n157

systmes experts et intelligence artificielle

Laurence Negrello

Aprs lobtention du DESS - Diplme d'Enseignement Suprieur Spcialis - Intelligence artificielle, reconnaissance de formes et robotique lUniversit Paul Sabatier de Toulouse, entre chez Merlin Gerin en 1988. Depuis cette date, elle a particip deux projets de Systme Experts : SILEX et ADELIA, au sein du service IST (Information Scientifique et Technique) de la Direction Technique.

CT 157 dition novembre1991

Cahier Technique Merlin Gerin n 157 / p.2

systmes experts et intelligence artificielle

sommaire
1. Introduction 2. Les Systmes Experts p. 4 p. 4 p. 4 p. 5 p. 9 p. 10 p. 14 p. 16 p. 16 p. 17 p. 18 p. 19 p. 20 p. 22 p. 22 p. 22 p. 23

3. Les applications chez Merlin Gerin

4. LIntelligence Artificielle

5. Perspectives davenir

Origine des Systmes Experts. Quen attend-on dans lindustrie? Les SE, plus prcisment. Ralisation dun SE. Evolution des SE. Fiabilit, sret des rseaux lectriques. Propagation dincendies dans les btiments. Scurit, disponibilit des centrales nuclaires. Pilotage datelier. Distribution dnergie lectrique et reconfiguration de rseaux. Dfinition et but. Domaines et techniques de lIntelligence Artificielle. Rseaux de neurones. Logiques de raisonnement. Raisonnement temporel. En conclusion...

Cahier Technique Merlin Gerin n 157 / p.3

1. introduction

Fleuron des progrs de la technologie, les microprocesseurs sont aujourdhui prsents dans tous les secteurs. Dans lindustrie, ladministration ou encore dans notre propre appartement, ils interviennent aussi bien dans les systmes de contrle de processus complexes que dans les machines laver. Les diffrents traitements quils permettent de raliser ont conduit la cration de machines informatiques plus ou moins spcialises, par exemple : ordinateur pour la gestion ; administrative ou la comptabilit ; calculateur pour le domaine scientifique ; automate pour les processus industriels ;

centrale pour la gestion des btiments ou des installations lectriques. La fascination de lhomme face aux machines existe depuis toujours et a jou un rle moteur dans les travaux de recherche qui ont dbouch sur cette nouvelle activit appele intelligence artificielle. Mme si le terme parat prtentieux, il traduit ce rve ternel des hommes qui, dj dans lantiquit, tentaient de raliser des machines capables de reproduire, de manire artificielle, leurs propres comportements physiques et intellectuels. Une lgende trs ancienne parle de tables, 3 pieds munis de roulettes, se dplaant seules dans le palais des Dieux.

Vaucanson, au XVIIme sicle ralisait des automates tout fait remarquables. Lide de la machine Pensante progresse et engendre de nombreuses polmiques. Peut-on parler dordinateur intelligent dans la mesure o ils peuvent parler, voir, entendre, raisonner et, dans certains cas, agir comme un tre humain. Mme si les avis sont partags, les progrs de linformatique permettent aux ordinateurs daujourdhui dapprocher les raisonnements humains, grce des techniques varies (soft ou hard) comme les SE -Systmes Experts- ou les rseaux de neurones.

2. les Systmes Experts

origine des Systmes Experts

Ce que lon retrouve aujourdhui dans tous les SE est lexpression dun savoir sous forme de connaissances heuristiques, rsultant gnralement dune exprience cumule dans un domaine prcis. Ces connaissances traduisent un mode de raisonnement et peuvent sexprimer par des rgles telles que :SI telle condition est vrifie ALORS effectuer telle action (ces rgles sont appeles plus prcisment rgles de production). Lide dexprimer ainsi une connaissance nest pas neuve. En effet, le plus vieux document qui en tmoigne est un document mdical datant du XVIIme sicle avant JC. Il correspond une copie douvrage de lancien Empire Egyptien. Ce texte fameux prsente 48 observations chirurgicales de blessures de la tte,

toutes formules sous la mme reprsentation formelle : titre, examen, diagnostic, traitement. (cf. fig. 1). On rencontre ainsi dans les littratures anciennes de nombreuses bases de connaissance, fortement structures, de taille souvent importante. La constitution de tels crits tait motive par le dsir de laisser une trace du savoir acquis par certains savants, trace exploite par leurs successeurs. Depuis, si les motivations sont restes les mmes, les moyens ont chang. Avec les progrs de linformatique, lvolution des besoins se traduit par larrive dapplications utilisant la connaissance, cest--dire des donnes qualitatives. A partir de bases de connaissance contenant soit lexpertise de spcialistes, soit les connaissances implicites que lhomme utilise en permanence (telles la

comprhension du langage ou la reconnaissance de formes), ces nouvelles applications cherchent aujourdhui simuler le raisonnement et les comportements humains.

quen attend-on dans lindustrie ?

Les SE ont commenc intresser les industriels il y a environ 10 ans, avec larrive des premires ralisations oprationnelles. Les intrts de chacun sont diffrents et correspondent des besoins prcis dune entreprise ou dun service. En effet, chaque ralisation dun SE sintgre dans un environnement particulier de dveloppement et doit tre adapte au cadre dutilisation. Un SE est dvelopp, par exemple, pour : sauvegarder une expertise accumule ; la diffuser dans le temps ;

Cahier Technique Merlin Gerin n 157 / p.4

la diffuser dans lespace ; formaliser une connaissance de conception. Sauvegarder une expertise accumule Bien souvent dans une entreprise, le dpart dun expert (mobilit ou retraite) pose le problme de la sauvegarde de savoir-faire. La solution SE permet lentreprise de conserver lexprience acquise par un seul homme devenu expert dans sa spcialit au cours de sa carrire. La diffuser dans le temps (le but poursuivi est lamlioration des rgles dun mtier) : Dans une entreprise, les produits se renouvellent, les moyens changent, le savoir-faire volue. Les SE sont justement des programmes conus pour tre volutifs. Leur conception, rend la base de connaissance (contenant les rgles de production) accessible tout expert, mme non informaticien. Grce aux SE, les connaissances dun spcialiste sont donc rendues accessibles aux autres spcialistes qui ont alors la possibilit dajouter leurs propres connaissances ou de modifier celles qui sont en mmoire. Ceci permet au systme informatique de prendre en compte lamlioration et lvolution des mthodes de travail et de suivre la progression de lentreprise. De plus, lorsquune personne nouvelle arrive dans lentreprise, elle dispose immdiatement de lexprience acquise par ses prdcesseurs. La diffuser dans lespace (le but est lunification des mthodes de travail) : Dans une entreprise il est trs important que plusieurs personnes, ralisant des travaux identiques, adoptent les mmes mthodes de travail. Cette unification, (diffusion horizontale), peut tre obtenue laide dun SE . Cette dmarche ncessite des changes entre les experts et enrichit la connaissance sur lactivit correspondante. La diffusion verticale permet aux non-spcialistes deffectuer des tches jusque-l rserves aux experts ; ces mmes experts sont alors disponibles pour des travaux nouveaux ou plus riches. Cependant la solution SE nest pas forcment la mieux adapte aux

titre instruction pour soigner une flure de l'os malaire.

examen si tu examines un homme qui a une flure de l'os malaire, tu trouveras une fluxion saillante et rouge, bordant cette blessure.

diagnostic et pronostic tu diras son sujet : une flure de l'os malaire. C'est un mal que je traiterai.

traitement Tu le panseras avec de la viande frache le premier jour. Le traitement durera jusqu' ce que la fluxion se rduise. Ensuite tu le soigneras avec de la fraise, du miel, et des bandages renouveler chaque jour, jusqu'a ce qu'il gurisse. fig. 1 : expression des connaissances mdicales sur un document datant du premier sicle avant Jsus-Christ.

besoins, aux problmes poss. Il faut se garder de raliser un SE pour faire comme les autres ou cause de la sduction dune publicit bien faite du genre : ralisez votre application SE en 15 jours grce au GSE Dupont ralisez votre SE sans informaticien grce au GSE Durand Formaliser une connaissance de conception On constate aujourdhui que lexpertise tend se dplacer. Par exemple, en fabrication, on ne contrle plus le travail du monteur, on le conoit a priori. On va mme jusqu lautomatiser. Toute lexpertise se trouve alors dans cette automatisation, elle nest fournie que peu par lhomme dexprience, mais est le fruit de rflexions, de prvisions et de calculs. La mme constatation peut se faire dans le domaine du diagnostic et de la maintenance o des SE sont vendus avec les produits. La connaissance

contenue dans ce type de SE provient donc du concepteur et moins de lexprience accumule par les utilisateurs au cours des dpannages.

les SE, plus prcisment

Dfinition dun SE Dune manire gnrale, un SE est un programme qui permet lexploitation des connaissances dans un domaine prcis et rigoureusement limit. Il est utilis pour effectuer des tches intellectuelles, cest--dire des travaux exigeant le savoir et lexprience de lhomme. Un SE est alors capable dassister lutilisateur de manire efficace. Tel un expert humain, un SE na aucune prtention en dehors de sa spcialit. Un SE est un systme informatique o les donnes (la base de connaissance) sont bien spares du programme qui les manipule (le moteur dinfrences).

