Search

*. Publications 2020*. Reviewer 2020*. Evaluation de projets en 2020 (Agence National de la Recherche: ANR ; Conseil de recherches en sciences naturelles et en génie du Canada: CRSNG)

En matière de règlementation de la sécurité ferroviaire, l’influence croisée des projets européens et de l’actualitémondiale, de plus en plus inquiétante sur le plan de la sécurité, ont contraint législateurs et gouvernement àrevoir les textes et à en combler les lacunes. On assiste donc aujourd’hui à une refonte de la réglementation. Conformément à cette nouvelle réglementation nationale et européenne en matière de sécurité ferroviaire, la recherche consiste à proposer des méthodes, des techniques et des outils d’aide à l’évaluation des analyses des risques d’accidents ferroviaires qui tiennent compte des usages, des travaux de recherches et de notre expérience dans ce domaine. L’objectif vise à rationaliser, harmoniser et homogénéiser le processus de gestion des risques technologiques et humains en vue de répondre aux exigences exprimées par la nouvelle réglementation nationale et Européenne et en particulier la nouvelle directive de 2016 sur la « sécurité ferroviaire ». Ces travaux sont actuellement regroupés dans un axe de recherche que nous avons baptisé “AMCER” (Acquisition, Modélisation, Capitalisation et Evaluation des Risques d’accidents ferroviaires) et s'articule autour de plusieurs projets complémentaires suivants : Analyse des risques au « niveau Système » : pour l’aide aux analyses préliminaires de risques (APR) ; Analyse des risques au « niveau Automatismes » : pour l’aide aux analyses fonctionnelles de la sécurité(AFS) ; Analyse des risques au « niveau Logiciel » : pour l’aide aux analyses des effets des erreurs du logiciel(AEEL) ; Analyse des risques au « niveau Humain » : pour l’intégration des facteurs humains dans les analyses de lasécurité ; Analyse des risques au « niveau Retour d’expérience » : pour l’aide aux enquêtes après accidents/incidentsferroviaire et par conséquent systématiser le processus du retour d’expérience ; Analyse au « niveau Règlementaire » : veille juridique et réglementaire (recueil, traitement, capitalisation, etexploitation des connaissances sur les accidents et incidents).

En matière de règlementation de la sécurité ferroviaire, l’influence croisée des projets européens et de l’actualité mondiale, de plus en plus inquiétante sur le plan de la sécurité, ont contraint législateurs et gouvernement à revoir les textes et à en combler les lacunes. On assiste donc aujourd’hui à une refonte de la réglementation. Conformément à cette nouvelle réglementation nationale et européenne en matière de sécurité ferroviaire, la recherche consiste à propose des méthodes, des techniques et des outils d’aide à l’évaluation des analyses des risques d’accidents ferroviaires qui tiennent compte des usages, de la théorie et de notre expérience dans ce domaine. L’objectif vise à rationaliser, harmoniser et homogénéiser le processus de gestion des risques technologiques et humains en vue de répondre aux exigences exprimées par la nouvelle réglementation nationale et Européenne et en particulier la nouvelle directive de 2016 sur la sécurité ferroviaire. Ces travaux sont actuellement regroupés dans un axe de recherche que nous avons baptisé “AMCER” (Acquisition, Modélisation, Capitalisation et Evaluation des Risques d’accidents ferroviaires). L’axe de recherche “AMCER” s'articule autour de plusieurs projets complémentaires suivants :  Analyse des risques au niveau système : pour l’aide aux analyses préliminaires de risques (APR) ; Analyse des risques au niveau automatismes : pour l’aide aux analyses fonctionnelles de la sécurité (AFS) ; Analyse des risques au niveau logiciel : pour l’aide aux analyses des effets des erreurs du logiciel (AEEL) ; Analyse des risques au niveau Humain : pour l’intégration des facteurs humains dans les analyses de la sécurité ; Analyse des risques au niveau « Retour d’expérience » : pour l’aide aux enquêtes après accidents/incidents ferroviaire et par conséquent systématiser le processus du retour d’expérience ; Analyse au niveau règlementaire : veille juridique et réglementaire (recueil, traitement, capitalisation, diffusion).Ces analyses ont nécessité le recours à des compétences pluridisciplinaires (sciences de l'ingénieur, sciences cognitives, sciences humaines et sociales, informatique et Intelligence artificielle) indispensables pour analyser et évaluer la sécurité, capitaliser et pérenniser les connaissances (retour d’expérience), étudier la traçabilité des méthodes de sécurité, analyser et prévenir les risques d’accidents des systèmes de transports ferroviaires guidés avec des applications et des études de faisabilité à travers des maquettes et prototypes. Le projet de recherche “ AMCER ” a pour ambition d'améliorer l'élaboration et l'évaluation des différentes analyses de sécurité, en traquant l'erreur non seulement au niveau système, matériel et logiciel, mais aussi au niveau humain, selon deux axes d'investigation :1. Un axe méthodologique, en s'interrogeant sur les perfectionnements possibles des démarches usuelles d'analyse des risques et en proposant des méthodes et stratégies d'évaluation de ces analyses en termes de cohérence, de complétude, de traçabilité ;2. Un axe opérationnel, en développant des outils logiciels d'aide à la conception et à l'examen des analyses de risques qui intègrent notamment des systèmes d'acquisition, de modélisation, de capitalisation et d'évaluation de ces analyses.L’objectif de la recherche est triple :1. Capitaliser et pérenniser l'expertise en matière de gestion des risques qui se caractérise par sa rareté, sa vulnérabilité et sa répartition entre les mains de plusieurs acteurs ;2. Systématiser et unifier la démarche usuelle du retour d’expérience ;3. Aider les acteurs impliqués dans le développement, l’exploitation, la surveillance et le retour d’expérience des systèmes de transport ferroviaires et particulièrement les organismes de certification (CERTIFER), l’autorité nationale de sécurité (EPSF), l’organisme d’enquête sur les accidents (BEA-TT) et l’Agence européenne des chemins de fer dans leurs tâches cruciales d'évaluation des études de sécurité.

