Abstract FR:

Le traitement de la connaissance incertaine occupe une place centrale dans les recherches actuelles en intelligence artificielle. Parmi les approches proposées, on peut faire ressortir deux grandes catégories : (1) les approches numériques utilisées dans le cas où l'incertitude est de nature quantitative et (2) les approches qualitatives dédiées pour le traitement de l'incertitude de nature qualitative, telle notamment que celle que l'on rencontre dans le raisonnement humain. Par ailleurs, l'incertitude peut être exprimée généralement sous deux principales formes, à savoir, sous forme de croyance ou sous forme d'ignorance, selon qu'on se réfère respectivement à l'information acquise ou à la déficience informationnelle. Toutefois, certaines situations d'incertitude ne peuvent pas être exprimée sous forme de croyance. Il s'en suit que, dans les systèmes à base de connaissances, il est préférable de traiter l'incertitude sous forme d'ignorance plutôt que sous forme de croyance. Ainsi, dans cette thèse nous présentons une nouvelle théorie symbolique d'entropie qui a pour objet le traitement qualitatif de l'incertitude sous forme d'ignorance. Cette théorie est inspirée de la théorie d'entropie de Shannon et construite sur le substrat de la logique de prédicats multivalents proposée par Pacholczyk. En ce sens, notre travail se situe au confluent de la théorie d'information et de la logique mathématique. Ce mémoire est composé de quatre principaux chapitres. Dans le premier, nous étudions les notions de connaissance et d'information. Dans le second nous explorons les principales imperfections de la connaissance, à savoir l'incertitude et l'imprécision. Au troisième chapitre nous présentons les principales approches préconisées pour le traitement des connaissances incertaines. Enfin, au quatrième chapitre nous présentons la théorie symbolique de l'entropie que nous proposons. Dans cette approche, la représentation de l'incertitude se fait explicitement en utilisant des expressions linguistiques telles que "totalement incertain", "très incertain",. . . L'exploitation symbolique des informations incertaines se fait grâce à de nouvelles généralisations des règles classiques d'inférence.