Cahier Technique Merlin Gerin n 157 / p.5

;; ; ; ;
En cela les SE sont diffrents des logiciels classiques (cf. fig. 2). Le cur dun SE se compose dune base de connaissance et dun moteur dinfrences : la Base de Connaissance (BC), qui contient une base de faits et une base de rgles, reprsente le savoir (les faits permanents) et le savoir-faire (les rgles de lexpert). La base de faits intgre deux types de faits : les faits permanents du domaine et les faits dduits par le moteur dinfrences qui sont propres au cas trait. Prenons un exemple simple (cf. fig. 3) : faits permanents : On peut clairer une lampe avec un interrupteur. Un interrupteur a deux positions : ON et OFF. base de faits : il y a de la tension (V), linterrupteur est ON (I). base de rgle : R1 : SI il y a de la tension et SI linterrupteur est ON, ALORS il y a de la tension aux bornes de la lampe. le moteur dinfrences est un programme charg dexploiter la BC pour mener un raisonnement sur le problme pos en fonction du contenu de la base de faits. Pour cela, il contient un algorithme qui examine les conditions de rgles et vrifie si elles sont vraies ou fausses. Une rgle dont la prmisse (ou partie condition) est vraie est dite applicable. Une prmisse peut contenir une ou plusieurs conditions. Chaque condition correspond un fait ; elle est vraie si le fait est prsent dans la base, fausse si le fait contraire est prsent et inconnue si le fait est absent . Dans lexemple ci-dessus, la prmisse de la rgle cite SI (V) et (I) est compose de deux conditions qui sont vraies car elles existent dans la base de faits. Chaque rgle possde galement une partie conclusion. Ce peut tre une action effectuer ou un fait dduire et rajouter dans la base de faits. Dans lexemple prcdent, si on applique la rgle, le moteur dinfrences va conclure : il y a de la tension aux bornes de la lampe. Il rajoute ce fait dduit la base qui contient maintenant trois faits : il y a de la tension (V),
partie excutable
logiciel classique

partie non excutable

traitements + connaissance

donnes

systme expert

moteur d'infrences

base de rgles +

base de faits

partie cable du systme

partie accessible du systme

fig. 2 : structure logiciel classique et systme expert.

linterrupteur est ON (I), il y a de la tension aux bornes de la lampe (U). La base de faits grossit ainsi tout au long du raisonnement du SE. Un SE comporte galement un minimum de modules priphriques qui permettent son exploitation (cf. fig. 4) : linterface pour laide lacquisition des connaissances fournies par lexpert. Elle peut tre plus ou moins sophistique, laccent tant souvent mis sur une syntaxe des rgles la plus proche possible du langage naturel. Lobjectif ici est de capturer aisment les units de savoir-faire (cest dire de faciliter lexpression la plus directe possible des rgles de production par rapport leur formulation orale) et de donner lexpert la possibilit de modifier frquemment la base de connaissance qui est alors rendue accessible. le module dinteraction avec lutilisateur (Relation Homme-Machine). Ce module ne doit pas tre mis au second plan. Pour que le SE soit utilis son aspect interface doit tre soign. Sans cela, le systme risque de rebuter les personnes destines lutiliser. En effet, lintroduction dun SE dans un service modifie les mthodes de travail, ainsi que lorganisation du groupe, et elle reprsente parfois une premire approche de linformatique pour certaines personnes. Autant faire en sorte que le changement soit agrable et apporte effectivement une amlioration.

V U

fig. 3 : commande d'un relais.

Fonctionnement du SE Le moteur dinfrences se charge de dtecter les rgles applicables, de choisir parmi elles celle quil convient dappliquer, et finalement de lexcuter. Il peut travailler soit en chanage avant soit en chanage arrire. chanage avant Un moteur dinfrences fonctionne en chanage avant quand il lit les rgles lendroit, cest--dire quil utilise les rgles des conditions vers les conclusions. Le raisonnement est alors guid par les faits. Pour le moteur, cela consiste essayer dactiver les rgles en examinant leur condition (ou partie gauche du ALORS) et appliquer celles-ci chaque fois que cest possible. Lapplication dune rgle permet de dduire de nouveaux faits qui viennent enrichir la base. Le moteur sarrte ds quil ne trouve plus de rgles activables. Dans lexemple de la figure 5 les faits sont reprsents par des lettres. Par analogie avec lexemple prcdent, on pourrait avoir : A = il y a de la tension B = linterrupteur est ON.

Cahier Technique Merlin Gerin n 157 / p.6

Exemple : (A, B, C ...sont des faits quelconques) base de faits : A, B base de rgles : R1 : SI A, ALORS C et F R2 : SI B et E, ALORS D R3 : SI C ou F, ALORS E Si lon reprend lexemple de la figure 3 (relais) : On rajoute la base de rgles : R2 : SI il y a de la tension aux bornes de la lampe et SI la lampe est teinte, ALORS la lampe est grille R3 : SI la lampe est grille, ALORS changer la lampe. Aprs la dduction prcdente, le moteur dinfrences peut maintenant appliquer la rgle R2, dont la conclusion rajoute la base de faits : la lampe est grille. La rgle R3 est alors applicable. Sa conclusion est une action. On a ainsi ralis deux infrences conscutives. Il est souvent possible de contrler les infrences du moteur, par exemple en mettant des priorits sur les rgles, afin de forcer le moteur les examiner dans un ordre prcis. Ce contrle peut tre utile dans les cas o il est ncessaire de hirarchiser la connaissance. Il peut se faire de plusieurs manires dont la plus sophistique est certainement la prise en compte des mta-connaissances, ou connaissances sur lutilisation de la connaissance. On parle alors de mtargles. Exemple de mtargle : SI ... ALORS ne considrer que les rgles portant sur ltat des tensions lectriques. Lexemple prcdent est un exemple de SE travaillant en chanage avant. le chanage arrire Un moteur dinfrences fonctionne en chanage arrire quand il lit les rgles lenvers, cest--dire quand il utilise les rgles des conclusions vers les conditions. Le raisonnement est alors guid par les buts. Un but est un fait dmontrer. Pour le moteur, cela consiste donc se fixer un but, puis examiner les rgles permettant de ltablir. Cela lamne vrifier de nouveaux buts (sous-buts du but initial ou buts intermdiaires) et ainsi de suite jusqu atteindre des faits connus (appartenant la base). Il choue chaque fois quun but intermdiaire (ou fait) ncessaire nest pas prouvable.

moteur d'infrences

base de connaissances base de faits permanents + dduits base de rgles

module d'aide l'acquisition des connaissances

module d'interaction avec l'utilisateur

utilisateur

expert

fig. 4 : structure gnrale de l'organisation d'un SE.

A B R1 A

F C

B R3 A

F C

E
R2 = base de faits

A B F

D
E C

Ri = application de la rgle Ri

lettres en gras = faits dduits

fig. 5 : fonctionnement du moteur d'infrences en chanage avant - volution de la base de connaissance.

