Résumés des chapitres
Chapitre I : le RàPC pour une classe de problèmes
Notre étude a été motivée par deux applications
: tout d’abord la régulation de la nutrition de plantes, puis l’assistance
à la navigation sur le World-Wide-Web. Ces deux applications, bien
qu'issues de domaines différents, partagent des contraintes communes,
ce qui nous a amenés à considérer une classe de problèmes
plus générale dans laquelle la prise en compte d’historiques
est choisie ou nécessaire pour formuler le problème. Notre
objectif est de faciliter l’utilisation du raisonnement à partir
de cas pour cette classe de problèmes. Dans ce but, il est premièrement
nécessaire de définir un modèle générique
d’indexation des cas permettant la gestion d’historiques. Ce modèle
doit fournir un formalisme générique de représentation
des indices et doit permettre le développement d'une compétence
méthodologique accumulée à travers l'analyse de différentes
applications. Deuxièmement, il s’agit également de concevoir
un outil ouvert facilitant l’utilisation pratique de ce modèle pour
la réalisation de systèmes de raisonnement à partir
de cas. Cet outil doit permettre la spécialisation du modèle
pour prendre en compte les caractéristiques spécifiques d’une
application. Il doit également faciliter son intégration
cohérente dans un système complet de RàPC. Enfin,
cet outil doit permettre la capitalisation de composants pour enrichir,
au cours des développements, l’ensemble des objets-métier
réutilisables.
Chapitre II : modèle d'indexation par situations
comportementales
Nous abordons le problème de l’indexation pour une classe de problèmes
dans laquelle les indices des cas doivent reposer sur des historiques.
Peu de travaux existants en RàPC ont abordé cette problématique
et ils sont généralement dédiés à des
applications particulières. De plus, les approches de reconnaissances
d’historiques et les systèmes de gestion de bases de données
temporelles ne prennent pas en compte les besoins spécifiques liés
à la réutilisation et à la mise à jour des
connaissances durant un cycle de raisonnement. Nos apports se situent à
deux niveaux. Premièrement, nous proposons alors le « modèle
d’indexation par situations comportementales » qui est la seule approche
générique en RàPC pour l’indexation par historiques.
Notre approche comprend le modèle de représentation proprement
dit des indices, et un guide d’utilisation. Dans ce modèle, les
enregistrements contiennent, dans des chroniques, les observations effectuées
suivant différentes variables. La situation comportementale d’un
cas définit des comportements élémentaires (séquences
de valeurs ou événements) et des contraintes temporelles
pour caractériser une expérience utile et précise
au sein d’un enregistrement. Deuxièmement, le modèle de représentation
des indices permet la gestion d’historiques hybrides (historiques échantillonnés
et à événements) et présente de meilleures
possibilités pour la découverte de connaissances. Nous permettons
en effet l’extraction structurée de cas grâce à la
notion de patron de cas potentiels. Les cas potentiels instanciés
par un patron peuvent ensuite être sauvegardés sous forme
de cas concrets, puis mis à jour suivant les raisonnements. Enfin,
l’interprétation des cas concrets est facilitée puisque ces
cas référencent toujours les données brutes des enregistrements.
Chapitre III : plate-forme à objets pour la
réalisation de systèmes de RàPC
Pour faciliter l’utilisation de notre modèle d’indexation par situations
comportementales, il est nécessaire de concevoir un outil ouvert
permettant principalement la spécialisation du modèle puis
son intégration cohérente dans un système complet
de RàPC. Les outils existants, bien que réutilisables dans
les domaines ciblés, ne reposent pas sur une modélisation
ouverte du RàPC. Plus précisément, ils ne facilitent
ni la modification des composants proposés, ni l’ajout de nouveaux
composants. Pour dépasser ces limites, nous proposons un nouveau
type d’outils pour le RàPC à travers la conception d'une
plate-forme à objets. Notre approche repose sur la définition
d’une architecture abstraite modélisant les concepts du RàPC
et de l’indexation par situations comportementales. Cette architecture
intègre des points d’ouverture qui peuvent être configurés
par spécialisation ou par instanciation pour répondre aux
besoins spécifiques d’une application. Nous proposons ainsi un ensemble
de points d’ouverture structuré en deux niveaux de spécificité
(RàPC et indexation par situations comportementales) et en trois
axes de variabilité (gestion du raisonnement, représentation
des cas et organisation de la mémoire). La représentation
graphique de cette structuration sous la forme de cas d’utilisation définit
alors un guide d’utilisation des points d’ouverture au sein de notre plate-forme
CBR*Tools.