International audience; Ce papier présente une recherche visant le développement d'un système d'aide à l'évaluation et à la génération de scénarios d'accident pour l'analyse de sécurité des Systèmes de Transport Terrestre Automatisés (S.T.T.A.). L'objectif est de mettre en œuvre une évaluation poussée de la complétude et de la cohérence des scénarios d'accident proposés par les constructeurs susceptible de parfaire l'exhaustivité de l'analyse de sécurité menée par les experts de l'INRETS. Pour atteindre cet objectif, nous avons envisagé une approche "Système à Base de Connaissances" couplée à des techniques d'apprentissage automatique. L'étude approfondie de la notion de scénario d'accident a révélé des incohérences et des manques dans les formes de description de scénarios et surtout une sorte de non adéquation entre l'aspect statique et dynamique de description. La recherche de liens sémantiques directs entre les deux formes de description de scénario a motivé la mise en place d'une ontologie de concepts permettant d 'une part de pallier à cette inadéquation et d 'autre part à renforcer l 'analyse de sécurité.

International audience; Généralement, le processus de construction de la sécurité d'un système, comporte plusieurs analyses de sécurité hiérarchisées. Dans ce processus, l'une des difficultés consiste à s'assurer de l'exhaustivité et de la cohérence des différentes analyses par la recherche des situations contraires à la sécurité non prises en compte lors de l'élaboration du dossier de sécurité. Afin de mieux appréhender ces lacunes nous avons défini un axe de recherche baptisé « AVIS » (Acquisition et Validation des connaissances de Sécurité) qui a pour ambition d'améliorer l'élaboration et l'évaluation des différentes analyses de sécurité, en traquant l'erreur non seulement au niveau système, matériel et logiciel, mais aussi au niveau humain. L'approche suivie pour concevoir et mettre en œuvre l'axe de recherche « AVIS » est centrée sur l'emploi des techniques d'intelligence artificielle (méthodes d'acquisition, de représentation et de validation de connaissances, l'apprentissage symbolique automatique et les systèmes à base de connaissances) et des facteurs humains. Cette étude porte plus précisément sur les thèmes suivants :• Modélisation, capitalisation et validation des connaissances ;• Méthodes et stratégies d’évaluation des études de sécurité au niveau système, matériel et logiciel,• Intégration des facteurs humains et de l’ergonomie dans le processus d’analyse de sécurité et de développement des systèmes de transports guidés.L’ensemble de ces thèmes est actuellement regroupé dans un axe de recherche baptisé « AVIS » qui comporte sept projets de recherche complémentaires :1. Projet SAPRISTI : système expert d’aide à l’analyse préliminaire de risques (APR) ;2. Projet ACASYA : système d'aide à la capitalisation, à la classification, à l'évaluation et à la génération des scénarios d'accidents, basé sur des techniques d’apprentissage automatique ;3. Projet SAUTREL : système d’aide aux analyses des effets des erreurs de logiciels (AEEL) de sécurité basé sur le raisonnement à partir de cas ;4. Projet SASEM : système à base de connaissances pour l'aide à l'analyse des modes de défaillance, de leurs effets et de leur criticité (AMDEC) des équipements matériels ;5. Projet FACTHUS : méthode d'intégration des facteurs humains dans l'analyse de sécurité et le développement des systèmes;6. Projet SPECIALS : méthode de spécification et d'aide à l'évaluation des logiciels critiques de sécurité basée sur l'utilisation des graphes conceptuels de SOWA;7. Projet VALIDE : méthode de validation des connaissances de sécurité.Conformément au processus de construction de la sécurité, ces projets visent l’amélioration des méthodes conventionnelles d’élaboration et d’évaluation de la sécurité au niveau système, matériel et logiciel. L’on remarque dans la figure 1 l’introduction dans ce processus d’un autre niveau d’analyse essentiel pour améliorer la sécurité du système : le niveau humain (Projet FACTHUS). Cette composante liée aux facteurs humains n’est pas encore prise en compte de manière formelle par les industriels dans les activités d’analyse de sécurité et de développement des systèmes de transports guidés. A ce jour, il convient de constater que cette prise en compte des facteurs humains dès la phase de spécification du projet est très rare. Les concepteurs de systèmes ont souvent tendance à penser que l’opérateur humain est le maillon faible de ces systèmes. Cette vision conduit, sinon à l’exclusion de l’opérateur humain, au moins à une restriction de ses marges de manœuvre, par des contraintes procédurales ou par une automatisation poussée. Nos travaux de recherche s’écartent clairement de cette perspective : l’opérateur y est considéré sur ces deux aspects, facteur d’infiabilité mais également de fiabilité. Il faut donc optimiser la place de l’homme dans le système de transport en pleine connaissance de ses capacités mais aussi de ses limites. En somme, il faut intégrer les facteurs humains dès la spécification des besoins et dès la conception du système et enfin concevoir des systèmes qui s’adaptent à l’opérateur humain et non le contraire. Notre contribution à l'amélioration des méthodes usuelles d'analyse et d'évaluation de la sécurité des systèmes de transport guidés, s'est concrétisée par l'élaboration de plusieurs approches et outils d'aide à la modélisation, à la capitalisation et à l'évaluation des connaissances de sécurité. Les outils logiciels développés ont deux principales vocations : d'une part archiver et pérenniser l'expérience en matière d'analyse de sécurité et d'autre part aider les acteurs impliqués dans le développement et la certification des systèmes de transport, dans leurs tâche difficile d'évaluation des études de sécurité. A ce jour, ces outils sont au stade de maquettes dont la première validation montre l'intérêt des approches proposées. Ils requièrent certaines améliorations et extensions afin de pouvoir être non seulement exploitables en milieu industriel, mais aussi adaptables à d'autres domaines où le problème d'examen de la sécurité se pose.

International audience; Le but de ce papier est de présenter le concept de scénario en général et de l’appliquer à l’analyse de la sécurité des systèmes de transport guidés. Nous définissons un scénario comme une succession d’étapes, un concours de circonstances qui décrit une réalisation possible dans l’espace et dans le temps. L’utilité du concept de scénario réside surtout dans son caractère dynamique qui traduit une évolution d’une situation de départ vers une situation finale caractérisant son achèvement.La méthodologie proposée doit être dans un premier temps étayée en rendant plus explicite ses différentes phases. Dans un deuxième temps, cette méthodologie devraient être confortée. Pour cela, une étude ciblée sur les domaines autre que l’analyse de sécurité des systèmes de transport ferroviaire doit être menée. La tâche de vérification et de test ou la tâche de diagnostic pourraient être des champs d’application de la méthodologie de capitalisation. Cette étude permettrait de mieux situer le concept de scénario : de valider le modèle de représentation de scénario proposé et de vérifier sa généralité. Elle permettrait aussi de valider la méthodologie proposée et son applicabilité à plusieurs secteurs d’activité.

