Chapitre 2. Les Méthodes
2.8. Les Systèmes Experts
2.8.1 Définition
Les systèmes experts sont des logiciels simulant une expertise, et donc très utiles en matière de diagnostic, de conseil, d’aide à la décision…[06].
21S’il y a transitivité des choix.
Les systèmes experts sont apparus dans les années 70 et ont connu une forte notoriété dans les années 80.
2.8.2 Principe
Ils comportent une base de connaissances (spécifique à l’application) contenant des faits et un ensemble de règles logiques du style
si <condition> alors <conclusion>.
Ils sont animés par un moteur d’inférence (générique), chargé d’appliquer ces connais- sances au cas, et qui simule un raisonnement en appliquant aux faits les règles activables, ce qui engendre de nouveaux faits…, jusqu’à stabilisation sur un ensemble de conclusions.
Les faits initiaux et les règles sont obtenus à partir de la connaissance d'experts soi- gneusement choisis et interviewés.
Par opposition aux applications antérieurement programmées, le moteur d’inférence dispense de concevoir un algorithme à partir des règles recueillies. La base de connaissan- ces, plus proche qu’un algorithme de la pensée des experts, est de ce fait plus facile à mainte- nir [06].
2.8.3 Pour quoi les Systèmes Experts ?
Les Systèmes à Base de Connaissance, ou systèmes experts, ne font pas à proprement parler, partie des techniques de fouille de données. Cela étant, ils méritent une mention à part dans le contexte de la fouille de données, pour différentes raisons :
• les acteurs de fouille de données, tant sur le plan de la recherche que sur le plan com- mercial, viennent souvent du monde de l'intelligence artificielle et des systèmes ex- perts ;
• la percée en fouille de données est principalement le résultat de la recherche de solu- tions au goulet d'étranglement que constitue la phase de recueil d'expertise dans la constitution d'un système expert ; en ce sens, les SE sont demandeurs de fouilles de données vis-à-vis des gisements potentiels de connaissances que constituent les bases de données, les fonds documentaires….
• si les systèmes experts ne découvrent pas de connaissances dans les données, ils sont en revanche parfaitement indiqués pour appliquer de la connaissance sur ces mêmes données [12].
2.8.4 Les domaines d'application
Des outils tels que les arbres de décision ou les associations permettent d'obtenir rapi- dement des règles de décision, facilement exploitables par les moteurs d'inférence. Il est donc naturel de coupler fouille de données et système expert.
La répartition des tâches est simple : la fouille de données extrait des règles qui sont ensuite implémentées sous formes de base de connaissance dans un moteur d'inférence afin d'être appliquées à de nouvelles données. Alors, pourquoi pas un retour des systèmes experts grâce à la fouille de données ? [12].
Les systèmes experts sont utilisés pour le crédit immobilier, quand les historiques de données ne sont pas assez profonds pour calculer un modèle de score. De plus, dans ce do- maine, l'aide à la décision ne porte pas seulement sur la notation du risque, mais également sur les dispositifs légaux et réglementaires qui peuvent entourer le dossier ; si ces dispositifs changent, il suffit de mettre à jour ponctuellement la base de connaissances [06].
Les outils Internet ont bien compris les possibilités qu'offrent les systèmes experts à base de règles couplées aux technologies de fouille de données, en matière de personnalisa- tion de la relation avec le client. L'introduction de règles est simple et permet à un profession- nel d'imposer ses critères. Les règles introduites permettent d'adapter le comportent du site au profil et aux actions de l'internaute.
2.8.5 Limites
Après une période d'engouement, la mode des systèmes experts est progressivement retombée22. Les causes sont multiples, mais il est possible d'en dégager plusieurs :
• La pérennisation des a priori des experts.
• Le goulet d'extraction du recueil de la connaissance : une base de connaissances se constitue à partir d'interviews d'experts. Cette tâche de recueil est complexe et longue. Elle alourdit les temps de réalisation et le coût des applications.
• Une synthèse des avis d'experts qui n'est pas toujours optimale23
22 Les SE sont souvent devenus des fonctions expertes ou des modules experts enfouis dans des applications plus
vastes.
23 On évite d’avoir plusieurs experts sur une même question ; les systèmes multi-experts correspondent à des
activités composites comme le DIAGNOSTIC D’ENTREPRISE, avec un expert pour chacune des fonctions majeures, ce qui pose de gros problèmes (notamment de terminologie univoque).
• La prise en compte des seules données déclaratives, et non des données comportemen- tales enregistrées dans le système d'information.
• Le conflit in vivo/in vitro : l’expert peut raisonner sur un cas moyen et oublier les cas extrêmes ; en particulier, les professionnels (ou l’expert en action) changent souvent de stratégies selon le contexte, ce qui supposerait de coiffer les stratégies de résolution de problèmes classiques par une méta-résolution basée sur un cadrage du problème (J. Viallaneix, 1989).
• Une maintenance lourde : une base de connaissance présente un degré de formalisme important. L'intégration de nouvelles connaissances est complexe. Elle risque d'entrer en conflit avec des connaissances existantes (→ contrôles d’intégrité).
• La structure hiérarchisée de l'ensemble des règles rend délicate la modification de quelques règles sans modifier l'ensemble; de ce fait, les activités de maintenance sont lourdes et coûteuses24 [06], [12].