Système expert : définition, fonctionnement et exemples
Un système expert est une intelligence artificielle conçue pour simuler le savoir-faire d'un expert humain. Il exploite une base de connaissances spécifique à un domaine, et recoure à un moteur d'inférence pour simuler des raisonnements.
Un système expert, c'est quoi ?
Dans le domaine de l’intelligence artificielle, un système expert est une application conçue pour modéliser le raisonnement d’un spécialiste humain, en reproduisant ses mécanismes cognitifs. Le logiciel applique un raisonnement à partir de faits connus, et de règles implémentées au départ. Il peut réaliser des déductions ou conclusions, et expliquer la manière dont les résultats ont été obtenus.
Le premier système expert a été inventé en 1965 par les informaticiens Edward Feigenbaum et Bruce Buchanan, le médecin Joshua Lederberg et le chimiste Carl Djerassi. Nommé Dendral, il était capable d'identifier, à partir de résultats de spectrométrie de masse et de résonance magnétique nucléaire, les constituants chimiques d'un matériau.
Comment développer un système expert ?
Le développement d'un système expert se traduit par un transfert d'expertises. Au cours de ce processus, un cogniticien va transférer le savoir-faire d'un expert dans le système. Une méthode de transfert de connaissances est alors choisie : analyse du protocole, diagnostic, contrôle du processus... Ensuite, l'expertise transférée est traduite sous forme informatique.
Quel le rôle du moteur d'inférence dans un système expert ?
Pour conduire des raisonnements logiques, un système expert s'adosse à un moteur d’inférence appliquant des règles pré-paramétrées à des faits pour déduire des informations nouvelles. Ce système expert peut recourir à trois méthodes de fonctionnement :
- Le moteur à "chaînage avant" applique, dans une logique de déduction, des règles à des faits pour déterminer leurs conséquences. On parle alors de data driven.
- Le moteur à "chaînage arrière", ou raisonnement arrière, part d'objectifs ou d'hypothèses pour déterminer les règles qui permettent de les atteindre.
- Le moteur à "chaînage mixte" utilise une combinaison des deux première méthodes.
Un système expert permet d'expliquer le raisonnement utilisé pour parvenir à la réponse fournie en mettant en place une forme de traçabilité des raisonnements cognitifs employés.
Quelques cas d'usage de système expert
Aujourd'hui, ce type d’intelligence artificielle est surtout utilisé comme outil d’aide à la décision dans de nombreux secteurs d’activité. Dans le domaine médical et la cybersécurité, il sert d’aide au diagnostic.
Dans le secteur financier, un système expert permet d’identifier des schémas de fraude et de calculer les risques pour l'affectation des crédits, voire de prédire les futures évolutions des marchés. Dans le domaine de la gestion d’entreprise, il peut anticiper les besoins en personnels ou autres ressources.
Système expert vs machine learning : quelle différence ?
Le système expert est un outil de résolution des problèmes, tandis que le machine learning est une méthode d’apprentissage. Là où un système expert va s’attacher à reproduire les décisions ou le comportement humain en suivant des règles strictes et précises, le machine learning repose sur l’apprentissage automatique, soit sur sa capacité à améliorer ses propres performances de résolution de tâches, sans être explicitement programmé pour cela. Les deux ont besoin de grandes bases de données pour fonctionner.