L'abstraction des connaissances par unités de production

Une observation qui se dégage de plusieurs projets de développement de systèmes à base de connaissances est que leur complexité semble s'accroître de façon exponentielle en fonction du nombre de règles de production qu'ils renferment. Dans ce mémoire, nous proposons une forme d'organisation que nous appelons unité de production et dont le principal objectif est de simplifier par abstraction la complexité inhérente à l'ensemble des règles de production d'une base de connaissances. L'étude que nous avons menée auprès d'un échantillon de systèmes existants nous montre que l'unité de production amène une réduction appréciable de la complexité si l'on compare le nombre d'unités de production au nombre de règles de production pour une même base de connaissances. Certaines techniques ont déjà été proposées pour organiser les règles. L'unité de production ne se présente pas comme une alternative à ces techniques mais plutôt comme un prolongement qui permet une organisation fine agissant exactement au même niveau que la règle de production. De plus, l'architecture que nous avons élaborée pour l'unité de production permet l'exploitation combinée de la programmation par règles de production et de l'induction sur des exemples d'une façon homogène et complètement transparente au sein d'une même base de connaissances. Cette intégration est possible grâce à une nouvelle famille d'algorithmes d'induction qui produisent des règles de production modulaires au lieu d'un arbre de décision dont la structure ne se prête pas à une utilisation efficace par un moteur d'inférences