Cahier Technique Merlin Gerin n 157 / p.7

Pour expliciter le chanage arrire, examinons le schma de la figure 6 : base de faits : A, B base de rgles : R1 : SI A, ALORS F R2 : SI H et E, ALORS D R3 : SI C ou F, ALORS E R4 : SI B et D, ALORS G R5 : SI B, ALORS H But initial ( dmontrer) : D Raisonnement en chanage arrire : 0- Si le but tablir est dans la base de faits : SUCCES et FIN ; sinon : 1- Chercher une rgle permettant de dmontrer D. 2- Lappliquer et tablir les buts intermdiaires dmontrer. 3- Chercher dmontrer les buts intermdiaires . Pour dmontrer D, il faut dmontrer H et E : (R2) Pour dmontrer H, il faut dmontrer B : (R5) B est dans la base de faits donc H est dmontr Pour dmontrer E, il faut dmontrer C ou F : (R3) Aucune rgle ne permet de dmontrer C Pour dmontrer F, il faut dmontrer A : (R1) A est dans la base de faits donc F est dmontr F est dmontr donc E est dmontr H et E sont dmontrs donc D est dmontr SUCCES Pour tre encore plus concret, appliquons le chanage arrire au circuit de commande dun contacteur (cf. fig. 7 et 8) : base de faits : La bobine est bonne. Il y a auto-alimentation. base de rgles : R1 : SI le bouton M est enfonc OU auto-alimentation ALORS la bobine est alimente. R2 : SI la bobine est alimente ET quelle est bonne ALORS le contacteur est ferm. But dmontrer : Le contacteur est-il ferm ? chanage avant ou chanage arrire ? Aucune de ces deux techniques nest reconnue suprieure lautre, cependant il y a des types de problmes pour lesquels on choisira plus facilement lune ou lautre. Si un but prcis doit tre atteint par exemple : Le moteur lectrique est-il en rgime tabli ?, il est conseill de disposer dun moteur chanage arrire.

En revanche, lorsque le programme a pour tche de recueillir des informations pour dterminer des tats successifs et prendre une dcision ou dclencher une action, le chanage

avant est alors mieux adapt. Cest le cas par exemple du diagnostic o lon part de ltat observ sur la machine en panne pour remonter llment qui a caus la dfaillance.

but initial dmontrer

R2

ET H E sous-buts

R5

R3

B OU C fait non prouvable mais non ncessaire R1 F

A D est prouv : succs

fig. 6 : raisonnement en chanage arrire.

fig. 7 : commande d'un contacteur.

Cahier Technique Merlin Gerin n 157 / p.8

ralisation dun SE
Cahier des charges et choix des intervenants. Un SE est un programme informatique. Sa ralisation et son utilisation posent donc tous les problmes classiques rencontrs par les informaticiens : la connaissance et lanalyse du domaine, des besoins et de lenvironnement dutilisation requirent un soin particulier. Il est trs important que les limites daction du SE soient bien fixes. lquipe de travail devra tre judicieusement choisie car le bon droulement dun projet SE repose sur une collaboration importante entre les diffrents acteurs : experts, informaticiens, responsables ...

la responsabilit relative lexpertise une fois informatise. En effet, dans le cas dun SE de diagnostic de panne dun systme de contrle/commande par exemple, o un arrt peut coter cher, qui est responsable dune erreur dans le programme, linformaticien qui a conu le SE, lexpert qui a fourni la connaissance ou le cogniticien qui la analyse ?

Le dveloppement Le dveloppement dun SE est un travail long et dlicat, qui ncessite la mise en uvre doutils adquats, tant au niveau logiciel (langage et environnement de programmation, outils volus de dveloppement) que matriel. On peut valuer le temps ncessaire au dveloppement dun SE en le comparant au temps quil faudrait

contacteur ferm

(but initial dmontrer)

R2

ET la bobine est bonne

la bobine est sous-tension

R1

pour former un expert humain capable de raliser la mme prestation dans un domaine bien dfini. Un SE requiert une base de connaissances qui doit tre la plus complte et la plus structure possible. Il est spcialis dans la ralisation dune fonction prcise, en dehors de laquelle il na aucune prtention. Et, mme en respectant cette limite, les volumes de connaissance obtenus sont considrables. En approfondissant, on saperoit trs vite que lexploitation dun savoir-faire, mme trs restreint, ncessite une grande quantit de donnes, a priori implicites voire videntes, mais quil faut cependant entrer explicitement dans le systme. On peut raliser un SE partir dun langage tel que Pascal ou C, mais on choisira plus facilement Lisp, Prolog ou un langage orient objets (C++, Smalltalk ...). En effet, ces langages sont mieux adapts au raisonnement dductif des SE (les rgles) que les langages classiques qui eux sont plus appropris une programmation procdurale et squentielle. Une autre possibilit est de dvelopper son SE partir dun Gnrateur de Systmes Experts (GSE). On appelle ainsi des outils informatiques volus, assimilables des SE vides, cest-dire dont la Base de Connaissance est remplir. Ce sont des environnements complets et gnraux qui intgrent un moteur dinfrences (indpendant de la BC), ainsi que divers modules daide au dveloppement tels quun diteur de connaissances pour le remplissage de la base, un tableur, un gestionnaire de bases de donnes... Citons quelques gnrateurs parmi les plus connus : DIAGNEX, GURU, N-EXPERT, PC+, SNARK, ... Les intervenants La construction dun SE repose essentiellement sur trois personnes : lexpert, le cogniticien et linformaticien. Chacun a un rle particulier jouer dans les diffrentes tapes du projet. Rapidement, les tches peuvent se rpartir de la manire suivante : le cogniticien recueille et analyse la connaissance fournie par lexpert, ensuite linformaticien choisit loutil de dveloppement et structure les donnes pour les entrer en machine.

OU

le bouton MA est enfonc

auto-alimentation

le but est dmontr : succs

fig. 8 : exemple de chanage arrire.

Cahier Technique Merlin Gerin n 157 / p.9

problmes gestion de production domaines aide la conception contrle pilotage surveillance diagnostic/ maintenance

fig. 9 : rpartition des problmes traits grce des applications de type SE dans diffrents domaines de l'industrie.

Les principaux domaines dapplication (cf. fig. 9) Actuellement, les problmes de diagnostic et de maintenance sont bien rsolus par les SE et reprsentent eux seuls 39 % des applications SE. On trouve des SE de diagnostic dans des secteurs aussi divers que la mdecine, lindustrie, lassurance. Dans lindustrie, on dveloppe des SE dans diffrents domaines dactivit tels que la Conception Assiste par Ordinateur (CAO mcanique ou lectronique), la productique (contrle/ commande de process, ordonnancement, planification de tches, robotique), et le diagnostic, dj cit, qui regroupe : diagnostic de panne, incident, dfaut de fabrication ... Un SE peut galement aider choisir un matriau ou un composant dans une base de donnes.

; ; ; ;
valeurs relatives :

Cahier Technique Merlin Gerin n 157 / p.10

; ; ;;;; ; ;;; ;
BTP construction lectronique nergie aronautique mcan./mtallurg. automobile chimie/biochimie (12 %) (26 %) (21 %) (39 %)

(12 %)

(18 %)

(15 %)

(15 %)

(21 %)

(7 %)

(12 %)

volution des SE
Lefficacit et la convivialit des SE dpend fortement des modules, fonctions, interfaces, logiciels, qui gravitent autour du cur du SE (BC + moteurs). Ceux-ci sont reprsents sur la figure 10 et explicits ci-aprs. Ils sont encore lobjet de travaux de recherche et de dveloppement. Apprentissage Une premire interrogation vient tout de suite lesprit : peut-on rellement parler dIntelligence sans apprentissage ? Pour ce qui concerne les SE une dfinition rapide de lapprentissage serait : amlioration automatique des Bases de Connaissances (BC) afin damliorer les rsultats. Ceci signifie deux choses : modifier les rgles (les affiner) de la BC, partir dun jugement port par lexpert sur les

rsultats et dcouvrir de nouvelles rgles par gnralisation inductive partir de cas individuels. Il faut cependant prciser que Systme Expert nest pas quivalent : programme qui apprend et samliore tout seul. Un SE, sil nest pas dot dun module dapprentissage spcialis, aura fatalement le mme comportement dans les mmes conditions. Il reproduira les mmes erreurs si on lui fournit les mmes entres. De nos jours, part de rares exceptions, un SE ne samliore pas en exploitant son exprience et na pas la facult denrichir tout seul sa BC. Les techniques dapprentissage ne sont pas encore suffisamment volues pour tre intgres aux systmes industriels. Dans un proche avenir, elles seront probablement utilises pour automatiser la constitution des BC, qui tendent saccrotre considrablement.

Recueil et analyse des connaissances Les principales difficults que lon rencontre au cours du dveloppement dun SE se trouvent au niveau de lexpression de la connaissance. Les problmes interviennent ds lanalyse du discours recueilli chez lexpert. Lacquisition des connaissances ou analyse du discours de lexpert est toujours une tche longue et fastidieuse. Elle met en collaboration deux personnes : lexpert et le cogniticien, sur lesquelles repose la construction du SE. Son succs dpendra dailleurs fortement des rapports que ces 2 intervenants auront entretenus tout au long de leurs divers contacts (cf fig.11: lexpert et son cogniticien, extrait de Bonnet p165).

multi-expertise

interfaces

reprsentation des connaissances

systmes experts

module explicatif

analyse du discours

apprentissage

fig. 10 : domaines connexes des SE.