International audience; Cet article présente une description générale d'un axe de recherche baptisé "AVIS" qui est en cours de développement. AVIS a pour but d'aider les principaux acteurs impliqués dans le processus de mise en sécurité des automatismes des systèmes de transport terrestre guidés dans leur tâche cruciale d'évaluation des études de sécurité. Ces travaux de recherche reposent en grande partie sur l'emploi des techniques d'intelligence artificielle et notamment sur l'utilisation des méthodes d'acquisition et de modélisation de connaissances, des systèmes à base de connaissances et des méthodes d'apprentissage symbolique automatique.

International audience; L'étude s'inscrit dans le cadre du projet ASCOT-PREDIT et vise le développement d'un système à base de connaissances d'aide à l'examen de la cohérence et de la complétude d'une analyse préliminaire de risques (APR). Cette étude doit permettre de suggérer des risques non pris en compte lors de l'élaboration d'un dossier de sécurité, d'aider à la recherche des mesures préventives les plus adéquates pour se prémunir contre un risque particulier et enfin de proposer une base de risques à partir des systèmes déjà certifiés ou homologués (VAL, MAGGALY, …). Les solutions retenues pour concevoir et mettre en oeuvre cet outil impliquent trois principales étapes : recueil et formalisation des connaissances, constitution d'une base de connaissances et exploitation de cette base par des techniques d'intelligence artificielle pour aider à évaluer l'exhaustivité de l'APR d'un nouveau système. A ce jour, seule la première étape a débouché sur l'élaboration d'un modèle de représentation des APR qui fait l'objet du présent article. Deux grandes parties seront présentées : la première rappelle le but, le principe et la place de l'APR dans le processus de mise en sécurité d'un système de transport guidé. La deuxième partie détaille le formalisme élaboré pour caractériser une APR. Ce formalisme s'articule autour de six paramètres : contexte général d'apparition d'un risque, risques envisagés, éléments dangereux, causes du risque, gravité des conséquences, moyens pour s'en prémunir.

International audience

International audience

This PhD thesis presents a contribution to the improvement of the usual methods of safety analysis used within the framework of the certification of automated transport systems (ATS). The mission of the certification experts consists in assessing the safety character of a new ATSby evaluating the completeness of the accident scenarios envisaged in the manufacturer's safety study. The certification assistance methodology developed is based on the joint and complementary use of knowledge acquisition and machine learning. The method of knowledge acquisition chosen has proved effective in extracting and formalizing historical knowledge from safety analysis but insufficient to acquire in detail the expert certification approach which is highly intuitive and scalable. To fill this gap, our study focused on the use of machine learning techniques. The difficulty of defining and choosing a learning system adapted to the requirements of an industrial application led us to propose a characterization of the learning process. ACASYA is the software environment developed to support the certification assistance methodology. It is made up of two main modules: CLASCA and EVALSCA, respectively dedicated to the classification and evaluation of accident scenarios. CLASCA which we have entirely designed is a symbolic-digital, inductive, incremental, non-monotonous and interactive learning system. EVALSCA, developed around the CHARADE rules learning system, aims to suggest to certification experts possible failures not considered by the manufacturer and likely to jeopardize the safety of a new ATS. To date, ACASYA has proven the interest of the methodology to formalize, exploit and perpetuate the know-how of the certification expert, in order to tend towards the exhaustiveness of the security analysis. In contrast to diagnostic assistance systems, ACASYA can be seen as a tool to help prevent breakdowns, located downstream of conventional forecasting methods of safety analysis., Ce mémoire de thèse de Doctorat présente une contribution à l'amélioration des méthodes usuelles d'analyse de sécurité employées dans le cadre de la certification des systèmes de transport automatisés (STA). La mission des experts de certification consiste à apprécier le caractère sécuritaire d'un nouveau STA en évaluant la complétude des scénarios d'accidents envisagés dans l'étude de sécurité du constructeur. La méthodologie d'aide à la certification développée repose sur l'utilisation conjointe et complémentaire de l'acquisition des connaissances et de l'apprentissage automatique. La méthode d'acquisition de connaissances choisie s'est révélée efficace pour extraire et formaliser les connaissances historiques d'analyse de sécurité mais insuffisante pour acquérir en détail la démarche experte de certification qui est fortement intuitive et évolutive. Pour pallier cette lacune, notre étude s'est orientée vers l'utilisation des techniques d'apprentissage automatique. La difficulté de définir et choisir un système d'apprentissage adapté aux exigences d'une application industrielle nous a conduits à proposer une caractérisation du processus d'apprentissage. ACASYA est l'environnement logiciel développé pour supporter la méthodologie d'aide à la certification. Il est composé de deux modules principaux: CLASCA et EVALSCA, respectivement dédiés à la classification et à l'évaluation des scénarios d'accidents. CLASCA que nous avons entièrement conçu est un système d'apprentissage symbolique-numérique, inductif, incrémental, non monotone et interactif. EVALSCA, développé autour du système d'apprentissage de règles CHARADE, a pour objectif de suggérer aux experts de certification d'éventuelles pannes non considérées par le constructeur et susceptibles de mettre en défaut la sécurité d'un nouveau STA. A ce jour, ACASYA a prouvé l'intérêt de la méthodologie pour formaliser, exploiter et pérenniser le savoir faire de l'expert de certification, en vue de tendre vers l'exhaustivité de l'analyse de sécurité. Par opposition aux systèmes d'aide au diagnostic, ACASYA peut être perçu comme un outil d'aide à la prévention des pannes, situé en aval des méthodes prévisionnelles classiques d'analyse de sécurité.

The article presents the different phases of research intended for the development of a software tool to aid in safety analysis and the certification of Automated Transport Systems (ATS) in order to assess the suitability protective equipment offered. The objective of this tool is, on the one hand, to evaluate the consistency of the accident scenarios proposed by the manufacturers and on the other hand to generate new scenarios likely to help the INRETS-CRESTA certification experts. which must conclude on the degree of safety of a new "STA". Our contribution to the understanding of these objectives made it possible, on the one hand, to define a generic model for the representation of these scenarios and, on the other hand, to develop a methodology for assisting security analysis based on interactive employment knowledge acquisition techniques, symbolic machine learning and knowledge-based systems., L'article présente les différentes phases d'une recherche destiné au développement d'un outil logiciel d'aide à l'analyse de la sécurité ainsi qu'à la certification des Systèmes de Transport Automatisés (STA) afin d'apprécier l'adéquation des équipements de protection proposés. L'objectif de cet outil est, d'une part d'évaluer la consistance des scénarios d’accidents proposés par les constructeurs et d'autre part de générer de nouveaux scénarios susceptibles d'aider les experts de certification de l'INRETS-CRESTA qui doivent conclure sur le degré de sécurité d'un nouveau "STA". Notre contribution à l'appréhension de ces objectifs a permis d'une part de définir un modèle générique de représentation de ces scénarios et d'autre part d'élaborer une méthodologie d'aide à l'analyse de sécurité fondée sur l'emploi interactif des techniques d'acquisition des connaissances, d'apprentissage symbolique automatique et des systèmes à base de connaissances.

