Une taxinomie est une organisation de la connaissance en differentes categories d'objets semblables. Ces categories sont organisees dans une structure allant des categories generales aux categories specifiques. Cette organisation permet de suivre un raisonnement classificatoire. Raisonner par classification consiste a trouver la categorie la plus specialisee a laquelle appartient un individu, puis recuperer des connaissances liees a cette localisation. Les taxinomies developpees dans des domaines aussi varies que la botanique et la mineralogie montrent l'interet de cette approche. Notre travail concerne le raisonnement classificatoire et la representation taxinomique de la connaissance supportant ce raisonnement. Nous avons choisi la technique de representation de connaissances a objets, car elle offre des elements appropries a une organisation taxinomique. De plus le raisonnement classificatoire trouve ici un espace naturel. Cependant, ces modeles comportent deux aspects problematiques. D'une part, ils representent, dans une seule et grande taxinomie, differentes familles d'objets telles que "voitures" et "personnes". D'autre part, bien que les caracteristiques d'un objet correspondent a differents aspects ou points de vue, ces points de vue ne sont pas explicites dans la representation. Nous proposons une representation a objets multi-points de vue, TROPES. Dans ce modele, chaque concept ou famille d'objets a une structure taxinomique independante. Un concept peut etre observe selon differents points de vue : un point de vue determine un ensemble de caracteristiques du concept et une taxinomie de categories. Les points de vue peuvent etre lies par des passerelles. Par ailleurs, l'introduction des points de vue elimine les problemes de multi-heritage d'attributs. TROPES est dote d'un algorithme de classification d'instances qui tire parti des originalites du modele. A l'intérieur d'un concept, la classification se deroule sur un ou plusieurs points de vue et exploite les passerelles comme des raccourcis.

Dans les modèles à objets distinguant la notion de classe (ensemble d'individus) de celle d'instance (individu particulier), la classe peut jouer deux rôles fondamentalement différents. Les modèles qui mettent en œuvre des mécanismes de classification d'instances, présentent la classe comme une unité d'identification caractérisant les propriétés que doivent posséder toutes ses instances. Ces propriétés sont alors utilisées pour établir l'appartenance d'une instance à une classe. D'autres modèles utilisent la classe comme unité de construction, ou de gestion, d'instances. Ils laissent alors toutes libertés dans la description de la classe pour introduire des informations procédurales qui sont utilisées pour modifier ou compléter une instance qui lui a été explicitement rattachée. Notre travail consiste à mettre en place un mécanisme capable de trouver les différentes solutions que peut proposer une hiérarchie de classes à un problème de construction d'instance. Schématiquement, un tel problème se caractérise par la donnée d'une instance pour laquelle subsistent des possibilités de raffinement dans la hiérarchie de classes et dont la valeur de certains attributs reste inconnue. La solution proposée prend place dans un modèle à objets, appelé TROPES, défini pour accueillir un raisonnement classificatoire. La mise en place du mécanisme de construction d'instance par exploration d'une hiérarchie est assurée par un système, dit d'assistance hypothétique, couplé au système TROPES. Ce système d'assistance est chargé de produire et de gérer les hypothèses permettant de prolonger l'exploration d'une hiérarchie de classes au delà des limites atteintes par la classification d'instances. Les différentes combinaisons d'hypothèses pouvant ainsi être formées sont validées par TROPES sur des versions différentes de l'instance. Lorsque le mécanisme est appliqué à un objet composite, le partage de valeurs d'attributs entre composants et composite permet la propagation du processus de construction du composite vers les composants