Les avantages et les limites du RàPC

La principale raison de la popularité du RàPC se fonde sur le fait que les systèmes

antérieurs et traditionnels sont basés sur des règles comportant de nombreux inconvénients,

tels que des difficultés dans l'acquisition des connaissances, une absence de mémoire de

63

résolution de problèmes ou de l'expérience, une mauvaise efficacité de l'inférence, une

inefficacité à traiter des exceptions, une mauvaise performance de l'ensemble du système etc.

[Ni et al., 2003]. A présent, nous pouvons citer les avantages des systèmes RàPC selon

différents points de vue :

Le raisonnement dans des domaines qui n'ont pas été bien définis et modélisés. Dans

une situation où il existe des connaissances insuffisantes ou incomplètes pour construire

un modèle de causalité d'un domaine ou en tirer un ensemble heuristique, un système

RàPC peut être développé en utilisant seulement de petits ensembles des cas du domaine

[Pal et al., 2004].

La réduction des tâches d’acquisitions des connaissances. Le problème classique dans

les systèmes de base de connaissances est de savoir comment élaborer les règles sur

lesquelles les systèmes reposent. La règle du processus d'acquisition peut être laborieuse

et peu fiable: il peut être difficile d’obtenir ces règles, par ailleurs, il n'y a aucune

assurance que ces règles seront effectivement suffisantes pour caractériser les

performances des experts [Leake, 1996]. En éliminant la nécessité d’extraction d’un

modèle ou d’un ensemble de règles -ce qui est nécessaire dans des modèles ou des

systèmes à base de règles- les activités d’acquisition des connaissances du RàPC

reposent principalement sur la collection des expériences (cas) ainsi que sur leur(s)

représentation(s) et leur mémorisation.

L’évitement des erreurs répétitives produites dans le passé[Noh et al., 2000].Dans un

système qui enregistre des échecs ainsi que des succès en y incluant les raisons des

échecs, alors les informations sur les causes des échecs dans le passé peuvent être

utilisées pour prévoir les défaillances potentielles à venir.

Fournir la flexibilité dans la modélisation des connaissances.En raison de la rigidité

dans la formulation et la modélisation du problème, des systèmes de base de modèles

peuvent parfois ne pas être en mesure de résoudre un problème qui est à la limite de

leurs connaissances ou lorsque les données s’avèrent être incomplètes. En revanche, les

systèmes du RàPC utilisent des expériences acquises antérieures comme le domaine de

la connaissance. Ils peuvent souvent fournir à ces types de problèmes une solution

raisonnable, à travers d’une adaptation appropriée [Pal et al., 2004].

L’amélioration de la qualité des solutions. Lorsque les principes d'un domaine ne sont

pas bien compris, les règles vont être imparfaites. Dans cette situation, les solutions

suggérées par les cas pourront être plus précises que celles proposées par des chaînes de

règles. En effet, les cas reflètent ce qui se passe réellement dans un ensemble de

circonstances [Leake, 1996].

64

L’apprentissage sans cesse. Les systèmes RàPC peuvent apprendre et s’enrichir par

l’acquisition de nouvelles connaissances de cas [Seuranen et al., 2005]. Au fur et à

mesure que les systèmes du RàPC sont utilisés, ils s’enrichissent de nouveaux

problèmes et créent alors davantage de solutions [Watson & Marir, 1994].

Si la solution des cas est ensuite testée dans le monde réel et qu’un niveau de succès est

déterminé pour ces solutions, ces cas peuvent être ajoutés à la base de cas et utilisées

pour aider à résolution des problèmes ultérieurs. Au fur et à mesure les cas s’ajoutent

dans le système, le système du RàPC devient capable de raisonner selon une plus grande

variété de situations et avec un plus haut degré de raffinement et de réussite.

Le raisonnement dans un domaine avec peu de connaissance. Nous nous trouvons là

dans un domaine de problèmes pour lequel seuls un petit nombre de cas sont

disponibles. Ainsi, le processus du raisonnement peut commencer par ces quelques cas

connus et construire alors progressivement sa connaissance en ajoutant de nouveaux cas.

L’addition de nouveaux cas amènera donc le système à se développer selon une

direction déterminée par les cas rencontrés lors de la résolution de problèmes.

Fournir un moyen argumentaire.Les systèmes du raisonnement à partir de cas peuvent

fournir un cas antérieur et sa solution pour aider à convaincre un utilisateur, ou à

justifier, une solution proposée au problème en cours. Un système du RàPC peut

justifier la solution à un utilisateur en expliquant comment un cas antérieur a été réussi

dans une situation. Pour expliquer ceci, il utilise les similarités entre les cas et le

raisonnement impliqués dans l'adaptation.

L’extension dans plusieurs domaines. Les situations dans lesquelles le système du

raisonnement à partir de cas peut être mis en œuvre, sont presque illimitées. Ainsi, il

peut être utilisé pour atteindre de nombreux objectifs, tels que la planification, le

diagnostic, les raisonnements juridiques, l’arbitration, le design,… . Par conséquent, les

données traitées par un système du RàPC peuvent revêtir de nombreuses formes, de ce

fait, les méthodes de la remémoration et de l'adaptation pourront également varier.

Le reflet de raisonnement humain.Il y a beaucoup de situations où nous - les humains -

utilisons une forme de raisonnement à partir de cas. Il n'est donc pas difficile de

convaincre les exécutants, les utilisateurs ou encore les gestionnaires de la validité de ce

paradigme. Les humains peuvent comprendre le raisonnement et les explications d’un

système du RàPC. Ils peuvent être convaincus de la validité des solutions qu'ils

reçoivent par le système du RàPC.

Le processus du RàPC est proche d’un système de gestion des connaissances. Le

processus suivi par le RàPC selon Dubitzky [Dubitzky, 1999] et Watson [Watson,

65

2001b] est proche des besoins d’un système de gestion des connaissances. Le RàPC est

une approche intéressante pour la construction d’un système de base de connaissances

car il évite les difficultés de modélisation du savoir-faire des experts en se focalisant sur

l’acquisition de cas. De plus, il permet une évolution continue de la mémoire des cas par

auto-alimentation : c’est-à-dire, une incorporation successive des nouveaux cas résolus

[Dieng-Kuntz et al., 2001].

Toutefois, le RàPC possède également certaines limites que nous devons préciser. Il

s’agit notamment de :

La limitation dans le contenu de la mémoire de cas. Une des limites du RàPC concerne

le contenu de la mémoire de cas. Ce que nous venons d’expliquer suppose que l’ajout de

nouveaux cas dans la base de cas augmente les performances de résolution de

problèmes. Cependant, cela n’est vrai que dans une certaine limite. En effet, lorsque la

taille de la base de cas devient trop importante, de plus en plus de cas doivent être

considérés durant la phase de remémoration, ce qui se traduit alors par une baisse de

performance du système [Cortes Robeles, 2006].

Dans le document Contribution à un système de retour d'expérience basé sur le raisonnement à partir de cas conversationnel : application à la gestion des pannes de machines industrielles (Page 64-67)