International audience; L'exploitation d'un nouveau Système de Transport Terrestre Automatisé (STA) tel que le VAL d'Orly, pose le problème de l'évaluation de son degré de sécurité. Cette tâche est menée actuellement par des spécialistes de l'INRETS appelés "Experts certifieurs". Ceux-ci s'attachent à vérifier la conformité sur le plan de la sécurité d'un nouveau STA. La certification repose sur une analyse profonde des risques d'accidents révélés par des scénarios d'insécurité. Afin d'aider les experts "certifieurs" à apprécier l'adéquation des équipements de protection proposés par les constructeurs, un système logiciel d'aide à l'analyse et l'évaluation de la sécurité des STA a été développé. Cet outil met à contribution deux mécanismes d'apprentissage : CHARADE et CLASCA, en vue de dégager un savoir-faire en certification, à partir des connaissances historiques d'analyse de sécurité détenues par les experts et les constructeurs sur les STA déjà certifiés. CLASCA est un système d'apprentissage inductif, incrémental et interactif permettant la classification des scénarios d'insécurité. Il s'inscrit dans le cadre de l'approche Symbolique/Numérique. Les exemples (scénarios) manipulés sont de nature symbolique. Un exemple est décrit, par une conjonction de paires (Attribut/valeur). Un attribut peut être de type énuméré, continu, multivalué ou ne prendre aucune valeur. La connaissance statique du domaine est décrite par une taxonomie d'accidents impliqués dans les STA. Les connaissances apprises sont des descriptions caractéristiques en "intension" de classes d'exemples qui en constituent l'"extension". La composante numérique est apparue indispensable pour traiter non seulement des connaissances incomplètes et non représentatives du domaine, mais aussi pour améliorer l'efficacité de l'apprentissage. En effet plusieurs critères et fonctions mathématiques sont utilisés pour : (1) rechercher la classe la plus similaire au nouvel exemple selon un critère d'adéquation, (2) assurer l'incrémentalité de l'algorithme par l'ajustement des poids (fréquences) associés à chaque descripteur, (3) garantir la convergence et la stabilité des connaissances apprises, compte tenu du caractère non monotone de CLASCA, (4) éviter tout chevauchement des classes construites (discrimination) et (5) favoriser l'explicabilité des classements obtenus. CLASCA construit incrémentalement des descriptions de classes d'exemples à partir : (1) d'un langage de description contenant un ensemble de descripteurs recensés lors de la phase d'extraction des connaissances auprès des experts certifieurs, (2) d'un ensemble d' exemples d'apprentissage non exhaustif et décrit dans ce même langage, (3) d'une partition de ces exemples en classes préétablies par l'expert, par l'application d'une technique de tri voisine du tri conceptuel. Chaque groupe d'exemples décrit implicitement un problème de sécurité particulier que l'expert chercheà identifier et (4) d'un choix des paramètres d'apprentissage permettant de régler le couple rapidité de convergence/qualité de la description obtenue. CLASCA repose sur les classes préétablies et induit pour chaque classe une description qui d'une part caractérise la partition effectuée par l'expert et d'autre part permet de déduire la classe d'appartenance d'un nouvel exemple. Chaque description est décrite par une conjonction de Triplets : (< Attribut> < Valeur> ). Les principales caractéristiques de CLASCA sont : 1 - l'apprentissage incrémental non monotone tel que l'intégration d'un nouvel exemple au sein d'une classe permet d'en faire évoluer de façon non monotone la description. Les problèmes de convergence et stabilité des connaissances apprises sont assurées moyennant quelques hypothèses. 2 - La coopération avec l'expert du domaine pour : (1) contrôler et valider les connaissances apprises, (2) compléter le langage de description ou la description des exemples, (3) proposer des solutions lorsque CLASCA échoue dans ses tentatives de classification, (4) différer les décisions de CLASCA, (5) maintenir la vigilance de l'expert et améliorer son aptitude à mieux formaliser et structurer ses connaissances. L'évaluation d'un scénario constructeur est réalisée en ayant recours au mécanisme d'apprentissage CHARADE ainsi qu'au générateur de systèmes experts IS2. CHARADE est un système d'apprentissage qui procède par détection de régularité sur un ensemble de scénarios contenant le paramètre "Panne" dans leur description et engendre un système de règles structuré traduisant les fonctions de reconnaissance des pannes. Cette base de connaissances d'évaluation exploitée par le moteur d'inférence d'IS2 fonctionnant en chaînage avant, permet de déduire les pannes envisageables dans le scénario constructeur. Par comparaison avec les pannes qu'il contient réellement, on déduit des pannes susceptibles de mettre en cause la sécurité du système de transport et par conséquent on favorise la génération des situations d'insécurité non prévues par le constructeur. En résumé, CLASCA permet de repérer la classe d'un nouvel exemple de scénario qui après évaluation au sein de cette même classe par CHARADE, IS2 et l'expert, peut devenir un exemple d'apprentissage pour enrichir la base d'apprentissage.

International audience; Cet article expose les différentes phases d'une recherche destiné à la conception d'un outil d'aide ê la certification des Systèmes de Transport Automatisés(STA) afin d'apprécier l'adéquation des équipements de protection proposés. L'objectif visé à travers cet outil est d'une part d'évaluer la consistance des scénarios d'insécurité proposés par les constructeurs et d'autre part de générer de nouveaux scénarios susceptibles d'aider les experts de certification de l'INRETS-CRESTA qui doivent conclure sur le caractère sécuritaire d'un nouveau "STA". Notre contribution à l'appréhension de ces deux objectifs a permis d'une part de définir un modèle de représentation de ces scénarios et d'autre part d'élaborer une méthodologie d'aide ê la certification fondée sur des techniques d'apprentissage symbolique automatique. Un système d'apprentissage inductif conçu à cet effet vise ê rechercher les scénarios similaires issus des "STA" déjà certifiés en les confrontant avec les scénarios proposés par le constructeur pour un nouveau système de transport ou une nouvelle configuration de la ligne. Il s'agit d'un algorithme d'apprentissage par recherche de procédures de classification, qui permet de construire incrémentalement les descriptions des classes de scénarios. Cet algorithme repose sur la définition d'un critère d'adéquation qui permet d'intégrer un nouveau scénario dans une classe existante tout en restructurant cette dernière. NB: Les travaux de recherche présentés dans le cadre de cet article résultant d'une collaboration entre l'INRETS et le LAIH, sont en partie financés par l'INRETS et le Conseil Régional du Nord-Pas de Calais.

