chapitre 5 La modélisation d'une décision administrative par le génie cognitif

5-1.1 La modélisation par un "système expert"

La modélisation de la connaissance exige une méthodologie qui va au-delà d'une simple utilisation d'une technologie. En intelligence artificielle (IA), il existe trois tendances principales de recherche: (1) l'IA appliquée cherche à construire des systèmes aptes à résoudre une certaine tâche. Le système expert fait partie de cette catégorie. Son succès est mesuré par des critères "superficiels": un système est bon, s'il peut résoudre efficacement un certain nombre de tâches. A cela, on rajoute des critères de transparence et d'élégance pour la structure du système. On désire voir "pourquoi" et "comment". (2) L'IA "pure" tente de modélisation l'intelligence. Le critère de succès est de savoir si le programme (sa structure et son fonctionnement) est un bon modèle pour un certain aspect d'intelligence (par exemple l'apprentissage). (3) L'IA orientée sciences cognitives tente de modéliser certains aspects observables du comportement humain. Le critère de succès est à la fois mimétique (simulation du comportement en question) et structurel (est-ce que le système fonctionne comme l'humain?). Souvent, ces trois tendances ont en commun la volonté de construire des systèmes composés d'éléments qui ont du sens (angl.: meaning), c'est-à-dire des représentations que l'on peut manipuler avec des mécanismes d'inférence. D'une façon plus générale, on peut dire qu'il s'agit de systèmes informatiques qui modélisent quelque chose d'observé ou de postulé dans un système intelligent. Autrement dit, on y représente soit des connaissances soit des mécanismes dont la connaissance peut émerger ou une combinaison des deux. La différence entre IA appliquée et IA non-appliquée n'est pas toujours fondamentale. L'IA appliquée ne cherche pas à être fidèle à des connaissances de la psychologie et elle ne cherche pas forcément à être intelligente. Comme on l'a dit, son critère principal est celui de la performance.

La modélisation IA dans les sciences sociales se situe quelque part entre ces trois tendances de recherche. Un système intéressant pour la science politique doit modéliser une classe de phénomènes plus large qu'en sciences cognitives. On ne demande pas nécessairement si un tel système modélise avec fidélité tous les processus cognitifs impliqués dans une tâche. On se "contente" d'un système qui reproduit des actions internes et externes à un certain niveau d'abstraction. Avec les modèles IA en sciences cognitives, on a en commun la recherche d'une certaine homomorphie structurelle et fonctionnelle, mais qui n'a pas un niveau de description très élevé. Avec les systèmes expert (l'IA appliquée dominante), on a en commun la volonté de construire des systèmes complets par rapport à un domaine de tâches. On exige aussi qu'ils soient maniables et transparents. Cela implique aussi que l'on préfère utiliser des techniques modulaires et simples comme celles utilisées pour les systèmes expert.

Notre penchant pour la technologie des systèmes expert n'est pas uniquement le résultat de sa facilité relative d'emploi. Outre un grand nombre de logiciels disponibles sur le marché commercial et académique, il existe aujourd'hui un savoir-faire bien documenté sur le génie cognitif, appelé aussi "ingénierie de la connaissance" (angl. "knowledge engineering")*1. La philosophie de la séparation des connaissances du moteur d'inférence est utile pour le modéliseur en sciences politiques. Elle permet de bien identifier la couche du modèle qui possède un intérêt théorique: les formalismes utilisés pour représenter des connaissances sont relativement relativement "abordables" pour un non-informaticien. Ainsi, le contenu d'un modèle peut être examiné au-delà d'un cercle restraint de chercheurs en IA.

THESE présentée par Daniel Schneider - 19 OCT 94

Generated with WebMaker