RDF est un langage formel dont l'objectif est de permettre de structurer des informations et de les échanger en conservant leur

significativité d'origine i.e. leur sémantique | L’objectif principal de RDF est le développement du «Web sémantique ,pour partager les mêmes méta données .
Une declaration RDF est un triplet (sujet , predicat , objet) | tout ca c’est de resources (URI) |sujet : nœud , predicat : fleche , objet : nœud ou rectangle |nœud vide : URI sans id (impossible de donner un id) on lit quelque chose / quelqu’un qui a une relation … | exemples a la fin du doc .
L’utilisation des interet permet l’utilisation du voca partage sur le web , une comprehension commune des concepts | l’utilistaion des prefixes pour reduire l’ecreture | on peut affecter des types au literaux (literal type) : couple de chaine & une reference #URI a un type (ref = #) .
Syntaxe RDF abstraite : la structure sous-jacente est une collection de triplet | notation 3 : utilise les prefixes ,
Rdf : nodeID = ‘’label’’ => pour un nœud vide | rdf : about = ‘’URI ‘’ => sujet de triplet | rdf :resource = ‘’label’’ => objet de triplet (cad propriete) | rdf:datatype ="label" est utilisé pour typer les valeurs littérales. RDF repose sur les types de données de XML Schéma | N3 : anonyme = _X .
Un conteneur en rdf est une resource qui contient quelque chose | rdf :bag => groupe de resources ou l’ordre n’est pas important | rdf :seq => groupe de resources ou l’ordre est important | rdf :alt => decrire une alternative . (la derniere colonne est ensemble)

1
2

Rdf :statement si on utilise une declaration dans une autre : sub class of a class .
rdf:parseType="Resource" : on ne peut l'utiliser que lorsque le nœud vide est l'objet d'un triplet RDF| regardez l’exemple 04

Exemple 01 :
<rdf : description rdf : about = ‘’hadj“ > <local : hasname> hadj</local:hasname> </rdf:desc> | notation 3 : prof:hadj local:hasname “hadj”^^xsd:string . ||||||
<rdf : description rdf : about = ‘’hadj“ > <local : hasname> hadj</local:hasname> <local : worksat rdf:resource =”inf” > </local:worksat> </rdf:desc> | notation 3 : prof:hadj local:hasname “hadj”^^xsd:string ; local:worksat inf .||||||

Exemple 02 :
<rdf:Description rdf:about="&prof/HadjilaFethallah"> <local:adresse rdf:nodeID="n001"/> </rdf:Description>
<rdf:Description rdf:nodeID="n001"> <local:numero rdf:datatype="&xsd;integer">10</local:numero> <local:rue rdf:datatype="&xsd;string">Cerisier</local:rue> <local:ville rdf:datatype="&xsd;string">Mansourah</local:ville> <local:wilaya rdf:datatype="&xsd;string">Tlemcen</local:wilaya>
</rdf:Description> ||||||| N3 : prof:HadjilaFethallah local:adresse _:p001 . _:p001 local:rue "Cerisier"^^xsd:string ; local:ville "Mansourah"^^xsd:string ; local:wilaya "Tlemcen"^^xsd:string .
RDF ameliore : <rdf:Description rdf:about="&prof:HadjilaFethallah"> <local:adresse> <rdf:Description rdf:nodeID="n001"> <local:numero rdf:datatype="&xsd;integer">10</local:numero> <local:rue rdf:datatype="&xsd;string">Cerisier</local:rue>
<local:ville rdf:datatype="&xsd;string">Mansourah</local:ville> <local:wilaya rdf:datatype="&xsd;string">Tlemcen</local:wilaya> </rdf:Description> </local:adresse> </rdf:Description>
N3 amelioree : prof:HadjilaFethallah local:adresse [ local:numero 10 ; local:rue "Cerisier"^^xsd:string ; local:ville "Mansourah"^^xsd:string ; local:wilaya "Tlemcen"^^xsd:string ] .

