L’Intelligence Artificielle (ou IA) est la science qui s’intéresse à la création, dans des systèmes informatiques, d’intelligences comparables aux intelligences humaine ou animale. On parle d’IA forte lorsque les objectifs sont d’élaborer des systèmes capables de produire un comportement intelligent, autonome et adaptatif, tout en étant capables de se représenter dans leur environnement et d’avoir conscience d’eux-mêmes. L’IA aborde donc des problématiques de raisonnement, de dialogue et de perception.

Dans le domaine de l’ingénierie, on parle d’IA faible : ce sont les techniques qui permettent de traiter des problèmes complexes qui ne peuvent pas être résolus par l’être humain (fouille de données et extraction de connaissances dans des bases volumineuses et hétérogènes, détection de pannes ou d’anomalies, re-planification de missions en temps réel en cas d’incidents ou d’aléas…), de déléguer des tâches dangereuses ou infaisables par l’homme (drones de combats, robots démineurs, rovers d’exploration de planètes…), de faciliter les dialogues entre l’homme et la machine, robot ou ordinateur (traitement du langage naturel, de la parole ou d’images, reconnaissance des formes…).

Le métier d’EURODECISION étant la conception de logiciels d’aide à la décision (voire de prise de décision automatique), les systèmes que nous développons peuvent être de trois types :

  • Réactifs : dans un contexte C et/ou dans un état E, on doit prendre la décision D. C’est le domaine des systèmes-experts et des systèmes à base de règles (BRMS): on simule à l’aide de règles « métier » le comportement d’experts humains.
Pour en savoir plus
contactez-nous
Nom / Prénom
Société
Coordonnées
*
Votre message
*

* Champs obligatoires

  • Prédictifs : dans un contexte C et/ou un état E, et en fonction d’un historique (archivage périodique de mesures et de données), on calcule une probabilité : appartenance à une classe (par exemple la reconnaissance de formes), réussite d’une action ou d’une décision (par exemple le scoring), état futur (par exemple le diagnostic de pannes), comportement aberrant (par exemple la détection de fraudes)… Au sein d’EURODECISION, nous utilisons des modèles et algorithmes issus du machine learning et des statistiques.
  • Proactifs : la décision à prendre à l’instant T doit prendre en compte les conséquences futures. Au sein d’EURODECISION, nous nous intéressons en particulier aux problèmes de planification et d’optimisation sous contraintes. Les techniques utilisées proviennent historiquement de la Recherche Opérationnelle (programmation linéaire en nombres entiers) ou de l’Intelligence Artificielle (programmation par contraintes, évolution artificielle / algorithmes évolutionnaires).

Enfin, dans certains systèmes complexes impliquant plusieurs niveaux de décision et plusieurs acteurs (unités ou agents) autonomes et interagissant, on fera appel aux Systèmes Multi-Agents, domaine de recherche issu de l’Intelligence Collective et de l’Intelligence Artificielle Distribuée.

Techniques mises en œuvre au sein d’EURODECISION :

  • Systèmes à base de règles – BRMS : IBM ODM (ex IBM Ilog JRules), FICO Blaze Advisor, JBoss Rules – DROOLS, Systèmes experts en Prolog, Moteurs de règles en C++ ou JAVA appelés dans des codes d’optimisation.
  • Programmation Par Contraintes : IBM ILOG CP Optimizer Solver, SICstus Prolog, GNU Prolog, SWI Prolog, Choco, Google CP solver.
  • Algorithmes évolutionnaires : algorithmes génétiques, colonies de fourmis, essaims de particules.
  • Systèmes multi-agents.
  • Machine Learning : réseaux bayésiens, réseaux de neurones, apprentissage par renforcement, méthodes statistiques, régressions, surfaces de réponse, arbres de décision, SVM (machines à vecteur support).