Les deux intervenants de base pour la construction dun systme-expert sont : lexpert du domaine considr et le cogniticien. Les rapports de ces deux intervenants devront tre fonds sur une bonne comprhension mutuelle, une confiance rciproque et labsence de rtention dinformations. Le succs dpend largement de la qualit de ces hommes et de celle de leur relation. Chez lexpert, les qualits rechercher sont : son autorit intellectuelle indiscutable, complte par une longue pratique ; sa volont et sa capacit de communiquer son savoir ; son attitude lintrospection ; son got pour la recherche de solutions neuves et la remise en cause permanente de ses acquis ; son exprience du travail en groupe ; sa disponibilit, sa patience, sa tnacit, pour ne pas parler dendurance et de sa tolrance lerreur. Le cogniticien devra avoir : une logique sans faille ; une solide culture scientifique et technique, gnralement acquises dans une grande cole dingnieur ou au cours dun troisime cycle universitaire ; une matrise parfaite de linformatique avance ; une grande rudition en Intelligence Artificielle enfin, une capacit dcoute ou, mieux, une avidit dapprendre, complte par une bonne technique dinterviews inspire de celles pratiques en psychologie. Lexpert et le cogniticien devront sentendre. Cest dire quils devront scouter, mais aussi quils devront savoir instaurer un lien dlicat fait dempathie et de recul critique, de volont dassimiler lautre sans perdre sa propre identit. Les motifs dchec de cette relation ne manquent pas comme on peut bien limaginer. Sans nous arrter aux erreurs techniques de conduite de la relation, nommons simplement certaines causes dchec lies structurellement la situation : lexpert est un homme dexprience, donc souvent g. Le cogniticien, artisan dune discipline naissante, est la plupart du temps un jeune ingnieur. De cette diffrence peut natre le meilleur comme le pire. Le meilleur ressemble assez une relation matre-disciple, genre oriental. Le pire sinspire de tout ce que lon regroupe aujourdhui sous la locution de conflit de gnrations. lexpert est un homme important. Le cogniticien lest moins ; lexpert est un homme occup. Le cogniticien na rien dautre faire ... que dimportuner lexpert ; lexpert dtient un capital. Le cogniticien est pay pour le lui soustraire ; lexpert est au coeur de linstitution, dont il connat et dfend les valeurs. Le cogniticien, la priphrie, sinon totalement lextrieur, est un corps tranger ; lexpert sexpose, en mme temps quil expose son savoir. Le cogniticien le scrute, et parfois le censure. Lexpert est lobjet de lactivit du cogniticien.

fig. 11 : Relations entre lexpert et son cogniticien.

Cahier Technique Merlin Gerin n 157 / p.11

Aujourdhui, plusieurs mthodes dinterrogation de lexpert sont en train de se dvelopper et actuellement, elles sont en passe de devenir de vritables outils informatiques de gestion des connaissances. Ces mthodes interviennent dans la phase modlisation de la connaissance avec un double objectif : dune part fournir des techniques pour recueillir et analyser lexpertise afin dtre en mesure de la reprsenter en machine, dautre part, fournir un guide mthodologique pour mener bien le dveloppement du SE. Reprsentation des connaissances. Ltape suivante se situe au niveau de la reprsentation de ces connaissances dans la base du SE. Le bon droulement et les rsultats obtenus lors de la phase prcdente, analyse des connaissances, sont primordiaux pour choisir le meilleur modle de reprsentation, compte tenu du type des connaissances capter. Il faut dabord garantir la qualit de lexpertise recueillie et celle du modle de reprsentation retenu pour limplanter en machine. Ensuite il sagit de grer au mieux son volume pour une utilisation optimale et des rsultats performants. Cependant, les connaissances telles que le bon sens par exemple, que nous utilisons sans mme nous en apercevoir, sont trs difficiles modliser. La pense de bon sens est plus complexe que beaucoup de dmarches purement intellectuelles, qui, elles, suscitent plus dattention. Elle fait souvent appel de nombreux types diffrents de reprsentation, et ncessite donc une gamme de comptences beaucoup plus large (cf. fig. 12 : Minski : le bon sens p. 26). Des amliorations rcentes, en particulier le raisonnement profondeur variable et les reprsentations multi-modales, sont peut-tre un apport lamlioration de la traduction du bon sens. Les interfaces Dans un SE, les interfaces jouent un rle trs important car elles interviennent toutes les tapes du cycle de vie : dveloppement exploitation - volution.

Leur ralisation requiert beaucoup dattention car lacceptation du systme par les utilisateurs en dpend comme nous lavons dj vu dans le chapitre dfinition du SE. Les interfaces les plus importantes sont : celles qui permettent lexpert daccder la base de connaissance, en gnral pour la maintenir et la faire voluer et celles qui, lors dune session experte, supportent le dialogue utilisateur-systme. Les diffrentes interfaces SE/homme et SE/environnement sont reprsentes sur la figure 13. Le module explicatif Un systme expert est souvent dot dun module explicatif dont le rle est dtablir la trace du raisonnement quil a effectu. Le but de ce module est de permettre aux utilisateurs et aux experts de suivre lenchanement des infrences effectues par le systme, cest dire la succession de faits ayant engendr la solution. Cette trace est trs difficile tablir de manire claire et comprhensible car elle ncessite des connaissances particulires appeles Mta connaissances. Celles-ci ne dcoulent pas du savoir de lexpert

mais dun savoir de mise en uvre de lexpertise comme indiqu dans le paragraphe fonctionnement du SE. La multi-expertise Une limitation actuelle des SE concerne lutilisation dune seule Base de Connaissances. Or, certaines applications complexes ncessitent le recours des sources de connaissance varies, autrement dit la coopration de divers experts qui contribuent chacun la recherche dune solution. Depuis quelques annes, les recherches sur ce nouveau thme dtude, appel aussi Intelligence Artificielle Distribue (DAI, en anglais) commencent se dvelopper en France. Des architectures de systmes permettant une telle collaboration ont t proposes et utilises par exemple pour la comprhension automatique de la parole, domaine typique o des connaissances trs diverses sont ncessaires : analyse des sons, reconnaissance des diffrents lexmes de la phrase, analyses lexicale, syntaxique et smantique ... Ces architectures avances de SE prsentent des caractristiques intressantes : fonctionnement parallle et synchrone des BC, rsolution de problmes diffrents niveaux dabstraction ... , mais sont encore difficiles mettre en uvre. Leur utilisation peut nanmoins se dvelopper dans lavenir grce lapparition sur le march doutils puissants dots dinterfaces et de fonctionnalits logicielles facilitant leur dveloppement.

Le bon sens nest justement pas une chose simple. Cest, bien au contraire, une immense socit dides pratiques durement acquises, de multitudes de rgles et dexceptions enseignes par la vie, de dispositions et de tendances, de poids et de contrepoids.
Si le bon sens est si divers et si complexe, quest-ce qui le fait paratre si vident et naturel ? Cette illusion de simplicit rsulte du fait que nous perdons de vue ce qui sest pass pendant notre petite enfance lorsque nous faonnions nos premires aptitudes. Et au fur et mesure que chaque groupe daptitudes saffermit, nous ajoutons de nouvelles couches par-dessus. Plus le temps passe, plus les couches de dessous sloignent, jusquau moment o, plus tard dans la vie, quand nous essayons den parler, nous ne trouvons rien dautre dire que : je ne sais pas.

fig.12 : le bon sens.

Cahier Technique Merlin Gerin n 157 / p.12

acquisition de donnes capteurs et actionneurs interfaces

acquisition de donnes bases de donnes externes

trace de la rsolution module explicatif

moteur d'infrences induction dduction simulation planification

application des rgles

mise jour base de faits

dialogue SE-utilisateur

base de connaissance = base de rgles + base de faits

module d'acquisition des connaissances

utilisateur langage de recueil de la connaissance

espace de travail tat courant de la rsolution

expert

fig. 13 : les interfaces du SE en exploitation.