Exemple 03 :
<rdf:Description rdf:about="&prof;TadlaouiMohamed"> <local:declare rdf:nodeID="_p001"/> </rdf:Description>
<rdf:Description rdf:nodeID="_p001"> <rdf:type rdf:resource="&rdf;Statement"/> <rdf:subject rdf:resource="&prof;HadjilaFethallah"/> <rdf:predicate rdf:resource="&foaf;responsable"/> <rdf:object rdf:resource="&local;mid"/> </rdf:Description> </rdf:RDF>

N3 : @prefix foaf: <[Link] @prefix local: <[Link] .@prefix prof: <[Link] . @prefix rdf: <[Link] .
prof:TadlaouiMohamed local:declare [ a rdf:Statement ; rdf:subject prof:HadjilaFethallah ; rdf:predicate foaf:responsable ; rdf:object local:mid ] .

Exemple 4 :
L’élément item10245 a un poids dont la valeur est 2,4 et dont l’unité est le kilogramme :
<rdf:Description rdf:about="&exp;item10245"> <exterms:weight rdf:parseType="Resource"> <rdf:value rdf:datatype="&xsd;decimal">2.4</rdf:value> <exterms:units rdf:resource="&exp;kilograms"/> </exterms:weight> </rdf:Description>
N3 : exp:item10245 exterms:weight [ rdf:value "2.4"^^xsd:decimal ; exterms:units exp:kilograms ] .

RDF : BAG : <rdf:Description rdf:about="[Link] <local:module> <rdf:Bag> <rdf:li>Web Sémantique</rdf:li> <rdf:li>Analyse de données</rdf:li> <rdf:li>Génie logiciel</rdf:li> </rdf:Bag> </local:module> </rdf:Description> </rdf:RDF>
N3 : <[Link] local:module [ a rdf:Bag ; rdf:_1 "Web Sémantique" ; rdf:_2 "Analyse de données" ; rdf:_3 "Génie logiciel" ] .

RDF collection : La collection RDF permet de spécifier tous les membres d'une liste de manière exhaustive.
<rdf:Description rdf:about="[Link] <local:etudiant rdf:parseType="Collection"> <rdf:Description rdf:about="&liste;Aisaoui"/> <rdf:Description rdf:about="&liste;BabAhmed"/> <rdf:Description rdf:about="&liste;Tahraoui"/> </local:etudiant></rdf:DesC>

RDFS veut ettendre le RDF , utilise la notion des classe et les proprietes , utilise pour definire un shema de meta-donnees | classe : groupe de resource de meme nature , prop : la relation entre les classes , signature : pour decrire le use de classe ou prop , membre de C = instances .
Rdfs :resource => toute chose ecrite par RDF est une rdfs resource (la classe de tous les choses) | rdfs :classe => pour definre une classe (<rdfs :class rdf :ID = ‘Cours ‘>) | rdfs :property => pour definre une prop ((<rdfs :prop rdf :ID = ‘idk ‘> (</rdfs :prop >)) ).

Une signature d’une propri´et´e est d´efinie `a travers : • La sp´ecification des classes auxquelles on peut affecter la propri´et´e (Sujet de la propri´et´e). En RDFs ce la est fait par la propri´et´e ”rdfs:domain”. • La sp´ecification de champ d’application de la propri´et´e (s’applique `a la classe). En
RDFs ce la est fait par la propri´et´e : ”rdfs:range”. : <rdf:Property rdf:ID=’titre’> <rdfs:domain rdf:resource=’#Cours’/> <rdfs:range rdf:resource= ’&rdfs;Literal’/> </rdf:Property>

