Cette thèse se situe à l'intersection de trois domaines de recherche : le raisonnement à partir de cas, l'extraction de connaissances et la représentation des connaissances. Raisonner à partir de cas consiste à résoudre un nouveau problème en utilisant un ensemble de problèmes déjà résolus, appelés cas. Dans cette thèse, un langage de représentation des variations entre cas est introduit. Nous montrons comment ce langage peut être utilisé pour représenter les connaissances d'adaptation et pour modéliser la phase d'adaptation en raisonnement à partir de cas. Ce langage est ensuite appliqué à la tâche d'apprentissage de connaissances d'adaptation. Un processus d'extraction de connaissances, appelé CabamakA, est mis au point. Ce processus permet d'apprendre des connaissances d'adaptation par généralisation à partir d'une représentation des variations entre cas. Une discussion est ensuite menée sur les conditions d'opérationnalisation de CabamakA au sein d'un processus d'acquisition de connaissances. L'étude aboutit à la proposition d'un nouveau type d'approche pour l'acquisition de connaissances d'adaptation dans lequel le processus d'extraction de connaissances est déclenché de manière opportuniste au cours d'une session particulière de résolution de problèmes. Les diérents concepts introduits dans la thèse sont illustrés dans le domaine culinaire à travers leur application au système de raisonnement à partir de cas Taaable, qui constitue le contexte applicatif de l'étude.

A l'heure actuelle, la plupart des bases de données spatiales sont gérées de manière indépendante.<br />Cette indépendance pose différents problèmes : elle multiplie les efforts de maintenance et de mise à<br />jour, elle rend difficile la mise en œuvre d'analyses multi-niveaux et ne garantit pas une cohérence<br />entre les sources.<br />Une gestion conjointe de ces sources nécessite leur intégration qui permet de définir des liens<br />explicites entre les bases et d'en fournir une vision unifiée. Notre thèse s'inscrit dans ce cadre. Le sujet<br />que nous traitons porte en particulier sur la mise en correspondance des données et l'évaluation de la<br />cohérence inter-représentations. Nous cherchons à analyser automatiquement chaque différence de<br />représentation entre les données appariées afin d'en déduire si celle-ci résulte des critères de saisie<br />différents des bases ou d'erreurs de saisie. Cette évaluation vise à garantir une intégration cohérente<br />des données.<br />Pour étudier la conformité des représentations nous proposons d'exploiter les spécifications des<br />bases. Ces documents décrivent les règles de sélection et de modélisation des objets. Ils constituent<br />des métadonnées de référence pour juger si les représentations sont équivalentes ou incohérentes.<br />L'utilisation de ces documents est toutefois insuffisante. Les spécifications décrites en langue naturelle<br />peuvent être imprécises ou incomplètes. Dans ce contexte, les données des bases constituent une<br />seconde source de connaissances intéressante. L'analyse des correspondances à l'aide de techniques<br />d'apprentissage automatique permet d'induire des règles rendant possible la justification de la<br />conformité des représentations.<br />La méthodologie que nous proposons repose sur ces éléments. Elle se compose de deux méthodes :<br />MECO et MACO. La première est la Méthode d'Evaluation de la COhérence. Elle comprend plusieurs<br />étapes : l'enrichissement des données, le contrôle intra-base, l'appariement, le contrôle inter-bases et<br />l'évaluation finale. Chacune de ces étapes exploite des connaissances déduites des spécifications ou<br />induites des données par apprentissage automatique, en appliquant MACO (Méthode d'Acquisition de<br />connaissances pour l'évaluation de la COhérence). L'intérêt d'utiliser l'apprentissage est double. Outre<br />le fait qu'il permet d'acquérir des règles pour l'évaluation, il met en évidence l'écart toléré sur les<br />données par rapport aux spécifications papiers.<br />Notre approche a été mise en œuvre sur des bases de données de l'IGN présentant différents<br />niveaux de détail.

