Inventer des circuits de l'électronique de puissance est une activité intellectuelle qui met en jeu de nombreuses connaissances, requiert du savoir-faire et de la créativité. L'objectif de cette thèse est de concevoir un système informatique simulant cette activité. A cet effet, un système constitué de deux modules a été implanté. Le premier propose les circuits qui ne présentent pas de grossier défaut de conception, au terme d'une recherche heuristique dans un espace organisé en hiérarchie d'abstractions. Cette organisation particulière des connaissances permet de focaliser, aussi tôt que possible, la recherche sur les circuits potentiellement intéressants. Pour éviter que ce module engendre des doublons, la représentation par graphes de liens a été utilisée. Cette mise en (\oe)uvre a donné lieu à un algorithme qui, contrairement à ceux qui ont été décrits dans la littérature, transforme un circuit en un graphe de liens parfaitement adapté au formalisme. Le second module analyse qualitativement le fonctionnement des circuits ainsi engendrés. Il décrit notamment leur fonctionnement dans des termes identiques à ceux employés par les ingénieurs. Il permet ainsi d'exprimer intuitivement les critères imposés par un cahier des charges et de sélectionner les circuits qui le vérifient. L'approche proposée est viable car le système a redécouvert les principaux représentants de classes importantes de circuits. Il a également proposé de circuits nouveaux aux performances a priori comparables à celles des circuits connus. Le système présenté dans cette thèse permet ainsi d'envisager une étude rationnelle des dispositifs de l'électronique de puissance. Plus généralement, il prouve l'efficacité des techniques d'intelligence artificielle sur un domaine concret et met en évidence l'intérêt de l'utilisation des abstractions pour la résolution de problème.

Dans le cadre de cette recherche, nous posons la problématique suivante : comment représente-t-on la découverte botanique en sciences naturelles ? Notre démarche sera sémiotique et particulièrement fondée sur la théorie greimassienne. Nous la lierons à une recherche sémantique qui s’appuiera notamment sur les travaux de François Rastier. Et parce que la représentation scientifique articule étroitement le texte linguistique au texte visuel, nous engagerons notre étude dans une perspective qui rendra compte du système visuel. Ce dernier sera interrogé à partir des écrits de Maria Giulia Dondero et Jacques Fontanillle, d’Anne Beyaert-Geslin ou encore de Jean-Marie Klinkenberg. A partir de ces fondements théoriques, cet objectif de recherche nous permettra de comprendre les mécanismes à l’œuvre lorsqu’il s’agit de représenter le vivant « non humain ». Le texte sera au cœur de notre recherche. Il supposera que nous l’abordions du point de vue de l’énoncé, mais aussi de l’énonciation. Pour envisager ce second volet, la théorie de l’énonciation d’Emile Benveniste sera convoquée. Parce que nous voulons mettre à l’épreuve la théorie, notre recherche intégrera une dimension empirique à partir d’un projet expérimental de lecture fondé sur la technique de l’eye-tracking (ou oculométrie). Celle-ci se montrera pertinente pour interroger la signification à partir de nos modes d’expression systématisés qui construisent le discours scientifique de la découverte depuis au moins deux siècles. A partir d’un corpus circonscrit issu des publications scientifiques du Muséum national d’histoire naturelle, nous définirons et expliquerons le parcours de la découverte et ses stratégies monstratives. Cela nous mènera à questionner nos modes de pensée. Pensons en effet que la médiation de nos représentations (le paraître) est le reflet d’une dimension ontologique (l’être). Elle fait de nous des instances connaissantes, conscientes et capables d’agir en conséquence. / As part of this research, we ask the following question: how do we represent the botanical discovery in natural sciences? Our approach will be semiotic and particularly based on Greimassian theory, which we will also link to a semantic analysis derived from the works of François Rastier. As scientific representation closely articulates linguistic text and visual text, this study will engage our object with a perspective that takes into account the visual system. The latter will be questioned in particular through the writings of Maria Giulia Dondero, Jacques Fontanillle, Anne Beyaert-Geslin and Jean-Marie Klinkenberg. With this theoretical foundation, our research objective will allow us to understand the mechanisms at work regarding the representation of non-human life-forms. Text will be at the heart of our research. He will suppose that we approach him from the point of view of the utterance, but also of the enunciation. This second part of our research will rely on the theory of the enunciation developped by Emile Benveniste. As our study aims to test the theory, therefore our research will integrate an empirical dimension based on an experimental reading project that uses eye-tracking. This will allow us to question meaning in the systematized modes of expression that have constructed scientific discourse in discovery for at least two centuries. Within a circumscribed corpus from the scientific publications of the National Museum of Natural History, we will define and explain the course of discovery and its monstrative strategies. This will lead us to question our ways of thinking. Let us think that the mediation of our representations (the appearance) is the reflection of an ontological dimension (being). It makes us knowledgeable, conscious and able to act accordingly.

Le raisonnement causal est au centre des facultés intellectuelles humaines qui nous permettent de transférer nos connaissances acquises dans des situations très différentes de l'expérience vécue à partir de peu de nouvelles observations. En fait, notre science en entier se base sur l'hypothèse qu'on puisse expliquer tous les phénomènes de l'univers à partir d'un nombre relativement petit de principes simples et constants à travers le temps qui donnent naissance au monde complexe qui nous entoure grâce au très grand nombre de conditions expérimentales possibles, qui correspondent à des interventions dans un modèle causal graphique. La découverte algorithmique de ces mécanismes semble donc être un pilier important, non seulement afin de produire des agents artificiels dotés de capacités cognitives humaines, mais également en vue d'automatiser la découverte scientifique. Nous nous penchons sur une variante du problème de la découverte causale dans laquelle les données observées ne correspondent pas directement aux variables d'intérêt, que l'on considère latentes. Nous utilisons les réseaux de flot génératifs pour apprendre une distribution bayésienne a posteriori définie sur la structure des réseaux bayésiens latents et sur les valeurs des variables latentes. / Causal reasoning is at the center of the human intellectual abilities that allow us to transfer our acquired knowledge in situations that are very different from our past experience from few new observations. In fact, our whole science is based on the assumption that we can explain all the phenomena of the universe from a relatively small set of simple principles that are constant through time and that give rise to the complex world surrounding us due to the very large number of possible experimental conditions that correspond to interventions in a causal graphical model. The algorithmic discovery of these mechanisms thus seems to be an important pillar, not only to create artificial agents endowed with human cognitive abilities, but also to automate scientific discovery. We are looking into a variant of the causal discovery problem in which the observed data does not directly correspond to the variables of interest, which we consider to be latent. We use Generative Flow Networks to learn a Bayesian posterior distribution defined over latent Bayesian networks and over the values of the latent variables.