Système Expert

UBTM (Module : Éthique de l’IA)

Année 2025

1 / 29
Plan

0. Introduction
1. Qu’est-ce qu’un système expert ?
2. Définitions utiles
3. Architecture d’un système expert
4. La validation et la cohérence de la base de connaissances
5. Conditions d’utilisation d’un système expert
6. Avantages des systèmes experts
7. Objectifs communs aux S.E.
8. Exemple de réalisation
9. Conclusion
10. Référence

2 / 29
Introduction

Le succès des Sytèmes Experts (SE) en intelligence artificielle provient en grande partie du
fait qu’ils ont permis d’aborder, avec des résultats très interessants, des tâches auparavant
très peu informatisées relevant du (diagnostic,prévision, conception, planification, etc...)
qui sont très utiles dans l’activité des entreprises.

De telles fonctions sont souvent difficiles à modéliser sous forme d’algorithmes sûrs et
définitifs. Dans certaines cas cette difficulté peut être contournée en faisant appel à la
méthodologie des systèmes experts.

3 / 29
Qu’est-ce qu’un système expert?

Avant de donner les définitions des systèmes experts , on va définir d’abord c’est quoi un expert
(humain).

Qu’est-ce qu’un expert humain?

Un expert humain est une personne qui possède des compétences spécialisées, l’expérience et les
connaissances que la plupart des gens n’ayant pas la capacité d’exploiter ces connaissances en uti-
lisant astuces, raccourcis, et des règles de base pour résoudre un problème de façon efficace. [Har-
mon et King, 1985]

4 / 29
Qu’est-ce qu’un système expert?

Il existe plusieurs définitions des systèmes experts , parmi lesquelles on en a retenu :

Définition 1 : Un S.E. est un logiciel informatique, qui est capable de donner sur un sujet parti-
culier un conseil égal en qualité à celui qui pourrait être donné par un expert humain reconnu.

Définition 2 : Les systèmes experts sont des programmes conçus pour raisonner habillement à
propos de tâches dont on pense qu’elles requièrent une expertise humaine considérable [Edward
Feigenbaum].

De ces deux définitions ressort :

un système-expert est un logiciel remplaçant un expert dans un domaine bien précis.

5 / 29
Qu’est-ce qu’un système expert?

Définition 3 :
Les systèmes experts sont des programmes résolvant des problèmes qui sont habituellement réso-
lus par des expert humains.
Pour cela, ils requièrent un accès à une base de connaissances conséquente qui doit être construite
de façon efficiente.
Ils doivent être capable de fournir divers modes de raisonnement et d’expliquer les conclusions
auxquelles ils aboutissent.

6 / 29
Qu’est-ce qu’un système expert?

▶ les systèmes experts s’appliquent dans des domaines restreints où on ne connaît pas
d’algorithme général de résolution.

▶ Pour construire un SE il faut dégager une méthode de représentation des connaissances et

construire un ensemble de règles de production.

Dans la literature nous considèrerons que les termes système-expert (SE) et système à base de
connaissances (SBC) comme sensiblement équivalents .

7 / 29
Qu’est-ce qu’un système expert?

Les systèmes experts (SE) représentent une application pratique de l’intelligence artificielle (IA).
Pourquoi développer un S.E :
▶ Les experts ne sont pas toujours disponibles. Un système expert peut être utilisé à
n’importe où et à n’importe moment.
▶ Les Experts humain ne sont pas toujours fiables à 100%.
▶ L’expert humain ne peut pas être bon lors de l’explication des décisions.
▶ Rentabilité : un expert humain revient plus chère à une entreprise.

8 / 29
Définitions utiles

Faits :
Les faits sont des connaissances assertionnelles utilisables pour conditionner, puis réaliser l’exploi-
tation de connaissances opératoires. Les faits constituent en général les conditions initiales de ré-
solution, à partir desquelles des connaissances pourront être utilisées.
Exemple :
Le fait < Ahmed_habite_Alger > ;
En Prolog s’écrit : habite(ahmed,alger).
En Clips s’écrit : (assert(habite Ahmed Alger))

9 / 29
Définitions utiles

Règles :
Une règle contient généralement deux parties.
▶ une partie prémisse « déclencheur » de la règle : ce sont les conditions de déclenchement de
la règle, et
▶ une partie conclusion « effets » de la règle.

Exemple :
SI <le malade présente de la fièvre> et
<le malade présente une augmentation de la vitesse de sédimentation dans le sang>
ALORS <il souffre d’une infection microbienne> .

