64

Chapitre 2

«inconnu», ce qui n'apporte aucune information). Par exemple, le technicien agricole vient consulter le système de diagnostic TOM avec uniquement les fruits sur lesquels il observe des taches. Si l'arbre de décision engendré par KATE a choisi un premier critère de discrimination sur le feuillage (avez-vous observé des taches sur feuilles ?) et que l'utilisateur n'a pu faire l'observation demandée, le diagnostic obtenu risque d'être incertain. Étant confrontés à ce problème lors du démarrage de cette thèse, le terme de robustesse est apparu à ce moment pour y faire face. Il nous fallait trouver une solution pour résoudre ce bruit dans les consultations. Nous illustrerons la robustesse face aux valeurs manquantes en phase de consultation sur l'application des éponges marines (voir chapitre 7). Notons que cette expression a été utilisée par d'autres chercheurs en psychologie cognitive pour illustrer le même problème [Sutcliffe, 1986].

2.3.4 Le béotien

Il considérera le système robuste s'il "résiste" aux inexactitudes lors des réponses au questionnaire et qu'il arrive à résoudre son problème correctement tout en lui fournissant quelques explications. C'est son degré de satisfaction qui détermine son appréciation. Lorsque l'utilisateur est "naïf par rapport à l'observation", c'est-à-dire qu'il ne connaît pas la démarche d'expertise et n'a pas forcément une bonne pratique d'observation, il sera séduit par les capacités à la fois pédagogiques et de vulgarisation du système, se considérant peut-être lui- même comme un «bruit» pour le bon déroulement du raisonnement du système expert.

2.3.5 L'expert

Il auto-référencera la robustesse du système à sa propre manière "intuitive" de traiter les exemples. C'est la validité des conclusions du système qu'il est en mesure d'évaluer. Il s'agit là de son évaluation subjective sur la qualité d'une classification. Sa satisfaction peut être liée à différents facteurs [Niquil, 1993] :

[!] [!] [!] [!]

exactitude des règles apprises par rapport aux exemples soumis, présence ou absence souhaitée a priori de certains critères classificatoires, ordre de ces critères dans l'arbre de classification,
degré de généralisation, etc..

Pour nous, l'objectif principal pour acquérir un système robuste est d'arriver à faire plus participer l'expert dans le fonctionnement du système car il est le garant de cette robustesse. Généralement, son rôle se borne à la fourniture de l'ensemble des exemples et à la validation des connaissances apprises. Il est effectivement intéressant de le faire intervenir au cours du traitement des exemples pour ajuster des paramètres et modifier le comportement du système.