LRO et EAQUE constituent un environnement pour générer des systèmes experts. Un noyau important existe, à la fois pour définir une certaine représentation des connaissances (LRO, langage oriente objet), et pour définir une structure de contrôle appropriée (EAQUE, moteur d'inférence). Pour chaque instantiation du système EAQUE-LRO a une application particulière, les interfaces adéquates sont écrites par l'ingénieur cognitif, après dialogue avec les experts du domaine. Eaque a été instancié pour des problèmes d'ordonnancement (ORDF), pour la simplification d'expressions mathématiques (CALINT), et pour simuler un interpréteur PROLOG (EALOG).

Cette thèse aborde la problématique de l'accès à l'information scientifique et technique véhiculée par de grands ensembles documentaires. Pour permettre à l'utilisateur de trouver l'information qui lui est pertinente, nous avons oeuvré à la définition d'un modèle répondant à l'exigence de souplesse de notre contexte applicatif industriel ; nous postulons pour cela la nécessité de segmenter l'information tirée des documents en plans ontologiques. Le modèle résultant permet une immersion documentaire, et ce grâce à trois types de processus complémentaires : des processus endogènes (exploitant le corpus pour analyser le corpus), exogènes (faisant appel à des ressources externes) et anthropogènes (dans lesquels les compétences de l'utilisateur sont considérées comme ressource) sont combinés. Tous concourent à l'attribution d'une place centrale à l'utilisateur dans le système, en tant qu'agent interprétant de l'information et concepteur de ses connaissances, dès lors qu'il est placé dans un contexte industriel ou spécialisé.

L'idée de l'argumentation est de rechercher dans une base de connaissances, pour chaque proposition dont on souhaite évaluer la validité, les raisons qui étayent cette proposition et celles qui l'infirment. Un argument est alors entendu comme une paire comprenant une proposition et les raisons qui la justifient. Notre propos est d'offrir des outils formels pour la génération automatique d'arguments par deux agents en situation de dialogue. Ces outils reposent sur les X-logiques, formalisme non-monotone proposé en 1996 par Siegel et Forget et déterminant un cadre fondateur autour de la notion de preuve pour le raisonnement non-monotone. En particulier l'ensemble X servant à paramétrer la relation d'inférence confère une souplesse inégalée à la gestion dynamique des arguments. Après un tour d'horizon des travaux passés en matière de représentations logiques pour l'argumentation, nous introduisons les X-logiques, à partir desquelles est composée la notion d'attitude d'un agent par rapport à une formule. Nous définissons ensuite des opérateurs de confrontation qui permettent d'associer des ensembles de formules aux attitudes d'un agent. Le concept de réponse d'un agent à un ensemble de formules est alors élaboré en tant que motivation de l'attitude de cet agent vis-à-vis de l'ensemble en question. Plusieurs formes de réponses sont distinguées parmi lesquelles les notions de réponse pertinente ou encore de mensonge. Une réponse représente les raisons qui justifient la conclusion d'un argument : c'est à partir du calcul de ces réponses que nous exhibons une procédure de génération automatique d'arguments. Enfin nous montrons que notre cadre argumentatif permet de générer les contre-arguments conservatifs maximaux de Besnard et Hunter (2001), arguments retenus pour leur pertinence.

Dans le domaine des jeux vidéos par exemple, surtout des jeux de rôles, les personnages virtuels perçoivent un environnement, en tirent des connaissances puis effectuent des actions selon leur besoin. De même en robotique, un robot perçoit son environnement à l'aide de capteurs/caméras, établit une base de connaissances et effectuent des mouvements etc. La description des comportements de ces agents virtuels et leurs raisonnements peut s'effectuer à l'aide d'un langage logique. Dans cette thèse, on se propose de modéliser les trois aspects ''voir'', ''savoir'' et ''faire'' et leurs interactions à l'aide de la logique modale. Dans une première partie, on modélise des agents dans un espace géométrique puis on définit une relation épistémique qui tient compte des positions et du regard des agents. Dans une seconde partie, on revisite la logique des actions ''STIT'' (see-to-it-that ou ''faire en sorte que'') qui permet de faire la différence entre les principes ''de re'' et ''de dicto'', contrairement à d'autres logiques modales des actions. Dans une troisième partie, on s'intéresse à modéliser quelques aspects de la théorie des jeux dans une variante de la logique ''STIT'' ainsi que des émotions contre-factuelles comme le regret. Tout au long de cette thèse, on s'efforcera de s'intéresser aux aspects logiques comme les complétudes des axiomatisations et la complexité du problème de satisfiabilité d'une formule logique. L'intégration des trois concepts ''voir'', ''savoir'' et ''faire'' dans une et une seule logique est évoquée en conclusion et reste une question ouverte.