Cahier Technique Merlin Gerin n 157 / p.13

3. les applications chez Merlin Gerin

Merlin Gerin sintresse aux techniques des SE depuis le dbut des annes 80, dans le but damliorer les produits et les services quil met la disposition des clients. Par exemple, chacun connat aujourdhui lessor des systmes de Conception Assiste par Ordinateur (CAO) dans les entreprises. Comment rentabiliser au maximum ces outils informatiques afin damliorer la productivit des oprateurs qui les utilisent ? La solution consistant connecter un module de SE un outil de CAO permet de fournir aux diffrents utilisateurs lexprience de ceux qui ont la matrise de loutil. La conception des produits gagne en rapidit, ce qui entrane la baisse des cots de revient finaux. Dans un tout autre domaine, tel la gestion des ateliers, MERLIN GERIN a galement tudi la solution SE. Ici, lobjectif est daider lexploitant obtenir un flux lisse dans les ateliers de production, ce qui signifie moins den-cours sur la ligne et donc une livraison plus rapide au client. Dautre part, la tendance actuelle privilgie de plus en plus laspect service vendu au client autour dun produit. Dans ce cas galement, les SE ont un rle jouer. Par exemple, un SE de diagnostic de panne peut tre propos lutilisateur dun onduleur pour lui permettre dintervenir lui-mme. Nous allons prsenter rapidement ciaprs cinq exemples varis et significatifs de SE dveloppes par Merlin Gerin : aide aux calculs de fiabilit : logiciel ADELIA ; aide la lutte contre le feu : logiciel SALADIN ; aide la maintenance et au dpannage dans les centrales nuclaires : logiciel SILEX ; aide au pilotage datelier : logiciel ALEXIS ; aide la conduite de la production et de la distribution de lnergie lectrique dans un sous marin : logiciel SYRACUSE.

fiabilit, sret des rseaux lectriques.

La fiabilit est aujourdhui une science ; elle a pour but la matrise des dfaillances. Du fait de laccroissement des applications de llectronique dans tous les secteurs : mdical, industriel, informatique etc..., il est de plus en plus important davoir une disponibilit quasi totale de lnergie lectrique. Les concepteurs, ralisateurs et exploitants des rseaux lectriques ont besoin de sappuyer sur un ensemble de mthodes dvaluation qualitatives et quantitatives de la fiabilit. ADELIA est un Systme Expert. Il est actuellement utilis dans le Service Etude de Rseaux de Merlin Gerin, par les concepteurs de rseaux lectriques, et intervient dans la phase tude de fiabilit. ADELIA a pour but ltude de la fiabilit en termes de disponibilit de lnergie lectrique dans les rseaux (voir aussi le cahier technique n 148). Autrement dit, seules les dfaillances qui suppriment la tension en un point du rseau sont prises en compte et non celles qui modifient sa qualit. La mthode choisie pour raliser ces tudes de fiabilit est celle des arbres

de dfaillance. Cest en effet, avec les graphes de Markov, un des outils majeurs de lvaluation de la sret des systmes. La construction dun arbre de dfaillance commence par la dsignation de lvnement indsirable. Celui-ci est ensuite dcompos en vnements intermdiaires qui lexplicitent sous forme de causes immdiates. Ces vnements sont leur tour dvelopps et ainsi de suite jusqu ce que toute nouvelle dcomposition soit impossible. On obtient alors les feuilles de larbre, qui reprsentent les dfaillances lmentaires du rseau tudi (cf. fig. 14 et 15). La construction de larbre, et surtout les calculs qui lui sont associs, est une entreprise considrable, voire impossible raliser manuellement ; do lide de crer un outil informatique, un SE, pour le construire automatiquement. Grce ADELIA des rsultats sur la fiabilit dun systme sont obtenus rapidement. Lanalyse de ceux-ci permet au concepteur, pour un niveau de sret donn, doptimiser sur le plan technico-conomique la configuration de son rseau.

EDF

B JDB 1

C JDB 2 E

D JDB 3 F

fig. 14 : rseau de distribution.

Cahier Technique Merlin Gerin n 157 / p.14

absence nergie dpart E G11*

df. JDB 3 2*1*

JDB 3 non aliment G22*

ouvert. intemp. dis.E 2*3*

remonte CC aval par F G24*

df. cble 3*1*

ouvert. intemp. dis.D 3*2*

absence nergie JDB 1 G33*

non ouv. disj.F sur CC 3*4*

CC en aval de F 3*5*

df. JBD 1 4*1*

JDB 1 non aliment G42*

remonte CC aval par C G43*

deux lignes dtail. G51*

absence nergie EDF HT 5*2*

court circuit aval C G53*

non ouv. disj.C sur CC 5*4*

LIGNE A G61*

LIGNE B G62*

cble 6*3*

JDB 2 6*4*

transfo. A 7*1*

disj. A 7*2*

transfo. B 7*3*

disj. B 7*4*

fig. 15 : arbre de dfaillance correspondant au rseau de la figure 14.

Cahier Technique Merlin Gerin n 157 / p.15

Utilisation dADELIA, interfaces La configuration du rseau est toujours assure par le concepteur. Ce schma lui sert de base pour ltude quil va mener avec ADELIA. Une session ADELIA commence donc par la saisie du rseau lectrique partir dun ensemble de composants connus du systme, cest--dire dont les caractristiques des modes de dfaillance associs ont t donnes par lutilisateur. Une interface ddie (base sur lutilisation de la souris et de menus droulants) permet une saisie rapide du rseau et une vrification graphique des informations saisies. A chaque rseau est donc associ un fichier de composants lectriques : disjoncteurs, transformateurs, interrupteurs, cbles ... Chacun dentre eux possde un ou plusieurs modes de dfaillance auxquels sont attribues trois valeurs : le taux de dfaillance ; le temps de rparation ; lindisponibilit. La figure 16 montre les lments de l'cran de saisie des caractristiques des composants du rseau tudi. A partir dun ensemble de rgles expertes, le systme construit larbre de dfaillance associ au rseau et calcule le taux de dfaillance de lvnement indsirable (ou vnement sommet) grce au fichier des composants. Larbre est dessin lcran et les valeurs numriques calcules sont accessibles directement en dsignant sur le dessin, avec la souris, llment auquel on sintresse. Au vu de ces rsultats, lutilisateur peut amliorer, reconfigurer son rseau et relancer ltude de fiabilit afin datteindre, au meilleur cot, lobjectif de disponibilit du courant recherch.

chaque local ou compartiment en fonction de son contenu, plus ou moins inflammable, de sa position et de son importance vis--vis des uvres vives. De plus, il doit connatre exactement les moyens de lutte existants (emplacement, fonction) ainsi que les moyens mobiles dextinction. SALADIN -Systme dAide LA Dcision pour le combat contre les INcendies- a donc t conu pour assister la lutte contre la propagation des incendies, ds la dclaration de ceux-ci. SALADIN connat la disposition des locaux, leurs accs, leurs particularits et leurs moyens de lutte. Il est donc en mesure dapporter son aide la fois pour tenir jour la situation, dterminer les risques dextension du feu et organiser les interventions. Le systme est lanc par un oprateur qui lui donne en entre la situation au dbut de lincendie : localisation du foyer, intensit de lincendie initial (entier de 1 6), nature de lincendie initial (explosion, court-circuit ...). En retour, SALADIN, traitant par exemple le cas dun navire, fournit la liste des compartiments qui risquent dtre touchs en prcisant les notions dimminence de propagation (court, moyen ou long terme) et de danger

(risque encouru par le btiment si tel compartiment est touch). Il fournit galement des propositions de : mise en uvre des installations fixes dextinction, stoppage des circuits de ventilation, mesures de sauvegarde des personnes et des biens. Linterface graphique de SALADIN permet de visualiser pour chaque pont du navire lensemble des zones d'incendie ainsi que leur imminence de propagation, reprsents grce diffrentes couleurs. SALADIN offre galement la possibilit de faire un zoom sur une partie du bateau afin de voir en dtail ltat des compartiments touchs autour dun point donn.

scurit, disponibilit des centrales nuclaires

SILEX est un SE pour laide aux exploitants de centrales nuclaires, dont le dpannage et la maintenance exigent des interventions rapides et efficaces. Etant donn le volume et la complexit des quipements, ainsi que leur faible taux de dfaillance, seuls le concepteur-constructeur et les utilisateurs avertis possdent lexprience ncessaire ces interventions, laquelle ne doit pas se diluer avec le temps.

