Mémoire Samy Grace Tshibuabua

I EPIGRAPHE On vit avec un cœur trop plein dans un monde trop vide. Et sans avoir usé de rien, on est désabusé de tout. François-Auguste-René de chateaubriand II DEDICACE L’expression de ma dédicace est un reflet de la sympathie générale envers toute la communauté scientifique dont une partie des plus honorables a bien voulu soutenir cette édition. Espérant qu’elle servira à attirer votre bienveillante attention sur le statut des sciences du numérique. Samy Grâce Tshibuabua III REMERCIEMENTS Bien souvent, il porte à croire qu’un mémoire est essentiellement un travail individuel. Après tout, c’est l’étudiant qui fait tout le travail. Il est vrai que c’est le seul à pouvoir miser tout son temps à travailler à temps plein sur le projet. Mais il est tout aussi vrai qu’il n’est pas le seul à être impliqué dans cette grande aventure. Et quand on arrive à la rédaction d’un mémoire, moment béni entre tous, et qu’il faut remercier tous ces gens, on se rend compte qu’il n’est pas facile d’en oublier un. François-René de chateaubriand a dit : rompre avec les choses réelles, ce n’est rien. Mais avec les souvenirs ! le cœur se brise à la séparation des songes. Ainsi, les bons souvenirs me poussent de prime abord à rendre des somptueuses actions de grâces à l’Eternel Dieu tout puissant pour son immense amour et ses bienfaits dans ma vie, sans qui, je ne serais jamais arrivé où je suis. Un très grand merci à mon Directeur Prof. Dr. Blaise Fyama pour la confiance que vous m’avez accordée, pour votre motivation, votre perspicacité et votre attention manifestée pendant le déroulement de cette étude, j’ai beaucoup appris à votre contact. Merci également à l’assistant Hilaire lufulwabo et Rj Kashala pour votre encadrement. Nos remerciements envers les autorités de l’Université Protestante de Lubumbashi, pour la bonne volonté d’avoir mis à notre disposition tous les moyens nécessaires pour notre encadrement. Particulièrement à nos dirigeants de la faculté, en commençant par le doyen, en l’occurrence Prof. Blaise Fyama avec toute son équipe, et à tous nos enseignants qui ont veillés à notre bonne formation, et ont misés en nous leur talent professionnel. Ma famille est pour moi une richesse incroyable, car elle me donne des outils pour pouvoir affronter les moments extraordinaires, les moments difficiles de ma vie, ainsi je remercie chaleureusement mes parents : Papa Jacob Tshibuabua et Maman Marthe Bandenga pour leur amour et leurs conseils de soutiens, et pour avoir assuré avec dévouement leur travail des parents. Vous avez toujours été pour moi une épaule sur laquelle je m’appuie en toutes circonstances de ma vie. Aucune expression ne saurait exprimer ce que vous représentez pour moi. Par ces simples mots, agréez toute ma gratitude. Je remercie particulièrement mon généreux frère Louis Tshiyole et sa charmante épouse Marie Abark pour leur soutien matériel et financier durant tout mon parcours. Merci à tous mes frères et sœurs : Thomas Ngandu Tshibuabua, Jacob Tshibuabua, Louis Tshiyole Tshibuabua, Francine Ntumba Tshibuabua, Toussaint Katuina Tshibuabua, Irène Nkengela Tshibuabua, Gaston Bakualufu Tshibuabua, IV Gustave Muzembe Tshibuabua et à ma cousine Chancelle pour votre soutien moral et spirituel, vous avez toujours été présents pour m’encourager et me souhaiter les meilleurs, ceci est ma gratitude en échange à votre égard. A tous mes amis pour leur encouragement et les meilleurs instants de convivialité passés ensemble pour dégager les mauvaises humeurs et contribuer au bon déroulement de ce travail. Une larme de tendresse et ma gratitude envers mes proches, c’est ce petit texte que je vous écris. Sur ce je cite : Allégrèsse Kangudi, Gervais Banza, Deborah Mwika, Deborah Mwanza, Valentine Lumbu, Murielle Muyumba, Moise Dekatolo, Malys Amadi, Tony Kibondo, Rémy Kamba, Ali Dhina Kapita, Jason Mussa, Tony Mbay, Cédric Bukasa. Qui dit système expert, dit acquisition de connaissances auprès d’experts tout à fait humains. Grâce aux entrevues menées auprès du Dr. Anne Courillon Mallet, Dr. Fréderic Heluwaert, Dr. Nicolas Kodjoh, Dr. Antoine Tshimpi et Dr. Clément. Mon système est capable de réfléchir, quand bien-même il ne peut atteindre vos niveaux de compétence. Vos efforts n’ont pas été vains, recevez votre part de ma gratitude. Merci au couple Paul et Régine NDAYA, ainsi qu’à tous les enfants pour votre générosité et votre hospitalité, votre contribution et participation à cette œuvre est d’une valeur importante. Enfin, à tous ceux, que j’aurai malencontreusement oubliés dans ces remerciements, mais qui, d’une manière ou d’une autre, ont contribués à la réalisation de ce travail, avec remords, souffrez que je vous présente mes sincères remerciements même sans vous avoir nommément cité. Entre Ce que je pense, Ce que je veux dire, Ce que je crois dire, Ce que je dis, Ce que vous avez envie d'entendre, Ce que vous croyez entendre, Ce que vous entendez, Ce que vous avez envie de comprendre, Ce que vous croyez comprendre, Ce que vous comprenez, Il y a dix possibilités qu'on ait des difficultés à Communiquer. Mais essayons quand même... « Encyclopédie du savoir relatif et absolu » Bernard Weber V LISTE DES FIGURES Figure 1.1 architecture complète du système expert ............................................................. 6 Figure 1.2 illustration des grands courants de l’IA............................................................. 16 Figure 1.3 capture de la conversation de 1er chabot Eliza ................................................. 19 Figure 1.4 Chronologie de la naissance et du parcours de l’IA ......................................... 20 Figure 1.5 segmentation rationnelle de l’IA basée exclusivement sur 3 aspects : le symbolisme, le connexionnisme et le comportementalisme. ............................................... 22 Figure 1.6 la segmentation généraliste et descriptive de l’IA ............................................. 23 Figure 1.7 représentation des modèles de CommonKADS ................................................ 29 Figure 2.1 situation de l’estomac au niveau de l’organisme. .............................................. 34 Figure 2.2 Anatomie de l’estomac ......................................................................................... 35 Figure 2.3 vascularisation de l’estomac................................................................................ 36 Figure 2.4 différentes couches de la paroi gastrique avec les cryptes et glandes gastriques ainsi que les cellules secrétant les substances indispensables pour son fonctionnement . 37 Figure 2.5 balance entre les facteurs protecteurs et agressifs. (A) et (B) .......................... 39 Figure 2.6 muqueuse gastrique ............................................................................................. 39 Figure2.7 image d’un ulcère, d’une ulcération et d’une érosion gastriques. .................... 40 Figure 2.8 muqueuse gastrique visible en microscopie électronique ................................. 41 Figure 2.9 helicobacter pylori dans le mucus (A) et en microscopie électronique (B) ..... 42 Figure 2.10 pathogénie des lésions ulcérées induites par les AINS. Les flèches indiquent les lésions initiales provoquées par l’inhibition des prostaglandines et les lésions provoquées par les polynucléaires infiltrant la muqueuse et le TFN qu’ils produisent. . 43 Figure 3.1 interaction entre ingénieur et expert du domaine. ............................................ 52 Figure 3.2 représentation de l’ontologie du domaine .......................................................... 54 Figure 3.3 image de l’ulcère gastroduodénal dû à Helicobacter Pylori ............................ 57 Figure 3.4 modèle d’organisation ......................................................................................... 70 Figure 3.5 représentation du modèle de tâches ................................................................... 71 Figure 3.6 représentation du modèle de connaissances ...................................................... 72 Figure 3.7 modèle de communication ................................................................................... 73 Figure 3.8 représentation du modèle conceptuel de SACSAM .......................................... 73 Figure 4.1 maquette de commandes clips............................................................................. 85 Figure 4.2 illustration du système SACSAM ....................................................................... 90 Figure 4.3 maquette de lancement des programmes CLIPS .............................................. 93 Figure 4.4 Prompt de saisie des commandes pour exécution des programmes CLIPS ... 94 Figure 4.5 maquette d’initialisation de la base des faits du système SACSAM ............... 94 Figure 4.6 maquette d’accueil SACSAM ............................................................................. 95 Figure 4.7 présentation des syndromes par SACSAM ...................................................... 95 Figure 4.8 choix du syndrome ulcéreux par l’utilisateur ................................................... 96 Figure 4.9 affichage du diagnostic et de la thérapeutique par SACSAM ......................... 97 VI LISTE DES TABLEAUX Tableau 1.1 grille de travail des modèles CommonKADS ................................................ 31 Tableau 1.2 catégories de connaissance................................................................................ 32 Tableau 3.1 phases et étapes de la méthodologie d’acquisition des connaissances .......... 51 Tableau 3.2 types d’acteurs et cas d’utilisation ................................................................... 53 Tableau 3.2 représentation de l’expertise du Dr. Clément ................................................. 57 Tableau 3.3 représentation de l’expertise du Dr. Anne Courillon Mallet ........................ 58 Tableau 3.4 représentation de l’expertise du Dr. Nicolas KODJOH ................................ 59 Tableau 3.5 tableau représentatif et synthétique de l’expertise du Dr. F. HELUWAERT .................................................................................................................................................. 60 Tableau 3.6 tableau représentatif de l’expertise du Dr. Antoine Tshimpi........................ 60 Tableau 3.7 regroupement des aliments recommandés ...................................................... 64 VII LISTE DES SIGLES ET ABREVIATIONS  SACSAM : SoftbotAnalysisCare de Samy Grâce  RDC : République Démocratique du Congo  OMS : Organisation Mondiale de la Santé  AFMED : Amis et anciens de la Faculté de Médecine de L’Université de Kinshasa  IA : Intelligence Artificielle  AGI : Intelligence Artificielle Généraliste  SE : Système Expert  SBC : Système à Base de Connaissances  BC : Base de Connaissances  BR : Base de Règles  BF : Base de Règles  S : Spécialisation  MOT : Modélisation par Objets Typés  G-MOT : Graphique Modélisation par Objets Typés  IHM : Interface Homme-Machine  RBR : Rules Based Reasoning  CBR : Case Based Reasoning  USA : United States of America  MIT : Massachusetts Institute of Technology  IBM : International Business Machines Corporation  DARPA : Defense Advanced Research Project Agency  LISP : Lots of Insipid and Silly Parenthesis  CLIPS : C Language Integrated Production System  PROLOG : PROgrammation en LOGique  NSA : National Security Agency  NASA : National Aeronautics and Space Administration  CIA : Central Intelligence Agency  ARPANET : Advanced Research Projects Agency Network  HPC : High Performance Computers  AI : Artificial Intelligence  BRMS : Business Rules Management Systems VIII  DMS : Decision Management Systems  Chatbot : robot logiciel  GPS : General Problem Solver  KADS : Knowledge Acquisition and Documentation Structuring  CommonKADS : Knowledge Acquisition and Design Support  ESPRIT : European Strategic Program on Research in Information Technology  TN : Technologie Numérique  TCN : Technologie Cognitive Numérique  UGA : Ulcère Gastrique Aggravé  UGS : Ulcère Gastrique Simple  UDA : Ulcère Duodénal Aggravé  UDS : Ulcère Duodénal Simple  UGDA : Ulcère Gastro-duodénal Aggravé  UGDS : Ulcère Gastroduodénal Simple  HCI : Acide Chlorhydrique  HP : Helicobacter Pylori  CI- : ions de chlore ions d’hydrogène  H+ : ions d’hydrogène  AINS : Anti-Inflammatoires Non Stéroïdiens  UG : Ulcère Gastrique  UD : Ulcère Duodénal  UGD : Ulcère Gastro-Duodénal  Dr. : Docteur  Prof. : Professeur  TNF-Alpha : Tumor Necrosis Factor Alpha  COX : Cyclooxygénases  RGO : Reflux Gastro-œsophagien  IPP : Inhibiteur de Pompe à Protons  R : Règle  F : Fait  UML : Unified Modeling Langage  DT : Diagnostic et Thérapeutique  FORTRAN : FORmula TRANslation 1 INTRODUCTION GENERALE L’actuel profil de l’ulcère gastroduodénal en RDC a atteint des nouveaux records avant le faible pourcentage enregistré en 2011 après un recensement effectué par l’OMS. Les diagnostics posés par des spécialistes gastroentérologues de l’OMS à l’issue de ce recensement ont contribué à une bonne évaluation des cas de cette maladie (85.000 cas) et à préciser que le taux de croissance de cette maladie augmente à grande vitesse pour des raisons alimentaires, psychologiques, médicamenteuses, et par l’insuffisance des experts et le nonrecensement de la population sur les effets néfastes à risque de provoquer ou d’aggraver ou encore de précipiter la survenue de cette maladie vu que 1/10 personnes souffre de la gastrite. En 2013, Les statistiques ont indiqué que le nombre total des gastroentérologues revenait à 14 pour 71 millions d’habitants, depuis lors jusqu’à ce jour où la démographie nationale indique plus de 80 millions d’habitants environs, pour le même nombre d’experts. D’où 1 spécialiste pour environs 5 millions d’habitants, voire plus. Contrairement à la France où 1 spécialiste pour 14000 habitants[1, p. 4]. Etant donné la poignée des spécialistes en RDC, face à une pléthore des cas de cette maladie qui accourent et croissent sur tout le territoire national, le besoin devient de plus en plus palpable au point même qu’il n’est pratiquement pas possible d’avoir ne serait-ce qu’un seul spécialiste dans chaque province, encore moins dans chaque zone de santé sur toute l’étendue de la RDC. Ainsi, pour pallier à ce besoin, après mille et une question et des longues spéculations à propos, nous avons jugé, avec les avancées technologiques qu’il serait donc pertinent de résoudre ce problème par l’entremise d’un système expert conçu à base de l’expertise des spécialistes gastroentérologues, lequel sera capable d’agir à l’instar d’un spécialiste, même en l’absence de ce dernier. A cette fin, le sujet de notre recherche est baptisé : « Spécification et formalisation d’une base de connaissances d’un système expert pour le diagnostic et la proposition thérapeutique de l’ulcère gastroduodénal ». En effet, la relation entre le diagnostic et la thérapeutique d’une maladie quelconque, est un thème généralement traité en Médecine et en santé publique. Mais en 2015, sur les antennes de la Radio Okapi, l’inquiétude du Dr. Prof. Antoine Wola Tshimpi, gastroentérologue au Centre Hospitalier la Ferté-Bernard (France) et président du comité exécutif de l’AFMED (Amis et Anciens de la Faculté de Médecine) de l’Université de Kinshasa, sur la carence en hépato-gastro-entérologie et la nécessité de relancer l’endoscopie digestive en République Démocratique du Congo[1, p. 1], ainsi que le constat fait en 2011 par le Dr. Anne Courillon-Mallet, gastroentérologue à l’hôpital de Villeneuve-Saint-Georges 2 en France[2, p. 8] lors d’une enquête nationale en France sur la prise de certains médicaments ou aliments non encore clairement identifiés mais qui auraient une certaine gastrotoxicité, et l’augmentation de la sécrétion de l’acide de l’estomac ; auraient suscités des questionnements qui m’ont interpellé et ont piqué mon intérêt face à l’insuffisance, si pas au manque des gastroentérologues en RDC. Car cette maladie est dangereuse et se complique souvent en cancer de l’estomac, qui est actuellement considéré comme deuxième cause de mortalité mondiale par cancer, comme l’affirme la Fédération Française de Cancérologie digestive[3, p. 2]. Outre cette première hypothèse, étant par-delà accro à la programmation dès l’arrivée à l’Université et co-fondateur du club des programmeurs (Soft Tech Corporation), groupe créé par notre équipe promotionnelle pour relever le niveau de tous, et améliorer notre talent des programmeurs. Souhaitant nous ouvrir vers des nouvelles perspectives de la programmation, beaucoup d’entre nous se sont lancés dans les domaines de Business Intelligent et de l’Intelligence Artificielle qui présentent à l’ère actuelle des avancées technologiques à une vitesse volcanique, notamment le machine learning et le deep learning. Ainsi, in extremis, le déficit sanitaire évoqué ci-haut que connait notre nation depuis bien des années nous aurait poussé à embrasser la même approche d’Intelligence Artificielle (IA), plus précisément les systèmes experts pour formaliser les connaissances des experts (gastroentérologues) dans une base de connaissances et produire un système expert capable de réfléchir pour poser un diagnostic et proposer une thérapeutique de l’ulcère gastroduodénal à partir des signes vitaux indiqués par le patient, pour permettre aux médecins ainsi que les autres corps soignants à administrer dans les normes scientifiques médicales la thérapie au patient, autant que cela dépendra du résultat affiché par le système. Certes, le choix porté sur ce sujet n’est pas le fruit d’un concours de circonstances, bien au contraire. Persuadé par la prise des médicaments communément appelés antiacides contre l’aigreur et la brûlure de l’estomac, entre autres (phosphalugel, maalox, etc.) Par un grand nombre de gens dont moi-même, à l’idée de stopper la sécrétion acide, pratique généralement courante et conventionnelle pour diminuer les sécrétions acides. Cette expérience nous aurait poussé à travailler d’arrache-pied sur cette maladie pour savoir sa gravité et ses complications afin d’aider un grand nombre de la population congolaise vivant avec la gastrite pouvant se compliquer en ulcère gastroduodénal. Ceci dit, nous essayerons de dénicher les lacunes sur les interrogations telles que :  Quelle méthodologie de représentation de connaissances allons-nous appliquer pour en arriver à formaliser notre base de connaissances ? 3  Dans Quel environnement de développement et avec quelle logique formelle sera implémentée notre base de connaissances ? Ainsi, ces questions précédemment émises, trouverons des réponses dans des hypothèses telles que :  Nous utiliserons la méthodologie CommonKADS (Knowledge Acquisition and Design Support)[4, p. 12] méthode utilisée pour l’analyse et la modélisation des connaissances expertes. Cette méthode constituerait principalement à définir une architecture et représenter le modèle de conception qui sera traduit en faits et règles.  Ensuite, ces connaissances seront formalisées sous l’environnement de développement CLIPS (C Language Integrated Production System). Un langage qui nous permettrait de créer notre base de connaissances et d’intégrer des composants du système expert pouvant générer un raisonnement rationnel. Et cette base de connaissances sera basée sur la logique du modus ponendo ponens, pour la déduction du diagnostic. A cet effet, pour rester focus et authentique sur les termes clés et l’aspect technique de notre étude, quelques recherches ont été menées sur l’utilisation d’une telle méthodologie dans le développement des systèmes intelligents, et l’usage plus ou moins récent des systèmes experts pour voir dans quelle mesure apporter une solution à ce problème. Bref, notre état de la question se présente sous les thèmes suivants : 1. En 2018 : Hantaniaina Vatosoa Martina Rehala, Université SHERBROOKE, Québec (Canada) a présenté un mémoire sur l’utilisation de la méthode CommonKADS dans le développement des systèmes intelligents. Son travail s’intitule : « Du modèle de processus d’affaires à la spécification des exigences en contexte de systèmes intelligents : application de la méthode CommonKADS»[5] 2. En 2012 : Pierre Ardiri de l’Université de Genève a développé un système expert dans le cadre de son mémoire pour le master qui s’intitule : « Développement d’un système expert d’aide à l’orientation destiné à des Adolescents. »[6] 3. En 2008 : Adrien Coulet du département de formation doctorale en informatique à l’Université Henri Poincaré-Nancy 1 a lui aussi construit une base de connaissances pour sa thèse qui s’intitule : « Construction et utilisation d’une Base de Connaissances pharmacogénomique pour l’intégration de données et la découverte de connaissances »[7] Ces thèses, ainsi que d’autres articles apparentés nous ont boostés à avancer dans cette optique. Afin de traiter ce sujet et de répondre aux questionnements émis, un plan de recherche sera établi, nous permettant de nous lancer vite et droit en besogne dans l’arsenal de 4 construction de SACSAM (SoftbotAnalysisCare) notre système expert. La démarche méthodologique précitée nous permettrait de prime abord d’appliquer la technique des entretiens directifs ou semi-directifs avec les experts du domaine pour l’acquisition des connaissances, et de représenter ces connaissances sous forme graphique. Enfin, implémenter la base de connaissances sous l’environnement CLIPS. De peur d’aboutir à des fins incultes, approximatives ou incertaines, la rigueur sur le respect et le suivi de processus de la méthodologie évoquée ci-haut seront de grande envergure afin d’arriver à un succès sans équivoque de notre rêve des lointains horizons. Celui de produire un système expert de qualité et surtout précis avec un mélange d’expertises de différents spécialistes (gastroentérologues et hépatologues) que nous rencontrerons au cours de la phase d’acquisition des connaissances. Nous voudrions à la fin, comprendre comment un système expert serait en mesure de produire des résultats escomptés pour résoudre un problème aussi complexe qu’il soit, en lieu et place d’une personne physique (spécialiste), en termes de diagnostic et proposition thérapeutique de l’ulcère gastroduodénal. La subdivision de notre travail aura deux grandes parties, la première théorique et la seconde pratique. Et ces dernières seront subdivisées en chapitres de la manière suivante : premièrement l’état de l’art sur les systèmes experts et la démarche méthodologique CommonKADS, ensuite une théorie sur l’ulcère gastroduodénal, puis l’acquisition et spécification des connaissances pour le diagnostic, avant de finalement chuter par la formalisation de la base de connaissances pour le diagnostic et la proposition thérapeutique de l’ulcère gastroduodénal. 5 CHAPITRE I : ETAT DE L’ART SUR LES SYSTEMES EXPERTS ET DEMARCHE METHODOLOGIQUE (CommonKADS) 1.1 Les Systèmes Experts (SE) 1.1.1 Introduction Les systèmes experts font partie du vaste champ de l’Intelligence Artificielle (IA) symbolique appliquant de la logique formelle. Cette dernière s’oppose à l’approche connexionniste qui exploite le biomimétisme et les réseaux de neurones dans une approche probabiliste. L’approche symbolique appliquée au raisonnement automatique est plus rigoureuse mais difficile à mettre en œuvre et à généraliser. La formalisation du raisonnement humain remonte à Aristote et à l’identification de règles formelles utilisées dans l’argumentation philosophique, à base de syllogisme associant deux prémisses et une déduction (si A et B sont vrais alors C est vrai). Suivirent les travaux de Georges Boole au 19e siècle et son algèbre formalisant l’usage de règles de raisonnement, puis de nombreux développements théoriques, notamment autour de la logique formelle, des calculs de prédicats, de la logique du premier et du second ordre. Les moteurs de règles s’appuient sur la notion de raisonnement contraint par des règles et exploitant des bases de faits. On fournit au moteur un ensemble de règles et de faits pouvant par exemple représenter le savoir des experts dans un domaine donné. Avec des règles proches de la programmation logique du genre « si X et Y sont vrais, alors Z est vrai » ou « X entraine Y ». On peut alors interroger le système en lui posant des questions du genre « est-ce que W est vrai ? » et il va se débrouiller pour exploiter les règles enregistrées pour répondre à la question. Les systèmes experts ont eu leur heure de gloire dans les années 1980, où on a trop rapidement pensé qu'ils pourraient se développer massivement. En pratique, le développement de ce genre d'application est très lourd car, lorsque l'on dépasse la centaine de règles, il devient difficile de comprendre comment le système expert «raisonne» (manipule faits et règles en temps réel), et donc d'en assurer la mise au point finale puis la maintenance.