Mai 2000Intelligence artificielle Jean Rouette1 L ’intelligence artificielle dans la gestion des affaires Intelligence artificielle, systèmes experts et.

Slides:



Advertisements
Présentations similaires
L’Online Executive Master in Management Organisé par Proposé en partenariat par.
Advertisements

M. Bétrancourt et C. Rebetez - Méthodologie expérimentale Diplôme MALTT Année La méthodologie expérimentale Fondements et bases d’application.
Systèmes d ’ information Méthodologie et modélisation Marius Fieschi Faculté de Médecine de Marseille Octobre 2010.
MARKETING ET ETUDES DE MARCHE Séance : La stratégie marketing 2 ème partie: Le contenu stratégique Université Paris 1 Panthéon-Sorbonne / Licence 2 / Laura.
Christine Fournier - Formatrice de Formateurs DP3 - DP6 L ’ OBSERVATION EN STAGE.
M2 Politiques Publiques et Gouvernements comparés Colloque L‘analyse AFOM Utilisations en conception et en évaluation des politiques publiques Nicolas.
Ce thème permet d’introduire et d’articuler entre elles les deux notions fondamentales du programme : les organisations et le management. L’objectif.
ABF Améliorer nos formations pour une microfinance plus sociale.
Les Sciences Industrielles en CPGE Daniel FORT Origine de la réflexion Aspect scientifique du problème Interdisciplinarité et enseignement scientifique.
Refondation: suite Nouveau socle commun (2016) Nouveaux cycles (2016) Nouveaux programmes pour le cycle 1 (2015) Nouveaux programmes pour les cycles 2,
Saisie des données de distribution de la CPS PAUL SNELL, COORDINATEUR DES DONNEES, LSHTM JANVIER 2015.
1 TECHNOLOGIE EN SEGPA Objets techniques instrumentés, didactisés et maquettisés que préconisent les nouveaux programmes Stage 10SEGDES2 du 14 et 15 décembre.
Modélisation d’équilibre général Théorie et Applications Solvay Brussels School of Economics and Management Bruxelles, 14 Avril 2016.
Concevoir et mettre en œuvre une tâche complexe. Source: Académie de MONTPELLIER mars 2016.
Comment écrire un article scientifique Olivier MIMOZ DAR.
Efficacité Commerciale Grille de compétences cible.
REUSSIR SES RECRUTEMENTS Les entretiens structurés.
Vers la gestion globale des risques au travers de l’ISO : 2009 CLUSEL Sophie OMNES Air France – KLM Novembre 2011.
Parcours CODAGE & ALGORITHMIQUE Cycle 3 – Ecole primaire & Collège est une plateforme de formation interactive des personnels de l'éducation.
G. Botti Service de l ’Information Médicale Pr M. Fieschi Hôpital Timone-adultesMarseille le 13 novembre 2000 Problématique du codage Langage, communication,
1 Les logiciels en général sont classés en deux familles:  Logiciels de base  Logiciels d’applications (applications) 2.
Collège de Terre Sainte ESTIME DE SOI PROJET d ’établissement Etablissement secondaire Coppet.
Management  Définitions  Catégories  Compétences  Étapes  Évaluation de la performance  9 Responsabilités  Habiletés personnelles  Pyramide - organigramme.
Accréditations How Societies Desire Brands Douglas B. Holt Principaux éléments à retenir Olivier Trendel.
Les méthodes de tests Les grands principes pour réaliser des tests efficaces.
Chapitre 6 Déploiement et gestion des logiciels à l'aide d'une stratégie de groupe Module S44.
Analyse des tâches en ergonomie
Les séquences mathématiques en 4 e et 5 e secondaire Selon la note obtenue dans le cours de mathématique de 3 secondaire, l’élève aura accès à trois cours.
Les « enquêtes d’analyse critique » en études sociales sur
1 Les groupements d’échangeurs thermiques, illustration de systèmes énergétiques, introduction aux systèmes complexes. Comprendre.
Thème TIPE 2016 Structures : organisation, complexité, dynamique. L'adéquation du sujet choisi par l'étudiant au thème de l'année s'opérera par l'une ou.
Le Cycle de vie des organisations Cours G.Zara1. Le cycle de vie des organisation Le cycle de vie des organisations représente la phase qu’une entreprise.
