Abstract FR:

La notion de pertinence est d'un avis largement partage une notion centrale pour l'intelligence artificielle. D'un point de vue cognitif, la pertinence est aussi decrite comme un concept clef et certains en font meme un principe qui regit nos interactions avec l'environnement ou encore la facon dont nous communiquons. Actuellement, le foisonnement de donnees informatiques et le developpement d'internet en particulier, ont encore renforce l'interet pratique de l'etude de cette notion. L'information est la, mais encore faut-il pouvoir l'extraire des gigantesques bases de donnees et la question recurrente est : quelle information est pertinente ? nous proposons ici une approche pluridisciplinaire de cette notion, tournee vers les sciences cognitives. La diversite apparente des problemes et solutions proposes dans les differents domaines est exposee et nous avancons une solution pour rendre compte de la pertinence de facon plus globale. Cette solution est basee sur un principe de resonance dans un reseau qui represente les implications entre les proprietes des objets de l'environnement. Dans ce reseau, les nuds correspondent a des conjonctions de proprietes eventuellement floues (au sens de la theorie des ensembles flous) et les connexions representent des implications entre les differentes conjonctions et nous parlons ainsi de reseaux semantiques flous. Nous proposons aussi une methode pour la construction automatique de ce reseau et pour son exploitation en vue de la selection d'information pertinente a partir de requetes. Le systeme implementant ces methodes, baptise reliefs, a ete applique a l'analyse de differents types de donnees (epidemies, evaluations sensorielles). Enfin, une etude montrant comment le systeme peut etre utilise dans le cadre de la communication homme-machine a aussi ete realisee.