Le raisonnement hypothétique consiste à compléter la connaissance<br />disponible afin de poursuivre un raisonnement. L'aide aux utilisateurs de systèmes de raisonnement hypothétique nécessite la conception d'algorithmes spécifiques, pour pouvoir gérer efficacement les hypothèses et leurs conséquences et pour permettre de poser automatiquement des hypothèses. Cette dernière exigence conduit à implémenter un raisonnement non monotone. Les systèmes de maintenance de la vérité enregistrent les inférences produites par un système de raisonnement sous forme d'un graphe de dépendances et se chargent de garantir la cohérence des formules présentes dans une base de connaissance. Deux types de systèmes de maintenance de la vérité ont été proposés:<br /><br />- Les systèmes à propagation acceptent des inférences non monotones et propagent la validité absolue au sein du graphe de dépendances. L'étiquetage obtenu représente une interprétation du graphe.<br /> <br />- Les systèmes à contextes n'acceptent que des inférences monotones mais propagent des étiquettes dénotant les contextes dans lesquels les formules doivent être présentes. Ils<br />permettent donc de raisonner sous plusieurs contextes<br />simultanément.<br />Le but de ce travail est de concevoir un système qui combine leurs<br />avantages. Il permet de raisonner simultanément sous plusieurs<br />contextes à l'aide d'inférences non monotones. Pour cela, des<br />environnements capables de tenir compte de l'absence d'hypothèses sont définis. Une interprétation est associée à ces environnements et est étendue aux noeuds du graphe de dépendances, en accord avec l'interprétation des systèmes à propagation. Cela permet d'établir la signification des étiquettes associées aux noeuds du graphe, et de proposer de multiples possibilités de soumettre des requêtes au systême. Un systême correspondant à cette caractérisation, le CP-TMS,<br />est implémenté comme une extension des systèmes de maintenance de la vérité à propagation. Cette implementation est décrite ici, puis critiquée.

L'idée d'établir des relations entre des objets et de les représenter dans la base de connaissances d'un système informatique est le propre de toute approche en Intelligence Artificielle. Cependant, la plupart des formalismes de représentation de connaissances n'exploitent pas toute la richesse de la sémantique de ces relations, ni le comportement qui leur est associé. En recherche d'informations, les traitements de ces relations ne sont guère mieux élaborés et l'impact de leur prise en compte lors de la phase de correspondance n'a jamais été établi, même s'il reste vrai que de nombreuses approches tiennent compte de leur présence dans le document et tentent ainsi de les représenter lors du processus d'indexation. Pourtant la recherche de documents structurés ou complexes exige plus que jamais, outre un langage d'indexation robuste et expressif, la prise en charge de la sémantique des relations ainsi que leurs propriétés. À travers une étude des nouvelles exigences auxquelles la recherche d'informations d'aujourd'hui doit répondre, nous proposons un modèle d'indexation relationnel pour les documents. L'approche consiste à considérer qu'un terme d'indexation est fondé sur des concepts complexes où les connecteurs sémantiques sont vus comme des opérateurs, ou des relations permettant de construire des expressions nouvelles représentant des concepts nouveaux ou des situations nouvelles. Le modèle proposé ne se contente pas de représenter les relations, mais permet aussi d'offrir un cadre général précisant les principes généraux de manipulation de ces relations et la prise en compte de leurs propriétés dans un processus de recherche fondé sur une approche logique. Le modèle proposé comporte deux composantes: le langage de représentation des informations, permettant une approche d'indexation relationnelle, et les règles de dérivation qui, reprenant ce langage, permettent de diriger le processus de correspondance. Nous utilisons la théorie des situations comme langage de représentation et un système de dérivation de pertinence, reposant sur une axiomatisation de la notion de correspondance entre les documents et la requête pour la prise en compte des relations. Une caractéristique intéressante de ce modèle est qu'il conduit à étendre certains formalismes de représentation de connaissances par des notions utiles en recherche d'informations. Les limitations de la famille des logiques terminologiques, utilisée par ailleurs comme base formelle de l'approche d'indexation relationnelle proposée, peuvent ainsi être surmontées. Cependant, la complexité des traitements associés à cette famille de logiques empêche de les utiliser comme un modèle opérationnel. Nous proposons alors le formalisme des graphes conceptuels comme un bon compromis entre la complexité des démonstrateurs de théorèmes et la simplicité des approches algébriques. Ce formalisme est alors vu, à travers une interprétation logique adéquate, comme une implantation d'une logique terminologique étendue et du modèle d'indexation. Notre approche a été implantée sur une plate-forme de gestion de graphes conceptuels, réalisée sur le système de gestion de base de données à objets O2. Le prototype RELIEF résultant de notre expérimentation a été testé sur une collection d'images et a démontré l'applicabilité et le bien-fondé de notre approche.