[8, p. 4] 1.1.2 Composants et Architecture d’un Système Expert L'architecture d'un système expert peut être décomposée en cinq composants. En premier lieu, nous retrouvons la base de connaissance (Knowledge Base) qui contient l'expertise sous forme de règles. Le second composant est un moteur d'inférence. Celui-ci a comme objectif de chercher des relations entre l'information que nous lui fournissons et 6 donner des réponses, des prédictions ou des suggestions, comme le ferait un expert humain. Il existe deux types de méthodes d'inférence que le moteur puisse avoir dépendamment de son implémentation : le chaînage avant ou le chaînage arrière. Le chaînage avant consiste à débuter à partir des faits et se diriger vers les conclusions. Ainsi, les données connues dirigent 1'inférence en enchaînant les règles les unes aux autres pour en arriver à la conclusion. À l'inverse, le chaînage arrière consiste à débuter à partir d'une conclusion et effectuer un travail de retour en arrière pour revenir aux faits. Donc à partir d'un but ou d'une conclusion, le moteur d'inférence parcourt les règles pour en déduire les données qui ont permis d'en arriver à la conclusion. Les deux premiers composants que nous venons de mentionner, combinés à une base de faits qui contient des observations, vont permettre au système d'inférer et de faire des déductions. Également, il est possible que nous retrouvions un module d'explication (explanation facility) qui permet aux utilisateurs du système de comprendre plus facilement comment un résultat a été obtenu. Il peut aussi y avoir un module d'acquisition de la connaissance (knowledge base acquisition facility) qui permet d'ajouter facilement de nouveaux composants dans la base de connaissance. Finalement, un tel système possède une interface utilisateur (user interface) qui permet d'afficher les signaux que nous désirons envoyer.[9, p. 52]. L’image suivante montre l’architecture d’un système expert avec tous ses composants. Figure 1.1 architecture complète du système expert 7 Un système expert s’appuie sur deux composantes clés : une base de connaissance, générée souvent manuellement ou éventuellement par exploitation de bases de connaissances existantes, et un moteur de règles, plus ou moins générique, qui va utiliser la base de connaissance pour répondre à des questions précises. Les systèmes experts peuvent expliquer le rationnel de leur réponse. La traçabilité est possible jusqu’au savoir codifié dans la base de connaissances.[8, p. 31] 1.1.2.1 La Base de Connaissances (Knowledge Base) Une base de connaissances regroupe des connaissances spécifiques à un domaine spécialisé donné, sous une forme exploitable par ordinateur. Si elle contient les faits on parle de la base de faits ou (mémoire à court terme dépendant du problème) et si elle contient les règles on parle de la base de règles ou (mémoire à long terme parce que dépendant du domaine d’expertise).  Base de règles : aussi appelée : (Savoir-faire), cette partie représente l’ensemble des règles logiques de déduction utilisées par le moteur d’inférence. Composée d’une prémisse ou condition et d’une conclusion.  Base de faits : Historisation et statistique des faits effectifs, des décisions et des buts. La base de faits est la mémoire de travail du système expert. Elle est variable au cours de l'exécution. Au début, elle contient ce que l'on sait du cas examiné avant toute intervention du moteur d'inférences. Puis elle est complétée par les faits déduits par le moteur. Les SE sont classés selon la complexité des variables et du langage d'évaluation. On en distingue 3 principaux types des faits :  0 : Faits booléens sans variable. Exemple : Si la voiture ne démarre pas et les phares ne s'allument pas alors il n'y a plus de batterie. Il s'agit ici d'une version primaire des SE qui n'est capable que d'évaluation binaire. Ses capacités sont limitées mais ses performances sont en général excellentes. (Les SE de ce type sont appelés SE d’ordre 0)  0+ : Symboliques, Réels, Priorités. Exemple : Si Age > 17 Alors statut = « Majeur ». Ce type de SE assimile la notion de priorité qui permet de faire passer certains tests ou évaluations avant d'autres, leurs importances étant plus grandes. Il intègre aussi l'arrivée de nombres réels et les 8 évaluations symboliques (<, >, =, !=). Il s’agira pour ce type de faits des SE d’ordre 0+.  1 : Variables et Quantificateurs. Si Commutateur [M].statut = libre alors Exécuter (PriseEnCharge, M). A ce niveau de complexité, les SE savent gérer des variables (donc stocker des informations pendant une évaluation) et peuvent utiliser des quantificateurs (évaluation des connaissances incertaines) ou états (ex : libre, occupé, transféré, en attente...). Et les SE utilisant ce type de faits sont appelés SE d’ordre 1. 1.1.2.2 Le Moteur d’inférence Partie du système expert qui effectue la sélection et l'application des règles en vue de la résolution d'un problème donné. Décide quelles règles sont satisfaites par les faits fournis, donne la priorité aux règles et exécute la règle prioritaire la plus élevée. Le moteur d'inférence est un mécanisme qui permet d'inférer des connaissances nouvelles à partir de la base de connaissances du système. Il est basé sur des règles d'inférence qui régissent son fonctionnement. Il a pour fonction de répondre à une requête de la part d'un utilisateur ou d'un serveur afin de déclencher une réflexion définie par ses règles d'inférence qui utiliseront la base de connaissance. L’arrêt du cycle dépend du mode de raisonnement utilisé. Il est à noter toutefois qu'il reste important que la base de connaissance reste indépendante du moteur d'inférence (sauf si elle contient les règles d'inférence ellesmêmes). 1.1.2.3 Module d’explication (explanation facility) Le module d’explication permet au système expert d’expliquer son raisonnement à chaque conclusion, chaque action, ou chaque résultat du système expert après résolution ou exécution. Il importe de remarquer la séparation faite entre les connaissances acquises du domaine et l’inférence. Cette séparation permet d’utiliser un codage différent, à partir du langage naturel pour représenter les connaissances sous la forme (SI…ALORS) ; 1.1.2.4 Module d’acquisition de connaissances (knowledge base acquisition facility) C’est un processus qui consiste à transformer, par l’apprentissage, les informations et les savoirs disponibles à l’organisation en connaissances internalisées par le personnel sous la forme de nouvelles compétences. 9 Contrairement à l’extraction des connaissances, processus permettant de transformer les connaissances des experts dans un domaine sous forme d’informations organisées, de savoirs qui pourront être rendus disponibles à l’ensemble de l’organisation. La modélisation des connaissances d’un domaine est l’élément qui relie ces deux processus. Des modèles de connaissances sont produits par l’ingénierie de connaissances et servent d’intrant à l’acquisition de connaissances et à la formation. Elle permet aussi de préciser des cas d’utilisation décrivant les acteurs, les opérations qu’ils régissent et les ressources qu’ils utilisent ou produisent au cours du traitement lorsqu’ils mettent à contribution des connaissances d’un domaine, ce qui permet en retour de valider et d’étendre constamment le modèle ou l’ontologie d’un domaine. 1.1.2.4.1 Les cas d’utilisation Il s’agit ici de définir les catégories des acteurs du système expert, les finalités de la base de connaissances, différents types d’usagers, ainsi que les opérations à effectuer et les échanges entre acteurs dès l’acquisition de connaissances jusqu’à la conception de la base de connaissances. Les cas d’utilisation les plus fréquents ou jugés plus importants pourront faire l’objet d’un modèle de processus mettant en évidence les acteurs, les principales opérations qu’ils régissent, ainsi que les intrants et les produits de ces opérations. 1.1.2.4.2 L’ontologie du domaine L’intelligence artificielle a adopté le terme « ontologie » en lui donnant le sens plus restreint de définition formelle d’un système de représentation des connaissances d’un domaine. La représentation des connaissances est le thème central de ce domaine de sciences cognitives qu’est l’intelligence artificielle, lequel se fixe un double but : 1. Comprendre le fonctionnement de l’intelligence humaine par la reproduction de certains de ses processus par des programmes informatiques 2. Prolonger ou soutenir l’intelligence humaine en construisant des agents intelligents capables de réaliser diverses tâches évoluées. L’ontologie est un système de termes primitifs utilisés dans la construction de systèmes artificiels ou une « méta base de connaissances. » en ce sens, l’ontologie est un type particulier de modèle de connaissances permettant de construire une ou plusieurs bases de connaissances du même type. L’examen des cas d’utilisation et leur formalisation à l’aide d’une ontologie de tâche sous la forme de modèles graphiques, mettent en évidence la nécessité d’une représentation 10 structurée du domaine, acceptée et partagée largement par l’ensemble des utilisateurs de la base de connaissances. En d’autres termes, il s ‘agit de définir une ontologie, un modèle de connaissances dans le domaine choisi. La majorité des auteurs s’entendent sur le fait qu’une ontologie se compose de :  D’une ou de plusieurs taxonomies regroupant des concepts du domaine ordonné hiérarchiquement en classes et sous-classes par un lien de spécialisation (S) ;  De relations entre les concepts d’une même taxonomie ou de taxonomies différentes ;  D’axiomes ou de règles d’inférence permettant de définir des propriétés de ces relations.[10, p. 15] Cela étant, plusieurs logiciels existent pour représenter une ontologie en ingénierie de connaissances, dans ce travail nous allons utiliser dans le développement de notre travail les logiciels suivants : MOT, MOTPlus et G-MOT. 1.1.2.5 Interface Utilisateur (user interface) Il s’agit du moyen de communication entre le système expert et l’utilisateur. Ce que l’on appelle en génie logiciel : IHM (Interface Homme Machine), l’utilisateur y émet ses requêtes pour solliciter de l’aide au système expert, ce dernier retourne un résultat à partir de règles qu’il contient. 1.1.3 Les générations des Systèmes experts 1.1.3.1 La première génération Les SE de cette génération étaient des applications ad-hoc et non réutilisables. Chaque système possède son propre formalisme de représentation de connaissances, par conséquent, chaque application a un moteur d’inférence rarement utilisable par d’autres applications. L’ajout d’une nouvelle connaissance peut très bien avoir pour conséquence que le système ne soit plus capable de résoudre des problèmes qu’il savait résoudre auparavant. Quelques systèmes experts classiques de cette génération :  Dendral, 1965, créé par les informaticiens Edward Feigenbaum, Bruce Buchanan, le médecin Joshua Lederberg et le chimiste Carl Djerassi. Il permettait d'identifier les constituants chimiques d'un matériau à partir de spectrométrie de masse et de résonance magnétique nucléaire, mais ses règles étaient mélangées au moteur. Il fut 11 par la suite modifié pour en extraire le moteur de système expert nommé MetaDendral.[11, p. 6]  MYCIN, créé entre 1972-1973 à l’Université Stanford en Californie, pour le diagnostic de la maladie du sang et de prescription de médicaments. Il avait été conçu autour d’un vrai moteur et d’une vraie base de règles qui lui avaient permis d’obtenir de meilleurs scores que des humains.[12, Paragr. 8]. 1.1.3.2 La deuxième génération L’introduction par Newell du « Knowledge Level » est à l’origine d’une évolution intéressante en matière de conception d’un système à base de connaissances : toute démarche va maintenant viser à séparer la spécification des connaissances nécessaires au traitement d’un problème de leur implémentation opérationnelle. L’indépendance entre la base de connaissance et le moteur d’inférence est un élément essentiel des systèmes de cette génération. Cette indépendance nous permet d’évaluer les connaissances d’un système sans avoir à agir sur le mécanisme de raisonnement. Cette deuxième génération est caractérisée aussi par l’apparition des systèmes généraux (générateurs de systèmes experts). Un générateur de système expert est un outil de développement de SE particulier, les systèmes généraux ne sont pas plus spécialisés et peuvent contenir plusieurs bases de connaissances, on les appelle les systèmes vides ou les coquilles, donc il est nécessaire d’avoir un formalisme de représentation des connaissances pour que le système puisse comprendre l’expertise et un mécanisme de raisonnement exploitant cette expertise. Les réalisations de cette génération sont :  SNARK (Symbolique Normalised And Représentation of Knowledge) : Il a été conçu par J.L. Laurier en 1981 pour la mise en point de plusieurs systèmes experts dans des domaines de connaissances variées. Les règles peuvent être regroupées en paquets statiques, qui seront examinées successivement par le moteur, le raisonnement formalisé dans les règles peut être monotone ou non monotone ; il est irréversible. SNARK permet d’utiliser des coefficients de vraisemblance dans l’écriture des règles et des faits, pour exprimer l’incertitude inhérente aux règles de connaissances exprimées par l’expert.  KEE (Knowledge Engineering Environnement) : Il est apparu sur le marché en 1983. L’un des meilleurs atouts de KEE est son interface utilisateur sophistiquée et conviviale, elle inclut un éditeur graphique d’objet, un utilitaire graphique 12 d’exploitation de raisonnement, et plusieurs fenêtres qui montrent en permanence ce que KEE est en train de faire et ce que l’utilisateur désire voir. [3, p. 19]. 1.1.3.3 Les systèmes experts d’aujourd’hui La mise en place de systèmes experts se heurtait à la difficulté de capter la connaissance des experts. Les temps de calcul pour les faire fonctionner étaient également longs avec les ordinateurs de l’époque. Il existe d’autres types de systèmes experts qui mettent en œuvre la notion de programmation par contrainte, permettant d’atteindre un objectif en fonction d’une base de règles, d’objectifs et de contraintes opérationnelles. Dans de nombreux domaines, la force brute et le deep learning se sont ensuite imposés en lieu et place de la logique formelle et de la captation manuelle de connaissances : faits : "le ciel est bleu" règles : "si A et B est vrai alors C est vrai" difficulté principale : récupérer les règles des experts ! Etant donné le besoin, nous avons choisi de mettre à la disposition des hôpitaux un système expert capable de poser un diagnostic et proposer une thérapeutique de l’ulcère gastroduodénal pour aider à son éradication. Notre SE s’appellera : SACSAM, pour (« SoftbotAnalysisCare » et Sam le concepteur). 1.1.4 Approche de développement d’un Système Expert II existe plusieurs approches pour développer un système expert. Il est possible d'en utiliser plus d'une à la fois dans une même implémentation. Il existe environ 5 cinq types d’approches de systèmes experts qui sont parmi les plus populaires. En premier lieu, nous avons le système expert basé sur les règles. Ensuite, l'approche hybride combinant ce type de système et les réseaux de neurones. Nous avons également les systèmes experts basés sur la logique floue, une méthodologie orientée objet et finalement le raisonnement à base des cas (Case-Based Reasoning). Chacune de ces approches possède sa propre façon de faire, ses avantages et inconvénients. Le choix de la méthodologie s'effectue par le ou les concepteurs selon les besoins et les objectifs du système. Nous allons présenter le Système à base de règles, celui sur lequel notre choix est porté et son plus proche le Système à base de Cas. 1.1.4.1 Raisonnement à Partir des Règles ou (Rule Based Reasoning « RBR ») Un système expert fondé sur des règles contient dans sa base de données les connaissances codées sous forme de règles. Le système imite le raisonnement et le comportement d’un humain suivant les règles et les actions associées. 13 Pour expliquer simplement le principe, il faut tout juste penser à l’usage de formule dans Excel. Lorsque vous écrivez une formule dans un tableur, vous bâtissez en réalité des « règles ». Par exemple, si dans une colonne vous avez une suite de valeurs (12 500, 14 000, 8000, etc.) vous pouvez en inscrire de nouvelles, simplifiées dans une deuxième colonne avec la fonction « if ». Ainsi, vous pourrez choisir de dire à Excel : « si la valeur trouvée dans la première colonne est en-dessous de 10 000 alors inscrit dans la deuxième colonne « 1 », sinon (sous-entendu si c’est supérieur à 10 001) mets « 0 » (=si (An<10 000 ; « 1 » ; « 0 »)). Le système expert pourrait être un logiciel contrôlant la mise en route ou l’arrêt d’une machine tout simplement basé sur cette règle Excel : si la première colonne désigne la température à l’intérieur d’une cuve, en degrés Celsius, on peut lancer à la machine l’ordre « 0 » ou l’ordre « 1 » avec 0=arrêt de la machine et 1=maintien de la machine en marche. On comprend bien que l’expert humain qui travaillait à l’arrêt ou non de la machine en surveillant autrefois son thermomètre à aiguille peut être secondé/remplacé par le logiciel ainsi mis en place. Ce logiciel est un système expert que l’on peut complexifier à l’envi (dans notre exemple : si la température est de tant ET si la machine est allumée depuis moins de TANT d’heures, Alors exécuter action). On est ici dans un cas de la logique formelle dite Aristotélicienne (déduction). Sans surprise, la logique est au cœur même du principe d’intelligence et lorsqu’elle est dite artificielle, elle est modélisée de façon la plus mathématique possible (via des règles). Par exemple si l’on dit :  Homme(x) signifie « individu x est un homme »  x signifie « pour tout individu x »  Mortel(x) signifie « l’individu x est mortel » On pourra écrire homme(x) =>mortel(x) pour signifier « quel que soit l’individu x tel que x est un homme, alors x est mortel ». Ce sont les systèmes qui utilisent de l'expertise et de la connaissance pour en arriver à résoudre des problèmes qui nécessitent de l'intelligence humaine. Ces deux éléments sont représentés sous la forme de règles dans l'ordinateur. Une règle est un énoncé conditionnel qui lie l’ensemble des conditions à des actions ou résultats. Voici le formalisme : SI condition ALORS conclusion (ou action) Nous pouvons voir que la règle se décompose en deux : la partie à gauche du ALORS représente l'antécédent ou la prémisse et la partie de droite représente la conséquence ou la 14 conclusion. La connaissance quant à elle, se présente sous forme de faits (symboles comme des mots ou des phrases) dans une base de connaissance. Ils représentent des observations ou des données. 1.1.4.2 Raisonnement à partir des Cas ou (Case Based Reasoning « CBR ») Pour faire l’analogie avec le cerveau humain, il faut décrire comment fonctionne généralement celui-ci devant un problème de la vie courante qui lui est posé : il tente de retrouver un problème similaire rencontré dans le passé (et surtout sa solution) pour envisager de résoudre le nouveau problème (à peu près) de la même façon. La stratégie de représentation des connaissances dans le (CBR) se base sur un ensemble de caractéristiques d’un événement ou d’un objet appelé « Cas ». Chaque cas a une solution, une action ou une information à extraire et à (ré) utiliser. Les problèmes passés résolus sont appelés les « Cas sources ». Les nouveaux problèmes sont les cas dits « Cibles ». Il s’agit donc d’une construction d’analogies entre des expériences précédentes et un problème actuel. Cette démarche tient compte d’un contexte beaucoup plus large que les règles heuristiques qui éliminent les alternatives au fur et à mesure pour ne garder qu’une solution optimale. On rencontre deux (2) limites phares dans le CBR : faire intégrer les connaissances passées (des expériences) mais aussi et surtout modéliser la faculté d’adaptation par la machine car il est excessivement rare que le problème soit (toute chose égale par ailleurs) exactement conforme à un cas source (passé).[12, Paragr. 19] 1.1.5 Difficultés liées à l'utilisation des systèmes experts En dépit des avantages que présentent les systèmes experts, ceux-ci présentent plusieurs limitations. La plus évidente est que malgré la richesse de la base de connaissances, le système ne connaît que ce qui est nécessaire et suffisant à la résolution d'un problème spécifique. Il manque du « bon sens » humain. Une anecdote connue concerne MYCIN, un des premiers systèmes experts à base de règles, développé à l'Université Stanford pour le diagnostic médical de la méningite. A la prescription d'un médicament pour le traitement d'une méningite, MYCIN demanda si le patient était « enceint » alors qu'on lui avait déjà indiqué qu'il s'agissait d'un homme. Par ailleurs, un système expert étant construit pour la résolution de problèmes spécifiques, il n'est pas en mesure d'effectuer d'autres tâches. Il n'a pas non plus la capacité de remettre en question sa stratégie quand il se trouve confronté à des problèmes qu'il ne peut pas résoudre immédiatement. De plus, vérifier la validité d'une 15 solution fournie par ces systèmes est difficile car ils ne sont généralement pas capables de fournir d'autres explications que la séquence des étapes et des règles qu'ils ont utilisées. Enfin, bien que certains paradigmes permettent aux systèmes experts d'apprendre de leurs expériences (systèmes à raisonnement à base de cas), les opérations sur la base de connaissances (ajout ou mise à jour des connaissances par exemple) nécessitent l'intervention d'un spécialiste. Aux difficultés propres aux systèmes experts, il est nécessaire d'ajouter un problème commun à tous les systèmes basés sur les connaissances. Tous les domaines d'expertise qui développent et utilisent des systèmes experts sont confrontés au problème de l'acquisition des connaissances. Cette acquisition a été identifiée très tôt comme un problème critique dans la construction de logiciels 'intelligents'. Il y a deux raisons principales à cela. D'une part, il est nécessaire de disposer de très vastes connaissances spécialisées même pour l'expertise dans un domaine restreint et clairement contraint. D'autre part, ce sont les experts humains qui possèdent l'essentiel des connaissances. Ces connaissances sont généralement très vastes et une part non négligeable est tacite. Par exemple, ce que l'on appelle « le bon sens » est en fait un ensemble de connaissances que les êtres humains utilisent sans en avoir conscience. Ces connaissances tacites sont très difficiles, voire impossibles, à identifier et à décrire. Par ailleurs, un seul expert ne suffit pas à construire une base de connaissances complète ou du moins adéquate à la résolution d'un problème, car aucun expert n'est omniscient. Enfin, les connaissances ont une durée de vie. Ce sont des entités dynamiques qui peuvent évoluer avec notre compréhension du monde ou simplement avec le temps. [13, p. 11‑12] 1.1.6 Introduction A L’intelligence Artificielle. L’Intelligence Artificielle (IA) est l’art de fabriquer des systèmes intelligents, systèmes capables de résoudre des problèmes dans des circonstances variées, en s’inspirant du raisonnement humain plutôt qu’en appliquant une démarche algorithmique. L’un des premiers défis dans le domaine de l’intelligence artificielle (IA) a été de concevoir des systèmes à base de connaissances (SBC) pour simuler le raisonnement d’experts dans leurs domaines d’expertise. Cette tentative a conduit à de nombreux systèmes, notamment un ensemble de méthodologies visant à aider dans la modélisation des connaissances. L’intelligence artificielle se situe au carrefour de l’informatique et ce qu’on appelle souvent les « sciences cognitives », qui visent à comprendre comment la connaissance naît, s’utilise, évolue et se transmet. 