces possibilites','\n'l,
vritedevice(screenl,
readint(ZI,
sortie(ZI,
asserta(xoui(tacbe1,%II.
gnestion(tache2,ZI:-
vrite('Est-ce gue la tache atteint:'l,nl,
vrite(' 1-un fosse sec'l,nl,
vrite" 2-un fosse hu.ide'l,nl,
vrite(' 3-un fosse bUlide etroit'l,nl,
vrite(' 4-un ponceau'l,nl,
vIite(' 5-aucunes de ces possibilites','\n'l,
vritedevice(deverselentl,
vrite('Est-ce gue la tacbe atteint:'l,nl,
vIite!' 1-un fosse sec'l,nl,
vIite(' 2-un fosse humide'l,nl,
vrite(' 3-on fosse hUlide etroit'l,nl,
 vrite[' 4-un ponceau'l,nl,
vrite!' 5-aucunes de ces possibilite~','\t'l,
vritedevicelprinteII,
vIite{'Est-ce que la tache atteint:'l,nl,
vIite!' l-uo fosse sec'l,ol,
vIite!' 2-un fosse hUlide'J,nl,
vIite{' 3-un fosse bUlide etIoit'l,nl,
vIite(' 4-un ponceau'J,nl,
vIite{' 5-aucunes de ces possibilite~','\n'l,
vIitedevice(scIeenl,
readint(%l,
sOItiel%l,
asserta(xoui(tacbe2,%)I.
questionltache3,%I:-
vIitel'Est-ce gue la tacbe atteint:'l,nl,
vIitel' l-une station de pOlpage','\n'l,
vIitel' 2-un ruisseau'l,nl,
vrite!' )-une riviere'l,nl,
vritel' 4-un lac'l,nl,
vritel' 5-le fleuve'l,nl,
vritel' 6-aucunes de ces possibilites','\n'l,
vritedevice!deveIselentl,
vritel'Est-ce gue la tacbe atteint:'l,nl,
vIitel' l-une station de pOlpage','\n'I,
vIite(' 2-un ruisseau'l,nl,
vIite!' 3-une riviere'l,nl,
vritel' 4-un lac'l,nl,
vIite!' 5-le fleuve'l,nl,
vIite(' 6-aucunes de ces possibilites','\n' ,
vIitedevice!pIinteIl,
vIitel'Kst-ce gue la tache atteint:'l,nl,
vIite!' l-une station de pOlpage','\n'I,
vIite!' 2-un ruisseau'l,nl,
vIitel' 3-uoe riviere'l,nl,
vIite!' 4-un lac'l,nl,
vIitel' 5-le fleuve'l,nl,
vrite(' 6-aucunes de ces possibilites','\o' ,
vritedevicelscIeeo),
readintl%),
sortiel%},
assertalxou1ltache3,%)).
qoestionlpolluant,%):-
vrite('Est-ce gue le polluant est:'l,nl,
vIitel' I-de l'essence'l,nl,
vrite(' 2-de l'huile ou autres produits','\ Il,
vritedevice(deverselent),
vIitel'Kst-ce gue le polluant est:'l,ol,
vritel' I-de l'essence'l,nl,
vÎitel' 2-de l'buile ou autres produits','\ 'l,
vIitedevicelprinter},
vritel'Est-ce que le polluant est:'l,ol,
vritel' I-de l'essence'l,nl,
vritel' 2-de l'buile ou autres produits','\ 'l,
vritedevicelscreeo),
readintlZ),
sOItielZ},
asserta(xoii(polluant,%}l.
 question!qoantite,%}:-
vrlte!"ist-ce que la guantite est:"),nl,
vrite(' I-faible'i,nl,
vrite(' 2-loyenne'),nl,
vrite(' 3-ilportante','\n'),
vritedevice!deveIselent),
vrite("ist-ce que la quantite est:'),nl,
vrite(" I-faible'),nl,
vrite(" 2-loyenne'},nl,
vIite(" 3-ilpoItante',I\n"},
vritedevice!printeI),
vIite('Est-ce que la guantite est:'l,nl,
vIite(' 1-faible'},nl,
vIite!' 2-loyenne'},nl,
vIite(' 3-ilportante','\n'I,
vIitedevice!scIeen),
Ieadint(%),
sOItie(%),
asseIta(xoui(guantite,%)).

