Abstract FR:

Cette thèse présente la modélisation de l'activité humaine de résolution de problème dans une situation ou les connaissances sont spécifiques au domaine et les informations incomplètes. Notre modèle est fonde sur une expérimentation faite dans un cadre interdisciplinaire en collaboration avec des psychologues. Celle-ci avait pour but de faire émerger des comportements de résolution de problème proches de la planification en intelligence artificielle, sans pour autant énoncer d'hypothèse aussi précise qu'en psychologie cognitive. Les résultats obtenus par l'analyse des protocoles recueillis montrent que la démarche des sujets est moins organisée qu'on pourrait le supposer. Elle se rapproche bien de la planification, malgré son caractère anticipateur limite, mais aussi de la réaction par ses traits d'improvisation. Trois caractéristiques essentielles s'en dégagent: la distinction entre des situations dites normales et anormales ; la réduction de l'espace problème en ne considérant pas toutes les contraintes à la fois ; et enfin l'abstraction des données du problème. Pour prendre en compte ces particularités, nous proposons un modèle original fonde sur les notions de phase, stratégie et tactique, le tout guide par l'état d'esprit reflétant les contraintes prioritaires pour le sujet. Au delà de la construction d'un modèle cognitif, notre but était de montrer la faisabilité de son implantation. Nous avons pour cela réalisé le système Iggy, utilisant une architecture hybride à base de tableau noir à contrôle hiérarchique. Enfin, nous nous sommes attachés à montrer la pertinence du modèle, en abordant le difficile problème de sa validation par trois points de vue différents: une variante du test de Turing, une évaluation statistique et une approche topologique