16 1.1.6.1 Grands courants de l’IA L’intelligence artificielle génère toutes sortes de fantasmes pour les uns et de craintes pour les autres. Les définitions de l’IA vont d’ailleurs bon train. La notion d’intelligence est elle-même source d’une interminable bataille sémantique qui touche notamment les startups du numérique. Pour certains, seul l’apprentissage profond ou deep learning est digne de faire partie de l’IA et le machine learning, pas du tout. Comme si seules les technologies un peu magiques dans leur apparence pouvaient faire partie de l’IA. Pour les spécialistes du secteur, toutes les technologies de l’histoire de l’IA en font partie. Seules leurs capacités évoluent dans le temps. Ces différents viennent aussi de ce qu’une partie importante de la valeur ajoutée des applications de l’IA est issue du volume et de la qualité des données qui les alimentent. Mais les méthodes importent tout autant et elles évoluent constamment. L’intelligence artificielle représente un pan entier de l’informatique avec sa diversité, ses briques technologiques, ses méthodes, ses assemblages et solutions en tout genre. Elle est aussi intimement liée à d’autres sciences : les mathématiques et les statistiques qui lui servent de base théorique, les sciences humaines (sciences cognitives, psychologie, philosophie, …) et la neurobiologie qui aident à reproduire des composantes de l’intelligence humaine par biomimétisme, et enfin, les technologies matérielles qui servent de support physique à l’exécution des logiciels d’IA. L’image suivante représente les sciences liées à l’IA : Figure 1.2 illustration des grands courants de l’IA[14, p. 9] 17 1.1.6.2 Bref aperçu historique de l’IA Son histoire moderne a cependant véritablement démarré au moment du Summer Camp de Dartmouth de 1956. Il s’agissait d’une sorte de hackathon intellectuel de près de deux mois réunissant une dizaine près de scientifiques. L’expression « Intelligence Artificielle » fut proposée en 1955 par l’un des initiateurs de ce Summer Camp, John McCarthy. Elle recouvre les sciences et technologies qui permettent d’imiter, d’étendre et/ou d’augmenter l’intelligence humaine avec des machines. Une autre définition courante définit l’IA comme le champ académique de création de logiciels et matériels dotés de certaines formes d’intelligence. Summer Camp de Dartmouth USA New Hampshire été 1956 définit le périmètre d’investigation de l’IA. L’IA est en fait une appellation créée par un chercheur afin de faire parler de son domaine et lui permettant d’éviter d’être assimilé à des disciplines voisines comme les mathématiques, les statistiques ou l’informatique. C’est une forme de déclaration d’indépendance d’une nouvelle discipline scientifique. L’appellation est à l’origine de débats épistémologiques sans fin sur ce qu’est l’IA et sur la manière de la comparer à l’intelligence humaine. L’IA décrit aussi bien le champ du possible d’aujourd’hui dans ces domaines que la quête permanente et insatisfaite de l’intégration de l’intelligence humaine dans les machines. L’appellation la plus appropriée serait peut-être celle d’intelligence humaine augmentée, l’IA étant principalement destinée à permettre à l’homme de faire plus de choses, comme tous les outils numériques jusqu’à présent, même si dans certains cas, l’IA peut effectivement se substituer aux travaux de l’Homme pour quelques tâches élémentaires comme, à relativement moyen terme, la conduite de véhicules. Dans le domaine du raisonnement automatisé, l’IA est censée apporter une rationalité dont l’Homme ne fait pas toujours preuve. Là encore, nous sommes dans l’ordre de la complémentarité. L’IA fait partie de ce que l’on appelle aussi les sciences cognitives. Elles comprennent d’abord les sens et la capacité des ordinateurs à lire, voir et entendre, puis à structurer leur mémoire, à apprendre, à raisonner, puis à prendre des décisions ou à aider à prendre des décisions. Le groupe de travail du Summer Camp de Dartmouth comprenait Marvin Minsky, Claude Shannon, à l’époque au MIT (Massachusetts Institute of Technology), Allan Newell et Herbert Simon de Carnegie Tech, et Arthur Samuel et Nathaniel Rochester, tous deux d’IBM. Le groupe voulait plancher sur la conjecture selon laquelle tous les processus de l’intelligence humaine pouvaient théoriquement être mis en œuvre par des 18 machines. Les discussions étaient surtout conceptuelles. Ces chercheurs pensaient aboutir rapidement à un résultat probant. Plus de 60 ans après, nous y sommes encore ! L’IA est finalement la conquête d’un Graal distant, ayant été à l’origine, sur son chemin, d’un tas d’avancées technologiques relativement distinctes et plutôt complémentaires de l’intelligence humaine. Celle-ci est encore unique dans la capacité à réagir avec discernement face à des situations nouvelles, à tirer profit de circonstances fortuites, à discerner le sens de messages ambigus ou contradictoires, à juger de l'importance relative de différents éléments d'une situation, à trouver des similitudes entre des situations malgré leurs différences, à établir des distinctions entre des situations malgré leurs similitudes, à synthétiser de nouveaux concepts malgré leurs différences ou à trouver de nouvelles idées. 1.1.6.3 Les bases conceptuelles actuelles de l’IA 1.1.6.3.1 Leurs Origines Deux ans après le Summer Camp de Dartmouth avait lieu le Congrès de Middlesex (1958) au Royaume Uni avec des contributions des principaux artisans du Congrès de Dartmouth, Marvin Minsky et John McCarthy ainsi que Oliver Selfridge, lui aussi présent à Dartmouth. L’objet des publications associées était la modélisation et la mécanisation des mécanismes de la pensée en particulier avec des logiques heuristiques. S’en suivirent des publications clés comme « Some Methods of Artificial Intelligence and Heuristic Programming » de Marvin Minsky qui jetait les bases théoriques de la programmation heuristique approfondie peu après dans « Steps Toward Artificial Intelligence » de Marvin Minsky. La même année, Pandémonium : « a paradigm for learning » de, Oliver Selfridge, jetait les bases des réseaux de neurones pour la reconnaissance des formes, puis « Programming with Common sense » de John McCarthy, celle des systèmes experts. McCarthy est aussi connu pour être le créateur à la même époque du langage LISP qui servit pendant plusieurs décennies à développer des solutions logicielles d’IA travaillant en logique formelle et à base de règles. La recherche sur l’IA était financée par les deniers publics, notamment aux USA et au Royaume-Uni. Encore aujourd’hui, une très grande partie des recherches les plus avancées sur l’IA aux USA le sont par l’omniprésente DARPA ainsi que par les agences liées au renseignement comme la CIA et la NSA. Ce qui peut alimenter au passage les craintes sur les applications futures de l’IA, notamment au moment hypothétique où elle atteindrait le stade de l’AGI (IA généraliste). 19 1.1.6.4 Naissance des premiers Chatbots Au cours des années 1960, On vit aussi apparaitre les ancêtres de catégories de solutions d’IA courantes aujourd’hui avec l’un des premiers chatbots, simulant un dialogue avec un psy, ELIZA entre 1964 et 1966. Selon le jargon informatique, le chatbot est un mot composé de : chat : « bavardage ou discussion en temps réel sur un réseau », et bot : « robot » en abrégé, ou « logiciel ». Enfin bref, le chatbot veut théoriquement signifier, Robot ‘’intelligent’’ sachant (théoriquement) soutenir une conversation courante. Figure 1.3 capture de la conversation de 1er chabot Eliza[14, p. 14] Ces premiers chatbots tenaient le coup pendant des conversations avec quelques échanges mais ne passaient pas le test de Turing. Malgré tout, ils n’ont pas à rougir vis-à-vis de nombreux chatbots contemporains. 1.1.6.5 Les Surpromesses et le premier hiver de l’IA L’IA connu son premier “hiver” avec une réduction d’une bonne part de ses budgets de recherche à partir de 1973, tant au Royaume-Uni qu’aux USA. C’était notamment la conséquence de la publication du Rapport Lighthill destiné à l’organisme public britannique Science Research Council équivalent de l’Agence Nationale de la Recherche française d’aujourd’hui qui remettait en cause le bien-fondé des recherches de l’époque en robotique et en traitement du langage. 20 Figure 1.4 Chronologie de la naissance et du parcours de l’IA[14, p. 15] 1.1.6.6 La première renaissance avec les systèmes experts et un nouvel hiver Ce premier hiver a été suivi d’une péri Chronologie de la naissance et du parcours de l’IA Chronologie de la naissance et du parcours de l’IA Chronologie de la naissance et du parcours de l’IA Chronologie de la naissance et du parcours de l’IA Chronologie de la naissance et du parcours de l’IA ode d’enthousiasme au début des années 1980 alimentée notamment par la vague des systèmes experts. Créé par les français Alain Colmerauer et Philippe Roussel en 1972, le langage Prolog a participé à cette vague. Cet enthousiasme a duré moins d’une décennie. Une nouvelle vague de désillusions s’en est suivie autour des années 1990. Notamment du fait de l’essoufflement de la vague des systèmes experts et l’effondrement associé du marché des ordinateurs dédiés au langage LISP. L’autre raison était que le matériel n’arrivait pas à suivre les besoins de l’IA, notamment pour traiter deux besoins clés : la reconnaissance de la parole et celle des images, très gourmandes en puissance de calcul. Pendant les années 1990 et 2000 ont émergé de nombreux projets de HPC (High Performance Computers), assez éloignés de l’IA et focalisés sur la puissance brute et les calculs en éléments finis. Ils étaient et sont encore utilisés pour de la simulation, notamment d’armes nucléaires, d’écoulements d’air sur les ailes d’avion ou pour faire des prévisions 21 météorologiques. Les HPC de Cray Computers avaient été créés pour cela. Cette société existe toujours. C’est l’une des rares survivantes des années 1970. 1.1.6.7 La Dernière Renaissance de l’IA Depuis le début des années 2000, et surtout depuis 2012, l’IA a été relancée grâce à diverses évolutions majeures :  Les progrès théoriques et pratiques constants dans le machine learning, les réseaux de neurones et le deep learning. Nous aurons l’occasion de les évoquer dans les lignes qui suivent.  L’augmentation de la puissance du matériel qui a permis de diversifier la mise en œuvre de nombreuses méthodes jusqu’alors inaccessibles. Et en particulier, l’usage de méthodes statistiques pouvant exploiter la puissance des machines autant côté calcul que stockage et puis, plus récemment, les réseaux neuronaux et le deep learning. Cette augmentation de puissance se poursuit inexorablement, malgré les limites actuelles de l’intégration des transistors dans les circuits intégrés. 1.1.6.8 Définitions et segmentations de l’IA 1.1.6.8.1 Définition L’IA est un ensemble de techniques permettant d’imiter le comportement humain, agissant de manière rationnelle en fonction de faits, données et expériences, et capables d’atteindre un ou plusieurs objectifs donnés de manière optimale. 1.1.6.8.2 Segmentation rationnelle La rationalité n’est pas l’omniscience mais la capacité à agir en fonction des informations disponibles, y compris celles qui sont ambigües. Cette rationalité est habituellement limitée par notre volonté, le poids émotionnel de notre cerveau limbique et notre capacité d’optimisation. A haut niveau et scientifiquement parlant, on peut le découper en trois grands domaines :  Le symbolisme qui se focalise sur la pensée abstraite et la gestion des symboles. C’est dans cette catégorie que se trouvent les systèmes experts et dans une certaine mesure, le web sémantique. Le symbolisme modélise notamment les concepts sous la forme d’objets reliés entre eux par des prédicats logiques (appartient à, etc.). C’est une approche « macro » de résolution de problèmes. C’est dans cette catégorie que l’on peut ranger les systèmes experts et moteurs de règles qui les font fonctionner. 22  Le connexionnisme qui se focalise sur la perception, dont la vision, la reconnaissance des formes et s’appuie notamment sur les réseaux neuronaux artificiels qui reproduisent à petite échelle et de manière approximative le fonctionnement générique du cerveau. C’est une vision « micro » de résolution des problèmes. C’est ici que l’on peut ranger le deep learning utilisé dans la vision artificielle ou la reconnaissance de la parole.  Le comportementalisme qui s’intéresse aux pensées subjectives de la perception. C’est dans ce dernier domaine que l’on peut intégrer l’informatique affective (ou affective Computing) qui étudie les moyens de reconnaitre, exprimer, synthétiser et modéliser les émotions humaines. Reprenant plus ou moins ce découpage, cet autre découpage sous forme d’arbre comprend trois grandes branches : l’une pour les tâches d’expertise, la seconde pour les tâches courantes (perception, sens commun, raisonnement, langage) et la troisième pour les tâches formelles (mathématiques, jeux). En voici une illustration sous l’image suivante : Figure 1.5 segmentation rationnelle de l’IA basée exclusivement sur 3 aspects : le symbolisme, le connexionnisme et le comportementalisme.[14, p. 22] 1.1.6.8.3 Segmentation Généraliste Cette autre segmentation très utilisée comprend le machine learning, le deep learning, le traitement du langage, les systèmes experts, la robotique et la vision. Il met curieusement au même niveau des outils génériques comme le machine learning et le deep learning et ses propres applications comme la vision artificielle ou le traitement du langage. 23 La robotique intègre de son côté tous les autres champs du schéma plus quelques autres qui lui sont spécifiques comme les capteurs, les matériaux, la mécanique, les moteurs électriques et autres batteries Figure 1.6 la segmentation généraliste et descriptive de l’IA[14, p. 23] 1.1.6.9 Les Constituants fondamentaux de l’IA Les moteurs de règles qui permettent de construire des systèmes experts à base de règles formelles avec des logiques dites symboliques. Cette technique fait beaucoup moins parler d’elle car elle a connu des hauts et des bas et le deep learning a submergé l’espace médiatique de l’IA. Mais elle reste fondamentale pour un grand nombre de systèmes. Les moteurs de règles s’appellent maintenant les BRMS pour Business Rules Management Systems et sont souvent intégrés dans des DMS, pour Decision Management Systems.  Le machine learning qui permet de faire des prévisions, de la classification et de la segmentation automatiques en exploitant des données en général multidimensionnelles, comme une base de données clients. Le machine learning relève d’une approche probabiliste. Les outils du machine learning servent à exploiter le « big data ». Le machine learning peut s’appuyer sur des réseaux de neurones simples pour les tâches complexes portant sur des données multidimensionnelles.  Le deep learning ou apprentissage profond, qui permet de gérer un niveau d’abstraction plus élevé que le machine learning afin de reconnaitre des objets complexes comme les images, l’écriture manuscrite ou la parole. Le deep learning s’appuie sur des réseaux de neurones multicouches, sachant qu’il en existe de très nombreuses variantes. Ce n’est cependant pas la solution à tous les problèmes que l’IA cherche à traiter. Le deep learning permet aussi de générer des contenus ou 24 d’améliorer des contenus existants, comme pour coloriser automatiquement des images en noir et blanc.  Les réseaux d’agents, un domaine méconnu qui couvre la science de l’orchestration des briques techniques de l’IA pour créer des solutions. Un chatbot comme un robot est toujours un assemblage hétéroclite des briques du dessous avec des moteurs de règles, du machine learning et plusieurs techniques de deep learning. Les réseaux d’agents sont à la fois des objets conceptuels et des logiciels d’assemblages de briques logicielles. En observant bien le schéma ci-dessus, le deep learning est relié avec les systèmes experts. Pourquoi donc ? Parce qu’historiquement, il était difficile d’alimenter à la main les systèmes experts avec des règles. Le deep learning permet d’examiner de gros volumes de textes et données et d’en déduire des règles qui, à leur tour, peuvent alimenter des moteurs de règles et des systèmes experts.  Réseaux de neurones : Les réseaux de neurones visent à reproduire approximativement par biomimétisme le fonctionnement des neurones biologiques avec des sous-ensembles matériels et logiciels capables de faire des calculs à partir de quelques données en entrées et de générer un résultat en sortie. C’est une technique utilisée dans le machine learning et dans sa variante avancée du deep learning.[14, p. 40] 1.1.6.10 Les Orientations fondamentales de l’IA L’IA n’a pas d’objet de recherche académique bien défini à part l’intérêt porté au “mental” et aux représentations de connaissances. Elle s’est divisée en de nombreuses sousdisciplines se focalisant sur des problèmes bien distincts, (tel que la vision, la résolution de problèmes, la compréhension du langage, l’apprentissage, etc.). Il n’existe pas de paradigme unifié de recherche et certaines branches de l’IA sont devenues des terrains d’échanges multidisciplinaires où se côtoient philosophes, psychologues, informaticiens et autres qui s’intéressent aux diverses problématiques de l’intelligence. Ainsi, les branches fondamentales de l’IA font partie des sciences cognitives. Forcément, il existe une multitude de façons de concevoir, recherche fondamentale et recherche appliquée. Nous en distinguons cinq :  L’IA “pure”. Cette école que l’on peut localiser par exemple dans certains groupes de recherche au MIT vise à découvrir ce qu’est l’intelligence au plan très général. La 25 modélisation de l’esprit humain n’est pas au premier plan. Certains s’intéressent plutôt aux mécanismes qui constituent l’intelligence chez de simples agents autonomes. Epistémologie et méthodes de la modélisation IA, d’autres cherchent à constituer des programmes capables de résoudre certaines tâches difficiles et spécialisées comme gagner aux échecs.  L’IA “dure”. Une tradition que l’on retrouve par exemple autour de Newell et Simon. Il s’agit de modéliser l’esprit humain en construisant un programme qui représente, à un certain niveau d’abstraction, les mécanismes humains. C’est ici que se retrouvent les fameuses thèses controversées comme “cognition = computation” et donc “esprit = programme” que nous allons discuter en détail plus bas.  L’IA “molle” (weak AI). Le but est similaire à celui de l’IA “dure”, il s’agit de modéliser l’esprit humain. Toutefois, le programme n’a qu’un rôle de modèle heuristique. L’ordinateur et son programme ne sont pas mis en relation directe avec le cerveau et l’esprit. Il existe des variantes inductives et déductives de cette approche. La première cherche à construire l’objet “compréhension de l’intelligence” en construisant des programmes capables de résoudre certaines tâches très précises et ensuite de généraliser et tester une solution empiriquement trouvée. La deuxième est plus poppérienne : programmes et modèles sont destinés à tester certaines hypothèses.  L’IA “pratique”. Il s’agit surtout (mais pas uniquement) des systèmes experts, sans doute la branche de l’IA la plus connue du grand public. Un système expert doit automatiser certaines tâches intellectuelles humaines ou encore assister un décideur humain (“decision support” ou “advisory systems”). Les tuteurs intelligents (“intelligent tutoring systems”) sont une autre branche pratique comme certaines branches de la robotique. Dans toutes ces disciplines, “pratique” ne signifie pas absence totale de réflexion épistémologique, beaucoup d’impulsions théoriques ont leur origine dans des travaux pratiques. Curieusement les limites de l’IA se sont manifestées dans les systèmes experts plus que dans d’autres secteurs.  L’IA “outil de modélisation”. On fait référence à des chercheurs dans d’autres disciplines faisant usage de certains langages de représentation et d’inférence pour décrire certains phénomènes, pour constituer des modèles ou pour formaliser des théories. Nécessairement, les frontières entre ces orientations fondamentales de l’IA ne sont pas hermétiques. Toute tentative d’automatiser la résolution d’une tâche intelligente doit amener à se demander ce qu’est l’intelligence ou le “mental” et si la 26 résolution artificielle se fait vraiment de façon intelligente. Réciproquement, même l’intelligence artificielle la plus spéculative doit se poser la question de l’opérationnalisation de ses concepts.[15, p. 98] 1.1.6.11 Applications génériques de l’IA Les thèmes abordés par l’IA sont multiples. Ils concernent aussi bien le logiciel que le matériel. Un projet complet (par exemple le projet japonais dit de 5e génération) mêle souvent plusieurs types de préoccupations (programmation, interfaçage, architecture des ordinateurs, conception des circuits, etc.). Voici les principales catégories :  Traitement du langage naturel  Vision par ordinateur  Robotique  Systèmes multi-agent  Algorithmes d’optimisation inspirés du vivant  Raisonnement et représentation des connaissances  Apprentissage automatique (« Machine Learning »)  Système Expert  Traitement du langage naturel : La traduction automatique demande plus que la fabrication de dictionnaires et l’utilisation de règles de syntaxe. Traduire un texte nécessite une compréhension du texte ou, pour le moins, une certaine représentation qui fait intervenir le contexte, une connaissance experte de la matière et un certain sens commun.  Recherche dans des bases de données : Il s’agit de dépasser la recherche par mots clés pour effectuer des recherches à partir de demandes effectuées en langage naturel. L’ordinateur assiste l’utilisateur dans sa démarche.  Assistance : C’est l’application commerciale principale des systèmes à base de connaissances. Il s’agit du domaine des systèmes experts qui sont caractérisés à la fois par une fonction (assistance qui peut remplacer celle d’un expert) et par un certain type de systèmes informatiques. Le fonctionnement d’un système expert est prototype des systèmes à base de connaissances. 1.1.6.12 Démonstration de théorèmes mathématiques C’est un sujet classique qui a permis de développer les principales méthodes d’IA. Plusieurs langages de programmation utilisés en IA sont basés sur les techniques utilisées dans ce domaine (PROLOG). 27  Planning : Ce sujet est également important dans le développement de l’IA. Un but est proposé, et l’ordinateur doit trouver l’ensemble des étapes qui permettent de l’atteindre. La robotique de même que la gestion de production sont largement tributaire des recherches menées dans ce domaine.  Programmation automatique : Il s’agit de la réalisation de programmes à partir de la description des fonctions à remplir. Sorte de « super compilateurs », ces systèmes achoppent à des problèmes ardus d’optimisation (reconnaître que plusieurs procédures sont équivalentes). Actuellement plusieurs systèmes d’assistance à la programmation existent (environnements de génie logiciel). Ils sont liés souvent à une méthodologie générale de résolution de Problème.  Résolution de problèmes : Il s’agit principalement de problèmes à base de combinatoire (parcours, jeux, ...). Le travail consiste à modérer au maximum l’explosion combinatoire. C’est dans ce domaine que l’on trouve un des premiers programmes, le plus « fameux » de l’IA, le General Problem Solver (GPS) de Newell et Simon. Le GPS résout onze types de problèmes : problèmes d’échec, intégration symbolique, puzzle, ... Il n’est pas aussi efficace que les programmes spécialisés mais avait été conçu pour être « une série de leçons donnant une meilleure vue de la nature de l’activité de résolution de problèmes ainsi que des mécanismes à mettre en jeu en vue de leur accomplissement ». La structure du GPS est un prototype des systèmes basés sur des recherches combinatoires. On donne des DONNEES, un BUT et des opérateurs. Le système applique les opérateurs aux données afin de réduire la différence entre données et but. Actuellement une perspective des plus prometteuses est la résolution de problèmes assistée par ordinateur.  Perception : Ici, il s’agit d’identifier des objets complexes. Ce qui ne peut se faire que par un jeu d’hypothèses et de tests. Regarder n’est pas voir, écouter n’est pas entendre. Les systèmes qui regardent et écoutent doivent faire des hypothèses sur ce qui est vu ou entendu et procéder à des vérifications. Cela suppose également un grand nombre de connaissances à disposition du système. La technique des réseaux neuronaux s’impose de plus en plus dans ce domaine.  Enseignement assisté par ordinateur : Des techniques d’intelligence artificielle peuvent être introduites dans des tutoriels. Les tutoriels intelligents sont constitués de plusieurs systèmes experts travaillant en collaboration. 28 1.1.6.13 Applications métiers de l’IA Les grandes applications et études de cas de l’IA selon les marchés verticaux comme :  Les transports,  La santé,  La finance,  L’assurance,  L’industrie,  La distribution,  Les médias,  Le tourisme,  L’agriculture,  Les métiers juridiques,  Les services publics,  La défense et le renseignement En s’en passant d’autres métiers, les plus populaires sont ceux qui nous ont intéressés, une raison de plus pour rendre plus dynamique ces marchés, les plus souples font recours à l’usage de l’IA pour l’emporter sur les autres, ce qui implique la concurrence sur les marchés. 