• Aucun résultat trouvé

Chapitre 7 Conception d’un prototype de raisonnement à partir de cas : depuis des enquêtes en exploitation agricole à

1. Structure générale du prototype SAMM

1.2. Module de raisonnement du prototype SAMM

1.2.1.Tâche 1 : élaboration du cas cible

Dans sa phase de construction, la première tâche du prototype SAMM est de définir les cas et d’élaborer la base de cas. Elle renvoie à la méthode de conception du système présentée dans la partie 2 de ce chapitre. Précisons que dans sa phase de production, les cas cibles seront eux élaborés par l’utilisateur final.

176

Figure 7.4 : représentation schématique du processus d’appariement des cas sources

Encadré 7.1 : algorithmes de remémoration

177

1.2.2.Tâche 2 : remémorer des cas sources

Pour rappel, la remémoration consiste à identifier un ou plusieurs cas sources de la base de cas susceptibles de résoudre au mieux le problème cible (cf. chapitre 3). Cette étape se déroule en trois étapes : l’appariement du problème cible au problème source, l’évaluation de la similarité entre les problèmes et la sélection finale des cas sources (cf. chapitre 3).

(i) Dans le prototype SAMM, l’appariement des cas cibles aux cas sources est fait par un algorithme classique d’appariement de vecteurs (cf. figure 7.4).

(ii) L’évaluation de la similarité entre les problèmes sources et cibles est quant à elle faite par trois mesures : la similarité locale, la similarité globale et le nombre de descripteurs comparés (cf. partie 2.3.2). Précisions que la mesure de similarité locale est établie à la suite de l’appariement, pour toute paire de descripteurs de comparaison dont les valeurs des deux cas appariés sont renseignées ; autrement dit, la mesure de similarité locale est établie pour toute comparaison de type C1 (cf. figure 7.4). Cette mesure locale s’appuie sur la matrice de similarité orientée par le potentiel d’insertion territoriale du miscanthus (cf. figure 7.7).

(iii) Dans le prototype SAMM, la sélection finale des cas sources à remémorer est une tâche réalisée par un algorithme de remémoration. En pratique, quatre algorithmes de remémoration ont été implantés dans le système (cf. encadré 7.1) : l’utilisateur final doit donc préalablement choisir un algorithme parmi les quatre, pour sélectionner automatiquement les cas sources à remémorer (cf. partie 2.3.3). Ces algorithmes se distinguent par deux paramètres : les descripteurs de comparaison des cas utilisés et les critères de remémoration.

- Pour les descripteurs de comparaison des cas, deux « jeux » sont utilisés. Le premier, DP, est

générique : ce jeu est composé des descripteurs des épisodes globaux de résolution des cas, i.e. de

l’ensemble des descripteurs du problème d’un cas (cf. partie 2.3.1). Le second jeu, DI, est quant à lui spécifique à chaque cas source : ce jeu est composé des descripteurs particuliers des épisodes de

résolution des cas sources, i.e. de l’ensemble des index d’un cas (cf. partie 2.3.1).

- Pour les critères de remémoration, nous utilisons deux procédures : (i) une procédure qui filtre en deux temps les cas sources minimisant la distance globale puis les cas sources maximisant le nombre de descripteurs comparés et (ii) une autre procédure qui, à l’inverse, filtre dans un premier temps les cas sources maximisant le nombre de descripteurs comparés puis les cas sources minimisant la distance globale.

1.2.3.Tâche 3 : adapter la solution des cas sources

Dans les systèmes de RàPC rencontrés dans la littérature, l’adaptation s’opère quand au moins un descripteur du problème source est dissemblable du problème cible. Les connaissances utilisées pour l’adaptation s’appuient sur les relations de dépendance, dont l’acquisition peut être manuelle ou automatique (cf. chapitre 3). L’adaptation se fait ensuite par substitution de la solution source ou par transformation de la solution (cf. chapitre 3).

Dans le prototype SAMM, l’adaptation se fait par substitution en utilisant des règles d’adaptation modélisées à partir du discours des agriculteurs (cf. partie 1.1.3). Ces règles sont applicables dès lors

que leurs prémisses sont similaires aux descripteurs du problème cible, i.e. avec une distance locale

de 5 (cf. partie 2.5.1). La substitution quant à elle, se fait après une étape de sélection des différentes solutions proposées par plusieurs règles d’adaptation pouvant être appliquées à un même problème cible. Cette sélection repose sur un algorithme d’adaptation. En pratique, trois algorithmes d’adaptation ont été implantés dans le système (cf. encadré 7.2).

178

Figure 7.5 : environnement de mise en œuvre du prototype SAMM

Chargement des fichiers d’entrée du système : base de cas et connaissances

Edition des fichiers de sortie du système : résultats détaillés, synthèse des résultats, tables attributaires pour couches SIG Arborescence des fichiers

d’entrée et de sortie du navigateur

Autre onglet ouvert

Volet de configurations : espace dédié pour l’utilisateur du prototype

Sélection des paramètres et des algorithmes du système

Volet de configurations

Code du prototype Chargement du projet SAMM

179 L’algorithme pessimiste (ADAPT1) sélectionne en priorité les solutions d’adaptation valant 0 ; l’algorithme optimiste (ADAPT2) sélectionne les solutions d’adaptation valant 2 ; l’algorithme prudentiel (ADAPT3) sélectionne les solutions d’adaptation issues des règles applicables au cas cible ayant les plus grandes prémisses. Là encore, le choix de l’algorithme est laissé à l’utilisateur final selon ses objectifs de prédiction (cf. partie 2.5.2).

1.2.4.Tâche 4 : réviser les solutions prédites par le système

Dans le prototype SAMM, la révision des solutions prédites par le système est manuelle. Elle consiste à modifier les paramètres du système et les connaissances du domaine jusqu’à validation de la solution finale. Pour cela, l’utilisateur peut s’appuyer sur les fichiers de sortie du système tel que les résultats détaillés de la remémoration (cf. encadré 7.3) ou le tableau de synthèse (cf. annexe).

Encadré 7.3 : exemple de résultats obtenus après comparaison d’un cas source à un cas cible

1.2.5.Tâche 5 : mémoriser les cas cibles révisés

La mémorisation des cas cibles révisés consiste en l’incrémentation de nouveaux cas résolus et à la mise à jour des index utilisés pour retrouver les cas : dans le prototype SAMM, cette tâche est manuelle.