Lorsqu'une base de connaissance est construite de manière incrémentale, le dernier ajout peut être contradictoire avec le contenu de la base. Or, l'objectif d'une base de connaissance est de modéliser un domaine et elle doit donc être consistante, c'est-à-dire admettre au moins un modèle. Pour ajouter une connaissance inconsistante avec la base, il faut donc modifier celle-ci afin de préserver sa consistance. Cette problématique se rapproche de celle de la révision dans les langages logiques, dont le principal inconvénient est la complexité qui ne permet pas l'implémentation. L'objectif est de définir une révision, dans le cadre des représentations de connaissance par objets, qui puisse être implémentée, notamment en tenant compte des particularités des langages de représentation par objets. Dans un premier temps, nous définissons formellement un langage d'objets : sa sémantique et un système déductif syntaxique correct et complet par rapport à la sémantique. De plus, nous définissons syntaxiquement l'inconsistance, ce qui permet de la détecter en se basant sur les propriétés de localité du langage. Contrairement aux langages logiques classiques, une inconsistance ne permet pas de tout déduire et reste donc localisée. Dans un second temps, nous définissons les bases révisées qui satisfont les postulats classiques de la révision, en particulier la minimalité, principe selon lequel il faut perdre le moins possible de connaissance. La minimalité peut s'interpréter intuitivement selon la relation d'ordre entre les classes. Cependant, elle est basée sur l'inclusion ensembliste et n'est pas un critère suffisant pour obtenir une unique base. Un algorithme, qui a été implémenté, propose donc toutes les bases révisées minimales suite à un ajout inconsistant ; il est interactif afin de maîtriser la complexité inhérente à la révision.

L'acquisition et la représentation des connaissances est un aspect central dans le domaine de l'Intelligence Artificielle car une machine intelligente doit avant tout s'appuyer sur des informations représentant le monde de façon suffisamment précise. Cette difficulté à disposer d'une représentation correcte du monde est particulièrement importante lorsque l'on a à faire à un monde changeant ou à des informations provenant de sources multiples. Nous proposons dans cette thèse une méthode de fusion syntaxique de croyances dans le cas où les croyances sont représentées dans le cas où il n'existe pas de priorités explicites ni entre les agents, ni entre les croyances exprimées par les agents. Cette méthode, appelée fusion par R-ensembles, repose sur la recherche des sous-ensembles de formules à retirer afin de restaurer la cohérence. Nous avons réalisé une mise en œuvre de cette méthode basée sur la traduction du problème de fusion en un programme logique avec sémantique des modèles stables. Nous avons d'abord proposé deux implantations : une adaptation de l'algorithme smodels ainsi qu'une autre implantation basée sur les instructions fournies par Lparse/Gringo. Nous avons testé cette dernière implantation avec des expérimentations portant sur des profils de croyances générés aléatoirement ainsi que sur les données issues d'un projet européen portant sur le relevé en archéologie sous-marine. Dans un deuxième temps, cette thèse propose une extension de la fusion par R-ensembles dans deux directions. Nous nous sommes ainsi intéressés au cas où des préférences sont exprimées entre les agents ou entre les croyances exprimées par chaque agent. Nous nous sommes également penchés sur le cas où les croyances sont exprimées sous forme de programmes logiques.