Les propriet´es (rdfs:subClassOf) : Toutes les instances d’une classe (fille) sont des instances d’une autre (m`ere). Exemple: <rdfs:Class rdf:ID=’Cours’/> <rdfs:Class rdf:ID=’CoursSIC’> <rdfs:subClassOfrdf:resource=’#Cours’/></rdfs:Class>
Les propri´et´es (subPropertyOf) C’est pour d´efinir une sous propri´et´e d’une propri´et´e. Toutes les ressources reli´ees par une propri´et´e (fille) sont ´egalement reli´ees par une autre (m`ere). • Exemple : la propri´et´e ”coordinateur” est une sous propri´et´e de la propri´et´e ”enseignant”
<rdf:Property rdf:ID=’coordinateur’> <rdfs:subPropertyOf rdf:resource=’#enseignant’/> </rdf:Property>
Lapropri´et´e rdfs:label est une instance de la classe rdf:Property, utilis´ee pour fournir une version lisible par un humain du nom d’une ressource. : <rdf:Property rdf:ID=’name’> <rdfs:label xml:lang=’fr’>nom</rdfs:label> <rdfs:label xml:lang=’en’>name</rdfs:label> </rdf:Property>
Les propri´et´es (comment) : Utilis´ee pour fournir une description lisible par un humain d’une ressource. : <rdfs:Class rdf:about=’#Woman’> <rdfs:subClassOf rdf:resource=’#Person’/> <rdfs:comment xml:lang=’fr’>une personne adulte du sexe feminin</rdfs:comment> </rdfs:Class>
rdfs:seeAlso • Cette propri´et´e est utilis´ee pour indiquer une ressource susceptible de fournir des informations suppl´ementaires `a propos de la ressource ”sujet”. Exemples : <rdfs:Class rdf:about=’#Man’> <rdfs:seeAlso rdf:resource=’#Person’/> </rdfs:Class>
rdfs:isDefinedBy • Cette propri´et´e est utilisable pour indiquer un vocabulaire RDF dans lequel une ressource est d´ecrite. • Exemple : <rdfs:Classrdf:about=’[Link] <rdfs:isDefinedBy rdf:resource=’[Link] <rdf:class>

•Si (c2,subClassOf,c1) et (x,type,c2) alors (x,type,c1) Exemple : (Lo,type,Homme) ⇒ (Lo,type,Humain) • Si (p2,subPropertyOf,p1) et (x,p2,y) alors (x,p1,y) Exemple : (Lo,auteur,Note) ⇒ (Lo,cr´eateur,Note) • Si (c3,subClassOf,c2) et (c2,subClassOf,c1) alors (c3,subClassOf,c1) (transitivit´e)
•Si (p3,subPropertyOf,p2) et (p2,subPropertyOf,p1) alors (p3,subPropertyOf,p1) (transitivite) • Idem r´eflexivit´e subClassOf et subPropertyOf
• Si (p,range,c) et (x,p,y) alors (y,type,c) • Si (p,domain,c) et (x,p,y) alors (x,type,c) Exemple : (aPourMere,range,Femme) (Fabien,aPourMere,Josette) ⇒(Josette,type,Femme) • La signature est h´erit´ee • Signature effective = conjonction des signatures h´erit´ees et sp´ecifi´ees

SELECT ● Renvoie un tableau de tous les X, Y, etc. satisfaisant certaines conditions CONSTRUCT Renvoie tous les X, Y, etc. satisfaisant certaines conditions, et substituez-les dans le modèle de base afin de générer de nouvelles déclarations RDF. DESCRIBE Renvoie toutes les déclarations dans
l'ensemble de données qui fournissent des informations sur des ressources (identifiées par leur nom ou leur description) ASK Renvoie un booléen indiquant l’existance ou non d’une solution qui satisfait un certain motif ||
PREFIX NameSpace SELECT ?Var WHERE {modèle de requête (motif)} Variables : sont utilisées pour remplacer un sujet un prédicat ou un objet, un littéral ou une ressource. Modèle de requête: Critères sous forme de triplet déterminant les conditions qui doivent être remplie .
Utilisation du mot clé FILTER Pour ajouter des conditions à la requête en imposant des contraintes sur les variables Un filtre s’applique à un motif de graphe . Filtres à base d'expressions régulières: regex().

