Abstract FR:

Les travaux presentes dans cette these se situent dans le champ de l'intelligence artificielle consacre a la modelisation des processus de decouverte scientifique. Dans ce cadre, nous etudions les possibilites et les limitations d'une approche inductive de la decouverte en medecine. La methodologie est experimentale: elle met en uvre des algorithmes dans des simulations sur machines. Elle est en outre historique: elle repose sur des reconstructions rationnelles de decouvertes sur l'etiologie des maladies. Nous montrons dans nos experimentations que des inductions pures permettent de decouvrir la cause du scorbut, et de faire progresser la comprehension de la lepre. Cependant, il apparait necessaire, et possible, de prendre en compte l'influence de connaissances a priori sur le raisonnement inductif pour parvenir a des reconstructions fideles d'un point de vue historique. D'autre part, a partir d'une analyse de la recherche des causes de la lepre, nous montrons l'interet pour la decouverte d'une induction modelisant explicitement des exceptions, tout en les distinguant clairement du bruit. Nous proposons un algorithme inductif, baptise pasteur, qui realise une induction de ce type, et nous l'utilisons dans la reconstruction rationnelle de la decouverte des causes de la lepre. Nous presentons enfin les projets en cours appliquant les methodes proposees dans cette these a l'aide a la decouverte pour la recherche medicale contemporaine