Cette thèse étudie les possibilités offertes par l'intelligence artificielle pour l'identification et la circonscription des risques incendie de bâtiments.La sécurité incendie est une composante de la fonction technique du bâtiment. Elle peut donc être considérée dès la conception. Actuellement elle est traitée principalement par l'application de textes réglementaires. Nous proposons une approche différente ayant deux caractéristiques principales : premièrement elle privilégie la recherche des facteurs de risque et des meilleurs moyens de les éliminer ; deuxièmement elle est globale parce qu'elle réalise une intégration des connaissances (expertes ou autres) relatives aux autres fonctions du bâtiment (Architecture et Economie) ainsi qu'aux autres composantes de la fonction technique.La recherche a donc porté principalement sur : – La définition d'une méthode d'étude globale de la sécurité incendie du bâtiment, car les connaissances sont peu formalisées dans ce domaine. – La définition d'une méthodologie de réalisation d'un système multi-expert opérationnel et à caractère pédagogique.Les résultats des travaux présentés sont de deux types : – Un ensemble d'outils tels que TRIAGE, ARBRE, NASS, ICONOGRAPH. TRIAGE est le système destiné aux études pluridisciplinaires de la sécurité incendie de bâtiments. Deux modes de fonctionnement sont disponibles : l'expertise focalisée où l'utilisateur requiert un service à un spécialiste de manière isolée ; l'expertise générale où l'utilisateur est pris en main par un planificateur de tâches en fonction des buts fixés. ARBRE est un outil destiné aux experts pour la mise au point d'arbres des causes à probabilités subjectives (appelées crédits d'hypothèses). NASS est un environnement de développement de systèmes experts basés sur l'exploitation de multiples sources de connaissances exprimées en langage quasi naturel. Il contient, entre autres, le mécanisme de raisonnement de TRIAGE. ICONOGRAPH est un outil graphique pour la gestion des relations entre les objets d'un univers de discours structuré. Il met en oeuvre un modèle auto-organisationnel (dit à règles de mutation structurelle) fonction de l'univers considéré. – L'ensemble des éléments méthodologiques qui ont été mis en oeuvre pour arriver aux outils cités. Notamment, nous proposons une technique que nous appelons sémographie. Son rôle est d'orienter le concepteur de système expert sur la nature des connaissances à introduire dans un système expert et sur la façon de les acquérir. Basée sur la systémique et l'ergonomie cognitive, la sémographie apporte des modèles de structuration de l'univers du discours des experts et des techniques pour provoquer et analyser le discours lui-même.

Cette thèse concerne la question de l'accès aux textes numériques, en particulier de l'accès à leur " contenu informationnel ", vu sous l'angle de l'ancrage temporel. Conciliant une approche linguistique et une approche applicative, ils visent à contribuer à l'élaboration de nouveaux outils pour la fouille de textes, la recherche d'information et la gestion des connaissances - nouveaux outils en mesure de tirer parti de la sémantique des informations relatives au repérage temporel exprimées dans les textes. Il s'agit ainsi à la fois de mettre en œuvre des systèmes d'interaction avec les utilisateurs et de parvenir à modéliser la sémantique des unités textuelles qui contribuent de façon saillante à l'ancrage dans le temps des situations décrites dans les textes : les adverbiaux de localisation temporelle. La représentation formelle que l'on en propose, qui procède d'une analyse linguistique, les décrit sous la forme d'une succession d'opérations sémantiques. Cette représentation permet de pouvoir décrire des informations présentant un certain degré d'indétermination sans en fermer l'interprétation (" jusque vers la fin des années 30 "). Elle permet également d'exprimer des informations en intension (" de février à août, tous les jours sauf le dimanche, de 10h à 19h "). Cette représentation est ainsi plus expressive que les modèles généralement utilisés en ingénierie des connaissances - modèles qui, le plus souvent, représentent un repère temporel sous la forme d'une date ou d'un intervalle de dates. Articulant notre proposition de modélisation avec les modèles standards des intervalles de dates, nous montrons qu'il devient possible d'élaborer de nouveaux systèmes de recherche d'information, susceptibles de traiter des requêtes associant un critère calendaire avec un ensemble de mots-clés, telles que " les universités au début du XIIe siècle " ou " le vote des femmes depuis 1900 ", par exemple. S'appuyant sur les outils développés en ce sens, on montre qu'il devient également possible d'interagir avec des données structurées décrivant des informations temporelles, à la fois pour les interroger et pour les enrichir de façon semi-automatique, afin, par exemple, de constituer des bases de connaissances.

Cette thèse aborde les problématiques liées à l'annotation sémantique et au peuplement d'ontologies dans le cadre défini par le Web Sémantique. La représentation explicite des contenus des ressources du Web est possible grâce aux ontologies. Elles modélisent les concepts, leurs attributs et les relations utilisées pour annoter le contenu des documents. Et la base de connaissance, associée à cette ontologie, doit contenir les instances à utiliser pour l'annotation sémantique. L'idée proposée ici est de combiner les outils d'extraction d'information (EI) avec les outils de représentation des connaissances du WS pour les tâches d'annotation et de peuplement. Mais il existe actuellement un fossé entre les formats de représentation utilisés par chacun de ces outils. Cette thèse propose de combler ce fossé en concevant un médiateur capable de transformer les étiquettes générées par les outils d'EI en une représentation plus formelle, que ce soit sous la forme des annotations sémantiques ou des instances d'une ontologie.