International audience; Le travail présenté dans cet article s'inscrit dans le cadre de l'analyse de la sécurité des logiciels critiques dans les transports guidés. Il porte plus précisément sur l'apport du raisonnement à partir de cas à la méthode d'Analyse des Effets des Erreurs du Logiciel (A.E.E.L.). Le principe du raisonnement à partir de cas (Case-Based Reasoning: CBR) consiste à traiter un nouveau problème en se remémorant des expériences passées voisines. L'objectif de cette étude est d'exploiter des A.E.E.L. historiques, menées sur des logiciels déjà certifiés, en vue d'expliquer ou d'évaluer l'exhaustivité, la cohérence et la pertinence de l'A.E.E.L. d'un nouveau logiciel. A ce jour, notre contribution dans le cadre de cette étude a permis : - d'élaborer un modèle de représentation des A.E.E.L.,- de constituer une base de cas (exemples historiques d'A.E.E.L.) à partir de deux systèmes de transport guidés : MAGGALY (métro automatique de Lyon) et TVM-430 (TGV Nord),- de justifier l'intérêt du raisonnement à partir de cas à la méthode d'A.E.E.L.,- et enfin, de proposer une architecture de la maquette (en cours de développement) basée sur le C.B.R., pour aider à la capitalisation et à l'évaluation des A.E.E.L.

International audience

International audience; Diverses recherches en intelligence artificielle (IA) sont menées pour appréhender le problème de transfert d'expertise. On perçoit aujourd'hui deux grandes activités de recherche indépendantes : l'acquisition de connaissances dont le but est de définir des méthodes inspirées notamment du génie logiciel et de la psychologie cognitive pour mieux cerner le transfert d'expertise et l'apprentissage automatique qui propose la mise en œuvre de techniques inductives, déductives, abductives ou par analogie permettant de doter le système de capacités d'apprentissage. Le développement d'un système à base de connaissances « ACASYA » d'aide à l’analyse de la sécurité des systèmes de transport guidés nous a incité à utiliser de façon conjointe et complémentaire ces deux approches. L'objectif de cet outil est, d'une part d'évaluer la complétude et la cohérence des scénarios d'accidents et d'autre part de contribuer à la génération de nouveaux scénarios susceptibles d'aider les experts qui doivent conclure sur le caractère sécuritaire d'un nouveau système. « ACASYA » est composé de trois modules d’apprentissage : CLASCA, EVALSCA et GENESCA, respectivement dédiés à la classification, à l'évaluation et à la génération des scénarios d'accidents.

This dissertation presents a contribution to the improvement of the usual methods of safety analysis used within the framework of the certification of automated transport systems (ATS). The mission of the certification experts consists in assessing the safety character of a new ATS by evaluating the completeness of the accident scenarios envisaged in the manufacturer's safety study. The certification assistance methodology developed is based on the joint and complementary use of knowledge acquisition and machine learning. The method of knowledge acquisition chosen has proved effective in extracting and formalizing historical knowledge from safety analysis but insufficient to acquire in detail the expert certification approach which is highly intuitive and scalable. To fill this gap, our study focused on the use of machine learning techniques. The difficulty of defining and choosing a learning system adapted to the requirements of an industrial application led us to propose a characterization of the learning process.ACASYA is the software environment developed to support the certification assistance methodology. It is made up of two main modules: CLASCA and EVALSCA, respectively dedicated to the classification and evaluation of accident scenarios. CLASCA which we have entirely designed is a symbolic-digital, inductive, incremental, non-monotonous and interactive learning system. EVALSCA, developed around the CHARADE rules learning system, aims to suggest to certification experts possible failures not considered by the manufacturer and likely to jeopardize the safety of a new ATS. To date, ACASYA has proven the interest of the methodology to formalize, exploit and perpetuate the know-how of the certification expert, in order to tend towards the exhaustiveness of the security analysis. In contrast to diagnostic assistance systems, ACASYA can be seen as a tool to help prevent breakdowns, located downstream of conventional forecasting methods of safety analysis.; Ce mémoire présente une contribution à l'amélioration des méthodes usuelles d'analyse de sécurité employées dans le cadre de la certification des systèmes de transport automatisés (STA). La mission des experts de certification consiste à apprécier le caractère sécuritaire d'un nouveau STA en évaluant la complétude des scénarios d'accidents envisagés dans l'étude de sécurité du constructeur. La méthodologie d'aide à la certification développée repose sur l'utilisation conjointe et complémentaire de l'acquisition des connaissances et de l'apprentissage automatique. La méthode d'acquisition de connaissances choisie s'est révélée efficace pour extraire et formaliser les connaissances historiques d'analyse de sécurité mais insuffisante pour acquérir en détail la démarche experte de certification qui est fortement intuitive et évolutive. Pour pallier cette lacune, notre étude s'est orientée vers l'utilisation des techniques d'apprentissage automatique. La difficulté de définir et choisir un système d'apprentissage adapté aux exigences d'une application industrielle nous a conduits à proposer une caractérisation du processus d'apprentissage.ACASYA est l'environnement logiciel développé pour supporter la méthodologie d'aide à la certification. Il est composé de deux modules principaux: CLASCA et EVALSCA, respectivement dédiés à la classification et à l'évaluation des scénarios d'accidents. CLASCA que nous avons entièrement conçu est un système d'apprentissage symbolique-numérique, inductif, incrémental, non monotone et interactif. EVALSCA, développé autour du système d'apprentissage de règles CHARADE, a pour objectif de suggérer aux experts de certification d'éventuelles pannes non considérées par le constructeur et susceptibles de mettre en défaut la sécurité d'un nouveau STA. A ce jour, ACASYA a prouvé l'intérêt de la méthodologie pour formaliser, exploiter et pérenniser le savoir faire de l'expert de certification, en vue de tendre vers l'exhaustivité de l'analyse de sécurité. Par opposition aux systèmes d'aide au diagnostic, ACASYA peut être perçu comme un outil d'aide à la prévention des pannes, situé en aval des méthodes prévisionnelles classiques d'analyse de sécurité.