1 4
Données : @prefix foaf: <[Link] _:a foaf:name "Johnny Lee Outlaw"; foaf:mbox <[Link] _:b foaf:name "Peter Goodguy"; foaf:mbox <[Link] _:c foaf:mbox <[Link]
Requete 1 : PREFIX foaf: [Link] SELECT ?name ?mbox WHERE {?x foaf:name ?name. ?x foaf:mbox ?mbox}
Requête 2 : PREFIX foaf: [Link] SELECT ?name ?mbox WHERE {?x foaf:mbox ?mbox. OPTIONAL {?x foaf:name ?name}}
Filtrage : Données (additionnelles) _:a foaf:age "50". _:b foaf:age "10". _:c foaf:age "18"^^xsd:int. Exemple SELECT ?name ?age WHERE {?x foaf:name ?name;foaf:age ?age. FILTER (?age ="50")}
Requite 3 : SELECT ?name ?age ?mbox WHERE {?x foaf:mbox ?mbox; foaf:age ?age. OPTIONAL {?x foaf:name ?name} FILTER (xsd:integer(?age)>=11)}
Requite 4 : SELECT ?name1 ?name2 WHERE {?x foaf:name ?name1; foaf:mbox ?mbox1. ?y foaf:name ?name2; foaf:mbox ?mbox2. FILTER ((?mbox1 = ?mbox2 )&&(?name1!=?name2))}

5 8
Données (additionnelles) _:a exp:shoeSize "9.5"^^xsd:float. _:b exp:shoeSize "42"^^xsd:int. Requête 5 : SELECT ?name ?shoeSize WHERE { ?x foaf:name ?name ; exp:shoeSize ?shoeSize . FILTER (datatype(?shoeSize)=xsd:int)}
Données (additionnelles) _:d foaf:mbox "alice@[Link]". Requête 6 : SELECT ?name ?mbox WHERE { ?x foaf:name ?name ; foaf:mbox ?mbox. FILTER (isURI(?mbox))}
Opérations pour tester les chaines de caractères à base d’expressions régulières. Syntaxe : FILTER regex(?x,"pattern", ["flags"]). Ou : ?x : variable pattern: modèle d’expression régulière Flags: paramètre optionnel, fournit des contraintes supplémentaires

Modèles d’expression régulière (patern): « ^ab »: chaîne qui commence par « ab » || « ab »: chaîne qui contient « ab » || « ab$ »: chaîne qui se termine par « ab »
Exemple de flags : « i »: faire le matching sans considération de la casse ||| « x »: supprimer les espaces avant de faire le matching
Requête 7 : SELECT ?name WHERE { ?x foaf:name ?name FILTER regex(?name, "jo", "i")}
Données (additionnelles ) : <[Link] dc:price "5000". <[Link] dc:price "10000".
Requete 8 : SELECT ?title ?price WHERE { ?x dc:title ?title . OPTIONAL {?x dc:price ?price} FILTER (xsd:integer(?price)>5000)}

Contraintes sur les variables : Sont des contraintes qui s’appliquent sur les variables d’une requête SPARQL :
Opérateur de Comparaison : < , >, = , = < ,= >, != Opération : +, * ,/, Booléen : && (and), ||(or), !(not) Fonctions :De teste, retourne valeur boolienne : isBlank(?x), isURI(?x), isLiteral(?x) De transformation et retourne une valeur : datatype(?y), str(?x), xsd:integer(?x), xsd:dateTime(?x)
Les alternatives : Un moyen de combiner les motifs de graphe. L'un des motifs de graphe alternatifs peut correspondre (un ou logique). Si plusieurs alternatives correspondent, toutes les solutions de motifs possibles sont trouvées. Les alternatives de motifs sont par le mot-clé UNION.

Données _:a foaf:name "Alice". _:a foaf:homepage . _:b foaf:name "Bob". _:b foaf:mbox . _:c foaf:name "Charly" . _:c foaf:mbox . _:c foaf:homepage .
Requete 1 : SELECT ?name ?mbox ?hpage WHERE { {?x foaf:name ?name ; foaf:mbox ?mbox} UNION { ?x foaf:name ?name ; foaf:homepage ?hpage}}