L'ensemble des travaux présentés relève de l'Apprentissage Artificiel, et aborde l'apprentissage supervisé, ainsi que l'aide à la découverte par la fouille de données. On se place ici dans le cas où un problème d'apprentissage passe par l'exploration d'un "Espace de Recherche", constitué de représentations formées dans un certain langage d'énoncés. La structure cachée liant "énoncés" et sous-ensembles d'"objets", représentable dans un treillis intension/extension, permet en particulier de réduire l'espace de recherche dans les problèmes d'apprentissage supervisé. Je présente ensuite une forme d'"abstraction" ordonnée faisant varier le niveau de granularité des énoncés, ou des objets considérés, et garantissant que le treillis intension/extension est ainsi lui-même réduit. Certains travaux concernant la recherche de motifs séquentiels réquents, sont également interprétés du point de vue de cette relation intension/extension. Enfin, deux "paradigmes" nouveaux en apprentissage supervisé sont présentés, l'un traitant de la notion d'ambiguïté des exemples, l'autre étendant l'apprentissage supervisé cohérent dans un cadre collectif.

Les travaux de cette thèse se situent dans le cadre de la discrimination conceptuelle. Notre objectif est de caractériser des classes d'objets imprécis et structurés, à partir de concepts imprécis. Le modèle de représentation des données utilise un formalisme objet pour décrire les relations de dépendance entre les attributs et modélise l'imprécision à l'aide de termes linguistiques organisés en structure de treillis. Dans un premier temps, nous avons défini des fonctions de reconnaissances floues permettant de mesurer l'appartenance graduelle d'une observation à un concept. Ces fonctions sont construites à partir de métriques qui prennent en compte les différents aspects du modèle. Ensuite, à partir des notions de complétude et de consistance, nous avons élaboré des critères évaluant la qualité de discrimination d'un concept au contour imprécis. L'utilisation de quantificateurs et modificateurs linguistiques permet de préciser cette qualité de discrimination en tenant compte des erreurs de classement. Enfin, nous avons développé des méthodes d'acquisition de concepts imprécis à partir d'exemples et de contre-exemples. Ces méthodes déterminent un recouvrement des exemples à partir de descriptions reconnaissant au plus, un nombre fixe de contre-exemples. Nos méthodes de discrimination s'appuient, pour déterminer efficacement des concepts, sur les opérateurs de généralisation et sur la structure de treillis des descriptions discriminantes. Afin d'améliorer la qualité et la fiabilité des résultats, une procédure de sélection des attributs les plus discriminants a été proposée. Implantées dans un système d'apprentissage, ces différentes méthodes sont appliquées à plusieurs expérimentations.

Cette thèse, fruit d'une collaboration LORIA / INRA, porte sur l'étude du raisonnement à partir de cas pour aider à l'interprétation d'organisations spatiales agricoles. Les agronomes effectuent des enquêtes auprès d'exploitants agricoles, afin d'appréhender les relations entre structure spatiale et fonctionnement des exploitations. Des modèles graphiques, appelés chorèmes d'exploitations, permettent de synthétiser ces données d'enquêtes. Sur la base de ces chorèmes, nous avons modélisé l'organisation spatiale des exploitations par des graphes bipartites aux sommets et aux arc étiquetés par des concepts. A certains sous-graphes, décrivant des structures spatiales intéressantes, sont adjoints des explications, décrivant l'organisation fonctionnelle, pour constituer des cas. La modélisation conjointe a abouti à la reconception des chorèmes et à la constitution d'une base de cas et de hiérarchies de concepts du domaine. Le système de RàPC ROSA permet de proposer des explications de fonctionnement à un graphe d'organisation spatiale en utilisant les cas enregistrés. La comparaison des graphes s'appuie sur le mécanisme des logiques de description : étant donné un graphe d'exploitation cible, on lui associe des graphes sources de la base de cas au moyen d'opérations de généralisation et de spécialisation.