International audience

International audience

International audience; While the analysis of safety is one of the fundamental tasks involved in making a transport system safe it nevertheless still remains a stumbling block and close scrutiny of the process reveals certain shortcomings:- There is not always agreement regarding the usual methods of safety analysis, and practices sometimes ignore the few theoretical recommendations which exist. As a result, the formats used to present the results of analyses differ greatly from one manufacturer to another;- Finally, the production and appraisal of a safety file are particularly difficult and tedious tasks which are not always backed up by a formalized strategy. The thoroughness and coherence of analyses remain essentially the product of the know-how, intelligence and intuition of experts.In order to gain a better understanding of these shortcomings and attempt, where possible, to remedy them, we have set up a research project named AVIS (Acquisition and Validation of Safety Knowledge). The aim of this project is to improve the production and assessment of the different types of safety analyses by searching for errors at system level and in the hardware and software by following two directions of investigation:- A methodological direction, which attempts to improve the methods which are normally used for safety analyses and suggests methods and strategies for the appraisal of these analyses as regards coherence, completeness and traceability, etc.- An operational direction, which aims to develop software tools to aid in the design and examination of safety analyses. In particular these include systems for the acquisition, modelling, storage and appraisal of these analyses.This paper presents a general description of three mock-ups of tools which are intended to aid in the analysis and investigation of safety. These are:- “SAPRISTI”, for aid in the production and assessment of preliminary hazard analyses ;- “SAUTREL”, for aid in the examination of software error effect analyses ;- “FACTHUS”, for aid the integration of human factors in the experience feedback.; Si l'analyse de la sécurité représente l'une des tâches fondamentales du processus de mise en sécurité d'un système de transport, elle n'en demeure pas moins aujourd'hui la pierre d'achoppement. En effet, l'analyse attentive de ce processus permet d'en révéler certaines lacunes : - Les méthodes usuelles d'analyse de sécurité ne font pas toujours l'objet d'un consensus et les usages sont parfois éloignés des rares recommandations théoriques. De ce fait, les formats de représentation des résultats des analyses sont souvent extrêmement variés d'un constructeur à l'autre ; - L'élaboration et l'évaluation d'un dossier de sécurité sont des exercices particulièrement délicats et fastidieux qui ne sont pas toujours soutenus par une stratégie formalisée. En effet, l'exhaustivité et la cohérence des analyses demeurent essentiellement fondées sur le savoir-faire, l'intelligence et l'intuition des experts du domaine. Afin de mieux appréhender ces lacunes, et de tenter, le cas échéant, de les combler, nous avons défini un projet de recherche baptisé AVIS (Acquisition et Validation des connaissances de Sécurité). Ce projet a pour ambition d'améliorer l'élaboration et l'évaluation des différentes analyses de sécurité, en traquant l'erreur au niveau système, matériel et logiciel, selon deux axes d'investigation : Un axe méthodologique, en s'interrogeant sur les perfectionnements possibles des démarches usuelles d'analyse de sécurité et en proposant des méthodes et stratégies d'évaluation de ces analyses en termes de cohérence, de complétude, de traçabilité ; Un axe opérationnel, en développant des outils logiciels d'aide à la conception et à l'examen des analyses de sécurité qui intègrent notamment des systèmes d'acquisition, de modélisation, de capitalisation et d'évaluation de ces analyses. Cet article propose une description générale de trois maquettes d'outils d'aide à l'analyse et à l'examen de la sécurité : - " SAPRISTI " pour l'aide à l'élaboration et à l'évaluation des analyses préliminaires de risques (APR) ; " SAUTREL " pour l'aide aux analyses des effets des erreurs de logiciels (AEEL) ; " FACTHUS " pour l'aide à l'intégration des facteurs humains dans le retour d'expérience (Rex).

International audience; This paper describes a contribution to improving the usual safety analysis methods used in the certification of railway transport systems. The methodology is based on the complementary and simultaneous use of knowledge acquisition and machine learning. The purpose is contributed to the generation of new accident scenarios that could help experts to conclude on the safe character of a new rail transport system. The method of analysis and evaluation is centered on the summarized failures (SFs) which are involved in accident scenarios capitalized. A summarized failure (SF) is a generic failure produced by the combination of a set of basic failures which has the same effect on the performance of the system. Each scenario brings into play one or more SFs.The purpose is to automatically generate a recognition function for each SF associated with a scenario class. The SF recognition function is a production rule which establishes a link between a set of facts (parameters which describe a scenario or descriptors) and the SF fact. A base of evaluation rules can be generated for each class of scenarios. The SF deduction stage requires a preliminary phase during which the rules which have been generated are transferred to an expert system in order to construct a scenario evaluation knowledge base. The evaluation knowledge base is exploited by forward chaining by an inference engine and generates the summarized failures (SFs) which must enter into the description of the scenario which is to be evaluated.

Therefore, our research work aims at improving the realisation and the assessment of safety analyses :- as regards methods : by considering the possible refinements of conventional safety analyses ; by devising processes to assess the consistency, completeness or traceability, and so on, of these analyses ;- as regards implementation : by designing software to help carry out safety analyses and their examination ; these tools embody acquisition, modelling, accumulation and validation systems., La recherche a pour ambition d'améliorer sensiblement l'élaboration et l'évaluation des différentes analyses de sécurité, en traquant l'erreur au niveau système, matériel, logiciel et humain selon deux axes d'investigation :- Un axe méthodologique, en s'interrogeant sur les perfectionnements possibles des démarches usuelles d'analyse de sécurité et en proposant des méthodes et stratégies d'évaluation de ces analyses en termes de cohérence, de complétude, de traçabilité, …- Un axe opérationnel, en développant des outils logiciels d'aide à la conception et à l'examen des analyses de sécurité qui intègrent notamment des systèmes d'acquisition, de modélisation, de capitalisation et d'évaluation de ces analyses.

Safety analyses and their assessment are among the most fundamental tasks in the design and construction of a transport system. However, a careful analysis discloses weaknesses in these processes :— the terminology and the methodology used in different transport systems may be widely dissimilar ;— there are few standards, especially as far as assessment is concerned, and when they happen to exist, they are seldom taken into account ;— most methods still rely chiefly on the knowledge, the ability and the intuition of the experts of the field.Therefore, our research work aims at improving the realisation and the assessment of safety analyses. In this article, a description of some tools is given., Les analyses de sécurité et leur évaluation font partie des tâches les plus fondamentales de la conception et de la construction d'un système de transport. Cependant, une analyse minutieuse révèle des faiblesses dans ces processus:- la terminologie et la méthodologie utilisées dans les différents systèmes de transport peuvent être très différentes;- il existe peu de normes, notamment en matière d'évaluation, et lorsqu'elles existent, elles sont rarement prises en compte;- la plupart des méthodes reposent encore principalement sur les connaissances, les compétences et l'intuition des experts du domaine.Par conséquent, nos travaux de recherche visent à améliorer la réalisation et l'évaluation des analyses de sûreté. Dans cet article, une description de certains outils est donnée.

