LES SYSTEMES EXPERTS

En bref

Les SE en milieu pro

A quels besoins répondent les systèmes experts ?

A la formalisation d'un savoir faire (suppression des hommes/postes clé) et au besoin d'aide à la décision.

Qui sont les principaux clients des systèmes experts ?

Les laboratoires d'analyse (biologique, mécanique...) et les métiers de gestion de ressources en temps réel.

Qui réalise des systèmes experts ?

Des prestataires spécialisés par domaine professionnel, sachant qu'un prestataire couvre 1 à 2 domaine(s) professionnel(s) maximum.

Les points forts

Les points forts d'un système expert en milieu professionnel sont :

L'accessibilité à un utilisateur lambda d'un poste réservé jusque-là à un expert.
La gestion simultanée de nombreuses ressources et contraintes.
La traçabilité des décisions et actions entreprises.
Les statistiques calculables à partir de la base de faits.
L'utilisation comme outil d'analyse et de simulation du SE.

Les points sensibles

Les points sensibles d'un système expert en milieu professionnel sont :

L'importance de la cognitique.
Le gros investissement nécessaire (temps, coûts et hommes).
L'algorithmique des meta-règles/connaissances.
La possibilité de formaliser le savoir-faire.

Conclusion

Les systèmes experts sont une des applications de l'intelligence artificielle qui ont quitté les laboratoires de recherche pour être utilisées dans le monde professionnel. De nombreux systèmes experts ont été implantés avec succès pour résoudre des problèmes concrets. On les a même accusé d'avoir provoqué le crach boursier de 1986, ce qui est plutôt bon signe du point de vue de l'IA.

Néanmoins, les grandes difficultés rencontrées pendant l'extraction des connaissances des experts puis pendant leur formalisation forment peut être un point faible trop difficile à contourner dans les Systèmes Experts. La structuration des connaissances, notamment incertaines, restent parfois floues et mal implantées dans les SE. Cela remet en question le modèle de la base de connaissance qui pourrait migrer vers d'autres modèles (modèles connexionistes, systèmes adaptatifs, etc.). Il n'est par ailleurs pas exclu que les techniques à venir utilisent à la fois des systèmes experts et d'autres techniques comme les réseaux de neurones basées sur des hypothèses plus adaptatives que symboliques (systèmes hybrides).

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