Introduction

1 Problématique

Notre travail a pour but l’étude du raisonnement à partir de cas (paradigme de résolution de problèmes par réutilisation d’expériences passées) pour une classe de problèmes complexes, ainsi que la conception d’outils logiciels pour faciliter la réalisation de systèmes intégrant ce type de raisonnement. Plus précisément, notre étude a été motivée par deux applications concrètes : tout d’abord la régulation de la nutrition des plantes, puis l’assistance à la navigation sur le World-Wide-Web.
La première application s’inscrit dans l’objectif général de réguler la nutrition minérale et hydrique des plantes, de manière à maîtriser les dérives minérales dans le substrat de culture et à assurer une meilleure adaptation de l’offre aux besoins des plantes. Le problème de régulation considéré est issu des travaux menés à l’INRA Sophia-Antipolis (Brun et al., 1993 ; Brun & Settenbrino, 1993) : il s'agit de maintenir autour d’une consigne la concentration en sels minéraux de la solution de drainage qui est récupérée après l'arrosage des plantes. La commande, c'est-à-dire le paramètre contrôlé, est la concentration de la solution d'irrigation. Cette régulation est influencée par des perturbations dont certaines sont effectivement mesurées (température, rayonnement solaire, humidité). Bien que des approches de régulation aient été mises en place, ce problème reste ouvert notamment à cause de l’inertie du processus, du nombre important de variables pouvant entrer en jeu et de la nécessaire prise en compte des prévisions météorologiques. Une approche basée sur la réutilisation d’expériences passées doit permettre de reproduire les expériences de commande réussies, tout en évitant les échecs passés. De plus, cette approche doit permettre l’identification de comportements plus généraux, pour ainsi venir enrichir les connaissances du domaine.
Dans la deuxième application, nous désirons assister un groupe d’utilisateurs durant leurs navigations sur le World-Wide-Web (Web). Le Web est un vaste hypermédia qui est en expansion croissante, et offre une énorme quantité de données. Deux principales méthodes permettent de retrouver des documents pertinents dans cet espace virtuel : l’interrogation et la navigation. L’interrogation suppose l’utilisation d’un moteur de recherche et l’expression d’une requête. Toutefois, l’expression d’une requête n’est pas toujours facile si l’objectif de recherche est mal défini, et les réponses sont généralement accompagnées de beaucoup de bruit. La navigation est alors nécessaire et l’utilisateur peut parcourir à son gré les pages Web en suivant les liens proposés. Cependant, la complexité et l’étendue du Web peuvent entraîner la désorientation de l’utilisateur lors d’une navigation. La navigation est donc importante dans une tâche de recherche d’information sur le Web et nécessite une assistance. Notre approche vise alors une recherche d’information coopérative (de type indirect), où les expériences passées d’un groupe de personnes sont mises à profit. Plus précisément, nous désirons suivre un ensemble d’utilisateurs durant leurs navigations pour déduire leur intérêt potentiel à partir des comportements observés, et réutiliser des expériences passées similaires au sein du groupe pour proposer des recommandations.
Ces deux types d’applications, bien qu’issues de domaines différents, partagent des caractéristiques communes, ce qui nous a amenés à considérer la classe de problèmes définie par les critères suivants :
1. La prise en compte d’historiques est choisie ou nécessaire pour formuler le problème.
2. Un processus dynamique est observé.
3. Un ensemble important de données brutes est collecté.
4. Les données brutes peuvent être obtenues par échantillonnage et/ou lors d’événements.
5. Les connaissances du domaine sont réduites et une meilleure compréhension est recherchée.
Notre travail consiste alors à faciliter la conception et la réalisation de systèmes de raisonnement à partir de cas pour cette classe de problèmes. De manière générale, le raisonnement à partir de cas (RàPC) est une technique de résolution de problèmes basée sur la réutilisation par analogie d’expériences passées appelées cas. Un cas représente notamment un problème et la solution qui lui a été appliquée. Un cas est indexé pour permettre de le retrouver suivant certaines caractéristiques pertinentes et discriminantes. Ces caractéristiques, aussi appelées indices, déterminent dans quelle situation le cas peut être de nouveau réutilisé. Le raisonnement se décompose habituellement en quatre phases principales (Aamodt & Plaza, 1994) : la recherche des cas pertinents dans la mémoire, la réutilisation des solutions passées pour constituer une solution au problème courant, la révision de la solution pour l’affiner et enfin l’apprentissage de la nouvelle expérience pour améliorer le système et enrichir sa mémoire.
L’application du RàPC à des problèmes ayant ces caractéristiques présente une spécificité qui touche principalement la gestion des indices des cas sous la forme d’historiques. Peu de travaux en RàPC ont abordé cette spécificité : prévision de l’évolution de feux de forêt (Rougegrez, 1994a), prévision économique (Nakhaeizadeh, 1994), prévision médicale et épidémiologique (Schmidt et al., 1996 ; Bull et al., 1997), commande de robots mobiles (Ram & Santamaria, 1997), aide à la supervision de processus (Fuchs et al., 1995), et assistance à la navigation sur le Web (Corvaisier et al., 1998). De plus, la plupart de ces approches sont dédiées à une application particulière, et aucun de ces travaux ne vise une classe de problèmes aussi générale, ni ne fournit des outils réutilisables. Enfin, les approches existantes ne permettent pas une gestion des cas soutenant l’effort de découverte des connaissances, nécessaire dans ces problèmes où les connaissances initiales sont réduites.
Nous nous fixons alors deux objectifs principaux : En définitive, nous abordons trois des problèmes importants soulevés par Janet Kolodner, un pionnier dans le domaine du raisonnement à partir de cas, qui citait parmi les objectifs de recherche du domaine (Kolodner, 1993, pages 571–576) : « l’extraction de cas depuis des situations continues » et la « définition d’un vocabulaire général d’indexation » qui doivent être considérées dans le modèle d’indexation, ainsi que la conception « d’outils pour la réalisation de systèmes RàPC ».