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal

Nous étudions l'algorithmique de deux problèmes centraux d'Intelligence Artificielle, pour des bases de connaissances représentées, notamment, par des formules propositionnelles de Horn, bijonctives, Horn-renommables ou affines. Nous traitons tout d'abord l'acquisition de connaissances à partir d'exemples : nous donnons notamment un algorithme efficace et général pour l'acquisition exacte, complétons l'état de l'art pour l'approximation et donnons un algorithme pour le PAC-apprentissage des formules affines. Nous étudions ensuite des problèmes de raisonnement : nous donnons un algorithme général pour l'abduction, qui nous permet d'exhiber de nouvelles classes polynomiales, et posons de premières pierres pour l'étude de ce processus lorsque la base de connaissances est approximative. L'étude des formules affines pour la représentation de connaissances n'avait jamais été réellement menée. Les résultats présentés dans ce mémoire montrent qu'elles possèdent de nombreuses bonnes propriétés.

Cette thèse analyse les stratégies de traduction et l'acquisition de connaissances à partir d'entretiens et de questionnaires envoyés à des traducteurs techniques indépendants. L'objectif est de voir si les stratégies de traduction sont influencées par des facteurs que le traducteur peut plus ou moins maîtriser et si l'expérience, la formation en traduction et-ou dans un domaine et, les langues de travail jouent aussi un rôle. Il apparaît que la pression du temps influence la décision d'accepter ou de refuser une traduction et que sous cette pression, le traducteur ne consulte pas les mêmes documents, acquiert moins de connaissances et, passe moins de temps à l'archivage. Le manque de sources pose des problèmes aux traducteurs de langues peu répandues. La création terminologique, l'analyse du texte, l'aide de la source humaine et l'archivage des informations sont plus systématiques pour ces traducteurs que pour ceux de langues répandues. Le traducteur spécialisé attache moins d'importance à la technicité du texte de départ que celui sans spécialisation, achète plus de documents et évalue plus facilement le temps qu'il consacrera à la recherche documentaire. Les " jeunes " traducteurs voient un lien fort entre la technicité du texte et sa difficulté, préfèrent utiliser des sources donnant des réponses immédiates aux problèmes, consultent et achètent moins de sources sur support papier que les traducteurs expérimentés. Internet a marginalisé l'utilisation et les achats de sources sur support papier mais ne permet pas forcément de se spécialiser. Avec Internet, le client accorde des délais plus courts et les traducteurs acceptent de traduire des textes plus techniques.