International audience

International audience; Généralement, le processus de construction de la sécurité d'un système, comporte plusieurs analyses de sécurité hiérarchisées. Dans ce processus, l'une des difficultés consiste à s'assurer de l'exhaustivité et de la cohérence des différentes analyses par la recherche des situations contraires à la sécurité non-prises en compte lors de l'élaboration du dossier de sécurité. Afin de mieux appréhender ces lacunes nous avons défini un axe de recherche baptisé “ AVIS ” (Acquisition et Validation des connaissances de Sécurité) qui a pour ambition d'améliorer l'élaboration et l'évaluation des différentes analyses de sécurité, en traquant l'erreur non seulement au niveau système, matériel et logiciel, mais aussi au niveau humain. L'approche suivie pour concevoir et mettre en œuvre l'axe de recherche “ AVIS ” est centrée sur l'emploi des techniques d'intelligence artificielle (méthodes d'acquisition, de représentation et de validation de connaissances, l'apprentissage symbolique automatique et les systèmes experts). L’axe de recherche “ AVIS ” est composé de sept projets complémentaires qui ont deux principales vocations : d'une part archiver et pérenniser l'expérience en matière d'analyse de sécurité et de certification qui se caractérise par sa rareté et sa vulnérabilité et d'autre part aider les acteurs impliqués dans le développement et la certification des systèmes de transport, dans leurs tâche pénible d'évaluation du processus de construction de la sécurité.

International audience; Cet article propose une description générale de quatre maquettes d'outils d'aide à l'analyse et à l'examen de la sécurité des systèmes de transport terrestre guidés:- SAPRISTI pour l'aide à l'élaboration et à l'évaluation des analyses préliminaires de risques,- CLASCA pour l'aide à la modélisation, à la capitalisation et à la classification des scénarios d'accidents,- EVALSCA pour l'aide à l'évaluation de la consistance des scénarios d'accidents,- SAUTREL pour l'aide aux analyses des effets des erreurs de logiciels de sécurité.Ces outils dont l'objectif est l'amélioration de la tâche cruciale d'évaluation des analyses de sécurité, reposent en grande partie sur l'emploi des techniques d'intelligence artificielle et notamment sur l'utilisation des méthodes d'acquisition et de modélisation de connaissances, des systèmes à base de connaissances et des méthodes d'apprentissage symbolique automatique.

International audience; La résolution de problèmes dynamiques confronte l’opérateur humain à de nombreuses tâches à forte composante de prise d’information et de décision, sous contrainte temporelle. Si elle requiert des savoirs et des savoir-faire fondamentaux, la résolution de problèmes dynamiques nécessite aussi l’exploitation d’une expertise, à la fois statique et dynamique, trop peu souvent formalisée et capitalisée à des fins, notamment, d’assistance ou de supervision. Une expérience de développement de systèmes d’aide à la résolution de problèmes dynamiques dans plusieurs domaines, notamment dans les domaines de l’analyse sécuritaire (Mejri, 1995), (Mejri et al., 1998), de la fiabilité du logiciel (Hadj-Mabrouk et al, 2000), du web sémantique (Mejri et al., 2008), de l’information multimodale (Mejri et al., 2008) ou du génie logiciel (Kessentini et al. ,2009) nous a amené à spécifier et modéliser un cadre générique de formalisation de l’expertise spatio-temporelle de résolution de problèmes dynamiques baptisé « scénario de résolution de problème » (Mejri et al., 2005). En effet, le problème de l’analyse de sécurité des systèmes de transport automatisés est un problème typique où les experts du domaine proposent des situations d’insécurité potentielles conjointement par des descriptions "statique" et "dynamique".

International audience; Cet article présente une contribution au renforcement des méthodes usuelles d'analyse de la sécurité employées dans le cadre de la certification des systèmes de transport automatisés (STA). La méthodologie d'aide à l'analyse de sécurité développée repose sur l'utilisation conjointe et complémentaire des techniques d'acquisition des connaissances et d'apprentissage automatique. ACASYA est l'environnement logiciel développé pour supporter cette méthodologie. Il est composé de deux modules principaux : "Clasca" et "Evalsca", respectivement dédiés à la classification et à l'évaluation des scénarios d'accidents. "Clasca" est un système d'apprentissage symbolique-numérique, inductif, incrémental, non monotone et interactif. "Evalsca", développé autour du système d'apprentissage de règles "Charade", a pour objectif de suggérer aux analystes d'éventuelles pannes non considérées par le constructeur et susceptibles de mettre en défaut la sécurité d'un nouveau STA. Par opposition aux systèmes d'aide au diagnostic, "Acasya" peut être perçu comme un outil d'aide à la prévention des accidents dès le stade de conception du STA.

International audience; The analysis and assessment of the safety of railway transport systems has shown that the process of transferring expert knowledge to a machine is complex and rarely studied and that the bottle-neck in the development of knowledge based systems (KBS) is not restricted solely to the extraction phase but also involves the characteristics and formalization of knowledge. The modes of reasoning which are used in the context ofsafety analysis and the very nature of knowledge about safety mean that a conventional computing solution is unsuitable and the utilization of artificial intelligence techniques would seem to be more appropriate. Our research has involved three specific aspects of artificial intelligence: knowledge acquisition, machine learning and knowledge based systems (KBS). Development of the knowledge base in a KBS requires the use of knowledge acquisition techniques in order to collect, structure and formalizes knowledge. It has not been possible with knowledge acquisition to extract effectively some types of expert knowledge. Therefore, the use of knowledge acquisition in combination with machine learning appears to be a very promising solution. This paper presents the result of these two research activities which are involved in the methodology of safety analysis of guided rail transport systems