Présentation du document d’accompagnement cycle 4 24 Mars 2016 Inscrire son enseignement dans une démarche de cycle N° 1.
1 sciences de gestion 1 STMG. 1) 1) C’est quoi au juste 2) cette matière? 2 sciences de gestion 1 STMG.
Nouveaux programmes de mathématiques cycles 3 et 4
L'ÉTMI pour diminuer les risques des décisions complexes: de la synthèse des connaissances à la délibération Reiner Banken M.D. M.Sc. INESSS
Les intelligences multiples moteur des situations complexes.
1 A. Cornuéjols Introduction à l’intelligence artificielle Introduction à l’Intelligence Artificielle (Cours n°2) Recherche non informée dans les graphes.
LARRAS CHAFIKA ENSEIGNANTE CHERCHEUSE Approche systémique.
Les limites de l’UML Présenté par : Samah Dekhil 1.
© 2006 ERPI – Reproduction autoriséeJacques Lavallée et Danielle Perras, Université de Sherbrooke 44 ChapitreChapitre Vers une meilleure prise de décisions.
1 Les nouvelles modalités financières PARTIE III Rôle du LAF Séminaire LAF Controlling - JUIN 2009.
1 CORRECTREUR DE PHARES DE VOITURE Étude de pré industrialisation d’une pièce pour valider sa géométrie au regard du procédé retenu, dans le respect des.
TENDANCES DE LA FORMATION DES FONCTIONNAIRES
INTRODUCTION GENERALE
APPRENDRE A APPRENDRE MEMORISER S. COUSTIER CPAIEN OULLINS – MARS 2016.
Bienvenue à l’ISfec Normandie.
Compétences: Capacité d’analyse et de recherche Présentation/Discussion Adjoints des commissions des finances - WAAPAC.
Présenté par  Samira BELHORMA  Imane ZEHHAF. Introduction I. Définitions II. Quand et comment évaluer une compétence? III. Le contexte d’évaluation.
Modernisation du service public local 15 février 2016 III.Comment la notion de métier contribue-t- elle à la qualité des services publics.
Universit é Mohamed Kheider de Biskra Facult é de science et technologie D é partement de g é nie é lectrique Sp é cialit é : t é l é communication Le.
Médias éducatifs : modèles théoriques des médias et représentations d’étudiants et d’enseignants Un levier pour comprendre et faire évoluer les pratiques.
Analyses des situations didactiques II - Analyse théorique.
Activité 2 Évaluer des compétences : pas si simple, mais très courant! OBJECTIF :  Sensibilisation aux différents modes de recueil de données et de production.
Veille technologique Les objets connectés.
Les paradigmes psychologiques d’enseignement-apprentissage.
PARTIE 2 : LE PROJET.
Les sciences en 4 e et 5 e secondaires. Les sciences régulières en 4 e secondaire Il existe deux cours de sciences régulières en 4 e secondaire: Le cours.
1 Séminaire académique S-SI Conclusion 27 mai 2011.
Dispositif d’évaluation CE1. Champs repérés par l’épreuve 2: En français  Lecture reconnaissance de mots  Lecture compréhension  Ecriture.
Etude de cas P ROFESSEUR :D R S ÉLI APEDOME P ROFESSEUR :D R S ÉLI APEDOME INTRODUCTION A LA GESTION DES AFFAIRES ADM1700 A.
BACCALAUREAT PROFESSIONNEL 3 ANS REPARATION DES CARROSSERIES Quelques points clés.
Un projet pour tous, un engagement pour chacun Cette épreuve de « compte est bon » permet à tous les élèves, quel que soit leur compétence, de participer.
Apprentissages géométriques
M. Fieschi Master EISIS Marseille 2005 Présentation Générale Systèmes d’informations et décisions en santé Marius Fieschi Université de la Méditerranée.
L’épreuve anticipée d’étude de gestion Sources : programme-seminaire-national
Expérimentation d’une situation d’évaluation en aide à l’apprentissage pour le cours SCT-4063 Congrès de l’Association québécoise des intervenantes et.
Marketing de l’assainissement : Retours d’expériences de différents pays et perspectives au Sénégal Juin 2016.
Appui budgétaire et Cadres d’évaluation de la performance Atelier CABRI sur l’Aide et le Budget Maurice, Mai 2007 Stephen Lister.
Transcription de la présentation:

