Abstract FR:

D'innombrables discussions ont ete consacrees aux problemes du traitement de l'incertitude dans les systemes a base de connaissances. Le besoin de generaliser les modes de raisonnement, d'automatiser la prise de decision et de construire des systemes artificiels effectuant les taches prises en charge par les humains, a conduit a l'elaboration de theories permettant de traiter toute la complexite du raisonnement humain. Les problemes entaches d'incertitudes sont generalement etudies en intelligence artificielle. L'incertitude est une connaissance dont on ne connait pas les proprietes quantitatives et qui n'a pas une representation arithmetique ou logique formelle. La modelisation de l'incertitude en intelligence artificielle implique l'elaboration d'un formalisme et d'une methode pour la representer et la manipuler. Il n'y a pas de methode unique pour traiter l'incertitude. Cependant, le recours aux probabilites a toujours ete une direction naturelle. Plusieurs auteurs considerent que le concept de probabilite d'un evenement est une appreciation subjective. Ces dernieres annees, l'approche qualitative de l'incertitude s'est fortement developpee. Certaines methodes utilisent des procedes heuristiques, d'autres sont basees sur des probabilites qualitatives ou comparatives. Un nouveau concept de probabilite, vu comme etant une extension symbolique du concept classique des probabilites, a conduit a l'elaboration de plusieurs versions de la theorie des probabilites symboliques pour la modelisation, la representation et l'exploitation des informations incertaines en intelligence artificielle. Dans cette these, nous proposons une nouvelle approche logico-symbolique, pour la representation et le traitement des connaissances incertaines dans les systemes a base de connaissances, basee sur la logique multivaluee et la theorie des probabilites symboliques.