10 / 29
Définitions utiles

Exemple :
SI <le malade présente de la fièvre> et
<le malade présente une augmentation de la vitesse de sédimentation dans le sang>
ALORS <il souffre d’une infection microbienne> .
CLIPS :
( defrule R_inf_mic
( and (fievre ?X)
(augmentation_vitesse_sed ?X))
=>
(assert (infection_microbienne ?X))

11 / 29
Définitions utiles

Exemple :
SI <le malade présente de la fièvre> et
<le malade présente une augmentation de la vitesse de sédimentation dans le sang>
ALORS <il souffre d’une infection microbienne> .
Prolog :
infection_microbienne(X):-
fievre(X),
augmentation_vitesse_sed(X).

12 / 29
Définitions utiles

Méta-règles :
Les métarègles sont des règles sur les règles. Elles décrivent la façon d’utiliser les règles.
Exemple :
MR1 : SI <il y a des éruptions ou des rougeurs>
ALORS <envisager : R1, R2, R3, R4> .
MR2 : SI <le patient est une femme adulte> ET
<R1, R2, R3, R4 sont envisagées>
ALORS <la règle R1 est prioritaire >.

13 / 29
Architecture d’un système expert

Un système expert est principalement composé :

▶ d’une base de connaissances,

▶ d’une base de faits, et
▶ d’un moteur d’inférence.

14 / 29
Architecture d’un système expert

Figure – Architecture d’un système expert

15 / 29
Architecture d’un système expert

La base de connaissances :
permet d’accueillir la connaissance spécifique d’un domaine d’application, qu’elle soit directement
fournie par des experts ou qu’elle soit accumulée par le système lui même au fil des expérimenta-
tions. Pour exprimer cette connaissance, il conviendra de choisir un formalisme, c’est a dire un
mode de représentation.
Les formalismes les plus répandus sont :
▶ la logique des prédicats du premier ordre,
▶ les règles de productions,
▶ les réseaux sémantiques,
▶ les objets, et
▶ les réseaux de neurones.

16 / 29
Architecture d’un système expert

La base de faits :
C’est la mémoire de travail du SE contient les faits ou données propres à un problème à
résoudre (« le malade présente de la fièvre »).
Il s’agit donc d’une mémoire qui s’enrichira de faits nouveaux découverts par le mécanisme
de raisonnement (le Moteur d’inférence), jusqu’à ce que l’on parvienne a la solution du
problème. C’est un composant a caractère transitoire (temporaire).

17 / 29
Architecture d’un système expert

Le moteur d’inférence :
C’est un programme indépendant chargé d’exploiter les connaissances et les faits pour mener un
raisonnement. Il s’arrêtera lorsqu’il aura acquis les faits nécessaires pour aboutir à une conclusion.
Un moteur d’inférence peut être décrit par les éléments suivants :
▶ une stratégie de recherche (profondeur, largueur),
▶ une méthode de chainage (avant, arrière, mixte),
▶ une stratégie irrévocable ou par tentatives, et
▶ des méthodes de résolution de conflits.

18 / 29
Architecture d’un système expert

Les interfaces :
Un système expert peut contenir, en plus des trois éléments de base cites précédemment, d’autres
éléments essentiels appelés interfaces, le rendant plus convivial et plus facile d’utilisation.
▶ Un module d’interaction avec l’utilisateur : composé par exemple de différents types de
menus.
▶ Un module d’explication : de trace du raisonnement tenu lors d’une consultation du
système. Le système est capable de justifier la conclusion à laquelle il a abouti.
▶ Un module d’aide a l’acquisition des connaissances : aide le concepteur lors de l’élaboration
de la base de connaissances (génération automatique de la connaissance, vérification de sa
cohérence, etc.).
▶ Une interface avec des applications extérieures : base de données, programmes externes,
capteurs, etc...

19 / 29
La validation et la cohérence de la base de connaissances
La cohérence de la base de connaissances est assure par le dépistage de certains problèmes tels que :
les règles conflictuelles : règles ayant les mêmes prémisses et des conclusions différentes.
Exemple :
SI (x = a) ET (y = b) ALORS (z = t)
SI (x = a) ET (y = b) ALORS (z = s)
Les règles redondantes : règles ayant les mêmes prémisses et la conclusion de l’une d’entre elles est
un sous ensemble de l’autre.
Exemple :
SI (x = a) ET (y = b) ALORS (z = t)
SI (x = a) ET (y = b) ALORS (z = t) ET (c = v)
Dans ce cas, la 1° règle est éliminée.
D’autres types d’incohérences peuvent être relevés. Il convient donc de les dépister et de les élimi-
ner afin que les résultats fournis par le système expert soient valides et loin de toute incohérence.
20 / 29
Conditions d’utilisation d’un système expert

L’approche système expert doit être privilégiée dans les cas suivants :
▶ On traite une information de type symbolique plutôt que numérique.
▶ L’expertise est disponible.
▶ Le domaine d’expertise est étroit, car la représentation des connaissances se fait souvent de
façon explicite et exhaustive.
▶ La base de connaissances doit être stable (n’évolue pas trop vite). Ceci afin de minimiser les
coûts associés à la mise à jour du système (maintenance).
▶ Le problème à résoudre doit comporter une certaine incertitude.

