Search

Dans cet article, nous mettons en regard des travaux d’agronomes, portant sur l’organisation des territoires d’exploitations agricoles, avec une méthode de modélisation développée en intelligence artificielle le raisonnement à partir des cas. Nous essayons de montrer, à travers l’exemple du projet ROSA, que la rencontre de ces deux domaines peut s’avérer fructueuse, tant pour l’agronomie, à la recherche de méthodes qualitatives d’appréciation de la complexité, que pour l’informatique, confrontée à des problématiques nouvelles. En particulier, nous soulignons que cette rencontre conduit à un processus concret d’élaboration conjointe de connaissances. This paper brings together the work of agronomists, dealing with the organization of farming territories, with a modelling method developed in artificial intelligence, namely the case-based reasoning. We try to show, through the example of the ROSA project, that the meeting of these two research fields can be profitable, as well for agronomy, searching for qualitative methods in order to better appreciate complexity, as for computer science, confronted with new modelling problems. In particular, we stress that this meeting led to a concrete process of joint knowledge building. En este articulo, se relacionan trabajos de agrónomos sobre la organización territorial de explotaciones con un método de modelización desarrollado en inteligencia artificial, el razonamiento basado en casos. Se trata de demostrar a través del ejemplo del proyecto ROSA, que el encuentro de esos dos campos de investigación, la agronomía y la informática, puede revelarse fructífero, tanto para la agronomía, en la búsqueda de métodos cualitativos de apreciación de la complejidad, como para la informática, enfrentándose a problemáticas nuevas. En particular, se enfatiza que este encuentro conduce a un proceso concreto de elaboración conjunta de conocimientos.

*. 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.

Case-Based Reasoning is a reasoning model for problem resolution by reusing the experience of previously solved problems, called source cases. The solution given by a source case cannot always be applied directly to a target case, it may need to be adapted. We focus in this thesis on an adaptation approach defined thanks to belief revision. The belief revision theory deals with the changes to apply to some initial knowledge in order to integrate possibly conflicting new knowledge. For both adaptation and belief revision, the changes are minimal. This parallel between adaptation and revision enables the adaptation process to benefit from the logical formalisation of belief revision. The definition of adaptation by revision aims at providing a formal framework to adaptation. For this purpose, we define revision operators in useful formalisms for case-based reasoning : a revision operator in attributes-simple values and an operator in an expressive description logic (ALC ). We show as well that several adaptation approach previously defined could be expressed as adaptation by revision. In addition we consider generalising the adaptation by revision to a case combination that takes into account more than one source case to solve a problem. This approach to case combination is defined thanks to integrity constrains belief merging that generalises belief revision. These results were applied in the cooking recipe elaboration system Taaable for ingredient quantities adaptation; Le raisonnement à partir de cas est un modèle de raisonnement dont le but est de résoudre des problèmes à partir de l'expérience de résolution de problèmes connus, appelés cas sources. Une solution tirée d'un cas source peut ne pas être applicable directement au problème traité, il faut alors l'adapter. Nous nous intéressons dans cette thèse à une approche de l'adaptation qui s'appuie sur la théorie de la révision des connaissances. La révision des connaissances consiste à modifier des connaissances initiales pour prendre en compte de nouvelles connaissances avec lesquelles elles peuvent être en contradiction. Comme pour l'adaptation, les modifications apportés aux connaissances sont minimales. Ce rapprochement entre adaptation et révision permet de s'appuyer sur la formalisation logique de la révision pour donner un cadre formel à l'adaptation. Dans ce but nous définissons des opérateurs de révision dans des formalismes utiles au raisonnement à partir de cas : dans un formalisme attributs-valeurs simples et dans une logique de descriptions expressive (ALC). Nous montrons aussi que plusieurs approches de l'adaptation précédemment définies peuvent être mises sous la forme d'adaptation par la révision. Nous considérons aussi une extension de l'adaptation par la révision à une combinaison de cas où ce n'est plus un seul mais plusieurs cas sources qui sont exploités pour résoudre un problème. Cette approche de combinaison de cas s'appuie sur la fusion contrainte de connaissances qui généralise la révision. Ces travaux ont été appliqués dans le système d'élaboration de recettes de cuisine Taaable pour l'adaptation des quantités d'ingrédients suivant le modèle de l'adaptation par la révision

