Abstract FR:

La plupart des systèmes d'Apprentissage actuels n'utilisent qu'incomplètement les connaissances sur le domaine dans lequel se fait l'Apprentissage et se limitent très souvent à des propriétés exprimées sous forme de taxonomies. Nous proposons dans cette thèse un système d'apprentissage dans un domaine à théorie forte, où les propriétés sont exprimées sous forme de théorèmes universels ou de taxonomies. Notre système utilise une notion nouvelle appelée Mise en Correspondance Structurelle. Nous résolvons ainsi un problème classique en Démonstration Automatique: celui des boucles de raisonnement. Une des particularités de ce système par rapport aux autres systèmes d'apprentissage à partir d'exemples est sa capacité à fournir des explications. Ces explications pourront s'avérer utiles pour traiter les contre-exemples ou pour faire de l'apprentissage incrémental.