Saisie des composants lectriques liste des modes de dfaillance du composant slectionn ici

disjoncteur MT disjoncteur HT transformateur MT

non ouverture ouverture intempestive provoque un dfaut

propagation dincendies dans les btiments

Le feu reprsente un danger majeur pour certains btiments (navires, tours etc ...). Il est fondamental de le combattre au mieux, ds quil se dclare. Ainsi, pour remplir efficacement sa mission, le responsable de la lutte contre lincendie doit pouvoir anticiper lextension du sinistre afin de prendre rapidement les mesures qui simposent. Pour cela il doit tenir compte du danger potentiel de
dtail du mode de dfaillance slectionn

interrupteur

taux de dfaillance = temps de rparation = indisponibilit =

fig. 16 : interface de saisie des composants. (composant slectionn : disjoncteur HT, mode de dfaillance slectionn : provoque un dfaut

Cahier Technique Merlin Gerin n 157 / p.16

SILEX sintresse plus particulirement au systme de commande des grappes de contrle dun racteur 900 MW (RGL 900) ; cest un quipement lectrique et lectronique important des centrales nuclaires. Il est constitu darmoires de commande dont les dfaillances affectent directement la disponibilit de la tranche nuclaire. Sa taille (six armoires et plus de 1700 composants par armoire) et sa complexit de fonctionnement font quil est impossible un dpanneur den possder une connaissance analytique et exhaustive. De plus, les dfaillances ne sont pas assez frquentes pour entretenir des quipes de maintenance spcialises. Enfin les mthodes de diagnostic ne permettent pas de traiter toutes les dfaillances. Pour toutes ces raisons, les dpannages sont difficiles, longs et affectent la disponibilit de la Centrale. Cest pourquoi cet quipement est dlicat dpanner en priode dexploitation. Le SE SILEX rpond au problme en mettant la disposition des exploitants une aide au diagnostic qui permet de surmonter la complexit fonctionnelle de lquipement, de les guider efficacement dans le dpannage grce ses grandes capacits en termes de mthodologie et de convivialit. Utilisation de SILEX Le SE est utilis dans le local du RGL 900, en face de ce dernier mais sans aucune connexion avec lui. Ds quune signalisation de dfaut apparat sur lquipement, lutilisateur mule le SE. Le point de dpart est lentre dans le SE des informations correspondant aux dfauts signals en salle de commande. Le SE entreprend alors la recherche de la panne grce une approche descendante. Il exploite les relations de causalit entre les diffrentes fonctions de lquipement. Le dpanneur fournit au fur et mesure au systme les informations ncessaires ltablissement du diagnostic. Cest pourquoi linterface utilisateur du systme est la plus conviviale possible, tant au niveau de la prsentation des crans, qu celui des textes aide oprateurs, lesquels indiquent au dpanneur la procdure suivre, les grandeurs mesurer, pour rpondre aux questions du SE.

Quand il a dtect llment dfaillant, le SE propose de le dpanner ou de le remplacer. Un traitement postdiagnostic permet de sassurer que les signalisations de dfauts ont bien toutes disparues. Si certaines persistent, le SE peut conseiller dentreprendre un nouveau diagnostic. Sur le terrain SILEX a considrablement amlior la performance des dpanneurs et la disponibilit du systme de contrlecommande.

pilotage datelier
Merlin Gerin, en collaboration avec ITMI et le LIFIA (laboratoire universitaire), a dvelopp un systme expert daide au pilotage datelier de production : ALEXIS. Ce systme, en partie financ par le ministre de la recherche, sappuie sur un site pilote : la ligne flexible dassemblage du disjoncteur BT Masterpact. Rappelons que, dune manire gnrale, le pilotage datelier est une activit de prise de dcision en temps rel, impliquant les actions suivantes : planifier et ordonnancer les ordres de fabrication ; cette tche peut tre effectue hors-ligne ;

excuter en temps rel le plan de fabrication en compensant ventuellement les drives locales (sans tre contradictoire avec loptimisation globale du plan) ; ragir en cas de perturbations globales importantes ou dala (pannes physiques, manquants ) ; rendre visibles ltat de latelier et les drives de production. Do la structure retenue pour ALEXIS (cf. fig. 17 ) : simulation Une premire tape obligatoire consiste en la simulation de latelier. Celle-ci permet de tester diffrentes configurations et dvaluer diffrentes logiques de gestion de la ligne. Etant donns les pr-requis de progressivit et dvolutivit, nous avons choisi dutiliser des techniques de programmation objet. Attention, la simulation savre tre un outil trs puissant quil faut utiliser avec mthode sous peine de graves dsillusions. Cest pourquoi une part importante du travail consiste en des tests de conformit avec la ralit. ordonnancement Les systmes dordonnancement prvisionnel (hors-ligne) peuvent grandement amliorer les performances.

informations exploitant alarmes, repres

surveillance

ajustements

SUIVI DE PRODUCTION

GESTION LOCALE DE LA PRODUCTION

ordres d'xcution systme physique de production SIMULATEUR programme de fabrication ressources contraintes

ORDONNANCEMENT plan de fabrication

fig. 17 : organisation fonctionnelle du systme ALEXIS.

Cahier Technique Merlin Gerin n 157 / p.17

Pour Alexis, il sagit de construire un bon ordonnancement initial, robuste aux diffrentes variabilits opratoires (temps dassemblage extrmement diffrents suivant le type dappareil, variation de la productivit humaine en cours de journe ). gestion locale de la production Au niveau local, nous mettons en place des heuristiques de gestion de la production (paquets de rgles de bon sens) tendant diminuer len-cours, respecter les dlais, viter les famines Cette gestion concerne uniquement les files dattente aux postes, il sagit chaque instant et pour chaque poste de trouver dans sa file dattente le meilleur travail raliser. surveillance, information lexploitant Cest un des points importants dacceptation du SE. Pour rendre les dcisions de lexploitant plus rapides et plus fiables il sagit danalyser la situation courante de latelier et de la prsenter de manire synthtique mais conviviale. suivi de production Cest le module qui a pour objectif de maintenir jour un ensemble de donnes reprsentatives de ltat courant de latelier et deffectuer des calculs statistiques ou de bon sens permettant dapprhender le travail dj ralis. Cette base objets constitue le cur de lapplication. Le projet ALEXIS sest droul simultanment une forte rorganisation de latelier pilote : lanalyse mene pour la modlisation de latelier, base sur une rflexion industrielle importante, a contribu llaboration des nouvelles structures ; le simulateur de latelier a t utilis pour dfinir limplantation physique des postes et modifier la transitique (gestion du dplacement des appareils en cours dans latelier) ; le module information lexploitant, ralis en troite collaboration avec le site pilote, a suscit le plus vif intrt et parat indispensable intgrer aux dveloppements futurs.

distribution dnergie lectrique et reconfiguration de rseaux

SYRACUSE -SYstme de Reconfiguration pour lAide la Conduite de lUSine Electriqueest un systme informatique pour laide la conduite de la production et de la distribution dlectricit dans un sous-marin. La mission consiste assurer bord du btiment les mmes prestations que lElectricit de France terre, savoir : distribuer lnergie aux utilisateurs ; assurer la continuit de cette distribution ; grer au mieux lemploi des sources ; masquer les avaries ct utilisateur ; assurer la protection du rseau ; avoir en permanence une configuration robuste du rseau. Les deux aspects transparence des avaries ct utilisateur et robustesse du rseau, imposent en fait de reconfigurer le rseau lectrique la suite de chaque avarie. Cette reconfiguration, qui consiste essentiellement en une suite ordonne de manuvres de disjoncteurs, est effectue depuis un pupitre lectrotechnique par un oprateur averti. Sur la nouvelle gnration de sousmarins, le personnel se trouve rduit et plus polyvalent (donc moins spcialiste). Autrement dit, il ny a pas en permanence un lectrotechnicien confirm au pupitre de la production et de la distribution de llectricit. Or, jusqu prsent, en dehors de cas bien prcis, analyss, rpertoris, laction mener dpend de la logique et de lexprience de loprateur. Les deux rles dun systme de reconfiguration pour laide la conduite du systme lectrique apparaissent donc clairement : prparer des informations adquates en attendant larrive dun oprateur, aider loprateur dans les cas les plus complexes, proposer des solutions et justifier les choix effectus. Avec ces deux objectifs, SYRACUSE est une aide efficace la reconfiguration du rseau lectrique suite un incident.

Vu laspect combinatoire et la taille du problme, SYRACUSE utilise la mthode du formalisme de contrainte. Exemple de contrainte : Une BB - batterie bbord- ne doit pas tre en liaison avec une BT -batterie tribord-. Cette contrainte, dans le langage SE, se traduit par : pour BB, BT vrifier pas de liaison entre BB et BT si faux alors dconnecter BB, BT. Plus gnralement, une contrainte sexprime sous la forme : pour X1, X2.....Xn, vrifier fonction ( X1, X2.....Xn,) si faux, alors action correctrice ( X1, X2.....Xn). Chaque contrainte non vrifie permet, partir dune configuration donne du rseau, de gnrer autant de configurations induites par les actions correctives associes la contrainte. Toutes ces nouvelles configurations conduisent progressivement rtablir la distribution lectrique.

