Le raisonnement à partir de cas est un modèle de raisonnement dont le but est de résoudre des problèmes à partir de l'expérience de résolution de problèmes connus, appelés cas sources. Une solution tirée d'un cas source peut ne pas être applicable directement au problème traité, il faut alors l'adapter. Nous nous intéressons dans cette thèse à une approche de l'adaptation qui s'appuie sur la théorie de la révision des connaissances. La révision des connaissances consiste à modifier des connaissances initiales pour prendre en compte de nouvelles connaissances avec lesquelles elles peuvent être en contradiction. Comme pour l'adaptation, les modifications apportés aux connaissances sont minimales. Ce rapprochement entre adaptation et révision permet de s'appuyer sur la formalisation logique de la révision pour donner un cadre formel à l'adaptation. Dans ce but nous définissons des opérateurs de révision dans des formalismes utiles au raisonnement à partir de cas : dans un formalisme attributs-valeurs simples et dans une logique de descriptions expressive (ALC). Nous montrons aussi que plusieurs approches de l'adaptation précédemment définies peuvent être mises sous la forme d'adaptation par la révision. Nous considérons aussi une extension de l'adaptation par la révision à une combinaison de cas où ce n'est plus un seul mais plusieurs cas sources qui sont exploités pour résoudre un problème. Cette approche de combinaison de cas s'appuie sur la fusion contrainte de connaissances qui généralise la révision. Ces travaux ont été appliqués dans le système d'élaboration de recettes de cuisine Taaable pour l'adaptation des quantités d'ingrédients suivant le modèle de l'adaptation par la révision / Case-Based Reasoning is a reasoning model for problem resolution by reusing the experience of previously solved problems, called source cases. The solution given by a source case cannot always be applied directly to a target case, it may need to be adapted. We focus in this thesis on an adaptation approach defined thanks to belief revision. The belief revision theory deals with the changes to apply to some initial knowledge in order to integrate possibly conflicting new knowledge. For both adaptation and belief revision, the changes are minimal. This parallel between adaptation and revision enables the adaptation process to benefit from the logical formalisation of belief revision. The definition of adaptation by revision aims at providing a formal framework to adaptation. For this purpose, we define revision operators in useful formalisms for case-based reasoning : a revision operator in attributes-simple values and an operator in an expressive description logic (ALC ). We show as well that several adaptation approach previously defined could be expressed as adaptation by revision. In addition we consider generalising the adaptation by revision to a case combination that takes into account more than one source case to solve a problem. This approach to case combination is defined thanks to integrity constrains belief merging that generalises belief revision. These results were applied in the cooking recipe elaboration system Taaable for ingredient quantities adaptation

Cette thèse traite de la révision automatique des connaissances contenues dans les systèmes fonctionnant par exploration informée d'arbres d'états. Ces systèmes, de par leur performance, sont employés dans de nombreux domaines applicatifs. En particulier, des travaux ont proposés d'utiliser cette approche dans le cadre de l'automatisation de la généralisation de données géographiques. La généralisation de données géographique s'intéresse à la dérivation, à partir de données géographiques détaillées, de données moins détaillées adaptées à un besoin particulier (e.g. changement d'échelle). Son automatisation, enjeu majeur pour les agences cartographiques telles que l'Institut Géographique National (IGN), est particulièrement complexe. Les performances des systèmes basés sur l'exploration informée d'arbres d'états sont directement dépendantes de la qualité de leurs connaissances (heuristiques). Or, la définition et la mise à jour de ces dernières s'avèrent généralement fastidieuses. Dans le cadre de cette thèse, nous proposons une approche de révision hors ligne des connaissances basée sur le traçage du système et sur l'analyse de ces traces. Ces traces sont ainsi utilisées par un module de révision qui est chargé d'explorer l'espace des connaissances possibles et d'en modifier en conséquence les connaissances du système. Des outils de diagnostic en ligne de la qualité des connaissances permettent de déterminer quand déclencher le processus de révision hors ligne des connaissances. Pour chaque méthode et approche que nous présentons, une mise en oeuvre est détaillée et expérimentée dans le cadre de l'automatisation de la généralisation de données géographiques

