Accueil Orientation générale Barre de recherche

DicoNombre DicoMot Math DicoCulture

Atlas des maths Rubriques Index alphabétique

Nouveautés Actualités Références

Édition du: 18/04/2026 M'écrire Brèves de Maths

INDEX Logique Algorithme Programmation Multimédia	LOGIQUE et IA
	Introduction	Algorithmes		Jeux (Échecs, Go)	Théorie
	Int. humaine	Machine de Turing		Systèmes experts	Rx neuronaux
	Programmation	Automate		Lambda-calcul	Robots
	Historique	Algorithmes TOP 15		ChatGPT	IA Avancée
	Modèles à raisonnement		Modèles d'IA en 2025		Super IA Maths
	L'IA à l'assaut des conjectures
	ALGORITHMES et IA – LE LIVRE Avril 2026 – pdf – 234 pages

Faites un double-clic pour un retour en haut de page

SYSTÈMES EXPERT Knowledge Based Expert Systems (KBES) Mécanisation du raisonnement pour obtenir des déductions, des conclusions. Les systèmes experts s'appuient sur la connaissance du domaine, préalablement (et … consciencieusement) communiquée par un expert. D'une liste de déclarations, le système expert cherchera toutes les déductions possibles et tentera d'aboutir à une conclusion.
	Sommaire de cette page >>> Approche >>> Déclaratif >>> Langage et principe >>> Sens commun >>> Prédicat de premier ordre >>> Deux types de systèmes décisionnels	Débutants Logique Glossaire Logique

Il est plus facile de simuler un géologue qu'un enfant de 5 ans.

Sentence qui nécessite explication!

Un système expert peu raisonnablement accomplir sa tâche s'il s'agit de traiter des éléments de géologie bien connus, bien organisés, mais il est incapable de simuler le sens commun même celui d'un jeune enfant. Sans doute, une des raisons pour lesquelles les systèmes experts ont eu un moment de gloire et se sont finalement effondrés sur le marché.

Approche
Un exemple basique: règles des fourmis pour créer leur cimetière à fourmis De la sorte, les fourmis mortes se retrouvent regroupées en tas et la nature nettoyée des cadavres. Vous constaterez qu'il n'est pas utile à la fourmi de savoir ce qu'est un tas, ou ni même de savoir communiquer avec ses congénères. Pas d'intelligence particulière, en fait!

Déclaratif

Systèmes expert On décrit les règles à suivre. Il s'agit, ensuite, de suivre ces règles générales. On énonce toutes les règles en vrac, sans ordre particulier. Seule condition pour être efficace: ne pas en oublier une seule ! Exemple Si le feu est vert alors avancer. Si tu trouves un panneau indicateur, alors prendre Trifouilly. Si obstacle, alors ralenti et contourne l'obstacle. Etc. Il faut identifier toutes les connaissances relatives au problème et les placer dans une base de connaissance. On remarque que le système, suite aux déductions (conclusions), trouvera de lui même la solution: mécanisme de déduction qui est appelé moteur d'inférences. Le système expert est un outil de déductions rapide pour l'homme. Exemple: reconnaître une fleur Si la fleur est rouge et a 4 pétales, alors c'est un coquelicot avec une probabilité de 50%. Si de plus elle se trouve dans un champ de blé, c'est un coquelicot à 95%. Pour en être sûr à 100%, vérifiez qu'il y a 4 sépales.

Voir le livre Quelle est donc cette fleur qui permet de reconnaître les fleurs sur ce principe.

Langage et principe d'unification

Langage Le langage LISP (List Processor) est le premier langage d'intelligence artificielle. Il a été développé en 1958 par J. McCarthy pour l'ordinateur IBM 704. Les instructions sont de simples listes de déclaration. Le programme "fouille" dans ces déclarations pour en déduire d'autres (moteur d'inférences) et tenter d'arriver à une conclusion, un peu à la manière des logigrammes. Le langage Prolog – développé en 1973 par Alain Comerauer, université de Marseille – a eu un certain succès du fait de son caractère pédagogique. Principe d'unification En algèbre, la résolution d'une équation donne la valeur de l'inconnue. Il peut y en avoir plusieurs, mais elles sont bien définies. En logique (logique des prédicats), l'unification attribue, assigne une valeur aux variables et cette valeur est définitive. Plusieurs variables peuvent prendre la même valeur par transitivité: elles deviennent synonymes. En Prolog, cette opération d'unification est notée simplement par le signe "=".