Modificateurs des séquences de solutions : Les motifs génèrent une collection non-ordonnée de solutions, où chaque solution étant une valuation des variables présentes dans les motifs. Ces solutions sont ensuite traitées comme une séquence, sur laquelle on peut appliquer un opérateur
(modificateur de séquence). Exemple de modificateur : ORDER BY: pour ordonner les solution. DISTINCT: éliminer les doublons parmi les solutions. Offset: indiquer à partir de quelle position dans la séquence on démarre. Limit : borner la taille de la séquence des solutions.
Données : ex:p1 dc:author ex:doc2. ex:p2 dc:author ex:doc1. ex:p2 dc:author ex:doc3. ex:doc2 ex:date 20011-01-01. ex:doc1 ex:date 2009-12-31. ex:doc3 ex:date 2009-12-31.
Requête 2 : SELECT ?doc ?date WHERE { ?pers dc:author ?doc . ?doc ex:date ?date } ORDER BY ?date desc(?doc)

OFFSET n : Contrôler d'où partent les solutions dans la séquence globale des solutions. LIMIT n : Limiter le nombre de solutions à n.
Exemple : SELECT ?name WHERE { ?x foaf:name ?name } ORDER BY ?name LIMIT 5 OFFSET 10 ?name WHERE {?x foaf:name ?name} Cette requête donne au maximum 5 solutions, à partir de la 11eme dans la séquence des solutions.
ASK : Données : _:x foaf:name "Alice" . _:x foaf:mbox . Requête 1 : retourne True : ASK {?x foaf:name ?name ; foaf:mbox ?mbox} Requête 2 : retourne False ● ASK {?x foaf:name "Bob"}
CONSTRUCT : Données : exp:Mohammed exp:sister exp:Khadidja. ● Requête : CONSTRUCT {?x exp:brother ?y} WHERE {?y exp:exister ?x} Retourne le graphe suivant : exp:Khadidja ex:brother exp:Mohammed
› La logique descriptive (LD) est en fait une famille de formalismes mettant l’accent sur le raisonnement, pour représenter une base de connaissances d’un domaine d’application. › L’objectif majeur : raisonner efficacement (temps de réponse minimal) pour la prise de décision ›
Importance du rapport expressivité/performance des différentes LD › Ces logiques permettent de représenter des : › Concepts, aussi appelés classes, d’un domaine › Relations, aussi appelées rôles, qui peuvent être établies entre les instances, aussi appelés individus, de ces classes. |›
Modélisation des connaissances avec les LD à 2 niveaux : › Niveau terminologique (TBox) : › décrit les connaissances générales d’un domaine › définit les concepts(classes) et les rôles(relations) › Niveau factuel (ABox) : ›
décrit les individus en les nommant et en spécifiant leur classes et attributs (en termes de concepts et de rôles) › spécifie des assertions portant sur ces individus nommés. › Plusieurs Abox peuvent être associées à une même TBox : ›
chacune représente une configuration constituée d’individus, › utilise les concepts et rôles de la TBox pour l’exprimer.
|Définition de la classe des individus qui sont des humains ayant au moins un enfant et dont tous les enfants sont des femmes Humain  aEnfant.T  [Link] A noter que la définition suivante n’est pas juste : Humain  [Link]|Le langage AL n’est pas suffisamment ex
pressif pour représenter les ontologies qu’on utilise en pratique. Il existe donc plusieurs autres constructeurs que l’on peut ajouter à notre langage pour le rendre plus expressif. Pour désigner chacun de ces constructeurs, on utilise un symbole. ›
AL est minimale, dans le sens où une logique moins expressive représente peu d'intérêt. › ALC est l’extension de la LD de base AL à la : › Négation sans restriction (C): négation de concept composé (C ‐ complément) › Quantification existentielle complète (E) › Constructeur d’union ( ) ›
ALC est la logique de description la plus importante, car elle constitue la base de toutes les LD pratiques ( les deux dernieres images sont de ALC)