Le raisonnement à partir de cas est un modèle de raisonnement dont le but est de résoudre des problèmes à partir de l'expérience de résolution de problèmes connus, appelés cas sources. Une solution tirée d'un cas source peut ne pas être applicable directement au problème traité, il faut alors l'adapter. Nous nous intéressons dans cette thèse à une approche de l'adaptation qui s'appuie sur la théorie de la révision des connaissances. La révision des connaissances consiste à modi er des connaissances initiales pour prendre en compte de nouvelles connaissances avec lesquelles elles peuvent être en contradiction. Comme pour l'adaptation, les modi cations apportés aux connaissances sont minimales. Ce rapprochement entre adaptation et révision permet de s'appuyer sur la formalisation logique de la révision pour donner un cadre formel à l'adaptation. Dans ce but nous dé nissons des opérateurs de révision dans des formalismes utiles au raisonnement à partir de cas : dans un formalisme attributs-valeurs simples et dans une logique de descriptions expressive (ALC ). Nous montrons aussi que plusieurs approches de l'adaptation précédemment dé nies peuvent être mises sous la forme d'adaptation par la révision. Nous considérons aussi une extension de l'adaptation par la révision à une combinaison de cas où ce n'est plus un seul mais plusieurs cas sources qui sont exploités pour résoudre un problème. Cette approche de combinaison de cas s'appuie sur la fusion contrainte de connaissances qui généralise la révision. Ces travaux ont été appliqués dans le système d'élaboration de recettes de cuisine Taaable pour l'adaptation des quantités d'ingrédients suivant le modèle de l'adaptation par la révision.

Cette thèse traite de la révision automatique des connaissances contenues dans les systèmes fonctionnant par exploration informée d'arbres d'états. Ces systèmes, de par leur performance, sont employés dans de nombreux domaines applicatifs. En particulier, des travaux ont proposés d’utiliser cette approche dans le cadre de l'automatisation de la généralisation de données géographiques. La généralisation de données géographique s'intéresse à la dérivation, à partir de données géographiques détaillées, de données moins détaillées adaptées à un besoin particulier (e.g. changement d'échelle). Son automatisation, enjeu majeur pour les agences cartographiques telles que l'Institut Géographique National (IGN), est particulièrement complexe. Les performances des systèmes basés sur l’exploration informée d'arbres d'états sont directement dépendantes de la qualité de leurs connaissances (heuristiques). Or, la définition et la mise à jour de ces dernières s'avèrent généralement fastidieuses. Dans le cadre de cette thèse, nous proposons une approche de révision hors ligne des connaissances basée sur le traçage du système et sur l'analyse de ces traces. Ces traces sont ainsi utilisées par un module de révision qui est chargé d'explorer l'espace des connaissances possibles et d'en modifier en conséquence les connaissances du système. Des outils de diagnostic en ligne de la qualité des connaissances permettent de déterminer quand déclencher le processus de révision hors ligne des connaissances. Pour chaque méthode et approche que nous présentons, une mise en oeuvre est détaillée et expérimentée dans le cadre de l'automatisation de la généralisation de données géographiques / This work deals with automatic knowledge revision in systems based on an informed tree search strategy. Because of their efficiency, these systems are used in numerous fields. In particular, some literature work uses this approach for the automation of geographic data generalisation. Geographic data generalisation is the process that derives data adapted to specific needs (e.g. map scale) from too detailed geographic data. Its automation, which is a major issue for national mapping agencies like Institut Géographique National (IGN), is particularly complex. The performances of systems based on informed tree search are directly dependant on their knowledge (heuristics) quality. Unfortunately, most of the time, knowledge definition and update are fastidious. In this work, we propose an offline knowledge revision approach based on the system logging and on the analysis of these logs. Thus, the logs are used by a revision module which is in charge of the system knowledge revision by knowledge space exploration. Tools for online knowledge quality diagnosis allow to determine when the offline knowledge process should be activated. For each method and each approach presented, an implementation is proposed in the context of geographic data generalisation