Abstract FR:

Dans le cadre de l'aide a la resolution de problemes, deux hypotheses sous-tendent notre etude. La premiere est qu'il existe une base de connaissances du domaine. Cette base de connaissances n'est pas forcement complete mais contient toutes les etapes de resolution de problemes du domaine. La seconde hypothese est qu'en resolvant un nouveau probleme, l'utilisateur exprime une partie de la resolution a l'aide de la base de connaissances incomplete. Nous proposons alors le probleme le plus similaire au probleme a resoudre relativement aux etapes de resolution et une extension automatique incrementale de la base de connaissances. Nous avons realise anais (analogical intelligent system) dans lequel le mecanisme de memoration des problemes analogues est lie a la structure des cas: leurs schemas de raisonnement. Notre systeme s'integre dans un environnement de resolution de problemes ou un probleme est modelise sous forme de taches et de sous-taches. La methode utilisee dans anais s'articule en deux etapes. La premiere etape reduit le nombre de cas a examiner en selectionnant les plus pertinents. La seconde choisit le cas le plus similaire. Cette derniere est complexe au niveau de l'elaboration de l'appariement et au niveau de la definition d'une mesure de similarite. Les algorithmes etudies sont ceux des systemes de reconnaissance de plans, dans les domaines de la conception et de la planification. Des mesures de similarite de domaines differents sont etudiees et une mesure de similarite est proposee. L'application abordee se situe dans le domaine du diagnostic medical