Logique descriptive ALCF › Constructeur de fonctions (F) › Un autre ajout utile (dénommé F ) est la possibilité de spécifier qu’un rôle est en fait une fonction. C’est‐à‐dire une relation telle que aucune entité ne peut être reliée à plus d’une autre entité par cette relation. ›
Un axiome de la forme Fun(R) est obligatoirement ajouté à la TBox, pour dire qu’un rôle R est une fonction › Exemple › La relation « mariéAvec », qui nous permettrait de définir le concept HommeMarié Homme mariéAvec.T Fun(mariéAvec) || Logique descriptive ALCN ›
Restriction de cardinalité (N) › ALC plus un nouveau constructeurs de concept, Number restriction (d’où le « N » de « ALCN » ). › L’ajout de (02) constructeurs : ≥ n R il y a au moins n R‐successeurs ≤ n R il y a au plus n R‐successeurs › Exemple ›
Concept de père qui a exactement 2 enfants Homme ≤ 2 aEnfant  ≥ 2 aEnfant ||| Logique descriptive ALCQ › Restriction de cardinalité qualifiée (Q) › ALCN présente une limitation, car la restriction s’applique seulement à la relation. Comment peut‐
on imposer le nombre minimal ou maximal d’entités d’une classe spécifique auquel on peut être lié par une relation ! › L’ajout de (02) constructeurs sur ALC : ≥ n R.C et ≤ n R.C › Exemple › Concept de père qui a exactement 2 enfants femmes Homme  ≤ 2 [Link]  ≥
2 [Link] ||| › AL + H + S Logique SH › SH permet de définir les propriétés suivantes : › Transitivité de rôle –Tr(R) : Signifie que R est une relation transitive –Exemple : « a » est le frère de « b » et « b » est le frère de « c » alors « a » et le frère de « c » › Hiérarchie de rôles –
R1  R2 : Signifie que R1 est une sous propriété de R2 –Exemple : Si « b » est l’enfant de « a » alors automatiquement « b » est descendant de « a ». On note : aEnfant  aDescendant. ||| Logique descriptive SHIF › SH + I + F Logique SHIF › Constructeur d’inversion (I) ›
Dans plusieurs situations, on est intéressé à définir un rôle qui est l’inverse d’un autre rôle. › Notation › Exemple R2  R1‐ › mariéeAvecHomme  mariéAvecFemme‐ Donc tout fait de la forme mariéAvecFemme(x,y) implique nécessairement le fait mariéeAvecHomme(y,x) |||
Logique descriptive SHOIN › SH + O + I + N  Logique SHOIN › Le constructeur énumération ou Individus (O) › En logique de description, et dans certaines situations, on peut désigner des individus dans la terminologie. › Exemple ›
Définir la classe « membre permanant du conseil de sécurité de l’ONU » MembrePermanantConseilSecurité ={USA,France,Russie,UK,Chine} -- › On peut aussi définir l’ensemble d’individus qui sont reliés à un individus spécifique par une relation R : › Exemple ›
Définir le concept citoyen algérien, sachant qu’un citoyen algérien est une personne née en Algérie ou naturalisée par l’Algérie : CitoyenAlgerien (LieuNaissance : Algérie ) (naturaliséPar : Algérie) |||

Satisfaisabilité › Un concept C est satisfaisable (relativement à T) s’il existe une interprétation I (modèle) tel que I(C) ≠ ∅ › Subsomption › Un concept C1 est subsumé par un concept C2 relativement à T si I(C1) ⊆ I(C2) pour tout modèle I de T ›
Équivalence ›Deux concepts C1 et C2 sont équivalents relativement à T si I(C1)=I(C2) pour tout modèle I de T › Disjointness › Deux concepts C1 et C2 sont disjoints relativement à T si I(C1)∩I(C2)=∅
pour tout modèle I de TLC est la logique de description la plus importante, car elle constitue la base de toutes les LD pratiques ( les deux dernieres images sont de ALC)
Réduction à l’insatisfaisabilité › Un concept C1 est subsumépar un concept C2 c’est équivalent à : C1 ⊓￢C2 est insatisfaisable | › Les concepts C1 et C2 sont équivalents : C1 ⊓￢C2 et ￢C1 ⊓ C2 sont insatisfaisables› Les concepts C1 et C2 sont disjoints C1 ⊓ C2 est insatisfaisable