guestion(forle_tache,%):-
vrite('Est-ce que la tache est:"),nl,
vIite(' l-ciIculaire'),nl,
vIite(' 2-allonge'),nl,
vIite(' 3-guelguonque','\n'),
# vIitedevice(deverselentl,
vIite('Est-ce gue la tache est:'l,nl,
vIite(' l-ciIculaiIe'),nl,
vIite(" 2-allonge'l,nl,
vIite(' 3-guelquonque','\n'I,
vIitedevice(pIinteII,
vIite('Est-ce que la tache est:'l,nl,
vIite(' !-ciIculaiIe'),nl,
vIite(' 2-allonge'),nl,
vIite(' 3-quelguonque','\n'I,
vIitedevice(scIeenl,
Ieadint(%),
sOItie(ZI,
asseIta(xoui(foIle_tache,%}I.

guestion(conditiop_clilat1,%):-
vIite('La condition au sol est:'),nl,
vIite(' 1-s01 non-gele"l,nl,
vIite(' 2-s01 gele"),nl,
vIite(' 3-couveIt de neige'l,nl,
vIite(' ~-fonte de neige','\n'l,
vIitedevice(deveIselentl,
vIite('La condition au sol est:'l,nl,
vIite(' l-sol non-gele'l,nl,
v~ite(' 2-s01 gele'l,nl,
vIite(' )-couveIt de neige'l,nl,
vIite(' 4-fonte de neige','\n'l,
vIitedevice(pIinteI),
vIite!'La condition au sol est:'l,nl,
vrite(" 1-s01 non-gele'l,nl,
vIite!' 2-501 gele"l,nl,
vIite!' 3-couveIt de neige'l,nl,
vIite!" 4-fonte de neigeR,"\n'),
vIitedevice!scIeenl,
Ieadint!Z),
 sortie(%J,
assertalxouilconditioD_clilatl,ZJJ.
questionlconditioD_cliaat2,II:-
vritel'La condition sur l'eau est:'),nl,
vrite(' l-couvert de glace'J,nl,
vrite(' 2-couvert de glace par endroit'l,nl,
vrite(' 3-sans couvert de glace',"t'J,
vritedeviceldeverselentl,
vrite!'La condition sur l'eau est:'J,nl,
vrite(' l-couvert de glace'l,nl,
vrite(' 2-couvert de glace par endroit'),nl,
vrite!' 3-sans couvert de glace',"n'),
vritedevice!printer),
vrite('La condition sur l'eau est:'),nl,
vrite!' l-couvert de glace'),nl,
vrite!' 2-couvert de glace par endroit'),nl,
vrite(' 3-sans couvert de glace',"n'J,
vritedevice(screen),
readint(Z),
sortie(%),
asserta(xoui(condition_clilat2,Z)).

question!telps_ecoule,2):-
vrite!'Est-ce que le telps ecoule est:'J,nl,
vrite!' I-peu'),nl,
vrite(' 2-ilportant',"n'),
vritedeviceldeverselentJ,
vritel'Est-ce que le telps ecoule est:'),nl,
vrite!' I-peu'),nl,
vrite(' 2-ilportant',"n'J,
vritedevicelprinter),
vrite!'Est-ce que le temps ecoule est:'),nl,
vrite(' I-peu'),nl,
vrite(' 2-ilportant',"n'),
vritedevice(screen),
readintl%),
sortie(%),
asserta(xoui(telps_ecoule,Z)).

questionlrisque,Z):-
vrite('Est-ee que le risque de contalination de la nappe phreatique est:'),nl,
vrite(' l-eleve'),nl,
vrite!' 2-faible',"n'),
vritedevice(deverselent),
vrite('Est-ce que le risque de contalination de la nappe phreatique est:'),nl,
vrite(' l-eleve'),nl,
vrite(' 2-faible',"n'),
vritedevicelprinter),
vritel'Est-ce que le risque de contamination de la nappe phreatique est:'),nl,
vrite(' l-eleve'},nl,
vrite(' 2-faible',"n ' ),
vritedevice(screen),
readint(I),
sortiel%),
asserta(xoui(risque,Z)).
verification('consulter le plan de drainage de l'installation,verifier la presence de contaminant dans le reseau'):-
oui(reseau,l),
oui(exterieur,E),
 lelbre!E, [1/211.
veriflcation{'CODSU ter le plan de drainage de l'installation/verifier la presence de coo:alinant dans le reseac'):-
oailreseau,31,
oai/interieur,II,
lelbre!l, [2,311.
verification!' a).