Cette thèse aborde la problématique de l’acquisition des connaissances dans le cadre de la conception des Environnements Informatiques pour l’Apprentissage Humain (EIAH). Dans le contexte spécifique de ce travail, nous nous intéressons à des EIAH destinés à enseigner des méthodes de résolution de problèmes. De telles méthodes permettent, dans un domaine donné, de reconnaître la classe d’un problème et d’être capable de savoir quelle technique de résolution appliquer pour le résoudre. Le coût de conception de ces EIAH est cependant très élevé, en particulier du fait de l’élicitation des connaissances, qui nécessite non seulement une expertise dans le domaine concerné mais également en programmation.Afin de réduire le coût de conception de ces EIAH, et permettre à des auteurs (enseignants ou pédagogues plus experts) de pouvoir éliciter sans programmer les connaissances nécessaires à l’EIAH, nous proposons un processus d’acquisition interactive de ces connaissances. Ce processus est mis en œuvre à travers la conception d’un outil auteur : AMBRE-KB. Pour ce faire, nous avons d’abord proposé des méta-modèles qui permettent de décrire la forme des connaissances à acquérir. Ces connaissances ne sont pas celles d’un expert dans un domaine, mais les connaissances telles qu’on voudrait qu’elles fonctionnent chez l’apprenant à l’issue de l’apprentissage. En s’appuyant sur ces méta-modèles, nous avons ensuite proposé un processus d’acquisition de ces connaissances qui permet d’assister l’auteur lors de l’élicitation des connaissances nécessaires, en lui permettant de construire un modèle de connaissances spécifique à un domaine.Nous avons mené deux expérimentations pour évaluer le processus d’acquisition des connaissances et sa mise en œuvre dans l’outil AMBRE-KB. La première porte sur la complétude. Il s’agit de vérifier, pour un domaine donné, si les modèles de connaissances générés par AMBRE-KB permettent à l’EIAH de résoudre des problèmes. L’objectif de la deuxième expérimentation est de mesurer l’utilité et l’utilisabilité de AMBRE-KB. Les résultats des deux expérimentations sont satisfaisants. / The general issue we addressed in this thesis is the challenge of knowledge elicitation in Intelligent Tutoring Systems (ITS). In the context of this work, we are interested in ITS teaching problem solving methods. Teaching methods for solving problems consists in teaching students how to think about the problem before starting its resolution. In a given field, such a method is based on a categorization of problems. Knowing to recognize the class of a problem enables students to choose the resolution technique associated with this class. However, designing such ITS is tedious and costly, and specially require expertise in the application domain and in programming.In order to reduce the design cost of these ITS and to enable an author (for example a teacher) to be able to elicit knowledge needed without programming, we propose an interactive knowledge elicitation process. This process is implemented through the design of an authoring tool: AMBRE-KB. For that, we first propose meta-models for the knowledge to be acquired. This knowledge is not an expert knowledge, but knowledge such as we would want that they work at the end of the learning. Next, we propose a knowledge acquisition process based on these meta-models, which enable the author to be assisted in the elicitation process enabling him/her to build specific knowledge models for a given domain.We conducted two experiments to evaluate the knowledge acquisition process and its implementation in the AMBRE-KB tool. The first relates to completeness. The aim is to verify, for a given domain, whether the knowledge models generated by AMBRE-KB enable the solver to solve problems. The aim of the second experiment is to measure the utility and usability of AMBRE-KB. The results of both experiments are satisfactory.

Cette thèse analyse les stratégies de traduction et l’acquisition de connaissances à partir d’entretiens et de questionnaires envoyés à des traducteurs techniques indépendants. L’objectif est de voir si les stratégies de traduction sont influencées par des facteurs que le traducteur peut plus ou moins maîtriser et si l’expérience, la formation en traduction et-ou dans un domaine et, les langues de travail jouent aussi un rôle. Il apparaît que la pression du temps influence la décision d’accepter ou de refuser une traduction et que sous cette pression, le traducteur ne consulte pas les mêmes documents, acquiert moins de connaissances et, passe moins de temps à l’archivage. Le manque de sources pose des problèmes aux traducteurs de langues peu répandues. La création terminologique, l’analyse du texte, l’aide de la source humaine et l’archivage des informations sont plus systématiques pour ces traducteurs que pour ceux de langues répandues. Le traducteur spécialisé attache moins d’importance à la technicité du texte de départ que celui sans spécialisation, achète plus de documents et évalue plus facilement le temps qu’il consacrera à la recherche documentaire. Les « jeunes » traducteurs voient un lien fort entre la technicité du texte et sa difficulté, préfèrent utiliser des sources donnant des réponses immédiates aux problèmes, consultent et achètent moins de sources sur support papier que les traducteurs expérimentés. Internet a marginalisé l’utilisation et les achats de sources sur support papier mais ne permet pas forcément de se spécialiser. Avec Internet, le client accorde des délais plus courts et les traducteurs acceptent de traduire des textes plus techniques. / This thesis analyzes translation strategies and knowledge acquisition. It is based on interviews and questionnaires from a sample of freelance technical translators. The purpose is to investigate if translation strategies are influenced by factors translators can handle more or less, such as experience, training and working languages. It appears that time pressure has an influence on the decision to accept or refuse a translation. When under pressure, translators do not use the same documents, get less knowledge and spend less time storing information. The lack of documents is problematic for translators whose languages are rarely spoken and read in their working environment. They create more terms in the target language and analyze the source text more in-depth than translators of widespread languages ; they also get help from the human source and store information more often than translators of widespread languages. Specialized translators give more importance to the technicity of the source text than non-specialized translators ; they buy more documents and are more able to assess the time they will take to do documentary research. “Young” translators think there is a strong link between the technicity of the source text and its level of difficulty. They also prefer to directly use documents matching what they look for, use and buy less paper documents than experienced translators. Translators use and buy less paper documents, and accept to translate more technical texts than during the pre-Internet period. Clients also give them shorter deadlines than before.