Apprentissage des réseaux possibilistes à partir de données: un survol

National audiencePossibilistic networks are important tools for modeling and reasoning, especially in the presence of imprecise and/or uncertain information. These graphical models have been successfully used in several real applications. Since their construction by experts is complex and time consuming, several researchers have tried to learn them from data. In this work, we try to present relevant works related to learning possibilistic networks from data. In fact, we give an overview of methods that have already been proposed in this context and limitations of each one of them towards recent researches developed in possibility theory framework.Les réseaux possibilistes représentent des outils importants de modélisation et de rai-sonnement, en particulier, en présence d'informations imprécises et/ou incertaines. Ces mo-dèles graphiques ont été efficacement utilisés dans plusieurs applications réelles. Vu que leur construction par des experts est une tâche complexe qui prend beaucoup de temps, plusieurs chercheurs ont essayé de les apprendre à partir de données. Dans ce travail, nous essayons de présenter tous les travaux pertinents reliés à l'apprentissage des réseaux possibilistes à partir de données. En effet, nous présentons un aperçu des méthodes qui ont déjà été proposées dans ce sens et les limites de chaque méthode vis-à-vis des récentes recherches développées dans le cadre de la théorie des possibilités