Chapitre IV : patrons de conception et modèles
à objets ouverts pour le RàPC
En suivant les deux niveaux de spécificité et les trois axes
de variabilité retenus, nous détaillons les modèles
à objets permettant de lier les points d’ouverture de notre plate-forme
au sein d’une architecture abstraite. Notre démarche originale dans
le cadre du RàPC tient principalement dans l’explication systématique
de notre modélisation en termes de patrons de conception. Un patron
de conception définit une modélisation typique répondant
à un problème récurrent dans la conception de logiciels
à objets. Les patrons permettent d’anticiper des problèmes
d’ouverture et facilitent la compréhension des décisions
de conception. Pour la gestion du raisonnement, nous proposons l’assemblage
de composants gérant chacune des phases (recherche, réutilisation,
révision et apprentissage). Chaque phase est configurée par
la spécialisation d’un schéma générique à
sélectionner. Pour la représentation des cas, nous permettons
une structuration des indices. Enfin, pour l’organisation de la mémoire,
nous permettons d’une part la structuration de la base de cas, et d’autre
part la structuration des index. De plus, nous avons défini un cadre
général et extensible pour la représentation des mesures
de similarité. La représentation de l’indexation par situations
comportementales vient enrichir la modélisation de base avec des
objets spécifiques. La modélisation obtenue, justifiée
en termes de patrons, est ainsi réutilisable au niveau de la conception
de systèmes de RàPC. Cette modélisation a également
mené à la réalisation concrète de la plate-forme
CBR*Tools programmée dans le langage à objets Java. Cet outil
permet alors la spécialisation et la capitalisation d’objets-métier
notamment sous les formes d’index, de fonctions de similarité et
de schémas de phase de raisonnement. Nous donnons enfin une estimation
a priori de la complexité d’utilisation de CBR*Tools (effort minimum
et dépendances systématiques).
Chapitre V : application pour l’assistance à
la navigation sur le Web
Pour évaluer notre modèle d’indexation et notre plate-forme
à objets CBR*Tools, nous avons réalisé un assistant
de navigation sur le Web appelé Broadway. Cet assistant utilise
le raisonnement à partir de cas pour recommander des pages à
visiter suivant le comportement d'un utilisateur courant. Broadway est
accessible par un groupe d’utilisateurs et permet ainsi une collaboration
indirecte en réutilisant les cas issus des navigations du groupe.
Les navigations des utilisateurs sont enregistrées suivant quatre
variables décrivant l’adresse, le contenu, l’évaluation explicite
et le ratio d’affichage de chaque page Web visitée. Ces navigations
sont utilisées pour en extraire des expériences utiles (cas).
Un cas permet d’associer à un comportement (succession de pages),
un ensemble de pages évaluées. Nous montrons ainsi que notre
modèle d’indexation permet la modélisation de ce type de
cas. Pour évaluer l’utilisation de CBR*Tools, nous montrons premièrement
que, pour la réalisation de Broadway, l’expertise approfondie nécessaire
est limitée à la moitié des points d’ouverture. Deuxièmement,
nous montrons également l’aide apportée par CBR*Tools tant
sur la modélisation que sur l’implantation, grâce à
la réutilisation de son architecture abstraite et de ses composants
(index, similarité). De plus, avec Broadway, nous proposons un nouveau
type d’assistants dans lesquels les comportements des utilisateurs sont
observés suivant un ensemble extensible de variables. Cette observation
par variables, combinée avec notre modèle d’indexation, permet
la gestion de comportements plus détaillés dans un cadre
flexible et générique. Une première évaluation
expérimentale de notre assistant montre l’intérêt et
la faisabilité de notre approche.