Mai 2000Intelligence artificielle Jean Rouette1 L ’intelligence artificielle dans la gestion des affaires Intelligence artificielle, systèmes experts et l’humain comme système de traitement de l ’information

Mai 2000Intelligence artificielle Jean Rouette2 Définition de l ’intelligence artificielle La capacité pour un système informatique d'atteindre un niveau de performance qui se compare à celui de l'intelligence humaine dans certaines circonstances d ’après Parker et Case Repose sur l ’informatique, la biologie, la psychologie, la linguistique, les mathématiques, l ’ingénierie Son but est de concevoir des ordinateurs qui peuvent penser, voir, entendre, parler et sentir Problèmes d ’ordre philosophique et moral

Mai 2000Intelligence artificielle Jean Rouette3 Attributs d ’un comportement intelligent Penser et raisonner. Utiliser le raisonnement pour résoudre des problèmes. Acquérir des connaissances et les mettre en application. Apprendre et comprendre à partir de l'expérience. Faire preuve de créativité et d'imagination. Faire face à des situations complexes et confuses. Réagir rapidement de façon appropriée à de nouvelles situations. Reconnaître le degré d'importance des divers aspects d'une situation. Traiter efficacement données ambiguës, incomplètes ou erronées.

Mai 2000Intelligence artificielle Jean Rouette4 Applications de l ’intelligence artificielle Science cognitiveScience cognitive: syst. Experts, syst. d ’apprentissage, logique floue Science informatiqueScience informatique: ordinateurs de la 5e génération, traitement en parallèle, réseaux neuronaux RobotiqueRobotique: vision, toucher, dextérité, locomotion, navigation Interface naturelleInterface naturelle: langage naturel, reconnaissance de la parole, interfaces multisensorielles

Mai 2000Intelligence artificielle Jean Rouette5 Le facteur humain en informatique de gestion Pourquoi étudier le facteur humain Le facteur humain trop souvent sous-estimé –Pourtant c'est la cause de nombreux échecs Facteur laissé de côté par plusieurs spécialistes en info. Informatique s'intéresse aux algorithmes, aux aspects "hard" Humain constitue un aspect plus "mou", moins prévisible Le système est utilisé par des personnes, les utilisateurs Le système devrait la plupart du temps être défini à l'aide des utilisateurs

Mai 2000Intelligence artificielle Jean Rouette6 L ’humain comme processeur d ’information Il sait chercher les données utiles filtrer les données disponibles établir une représentation de son environnement transmettre une réponse à l'environnement Il est soumis aux difficultés liées à la surcharge d'information aux erreurs de filtrage aux problèmes de distorsion Il dispose d'une capacité limitée ce qui engendre une rationalité limitée

Mai 2000Intelligence artificielle Jean Rouette7 Le système humain de traitement de l ’information Processus cognitifs –concepts, analogies métaphores –inférences –intuitif, instinctif et subjectif Modèle de Newell et Simon figure 11.3 –Système sensoriel et effecteurs physique –Mémoires à court terme et à long terme –Filtrage, modèles de sélection et limites cognitives –Style cognitif

Mai 2000Intelligence artificielle Jean Rouette8 Théorie de l ’information et problèmes de communication Niveau technique –Le message se rend-il? Réduction de l'incertitude Redondance Niveau sémantique –Le message est-il compris? Améliorer la transmission –Contrôle et distribution: retarder, filtrer, biaiser, transmettre l'interprétation Niveau pratique (efficacité) –Le message a-t-il un effet? Changement de comportemnt –Utilité, comme les 4 P du marketing Satisfaction –Erreurs et biais

Mai 2000Intelligence artificielle Jean Rouette9 Définitions et composantes du système expert Définition –Imite les mécanismes de raisonnement des humains et fournit des avis comme ceux qu'ils recevraient d'experts humains. Base de connaissances –Contient les faits et les règles nécessaires pour prendre des décisions. Le moteur d'inférence –L'ensemble des programmes qui pilotent le système expert. –Les programmes consultent la base de connaissance à la recherche de la réponse.

Mai 2000Intelligence artificielle Jean Rouette10 Composantes du système expert Système d'acquisition des connaissances –Le logiciel qui permet au cogniticien de construire la base de connaissance et de la parfaire. Interface –Une invite (prompt) qui attend que l'utilisateur fasse l'entrée de la donnée du problème. –Les interfaces en langage naturel deviennent plus fréquentes. Module d'explication –Le système fournit à l'utilisateur l'explication quant au raisonnement logique qu'il a pratiqué pour arriver à sa décision.

Mai 2000Intelligence artificielle Jean Rouette11 Exemples de systèmes experts Exemples –ITT => SEC –Texas instruments => soutien à clientèle pour IEF –Stone & Webster => conseiller en calendrier de production Autres –Inspection des pièces –Assemblage de composante (XCON de DEC) –Service après vente Speed Queen –Réparations de téléphones MAX de NYNEX

Mai 2000Intelligence artificielle Jean Rouette12 Le développement des systèmes experts Efficience et efficacité –Il faut rechercher l'efficience du programme informatique, ce qui est la responsabilité de l'informaticien. –Il faut rechercher l'efficacité de la décision par la modélisation des connaissances, ce qui est du ressort du cogniticien. –Le cogniticien ou ingénieur de la connaissance doit extraire auprès des experts du domaine: les règles, les procédures, les stratégies qu ’ils utilisent, les connaissances factuelles, les faits qu'ils ont en mémoire ou à leur disposition.