29 1.2 La Démarche Méthodologique « CommonKADS » 1.2.1 Introduction Il remonte dès la deuxième génération des systèmes experts comme nous l’avons souligné tantôt. La proposition de Newell sur la nécessité du « niveau de connaissance » permettant de décrire le comportement observé du système à l’aide de connaissances indépendamment de leur formalisation a été une avancée majeure dans ce domaine. Vers la fin des années 80, la recherche en ingénierie des connaissances est donc fondée sur la spécification du niveau de connaissance. CommonKADS est développée sur la base de cette notion. La méthode CommonKADS n’est donc pas un cadre récent. En 1982, le programme ESPRIT a lancé le projet pilote où la pratique était un prototypage rapide qui précédait la conception et l’implantation du système expert. Au milieu des années 80, avec le projet KADS-I il était question de se concentrer principalement sur l’acquisition de connaissance avant la conception des Technologies Numériques (TN). Faisant suite au projet KADS-I, CommonKADS est née avec pour objectif de développer une méthodologie d'ingénierie de la connaissance pour le développement complet des systèmes à forte intensité de connaissance. La méthode CommonKADS est le fruit de la collaboration du programme ESPRIT et de l’Université d’Amsterdam en 1983. Par la suite, elle a été développée progressivement en raison de la progression des TN dans le travail quotidien des organisations. [5, p. 16] 1.2.2 Description de la méthode CommonKADS CommonKADS présente une méthodologie complète pour tout le cycle de développement des TN par la construction de modèles structurés en trois (3) niveaux : le contexte, le concept et l’artéfact que l’on peut retrouver à la figure suivante. Figure 1.7 représentation des modèles de CommonKADS 30 La méthode CommonKADS attache une distinction importante entre la donnée, l’information et la connaissance. Ce qui distingue la connaissance est qu’elle peut générer une action. La représentation de la connaissance est le fondement de la méthode menant à diviser le cycle de développement d’une TN en 3 grandes catégories de questions : le contexte, le concept et l’artéfact. Le premier niveau qui est le contexte identifie le « pourquoi ? » de la TN en se demandant s’il est une aide ou une solution potentielle et pour quels problèmes. Le concept identifie la nature et la structure des connaissances impliquées ainsi que la nature et la structure de la communication correspondant plus précisément à la description conceptuelle des connaissances. Il cherche à répondre à la question « quoi ? » Et l’artéfact fournit les aspects techniques du système, les connaissances mises en œuvre et l’architecture du logiciel et les mécanismes de calcul ou le « comment ? ». Chaque niveau est composé d’un ou de plusieurs modèles qui sont : 1. Modèle d’organisation permet de décrire les principales caractéristiques de l’organisation afin de découvrir les problèmes et opportunités pour les TN. Le modèle permet de déterminer les faisabilités de ces dernières, leurs impacts sur l’organisation ; 2. Modèle des tâches permet d’étudier les sous-processus c’est-à-dire la décomposition du processus d’affaires de l’organisation, étant donné qu’une tâche est une sous-partie d’un processus d’affaires. Il analyse l’activité déployée dans la réalisation des fonctions dans l’organisation, les entrées et les sorties, les ressources et les compétences nécessaires ; 3. Modèle d’agents identifie les caractéristiques des exécuteurs de la tâche que ce soit des humains, des TN ou toute autre entité capable d’effectuer une tâche. Le modèle décrit leurs compétences, leur autorité, leurs contraintes et répertorie les liens de communication entre les agents dans l’exécution d’une tâche ; 4. Modèle de connaissance spécifie les connaissances utilisées dans l’exécution d’une tâche. Il fournit une description du rôle que jouent les différents composants de la connaissance dans la résolution de problèmes ; 5. Modèle de communication précise les transactions de communication entre les agents impliqués dans une tâche ; 6. Modèle de conception fournit les spécifications techniques du système sur la base des cinq modèles ci-dessus en termes d’architecture, de plateforme d’implémentation, de modules logiciels, de représentations, de mécanismes de calcul nécessaires pour 31 implémenter les fonctions spécifiées dans les modèles de connaissances et de communication. Ainsi, chaque modèle capture les caractéristiques spécifiques de la TN à développer et son environnement. La construction de chaque modèle se fait au moyen de grilles de travail numérotées comme repris dans le tableau suivant. Tableau 1.1 grille de travail des modèles CommonKADS [5, p. 19] Modèles CommonKADS Titre de la grille Modèle d’organisation Identification des problèmes et opportunités Aspects variant de l’organisation Description des actifs de connaissance Décomposition de processus Liste de contrôle, le document sur la décision de faisabilité Modèle des tâches Analyse de la tâche Objet de connaissance et goulot d’étranglement Modèle d’agents Spécification de l’agent Liste de contrôle de document sur l’impact et la décision d’amélioration Modèle de connaissance Liste de contrôle de documents pour la documentation du modèle de connaissances Modèle de communication Description de la transaction Spécification d’échanges d’informations Modèle de conception Architecture du système Plateforme d’implémentation cible Spécification d’architecture Conception d’application Il est possible de privilégier l’analyse complète d’un aspect plutôt qu’un autre selon les priorités de l’étude. CommonKADS accorde une attention particulière au modèle de connaissance. Ce dernier a pour but de décrire et clarifier la tâche hautement cognitive détectée dans la grille 3 (décomposition du processus). L’exécution d’une tâche nécessite de la connaissance. C'est donc grâce au modèle de connaissance que les connaissances requises pour la conception de la future TN sont décrites. Ce modèle comprend trois parties ou catégories : la connaissance du domaine, la connaissance d’inférences et la connaissance des tâches. 32 Tableau 1.2 catégories de connaissance Connaissances de la tâche Objectifs de la tâche Décomposition de la tâche Contrôle des tâches Connaissance d’inférence Inférence de base Rôles Connaissance du domaine Règles du domaine Faits du domaine La connaissance de la tâche décrit les buts à atteindre par la TN ainsi que la manière dont ces buts peuvent être atteints grâce à une décomposition en sous-tâches et des inférences. La connaissance du domaine sert à spécifier les types de connaissances et d’informations propres au domaine de la TN et consiste en un schéma du domaine et une ou plusieurs bases de connaissances. Par exemple, la connaissance du domaine d’une TN concernant le suivi du portefeuille contiendrait des définitions de gains, de rendements, de risques ainsi que les relations entre eux. La connaissance d’inférence spécifie les étapes d’inférences à réaliser en utilisant la connaissance du domaine. Elle peut comporter l’ensemble des connaissances lors d'un processus de raisonnement et chaque processus peut être représenté par des structures d'inférences. Une structure d’inférence représente le raisonnement pour réaliser une tâche. 1.2.3 Forces et faiblesses de CommonKADS Comme toute méthode scientifique, CommonKADS présente des avantages importants en ingénierie de connaissances pour la représentation des connaissances, et aussi quelques insuffisances que nous allons énumérer dans les lignes suivantes. 1.2.3.1 Forces de CommonKADS  Tous les aspects du développement de la Technologie Cognitive Numérique (TCN) sont traités dans les six modèles de CommonKADS.  CommonKADS est une méthode flexible, la construction des modèles peut être personnalisée en fonction du problème à traiter par la recherche. Il n’est pas nécessaire de construire tous les modèles. 33  CommonKADS permet de définir les exigences dans des situations qui ne peuvent l’être par des approches traditionnelles comme les cas d’utilisation.  CommonKADS est une approche accessible et tout le monde peut l’appliquer. 1.2.3.2 Les Faiblesses de CommonKADS  La notion d’intensivité de connaissance n’est pas bien explicite et la démarche pour faire l’évaluation n’est pas présentée.  Tous les types de tâches ne sont pas traités de la même façon, les exemples traités portent surtout sur les tâches d’analyse comme celui du type de tâche d’évaluation. [5, p. 75] 1.3 Résumé Partiel1 Ce chapitre est une visée et presque l’entrée en jeu de notre champ d’étude vu la délimitation spatiale prédéfinie. L’objectif de ce chapitre était de faire une synthèse sur tous les articles parcourus ayant trait et se rapportant à notre sujet de recherche afin de savoir dans quoi on se mêle. Puis l’accent a été mis sur la méthodologie de développement que nous allons exploiter dans la suite. En d’autres termes, nous avons démontré ce que l’on peut faire dans le domaine de l’Intelligence Artificielle, précisément sur les systèmes experts en se référant aux réalisations précédentes dans la même approche. Dans les chapitres suivants, nous allons tâcher d’étayer et d’appliquer avec les exemples concrets, tous ces mécanismes évoqués au cours de ce chapitre qui concourent à la construction de notre système à base des connaissances « SACSAM ». 34 CHAPITRE II : THEORIE SUR L’ULCERE GASTRODUODENAL 2.1 Introduction Le terme ulcère gastroduodénal est une appellation impliquant deux cas plus ou moins proches. Il est dit ulcère gastrique lorsque la lésion est située dans la paroi interne de l’estomac. Et ulcère duodénal lorsque c’est dans le duodénum (la première portion de l’intestin grêle). Les statistiques prouvent que 1/10 personne souffre au moins de la gastrite, par conséquent, c’est un facteur qui affecte négativement la croissance économique familiale par le fait que son traitement est très coûteux. Selon l’OMS, la maladie est trop fréquente dans les pays sous-développés. Etant donné que cette maladie se complique plus tard en cancer de l’estomac, elle est devenue la deuxième cause de mortalité dans le monde par cancer. 2.2 Anatomie de l’estomac L’estomac est situé entre l’œsophage et le duodénum. Il reçoit les aliments mâchés dans la bouche et déglutis dans l’œsophage. Il a une forme de J majuscule qui mesure 15 cm de haut. 2.2.1 Localisation de l’estomac dans l’organisme L’estomac est en rapport anatomique avec le foie (à droite), la rate (à gauche), le pancréas (en arrière), le diaphragme (en haut) et les intestins (en bas). L’image suivante permet de localiser l’estomac dans l’organisme. Figure 2.1 situation de l’estomac au niveau de l’organisme.[16] 35 Il présente une ouverture en haut qui rejoint l’œsophage appelé le cardia qui comprend le sphincter œsophagien inférieur normalement fermé et permettant ainsi d’éviter les reflux acides. Au niveau de cette jonction dite « œsogastrique », se trouve l’angle de Hiss qui intervient aussi pour empêcher les reflux gastriques acides vers le haut. 2.2.2 Structure de l’estomac L’estomac est composé de trois parties avec de haut et bas. Le fondus, zone supérieure et renflée qui présente la poche à air gastrique, le corps qui se situe au centre et l’antre qui va se jeter dans l’intestin grêle par un orifice appelé le pylore. On distingue deux courbures de l’estomac : la petite courbure (à droite) et la grande courbure (à gauche). Le pylore est un muscle qui permet de restreindre le passage des particules alimentaires de grosse taille vers l’intestin grêle et permet ainsi au bol alimentaire d’être bien digéré par l’estomac. Après le pylore, il existe le duodénum qui est le segment initial de l’intestin grêle débutant par le bulbe duodénal. Comme le montre l’image suivante : Figure 2.2 Anatomie de l’estomac[16] 2.2.3 Vascularisation de l’estomac Anatomiquement la paroi de l’estomac comporte trois (3) couches de muscles (longitudinal, oblique et circulaire) qui permettent les contractions pour pétrir les aliments et les envoyer vers l’intestin grêle. 36 L’estomac est un organe très vascularisé, ce qui explique que lorsqu’il apparaît un ulcère, celui-ci va pouvoir entraîner une hémorragie car l’ulcère va éroder en se creusant les vaisseaux. En particulier l’artère gastroduodénale qui est responsable de graves complications hémorragiques lors des ulcères duodénaux. Figure 2.3 vascularisation de l’estomac[16] 2.3 Rôle de l’estomac Avant leur arrivée dans l’estomac, les aliments subissent quelques transformations engendrées par la mastication et la salive, puis passent ensuite dans l’œsophage. Rapidement, le bol alimentaire se retrouve dans l’estomac et prend le nom de chyme. A cet endroit, par brasage et péristaltisme, le chyme est mélangé au suc gastrique. C’est à ce moment que les fonctions chimiques de l’estomac font leur apparition. La surface de l’estomac est ponctuée de milliers de cryptes (puits) donnant accès aux glandes gastriques qui comprennent plusieurs types de cellules : soit les cellules à mucus (qui produisent le mucus), les cellules pariétales (qui produisent l’acide chlorhydrique HCI) et les cellules principales (qui sécrètent la pepsine) ont un rôle à jouer dans la digestion des aliments. Lorsque l’estomac contient de la nourriture, il sécrète un acide grâce à l’activité de cellules pariétales qui sécrètent des ions de chlore (CI-) et des ions d’hydrogène (H+) formant ainsi l’acide chlorhydrique (HCI). Ce dernier a un pH se situant entre 1 et 2 et les cellules gastriques peuvent produire environ deux (2) litres d’acide chlorhydrique par jour. La quantité d’acide produite dépendant des aliments ingérés et de leurs quantités. L’acide chlorhydrique a plusieurs rôles à jouer dans le processus de digestion :  Agir dans la conversion du pepsinogène en pepsine ; 37  Convertir les glucides en glucose et fructose.  Détruire la majorité des bactéries qui pourraient pénétrer dans le tube digestif avec les aliments. Les cellules pariétales ont pour rôle la sécrétion de la pepsine, qui est efficace seulement lorsque le pH est très acide et dont le rôle est de digérer le collagène, principal constituant du tissu fibreux présent dans la viande. L’estomac doit se protéger des éléments chimiques puissants qu’il produit. Pour ce faire, il sécrète un mucus grâce aux cellules à mucus, à l’épreuve de l’action de la pepsine et du HCI, qui recouvre les parois internes de l’estomac. Sur la figure suivante, nous voyons à gauche les différentes couches de la paroi gastrique associant de haut en bas : la muqueuse qui correspond à la paroi interne de l’estomac, qui contient les cryptes et glandes gastriques, la sous-muqueuse, la musculeuse qui contient les trois couches de fibres musculaires. Figure 2.4 différentes couches de la paroi gastrique avec les cryptes et glandes gastriques ainsi que les cellules secrétant les substances indispensables pour son fonctionnement[16] Nous observons à droite que les glandes gastriques sont bien constituées par une paroi contenant les cellules principales, pariétales et à mucus. Ces cellules vont donc produire l’ensemble des sécrétions nécessaires à la digestion et vont se déverser par les cryptes vers la lumière de l’estomac. L’estomac doit donc se protéger des éléments chimiques puissants qu’il produit et c’est pour cela qu’il produit du mucus qui s’oppose à l’action de la pepsine et de l’acide 38 chlorhydrique. Lorsque la production de mucus n’est pas suffisante ou adéquate, s’ensuit la formation de gastrites et d’ulcères. [1, p. 65] 2.4 Fonctionnement de l’estomac Bien plus qu'un réceptacle à nourriture : l'estomac est un organe sophistiqué. Le travail de cette poche qu'est l'estomac est trop souvent considéré comme du gros œuvre. Pour les finitions, on se dit qu'il existe d'autres organes bien plus subtils... Par leur comportement, certains semblent même considérer leur estomac comme un vulgaire « sac à bouffe », une sorte de « tambour » dans notre machine alimentaire ! Notre estomac est pourtant un organe central, qui remplit de nombreuses fonctions. A commencer par l'élimination des bactéries nocives et la transformation des protéines en acides aminés qui vont construire nos tissus et nous fournir en énergie. C'est un travail d'orfèvre, qui va déterminer celui de tous les autres organes impliqués dans la chaîne de la digestion. Au final, de nombreux paramètres de santé dépendent de la qualité de son travail, de notre équilibre nerveux à notre équilibre psychologique en passant par la santé de notre pancréas, de nos intestins et même de nos vertèbres... En plein milieu du ventre, cette usine de traitement des aliments emploie des produits chimiques d'une agressivité peu commune : on y mettrait la main, elle serait dissoute ! Grâce à ce qui n'est quasiment que de l'acide chlorhydrique pur, cette usine est capable de transformer tout ce que nous absorbons en une pâte mi- solide mi- liquide : le chyme alimentaire. Afin d'assurer cette mission, l'estomac sécrète environ 1 à 2 litre d'acide par jour. Il s'auto-protège grâce à la production d'un liquide protecteur, le mucus qui tapisse ses parois internes. Normalement, l'acide doit demeurer dans l'estomac grâce à la fermeture d'un sphincter, un muscle circulaire situé entre l'estomac et l'œsophage. Et il pénètre plus bas dans le duodénum en petites quantités, en même temps que la nourriture digérée. Grâce au pancréas, qui sécrète les sucs pancréatiques (basiques), cette acidité est modérée et l'intestin peut correctement faire son travail.[17, p. 6] 2.5 Physiopathologie de l’estomac Au sein de l’estomac, nous avons vu qu’il existe une forte production de sécrétions acides (pepsine et acide chlorhydrique) qui vont permettre la digestion. Mais l’estomac doit se protéger de ces éléments chimiques puissants et c’est pour cela qu’il produit du mucus qui s’oppose à l’action de la pepsine et de l’acide chlorhydrique. Lorsque la production de mucus n’est pas suffisante ou adéquate, il s’ensuit alors la formation d’un ulcère. 39 2.5.1 Déséquilibre entre facteurs agressifs et mécanismes de défense L’ulcère gastroduodénal résulte ainsi du déséquilibre entre l’agression acide de la sécrétion gastrique qui peut être aggravé par les anti-inflammatoires non stéroïdiens et la présence d’Helicobacter pylori et les mécanismes de défense qui sont la barrière muqueuse (constituée par le mucus, la sécrétion de bicarbonates et de phospholipides), les cellules épithéliales (cellules de surface) et sous-épithéliales (qui contiennent le flux sanguin muqueux) et les prostaglandines qui sont synthétisées en permanence dans la muqueuse stimulant ces mécanismes de protection. L’image 2.5 suivante montre ce déséquilibre : Figure 2.5 balance entre les facteurs protecteurs et agressifs. (A) et (B) L’ulcère gastroduodénal se définit comme une perte de substance de la paroi gastrique ou duodénale atteignant en profondeur la musculeuse. L’image suivante Figure 2.6 muqueuse gastrique 40 L’ulcère gastroduodénal se différencie des érosions qui sont des lésions limitées à la muqueuse et des ulcérations qui atteignent la sous-muqueuse sans la dépasser. De multiples facteurs endogènes et exogènes modulent l’équilibre entre les facteurs agressifs et les mécanismes de défense. Plusieurs facteurs peuvent par la suite entraîner une bascule vers une agression de la muqueuse et donc la formation d’un ulcère. Figure2.7 image d’un ulcère, d’une ulcération et d’une érosion gastriques.[18] 2.5.2 Impact et développement de la muqueuse gastrique dans l’estomac L'estomac est recouvert d'une muqueuse qui le protège des sucs digestifs sécrétés par ses parois. Ces sucs digestifs comprennent de l'acide chlorhydrique et des enzymes, la pepsine, la rénine et la lipase qui facilitent la digestion des glucides, des protéines et des lipides contenus dans la nourriture. Il peut arriver qu'une partie de cette membrane s'affine et que les sucs gastriques attaquent la paroi stomacale. C'est ce qu'on appelle un ulcère, qui affecte souvent l'estomac, la partie basse de l'œsophage ou le duodénum. Une fois vide, ou presque vide, l'estomac se contracte et la muqueuse se plisse. On pensait que les contractions de l'estomac vide étaient à l'origine de la sensation de faim, mais on sait maintenant que la première sensation de faim est due à un taux de glucose faible dans le sang. Cependant, les contractions de l'estomac sont souvent ressenties accompagnées de " grognements " lors du passage de la nourriture dans la partie inférieure du tube digestif, autant d'effets qui nous rappellent la sensation de faim. La muqueuse de l'estomac protège la paroi de cet organe des sécrétions acides produites lors de la digestion. Elle joue un rôle de barrière. Sans protection, la paroi de l'estomac serait attaquée puis creusée par les différentes substances produites par l'organisme pour digérer les aliments. Un ulcère résulterait inévitablement de ces attaques acides. Sur la 41 figure 2.8 suivante, issue de la microscopie électronique, nous pouvons observer la muqueuse gastrique recouverte de mucus avec les ouvertures des cryptes comme des grottes. Figure 2.8 muqueuse gastrique visible en microscopie électronique 2.6 Causes des ulcères La première cause de l'ulcère de l'estomac, c'est nous. Beaucoup d'entre nous se préoccupent en effet aussi peu de leur estomac que de leur qualité de vie, plus souvent imposée que choisie. Nous avons pour habitude de manger de tout en vrac (chaud, froid, salé, épicé, alcoolisé...) comme si notre estomac pouvait tout encaisser. Nous le traitons comme un Sanibroyeur inusable, capable de traiter avec la même efficacité les 100 000 repas que nous lui servirons au cours de notre vie. Quelle méprise ! Quand les douleurs commencent, on pense parfois qu'un simple pansement gastrique suffira à résoudre le problème. Mais ce n'est pas le cas ! Pour faire disparaître les douleurs et éviter la récidive, il faudra avoir recours à des traitements naturels de fond. Plusieurs études ont été menées à ce sujet, les principales causes démontrées par ces études sont : (l’infection à helicobacter pylori, la prise abusive des anti-inflammatoires non stéroïdiens, etc.), à ces causes des ulcères, s’ajoutent certains facteurs autre fois considérés comme causes, mais cependant, identifiés comme facteurs aggravants des ulcères (gastrique et duodénal). Ces facteurs précipitent la survenue des ulcères comme nous allons le démontrer plus largement dans les lignes qui suivent. 42 2.6.1 Ulcère gastroduodénal lié à l’infection à helicobacter pylori L’Helicobacter pylori est un bacille gram négatif spiralé qui résiste à l’acidité gastrique grâce à une activité uréasique et qui colonise le mucus de la surface de la muqueuse gastrique, principalement au niveau de l’antre. L’acidité de l’estomac est très importante parce que le pH est environ de 2. La bactérie ne peut vivre que deux (2) heures dans ce milieu. Grâce à son activité uréasique qui correspond au fait que l’Helicobacter pylori possède une enzyme « uréase » en grande quantité, elle va pouvoir y rester beaucoup plus longtemps. Cette enzyme hydrolyse l’urée normalement présente dans l’estomac et libère ainsi de l’ammoniaque qui va tamponner l’acidité du milieu suffisamment longtemps pour permettre à la bactérie d’atteindre, à travers le mucus, les cellules de la muqueuse, où le pH est voisin de la neutralité. Il a été démontré que la grande mobilité de l’Helicobacter pylori et sa morphologie spiralée lui permettent de traverser le mucus beaucoup mieux que les autres bactéries. Figure2.9 helicobacter pylori dans le mucus (A) et en microscopie électronique (B) L’infection à helicobacter pylori est contractée le plus souvent dans l’enfance par voie orale ou oro-fécale. Elle affecte la majorité des individus dans les pays en voie de développement. En revanche, son incidence dans les pays développés a régulièrement diminué au cours des dernières décennies en raison de l’amélioration des conditions d’hygiène. Cela implique dans ces pays la faible prévalence de l’infection dans les générations les plus jeunes alors qu’elle atteint encore 50% chez les sujets de plus de 60ans. Mais lors d’une atteinte gastroduodénale, sa prévalence est élevée, faisant ainsi de la majorité des ulcères gastriques et duodénaux une maladie « infectieuse ». En effet, l’Helicobacter pylori est retrouvé dans 70% des ulcères gastriques et dans plus de 90% des ulcères duodénaux, contre 30% dans la population générale. 43 L’infection se traduit par une gastrite aigue évoluant vers la chronicité dans la majorité des cas qui peuvent se compliquer d’un ulcère gastrique ou d’un ulcère duodénal. Les autres complications plus rares sont l’adénocarcinome gastrique et le lymphome. 2.6.2 Ulcère gastroduodénal lié aux anti-inflammatoires non stéroïdiens (AINS) Environ un tiers des ulcères compliqués sont attribuables à la prise d’AINS ou d’aspirine à faible dose. Les propriétés thérapeutiques des AINS non sélectifs reposent sur l’inhibition des cyclooxygénases (COX 1 et 2) qui sont des enzymes qui transforment l’acide arachidonique en prostaglandines. L’inhibition de la synthèse des prostaglandines gastroduodénales altère les mécanismes de défense de la muqueuse et favorise ainsi la survenue d’ulcères, le plus souvent gastriques que duodénaux. L’inhibition des prostaglandines va entraîner tout d’abord une diminution du flux sanguin muqueux. Il survient ensuite une adhésion des polynucléaires à la paroi qui entraînent des lésions endothéliales et accentuent la baisse du débit sanguin muqueux, favorisant ainsi le processus inflammatoire dans la muqueuse digestive. Dans l’image suivante, nous observons que l’inflammation est amplifiée par la production de TNFAlpha stimulée par les anti-inflammatoires dans les macrophages. Figure 2.10 pathogénie des lésions ulcérées induites par les AINS. Les flèches indiquent les lésions initiales provoquées par l’inhibition des prostaglandines et les lésions provoquées par les polynucléaires infiltrant la muqueuse et le TFN qu’ils produisent.