Présenté Par:
• BOUCHIKHI Aicha
• BOUARA Hakima
SOMMAIRE
08 Conclusion
Les Inconvénients 07
06 Les Avantages
Fonctionnement 05
04 Les Components
Historique 03
02 Les Exemples
Définition 01
Les systèmes experts :
sont des programmes informatiques
qui utilisent des mécanismes de
connaissances et d'inférence pour
fournir des conseils, des solutions ou
des recommandations dans des
domaines spécialisés.
medical diagnosis
financial decision
making
troubleshooting and
maintenance
customer support
The Exemples
leading expert
systems companies:
IBM Watson
Oracle corporation
wolters kluwer
HISTORIQUE
DENDRAL (1965): MYCIN (1972):
-Diagnostic d'infections
-Identification de
bactériennes du sang
structures moléculaires
- Précision de 69%
en chimie organique
(experts: 80%)
Expert System Components:
1. The Knowledge 2. Inference Engine: 3. User Interface:
Base:
2.a. forward chaining:
2.b. backward chaining:
ALGORITHMES FONDAMENTAUX:
Algorithme de Chaînage Avant Algorithme de Chaînage Arrière
(Forward Chaining): (Backward Chaining):
Exemple de Code Python Simplifié (Système Expert de # Vérifier si toutes les conditions 'si' de la règle sont
Diagnostic)(programme): dans la base de faits
Ce code montre comment des règles et des faits interagissent pour aboutir for condition in regle["si"]:
à une conclusion. if condition not in faits: conditions_satisfaites
=False
# --- 1. Base de Connaissances (BC) : Les Règles ---
# Si toutes les conditions sont satisfaites et que la
# Représentation des règles SI... ALORS...
conclusion n'est pas déjà connue
regles = [
if conditions_satisfaites and regle["alors"] not in
# Règle 1 : Si l'écran est noir ET l'alimentation est coupée, ALORS il y a une panne de courant.
faits:
{"si": ["ecran_noir", "pas_d_alimentation"], "alors": "panne_courant"},
# Déclencher la règle et ajouter la conclusion (le
# Règle 2 : Si le voyant d'alimentation est allumé ET l'écran est noir, ALORS vérifier le câble
'alors') comme un nouveau fait
vidéo.
nouveau_fait = regle["alors"]
{"si": ["alimentation_ok", "ecran_noir"], "alors": "verif_cable_video"},
[Link](nouveau_fait)
# Règle 3 : Si la panne de courant est identifiée, ALORS vérifier le disjoncteur.
print(f"*** Règle déclenchée ! Déduction :
{"si": ["panne_courant"], "alors": "verif_disjoncteur"}
{nouveau_fait}")
# --- 2. Base de Faits Initiaux (Données fournies par l'utilisateur) ---
nouvelles_deductions = True
faits = set()
# Si la déduction est une action finale, l'afficher
def ajouter_fait(fait):
if nouveau_fait.startswith("verif_") or
"""Ajoute un fait à la base de faits."""
nouveau_fait.startswith("panne_"):
[Link](fait)
print(f"*** CONCLUSION/ACTION :
print(f"-> Fait ajouté : {fait}")
{nouveau_fait.replace('_', ' ').upper()}")
# --- 3. Moteur d'Inférence (Chaînage Avant Simplifié) ---
# --- SIMULATION ---
def moteur_inference():
print("### Démarrage du système expert de diagnostic
"""Applique les règles pour déduire de nouveaux faits."""
###")
nouvelles_deductions = True
# Cas de test 1 : L'utilisateur observe deux faits
while nouvelles_deductions:
ajouter_fait("pas_d_alimentation")
nouvelles_deductions = False
# Exécuter le moteur d'inférence
# Parcourir chaque règle
for regle in regles: print("\n--- État final de la base de faits ---")
conditions_satisfaites = True print(faits)
LE FONCTIONNEMENT:
01 02 03
Saisie des
Data Input Inférence
Data Input Data Input
Sortie et
données et explication
application
Des exemple réelle de l'intelligence artificielle:
📱 Les Assistants Vocaux (Siri, Google Assistant, Alexa):
Les assistants vocaux comme Siri d'Apple, Google Assistant, ou Alexa d'Amazon
sont des exemples parfaits d'IA dans la vie quotidienne.
️ Les Systèmes de Recommandation (Netflix, Amazon):
Un autre exemple majeur se trouve dans les plateformes d'achat et de streaming :
Netflix, YouTube, Spotify : Ils utilisent l'IA pour analyser votre historique de
visionnage/d'écoute, les notes que vous donnez, et ce que d'autres utilisateurs ayant des
goûts similaires ont aimé. Ils vous recommandent ensuite des films, des chansons ou des
produits.
Objectif : Maintenir votre engagement et vous faire découvrir du contenu qui vous plaira
probablement.
Ces systèmes sont basés sur des algorithmes d'apprentissage par filtrage
collaboratif (une technique d'IA), ce qui permet une expérience utilisateur
hautement personnalisée.
✅ Avantages des Systèmes Experts:
Haute Disponibilité (Fonctionnement 24h/24 et 7j/7)
Préservation des Connaissances
Prise de Décision Rapide
Capacité d'Explication (Transparence)
Réduction des Coût
Opérationnels à Long Terme
Efficacité dans des environnements Hostiles
Distribution de l'Expertise
Limites des systemes experts:
Connaissances pas toujours facilement disponibles.
Difficulté d'obtenir l'expertise d'un humain
Domaine d'utilisation restreint
Difficulté d'obtenir des vérifications indépendantes aux
solutions proposées
Le vocabulaire et termes techniques peut être difficile
à convertir à un système expert.
Manque de confiance dans les systèmes experts
Parfois, le système expert n'arrive pas à une
conclusion.
CONCLUSION:
Les systèmes experts ont été
pionniers de l'IA et restent
pertinents aujourd'hui pour
des tâches nécessitant :
o Un raisonnement
explicable et transparent
o Une expertise dans un
domaine bien défini
o Des décisions critiques
nécessitant une
justification.