preliere_lesare('blocage du regard d'egoat'):-

oaHreseaa,ll,
oui(exterieur,E),
lelbre(E,[1,211,
Dai( tacbel, 1).
preliere_lesurel'blocage du puit d'acces aux cables'):-
ouilreseau,ll,
ouilexterieur,E),
lelbreIE / II,21),
oui(tacbel,2).
preliere_lesare('referer a une .etbode de blocage des drains de surface ou souterrains'):-
Dai( reseau, Il,
oailexteriear,EI,
lelbreIE,II,2}I,
oai(hcbel,41.
preliere_Iesure(llesure d'urgence speciale depandant du type de cables,cas extrele:sonnette d'alar.e'l:-
ouilreseaa,ll,
ouilexterieur,EI,
lelbreIE,ll,211,
ouiltacbe!,31.
preliere_lesurel'arreter la station de pOlpagell:-
ouilreseau,ll,
ouilexterieur,EI,
lelbreIE,ll,21),
oui 1tachel, 5).

preliere_lesurel'blocage du regard d'egout'):-

oui(reseau,31,
ouilinterieur,EI,
le.breIE,12,3}I,
ouiltacbel,l).
preliere_lesurel'blocage du pait d'acces aux cables'l:-
ouilreseau,ll,
ouilinterieur,El,
lelbreIE,ll;311,
oui( tachel, 21.
preliere_lesure('referer a une .etbode de blocage des drains de surface ou souterrains'l:-
oui( reseau, 3l,
ouilinterieur,EI,
lelbre(E,12,31l,
oui(tacbel,4).
preliere_lesure('lesure d'urgence speciale depandant du type de cables,cas extrele:sonnette d'alarlell:-
oui( reseau, 3),
o~i(interiear,EI,
lelbreIE,12,3)),
oui(tachel,31.
preliere_lesurellarreter la station de pOlpage l ):-
oui(reseau,3),
ouilinterieur,El,
membreIE,[2,)II,
oui( tachel,51.
preliere_lesare(' a).
 confinelentI12000,75,16000,'trancbee àrainante,enleve: le sol contalin~'):­
oui(reseau,ll,
oni(forle_tacbe,Fl,
lelbre(F,12,3JI,
ouilrisque,ll,
ouilcondition_clilatl,ll,
oniltelps_ecoule,ll,
confinelentll~OOO,60,2500C,'trancbee drainante,et puit de pOlpage'I:-
oUi(reseau,ll,
ouilforle_tacbe,FI,
lelbreIF,12,3Jl,
ouilrisque,ll,
ouilcondition_clilatl,ll,
ouiltelps_ecoule,21,
confinelentIIOOOO,80,12500,'digue en terre'l:-
ouilreseau,ll,
ouilrisque,21,
ouilcondition_clilatl,ll,
ouilquantite,QI,
lelbreIQ,12,3Jl,
confinelentI4000,80,5000,'enlever le sol souille ' ):-
ollilreseau,ll,
ouilrisque,2),
ouilconditioD_clilatl,l),
ouilquantite,ll,
, confinelentI21000,75,28000,'puit de recuperation avec rigoles'):-
ouilreseau,ll,
ouilforle_tache,l),
ouilrisque,ll,
ouilcondition_clilatl,ll,
ouilquantite,Ql,
lelbreIQ,II,2,3Jl,
ouiltelps_ecoule,ll,
confinelentI15000,60,25000,'puit de recuperation'l:-
oui( reseau, 1),
ouilforle_tache,ll,
ooilrisqoe,ll,
ouilconditioD_clilatl,ll,
ouilquantite,Ql,
lelbreIQ,ll,2,3)1,
ouiltelps_ecoule,2I,
confinelentI16000,60,30000,'fosse d'interception avec rigoles'l:-
oUilreseau,l),
ouilforle_tache,21,
ouilrisque,ll,
ouilcondition_clilatl,ll,
ouilqllantite,QI,
lelbreIQ,12,3J),
ouiltelps_ecollle,ll,
confinel~ntI2000,50,4000,'lelange d'absorbants avec le sol,arloser la tache pourrecuperer le contaminant a la surface'l:-
olli(reseau, Il,
ouilforle_tache,Fl,
lelbreIF,12,311,
ouilrisque,21,
ouilconditioD_clilatl,ll,
ollilquantite,Ql,
lelbreIQ,12,31),
olliltelps_ecoule,ll,
confinelentI5000,50,10000,'dique en neige'l:-
oui(reseau,ll,
 ouilcondition clilatl,3i,
ouitquantitt,UI,
lelbre(C,t2,JJI,
ouittelps_ecoule,ll.
confinelentIlOOC,8C,125C,'blocage du ponceat:' ):-
oui(reseac,R},
lelbre(R,11,2J},
ouiltache2,4}.
confinelentlJOOO,60,5000, 'digue et neige'}:-
oui(reseau,R},
leibrelR,Il,21},
oui( tache2,l l,
oui(condition_clilatl,3).
confinelent!lOOOO,80,12500,'digue en terre et en tout venant'}:-
oui(reseau,R} ,
lelble(R,11,2]I,
ou i! tache 2,11,
ouilconditioD_clilat1,11,
ouilquantite,QI,
lelbre(O,[1,2]).
confinement(12000,60,20000,'bille de bois'):-
oui(reseau,2),
oui!tacbe3, T),
lembre(T,13,5]1,
oui!condition_clilat2,3),
ouilguantite,l).
confinelent(6000,80,7500,'boudins absorbants'}:-
ouilreseau,21,
oui( tache2, Tl,
lelbreIT,12,3]1,
oui(conditioD_clilat2,31,
oui(guantite,l).
confinelent!6000,80,7500,'boudins absorbants'):-
oui(reseau,21,
ooi!tache3,21,
oui!condition_climat2,31,
oui(quantite,1).
confinementl5000,50,lOOOO,'barriere ou cloture'):-
oui( reseau,2),
oui!tache3,31,
oui(condition_clilat2,3),
oui(quantite,l).
confinelent(5000,50,lOOOO,'bille de bois:rapide lais non efficace'l:-
oui! reseau, 2),
oDi!tacbe3,TI,
lelbreIT,13,5)1,
oDi!condition_clilat2,3),
ooi(quantite,Ql,
lembre!O,12,3]1.
confinelent(lOOO,80,1250,'blocage du ponceau'):-
ou.-i(reseau,21,
