Abstract FR:

Cette thèse est une contribution au modèle d'apprentissage général MAGE. Ce modèle repose sur l'hypothèse qu'il existe des mécanismes généraux d'apprentissage, au sens où ces mécanismes sont indépendants du domaine de connaissance. Cette hypothèse induit des restrictions importantes sur la nature de l'apprentissage ; ainsi, on se place dans le contexte d'un apprentissage de bas niveau portant sur des coefficients numériques associés à des connaissances élémentaires de type transition d'états. L’idée soutenue est que des principes généraux ne doivent pas être recherchés uniquement au niveau des modalités de l'apprentissage mais également à celui des mécanismes d'apprentissage eux-mêmes. Les premiers principes d'apprentissage formulés s'inspirent des travaux psychologiques. On a pu mettre en évidence, tant au niveau de la convergence qu'a celui des performances, l'intérêt d'un système qui évolue d'un état de grande versatilité vers un état stable. L’unification des concepts ainsi introduits a nécessité la définition d'un cadre formel dans lequel sont développés des éléments pour une théorie de l'apprentissage discriminant. Ces éléments reposent sur postulat d'invariance: le principe du reflet autoréférentiel ; ainsi, on peut reformuler la problématique du comment de l'apprentissage en termes de calculabilité ; on montre que tous les coefficients soumis à l'apprentissage sont, en ce sens, calculables. Enfin, le prototype OMAGE montre que le choix de l'approche orientée objet est pertinent pour implémenter les éléments de théorie