2 Contributions

Les deux premières contributions de notre étude sont : Pour évaluer ces deux contributions, nous avons principalement réalisé un système d’aide à la navigation sur le Web, nommé Broadway. De par la nature de notre modèle d’indexation, l’approche concrétisée dans Broadway est originale. Nous présentons ainsi une troisième contribution, avec la proposition d’un nouveau type d’assistants à la navigation sur le Web, basé sur le calcul de recommandations par réutilisation de comportements observés à partir d’un ensemble extensible de variables.

2.1 Présentation des contributions

Premièrement, nous proposons pour la classe de problèmes visée, une approche générale de l’indexation alliant un modèle de représentation générique avec un guide d’utilisation présentant différents principes de gestion des indices dans un cycle de raisonnement à partir de cas. Ces principes donnent des exemples de types de traitements identifiés et analysés lors de l’étude des applications réalisées. Le modèle de représentation générique permet de séparer les données brutes (structurées en variables et en enregistrements) des cas qui référencent ces données à travers des situations comportementales. Une situation comportementale est principalement formée de comportements élémentaires (séquences issues d’historiques) reliés par des contraintes temporelles. Ce modèle permet d’une part de représenter des indices sur des historiques échantillonnés et/ou à événements, et d’autre part de manipuler les cas pour mener à la découverte des connaissances. En effet, l’introduction du concept de patron de cas potentiels permet d’extraire, suivant des hypothèses préétablies, des enseignements structurés à partir des données d’observation. Ces extractions peuvent être stockées sous forme de cas concrets dont les représentations peuvent être modifiées suivant les raisonnements. De plus, ces cas référencent toujours les données brutes d’observation ce qui permet de faciliter leur interprétation.
Nous proposons deuxièmement un nouveau type d’outils logiciels dans le domaine du RàPC tirant profit des concepts de plate-forme à objets (object-oriented application framework), de patron de conception (design pattern) et de cas d’utilisation (use case). Nous proposons tout d’abord une description de haut niveau, sous la forme de cas d’utilisation liant les tâches de conception d’un système de RàPC vers les points d’ouverture nécessaires à l’application du RàPC et de notre modèle d’indexation. Ces points d’ouverture sont intégrés dans une architecture abstraite au sein d’une plate-forme à objets dont la modélisation s’appuie systématiquement sur l’utilisation de patrons de conception. Puis, la plate-forme réalisée, appelée CBR*Tools, fournit également un ensemble de classes concrètes pouvant être directement utilisées (index, similarité, base de cas). Cette plate-forme facilite la spécialisation concrète de notre modèle d’indexation et son intégration avec des méthodes spécifiques de recherche, d’adaptation, de révision et d’apprentissage nécessaires à la réalisation d’une application. Notre approche permet également la capitalisation d’objets-métier réutilisables sous la forme, par exemple, d’index, de fonction de similarité et de schémas de phase de raisonnement.