21 / 29
Avantages des systèmes experts

Les systèmes experts présentent un certain nombre d’avantages parmi esquels on peut citer :
La transmission du savoir.
Le système expert sert de mémoire du savoir de l’entreprise. En effet, il y a toujours risque de perte
de compétences et de savoir faire (départs des experts, décès, ...), surtout lorsque la qualification
exigée de l’expert est élevée. Les experts ayant déjà travaillé dans l’entreprise et ayant « transmis »
leur savoir faire au système expert, la présence de celui-ci permet donc de mémoriser et de trans-
mettre le savoir faire acquis par l’entreprise aux futurs.
L’enrichissement de l’expertise au sein de l ’entreprise.
Lorsque la prise d’une décision nécessite l’intervention de plusieurs experts de domaines différents,
un système expert pluridisciplinaire permet d’éviter de consulter tout le monde. Il en résulte un
gain en temps et en monnaie considérables.

22 / 29
Avantages des systèmes experts

L’augmentation du volume d’affaires.

Les gains de temps résultant de l’informatisation du savoir faire de l’entreprise permettent une
augmentation du volume d’affaires traitées. Ceci se traduit généralement par l’amélioration de la
rentabilité, ce qui constitue l’objectif clé de toute entreprise.

23 / 29
Objectifs commun aux systèmes experts

Objectifs commun aux systèmes experts selon H. Farreny [2].

Objectif 1 : Capturer aisément les unités du savoir-faire. C’est-à-dire, faciliter l’expression des
règles par rapport à leur forme d’émergence chez les experts.
Objectif 2 : Exploiter l’ensemble des unités du savoir-faire.
a) Combiner et/ou chaîner des groupes de règles pour inférer des connaissances.
b) Rendre compte de la manière dont les nouvelles connaissance sont été inférées.

Objectif 3 : Supporter aisément la révision de l’ensemble des unités du savoir-faire.

C’est-à-dire, offrir des facilités pour les ajouts et suppression (Mise-à-jour) des règles

24 / 29
Exemples de réalisation

Il est impossible de donner une liste exhaustive des systèmes experts écrits. Nous nous contentons
de citer les plus célèbres
DENDRAL :
DENDRAL est l’ancêtre des systèmes experts. Il a été développé à partir de 1964 à l’université de
Stanford. Il utilise un moteur d’inférence à chaînage avant monotone par tentative.
Le but de DENDRAL est de donner la formule développée d’un composé chimique à partir de sa
formule brute et de données spectroscopiques. DENDRAL est utilisé régulièrement et on peut
considérer que les résultats qu’il donne sont satisfaisants.
Il est intéressant de savoir, qu’à l’origine, DENDRAL était écrit dans un langage procédural tra-
ditionnel (FORTRAN). De cet projet est née l’idée qu’il faut séparer la base de connaissances du
moteur d’inférences.

25 / 29
Exemples de réalisation

MYCIN :
MYCIN fait également partie des systèmes experts devenus mythiques. Développé vers 1974 à
l’université de Stanford, il utilise une logique « empirique » de type probabiliste pour la repré-
sentation des connaissances. Il utilise un moteur d’inférence à chaînage arrière.
Son but est de fournir une aide aux diagnostics et au traitement de maladies bactériennes du sang.
MYCIN était écrit dans un langage fonctionnel LISP.
MYCIN est effectivement utilisé et donne des résultats satisfaisants.
26 / 29
Conclusion

Les systèmes experts se basent sur le paradigme revendiquant la séparation entre les connaissances
et le raisonnement.
Aujourd’hui, les systèmes experts constituent une technologie bien définie faisant partie des sys-
tèmes à base de connaissances.
Les systèmes experts ont comme finalité la modélisation puis la simulation, via un logiciel, le
savoir-faire d’un expert (ou d’un ensemble d’experts) dans un domaine bien précis.

27 / 29
Références

[1] Jean-Louis Laurière , Intelligence Artificielle Résolution de problèmes par l’Homme et la

machine, Editions Eyrolles, 1986.
[2] h. Farreny , Les systèmes experts principes et exemples, Editions Berti , 1992.
[3] S. Graïne, Les systèmes experts, Editions l’Abeille, 2002.
[4] Wafâa Niar-Dinedane, L’intelligence artificielle éléments de Base, OPU, 1995.
[5] George F Luger, Artificielle Intelligence structures and strategies for complex problem
solving, Addison Weslley, Fifth Edition, 2005.

28 / 29
Merci de votre attention

29 / 29