[19] 44 Les AINS sélectifs (coxibs) qui inhibent la COX-2 en préservant l’activité COX-1 réduisent le risque de complications ulcéreuses sans toutefois le supprimer. L’aspirine administrée à faible dose, à visée antiagrégant, conserve un potentiel ulcérogène et expose au risque de complications hémorragiques. 2.6.3 Ulcère gastroduodénal non lié ni aux AINS ni à helicobacter pylori Ils sont peu nombreux mais leur proportion est croissante du fait de la régression du nombre liés à helicobacter pylori. Ils affectent des sujets atteints de morbidités lourdes notamment cardiovasculaires, rénales, hépatiques ou pancréatiques. Ils sont liés à une altération des mécanismes de défense de la muqueuse gastroduodénale. Ces ulcères sont différents des ulcères de stress qui surviennent chez les malades hospitalisés en réanimation ayant une ou plusieurs défaillances viscérales et des ulcères de la maladie de Crohn qui ont des caractéristiques anatomopathologiques différentes. 2.6.4 Ulcère gastroduodénal lié au syndrome de Zollinger-Ellison L’ulcère duodénal du syndrome de Zollinger-Ellison est exceptionnel. Il est lié à une hypersécrétion d’acide induite par une sécrétion tumorale de gastrine (gastrinome). 2.6.5 Autres facteurs intervenants Ces facteurs ne sont en aucun cas à confondre avec les causes des ulcères, leur impact dans la manifestation des ulcères est dans le fait qu’ils favorisent la survenue précoce des ulcères, aggravent les douleurs et ralentissent le traitement. Les études ont montré les effets sur les facteurs suivants : 2.6.5.1 Facteurs génétiques Les facteurs génétiques jouent un rôle probablement dans la maladie ulcéreuse. La prévalence à vie de développer un ulcère dans le premier degré de patients atteints d’ulcère est environ trois fois plus élevé que la population générale. Ainsi, environ 20-50% des patients ayant un ulcère duodénal ont des antécédents familiaux d’ulcère. 2.6.5.2 Le tabagisme La littérature montre une forte corrélation positive entre le tabagisme et l’incidence de la maladie ulcéreuse, la moralité, les complications, les récidives et le retard dans les taux de guérison. Les fumeurs sont environ deux fois plus susceptibles de développer un ulcère que les non-fumeurs. 45 Le tabagisme et helicobacter pylori sont des cofacteurs de la formation de l’ulcère gastroduodénal. Il y a une forte association entre l’infection à helicobacter pylori et le tabagisme chez les patients avec et sans ulcère. Le tabagisme semble diminuer les défenses de la muqueuse gastrique et fournir ainsi un milieu plus favorable à l’infection à helicobacter pylori. 2.6.5.3 Le stress De nombreuses études ont révélé des conclusions contradictoires concernant le rôle des facteurs psychologiques dans l’ulcère gastroduodénal. Le rôle des facteurs psychologiques est loin d’être établi. Les patients atteints d’ulcère présentent généralement le même aspect psychologique que la population générale et la présence d’un plus grand degré de stress est difficile à confirmer. 2.6.5.4 Alcool et régime alimentaire Les études épidémiologiques n’ont pas réussi à montrer une corrélation entre la caféine, le café décaféiné, le coca-cola, la bière et un risque accru de maladie ulcéreuse. En revanche une modification de l’alimentation chez les patients ayant un ulcère n’est pas exigée. Plutôt une modération dans la prise des aliments et boissons irritants. De multiples facteurs endogènes et exogènes modulent l’équilibre entre les facteurs agressifs et les mécanismes de défense. Plusieurs facteurs peuvent par la suite entraîner une bascule vers une agression de la muqueuse et donc la formation d’un ulcère.[20, p. 86] 2.7 La Symptomatologie de l’ulcère gastroduodénal Il n’est pas rare qu’une personne ayant un ulcère d’estomac ne ressente aucun symptôme particulier. Toutefois, parmi les symptômes typiques, notons :  Un inconfort, une douleur ou une sensation de brûlure au milieu de l’abdomen, particulièrement au moment des repas ;  L’aigreur dans l’estomac ;  Des crampes abdominales ;  Des ballonnements ;  Des nausées ou des vomissements ;  Une perte de poids ou d’appétit. Notons qu’un ulcère d’estomac non traité peut guérir spontanément, mais présente un plus grand risque de récidive quelques mois plus tard. L’absence de traitement peut occasionner diverses complications, notamment une hémorragie, une 46 anémie ou une perforation de l’estomac. Cette dernière constitue une urgence médicale nécessitant souvent une chirurgie. Dans plupart des cas, le symptôme fréquent est le brûlant ou l’aigreur d’estomac. Pour mieux comprendre ce mécanisme, il faudrait se situer dans la jonction entre l’œsophage et l’estomac. L'œsophage est un conduit reliant la bouche à l'estomac qui permet le transport de la nourriture. Mais on méconnaît souvent ce qui se passe après. Le sphincter qui sépare l'estomac de l'œsophage n'est censé s'ouvrir que pour laisser descendre les aliments et empêcher le contenu de l'estomac de remonter dans l'œsophage. Mais si ce sphincter fonctionne mal, l'acidité de l'estomac reflue au niveau de la paroi intérieure de l'œsophage, ce qui entraîne des symptômes de brûlant souvent accompagnés d'un goût acide dans la bouche. Les régurgitations acides et les brûlures ou aigreurs d'estomac sont deux symptômes particulièrement fréquents. Et en règle générale, pour désagréables qu'ils soient, ils restent banals et bénins, liés au stress, à une trop grande ingestion de protéines, d'alcool ou de certains médicaments comme l'aspirine ou les anti-inflammatoires. Mais si ces symptômes perdurent, là commencent les vrais ennuis. 2.8 Les Complications de l’ulcère gastroduodénal 2.8.1 Complications communes Elles peuvent révéler la maladie ulcéreuse, surtout dans le contexte africain où le recours à la médecine conventionnelle est tardif et l’automédication très répandue. Les complications communes sont les hémorragies, la perforation et la sténose, auxquelles il faut ajouter la cancérisation pour l’ulcère gastrique.[21, p. 13] En cas de non-traitement, l'ulcère peut évoluer vers des complications peu sympathiques : l'hémorragie ou la perforation.  L'hémorragie est caractérisée par des vomissements sanglants (rouges ou noirs) ou par la présence de sang noir dans les selles. La gravité de l'hémorragie se juge en fonction du type de vaisseau touché ;  La perforation est généralement accompagnée d'une douleur très vive dans le ventre qui nécessite une consultation en urgence. Elle entraîne généralement une péritonite, une inflammation de la membrane tapissant l'abdomen. Le traitement hospitalier nécessite souvent une opération chirurgicale. Il n'y a pas de corrélation directe entre l'importance de la douleur et celle des complications. Un patient sans symptômes douloureux peut être victime d'une hémorragie. 47 2.8.2 Autres complications Ces complications sont plus ou moins graves que la perforation et l’hémorragie, car ces dernières engendrent d’autres maladies à part entière. Les principales sont les suivantes : 1. Le reflux gastro-œsophagien (Hyperacidité gastrique-brûlures d’estomac) : les brûlures d’estomac sont une sensation de cuisson de la partie inférieure de l’œsophage ; canal qui transporte les aliments de la bouche à l’estomac. Le reflux se produit lorsque les sucs gastriques (acides gastriques et enzymes digestives) remontent de l’estomac à l’œsophage. Le muscle (sphincter) qui sépare l’œsophage de l’estomac sert à retenir le contenu de l’estomac à sa place. Si ce sphincter se relâche, il permet aux sucs gastriques de remonter dans l’œsophage. Contrairement à la paroi de l’estomac qui est fait pour résister aux sucs gastriques, l’œsophage est fragile et peut être irrité par ceux-ci. 2. L’œsophagite : c’est une inflammation plus ou moins importante de l’œsophage provoquée par le contact permanent de l’acide avec le revêtement interne de l’œsophage, si on est régulièrement sujet à un RGO (reflux gastro-œsophagien). A long terme, mieux vaut savoir qu'une œsophagite non traitée entraînera un rétrécissement de l'œsophage, mais, beaucoup plus rarement un cancer de l'œsophage. 3. La hernie hiatale : le reflux est lié à l'existence de cette particularité anatomique. Le diaphragme (le muscle qui sépare le thorax de l'abdomen) présente un orifice pour laisser passer l'œsophage. Quand une petite partie de l'estomac remonte de l'abdomen vers le thorax à travers cet orifice, c'est la hernie. C'est pourquoi la femme enceinte a souvent le brûlant durant le dernier trimestre de sa grossesse suite au refoulement de l'estomac vers le haut par le fœtus. 4. Le cancer de l’estomac : l’ulcère dû à la bactérie Helicobacter Pylori peut donner une irritation chronique de la muqueuse de l’estomac qui prédispose au cancer, que l’on appelle gastrique chronique atrophique. En revanche, notons qu’il ne semble pas que l’ulcère lui-même puisse dégénérer en cancer. Mais le cancer peut prendre une forme ulcérée. Donc on peut avoir des ulcères qu’on croit être des ulcères, qu’on biopsie et sur lesquels on trouve un cancer ou on ne trouve même pas de cancer la première fois mais ils reviennent et en fait c’est un cancer depuis le début. Mais les biopsies ne prenant que de petits bouts n’ont pas réussi à attraper le cancer la première fois. C’est plutôt l’irritation chronique que l’ulcère lui-même qui dégénérerait en cancer. 48 2.9 Hygiènes préventives Comme nous l’avons dit tantôt, la cause primordiale d’atteinte de l’ulcère pourrait être nous, en ne prenant pas bien soins de notre estomac, surtout à ne faisant pas attention à notre hygiène personnelle pour aider notre estomac à bien fonctionner. Nous proposons quelques pratiques hygiéniques à adopter au quotidien pour notre bien-être.  Prendre plusieurs petits repas à intervalles réguliers, mangez lentement par petites bouchées et mastiquez bien chaque bouchée.  Ne pas laisser l’estomac vide pour une longue période.  Éviter de boire en mangeant.  Éviter de dormir immédiatement après le repas.  Il est important d’arrêter de fumer, car l’usage du tabac retarde et peut même empêcher la guérison des lésions de la muqueuse gastrique.  Réduire le niveau de stress en faisant les changements opportuns à votre vie (le travail, une situation précise, une relation, etc.). Bien que le stress ne cause pas d’ulcère, on croit qu’il s’agirait d’un facteur aggravant typique.  Etre attentif aux aliments et aux boissons qui aggravent vos symptômes. L’alcool, le thé, le lait et les produits laitiers, le chocolat, les boissons à base de cola, certaines épices (poivre noir, graines de moutarde, muscade), de même que les aliments riches en gras causent des douleurs chez plusieurs personnes. Évitez-les ou consommez-en moins avec d’autres aliments.  La consommation de yogourt et de miel contribue à la guérison des ulcères gastroduodénaux.  Buvez beaucoup d’eau.  Dormez suffisamment. Par ailleurs, la sécrétion acide de l'estomac est renforcée par l'absorption d'une trop grande quantité de protéines animales. Celle-ci entraîne en effet une surcharge de travail pour le pancréas, chargé de faire chuter cette acidité. Mieux vaut éviter en outre d'associer les viandes avec les hydrates de carbone. Ces derniers sont digérés par l'amylase produite par la salive de la bouche. Malheureusement, l'amylase n'est pas active en milieu fortement acide. Donc la digestion des sucres lents sera a priori plus difficile quand ces derniers sont associés à des protéines fortes. Le steak-frites en est l'exemple typique : c'est une bombe dans l'estomac et surtout pour le pancréas. 49 2.10 Resumé2 Pour clore, notons que l'ulcère n'est plus considéré comme une maladie chronique due au stress mais qu'il est lié à Helicobacter Pylori (HP), une bactérie résistante à l'acidité du suc gastrique : une grande proportion des personnes qui souffrent d'UGD en est infectée. Vous avez la sensation d'être vite rassasié(e). Des nausées, des vomissements, vous surprennent. Dans ce cas, il est probable que ce qui n'était que gastrite se soit transformé en un ulcère gastroduodénal (UGD). Etant donné que le stress est un facteur aggravant, autant que cela dépendra de vous, le banaliser serait un atout pour la santé. 50 CHAPITRE III : ACQUISITION ET SPECIFICATION DES CONNAISSANCES POUR LE DIAGNOSTIC 3.1 Acquisition de connaissances 3.1.1 Introduction Dans la littérature, le terme « acquisition de connaissances » consiste souvent à décrire un processus qui inclut l'acquisition des connaissances stricto sensu auprès des experts humains et la représentation de ces connaissances dans des structures (règles ou cas par exemple) compréhensibles et exploitables à la fois par le système expert et par les humains qui conçoivent et maintiennent les bases de connaissances. L'acquisition des connaissances est reconnue comme un problème critique dans la construction de logiciels « intelligents » depuis les débuts de l'intelligence artificielle. L'acquisition efficace des connaissances nécessite une bonne organisation. Le tableau 3.1 suivant présente la méthodologie générale qui est généralement composée de quatre phases. La phase de planification est la plus importante car elle identifie le domaine de connaissances à étudier, les experts à interroger et les procédures et techniques à employer. L'objectif premier de l'extraction des connaissances est d'acquérir les connaissances auprès des experts du domaine. Les entrevues avec les experts sont l'un des principaux outils utilisés dans cette phase. Elles peuvent être libres ou dirigées. Les entrevues libres peuvent conduire à la découverte de connaissances non anticipées tandis que les entrevues dirigées s'attachent à identifier des connaissances précédemment partiellement définies. D'autres outils comme la recherche bibliographique, l'analyse de discours ou d'articles sont également utilisés au cours de cette phase ainsi que pendant tout le processus d'acquisition des connaissances. La troisième phase de la méthodologie consiste à analyser les entretiens et à formaliser les connaissances sous forme de règles, objets, réseaux sémantiques par exemple puis à les intégrer dans le système à base de connaissances. La phase de vérification consiste à vérifier la validité des connaissances acquises et à déterminer qu'elles sont suffisantes pour répondre aux objectifs que doit atteindre le système expert. Des ajustements peuvent être nécessaires et nécessiter plusieurs itérations dans la phase d'analyse et éventuellement la phase d'extraction. 51 Tableau 3.1 phases et étapes de la méthodologie d’acquisition des connaissances[13, p. 58] Phase Objectif Planification Comprendre le domaine Identifier les experts du domaine et les utilisateurs Définir retendue de l'analyse Identifier le type d'application Définir le processus d'acquisition Planifier les sessions d'acquisition Extraction Expliquer l'approche d'acquisition Discuter les objectifs de la session d'acquisition Conduire la session d'acquisition Interroger les expert(s) Analyse Analyser les comptes rendus de la session d'acquisition Représenter les connaissances Vérification Développer des scenarii de tests Vérifier les connaissances avec les experts Il est important, au cours de la phase de planification, de bien déterminer le nombre d'experts qui seront sollicités et leurs domaines d'expertises afin de pouvoir croiser les informations issues d'expériences, d'avis et de spécialisations différentes au sein d'un même domaine. Ceci permet d'obtenir une meilleure compréhension de ce domaine. Il est également important de ne pas limiter les entrevues aux seuls experts mais d'obtenir le point des utilisateurs qui exploiteront le système à base de connaissances afin d'établir clairement les objectifs et les problèmes que le système devra résoudre. Les entrevues menées pendant la phase d'extraction, doivent être bien préparées afin d'identifier non seulement les connaissances explicites énoncées par l'expert mais également les connaissances implicites, non exprimées par l'expert. Ces dernières constituent une part importante et essentielle des connaissances qu'emploient les experts dans leurs raisonnements mais sont peu ou pas clairement exprimées. Les entrevues ne doivent être ni trop directives ni trop peu dirigées afin d'éviter de se concentrer sur un sujet aux dépens des autres ou au contraire de ne pas approfondir 52 suffisamment l'étude des sujets abordés. Il est également important pour l'intervieweur de ne pas oublier que l'objectif de l'entrevue est d'obtenir des informations, sans pour autant négliger son aspect humain et convivial. Il ne doit donc pas perdre le contrôle de l'entrevue. L’image suivante montre l’interaction entre l’ingénieur et l’expert du domaine. Figure 3.1 interaction entre ingénieur et expert du domaine. Dans le sous-point suivant, nous montrerons les échanges des données entre l’ingénieur et l’expert du domaine dans un diagramme explicite. Cette expertise qui permettra de formaliser la base de connaissances. 3.1.2 Cas d’utilisation pour l’acquisition de connaissances Pour appliquer la technique des systèmes experts, il n'est malheureusement pas suffisant de disposer de machines et d'environnements de développement performants. Le but final d'une application étant de reproduire le comportement d'un expert dans un domaine donné, il faut savoir observer, analyser et comprendre le comportement de cet expert avant de formaliser les connaissances acquises dans un langage accessible à la machine (ce processus d'acquisition et d'implémentation du savoir de 1'expert est appelé "transfert des connaissances"). Maintenant, plaçons-nous d’abord du point de vue des acteurs avec leurs interactions au cours de cette phase d’acquisition de connaissances, l’ingénieur de connaissances aura à croiser plusieurs experts du domaine afin de recueillir les connaissances, puis analyser toutes ces connaissances avant de les formaliser sous forme des faits et règles. A ce fait, nous distinguons 2 grandes catégories d’experts : les experts du domaine (spécialistes du domaine) et l’ingénieur de connaissances (concepteur de la TN). Ce processus est très délicat, du fait de problèmes humains mais aussi du fait de la nature même de 1'expertise. Les sciences cognitives peuvent aider à comprendre la nature de ces difficultés et même faciliter dans une certaine mesure la réalisation de ce transfert des connaissances (on parle alors de "Génie cognitif"). 53 Pour chaque catégorie d’acteurs, nous allons présenter certains processus (cas d’utilisation) à réaliser au cours de cette activité de transfert de connaissance. Dans tous ces processus (cas d’utilisation), le concepteur devra pouvoir repérer les ressources, les commenter et les utiliser de manière à permettre au moteur d’inférence d’en produire d’autres. Tableau 3.2 types d’acteurs et cas d’utilisation Type d’acteur 1. Ingénieur (concepteur de la TN) Cas d’utilisation 1.1 S’informer sur le diagnostic et la thérapeutique de l’ulcère gastroduodénal 1.2 Demander les causes et facteurs aggravants 1.3 S’informer sur les personnes vulnérables 1.4 Demander la posologie de la thérapeutique 1.5 Organiser et représenter les connaissances du domaine 1.6 Choisir les outils techniques afin d’implémenter la TN (SACSAM) 1.7 Implémenter l’architecture logicielle de SACSAM 2. Experts du domaine 2.1 Fournir la connaissance générale sur les relatives questions à l’ulcère gastroduodénal 2.2 Donner les causes 2.3 Produire l’expertise sur son traitement 2.4 Donner une proposition thérapeutique selon son obédience 2.5 Identifier les facteurs aggravants de l’ulcère 3.1.3 L’ontologie du domaine Les cas d’utilisation qui seront très fréquent et que nous jugerons plus importants pourront faire ou feront l’objet du modèle de processus mettant en évidence les acteurs, les principales opérations qu’ils régissent ainsi que les résultats de ces opérations. 54 L’image suivante en est une représentation concrète : Figure 3.2 représentation de l’ontologie du domaine 3.1.4 Difficultés de l’acquisition des connaissances La technique d’acquisition des connaissances implique une interaction directe entre l’expert et l’ingénieur de la connaissance, pendant cette interaction des questions sont posées pour découvrir des connaissances et extraire les celles désirées. Pour rendre cet effort productif, l’entrevue doit être gérée de manière la plus efficace possible. Les raisons suivantes sont à l’origine de beaucoup de lacunes avec l’acquisition des connaissances basée sur l’entrevue :  Un expert peut souvent fournir une description incomplète de ses processus mentaux 55  Beaucoup de tâches sont difficiles à exprimer par les experts parce qu’ils ont appris en observant un autre individu accomplissant la tâche  Beaucoup de ces informations peuvent être non pertinentes  Un expert peut fournir une connaissance incorrecte parce qu’il est non informé ou en raison d’une erreur simple pendant l’introspection. 3.1.5 Planification de l’acquisition de connaissances La phase de planification est la plus importante car c’est ici que nous allons identifier le domaine de connaissances à étudier, les experts à interroger et les procédures et techniques à employer. 3.1.5.1 Identification du domaine d’étude Comme nous l’avons montré au second chapitre, le domaine d’expertise de notre étude c’est le domaine : « Médical ». Etant donné la diversité des branches traitées par ce domaine, notre sujet est penché sur le système digestif, d’où nous parlerons de la « Médecine digestive ». Non pas pour exploiter tout le système digestif de façon générale, mais nous allons nous intéresser à l’estomac et au duodénum (la première partie de l’intestin grêle) pour comprendre leur fonctionnement et les causes susceptibles à les exposer au danger que nous avons appelé : Ulcère gastroduodénal, puis disposer des stratégies d’éradication selon les cas qui se présenteront. 3.1.5.2 Identification des experts Afin d’arriver à la formalisation complète d’un système à base de connaissances capable de poser un diagnostic et proposer un thérapeutique fondé sur les bonnes bases expertes, nous allons pouvoir consulter les experts suivants : 1. Internistes (gastrologue, entérologue et hépatologue) 2. Médecins (médecine générale) Nous allons organiser les sessions d’acquisition des connaissances avec des experts, soit par des entretiens directs (entrevues), soit par messagerie, soit dans les forums sur internet. Ainsi, nous procéderons à la recherche bibliographique pour établir le chiasme ou croiser ces différentes expertises, les analyser afin d’en tirer une poignée des connaissances spécifiques au diagnostic de l’ulcère gastroduodénal afin de nous permettre de produire l’architecture logicielle de SACSAM. Hors mis ces experts, nous allons ensuite nous occuper des utilisateurs de ce système à base de connaissances pour établir un cadre de benchmark entre l’informatique et la 56 médecine, montrer l’impact de l’informatique dans la gestion du système médical et enfin expliquer le fonctionnement de notre système à base de connaissance. 3.1.6 Extraction des connaissances L'objectif premier de l'extraction des connaissances est d'acquérir les connaissances auprès des experts du domaine. Les entrevues avec les experts sont l'un des principaux outils que nous allons utiliser au cours de cette phase. Elles seront peut-être libres ou dirigées. D'autres outils comme la recherche bibliographique, la consultation de discours ou d'articles des experts sur la question seront également utilisés au cours de cette phase ainsi que pendant tout le processus d'acquisition des connaissances. 3.1.6.1 Explication de l’approche d’acquisition Dans cette approche d’acquisition de connaissances auprès des experts précités, un questionnaire sera établi, reprenant les questions relatives au diagnostic et au traitement de l’ulcère gastroduodénal qui sera remis à l’expert afin d’y répondre pour nous permettre de formaliser notre système à base de connaissances. 3.1.6.2 Interrogations et speech des experts Le résultat des entrevues, et de toute autre forme de technique appliquée dans l’acquisition de connaissances sera présenté dans le tableau suivant, repartis selon chaque expert, son expertise, son point de vue par rapport à son expérience ainsi que sa connaissance en ce qui concerne le traitement conventionnel de l’ulcère gastroduodénal. 