oui!tache2,TI,
lelbre!T,12,3]),
oui(condition_climat2,3I,
ouilquantite,Ol,
lelbreIO,12,3)).
confinementllOOO,80,1250,'blocage du ponceau'):-
oui(reseau,2),
ouiltache3,2l,
ouilcondition_climat2,3l,
 oui tquantite,QI,
le III re(C, 12, JI ),
con!inelent(JOOOC,8C,J7,OC,"digue en terre percee de conduite"):-
ouilreseau,2l,
ouiltache2, Tl,
lelbre(T,l2,3!!,
ouitconditioD_clilat2,3),
ooi (qoantite,QI,
lelbre(Q,12,3)),
confinelent(3000C,80,37500,"digoe en terre percee de conduite"):-
ooitreseau,21,
ooi( tache3, T),
lelbre (T, 12,3 Il ,
ooi(condition_clilat2,3),
ooilqoantite,QI,
lelbre(Q,12,3]),
confinelent(12000,75,16000,"deversoir en bois"):-
oui(reseau,2),
ouiltache2, Tl,
lelbre(T,12,31l,
oui(condition_clilat2,3),
oui(quantite,Ql,
lelbre(O, [2,3! l,
confinementI60000,BO,75000,"barrage en bois percee de conduites"):-
oui(reseau,21,
oni!tache2,T),
lelbre(T,12,3)I,
oui(condition_clilat2,3I,
ooi(quantite,Ql,
leabre(Q,12,3]),
confinelent(60000,80,15000,"barrage en bois percee de conduites"l:-
oui(reseau,2),
oui!tache3,21,
ooi(condition_clilat2,3I,
oui (quantite, 01,
lem.bre (Q, 12,3)),
confineaent(40000,BO,50000,"digne avec conduite lunie d'une valve de debit'):-
oui( reseau,2 l,
oui (tacbe3, 2),
ooi(condition_clilat2,31,
oui (quanti te,O),
leabre (0, [2,-3)),
confinelent(40000,BO,50000,'digue avec conduite Ionie d'une valve de debit"):-
ooi(reseau,2I,
ooi(tache2,T),
teabre(T, [2,31),
oui (condition_clilat2,3),
ollilquantite,Q),
letbre(O,12,3J),
confinelent(5000,50,lOOOO,"cloture ou barriere"):-
olfi (reseau, 21,
ooi(tacbe3,3I,
oui(condition_clilat2,3),
00 il qoanti te, Ql,
leabre (Q,12,3]).
confinement(6000,BO,9000,"boudins absorbants");-
ooi!reseau,2l,
oui(tache2,Tl,
lembre!T,12,3Jl,
oui!condition_cliaat2,3),
 ouitquantitejQ),
lelcrele, [:,j] l.
confinelent!600C,BO,9000, 'boudins aDsorbants'I:-
oui( resea!!, 2),
oui(tacbe3,2),
ouilcondition_clilat2,31,
oui(quantite,OI,
le lb rel 0, 12, 31 1.
confinelentI8000,80,lOOOO,'tIanchee dans la glace'l:-
ouilreseau,2),
oui(tache3, Tl,
lelbrelT, [3,411,
ouilcondition_clilat2,ll.
confinelentl7000,10,lOOOO,'barriere de contreplaque dans la glace'l:-
oui(reseau,2 l,
ouiltache3,Tl,
leibrelT,I3,411,
ouilcondition_clilat2,ll.
confinelentl12000,oO,20000,'bille de bois'l:-
olli(reseau,21,
olli(tacbe3, Tl,
lelbrelT,13,511,
ouilcondition_clilat2,21.
confinelentl8000,15,lOOOO,'barriere en bois avec barils'l:-
oui 1reseau, 21,
ouHtache3, Tl,
lelbrelT,13,Sll,
olli(condition_clilat2,21.
confinelentl6000,80,7S00,'tapis de latiere absorbante enroulee dans la broche a poule'I:-
ooi! reseau, 2),
oui (tacbe3, T),
lelbreIT,!3,411,
ooilcondition_climat2,21.
confinelentl30000,80,37500,'dique en terre percee de conduites'l:-
ouilreseau,21,
ouiltache3,Tl,
leabreIT,!2,311,
ouilcondition_clilat2,21.
confinelentI30000,80,31500,'digoe en terre percee de conduites'l:-
oui(reseau, 21,
ooiltacbe2, Tl,
lelbreIT,12i311,
ouilcondition_clilat2,21.
confinelentI5000,50,lOOOO,'barriere ou cloture'):-
ooi!reseau,21,
ooiltacbe3,31,
ouilcondition_clilat2,21.
confinelentI60000,80,75000,'barrage en bois perce de cooduites'l:-
ooilreseau,21,
ooiltacbe2, Tl,
le.breIT,12,311,
ooilcondition_clilat2,21. ,
confinelent(60000,80,75000,'barrage en bois perce de conduites'):-
olli(reseao,21,
ouiltacbe3,21,
ouilcondition_climat2,21.
confineaentI40000,80,50000,'digue avec conduite lunie d'one valve de debit'l:-
oui( reseau, 2),
oui (tacbe2, Tl,
lelbreIT,12,311,
 oui(conèition_clilat2,21.
coctinelent(4000C,80,SOOOC,'dlgue avec conduite lunie è'UD~ valve de debi~'l:­
oni(reseac,2),
oui(tache3,2J,
oni(condition_clilat2,2J.
confinelent(30000,60,SOOOO,'barrieres cOllerciales'}:-
oni(resean,2),
oni(tacbe3,3l,
ouilcondition_clilat2,2).
confinelent(3000, 1~,4000,'enlever le sol contaliner et la neige souillee'):-
oni(reseau,ll,
onilcondition_cliaatl,CI,
lelbre(C,12,31).
confinelentl8000,80,lOOOO,'clotnre avec lelbrane ilperleable,enlever le sol contaliner et la neige souillee'):-
oni(reseau,l),
oui(condition_clilatl,4).
confinelent(lOO,100,lOO,'arreter la station de pompage'):-
oni(resean,2),
oui(tacbeJ,lI.
confinement(lOC,lOO,lOO,'blocage des drains'):-
oui(resean,J) ,
ouilinterieur,l).
confinement(lOO,lOO,lOO,' '):-
ouilreseau,J),
oui(interieur,I),
lelbre(I,12,31).