Résoudre une énigme avec Prolog

Vous connaissez le Cryptarithme ci-dessous et sa résolution conventionnelle: D O N A L D + G E R A L D R O B E R T Voici un exemple d'efficacité du langage Prolog (en rouge) pour chercher les solutions. X = [D,O,N,A,L,G,E,R,B,T], Toutes ces lettres sont des variables all_intin(X, 0, 9), Toutes à l'intérieur de l'intervalle 0 à 9 gt(D, 0), gt(G, 0), La valeur 0 est exclue pour D et G all_diff(X), Toutes les variables ont des valeurs différentes 100000.*.D .+. 10000.*.O .+. 1000.*.N .+. 100.*.A .+. 10.*.L .+. D .+. 100000.*.G .+. 10000.*.E .+. 1000.*.R .+. 100.*.A .+. 10.*.L .+. D = 100000.*.R .+. 10000.*.O .+. 1000.*.B .+. 100.*.E .+. 10.*.R .+. T, Mise en équation enum_list(X). Rechercher toutes les valeurs compatibles avec les informations données ci-dessus D'après le site Internet Small Projects

Voir Programmation

Sens commun

Quelques exemples Un objet est à un seul endroit à la fois. Le temps est le même pour tout le monde. Un mort n'est plus vivant. S'il pleut, on se mouille. Les plats sucrés sont très souvent appréciés. Si je marche, c'est que je suis debout. Au restaurant, si je paie l'addition, c'est que j'ai fini le repas. Si Gérard est le père de Guillaume c'est que Guillaume est le fils de Gérard. Si une personne meurt ce sera pour toujours. Si un objet est sur la table, il y est posé, il ne flotte pas. Un saucisson coupé en deux reste saucisson; ce n'est pas le cas pour une bouteille, etc. … Douglas Lenat - à partir de 1984 Lenat s'est donné comme objectif de constituer la liste complète de toutes les règles de sens commun. Une base de données du sens commun. Il suffirait de les charger dans les ordinateurs pour les rendre "intelligents", capable de d'interpréter et d'exécuter des ordres. Le logiciel d'utilisation de ces données ferait partie des utilitaires comme le sont aujourd'hui les traitements de texte ou autres tableurs. C'est le projet OpenCyc dont la dernière version a été éditée en 2012. Il utilise les prédicats de premier ordre. Visions de Michio Kaku - Chapitre sur la révolution informatique

Prédicat de premier ordre
Raisonnement symbolique dans lequel on trouve un sujet suivi d'un prédicat. Par exemple: le chien (sujet) est un animal (prédicat); le chat est un animal; E est P avec E = {chien, chat, cheval, foumi …) et P = est un animal.

Anglais;: first-order logic, first-order predicate calculus, first-order functional calculus

Deux types de systèmes décisionnels
Système expert. Moteur de raisonnement (sémantique). Calcul en logique formelle. Arbre de décision.	Réseaux de neurones. Systèmes à apprentissage (profond). Machine learning, deep learning. Intelligence artificielle (IA).
Travail sur les règles. Nécessite l'identification de toutes les règles (si ceci, alors cela). Aucune erreur ou omission permise.	Travail sur les données. Nécessite la confrontation à des milliers de cas pour renforcer la robustesse des décisions. Requiert la disponibilité d'un large volume de données pertinentes et de bonne qualité.
Résultats rapides.	Investissement dans l'apprentissage.
Usage: Travaux simples. Environnement stable. Domaine d'application limité.	Usage: Travaux complexes. Environnement variable. Grand nombre de variables ou de critères.
Algorithmes définis et maitrisés par l'homme Évolution au gré des concepteurs. Système décisionnel maitrisé par l'homme.	Algorithme engendré par la machine. Évolution continue selon l'apprentissage. Système décision développé par la machine.
Risques de chevauchements ou de conflits lors de la croissance du système. Complexification croissante avec son évolution.	L'identification des données utiles et leur contrôle nécessitent une équipe d'experts en science des données (data scientists et data engineers).
Grande fiabilité. Résultats stricts, rigoureux (hors maladresse dans l'établissement des règles).	Risque d'erreur. Risque de décisions erronées (le système est à la mesure des cas appris et peut créer des faux positifs).
Exemple: Approbation de dépenses selon des seuils nécessitant une approbation de la hiérarchie.	Exemple: Détection de fraude fiscale parmi une grande population et une grande variété d sources d'informations.

Haut de page (ou double-clic)

Suite	Réseaux neuronaux Raisonnement Informatique Algorithme et humanité – Le Théorème d'hypocrite
Voir	Dualité Énigmes et paradoxes Événements chronologiques Fractales Histoire de l'informatique Histoire des ordinateurs Incomplétude Intelligence	Intelligence des animaux Logique – Index Multimédia et informatique – Index Ontologie Outils de la logique Puissance de calcul Systèmes experts Turing et le Bureau 47
Cette page	http://diconombre.fr/Wwwgvmm/Logique/IAexpert.htm