1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

52

Chapitre 2

IMAGE imgs/Chapitre203.gif

Nous avons déjà donné une définition de la robustesseque nous qualifions d'empiriquecar basée sur les pratiques des utilisateurs : c'est l'ensemble des facteurs qualitatifs qui améliore l'acquisition des connaissances sur le domaine ou encore permet d'éliminer certaines faiblesses liées à l'utilisation des outils.

2.2.1 Les facteurs qualitatifs

2.2.1.1 Fiabilité

Dans le cadre de la validation des systèmes experts en pathologie des plantes à l'INRA, nous avons évalué la fiabilité des résultats d'identificationlorsque les programmes sont mis dans les conditions normales d'utilisation, c'est-à-dire entre les mains des techniciens et des agriculteurs qui n'ont pas la même manière d'observer que l'expert.

Dans le cadre de l'apprentissage, nous avons constaté que la fiabilité des résultats dépendait surtout de la qualité des donnéesen entrée (§ 1.3.4). Nous nous sommes alors attaqués en priorité à la robustesse de l'acquisition des connaissances, c'est-à-dire non pas à celle des règles élaborées par méthode d'élicitation comme pour les systèmes experts de première génération, mais à celle des données initiales sur lesquelles va s'opérer l'induction : on suppose que le traitement qui suivra, s'il est bien justifié, donnera des règles et des résultats fiables par rapport aux données robustes.

Les données en entrée sont de deux sortes : les premières sont des connaissances observableset générales sur le domaine, représentées dans le modèle descriptif. Les secondes sont des connaissancesobservées spécifiques, correspondant aux exemples d'apprentissage. Cette distinction au niveau des descriptions est fondamentale pour évaluer leur fiabilité.

2.2.1.2 Compréhension

Pour obtenir des données robustes, il est nécessaire de bien comprendre le domaine. Ceci est d'abord vrai au niveau de la compréhension entre l'expert et le cogniticien ; le fait que ce dernier ait unecompétence ou une sensibilité sur le domaine facilite grandement le dialogue. Mais surtout, comme les utilisateurs qui identifient des échantillons ont des niveaux de connaissance très variés sur le sujet, la phase de modélisation pour acquérir l'observable est un travail d'équipe essentiel entre l'expert et le cogniticien. Le but est de réfléchir sur les aspects terminologiques afin de trouver une structure de description des composants du