Abstract FR:

La modélisation et l'ordonnancement de projet s'effectuent aujourd'hui presque exclusivement à l'aide des outils PERT et CPM, initialement prévus pour des projets de type réalisation. De nombreux modèles ont alors été développes pour tenter de modéliser des projets à risque comme les projets d'innovation. Les différents futurs possibles du projet innovant sont décrits par l'intermédiaire de possibilités (dans un graphe composé de nœuds logiques de type et, ou, ou exclusif) ou de probabilités (probabilité d'échec, distribution stochastique des durées). Dans tous les cas, l'indépendance des variables aléatoires considérées est une hypothèse indispensable à ces modèles qui permet alors d'établir un certain nombre de résultats formels. Or, cette hypothèse forte n'est pas valable dans la plupart des projets réels ou les choix dépendent généralement de variables externes (temps, prix d’une matière première) ou internes (résultat d'un prototype, duré d'une opération, comparaison entre plusieurs solutions). La connaissance concernant l'organisation d'un projet peut être repartie en une partie structurelle contenant les différentes réalisations possibles du projet et une partie organisationnelle autorisant la définition d'un futur particulier parmi tous ceux qui sont possibles. Ce problème est proche de la représentation de la connaissance en résolution de problèmes. Dans ce domaine, beaucoup de modèles existants discernent la connaissance de planification (comment organiser la résolution d'un problème), la connaissance de réaction (que faire en cas d'échec), la connaissance de synthèse (production d'informations après la résolution) et la connaissance opérationnelle (algorithmes opérationnels élémentaires). Les travaux présents dans cette thèse tentent d'établir un pont entre la résolution de problèmes et le management de projet afin d'intégrer simultanément non seulement les différents futurs possibles d'un projet mais également la connaissance nécessaire à la gestion de ces possibilités. Les modèles cognitifs sont modifiés pour permettre le calcul de plusieurs informations classiques comme la probabilité d'échouer, la durée d'exécution minimale et maximale ainsi que pour faire du raisonnement sous hypothèses.