Enfin, nous proposons un nouveau type d’assistants à la navigation sur le Web dont le prototype Broadway  est un premier exemple. Cette assistance est basée sur la réutilisation des navigations passées d’un groupe d’utilisateurs dont les comportements sont observés suivant un ensemble extensible de variables. Dans Broadway, quatre variables sont utilisées : adresse, contenu, évaluation explicite, et évaluation implicite. Cette observation par variables, combinée avec notre modèle d’indexation, permet la gestion de comportements détaillés dans un cadre flexible et générique.
Nos trois contributions ont fait l’objet de sept publications scientifiques nationales et internationales : modèle d’indexation par situations comportementales (Jaczynski, 1997 ; Jaczynski & Trousse, 1997a), plate-forme à objets pour le RàPC (Jaczynski & Trousse, 1999 ; Jaczynski & Trousse, 1998a) et le système Broadway (Jaczynski & Trousse, 1998b ; Jaczynski & Trousse, 1998c ; Jaczynski & Trousse, 1997b).

2.2 Evaluation expérimentale

L’évaluation de notre modèle d’indexation a été réalisée dans le cadre de la nutrition des plantes et dans celui de l’assistance à la navigation sur le Web. Plus précisément, la première application nous a permis de vérifier que les caractéristiques du processus de nutrition peuvent être prises en compte par le modèle de représentation. Un prototype de recherche des cas a été réalisé en se basant sur des données brutes enregistrées manuellement par R. Brun, chercheur de l’INRA Sophia Antipolis. Toutefois, la spécification et la validation d’un système de régulation avec une approche de RàPC demandent une mise en opération effective qui n’a pas été effectuée. En effet, la réalisation d’un tel système requiert des compétences métier et une lourde disponibilité des experts du domaine. C’est pourquoi nous avons retenu le domaine de la navigation sur le Web : les données réelles sont plus facilement disponibles et nous avons été plus autonomes pour concevoir et tester l’application de notre modèle d’indexation. Nous avons alors réalisé le système d’assistance Broadway qui montre l’utilisation opérationnelle de notre modèle d’indexation ainsi que son intégration dans un cycle complet de raisonnement à partir de cas.
L’approche de plate-forme à objets pour le RàPC et les modèles à objets proposés ont mené à la réalisation concrète de CBR*Tools comprenant plus de 200 classes programmées dans le langage Java et conçues sous l’atelier de génie logiciel Rational Rose (Rose, 1998). En plus des deux applications précédentes réalisées avec CBR*Tools, nous avons également implanté un système classique de RàPC permettant l’affectation d’un facteur de risque à une voiture pour un assureur. Ce système n’utilise pas notre modèle d’indexation par situations comportementales car il avait uniquement pour but de valider l’architecture et les composants de base.
Notre assistant de navigation Broadway fut évalué lors d’une expérimentation qui a été conçue et supervisée par des étudiants en DESS d’ergonomie (Hébraud et al., 1998). Cette expérimentation a mis en jeu dix utilisateurs réels (étudiants en psychologie n’ayant pas de connexion avec nos travaux) et a nécessité l’utilisation continue de deux systèmes Broadway pendant dix jours. Les résultats de cette expérimentation montrent que l’approche est bénéfique dans le cadre restreint choisi.

