Sommaire

Ajout d’incertitudes et de probabilités

Les systèmes experts vus jusqu’ici se basaient sur des règles sûres, et les faits étaient forcément vrais ou faux. Cependant, dans la réalité, les choses sont souvent plus complexes. Il faut donc penser à gérer les incertitudes.

1. Apport des incertitudes

Dans un système expert destiné à identifier des animaux en fonction de caractéristiques physiques, il peut être difficile d’estimer exactement le nombre de doigts aux pattes de l’animal ou la couleur de son ventre. Surtout s’il s’agit d’un prédateur ou d’un animal venimeux, il peut sembler difficile de l’examiner sous tous les angles pour répondre aux questions du système.

Dans ces cas-là, il peut être intéressant d’ajouter de l’incertitude sur les faits : l’utilisateur pourra donc dire qu’il lui semble que l’animal avait le ventre blanc, mais qu’il n’en est pas totalement sûr.

De plus, dans un système expert médical, il paraît dangereux de dire que si les symptômes d’une maladie sont des douleurs dans tout le corps, de la fièvre et une grande fatigue, alors il s’agit forcément d’une grippe. En effet, des maladies plus rares mais plus dangereuses pourraient se cacher derrière ces symptômes.

Cette fois, ce sont les règles elles-mêmes qui sont incertaines ...