Cahier Technique Merlin Gerin n 157 / p.18

4. lIntelligence Artificielle

dfinition et but
Les SE font partie du vaste domaine de lI.A.. Il nest pas facile de cerner cette activit en constante volution et mme de dfinir exactement lI.A.. Cette appellation, fortement controverse parce que prtentieuse, se justifie pourtant en remontant aux origines de lI.A.. En effet, lobjectif des premiers chercheurs tait rellement de concevoir des machines intelligentes, capables dimiter lhomme dans ses tches intellectuelles les plus complexes. Ayant compris trs vite les limites de ces ambitions leurs successeurs, sans revenir sur le vocable, ont poursuivi les travaux en sorientant aujourdhui vers la recherche de nouvelles techniques informatiques (en soft ou hard) en programmation ou en matriel) telles que les SE, les langages objets ou les machines LISP ddies la programmation symbolique. LI.A. est finalement une branche de linformatique dont le but est de raliser des systmes intgrant un grand nombre de connaissances et de

traitements. Dans tous les secteurs dactivit les techniques de lI.A. tendent largir le champ daction des ordinateurs en leur donnant la possibilit de voir, entendre, raisonner, parler, agir ... Lintelligence est le propre de lhomme. Elle lui permet : de ragir diverses situations mme sil les rencontre pour la premire fois ; dinnover ; de crer. Artificielle se dit dune action qui relve dun artifice ; ce qui est artificiel nest pas inn, mais fabriqu de toutes pices, gnralement dans un but prcis. Intelligence Artificielle signifie simulation des comportements humains. Dans son contexte informatique, cest ragir comme lhomme alors que la solution algorithmique nest pas connue, nexiste pas. Aussi le but de lI.A. est de faire en sorte que lordinateur, rsidant par exemple dans un robot, se comporte

comme lhomme cest dire : capte des informations, avec lquivalent de tout ou partie de nos cinq sens ; soit capable de raisonner et de sadapter une situation nouvelle ; soit capable dagir ou de communiquer en consquence. Le robot daujourdhui utilise linformatique classique, le plus souvent un automate programmable. Il est programm de manire squentielle pour accomplir un travail, une srie dactions rptitives. Le robot du futur devrait, grce aux techniques de lI.A., pouvoir faire face des situations imprvues, cest--dire avoir une capacit de jugement au moins gale celle dun ouvrier spcialis, (cf. fig. 18). Les systmes experts se rapprochent des comportements intelligents puisquils peuvent, grce au moteur dinfrence, gnrer des faits nouveaux. Par ailleurs, ils sont conus pour tre volutifs. Les SE constituent la grande majorit des activits de lI.A.

; ; ;;

;; ;

fig. 18 : reconnaissance de formes, de couleurs, de positions, mais aussi action en fonction de situations imprvues, voil un cas d'application de l'intelligence artificielle.

; ; ;; ;
rebuts

bip-bip....
bip-bip....

Cahier Technique Merlin Gerin n 157 / p.19

domaines et techniques de LIntelligence Artificielle

Mme si la dfinition donne ci-dessus prsente lI.A. sous un aspect informatique, son champ dinvestigation reste vaste. Pour mmoire cette restriction limine les sciences cognitives (psychologie, pistmologie, philosophie, linguistique, neurosciences ) qui peuvent permettre de trouver des modles de mcanisme de raisonnement. La recherche de techniques informatiques permettant de reproduire un comportement humain seffectue dans de nombreux domaines. Nous prsentons ci-aprs les principaux domaines, soft et hard, dans lesquels lI.A. progresse en montrant rapidement les difficults et en citant les techniques de rsolution associes. Le premier type de problme auquel est confront un robot humanode est celui de la saisie dinformations pertinentes relatives son environnement. La vue et loue ne nous semblent pas ncessiter des raisonnements complexes et pourtant leurs modlisations informatiques sont complexes. Perception, vision Pour que le robot puisse voir et entendre, il doit tre quip de capteurs de toutes sortes : camra CCD, capteurs ultra-sons, rayons X, infrarouges qui fournissent des signaux numriques. On obtient alors des donnes de bas niveau, par exemple une matrice de pixels (points) pour les images. De ces donnes il est possible dextraire des courbes, des contours, des segments ... grce des algorithmes de traitement dimages ou de reconnaissance des formes. La problmatique de lI.A. est alors danalyser la scne vue pour pouvoir la dcrire sous une forme concise, exemple : le transtockeur numro un pose ou a pris une pice dans le stock central. Il faut donc identifier, localiser des objets et dcrire la scne. Comprendre une image ncessite des connaissances sur : les reprsentations possibles des objets perceptibles. Celles-ci peuvent tre rduites pour les objets permanents de lenvironnement (marquage spcifique).

Par contre pour les autres il faut possder un grand nombre dinformations ; les relations entre les objets, leurs positions possibles. Ici par exemple la pice est sur le plateau du transtockeur ; la situation possible qui peut permettre de dduire que le transtockeur va poser la pice dans le stock ou la prise ; ce qui va caractriser la scne, on ne parle pas ici du sol ou du plafond de lusine Le processus de segmentation dimages est trs sensible aux conditions de prise de vue. Il sagit en effet dextraire les contours des diffrents objets de la scne afin de les identifier. Or tout segment de droite extrait ne correspond pas une partie de contour dobjet, il peut tre associ une variation dclairage, une ombre, un reflet, un changement dtat de surface Il faut donc se servir des connaissances de plus haut niveau pour remettre partiellement en cause cette segmentation. En vision on a donc plusieurs niveaux de reprsentation et plusieurs bases de connaissances qui cooprent pour linterprtation de la scne. Les techniques couramment utilises sont les langages objets ou leurs frres les langages de frames pour modliser les connaissances et les techniques de coopration de plusieurs expertises. La perception de lenvironnement nest quune partie du problme. Il faut aussi savoir communiquer pour acqurir dautres informations. Le dialogue entre la machine et lhomme ncessite la matrise du langage humain par lordinateur. Communication Le dialogue entre la machine et lhomme ncessite la matrise du langage humain par lordinateur. le langage naturel Les langages humains sont des langages extrmement difficiles, il ne suffit pas de connatre le dictionnaire et la grammaire du langage pour pouvoir le comprendre. Et pourtant ce langage appel naturel par les informaticiens ne lest pas du tout, il est appris (les enfants sauvages ne parlent pas) quelquefois avec difficult. La grammaire du langage est trs complique et ncessite une modlisation laide dun outil

grammatical volu : les ATN (Augmented Transition Network). Ce langage est particularis par chacun de nous, chaque groupe adapte la racine commune du langage pour ses besoins propres. Les personnes qui comprennent la phrase suivante sont-elles nombreuses? La sphre, unit dun espace de Banach, est faiblement compacte Illustrons un peu les difficults informatiques rencontres. Imaginons que lon fournisse un ordinateur des informations sous forme de langage naturel et que lon interroge ce dernier sur les connaissances acquises. Les exemples qui suivent sont inspirs par [Schank 85] et par [Bonnemay 82]. donnes : Franois a achet une voiture. interrogation : Franois a-t-il dpens de largent ? Aucune rfrence la notion dargent nexiste pourtant dans les donnes mais laction dachat est usuellement associe un change dargent. Pour rsoudre ce problme informatiquement les deux concepts achat argent seront relis par un lien de dpendance conceptuelle. Pour des phrases du type : la paix a t achete au prix du sang, Il est ncessaire de prvoir tous les sens possibles des mots et de valider les associations par rapport au contexte. Quelquefois les ambiguts peuvent tre trs difficiles lever : Lastronome sest pris dune toile. Dautres dductions nous sont galement naturelles : donnes : Franois va au restaurant, il commande un sandwich ; comme il a t servi rapidement, il laisse un large pourboire dduction : Franois a mang le sandwich et la pay. La connaissance utilise est la squence implicite des actions qui ont lieu lors dun repas au restaurant. Si une action nest pas voque (manger) et quune des suivantes (laisser un pourboire) lest on peut conclure la ralisation de la premire. On rsout donc cette difficult en dcrivant les situations connues sous forme de scripts (squence prcdente). Pour les situations nouvelles on dispose de connaissances plus gnrales.