3 Plans de lecture

Le document est organisé en cinq chapitres et permet de développer notre approche visant des modèles et des outils pour l'application du RàPC à une classe de problèmes. Un aperçu rapide de la thèse peut être obtenu en complétant la lecture de l’introduction et de la conclusion de la thèse, par les résumés placés au début de chaque chapitre.
Nous conseillons à tout lecteur de commencer par le chapitre I qui présente plus précisément nos motivations et notre démarche pour l'application du raisonnement à partir de cas à la classe des problèmes nécessitant la prise en compte d'historiques. Le raisonnement à partir de cas et la notion d’indexation sont également introduits.
Dans le cadre d’une lecture complète, nous proposons ensuite, dans le chapitre II, notre modèle d’indexation des cas par situations comportementales, après avoir mené un état de l'art des approches existantes d'indexation par historiques. Nous décrivons également l’utilisation du modèle d’indexation dans le cadre de la nutrition des plantes. Dans le chapitre III, nous menons un état de l'art des outils logiciels pour le RàPC et nous présentons le concept de plate-forme à objets qui nous a permis de dépasser leurs limites en terme d'ouverture. Nous analysons alors les points d'ouverture nécessaires pour le raisonnement à partir de cas et plus spécifiquement pour l'indexation par situations comportementales. Dans le chapitre IV, nous présentons l’utilisation des patrons de conception pour la modélisation ouverte du cycle du RàPC et de l’indexation par situations comportementales. Nous introduisons alors la plate-forme CBR*Tools que nous avons réalisée. Enfin, dans le chapitre V, nous détaillons la conception de Broadway, notre assistant à la navigation sur le Web qui met en œuvre le modèle d'indexation par situations comportementales ainsi que la plate-forme CBR*Tools.
Un lecteur intéressé par le raisonnement à partir de cas et par l’indexation par situations comportementales pourra directement lire la proposition du modèle (cf. chapitre II, §2 et §3), les points d’ouverture associés de notre plate-forme (cf. chapitre III, §2.3), le cycle de raisonnement de Broadway (cf. chapitre V, §1.3 et §2.1) et l’évaluation du modèle dans le cadre de Broadway (cf. chapitre V, §2.3.1).
Un lecteur intéressé par notre plate-forme à objets pour la réalisation de systèmes de RàPC pourra directement lire la proposition de cette approche (cf. chapitre III, §2) et les modèles à objets associés (cf. chapitre IV). La description du niveau spécifique pour l’indexation par situations comportementales, présentée séparément (cf. chapitre III, §2.3.2 ; chapitre IV, §2), repose sur les concepts du modèle d’indexation qui peuvent être rapidement cernés (cf. chapitre II, §2.1.2 et §2.2). Nous décrivons également un exemple d’utilisation de la plate-forme pour Broadway ainsi que son évaluation (cf. chapitre V, §2.2 et §2.3.2).
Un lecteur intéressé par notre application Broadway pourra se reporter à la présentation du système (cf. chapitre V, §1) et à l’évaluation de notre approche (cf. chapitre V, §3). Cependant, la représentation des cas et des indices ainsi que la réalisation (cf. chapitre V, §2) s’appuient sur les notions introduites précédemment (cf. chapitre II, §2 ; chapitre III, §2.3 ; chapitre IV, §1 et §2).
Nous fournissons également plusieurs annexes pour compléter notre étude. L’annexe A décrit les éléments de la notation UML (Unified Modelling Language) utilisée dans les chapitres III, IV et V. L’annexe B présente les patrons de conception (design patterns) utilisés dans CBR*Tools. L’annexe C décrit un exemple complet de l’utilisation de CBR*Tools dans le cadre du calcul du facteur de risque d'une voiture pour un assureur. Et enfin, l'annexe D liste principalement les paramètres de Broadway permettant de modifier le cycle du raisonnement suivi.