II

QU'EST-CE QUE LA ROBUSTESSE ?

Dans le premier chapitre, nous avons fait l'historique de notre démarche fondée sur l'utilisation des différentes solutions adaptées à la construction de systèmes experts en pathologie végétale.

Nous voici maintenant devant un nouveau problème de classification et de détermination dans le domaine de la systématique. Au départ, nous avions à notre disposition un logiciel d'apprentissage automatique de règles de décision à partir d'exemples : KATE [Manago & Conruyt, 1989]. Si nous savions comment opérer avec les exemples (par induction), l'utilisation de cet outil supposait préalablement réglées deux questions importantes :

1) Quelles descriptions traiter ?
2) Comment les acquérir ?

Une troisième difficulté a été identifiée lors de résultats expérimentaux dans une application de détermination d'objets militaires [Manago, 1991]. En présence d'observations incomplètes (dues au camouflage par exemple), le système expert engendré par KATE pouvait fournir un diagnostic incertain et ne pas lever l'ambiguïté entre un char et de l'artillerie légère !

Les deux premières questions sont de nature qualitative : la qualité des exemples à apprendre est une caractéristiqueimportante avant leur traitement ; elle dépend du bon déroulement de la procédurede description elle-même. Nous montrerons ce premier aspect de la robustesse de la descriptiondans ce chapitre.

Ensuite, nous relierons la troisième question à la robustesse de la consultationface aux valeurs manquantes ou réponses «inconnu». Nous verrons dans cette thèse comment nous sommes parvenus à répondre à ces différentes questions sur la robustesse. Mais, auparavant, nous allons étudier ses différents aspects théoriques et pratiques ainsi que ses diverses interprétations dans la communauté scientifique et parmi les utilisateurs.