Cette thèse illustre le rôle que l'Ingénierie Ontologique (IO) peut jouer dans les Environnements Informatiques pour l'Apprentissage Humain (EIAH). Même si ce rôle touche à la fois la conception et la diffusion de l'apprentissage, nous nous attardons sur son rôle dans la conception. Nous montrons alors comment il vise à combler un manque, celui de l'assistance aux concepteurs. Notre but est donc de faire la preuve de la contribution possible de l'IO dans l'ingénierie des EIAH, et pour illustrer cette preuve, nous prenons l'assistance aux concepteurs pédagogiques comme exemple de situation où l'IO est utile. Nous abordons le problème, en le posant de la façon suivante: Comment assister les concepteurs pédagogiques dans leur tâche parfois complexe de design pédagogique (DP), alors que les systèmes auteurs ne leur offrent pas l'assistance nécessaire pour concevoir des scénarios sémantiquement corrects, c'est-à-dire des scénarios valides du point de vue des Théories et Paradigmes d'Apprentissage, d'Enseignement et de Design pédagogique (TPAED), ni le moyen de procéder à une telle validation sémantique? Nous montrons que la cause principale de ce manque dans les systèmes auteurs (incluant les systèmes orientés pédagogie, orientés performance, hypermédias, adaptatifs et collaboratifs et Web, pour n'en nommer que quelques-uns) est leur faible représentation explicite du DP et des TPAED dans leur modèle pédagogique. Nous privilégions une approche d'IO basée sur le Web sémantique afin de profiter des technologies bien établies et standardisées qui en découlent, à savoir les langages Web basés sur la syntaxe XML, les services Web et les annotations sémantiques. Pour mettre en oeuvre notre thèse, nous proposons la conception d'un système d'aide permettant d'apporter au concepteur pédagogique l'assistance dont il a besoin lors de l'utilisation de tout système auteur. Nous nommons ce système CIAO, ce qui signifie qu'il s'agit d'un système d'aide à la Conception Intelligemment Assistée par des Ontologies. CIAO exploite une ontologie formalisant les TPAED, dont nous assurons la construction selon une approche d'IO que nous proposons. Les services offerts au concepteur sont assurés grâce à des règles de validation syntaxique et sémantique que nous avons créées et intégrées à CIAO. Quelle que soit la situation dans laquelle l'IO est utilisée, il s'agit d'un processus complexe qu'il faut avant tout développer de façon méthodologique. Cette thèse apporte aussi une solution sur cet aspect méthodologique de l'IO, puisque nous proposons une Méthode Intégrée d'IO appelée, MI2O. Cette méthode est dite intégrée parce qu'elle tient compte des points forts des principales méthodes d'IO et du standard du génie logiciel IEEE 1074-1995 (l'ontologie étant considérée comme un produit du génie logiciel). Notre contribution peut se résumer ainsi: (1) La méthode MI2O, utilisée pour construire l'Ontologie des Théories et Paradigmes d'Apprentissage, d'Enseignement et de Design pédagogique ou OTPAED ; (2) L'OTPAED, une contribution originale pouvant être exploitée par tous les systèmes auteurs d'EIAH ; (3) Le système CIAO, un système réactif d'assistance en design pédagogique qui donne, entre autres, du conseil pour la conception des scénarios pédagogiques syntaxiquement/sémantiquement valides selon une théorie déterminée. Ainsi, il offre une validation flexible de scénarios selon les standards du DP (par ex. IMS Learning Design) et selon les TPAED. Le prototype que nous avons développé tend à montrer le potentiel de l'IO en contexte de DP en illustrant (à travers plusieurs scénarios d'utilisation de CIAO) comment des ontologies peuvent être exploitées pour assister le concepteur pédagogique; (4) Les règles de validation syntaxiques et sémantiques de CIAO. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Environnement interactif pour l'apprentissage humain, Ingénierie ontologique, Intelligence artificielle dans l'éducation, Méthodologie, Ontologie, Représentation des connaissances, Système auteur, Système tutoriel intelligent, Théories et paradigmes de l'apprentissage, de l'enseignement et du design pédagogique.

