Assistance au calage de modèles numériques en hydraulique ... - TEL

CONCLUSION GÉNÉRALEdisposition. Cette propriété permet ainsi d’assurer la qualité du processus, et parconséquent la qualité du modèle, naturellement dans les limites imposées parcelle des différentes données utilisées....et évolutifCe premier prototype, s’il prend en compte plusieurs types de calage, ne peut prétendreremplacer les conseils d’un expert dans l’ensemble des situations potentielles.Nous rejoignons ainsi les propos d’un des fondateurs de l’intelligence artificielle, Turing(1950) :It is not possible to produce a set of rules purporting to describe what a man should doin every conceivable set of circumstances.Pourtant, la capacité d’évolution est la principale caractéristique des systèmes à base deconnaissances. Dans le but d’accroître cette propriété de notre prototype, nous avonsmis au point un deuxième prototype – baptisé CARMA-2 – dont la base de connaissancesse restreint aux raisonnements du domaine d’application. L’expert peut ainsi aisémentenrichir cette base pour produire une version du système d’assistance au calagecapable de faire face à de nouvelles situations.Outils d’intelligence artificielle dédiés au calage de modèles numériquesLa mise au point du prototype CARMA-2 a nécessité le développement d’outilsd’intelligence artificielle intégralement dédiés à la tâche de calage de modèles numériques(voir chapitre 5). Ces outils regroupent un moteur d’inférence – appelé HYDRE –simulant le processus générique de calage, et le langage de représentation de connaissancesassocié, appelé OVAL. Ces deux outils permettent de construire des systèmes àbase de connaissances destinés à aider le modélisateur dans la tâche de calage dans undomaine donné.Ces deux outils sont destinés à un expert d’un domaine – hydraulique, hydrologiedistribuée, etc. – disposant d’un code de calcul à partir duquel construire des modèlesnumériques. Cet expert peut déclarer aisément grâce au langage OVAL toutes les spécialisationsdans son domaine des concepts génériques de l’ontologie ONTOVAL : il peutainsi définir ce que sont un modèle numérique, des paramètres, des données événementielles,etc. dans son domaine. Il peut aussi représenter les raisonnements associés à cesconcepts et mis en œuvre lors de la tâche de calage. Les connaissances requises pourl’utilisation du code de calcul – dans le cadre de cette tâche précise – peuvent enfin êtreformalisées grâce à la syntaxe conservée du langage YAKL.Le moteur d’inférence HYDRE simule quant à lui le processus de calage générique telque nous l’avons défini dans le chapitre 4 (figure 4.8, p. 99). Il permet ainsi à l’expert dese concentrer uniquement sur les connaissances de son domaine lors de la constructionde la base de connaissances en langage OVAL. L’association du moteur d’inférence et dela base de connaissances permet alors d’obtenir directement un système d’assistance aucalage de modèles dans le domaine considéré.191