Ce rapport présente, dans le cadre de ma demande d'obtention de l'Habilitation à Diriger des Recherches, mes activités scientifiques, d'expertises, d'enseignement et d'encadrement de la recherche effectuées depuis septembre 1989. D'abord au LAMIH de l'Université de Valenciennes et particulièrement dans l'équipe Informatique Industrielle et Communication Homme-Machine dirigée par le professeur Patrick MILLOT. Ensuite, dans le cadre de ma fonction de Chargé de Recherche à l'INRETS, depuis Janvier 1993, et plus précisément au sein de l'unité de recherche ESTAS (Evaluation des Systèmes de Transport Automatisés et de leur Sécurité) dirigée par Monsieur Gérard COUVREUR. L'objet de ce mémoire est de présenter les travaux réalisés par mes soins ou sous ma responsabilité par des doctorants, des DEA, des DESS et des Ingénieurs, dans le cadre du groupe de recherche que j'ai constitué au sein de l'INRETS-ESTAS sur le thème acquisition, capitalisation et validation des connaissances de sécurité. Ces travaux sont actuellement regroupés dans l'axe de recherche « AVIS » (Acquisition et Validation des connaissances de Sécurité) qui est l'une des composantes du programme de recherche de l'INRETS (Axe 3.13 - Volet 1). Ils s'exercent principalement dans le cadre du programme interministériel de recherche sur les transports PREDIT/ASCOT. Ils sont soutenus notamment par la direction des transports terrestres (DTT) du Ministère des transports et le Groupement Régional de recherche sur les transports du Nord-Pas-de-Calais (GRRT). Le domaine d'application de ces travaux concerne essentiellement la certification d'automatismes des systèmes de transport terrestres guidés. L'originalité de ces travaux réside notamment dans l'utilisation conjointe des méthodes cogniticiennes d'acquisition du savoir-faire des experts du domaine, des méthodes plus formelles d'apprentissage symbolique automatique et des approches d'évaluation de la connaissance (en termes de complétude, de cohérence et de traçabilité). Ces recherches se basent donc sur des concepts et méthodes issus du génie logiciel, des sciences cognitives et de l'intelligence artificielle.Une présentation détaillée des différents thèmes, activités et perspectives de recherche est faite dans la suite de ce mémoire. Le premier chapitre présente ces activités de façon synthétique et fait apparaître mon implication au sein de l'INRETS-ESTAS tant du point de vue expertise et assistance technique que du point de vue administratif, enseignement et recherche (encadrement de thèses et de projets, collaborations,...). Le deuxième chapitre est consacré au contexte de la recherche. Après une présentation rapide de l'INRETS et des principales activités du département ESTAS, il aborde successivement le cadre de notre recherche, le processus de développement, de validation, d'homologation et de certification d'un système, le processus de mise en sécurité des automatismes d'un système de transport guidé, les principales motivations de nos travaux de recherche, les techniques et méthodes mises en oeuvres pour atteindre ces objectifs, les organismes demandeurs qui financent nos travaux, les moyens humains et enfin les principales composantes de l'axe de recherche « AVIS » (Acquisition et Validation des connaissances de Sécurité). Le troisième chapitre détaille mes activités de recherche qui se sont déroulées au sein de l'unité de recherche ESTAS de l'INRETS. Ces contributions résultent du travail de l'équipe que j'ai constituée pour le développement de l'axe de recherche « AVIS » qui s'articule autour de sept projets complémentaires détaillés tout au long de ce chapitre. Pour chacun de ces projets, on indique le contexte général de l'étude, la problématique scientifique, les motivations, les techniques et méthodes mises en oeuvre, l'application réalisée et les résultats obtenus. Enfin, le dernier chapitre précise les perspectives envisagées pour les projets évoqués tout au long de ce mémoire ainsi que les nouveaux projets récemment mis en place.

1. Veille scientifique et positionnement de la recherche dans le contexte national et Européen ;2. Projet scientifique "AMCER" ;3. Travaux actuels et perspectives.

International audience; One of the research activities which is currently in progress at the French institute lFSTTAR relates to the certification of automated public transport systems and the safety of digital control systems. As part of its missions of expertise and technical assistance, IFSTTAR evaluates the files of safety of guided transportation systems. These files include several hierarchical analysis of safety such as the preliminary analysis of risks (PAR), the functional safety analysis (FSA), the analysis of failure modes, their effects and of their criticality (AFMEC) or analysis of the impact of the software errors. These analyses are carried out by the manufacturers. It is advisable to examine these analyses with the greatest care, so much the quality of those conditions, in fine, the safety of the users of the transport systems. In this process of analysis and assessment of the safety of a rail transportation system, one of the difficulties is to ensure the completeness of the accident scenarios taken into account by all the actors involved in the development of the system. Our study took place within this context and aimed to design and create a software tool to aid safety analysis in order to appraise the suitability of proposed protection equipment. The purpose of this tool is to evaluate the completeness and consistency of the accident scenarios which have been put forward by the manufacturers and to play a role in generating new scenarios which could be of assistance to experts who have to reach a conclusion regarding the safety a new rail transport system. The approach which was adopted in order to design and implement an assistance tool for safety analysis involved the following two main activities:- Extracting, formalizing and storing hazardous situations to produce a library of standard cases which covers the entire problem. This process entailed the use of knowledge acquisition techniques,- Exploiting the stored historical knowledge in order to develop safety analysis know-how which can assist experts to judge the thoroughness of the manufacturer’s suggested safety analysis. This second activity involves the use of machine learning techniques and expert system.This paper presents these two activities which are involved in the methodology of assessing the safety of rail transport

International audience; Cet article présente une étude de faisabilité d'un système à base de connaissances pour l'aide à la certification des Systèmes de Transport Terrestre Automatisé (STA). L'étude nous a conduit à introduire conjointement des techniques d'acquisition de connaissances et d'apprentissage symbolique-numérique. L'approche développée met à contribution deux mécanismes d'apprentissage : CHARADE /GANA 87/ et CLASCA /HADJ 91/, pour dégager un savoir-faire en certification, à partir d'exemples de scénarios historiques d'analyse de sécurité détenus par les experts de certification et les constructeurs sur les "STA" déjà certifiés. Cette recherche est soutenue par une bourse de doctorat cofinancée par la Région Nord-Pas de Calais et l'INRETS. Elle résulte d'une collaboration entre l'INRETS-CRESTA et le LAIH de l'Université de Valenciennes dans le cadre du GRRT (Groupement Régional pour la Recherche dans les Transports).

International audience; Ce papier présente une étude bibliographique des diverses méthodes, techniques et systèmes d'apprentissage automatique. Le but est de montrer dans quelle mesure les travaux effectués dans ce domaine ont pu contribuer au développement de deux outils d'apprentissage "Clasca" et "Evalsca" dédiés respectivement à la classification et à l'évaluation des scénarios contraires à la sécurité. L'objectif visé est d'alléger la tâche du spécialiste préposé à l'examen de la complétude et de la cohérence des analyses de sécurité des systèmes de transport terrestres guidés.

International audience