› hypothèse du monde fermé (Closed‐World Assumption) : Limitation à ce qui est énoncé. Il n’existe pas d’autres instances de concepts et de rôles que celles définies dans A › hypothèse du monde ouvert (OpenWorld Assumption) : Pas de limitation à ce qui est énoncé. D’autres instances
de concepts et de rôles que celles définies dans A peuvent exister

Commencez par : il existe , >= , quelque , <= , union

La théorie de Dempster-Shafer est un cadre mathématique qui permet de représenter et fusionner des informations incertaines, incomplètes ou contradictoires, contrairement aux probabilités classiques qui obligent à distribuer toute la confiance entre les hypothèses. | 1. Raisonnement
incertain (Pourquoi ?) Dans le monde réel, l’information est souvent : incomplète (on ne sait pas tout), ambiguë (plusieurs interprétations possibles),floue (imprécise), probabiliste (fiables à un certain degré). | Les approches classiques (logique stricte, probabilités) ne savent pas représenter
l’ignorance ou les contradictions entre sources. 2. Problème de fusion d’informations : Avec plusieurs capteurs/expertises :chaque source peut être partielle ou contradictoire ;les probabilités obligent à choisir, même sans certitude ;|| Dempster-Shafer permet :de représenter ce qu’on sait,
ce qu’on ne sait pas (ignorance), le conflit entre sources. || 3. Fondements : Cadre de discernement : Un ensemble Ω contenant toutes les hypothèses possibles. || Exemple machine : Ω = {Panne, PasPanne} || On travaille sur tous les sous-ensembles de Ω : 2Ω, ce qui permet d’exprimer
l’information précise ({P}), l’information vague ({P, ¬P}) et l’ignorance totale (Ω). La fonction de masse m(A) indique la part de croyance donnée exactement à A (ex : m({P}) = 0.6, m(Ω) = 0.3), avec les contraintes : masses ≥ 0, somme = 1, m(∅) = 0. Les fonctions dérivées sont : la croyance Bel(A)
= ∑ m(B) pour B ⊆ A (soutien certain), et la plausibilité Pl(A) = ∑ m(B) pour B ∩ A ≠ ∅, avec la relation Pl(A) = 1 − Bel(¬A), définissant l’intervalle Bel(A) ≤ P(A) ≤ Pl(A). La combinaison de Dempster fusionne deux sources m1 et m2 en calculant le conflit K, en combinant les masses compatibles
puis en normalisant par (1 − K), ce qui donne une nouvelle masse fusionnée (mais avec un risque en cas de grand conflit). La prise de décision peut se faire par le maximum de croyance (approche prudente), le maximum de plausibilité (approche optimiste) ou la probabilité pignistique BetP
(répartition équilibrée). La théorie présente plusieurs avantages : représentation explicite de l’incertitude, distinction absence de preuve / preuve d’absence, fusion de sources hétérogènes et flexibilité décisionnelle ; mais aussi des limites : calculs lourds, difficultés en cas de conflit élevé et
choix

La tfc modelise l’info precise , impresice(ambigue) , l’igniorance ||| La marge de liberte par proba : [bel(A) ; PL(A)]
Strategie : 1. Calculer les intervalles[Bel(Hi),Pl(Hi)]pourtoutes leshypotheses 2. Verifier si les intervalles sont disjoints : Sioui decision claire sur argmaxBel(Hi)• Sinon: ambigues use le critere pignistique(BetP) , Demander infos sup , seuil decision
Forts : Gestionexplicitedel’ignorance , Fusion de sources heterogenes , Repr´esentationdel’incertitude , Flexibilit´ed´ecisionnelle
Faible : Complexit´ecombinatoire:2^|Ω| , Conflits eleves (fusion dificille) , Choix du critere de decision : depend du contexte

Un m´edecin cherche `a identifier la cause d’une fi`evre ´elev´ee chez un patient. Les hypoth`eses possibles sont (Cadre de discernement) : Ω={G :Grippe,C : Covid-19,A : Allergie} • Deux sources d’information sont disponibles : • S1 : un test biologique (bas´e sur anticorps). • S2 : un capteur de
symptˆomes (temp´erature, toux, fatigue...). du critère de décision dépendant du contexte.