57 1. Dr. Clément (Médecin à la Clinique KMC (Centre-ville Lubumbashi, RDC)). Il stipule que le stress est à l’origine de l’ulcère car il entraîne l’hyperproduction du suc gastrique (acide gastrique), une sécrétion qui irrite la muqueuse digestive Tableau 3.2 représentation de l’expertise du Dr. Clément[22] Symptômes Causes Complications Avis médical -douleur à l’épigastre -sous-alimentation -perforation digestif -respecter -affections prescription médicale -douleur au niveau -usage abusif AINS para-ombilical -excès de stress -bonnes la mesures diététiques et psychologiques 2. Dr. Anne Courillon Mallet (ex gastroentérologue au centre hospitalier de Villeneuve-Saint-Georges. Maintenant retraitée) en France. De son point de vue, la principale cause des ulcères serait l’infection à la bactérie Helicobacter Pylori. A côté de cette première affirmation, sont associées d’autres hypothèses parmi lesquelles elle estime qu’il y a une possible augmentation de la sécrétion acide de l’estomac, peut-être pour des raisons constitutionnelles ou à cause de la prise accrue de certains anti-inflammatoires. La représentation dans l’image suivante : Figure 3.3 image de l’ulcère gastroduodénal dû à Helicobacter Pylori 58 Dans le tableau suivant, sont repris les détails de l’expertise selon le Dr. Anne Courillon Mallet depuis la France. Tableau 3.3 représentation de l’expertise du Dr. Anne Courillon Mallet[23, p. 2] Causes Symptômes Thérapeutique Complications - infection à la bactérie -brûlures et -L’association d’un -hémorragies Helicobacter Pylori crampes d’estomac IPP x2/jour durant 10 -perforation -Prise au long cours des d’anti- qui s’aggravent jours inflammatoires non stéroïdiens pendant le repas -Amoxicilline/5 jours l’estomac -Prise des aliments non (signe d’ulcère -Clarithromycine identifiés mais avec une gastrique) /5jours certaine gastrotoxicité -brûlures après -Métronidazole -cancer de repas ou pendant la nuit (cas d’ulcère duodénal) 3. Dr. Nicolas KODJOH (Hépato-gastro-entérologue à Cotonou (Bénin)) Il stipule qu’on retrouve dans la majorité des cas, le caractère postprandial et la sédation par les aliments, sauf dans les formes évoluées en raison de la gastrite ou de la duodénite associée. Lui aussi donne son expertise par rapport à ce déficit que nous allons reprendre dans le tableau suivant : 59 Tableau 3.4 représentation de l’expertise du Dr. Nicolas KODJOH[21, p. 6] Causes Symptômes Thérapeutique Complications - augmentation de la -Douleur abdominale - ranitidine : 150mg - hémorragie digestive, sécrétion acide (cas de -Douleur ulcéreuse x2/jour -perforation, 30% des UD) -Crampe ou torsion Les IPP suivants -sténose - diminution de la -Sensation de faim - oméprazole -nausées, résistance de la barrière douloureuse 20mg/jour -douleurs abdominales muqueuse. (cas des -Intensité très -rabéprazole -céphalée, UG) variable 20mg/jour -diarrhée. - Hérédité (l’ulcère est - Irradiations rétro -lanzoprazole 40 une maladie à caractère sternales ou dorsales. mg/jour familial). - Périodicité absente -ésoméprazole 20 et - Infection à ou moins marquée. 40 mg/jour Helicobacter Pylori -Amoxicilline : 1g x (HP) 2 / jour. - Anti-inflammatoires - Clarithromycine : non stéroïdiens. 500mg x 2 / jour. -Tabac -métronidazole ou -Alcool tinidazole : 500mg x 2 / jour Bien souvent, surtout dans le contexte africain, du fait de l’automédication largement répandue et du recours tardif à la médecine conventionnelle, la maladie ulcéreuse est découverte à l’occasion de complications : hémorragie digestive, perforation, sténose. 4. Dr. Fréderic HELUWAERT (gastroentérologue et hépatologue au centre hospitalier Annecy Genevois dans la commune de Pringy (France)). Pour lui, la cause principale qu’il faudrait combattre c’est la bactérie Helicobacter Pylori. Mais un détail important qu’il donne, pour le cas d’un patient ultérieurement traité et dont le traitement semble raté, le clinicien doit systématiquement s’enquérir auprès du patient d’un traitement antérieur par macrolide ou métronidazole, quelle qu’en soit l’indication, avant de prescrire un traitement d’éradication. Dans le tableau suivant seront représentés les éléments de son expertise. 60 Tableau 3.5 tableau représentatif et synthétique de l’expertise du Dr. F. HELUWAERT[24] Causes Traitement -Infection Effets de résistance à -trithérapie de 14jours Helicobacter Pylori Complications La mise en évidence Attention ! -Antibiotiques adaptés d’une multi résistance Rifabutine aux données antibiogramme d’un bactérienne la est un à la antibiotique coûteux (pour Clarithromycine, au et ayant des effets un traitement ultérieur métronidazole et aux indésirables raté) -Quadrithérapie Fluoroquinolones chez potentiellement du des patients en échec sévères. Il est bismuth d’une quadrithérapie à conseillé de réserver -Clarithromycine base de bismuth peut l’usage -Métronidazole amener à la prescription rifabutine -Fluoroquinolones de rifabutine. -Rifabutine de la à des indications formelles et après une étude de la sensibilité des souches par culture. 5. Dr. Antoine Wola Tshimpi (Gastroentérologue et hépatologue, Centre Hospitalier la Ferté-Bernard (France) et Prof. En médecine à l’Université de Kinshasa, RDC). Pour lui, l’ulcère génère des douleurs à type de crampes circonscrites au creux de l’estomac, ou de brûlures dans l’estomac. Elles sont généralement soulagées par la prise des repas. Voici la synthèse dans le tableau suivant : Tableau 3.6 tableau représentatif de l’expertise du Dr. Antoine Tshimpi[25] Causes Symptômes Avis du médecin Complications -prise de -Douleur abdominale -interrompre la prise -hémorragie médicaments tels que -crampe circonscrites des médicaments -perforation l’aspirine et les anti- au creux de gastrotoxiques -hématémèse inflammatoires non l’estomac (AINS, aspirine) (vomissement de stéroïdiens -sensation de brûlure -prendre des anti- sang) -niveau d’acidité plus -douleur épigastrique sécréteurs -méléna (selles élevé que d’habitude -en cas d’hémorragie noires) digestive, faire -anémie l’endoscopie -contracture digestive épigastrique intense -certaines tumeurs du -amaigrissement pancréas ou du duodénum -manque d’appétit 61 3.1.7 Analyse de connaissances Cette phase consiste à analyser les entretiens et à présenter les connaissances sous forme des faits, règles et réseaux sémantiques par exemple, que nous allons intégrer dans le système à base de connaissances, et représenter graphiquement selon les modèles CommonKADS. Après analyse de toutes ces expertises, voici ce qui a été retenu au final. Nous allons présenter sur une liste les symptômes qui sont généralement réguliers pour ce cas, s’en suivra une proposition thérapeutique avec posologie ainsi que toutes les recommandations possibles nécessaires à la thérapeutique de l’ulcère gastroduodénal. 1. Liste des symptômes réguliers :  Crampes  Brulure d'estomac  Crampe d'estomac  Faim douloureuse  Douleur épigastrique  Sensation d'acide dans la bouche  Manque d'appétit  Torsion  Amaigrissement  Douleur abdominale ou paraombilicale  Satiété précoce (qui empêche d'ingérer un repas de volume normal)  Sensation d'être vite plein  Douleur d'estomac après le repas ou la nuit  Hématémèse (vomissement de sang)  Nausées  Méléna (sang digéré très malodorant qui apparait dans les selles (généralement noir))  Ballonnements. Signalons que, l’ensemble de ces symptômes qui permettent de diagnostiquer l’UGD (Ulcère Gastroduodénal) est en fait regrouper en deux grandes catégories de ce que les spécialistes appellent « Syndrome », à partir de ces syndromes l’expert sera capable de distinguer l’Ulcère gastrique de l’Ulcère duodénal, et d’identifier l’Ulcère gastroduodénal. Selon leurs proportions, chacun de ces syndromes possèdent des symptômes spécifiques. 62 Dans certains cas, cette séparation des symptômes n’est pas observée. Dans un tel cas on parle de l’Ulcère gastroduodénal. 2. Type des Syndromes :  Syndrome ulcéreux ou douleur épigastrique : constitué par  Crampes d’estomac  Brûlure d'estomac  Faim douloureuse  Douleur épigastrique  Sensation d'acide dans la bouche  Manque d'appétit  Torsion  Amaigrissement  Syndrome dyspeptique : il comprend  Douleur abdominale ou paraombilicale  Satiété précoce (qui empêche d'ingérer un repas de volume normal)  Sensation d'être vite plein  Douleur d'estomac après le repas ou la nuit  Hématémèse (vomissement de sang)  Nausées  Méléna (sang digéré très malodorant qui apparait dans les selles (généralement noir))  Ballonnements. 3. Prescription thérapeutique :  Anti-sécrétoires ou IPP (Inhibiteurs de la Pompe à Protons) :  Oméprazole 20mg  Rabéprazole 20mg  Lanzoprazole : 40mg  Esoméprazole : 20 ou 40mg  Ranitidine : 150mg x2/jour  Antibiothérapie séquentielle :  Amoxicilline : 1g x2/jour  Clarithromycine : 500mg x2/jour  Métronidazole ou tinidazole : 500mg x2/jour 63  Lévofloxacine : 250mg x2/jour (en cas de résistance à Clarithromycine) 4. Proscription :  Aspirine  Cimétidine  Anti-inflammatoires non stéroïdiens (AINS)  Chlorure de potassium  Antiacides (maalox, phosphalugel, gastrex, etc.) 5. Contre-indication alimentaire :  Prise de tabac  Consommation de l’alcool  Viandes grasses et charcuteries  Beurre, crème  Limiter la consommation de boissons irritantes  Eviter les plats épicés  Margarines hydrogénées  Produits industriels : plats préparés, biscuits, viennoiseries, pâtisseries, etc. 6. Recommandation alimentaire (selon la tolérance individuelle) :  Les probiotiques  Opter pour une alimentation bio. :  Augmenter la consommation de fibres solubles  Consommer des aliments sources de vitamine A  Fractionner l'alimentation la 64 7. Alimentation spéciale adaptée (selon les proportions recommandées) : Tableau 3.7 regroupement des aliments recommandés N° Aliments Portion (en g) Quantité de fibres (en g) 1 Fèves de soja cuites 30 3,5 2 Haricots noirs cuits 130 5,4 3 Haricots rouges cuits 130 3 4 Orange 1 fruit 1,8 5 Patate douce sans la peau 100 1,8 6 Brocoli 80 1,5 7 Choux de Bruxelles 100 3,8 8 Poire avec la peau 1 fruit 1,2 à 1,5 9 Abricot 100 1,4 Notons que ces aliments sont recommandés en cas d’alimentation spéciale de l’ulcère, et sont à adapter selon la tolérance individuelle. 8. Bienfaits d’une alimentation spéciale : L’alimentation spéciale ulcère gastrique permet de :  Diminuer les douleurs gastriques  Réduire le risque de récidive  Conserver un apport nutritionnel optimal  Eviter la perte de poids  Retrouver le confort digestif 65 3.2 Spécification et représentation des connaissances avec application de la méthode CommonKADS 3.2.1 Spécification de l’approche de développement et mode de raisonnement II existe plusieurs approches pour développer un système expert. Il est possible d'en utiliser plus d'une à la fois dans une même implémentation. Il existe environ 5 cinq types d’approches de systèmes experts qui sont parmi les plus populaires. En premier lieu, nous avons le système expert basé sur les règles. Ensuite, l'approche hybride combinant ce type de système et les réseaux de neurones. Nous avons également les systèmes experts basés sur la logique floue, une méthodologie orientée objet et finalement le raisonnement à base des cas (Case-Based Reasoning). Chacune de ces approches possède sa propre façon de faire, ses avantages et inconvénients. Le choix de la méthodologie s'effectue par le ou les concepteurs selon les besoins et les objectifs du système. Nous allons présenter le Système à base de règles, celui sur lequel notre choix est porté. Il existe deux types fondamentaux de chaînage des règles, le chaînage-avant et le chaînage-arrière. 3.2.1.1 Systèmes experts basés sur les règles Ce sont les systèmes qui utilisent de l'expertise et de la connaissance pour en arriver à résoudre des problèmes qui nécessitent de l'intelligence humaine. Ces deux éléments sont représentés sous la forme de règles dans l'ordinateur. Une règle est un énoncé conditionnel qui lie l’ensemble des conditions à des actions ou résultats. Elles sont sous la forme SI…ALORS et permettent de formuler les énoncés conditionnels que nous retrouvons dans la base de connaissances. Les composants principaux d'un système expert basé sur les règles sont : 1. Base de connaissance : Elle est exprimée sous forme de règles qui modélisent la connaissance du domaine considéré. 2. Base de faits : La base de faits est la mémoire de travail du système expert. Elle est variable au cours de l'exécution. Au début, elle contient ce que l'on sait du cas examiné avant toute intervention du moteur d'inférences. Puis elle est complétée par les faits déduits par le moteur. 3. Interface d'utilisateur : Il s’agit du moyen de communication entre le système expert et l’utilisateur. Ce que l’on appelle en génie logiciel : IHM (Interface Homme Machine) 66 4. Moteur d'inférence : Décide quelles règles sont satisfaites par les faits fournis, donne la priorité aux règles et exécute la règle prioritaire la plus élevée. Voici le formalisme : SI condition ALORS conclusion (ou action) Lorsque les règles sont établies, le système peut inférer grâce à son moteur d'inférence selon les faits que nous lui présentons. Notons que la manière dont l'inférence se déroule dépend du mode de chaînage (avant ou arrière) du moteur d'inférence. Donc à partir des faits représentant des observations et des règles qui s'appliquent sur ceux-ci, le moteur d'inférence va être en mesure d'effectuer des déductions. Si la base de connaissances est en quelque sorte l'élément tactique d'un système expert, le moteur d'inférences en constitue l'élément stratégique. C'est l'élément qui raisonne sur les connaissances du système expert dans le but de parvenir à résoudre le problème posé. 3.2.1.2 Spécification de la logique et du mode de raisonnement 1. Logique Modus Ponendo Ponens La logique formelle choisie est le modus ponens ou logique de détachement. Un raisonnement logique qui concerne l’implication. Elle consiste à affirmer une implication (« si P alors Q ») et à poser ensuite l’antécédent (« or P ») pour en déduire le conséquent (« donc Q »). Le terme modus ponens (plus exactement modus ponendo ponens) vient de ce que l’on pose P afin d’en tirer la conclusion (ponens est le participe présent du verbe latin « ponere » qui signifie « poser »). Formalisation : [(P ⇒ Q) ∧ P] ⇒ Q. Si la proposition, « P implique Q » est vraie ET que la proposition « P est vraie », est vraie, ALORS la proposition « Q est vraie » est vraie. Nous dirons par la suite « la proposition P est vraie » pour « la proposition « P est vraie », est vraie ». C’est le modus ponens dont la prémisse est vraie. La règle du modus ponens constitue un des principes de base sur lequel peut être construit le moteur d'inférences d'un système expert. Ce mécanisme est cependant insuffisant pour pouvoir simuler un raisonnement. Il est exceptionnel de résoudre un problème complexe avec une seule règle. Il faut généralement un ensemble de règles dont l'enchaînement permet d'aboutir à une conclusion. Il est donc nécessaire d'avoir une stratégie de chaînage des règles. 67 2. Mode de raisonnement Trois modes de raisonnement peuvent être utilisés : 1. Le chaînage avant ; 2. Le chaînage arrière ; 3. Le chaînage mixte. Dans le cadre de ce travail, seul le chaînage avant sera utilisé. Le chaînage avant cherche à produire de nouveaux faits à partir des faits dont on dispose. Pour cela il traite chaque fait et examine les règles où ce fait apparait en prémisse. Si la prémisse d'une règle est vraie celle-ci est déclenchée, propageant ainsi les faits. Il recommence ensuite le processus de test des règles avec la nouvelle base de faits enrichie des conclusions de la règle précédemment déclenchée. Si ce chaînage permet d'obtenir toutes les informations possibles à partir d'un certain nombre de faits (on parle aussi de « saturer la base de faits »), l'inconvénient est qu'il est facilement explosif même pour une petite base. À titre d'exemple, pour comprendre ce que sont les faits et les règles constituant une base de connaissances, supposons que nous souhaitions identifier les relations de similitude entre trois aspects de la vie sociale courante à partir des phrases suivantes : « L’acte de consommer un repas C3 est un acte normal » « L'effort physique U4 est au-dessous de l’acte normal C3. » « L'effort physique Ul est au-dessus de l’acte normal C3. » « SI un acte C est un acte normal ET un effort physique X est au-dessous de l’acte C ET un effort physique Y est au-dessus de l’acte C ALORS l'effort physique X est au-dessous de 1'effort physique Y ET (X, Y) est une série normale. » Les trois premières phrases sont des faits, des assertions non conditionnelles. Ici, les faits peuvent être issus directement d'observations de terrain. La quatrième phrase est une règle de production (plus simplement une règle), une instruction associant un ensemble de conditions (ou prémisse) à une conclusion. La prémisse doit être vraie pour déclencher la règle qui produit une conclusion. Intuitivement en appliquant la règle aux faits ci-dessus, on peut inférer que 1'effort physique U4 est au-dessous de l'effort Ul et que (U4, Ul) est une série normale. Ce résultat est obtenu par l'application de la règle d'inférence dite modus ponens qui dit que « si on a une proposition P vraie et qu'on sait que P vraie implique que la proposition Q est vraie alors on peut en inférer que Q est vraie ». 68 À l'issue de l'application de la règle aux faits, on obtient deux nouveaux faits qui viennent enrichir nos connaissances : «1'effort physique U4 est au-dessous de 1'effort physique Ul. » Et « (U4, Ul) est une série normale. » Les faits peuvent être d'origine externe au système expert, des observations de terrain par exemple, ou d'origine interne, le résultat de l'application d'une règle. Ils sont par contre toujours spécifiques à un problème. La quantité de faits contenus dans la base de connaissances varie selon le problème soumis au système expert. À l'opposé, les règles sont intrinsèques au système. Elles appartiennent à un domaine de connaissances particulier mais ne dépendant pas des problèmes spécifiques posés. Leur nombre ne varie pas au cours du traitement. C'est ainsi que les règles sont considérées par certains auteurs comme la mémoire à long terme du système tandis que la mémoire à court terme contient les connaissances factuelles, susceptibles d'être modifiées, enrichies par le processus d'analyse. Ces deux types de mémoire rassemblent toutes les connaissances. L'exemple précédent offre un bon exemple de chaînage avant si on y ajoute la règle R2 : F1 : « L’acte C3 est un acte normal. » F2 : « L'effort physique U4 est au-dessous de l’acte normal C3. » F3 : « L'effort physique Ul est au-dessus de l’acte normal C3. » R1 : « SI un acte C est un acte normal ET un effort physique X est au-dessous de l’acte C ET un effort physique Y est au-dessus de l’acte C ALORS 1' effort physique X est au-dessous de 1'effort physique Y ET (X, Y) est une série normale. » R2 : « SI la série (X, Y) est une série normale ALORS 1'effort physique X est antérieur à 1'effort physique Y. » Le résultat du chaînage des règles est alors : F1, F2 et F3 déclenchent R1. R1 crée F4 : « L'effort physique U4 est au-dessous de 1'effort physique Ul. » et F5 : « (U4, Ul) est une série normale. » F5 déclenche R2. R2 crée F6 : « L'effort physique Ul est antérieur à 1'effort physique U4. » 69 D’une manière synthétique, dans le mode de chaînage avant, le moteur d'inférence part des faits pour arriver au but, c'est-à-dire qu'il ne sélectionne que les règles dont les conditions de la partie gauche sont vérifiées (∈ base de faits), puis applique la première de ces règles, ce qui ajoute la conclusion à la base. Ce processus est réitéré jusqu'à ce qu'il n'y ait plus de règles applicables ou que le but soit atteint. Voici l’algorithme du chaînage avant : ALGORITHME DU CHAINAGE AVANT ENTREE : BF (base de faits), BR (base de règles), F (proposition à vérifier) DEBUT TANT QUE F n'est pas dans BF ET QU'il existe dans BR une règle applicable FAIRE Prendre la première règle applicable R BR = BR - R (désactivation de R) BF = BF union conclusion(R) (déclenchement de la règle R, sa conclusion est rajoutée à la base de faits) FIN TANT QUE SI F appartient à BF ALORS F est établi (succès) SINON F n'est pas établi (échec) FIN Si au lieu de chercher la saturation de la base de faits, on cherche plutôt à répondre à une question précise, alors le chaînage-arrière est indiqué. Celui-ci est dirigé par le but à atteindre. On cherche quels sont les faits ayant produit ce but. Il ne nécessite pas d'avoir toutes les données à disposition au moment où le raisonnement commence. Les buts à démontrer par le système expert peuvent être vus comme des hypothèses à vérifier. Le processus démarre avec une hypothèse et pose une question du type « quels faits (clauses des prémisses d'une règle) doivent être vrais afin de savoir si l'hypothèse est vraie ? » et s'arrête soit à l'identification de la première hypothèse plausible ou soit à l'épuisement des hypothèses. Il est possible de coupler le chaînage arrière à du chaînage avant afin qu'après chaque évaluation d'une prémisse de règle, une propagation en avant de cette évaluation soit faite pour tirer l'ensemble des conclusions qu'il est possible d'en tirer. 70 3.2.2 Contexte de la Technologie Numérique (SACSAM) A ce niveau de contexte, nous allons tâcher de donner une description complète et détaillée du système SACSAM, tous les scenarii, les liens entres les agents, les tâches à exécuter, ainsi que l’ordre d’exécution des processus. 3.2.2.1 Modèle d’organisation Le modèle d’organisation permet de décrire les principales caractéristiques de l’organisation afin de découvrir les problèmes et opportunités du système (SACSAM). Le modèle permet de déterminer les faisabilités de cette dernière, son impact sur l’organisation. C’est en quelque sorte représenter le schéma général, vraisemblablement au schéma de navigation générale en UML. L’image suivante est une illustration d’une structure générale : Figure 3.4 modèle d’organisation 3.2.2.2 Modèle de tâches Modèle des tâches permet d’étudier les sous-processus c’est-à-dire la décomposition du processus d’affaires de l’organisation, étant donné qu’une tâche est une sous-partie d’un processus d’affaires. Il analyse l’activité déployée dans la réalisation des fonctions dans l’organisation, les entrées et les sorties, les ressources et les compétences nécessaires. Un exemple du modèle de tâches conçu avec le logiciel G-MOT ci-après : 71 Figure 3.5 représentation du modèle de tâches 3.2.3 Description Conceptuelle des connaissances La description conceptuelle permet d’identifier la nature et la structure des connaissances impliquées ainsi que la nature et la structure de la communication correspondante de ces connaissances 3.2.3.1 Modèle de connaissance Modèle de connaissance spécifie les connaissances utilisées dans l’exécution d’une tâche. Il fournit une description du rôle que jouent les différents composants de la connaissance dans la résolution de problèmes. L’exemple concret du diagnostic : F1 : le diagnostic et la thérapeutique DT sont établis. F2 : le syndrome ulcéreux UG est un résultat du DT F3 : le syndrome dyspeptique UD est un résultat du DT F4 : le facteur aggravant X précipite un ulcère indiqué dans le DT 72 R1 : SI le diagnostic et la thérapeutique DT sont établis ET le syndrome ulcéreux UG est indiqué au diagnostic et la thérapeutique DT ET un facteur aggravant X est associé à l’ulcère affiché dans le DT ALORS le diagnostic et la thérapeutique indiqués concernent l’ulcère gastrique R2 : SI le diagnostic et la thérapeutique DT sont établis ET le syndrome dyspeptique UD est indiqué au DT ET un facteur aggravant X est associé au diagnostic DT ALORS le diagnostic et la thérapeutique indiqués concernent l’ulcère duodénal R3 : SI le diagnostic et la thérapeutique DT sont présentés ET le syndrome ulcéreux est indiqué au DT ET le syndrome dyspeptique est indiqué au DT ET le facteur aggravant X est associé à ce DT ALORS le diagnostic et la thérapeutique concernent l’UGD (l’ulcère gastroduodénal) Voici le formalisme de l’ontologie dans la figure suivante : Figure 3.7 représentation du modèle de connaissances Explication des scenarii :  La base de connaissances est constituée des faits sur lesquels sont appliquées les règles afin de générer un raisonnement logique  Le système laisse à l’utilisateur le choix d’indiquer les faits qu’il lui propose, puis applique à ces faits la règle y relative et affiche le diagnostic et la thérapeutique spécifiques. 73  Ce processus est réitéré à chaque entrée et pour chaque cas 3.2.3.2 Modèle de communication Le modèle de communication précise les transactions de communication entre les agents impliqués dans une tâche. Ce modèle est référencé au diagramme de séquence en UML. Voici le formalisme : Figure 3.8 modèle de communication 3.2.4 Conception du système SACSAM La conception c’est ce que nous appelons l’artéfact. Son rôle est de fournir les aspects techniques du système, les connaissances mises en œuvre et l’architecture du logiciel et les mécanismes de calcul ou le « comment ? » du système. 3.2.4.1 Modèle de conception Dans ce modèle de conception nous voudrions fournir les spécifications techniques du système sur base des modèles ci-dessus en termes d’architecture, de plateforme d’implémentation, de modules logiciels, de représentations, de mécanismes de calcul nécessaires pour implémenter les fonctions spécifiées dans les modèles de connaissances et de communication. L’image 3.9 suivante représente la structure conceptuelle du système SACSAM. 