1.10.1 Motivations
Ces travaux couvrent la période qui va de 1986 à 1995, et correspondent aux deux premières parties de l’historique présenté au chapitre 1. Ils sont le
de connaissances
fruit de mon travail de thèse au LSI, de sa valorisation et de son enrichissement au sein du laboratoire mixte ARAMIIHS jusqu’en 1991, puis de la contribution de Nada Matta dont j’ai encadré la thèse de 1992 à 1995. J’ai choisi de développer ces résultats, pourtant anciens, pour plusieurs raisons :
a) En matière de recueil de connaissances auprès d’un expert ou d’une communauté de spécialistes dont les savoir-faire n’ont pas été écrits ou mis en forme, les techniques à la base des approches cognitivistes restent toujours d’actualité, moyennant une adaptation du statut accordé aux données obtenues et de leur interprétation en termes de connaissances. En particulier, dans des projets de gestion des connaissances ou de définition d’aides à la décision, le point de départ est souvent le recueil des paroles d’experts. Or les diverses techniques adaptées à l’ingénierie des connaissances et leurs caractéristiques sont finalement mal connues, y compris dans le cercle du génie logiciel et de l’IA, ce qui conduit parfois à des approches naïves des entretiens.
b) La manière d’en exploiter les fruits (à savoir les entretiens enregistrés, etc.) pose toujours problème si l’on ne se place pas dans une perspective de modélisation. La large diffusion de KADS puis de CommonKADS met plus l’accent sur la réutilisation comme méthode privilégiée pour construire un modèle. Or cette réutilisation suppose aussi des analyses des méthodes de résolution utilisées par les spécialistes du domaine. Un des résultats intéressants de l’ingénierie des connaissances est donc de fournir des recommandations pour conduire la partie ascendante de la modélisation.
c) Plusieurs classes d’applications nécessitent une démarche ascendante : les systèmes d’aide à la décision, les systèmes tuteurs (EIAH) ou encore la mise au point de l’interaction ou de la coopération entre un système et ses utilisateurs. En effet, leur raisonnement et les tâches qu’ils réalisent doivent s’appuyer sur un modèle conceptuel proche de la manière dont l’utilisateur réalise sa tâche.
1.10.2 De MACAO à MACAO-II : historique
Différentes périodes ont jalonné ces recherches sur la modélisation ascendante. Les résultats établis ainsi que les nouveaux points de vue introduits à chaque période sont présentés ici. Ces évolutions sont en phase avec l’historique du domaine dressé au chapitre 2.
Le noyau initial de cette proposition, la première version de la méthode MACAO [Thèse-AUSSENAC, 89] vise la mise au point de systèmes experts, la priorité étant la modélisation cognitive de l’expertise. Les techniques de recueil de connaissances proposées autant que le langage de modélisation font référence aux résultats établis en psychologie cognitive sur les connaissances expertes. Le logiciel MACAO a été une des toutes premières plates-formes de modélisation conceptuelle selon une démarche ascendante, qui ne soit pas basée sur un modèle de résolution de problème pré-établi. En effet, ce n’est que vers 1990 qu’a été disponible la K-Station (vendue par Ilog), plate-forme associée à la méthode KOD, pourtant diffusée avant MACAO. La méthode a été utilisée sur des cas d’école (projet Sisyphus 1) [EKAW, 91b] et dans le cadre du projet SAMIE avec la société MMS au sein du laboratoire ARAMIIHS au cours de mon séjour postdoctoral dans ce laboratoire [SAMIE, 90].
85
La deuxième version de MACAO, définie vers 1992, cherche à mieux prendre en compte le contexte de mise en œuvre de l’expertise et la tâche des utilisateurs du futur système. Le modèle conceptuel est alors issu d’un processus d’abstraction de résolution de problèmes par l’expert, mais il est mis en rapport avec le modèle de la tâche de l’utilisateur. Les techniques de recueil proposées intègrent des analyses ergonomiques de l’activité. Des évolutions du logiciel et de la représentation des connaissances, en particulier une représentation arborescente des schémas, permettent au cogniticien, au cours de la modélisation, de s’appuyer sur les raisonnements experts pour produire un modèle qui s’en éloigne afin de mieux s’adapter à la tâche et au contexte de travail de l’utilisateur. Le point fort de cette nouvelle version est certainement l’intégration de démarches d’analyse ergonomique ainsi que l’articulation entre représentation du raisonnement et connaissances du domaine.
Ces deux groupes de travaux sont présentés dans la partie 4.2 de ce chapitre.
Ensuite, la méthode MACAO-II (finalisée vers 1995) pousse plus loin la volonté de définir le modèle conceptuel comme un modèle du système, de spécifier les problèmes qu’il doit traiter et comment ils seront traités sous forme d’un modèle de raisonnement décrit à l’aide de tâches et de méthodes [thèse-MATTA, 95]. Ce langage, MONA, permet de définir progressivement des composantes du raisonnement puis de les formaliser en conservant la structure conceptuelle. MACAO-II est certainement influencée par les résultats établis dans la méthode KADS (Schreiber et al., 1994), qui a pris une place prépondérante à partir de cette période, et par les représentations du raisonnement sous forme de tâches et méthodes, comme dans les langages OMOS (Linster, 1991), LISA (Delouis, 1993) ou la méthode COMMET (Steels, 1992). Cependant, la méthode conserve la particularité de privilégier une analyse ascendante des manières de procéder des spécialistes du domaine, le modèle du système étant obtenu après analyse de modèles de cas produits par un expert. Elle offre donc une alternative intéressante aux approches privilégiant la réutilisation de composants génériques, comme cela a été évalué dans le cadre du projet SADE mené en partenariat avec EDF.
Enfin, les dernières valorisations de MACAO-II ont eu pour objectif, à travers des collaborations avec d’autres équipes, de diversifier les techniques de modélisation d’une part, et d’assurer le suivi jusqu’à la réalisation d’un modèle opérationnel d’autre part. Ainsi, le système ASTREE (Tort, 1995) a été défini à partir du langage MONA et permet de guider la mise au point d’un modèle de raisonnement en tirant profit des caractéristiques de structuration des concepts du domaine ainsi que d’opérations de raisonnement élémentaires. Pour l’opérationnalisation, le langage ZOLA (Isténès, 1996) a été utilisé pour définir des structures opérationnelles conformes à celles de MONA (Beaubeau, 1997). La correspondance structurelle permet ainsi une validation opératoire du modèle conceptuel en phase de mise au point. Afin de faciliter la modélisation du domaine, souvent fastidieuse, une tentative d’utilisation d’un logiciel d’extraction de terminologies, LEXTER, a été réalisée au sein du projet SADE. Les résultats fructueux obtenus ont posé les bases des contributions possibles des analyses terminologiques à MACAO-II et plus largement en ingénierie des connaissances.
Ces deux derniers groupes de recherches sont présentés conjointement dans la partie 4.3.
de connaissances