Title:
Modèles graphiques probabilistes et possibilistes

Author:
Nahla Ben Amor
(LARODEC, Institut Supérieur de Gestion – Tunis)

Abstract:
Les modèles graphiques sont des outils importants pour représenter
efficacement et analyser des données incertaines dans les systèmes de
connaissance. Les représentants les plus éminents de ces modèles se
référent à la théorie des probabilités. En particulier, les réseaux
bayésiens et les réseaux de Markov ont été largement développés et utilisés 
dans plusieurs applications réelles. Toutefois, ces réseaux ne sont
appropriés que lorsque toutes les données numériques sont disponibles, ce
qui n'est pas toujours le cas. En effet, il existe certaines situations,
comme le cas de l'ignorance totale, qui peuvent mettre en difficulté le
raisonnement probabiliste. Par conséquent, la modélisation graphique ‘non
probabiliste’ a récemment émergé comme un nouveau domaine prometteur de la
recherche. En particulier, les réseaux possibilistes apparaissent comme une
alternative intéressante aux réseaux probabilistes. En effet, la théorie
des possibilités propose un cadre approprié pour les experts pour exprimer
leurs opinions numériquement en utilisant des degrés de possibilité ou
qualitativement en utilisant des pré-ordres sur l'univers du discours. Les
modèles probabilistes et les non-probabilistes ne doivent pas être
considérés comme concurrentiels, mais comme des outils complémentaires qui
doivent être utilisés en fonction du problème et des données disponibles.

La première partie de cet exposé concerne certaines questions sur les
réseaux probabilistes, à savoir l'apprentissage des réseaux bayésiens
causaux en utilisant les connaissances sémantiques. Nous présenterons
également une application particulière des réseaux bayésiens dans la
gestion des risques dans le cadre d’une approche intégrée Qualité, Sécurité
et Environnement (QSE). La deuxième partie concerne les réseaux
possibilistes. Une attention particulière sera accordée au problème de
propagation. Enfin, nous discuterons de l'aspect décisionnel avec les
réseaux possibilistes décisionnels (en particulier, les arbres de décision
possibilistes et les diagrammes d'influence possibilistes). Nous montrons
que les critères de décision standards ont des propriétés particulières
dans le cadre possibiliste ce qui implique le développement de nouveaux
algorithmes.