recuperation(2000,80,2500,'absorbants en feuilles,coussins,tapis,etc'):-
oni(resean,2),
oui(qnantite,l),
oni(condition_clilat2,cl,
lelhre(C,12,311.
recuperation(4000,8C,5000,'absorbants en vrac'):-
ouilreseau,ll,
oni( qnant ite, II,
oni(telps_econle,ll.
recnperation(4000,80,5000,'absorbants en vrac'I:-
oni(reseall,2I,
oni(qnantite,ll,
ollilcondition_clizat2,ll.
recnperation(12000,7S,16000,'polpe anti-deflagrante et utilisation d'nn elplosiletre,ou un calion vacuDa,ou un eculoire'):-
oui(resean, 21,
~ oui(qaantite,Ol,
leabre(O,I2,3)l,
oni(polluant,ll.
recuperation(12000,75,16000,'poape anti-deflagrante et utilisation d'nn eIplosiletre,ou un cali on vacuua'):-
oni(reseau,R) ,
lelbre(R,II,31I,
oni(qoantite,OI,
lelbre(O, [2,31),
olÎi( pollnant,l).
recoperation(6000,15,8000,'polpe et accessoires, ou un cali on vaconl,oo nn eculoire'):-
oui(reseau,2J,
oui(quantite,O) ,
melbre(Q,I2,31I,
oui(polluant,21.
recuperation(6000,75,8000,'polpe et accessoires, ou un camion vacuum'I:-
oui(reseao,RI,
membre(R,[1,311,
oui (quantite,OI,
 leiDrelU,I2,3Jl,
ouitpolluan~,2J,
recuperation!400C,8C,SOOO,'absorbants et vrac l ) : -
ouitreseau,3),
onilquantite,ll,
 Exemple de consultation