Cahier Technique Merlin Gerin n 157 / p.20

Elles sont modlises en associant des intentions aux personnages et des explications aux actions. Cette reprsentation, sous forme de plans, permet de comprendre les exemples suivants : Franois avait faim, Il prit le guide Michelin. Franois avait besoin dargent, Il tlphona sa sur. La comprhension du langage naturel par la machine ncessite un grand nombre de connaissances et nest ralisable que dans un domaine prcis avec un vocabulaire bien dfini (Exemple texte technique parlant de llectricit). traduction automatique Les ambiguts que nous avons releves prcdemment vont cette fois tre prsentes dans les deux langues. Exemple dambigut : les fils du chirurgien sont blancs. Mme si les rsultats obtenus aujourdhui dans le domaine de la traduction automatique sont prometteurs, il existe des limites inhrentes la traduction. Il y a perte dinformation dans toute traduction; pour sen convaincre il suffit de traduire un texte dans une autre langue et faire lopration inverse, le retraduire dans sa langue dorigine. De plus certaines locutions sont rputes intraduisibles : Exemple : Le fond de lair est frais parole Pour communiquer les hommes parlent laide dun langage. Nous gagnons encore en complexit ; il faut maintenant tre capable en plus de dcoder le signal mis pour reconstituer les lments du langage utiliss. Comme le signal vocal est trs variable et multiforme, les sons lmentaires ou phonmes sont trs dpendants de ceux qui les entourent. Malgr tout la reconnaissance mono-locuteur de mots isols est aujourdhui bien matrise (algorithme global de reconnaissance des formes). Le passage la comprhension de la parole continue multi-locuteurs constitue un saut technique. Pour sen convaincre il suffit dcouter la phrase suivante : un jeune sot, transportant dans un seau le sceau du roi, trbuche et ltroit sceau tombe. Pour interprter le signal vocal associ, il faut utiliser de multiples sources de connaissances (acoustique, phontique)

et, comme pour le langage naturel, des proprits lexicales, syntaxiques et smantiques. De nouveau, comme pour la vision, le problme majeur rside dans la coopration des processus bas niveau de segmentation et haut niveau dinterprtation. La segmentation ne permet pas une sparation exacte du signal en phonmes, syllabes et mot. Grce aux connaissances sur le langage on peut remettre en cause des parties de la segmentation. Pour une meilleure comprhension des difficults rencontres dans les domaines de la vision et de la parole, se rfrer [Haton 85]. Gnration dactions Pour remplir les tches qui lui sont assignes le robot doit disposer de moyens dactions : dplacement ; manipulation de pices ; utilisation doutils dusinage, soudage, vissage. Ces tches sont simples et ne ncessitent pas beaucoup dintelligence si le monde dans lequel se meut le robot est dterministe, cest dire connu lavance et sr. Dans un univers incertain (obstacles imprvus par exemple) tout se complique. Il nest pas possible de dcrire le travail du robot sous la forme dune srie fige dactions ralisables, il lui faut, dans les cas difficiles, tre capable de sadapter ou de rechercher des squences en fonction de ltat de son environnement (gnrations de plans dactions ). De manire plus gnrale, une fois connues les donnes sur lesquelles il doit raisonner, le robot doit rsoudre des problmes : comment agir et/ou voluer? Acqurir, modliser, manipuler la connaissance La principale difficult lors de la ralisation dun systme expert est le recueil de connaissance. Cette tape critique du dveloppement requiert une dmarche souvent longue et fastidieuse auprs des experts du domaine. Elle est dautant plus dlicate que, dans un SE, la connaissance est amene voluer et doit donc tre lisible et modifiable aisment par un informaticien voire par lexpert lui-mme.

Elle seffectue gnralement en trois phases : acquisition, extraction de la connaissance auprs des experts ; modlisation, structuration de la connaissance extraite ; informatisation , constitution de la Base de Connaissance. Aujourdhui, un certain nombre de mthodes pour recueillir et modliser la connaissance commencent sindustrialiser. Elles constituent un guide pour le cogniticien dans ses dmarches auprs de lexpert. Elles proposent souvent diverses techniques (linguistiques, par exemple) pour aider modliser et structurer la connaissance extraite. Celle-ci doit ensuite tre informatise. Il sagit l de trouver un formalisme de reprsentation informatique afin de constituer la Base de Connaissance du Systme Expert. En gnral les mthodes proposes sarrtent aprs la phase dinformatisation. Elles prennent rarement en compte : la validation de la Base de Connaissance, qui doit tre prise en compte ds le dbut de la ralisation ; la maintenance du SE, pour laquelle lexprience fait dfaut.

Cahier Technique Merlin Gerin n 157 / p.21

5. perspectives davenir

Le nombre des applications de lI.A. crot trs vite, notamment : les rseaux de neurones ; les logiques de raisonnement ; le raisonnement temporel.

rseaux de neurones
Les rseaux de neurones (cf. fig. 19), limage de la structure du cerveau humain, sont composs de processeurs lmentaires (les neurones) relis entre eux par des connexions (les synapses). Ltat dans lequel se trouve un neurone ou une synapse est reprsent par un mot ou un rel. Lensemble du rseau est reli un organe externe (camra, capteur) qui envoie un stimuli, lequel modifie ltat dun neurone. Tout changement dtat dun neurone engendre lenvoi de signaux dautres neurones par lintermdiaire des synapses. Au mme stimuli le rseau de neurones rpond toujours la mme chose. Par contre, et cest le principal intrt, le rseau a la capacit de fournir une rponse adquate lorsque le problme diffre lgrement. La structure dun rseau peut tre de diffrents types. Les neurones sont souvent organiss en couches dont la premire constitue les entres et la dernire les sorties. Chaque neurone nest connect quaux neurones de la couche suivante. Les progrs concernant les rseaux neuronaux se font au niveau : des logiciels (nouvelles techniques dapprentissage, dcoupage du rseau global en plusieurs sous-rseaux spcialiss ...) des matriels (rseaux implments physiquement sur des circuits ou simuls sur des machines massivement parallles). La ralisation dun systme dI.A. fait appel des techniques avances de linformatique, comme celles que nous venons de citer. Mais lI.A. puise galement ses sources dans dautres disciplines : la psychologie cognitive pour la reprsentation des connaissances et du raisonnement ;

couche d'entre

couche(s) cache(s)

couche de sortie

fig. 19 : rseau de neurones multicouches.

la linguistique pour le traitement du langage naturel crit et parl ; lergonomie, la philosophie, les neurosciences et peut-tre un jour la biologie.

logiques de raisonnement
La prise en compte de connaissances imprcises (le rservoir est presque vide) ou incertaines (il va peut-tre pleuvoir) semble tre prometteuse pour lavenir. Actuellement, le traitement de ce type de connaissances se fait sous forme de cfficients numriques : probabilits, cfficients de vraisemblance ... , mais il ne rsout pas tous les problmes soulevs par le raisonnement approximatif. La logique floue est intressante pour les SE, souvent amens raisonner sur des bases de connaissances incompltes ou peu fiables. Cette nouvelle thorie permet deffectuer des calculs sur des grandeurs imprcises ainsi que sur des notions incertaines. Plus gnralement, le traitement symbolique, et non plus numrique,

permettra aux SE de demain de raisonner sur lincertitude et de prendre en compte des situations complexes. Pour cela, les recherches sorientent vers ltude de diffrentes logiques (flou, TMS, ATMS) dont la mise en uvre savre encore assez dlicate.

raisonnement temporel
Le raisonnement temporel intervient dans les systmes associs des phnomnes volutifs dans le temps : surveillance, commande et contrle de procds industriels, traitement dalarmes, aide la dcision ... Ici, le temps de rponse est une contrainte que le SE doit prendre en compte pour moduler son raisonnement en fonction du temps dont il dispose. Actuellement, les applications concrtes sont rares car la ralit est complexe. La prise en compte du temps ncessite une modlisation des vnements suffisante pour comprendre les relations de causalit et de coordination entre ces vnements.

Cahier Technique Merlin Gerin n 157 / p.22

en conclusion ...
Lavnement de lIntelligence lectronique est annonc presque chaque anne depuis 1946, date de la construction du premier ordinateur. Il convient donc dtre prudent .. Il nen demeure pas moins que le nombre de logiciels dI.A. est ds prsent trs important, et quil crot trs vite. Les sciences cognitives dans leur ensemble sont appeles jouer un rle de plus en plus important et leur dveloppement risque fort dtre la rvolution des annes 90.

Cahier Technique Merlin Gerin n 157 / p.23

Ral. : E.R.I. - Lyon - Photo. : IPV

Cahier Technique Merlin Gerin n 157 / p.24

IPV - 12-91 - 2500 - Imprimeur : Lostic