74 Figure 3.9 représentation du modèle conceptuel de SACSAM 3.2.5 Spécification de la base de connaissances à implémenter 3.2.5.1 Base de Faits A ce niveau, les faits sont classifiés dans différents groupes des faits que nous appelons des syndromes, le patient est classé dans l’un de ces groupes en cas de la manifestation d’au moins un seul symptôme spécifique au type de syndrome. : Faits : 1. Groupe de Fait1 : Faits (symptômes) du groupe : syndrome ulcéreux : 1.1 : Crampes d’estomac 1.2 : Brulure d'estomac 1.3 : Faim douloureuse 1.4 : Douleur épigastrique 1.5 : Sensation d'acide dans la bouche 1.6 : Manque d'appétit 1.7 : Torsion 1.8 : Amaigrissement 75 2. Groupe de Fait2 : Faits (symptômes) du groupe syndrome dyspeptique : 2.1 : Douleur abdominale ou paraombilicale 2.2 : Satiété précoce (qui empêche d'ingérer un repas de volume normal) 2.3 : Sensation d'être vite plein 2.4 : Douleur d'estomac après le repas ou la nuit 2.5 : Hématémèse (vomissement de sang) 2.6 : Nausées 2.7 : Méléna (sang digéré très malodorant qui apparait dans les selles (généralement noir)) 2.8 : Ballonnements. 3. Fait3 : Le syndrome mixte : c’est lorsqu’il y a présence de plusieurs symptômes entremêlés. Donc de deux catégories ensemble. 4. Fait4 : Aucun symptôme correspondant 5. Groupe de Fait5 : Faits représentant les facteurs aggravants qui interviennent dans la survenue précoce des ulcères : 5.1 : Le niveau de stress élevé ou l’angoisse 5.2 : La prise à long cours des anti-inflammatoires non stéroïdiens 5.3 : La prise à long cours des antiacides, entre autres (phosphalugel, maalox, etc.) 5.4 : L’alcoolisme 5.5 : Le tabagisme 6. Fait6 : le patient présente les symptômes du type syndrome ulcéreux ; 7. Fait7 : le patient présente les symptômes du type syndrome dyspeptique ; 8. Fait8 : le patient présente plusieurs symptômes entremêlés ; 9. Fait9 : le patient ne présente aucun symptôme correspondant ; 10. Fait10 : le patient contracte l’un des facteurs aggravants 11. Fait11 : le patient n’est exposé à aucun facteur aggravant 12. Fait12 : Faits d’autres propositions en cas d’absence des symptômes d’ulcère : 12.1 : Solliciter un rendez-vous avec un spécialiste (expert) 12.2 : Pas besoin d’une telle spécialité 13. Fait13 : le patient désire rencontrer un spécialiste 14. Fait14 : le patient ne désire rien du tout. (Pas intéressé) 76 3.2.5.2 Base de règles A partir des faits présentés ci-haut, appliquons-y les règles pour y arriver au diagnostic et à la proposition thérapeutique proportionnelle. Les Règles : 1. R1 : UGA  Si le patient est du type de syndrome ulcéreux, et  S’il est exposé à l’un des facteurs aggravants indiqués ci-haut  Alors le patient contracte l’ulcère gastrique précipité par un des facteurs aggravants auquel il est exposé.  Voici la proposition thérapeutique appropriée :  Anti-sécrétoires ou IPP (dose simple) :  Oméprazole 20mg  Rabéprazole 20mg  Lanzoprazole : 40mg  Esoméprazole : 20 ou 40mg  Ranitidine : 150mg x2/jour  Antibiothérapie séquentielle (dose simple)  Amoxicilline : 1g x2/jour  Clarithromycine : 500mg x2/jour  Métronidazole ou tinidazole : 500mg x2/jour  Lévofloxacine : 250mg x2/jour (en cas de résistance à la Clarithromycine)  Posologie :  Pendant les 10 premiers jours :  Double dose des IPP +  5 premiers jours : Amoxicilline (dose simple)  5 jours suivants : Clarithromycine métronidazole (dose simple)  Dose simple pendant 5 semaines de plus.  Alimentation spéciale pour soutenir la thérapeutique :  Augmenter la consommation de fibres solubles  Consommer des aliments sources de vitamines A  Limiter la consommation des boissons irritantes  Eviter les plats trop épicés + 77 2. R2 : UGS  Si le patient est du type de syndrome ulcéreux et  S’il n’est exposé à aucun des facteurs aggravants  Alors le patient est atteint par l’ulcère gastrique d’origine bactérienne (généralement Helicobacter Pylori).  Voici une proposition thérapeutique adéquate pour son éradication :  Anti-sécrétoires ou IPP (dose simple) :  Oméprazole 20mg  Rabéprazole 20mg  Lanzoprazole : 40mg  Esoméprazole : 20 ou 40mg  Ranitidine : 150mg x2/jour  Antibiothérapie séquentielle (dose simple)  Amoxicilline : 1g x2/jour  Clarithromycine : 500mg x2/jour  Métronidazole ou tinidazole : 500mg x2/jour  Lévofloxacine : 250mg x2/jour (en cas de résistance à la Clarithromycine)  Posologie :  Pendant les 10 premiers jours :  Double dose des IPP +  5 premiers jours : Amoxicilline (dose simple)  5 jours suivants : Clarithromycine métronidazole (dose simple)  Dose simple pendant 5 semaines de plus.  Alimentation spéciale pour améliorer la thérapeutique :  Augmenter la consommation de fibres solubles  Consommer des aliments sources de vitamines A  Limiter la consommation des boissons irritantes  Eviter les plats trop épicés  Fractionner l’alimentation. + 78 3. R3 : UDA  Si le patient est du type de syndrome dyspeptique et  S’il est sujet à un des facteurs aggravants précités.  Alors le patient a l’ulcère duodénal causé par l’acidité produite par l’estomac, favorisé par un facteur aggravant.  Voici la proposition thérapeutique adéquate :  Anti-sécrétoires ou IPP (dose simple) :  Oméprazole 20mg  Rabéprazole 20mg  Lanzoprazole : 40mg  Esoméprazole : 20 ou 40mg  Ranitidine : 150mg x2/jour  Antibiothérapie séquentielle (dose simple)  Amoxicilline : 1g x2/jour  Clarithromycine : 500mg x2/jour  Métronidazole ou tinidazole : 500mg x2/jour  Lévofloxacine : 250mg x2/jour (en cas de résistance à la Clarithromycine)  Posologie :  Pendant les 10 premiers jours :  Double dose des IPP  5 premiers jours : Amoxicilline (dose simple)  5 jours suivants : Clarithromycine métronidazole (dose simple)  Pendant 3 semaines de plus : dose simple.  Alimentation spéciale pour améliorer la thérapeutique :  Augmenter la consommation de fibres solubles  Consommer des aliments sources de vitamines A  Limiter la consommation des boissons irritantes  Eviter les plats trop épicés  Fractionner l’alimentation. + 79 4. R4 : UDS  Si le patient est du type du syndrome dyspeptique et  S’il ne présente aucun facteur aggravant.  Alors le patient est atteint de l’ulcère duodénal causé par l’acidité qui écoule de l’estomac.  Voici la proposition thérapeutique envisageable :  Anti-sécrétoires ou IPP (dose simple) :  Oméprazole 20mg  Rabéprazole 20mg  Lanzoprazole : 40mg  Esoméprazole : 20 ou 40mg  Ranitidine : 150mg x2/jour  Antibiothérapie séquentielle (dose simple)  Amoxicilline : 1g x2/jour  Clarithromycine : 500mg x2/jour  Métronidazole ou tinidazole : 500mg x2/jour  Lévofloxacine : 250mg x2/jour (en cas de résistance à la Clarithromycine)  Posologie :  Pendant les 10 premiers jours :  Double dose des IPP  5 premiers jours : Amoxicilline (dose simple)  5 jours suivants : Clarithromycine métronidazole (dose simple)  Pendant 3 semaines de plus : dose simple.  Alimentation spéciale pour améliorer la thérapeutique :  Augmenter la consommation de fibres solubles  Consommer des aliments sources de vitamines A  Limiter la consommation des boissons irritantes  Eviter les plats trop épicés  Fractionner l’alimentation. + 80 5. R5 : UGDA  Si le patient présente plusieurs symptômes entremêlés, et  S’il est confronté à l’un des facteurs aggravants  Alors le patient est atteint par l’ulcère gastroduodénal d’origine bactérienne et entraîné par certains facteurs aggravants.  Voici une proposition thérapeutique requise :  Anti-sécrétoires ou IPP (dose simple) :  Oméprazole 20mg  Rabéprazole 20mg  Lanzoprazole : 40mg  Esoméprazole : 20 ou 40mg  Ranitidine : 150mg x2/jour  Antibiothérapie séquentielle (dose simple)  Amoxicilline : 1g x2/jour  Clarithromycine : 500mg x2/jour  Métronidazole ou tinidazole : 500mg x2/jour  Lévofloxacine : 250mg x2/jour (en cas de résistance à la Clarithromycine)  Posologie :  Pendant les 10 premiers jours :  Double dose des IPP +  5 premiers jours : Amoxicilline (dose simple)  5 jours suivants : Clarithromycine métronidazole (dose simple)  Pendant 6-7 semaines de plus : dose simple.  Alimentation spéciale pour améliorer la thérapeutique :  Augmenter la consommation de fibres solubles  Consommer des aliments sources de vitamines A  Limiter la consommation des boissons irritantes  Eviter les plats trop épicés  Fractionner l’alimentation. + 81 6. R6 : UGDS  Si le patient présente des symptômes entremêlés, et  S’il n’est pas exposé à des facteurs aggravants  Alors le patient a l’ulcère gastroduodénal d’origine bactérienne.  Voici la proposition thérapeutique :  Anti-sécrétoires ou IPP (dose simple) :  Oméprazole 20mg  Rabéprazole 20mg  Lanzoprazole : 40mg  Esoméprazole : 20 ou 40mg  Ranitidine : 150mg x2/jour  Antibiothérapie séquentielle (dose simple)  Amoxicilline : 1g x2/jour  Clarithromycine : 500mg x2/jour  Métronidazole ou tinidazole : 500mg x2/jour  Lévofloxacine : 250mg x2/jour (en cas de résistance à la Clarithromycine)  Posologie :  Pendant les 10 premiers jours :  Double dose des IPP  5 premiers jours : Amoxicilline (dose simple)  5 jours suivants : Clarithromycine métronidazole (dose simple)  Pendant 6-7 semaines de plus : dose simple.  Alimentation spéciale pour améliorer la thérapeutique :  Augmenter la consommation de fibres solubles  Consommer des aliments sources de vitamines A  Limiter la consommation des boissons irritantes  Eviter les plats trop épicés  Fractionner l’alimentation. + 82 7. R7 : Néant  SI le patient ne présente aucun symptôme des ulcères et  S’il désire rencontrer un spécialiste  ALORS le patient n’est probablement pas atteint par l’ulcère gastroduodénal  Voici ce que nous proposons pour rencontrer un spécialiste  Pour tout contact avec nos experts, contactez-nous aux adresses suivantes :  (+243) 812 223 219 / 853 303 962  E-mail: samg.baka@gmail.com  Instagram : samygrace1521 8. R8 : Instant zéro succès  SI le patient ne présente aucun symptôme relatif aux ulcères et  S’il n’a pas besoin de rencontrer un spécialiste  ALORS le patient n’a rien à avoir avec le système expert  Voici le message affiché :  D’accord !!! merci de nous contacter en cas de besoin  Prenez soins de vous SVP !!!! 83 3.3 Résumé partiel3 L’acquisition et la spécification de connaissances considérée comme partie centrale de notre étude a permis à ce que nous avons recueillis les connaissances (expertises) auprès des experts identifiés ci-haut de manière explicite. L’expertise à partir de laquelle nous avons défini formellement le système et représenté les connaissances sous forme graphiques, une démarche pas très facile à réaliser. Dans le chapitre suivant, nous tâcherons de définir l’environnement de développement que nous utiliserons afin de traduire le modèle de conception ainsi représenté sous forme des faits et règles compréhensibles en même temps par l’ordinateur et par les utilisateurs de la technologie (SACSAM). 84 CHAPITRE IV : FORMALISATION DE LA BASE DE CONNAISSANCES POUR LE DIAGNOSTIC ET LA PROPOSITION THERAPEUTIQUE DE L’ULCERE GASTRODUODENAL 4.1 Introduction La formalisation de la base de connaissances consiste à la construction de la base de connaissances. Autrement, il est question de l’implémentation des fonctions du système défini précédemment dans les modèles de connaissance et de conception. L’environnement de développement choisi nous aiderait à représenter ces connaissances sous forme des faits, et à définir les règles que le moteur d’inférence s’en servira selon leur priorité pour poser le diagnostic et proposer la thérapeutique de l’ulcère gastroduodénal. 4.2 Environnement de développement CLIPS CLIPS (C Language Integrated Production System). C’est un langage intégré du langage de base C pour la production de système. Il a été développé en 1985 et fournit un environnement de développement de système expert complet. Il permet de construire des systèmes basés sur les règles ou objets et possède plusieurs avantages. Premièrement, il permet de représenter la connaissance grâce à une grande variété de représentations (orienté objet, basée sur les règles ou encore procédurale). Ensuite, c’est un outil très portable. Il a été écrit en C pour assurer une bonne portabilité ainsi qu’un temps d’exécution remarquable. Un autre avantage de cet outil est son intégration. En effet, nous pouvons facilement l’intégrer dans un code procédural ou encore l’appeler comme sous-routine. Ce processus est possible dans des langages de programmation comme : C, Java, FORTRAN, ADA, Python, etc. ce sont des avantages qui font en sorte que CLIPS est le plus populaire partout dans le monde. A savoir que CLIPS n’a pas que des avantages, il présente aussi des insuffisances, la première c’est qu’il est très difficile de trouver un ou des faits dans la base de faits lorsque celle-ci est d’une taille importante. Ce qui s’explique par le fait que CLIPS ne dispose pas d’outil ou de fonction qui permet de rechercher un fait en particulier. Et deuxièmement il manque un aspect important qui est la gestion de l’incertitude. 85 4.2.1 Cycle de base de CLIPS CLIPS comme tout autre moteur d’inférence comprend deux phases :  La phase de filtrage : détermine l'ensemble des règles applicables : une règle est applicable si toutes les propositions de sa prémisse sont dans la base de faits.  La phase d'exécution : consiste à appliquer la première règle applicable ; cette action consiste à ajouter un fait à la base.  Un fait est une proposition évaluée à vrai.  Une proposition est une expression quelconque qui peut être évaluée à vrai ou à faux (ex : « le patient a une hémorragie interne »).  Une règle d’inférence se présente sous la forme (prémisse) → (conclusion) ; où prémisse = ensemble de propositions et conclusion = une proposition.  Une base de connaissances est composée d'un ensemble de faits et de règles d'inférence.  Un moteur d’inférence est un programme qui permet, à partir d’une base de règles et d’une base de faits, de déduire de nouveaux faits.  Un système expert est composé d’une base de connaissances, d’un moteur d’inférence et d’une interface utilisateur. Voici sa maquette de commandes : Figure 4.1 maquette de commandes clips 86 4.2.2 Syntaxe CLIPS utilise une syntaxe similaire à LISP. Ceci se traduit par l’omniprésence de parenthèses ouvrantes "(" et fermantes ")". Elles sont notamment nécessaires pour appeler des fonctions systèmes ou définies par le programmeur (programmation procédurale). Par exemple, la commande suivante exécute un programme CLIPS : CLIPS > (run) Par ailleurs, les opérations mathématiques utilisent une notation préfixée. Ainsi les calculs (5+2) et (7*2-7) s’écrivent en CLIPS comme suit : CLIPS> (+ 5 2) 7 CLIPS> (-(* 7 2)7) 7 CLIPS> 4.2.3 Manipulation des Faits Un fait CLIPS est défini comme suivant : (nom-de-la-relation valeurs) Exemple : (pere jacob samy) Le nom de la relation identifie le sens, la portée ou l’objectif du fait. Les valeurs précisent l’information véhiculée par le fait. Ces valeurs peuvent être exprimées sous la forme d’une liste de valeurs ou de champs : on parlera dans le premier cas de faits ordonnés ou non structurés et de faits structurés ou non ordonnés dans le second cas. La mémoire de travail de CLIPS est la « FACTS LIST ». Un fait peut être :  Une liste de « Champs »  Une structure composée d’un nom et d’une liste de la paire (attribut, valeur)  Une instance d’un objet. 1. Faits Ordonnés Un fait ordonné est une forme la plus simple utilisée, mais aussi la plus rigoriste en ce qui concerne le respect de l’ordre des valeurs. Exemple : (etudiant samy grace 23 2) Et (etudiant grace samy 23 2) Lorsque nous observons ces deux faits repris ci-haut, nous voyons qu’ils utilisent les mêmes valeurs, et pourtant ils sont considérés comme différents. 87 Ainsi, l’usage des faits ordonnés exige le respect de l’ordre des valeurs, notamment si ces valeurs sont utilisées dans une règle. Cela implique qu’il est important de définir une bonne fois la façon dont le fait se renseigne. Exemple de la création, la destruction et la vérification d’une liste des faits : ▪ Ajouter un fait : (assert <fait>*). Exemple : CLIPS> (assert (voiture renault 19) (voiture renault R5)) <fact-1> En retour, la commande (assert) donne l’identifiant du dernier « fait » enregistré. Cet identifiant appelé aussi (fact-id) est formé du mot (fact) et d’un numéro incrémenté à chaque insertion. ▪ Lister le contenu de la base de faits : (facts) cette commande affiche le contenu de la base de faits. Exemple : toujours avec l’exemple précédent, appliquons la commande (facts) pour voir le résultat. CLIPS> (facts) f-0 (voiture renault 19) f-1 (voiture renault R5) For a total of 2 facts Notons que l’insertion d’un fait structuré nécessite la définition au préalable du deftemplate associé. Dans le cas contraire, CLIPS interprète le champ comme un appel de fonction ayant de grande chance de ne pas exister. Ceci conduit alors au message d’erreur suivant : CLIPS> (assert (voiture (marque renault))) [EXPRNPSR3] Missing function declaration for marque 2. Faits Structurés La notion des faits structurés correspond au même besoin que le struct du langage C. Ce principe est utilisé pour enregistrer des informations sur un même objet. Voici comment se définit un fait structuré : ▪ Ajouter un fait : le mot clé (deftemplate) Exemple : (deftemplate nom-du-fait-structuré "commentaires explicatifs" (slot champ1) (slot champ2) 88 (slot champ3)) Notons que le mot clé slot indique que le champ ne peut avoir qu’une seule valeur. A l’opposé, nous pouvons utiliser le mot clé multislot lorsqu’il s’agit de signifier plusieurs valeurs. Pour permettre à l’étudiant Bakatupidia d’insérer ses deux prénoms, voici la syntaxe y relatif : (deftemplate etudiant "renseignement sur un étudiant" (slot nom) (multislot prenoms) (slot age) (slot classe)) Pratiquons : (deftemplate Etudiant (slot Bakatupidia) (multislot samy grace) (slot 24) (slot l2)) Il peut être nécessaire de disposer, au démarrage du SE, d’un ensemble de faits. Le mot clé deffacts permet de déclarer un ensemble de faits comme devant être inséré après un appel à la commande (reset). Cette dernière supprime tous les faits existants dans la base de faits, insère le fait (initial-fact) et insère ensuite tous les faits contenus dans des groupes deffacts. La syntaxe est la suivante : (deffacts nom-descriptif <fait>+) Exemple d’une base de faits initiale : (deffacts base-de-faits-initial-diagnostic (hopital (nom clinique "Nom_de_l’entité")) (departement "Gastroentérologie et Hépatologie")) (services (intitule "Nom_du_service") (responsable "Nom_de_l’expert")) (specialite "Spécialité_de_l’expert")))) 89 4.2.4 Manipulation des Règles Rappelons que CLIPS fonctionne en chaînage avant, donc les règles se présentent sous la forme d’expression SI…ALORS. La structure générale d’une déclaration de règle est la suivante : (defrule nom-de-la-règle "commentaire explicatif" (declare ; propriétés particulières (facultatif) (salience <nombre-entier>)) ; partie condition ; faits, Patterns ce qui veut dire « patron d’appariement » => ; partie conclusion ; insertion de faits, calculs, …) La partie declare permet de préciser les propriétés particulières, et notamment l’ordre de priorité de la règle défini par la valeur entière inscrite dans le champ salience. Cette valeur doit être comprise entre –10 000 et +10 000. L’absence de cette définition, revient à donner une valeur moyenne : 0. La partie condition d’une règle précise les conditions requises pour l’activation de la règle. Le terme activation signifie que la règle est prête à être exécutée ou plus précisément les instructions situées dans sa partie conclusion. Pour plus de clarté, différents cas sont abordés à l’aide d’exemples. 4.2.5 Affichage des chaînes de caractères Les caractères en CLIPS sont affichés à l’aide de l’instruction suivante : (printout t "Hello world" crlf)  Printout t = c’est l’instruction qui affiche le texte à l’écran  Crlf : permet le retour à la ligne. 4.3 Illustration du système SACSAM Notre système est baptisé : SACSAM qui est l’acronyme de (SoftbotAnalysisCare & Sam l’ingénieur concepteur). L’image 4.2 suivante démontre ou l’apparence de notre système. 90 Figure 4.2 illustration du système SACSAM 4.3.1 Algorithme d’implémentation de la base de connaissances de SACSAM Au lancement, le système demande à l’utilisateur de taper sur la touche Enter pour ouvrir le système (bind ?touche (readline)) (assert (fait debut))) (defrule regle1 (fait debut) => (printout t "BONJOUR ! VOICI LA PROCEDURE : SELECTIONNER LE NUMERO D'UN SYNDROME ET VALIDER" crlf "1. SYNDROME ULCEREUX : regroupe les symptômes suivants : 1.1 Brûlure d'estomac 1.2 Crampe d'estomac 1.3 Faim douloureuse 1.4 Douleur épigastrique 1.5 Sensation d'acide dans la bouche 1.6 Manque d'appétit 1.7 Torsion 1.8 Amaigrissement " crlf "2. SYNDROME DYSPEPTIQUE : constitué par les symptômes suivants : 2.1 Douleur abdominale ou paraombilicale 2.2 Satiété précoce (qui empêche d'ingérer un repas de volume normal) 2.3 Sensation d'être vite plein 91 2.4 Douleur d'estomac après le repas ou la nuit 2.5 Hématémèse (vomissement de sang) 2.6 Nausées 2.7 Méléna (sang digéré très malodorant apparaissant dans les selles (souvent noir)) 2.8 Ballonnements. " crlf "3. SYNDROME MIXTE : mélimélo (symptômes entremêlés)" crlf "4. AUCUNE CORRESPONDANCE" crlf) (assert (fait question))) (defrule a (fait"0") => (assert (fait"0"))) (defrule lecture (fait question) => (retract *) (bind ?syndrome (readline)) (assert (fait ?syndrome))) (defrule regle2 (fait"1") => (printout t crlf "SUPER! REPONDRE A LA QUESTION SUIVANTE POUR CONFIRMER LE DIAGNOSTIC : " crlf "05. CE SONT LES FACTEURS AGGRAVANTS : 05.1 Le niveau de stress élevé 05.2 L’alcoolisme 05.3 Le tabagisme 05.4 Abus des épices 05.5 La prise à long cours des anti-inflammatoires non stéroïdiens 05.6 La prise à long cours des antiacides (phosphalugel, dimagel, maalox, etc.)" crlf "ALORS, SI AU MOINS UN SEUL FACTEUR VOUS EST FREQUENT, REPONDEZ " Crlf "5. OUI" crlf "6. NON" crlf) (assert (fait question1))) (defrule b (fait"2") => (assert (fait"2"))) 92 (defrule lecture1 (fait question1) => (retract *) (printout t crlf "REPONDEZ PAR LE CHIFFRE INDIQUANT OUI ou NON et VALIDEZ. ALLEZ-Y...") (bind ?facteur (readline)) (assert (fait ?facteur))) (defrule regle3 (fait"5") => (printout t crlf "NOUS VOUS REMERCIONS D'AVOIR REPONDU A NOS QUESTIONS" crlf "APRES L'ANALYSE, LE DIAGNOSTIC PROUVE QUE : VOUS ETES ATTEINT PAR L'ULCERE GASTRIQUE "crlf "NOUS VOUS PROPOSONS LA THERAPEUTIQUE SUIVANTE :"crlf "ANTISECRETOIRES OU IPP :" crlf "*Omeprazole 20mg" crlf "*Rabeprazole 20mg" crlf "*Lanzoprazole 40mg" crlf "*Ezomeprazole 20 ou 40mg" crlf "*Ranitidine 300mg" crlf "ANTIBIOTHERAPIE SEQUENTIELLE :" crlf "*Clarithromycine 500mg x2/jour" crlf "*Metronidazole ou tinidazole 500mg x2/jour" crlf "VOICI LA POSOLOGIE :" crlf "*1 : 10 premiers jours : double dose des IPP ajouter avec : "crlf "*2 : 5 premiers jours : Amoxicilline *" crlf "*3 : 5 jours suivants : Clarithromycine+metronidazole" crlf "*4 : Continuer la dose normale pendant 5 semaines de plus" crlf "POUR AMELIORER LE TRAITEMENT, VOICI UNE ALIMENTATION SPECIALE REQUISE" crlf "*Augmenter la consommation de fibres solubles "crlf "*Consommer des aliments sources de vitamine A" crlf 93 "*Limiter la consommation de boissons irritantes "crlf "*Eviter les plats trop épicés" crlf "NB : -l'alimentation spéciale est à adapter selon votre tolérance individuelle, en cas de complication avec ce traitement, prière de faire une endoscopie digestive pour prévenir le danger. -tous les facteurs aggravants cités ci-haut sont à éviter "crlf "Mettez-y un peu plus du sérieux, ce travail implique la participation de plusieurs experts." crlf "Pour tout contact avec nos experts, contactez-nous aux adresses suivantes : "crlf "+243 812 223 219 / +243 853 303 962" crlf "E-mail: samg.baka@gmail.com" crlf)) (reset) 4.3.2 Architecture logicielle de SACSAM A ce niveau du travail, nous allons démontrer le résultat de l’implémentation de la base de connaissances de notre système SACSAM en présentant et expliquant les étapes que propose le système pour son utilisation. Dans l’image 4.2 suivante, nous verrons la première interface de saisie des commandes au lancement de l’environnement CLIPS, ainsi que les commandes pour lancer l’exécution. Figure 4.3 maquette de lancement des programmes CLIPS  L’instruction : (load) permet d’exécuter un programme CLIPS  La base de connaissances est nommée (sacsam.clp), enregistré à l’adresse suivante : C:/Users/Samy_Grace/Documents/sacsam.clp  D’où la commande : (load "C:/Users/Samy_Grace/Documents/sacsam.clp") 94 Après exécution de cette commande, voici ce que le système affiche dans la figure 4.3 suivante. Figure 4.4 Prompt de saisie des commandes pour exécution des programmes CLIPS Après avoir lancé le système, s’ensuit la réinitialisation de la base des faits pour exécuter à partir du fait initial du système, puis lancer l’exécuter avec les instructions suivantes :  (reset) : réinitialisation  (run) : exécution Figure 4.5 maquette d’initialisation de la base des faits du système SACSAM 95 A l’exécution de ces deux précédentes commandes, le système vous affiche son interface d’accueil, comme l’indique l’image 4.5 suivante : Figure 4.6 maquette d’accueil SACSAM Après avoir appuyé sur la touche Enter, vous accéder à l’interface de proposition et présentation du processus selon les indications du système. L’image 4.6 suivante présente l’interface de choix de syndrome : Figure 4.7 présentation des syndromes par SACSAM 96 Dans l’image 4.7 suivante, nous verrons l’interface qu’affiche le système lorsque le choix du syndrome est (1), ce qui correspond au syndrome ulcéreux : Figure 4.8 choix du syndrome ulcéreux par l’utilisateur Le processus continue, le système considère le premier choix et vous en propose un deuxième en posant la question de savoir si vous êtes exposé aux facteurs aggravants des ulcères avant de poser le diagnostic. Dans l’image 4.8 suivante, nous allons voir le résultat du diagnostic qu’affiche le système si le choix est (5), correspondant à OUI, donc le patient reconnait un de ces facteurs aggravants dans son quotidien : 97 Figure 4.9 affichage du diagnostic et de la thérapeutique par SACSAM Enfin, ça y est ! Nous y voilà, le verdict est tombé, l’objectif était d’en arriver jusqu’au résultat final qu’est le diagnostic et la proposition thérapeutique. Ainsi s’achève le processus, ceci est réitéré autant que vous répondrez en respectant les propositions que vous affiche le moteur d’inférence. Par ailleurs, le moteur d’inférence fonctionne en boucle, combinant faits et règles, soyez donc très attentif de sélectionner dans les proportions que vous propose le système à chaque itération, dans le cas contraire, le système cherchera la règle correspondant à votre saisie pour ajouter à la base des faits et retrancher à la base des règles. 