Abstract FR:

La premiere partie de cette these consiste en un etat de l'art de la decision dans l'incertain, consideree du point de vue de l'intelligence artificielle. En premier lieu, sont decrites certaines approches classiques de la decision dans l'incertain, dont la theorie de l'utilite esperee puis, certaines approches non-classiques, numeriques ou ordinales. Ensuite, nous evoquons deux domaines ou la decision dans l'incertain interagit avec l'ia : les processus decisionnels markoviens et leur application a la planification dans l'incertain, et la representation logique des preferences. La seconde partie constitue l'apport specifique de cette these. Elle est divisee en trois sous-parties reprenant les themes de la premiere partie : 1. Nous etudions des criteres qualitatifs de decision dans l'incertain prenant leurs valeurs dans une echelle finie, totalement ordonnee et nous en proposons une justification axiomatique. Ces criteres sont bases sur une integrale de sugeno qui peut etre consideree comme une contrepartie qualitative de l'integrale de choquet. 2. Nous etudions une contrepartie possibiliste des processus decisionnels markoviens, totalement observables et leur application a la planification sous incertitude et nous proposons des algorithmes de resolution de type programmation dynamique. 3. Nous proposons enfin un langage logique de representation des problemes de decision sous incertitude qualitative. Ce langage est base sur la logique propositionnelle (valuee) et les systemes de maintien de la coherence bases sur les hypotheses (atms). Il s'adapte a la representation de problemes de decision sous incertitude, non seulement lorsque celle-ci est du type possibiliste, mais aussi lorsqu'elle est representee par des fonctions de croyance. Des methodes et algorithmes de resolution sont proposes, utilisant des procedures efficaces de recherche de modeles du type davis et putnam, recemment developpees.