Mai 2000Intelligence artificielle Jean Rouette13 Le développement des systèmes experts L'approche utilisée pour le développement du système –Un prototype est construit et mis en utilisation, puis perfectionner par étapes successives –À la fin, on obtient un système utilisable Les approches pour le moteur d'inférence –Construire de toute pièce avec PROLOG, LISP ou Smalltalk –Construire à l'aide d'une coquille de système expert –Acheter un système expert dans le commerce, prêt à utiliser

Mai 2000Intelligence artificielle Jean Rouette14 Développement: système conventionnel vs système expert Conventionnel Analyse préalable Analyse préliminaire Analyse fonctionnelle Programmation Tests Implantation Expert Étude d ’opportunité Phase d’acquisition Identification des connaissances Conceptualisation des conn. Phase de réalisation Formalisation des connaissances Prototypage Validation Implantation

Mai 2000Intelligence artificielle Jean Rouette15 Le développement des systèmes experts Critères de sélection opportunité d ’un SE –Domaine –Domaine: restreint –Expertise –Expertise: problèmes nécessitant un expert –Complexité –Complexité: nécessite une inférence –Structure –Structure: doit s ’accomoder d ’une situation changeant et de données incertaines, manquantes ou conflictuelles –Disponibilité –Disponibilité: d ’un expert articulé et coopératif et d ’un appui de la direction et des utilisateurs potentiels

Mai 2000Intelligence artificielle Jean Rouette16 Avantages et limites des systèmes experts Avantages –Meilleur que les experts humains –Préservation de l ’expertise d ’une personne –Avantages des SI en général Limites –Problèmes: entretien, coût, spécialisation, capacité d ’apprendre –Gestionnaires ont été déçus par les résultats obtenus –Certaines tâches vont probablement toujours leur échapper (leur confier notre vie dans le pilotage)

Mai 2000Intelligence artificielle Jean Rouette17 Fonctionnement des SE: représentation des connaissances Les modes de représentation des connaissances –Les réseaux sémantiques, c ’est une représentation des concepts et de leur relations très proche de modélisation de données (page suivante) –Les cadres (ou formes objets, frames en anglais): voir figure c ’est une organisation hiérarchique des connaissances (Personne, Analyste, Jean) –Les objets: les méthodes s ’ajoutent par exemple aux cadres

Mai 2000Intelligence artificielle Jean Rouette18 Réseau sémantique Mammifère Homme Tintin Chien Milou Est un Homme Tintin Est un Est le maître de Appartient à Obéit à

Mai 2000Intelligence artificielle Jean Rouette19 Fonctionnement des SE: le moteur d ’inférence Chaînage avant: –basé sur les faits, s'applique quand on a une grande quantité de faits initiaux connus –progresse en vérifiant si la condition d'une règle de la base de connaissances est vraie compte tenu des faits connus dans la base de connaissances "Le prix est faible" Chaînage arrière: –basé sur les buts, s'applique quand on connaît les conclusions que l'on cherche à établir –progresse en cherchant les règles qui indiquent les conditions à rencontrer pour vérifier l'atteinte du but "Faut-il vendre?"

Mai 2000Intelligence artificielle Jean Rouette20 Autres applications de l ’intelligence artificielle Réseaux neuronaux –exemple des prêts à la consommation, Infoseek Logique floue –camescope, appareils photo, transmissions automatiques etc. Réalité virtuelle –simulations pour la NASA et les Forces Armées US –CAE simulateurs de vol

Mai 2000Intelligence artificielle Jean Rouette21 Autres applications de l’intelligence artificielle: agents intelligents Remplaçant logiciel qui utilise sa connaissance de la personne ou du processus pour prendre des décisions et agir à leur place –Exemples: Wizards logiciels Microsoft, AskJeeves! Types: –Interface Tuteurs: observe l ’utilisateur, corrige, donne des indices Présentation: formats différents fonction de l ’utilisateur Navigation réseau: trouver les chemins et manières pour trouver l ’info appréciée par l ’utilisateur Jeu de rôle: joue à qu’est-ce qui se passe si et autres rôles pour aider à comprendre information et prendre meilleures décisions –Gestion d ’information Recherche: aide à trouver fichiers, info, nouvelles sources Courtier: service commercial pour trouver et développer sources Filtre: recevoir, trouver, filtrer, jeter, transférer et aviser les usagers des produits reçus ou désirés: courriels, courrier vocal, etc.

Mai 2000Intelligence artificielle Jean Rouette22 Autres applications de l’intelligence artificielle: algorithmes génétiques Basé sur le Darwinisme, le hasard, et d’autres fonctions mathématiques pour simuler un processus évolutif qui génère des solutions qui s’améliorent successivement. Utile où il faut optimiser avec des milliers de solutions possibles Utilise –règles mathématiques: algorithmes –peut engendrer des combinaisons au hasard: mutations –combine différentes parties de processus efficaces (crossover) –sélectionne les bons (efficaces)et rejette les mauvais processus (sélection)