Les techniques de reconnaissance et de synthèse vocale deviennent de plus en plus performantes et robustes, ce qui facilite la création des applications de dialogue oral humain-machine. Ce sont des applications à partir desquelles la machine dialogue oralement avec l'humain en imitant l'acte de communication des humains. Cependant, le dialogue entre l'humain et la machine manque encore de naturel, de souplesse et est parfois même agaçant. Alors que les recherches se sont orientées vers l'aspect acoustique et sémantique du signal de la parole, d'autres se sont positionnées au niveau de l'apprentissage de la machine. Cette technique consiste à lui apprendre une stratégie du dialogue. La stratégie optimale du dialogue permet à l'humain et à la machine de communiquer de manière efficace. La question qui se pose en informatique cognitive est de savoir comment une machine peut apprendre des séquences de comportements, en l'occurrence, des énoncés du langage naturel qui, lorsque confrontées à une séquence effective, doivent être aptes à interagir avec celui qui a ces comportements (humains)? . Plus généralement, l'un des domaines importants de recherche en informatique cognitive est celui de la représentation des connaissances qu'il faut construire pour permettre à la machine d'effectuer une tâche de type intelligence artificielle. Pour ce faire, il existe plusieurs approches. Quelle que soit celle retenue, il faut d'abord savoir quelle est sa représentation, ensuite, savoir comment transférer ces connaissances à la machine pour qu'elle puisse apprendre afin d'améliorer sa performance. Ce transfert relève de trois aspects fondamentaux de notre thèse : représentation des connaissances, acquisition des connaissances et recherche d'information. Notre recherche ne vise cependant pas des réponses abstraites. Elle les explore directement dans un domaine spécifique où ces connaissances sont éminemment requises et doivent être apprises: le dialogue oral humain-machine qui se réalise dans un système de dialogue oral humain-machine. Dans ce système, nous nous concentrerons sur l'aspect stratégique du dialogue considéré comme étant important pour contrôler les interactions orales entre l'humain et la machine [ENG05], [HEN05], [LEV00], [PIE04], [SCH05], [SCH06], [SCH99]. Une stratégie optimale du dialogue permet à la machine de contrôler efficacement ces interactions orales. Nos hypothèses de solutions à appliquer dans le domaine du dialogue sont: 1-La connaissance que représente la stratégie du dialogue peut être vue comme un processus dynamique qui est composé de séquences d'actions. Il traduit un comportement stochastique, dynamique et coopératif avec lequel deux interlocuteurs s'engagent dans un dialogue. Ce processus peut être décrit comme le processus de décision de Markov (état, action, transition, récompense). 2-Pour transférer cette connaissance de l'humain à la machine, nous proposerons une approche d'apprentissage par renforcement avec l'aide d'un utilisateur simulé (Pietquin et Beaufort, 2005 ; J. Schatzmann et al., 2006). Cette approche permet à la machine d'acquérir les connaissances des stratégies optimales du dialogue. 3-Cette stratégie optimale est le résultat, non seulement de la formalisation des connaissances et de l'apprentissage, mais est aussi obtenue grâce à la recherche d'information qui se manifeste à travers un mécanisme de transition entre les états qu'offre le modèle de Markov. Nous démontrerons la faisabilité de notre approche par la réalisation d'un prototype qui met en évidence le processus d'apprentissage proposé. Le dialogue issu de cet apprentissage sera simulé oralement par une interface Windows programmé en Visual Studio C++/.Net dans le laboratoire de R&D de Nuance Communications, Inc. Ainsi, nous démontrerons qu'un système avec une stratégie apprise, modélisée selon nos hypothèses de représentation et d'acquisition des connaissances sera meilleur qu'un système sans stratégie apprise grâce à cette approche. ______________________________________________________________________________ MOTS-CLÉS DE L'AUTEUR: représentation des connaissances, acquisition des connaissances, recherche d'information, contrôle des interactions, intelligence artificielle, processus de décision de Markov, apprentissage machine par renforcement, stratégie du dialogue, système de dialogue oral humain-machine, utilisateur simulé.

La thèse s'intéresse au transfert de connaissances scientifiques en valorisation des produits à base de bois en fin de vie vers les acteurs de la filière bois. La question de recherche est : Comment transférer les connaissances scientifiques (recueil et représentation des connaissances) sur la valorisation des produits à base de bois en fin de vie pour qu'elles puissent être assimilées et utilisées par les acteurs de la filière bois ? Le recueil des connaissances a combiné des séances d'interview de spécialistes avec l'acquisition des connaissances à partir d'articles scientifiques. Les connaissances recueillies ont été reformulées afin de faciliter leur transfert vers les acteurs de la filière bois : les concepts pertinents, relations d'influence entre les concepts et résultats scientifiques ont été respectivement représentés via des cartes conceptuelles, graphes d'influence, et fiches de connaissances. Un modèle canonique de cartes conceptuelles a été proposé afin de permettre une représentation homogène des concepts. La transmission, l'assimilation et l'utilisation potentielle des connaissances à transférer ont été traitées comme suit : La transmission a été proposée via un livre électronique (hypermédia) de connaissances, L'assimilation a été prise en compte via la reformulation des connaissances et une représentation graphique des connaissances suivant une carte conceptuelle canonique et un format prédéfini de fiches. L'utilisation potentielle des connaissances transférées a été renforcée par la représentation des leviers d'action sur les concepts du domaine sous forme de graphes d'influence. Les performances de transfert à partir du livre ont été évaluées en fonction du degré de compréhension du contenu du livre, la charge cognitive de l'utilisateur au cours de l'utilisation du livre de connaissances et sa désorientation. L'expérience a montré que la forme canonique développée est intuitive ; et, tout comme la navigation dans le livre, n'occasionne pas de désorientation ou surcharge cognitive de l'utilisateur. Les résultats obtenus montrent, au sein de la filière bois, tout l'intérêt de la représentation proposée pour le transfert de connaissances scientifiques vers des professionnels.