98 4.4 Résumé Partiel4 Après un si long tour d’horizons, la finalité était d’aboutir à formaliser une base de connaissances d’un système expert, capable de poser un diagnostic, après quoi proposer une thérapeutique pour l’ulcère gastroduodénal. Ainsi nous y voilà, une base de connaissances a été formalisée correctement et soigneusement avec un raisonnement logique dit, de détachement, à partir de l’environnement de développement CLIPS 6.3. Ce dernier a été choisi pour sa performance et sa portabilité. Ainsi s’achève la problématique de notre objet d’étude. 99 CONCLUSION GENERALE Ce mémoire avait pour ambition de formaliser la base de connaissances d’un système expert pour le diagnostic et la proposition thérapeutique de l’ulcère gastroduodénal. Dans le souci d’apporter une valeur ajoutée dans le système de gestion et la prise en charge des malades de l’ulcère gastroduodénal par un système expert, en se demandant quelle démarche méthodologie, quel environnement de développement et quelle logique formelle allons-nous utiliser pour formaliser et implémenter notre base de connaissances. Il a fallu dans un premier temps définir l’approche dans laquelle nous voulions travailler en faisant un état de l’art sur les systèmes experts et la méthodologie de développement, ensuite mener quelques recherches sur la maladie de l’ulcère gastroduodénal en s’intéressant largement aux spécificités inhérentes au diagnostic et la thérapeutique et ne sélectionner que les plus pertinentes pour notre étude. Ensuite, nous avons procéder à l’acquisition et spécification de connaissances. Partant de la phase d’acquisition de connaissances, différents experts spécialistes en gastroentérologie, hépatologie et médecine générale ont été contactés au cours de cette phase afin d’avoir les connaissances spécifiques au diagnostic et à la thérapeutique de l’ulcère gastroduodénal. Ainsi, les spécificités de modélisation de connaissances par les modèles CommonKADS, dénotaient une volonté de créer de modèles de représentation sous forme graphique des connaissances, des acteurs ainsi que des opérations et tâches qu’ils régissent. Grâce aux logiciels MOT, MOTPlus et G-MOT, après l’analyse de connaissances, les modèles graphiques ont été représentés. L’idée selon laquelle les systèmes experts ont servi à résoudre différents problèmes du genre, et sont toujours d’actualité entant que système permettant de reproduire la connaissance humaine dans un programme informatique pour agir à l’instar de l’homme, technologie numérique de l’intelligence artificielle, méritent d’être générés et exploités dans des environnements divers. En effet, sans passer outre notre objectif principal, les connaissances ainsi spécifiées et représentées sous forme graphique, ont été enfin traduites en faits et règles à l’aide de l’environnement de développement des systèmes intelligents CLIPS. Ce moteur d’inférence puissant et qualifié dans le développement des systèmes intelligents a été notre choix parmi tant d’autres, parce que basé sur la logique de chaînage avant, logique utilisée pour les systèmes experts basés sur les règles, laquelle a été notre choix. 100 Le moteur d’inférence CLIPS a été une réussite sans équivoque de nos objectifs prédéfinis, car l’idée était d’aboutir à l’implémentation de l’architecture du système à base de connaissances baptisé : « SACSAM » : nom composé du préfixe (SoftbotAnalysisCare) et du suffixe (Sam : le développeur). Car un système servant pour les soins médicaux. Enfin, nos objectifs ont été atteints, une base de connaissances a bien été formalisée et implémentée, et répond aux attentes des usagers comme nous l’avons démontré au dernier chapitre de notre travail. 101 BIBLIOGRAPHIE [1] A. Wola Tshimpi, « Il faut relancer l’endoscopie digestive en République Démocratique du Congo », 02-avr-2015. [2] L. F. Le Figaro, « Les nouveaux profils de l’ulcère de l’estomac ». [3] D. f. Forum, « Maux de ventre, d’estomac, ulcères », Doctissimo.fr. [4] M. Philippe, La méthodologie d’acquisition des connaissances KADS et les explications, INRIA. [5] M. R. Hantaniaina Vatosoa, « Du modèle de processus d’affaires à la spécification des exigences en contexte de systèmes intelligents : application de la méthode CommonKADS », Mémoire, Université de SHERBROOKE, Canada, Québec, 2018. [6] P. Ardiri, « DÉVELOPPEMENT D’UN SYSTÈME EXPERT D’AIDE À L’ORIENTATION DESTINÉ À DES ADOLESCENTS », Université de Genève, Genève, 2012. [7] A. Coulet, « Construction et utilisation d’une base de connaissances pharmacogénomique pour l’intégration de données et la découverte de connaissances », Université Henri Poincaré – Nancy 1, France, 2008. [8] N. Lotfi, Cours Système Expert et Applications. 2018. [9] J. GIRARD NAULT, « SYSTÈME INTELLIGENT D’AIDE AU CONTRÔLE DE PROCÉDÉ DANS UN FOUR À ARC », L’UNIVERSITÉ DU QUÉBEC À CHICOUTIMI, Quebec, 2012. [10] Gilbert PAQUETTE, Jacquelline BOURDEAU, France HENRI, Josianne BASQUE, Michel LEONARD, Marcelo MAINA CIRTA, Construction d’une base de connaissances et d’une banque de ressources pour le domaine du téléapprentissage., Centre de recherche LICEF. France : Télé-université, 2003. [11] M. Charbonnier, Les Systèmes Experts Etat de l’art et application possible aux SIG. 2008. [12] I. Principio, « IA ET SYSTEMES EXPERTS », sciences cognitives. p. 25. [13] E. JANSSENS-CORON, « MODELISATION 3D ASSISTEE PAR UN SYSTEME EXPERT : CONSTRUCTION DE MODÈLES GÉOLOGIQUES POUR DES APPLICATIONS GÉOSCIENTIFIQUES », Université Laval, Quebec, 2010. [14] O. Ezratty, Les usages de l’intelligence artificielle. [15] D. K.Schneider, « Modélisation de la démarche du décideur politique dans la perspective de l’intelligence artificielle », Université de Genève, Génève, 1994. [16] J. Hopkins, « Anatomie de l’estomac », Hepatoweb.com. [17] D. Vialard, « Ulcère, brûlures d’estomac, reflux : il y a des remèdes simples », p. 10, 25févr-2014. [18] E. BOMBA-di-Masuangi, « Infection à Helicobacter pylori et affections digestives associées en milieu hospitalier congolais », Université de Kinshasa, RDC/Kinshasa, 2015. [19] D. Dr. LAMARQUE, « Entretien sur l’ulcère gastroduodénal », avr-2019. [20] Bourienne A. & Pagenault M. & Heresbach D., Etude prospective multicentrique des facteurs pronostiques des hémorragies ulcéreuses gastroduodénales., HAS. 2000. [21] N. Professeur N.Kodjoh, « Initiative HIFA-EVIPNet de l’OMS sur des rendez-vous mensuels avec ses experts », Développement et Santé, vol. 206, 206 vol. Association Formation permanente Développement et Santé, Bénin, p. 24, 2014. [22] Clément, « Questionnaire sur les ulcères gastrique et duodénal », 31-mai-2019. [23] M. Dr. Anne Courillon, « Entretien sur l’ulcère gastroduodénal », 2019. [24] F. Dr. HELUWAERT, « Expertise sur l’ulcère gastroduodénal », avr-2019. [25] A. Dr. Tshimpi wola, Vomissements de sang par la bouche, provoqués par l’ulcère de l’estomac. République Démocratique du Congo, 2015. 102 TABLE DE MATIERES EPIGRAPHE ............................................................................................................................................ I DEDICACE ............................................................................................................................................. II REMERCIEMENTS .............................................................................................................................. III LISTE DES FIGURES ............................................................................................................................ V LISTE DES TABLEAUX ...................................................................................................................... VI LISTE DES SIGLES ET ABREVIATIONS ......................................................................................... VII INTRODUCTION GENERALE ............................................................................................................. 1 CHAPITRE I : ETAT DE L’ART SUR LES SYSTEMES EXPERTS ET DEMARCHE METHODOLOGIQUE (CommonKADS) .............................................................................................. 5 1.1 Les Systèmes Experts (SE)............................................................................................................ 5 1.1.1 Introduction ............................................................................................................................ 5 1.1.2 Composants et Architecture d’un Système Expert ................................................................. 5 1.1.2.1 La Base de Connaissances (Knowledge Base) ................................................................ 7 1.1.2.2 Le Moteur d’inférence ..................................................................................................... 8 1.1.2.3 Module d’explication (explanation facility) .................................................................... 8 1.1.2.4 Module d’acquisition de connaissances (knowledge base acquisition facility) .............. 8 1.1.2.4.1 Les cas d’utilisation ................................................................................................. 9 1.1.2.4.2 L’ontologie du domaine........................................................................................... 9 1.1.2.5 Interface Utilisateur (user interface) .............................................................................. 10 1.1.3 Les générations des Systèmes experts .................................................................................. 10 1.1.3.1 La première génération .................................................................................................. 10 1.1.3.2 La deuxième génération ................................................................................................ 11 1.1.3.3 Les systèmes experts d’aujourd’hui .............................................................................. 12 1.1.4 Approche de développement d’un Système Expert .............................................................. 12 1.1.4.1 Raisonnement à Partir des Règles ou (Rule Based Reasoning « RBR ») ...................... 12 1.1.4.2 Raisonnement à partir des Cas ou (Case Based Reasoning « CBR »)........................... 14 1.1.5 Difficultés liées à l'utilisation des systèmes experts ............................................................. 14 1.1.6 Introduction A L’intelligence Artificielle. ........................................................................... 15 1.1.6.1 Grands courants de l’IA ................................................................................................ 16 1.1.6.2 Bref aperçu historique de l’IA ....................................................................................... 17 1.1.6.3 Les bases conceptuelles actuelles de l’IA...................................................................... 18 1.1.6.3.1 Leurs Origines ....................................................................................................... 18 1.1.6.4 Naissance des premiers Chatbots .................................................................................. 19 103 1.1.6.5 Les Surpromesses et le premier hiver de l’IA ............................................................... 19 1.1.6.6 La première renaissance avec les systèmes experts et un nouvel hiver ......................... 20 1.1.6.7 La Dernière Renaissance de l’IA ................................................................................... 21 1.1.6.8 Définitions et segmentations de l’IA ............................................................................. 21 1.1.6.8.1 Définition ............................................................................................................... 21 1.1.6.8.2 Segmentation rationnelle ...................................................................................... 21 1.1.6.8.3 Segmentation Généraliste...................................................................................... 22 1.1.6.9 Les Constituants fondamentaux de l’IA ........................................................................ 23 1.1.6.10 Les Orientations fondamentales de l’IA .......................................................................... 24 1.1.6.11 Applications génériques de l’IA .................................................................................. 26 1.1.6.12 Démonstration de théorèmes mathématiques .............................................................. 26 1.1.6.13 Applications métiers de l’IA ....................................................................................... 28 1.2 La Démarche Méthodologique « CommonKADS » ................................................................... 29 1.2.1 Introduction .......................................................................................................................... 29 1.2.2 Description de la méthode CommonKADS ......................................................................... 29 1.2.3 Forces et faiblesses de CommonKADS ............................................................................... 32 1.2.3.1 Forces de CommonKADS ............................................................................................. 32 1.2.3.2 Les Faiblesses de CommonKADS ................................................................................ 33 1.3 Résumé Partiel1 ............................................................................................................................... 33 CHAPITRE II : THEORIE SUR L’ULCERE GASTRODUODENAL ............................................... 34 2.1 Introduction ................................................................................................................................. 34 2.2 Anatomie de l’estomac ............................................................................................................ 34 2.2.1 Localisation de l’estomac dans l’organisme ..................................................................... 34 2.2.2 Structure de l’estomac ...................................................................................................... 35 2.2.3 Vascularisation de l’estomac ............................................................................................ 35 2.3 Rôle de l’estomac ........................................................................................................................ 36 2.4 Fonctionnement de l’estomac .................................................................................................. 38 2.5 Physiopathologie de l’estomac ................................................................................................ 38 2.5.1 Déséquilibre entre facteurs agressifs et mécanismes de défense ...................................... 39 2.5.2 Impact et développement de la muqueuse gastrique dans l’estomac ............................... 40 2.6 Causes des ulcères ................................................................................................................... 41 2.6.1 Ulcère gastroduodénal lié à l’infection à helicobacter pylori ........................................... 42 2.6.2 Ulcère gastroduodénal lié aux anti-inflammatoires non stéroïdiens (AINS).................... 43 2.6.3 Ulcère gastroduodénal non lié ni aux AINS ni à helicobacter pylori ............................... 44 2.6.4 Ulcère gastroduodénal lié au syndrome de Zollinger-Ellison .......................................... 44 104 2.6.5 Autres facteurs intervenants ............................................................................................. 44 2.6.5.1 Facteurs génétiques .................................................................................................. 44 2.6.5.2 Le tabagisme ............................................................................................................. 44 2.6.5.3 Le stress..................................................................................................................... 45 2.6.5.4 Alcool et régime alimentaire .................................................................................... 45 2.7 La Symptomatologie de l’ulcère gastroduodénal .................................................................... 45 2.8 Les Complications de l’ulcère gastroduodénal........................................................................ 46 2.8.1 Complications communes ................................................................................................ 46 2.8.2 Autres complications ........................................................................................................ 47 2.9 Hygiènes préventives .............................................................................................................. 48 2.10 Resumé2 ................................................................................................................................. 49 CHAPITRE III : ACQUISITION ET SPECIFICATION DES CONNAISSANCES POUR LE DIAGNOSTIC ...................................................................................................................................... 50 3.1 Acquisition de connaissances ...................................................................................................... 50 3.1.1 Introduction .......................................................................................................................... 50 3.1.2 Cas d’utilisation pour l’acquisition de connaissances .......................................................... 52 3.1.3 L’ontologie du domaine ....................................................................................................... 53 3.1.4 Difficultés de l’acquisition des connaissances ..................................................................... 54 3.1.5 Planification de l’acquisition de connaissances.................................................................... 55 3.1.5.1 Identification du domaine d’étude ................................................................................. 55 3.1.5.2 Identification des experts ............................................................................................... 55 3.1.6 Extraction des connaissances ............................................................................................... 56 3.1.6.1 Explication de l’approche d’acquisition ........................................................................ 56 3.1.6.2 Interrogations et speech des experts .............................................................................. 56 3.1.7 Analyse de connaissances..................................................................................................... 61 3.2 Spécification et représentation des connaissances avec application de la méthode CommonKADS ................................................................................................................................. 65 3.2.1 Spécification de l’approche de développement et mode de raisonnement ........................... 65 3.2.1.1 Systèmes experts basés sur les règles ............................................................................ 65 3.2.1.2 Spécification de la logique et du mode de raisonnement .............................................. 66 1. Logique Modus Ponendo Ponens ................................................................................ 66 2. Mode de raisonnement ................................................................................................ 67 3.2.2 Contexte de la Technologie Numérique (SACSAM) ........................................................... 70 3.2.2.1 Modèle d’organisation ................................................................................................... 70 3.2.2.2 Modèle de tâches ........................................................................................................... 70 105 3.2.3 Description Conceptuelle des connaissances ....................................................................... 71 3.2.3.1 Modèle de connaissance ................................................................................................ 71 3.2.3.2 Modèle de communication ............................................................................................ 73 3.2.4 Conception du système SACSAM ....................................................................................... 73 3.2.4.1 Modèle de conception ................................................................................................... 73 3.2.5 Spécification de la base de connaissances à implémenter .................................................... 74 3.2.5.1 Base de Faits.................................................................................................................. 74 3.2.5.2 Base de règles ................................................................................................................ 76 3.3 Résumé partiel3............................................................................................................................ 83 CHAPITRE IV : FORMALISATION DE LA BASE DE CONNAISSANCES POUR LE DIAGNOSTIC ET LA PROPOSITION THERAPEUTIQUE DE L’ULCERE GASTRODUODENAL ............................................................................................................................................................... 84 4.1 Introduction ................................................................................................................................. 84 4.2 Environnement de développement CLIPS .................................................................................. 84 4.2.1 Cycle de base de CLIPS ....................................................................................................... 85 4.2.2 Syntaxe ................................................................................................................................. 86 4.2.3 Manipulation des Faits ......................................................................................................... 86 1. Faits Ordonnés................................................................................................................... 86 2. Faits Structurés .................................................................................................................. 87 4.2.4 Manipulation des Règles ...................................................................................................... 89 4.2.5 Affichage des chaînes de caractères ..................................................................................... 89 4.3 Illustration du système SACSAM ............................................................................................... 89 4.3.1 Algorithme d’implémentation de la base de connaissances de SACSAM ........................... 90 4.3.2 Architecture logicielle de SACSAM .................................................................................... 93 4.4 Résumé Partiel4 ........................................................................................................................... 98 CONCLUSION GENERALE ............................................................................................................... 99 BIBLIOGRAPHIE .............................................................................................................................. 101