Est-ce que la tacbe:

l-est sur le sol
2-est su l'eau
3-est sur le plancber
dans un batilent
1

Est-ce que la tacbe a ete repandue:

I-dans une aire
d'entreposage
ou autres aires
2-a l'exterieur/aais a
l'interieur deslilites
de l'installation d'un poste
3-a l'exterieur des lilites
d'une installation
1

consulter le plan de drainage de l'installation/verifier la presence de contalinant dans le reseau

Est-ce que la ~acbe atteint:
l-un regard d'egout
2-un puit d'acces aux cables et au reseau de drainage
3-des conduites de cables
4-des drains de surfaces
ou souterrains
5-une station de pOlpage
~-aucunes de ces possibilites

blocage du regard d'egout

Est-ce que la tache est:
l-circulaire
2-allonge
3-quelquonque
2

Est-ce que le risque de contalination de la nappe phreatique est:

l-e levf_
2-faible
1

La condition au sol est:

I-so 1 non -ge le
2-sol gele
3-couvert de neige
4-fonte de neige
Est-ce que le telps ecoule est:
I-peu
2-ilportant
1

Est-ce que la quantite est:

I-falble
2-loyenne
Hlportante

Est-ce que le polluant est:

I-de l'essence
2-de l'huile ou autres produits

trancbee drainante,enlever le sol contaline

pOlpe aoti-deflaqrante et utilisation d'un explosiletre,ou un calion vacuut
cout \ reussite cout pondere

conf i nelen t: 12000 15 16000

recuperation: 12000 75 16000

32000

fosse d'interception avec riqoles

pOlpe anti-deflaqrante et utilisation d'un explosiletre,ou un cali on vacuul
cout \ renssite cout pondere

confinelent: 18000 60 30000

recuperation: 17,000 15 16000

46000

Est-ce que la tacbe atteint:

l-uo fosse sec
2-uo fosse bUlide
3-uo fosse bUlide etroit
4-uo ponceau
5-aucunes de ces possibilites
5