Case-Based Reasoning is a reasoning model for problem resolution by reusing the experience of previously solved problems, called source cases. The solution given by a source case cannot always be applied directly to a target case, it may need to be adapted. We focus in this thesis on an adaptation approach defined thanks to belief revision. The belief revision theory deals with the changes to apply to some initial knowledge in order to integrate possibly conflicting new knowledge. For both adaptation and belief revision, the changes are minimal. This parallel between adaptation and revision enables the adaptation process to benefit from the logical formalisation of belief revision. The definition of adaptation by revision aims at providing a formal framework to adaptation. For this purpose, we define revision operators in useful formalisms for case-based reasoning : a revision operator in attributes-simple values and an operator in an expressive description logic (ALC ). We show as well that several adaptation approach previously defined could be expressed as adaptation by revision. In addition we consider generalising the adaptation by revision to a case combination that takes into account more than one source case to solve a problem. This approach to case combination is defined thanks to integrity constrains belief merging that generalises belief revision. These results were applied in the cooking recipe elaboration system Taaable for ingredient quantities adaptation, Le raisonnement à partir de cas est un modèle de raisonnement dont le but est de résoudre des problèmes à partir de l'expérience de résolution de problèmes connus, appelés cas sources. Une solution tirée d'un cas source peut ne pas être applicable directement au problème traité, il faut alors l'adapter. Nous nous intéressons dans cette thèse à une approche de l'adaptation qui s'appuie sur la théorie de la révision des connaissances. La révision des connaissances consiste à modifier des connaissances initiales pour prendre en compte de nouvelles connaissances avec lesquelles elles peuvent être en contradiction. Comme pour l'adaptation, les modifications apportés aux connaissances sont minimales. Ce rapprochement entre adaptation et révision permet de s'appuyer sur la formalisation logique de la révision pour donner un cadre formel à l'adaptation. Dans ce but nous définissons des opérateurs de révision dans des formalismes utiles au raisonnement à partir de cas : dans un formalisme attributs-valeurs simples et dans une logique de descriptions expressive (ALC). Nous montrons aussi que plusieurs approches de l'adaptation précédemment définies peuvent être mises sous la forme d'adaptation par la révision. Nous considérons aussi une extension de l'adaptation par la révision à une combinaison de cas où ce n'est plus un seul mais plusieurs cas sources qui sont exploités pour résoudre un problème. Cette approche de combinaison de cas s'appuie sur la fusion contrainte de connaissances qui généralise la révision. Ces travaux ont été appliqués dans le système d'élaboration de recettes de cuisine Taaable pour l'adaptation des quantités d'ingrédients suivant le modèle de l'adaptation par la révision

International audience; Le processus de construction de la sécurité d'un système de transport ferroviaire guidé fait intervenir trois grandes activités d’analyses de sécurité : analyse au niveau système, analyse au niveau logiciel et analyse au niveau matériel. Notre recherche s'inscrit dans le cadre de l'analyse de sécurité des logiciels et porte plus précisément sur la méthode d'Analyse des Effets des Erreurs du Logiciel (AEEL). L’objectif de l’étude est le développement d'un outil logiciel baptisé « SAUTREL » basé sur une méthode d’apprentissage automatique (raisonnement à partir de cas) afin d’aider les experts en matière de sécurité et de certification a juger l'exhaustivité et la cohérence des AEEL critiques d’un nouveau système de transport ferroviaire guidé. Le principe du raisonnement à partir de cas (ou Case-Based Reasoning : C.B.R.) 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. À ce jour, les principaux résultats obtenus sont les suivants : Un formalisme de représentation des fiches AEEL ; Une base de 250 cas d’AEEL issue des travaux de recueil et de modélisation des connaissances de deux systèmes de transport guidés déjà certifiés (TVM 430 du TGV Nord et MAGGALY de Lyon) ; Une maquette de faisabilité « SAUTREL » d’aide à la capitalisation et à l’évaluation des AEEL basée sur le raisonnement à partir de cas.

National audience; Dans cet article, nous mettons en regard des travaux d'agronomes, portant sur l'organisation des territoires d'exploitations agricoles, avec une méthode de modélisation développée en intelligence artificielle, le raisonnement à partir des cas. Nous essayons de montrer, à travers l'exemple du projet Rosa, que la rencontre de ces deux domaines peut s'avérer fructueuse, tant pour l'agronomie, à la recherche de méthodes qualitatives d'appréciation de la complexité, que pour l'informatique, confrontée à des problématiques nouvelles. En particulier, nous soulignons que cette rencontre conduit à un processus concret d'élaboration conjointe de connaissances.

As a young discipline at the junction of computer science, artificial intelligence and cognitive sciences, knowledge engineering aims at modelling knowledge of a specific domain to operationalise them in a computer system. To this end, it offers theoretical tools, models and empirical methodologies to support knowledge sharing between the user and the system. The work developed here is related to knowledge engineering of a particular type of system: case-based reasoning systems (CBR). A CBR system assists a user in his problem solving task by retrieving a previous successful problem solving experience and by adapting it to the current situation. In this work, we are mainly interested in the interacting system "user - CBR tool". The main research question we address here can be formulated as: what methods and tools have to be developed to support knowledge acquisition in the learning system "user - CBR tool". This issue raises the question of the knowledge of the reasoning process and leads to an analysis at the knowledge level of CBR systems. Another part of the analysis aims at studying the interactions between the user and the CBR tool during the problem solving phases. These aspects are studied at several levels in the different contributions presented in this thesis. Our different experiences and experiments lead us to propose, as a first contribution, a formalisation at general level of interactive knowledge learning in CBR (FIKA). This formalisa- tion relies on the reasoning failures which, as they allow to highlight the gaps in the available knowledge, are used to guide the learning process. Two extensions of this general model have been proposed: IAKA and FRAKAS. IAKA refines the principles proposed in FIKA to permit their immediate implementation in a particular type of system where knowledge can be represented according to a given model (cases and adaptation knowledge in the form of adaptation operators). These principles have been implemented and experimented with in an application developed exclusively for this purpose. FRAKAS proposes similar methods and tools for another type of system where domain knowledge is used to guide adaptation. As for these principles, they have been implemented in a prototype inspired by a real world application. We have conducted a study of strengths and limits of FRAKAS and IAKA and we have investigated possible ways to combine them. A first practical implementation has been made in a CBR application allowing the adaptation of cooking recipes, the project TAAABLE., Jeune discipline à la croisée de l'informatique, de l'intelligence artificielle et des sciences cognitives, l'ingénierie des connaissances vise à modéliser les connaissances d'un domaine pour les opérationnaliser dans un outil informatique. Pour cela, elle propose des outils théoriques, des modèles et des méthodologies empiriques pour instrumenter les systèmes et permettre l'échange de connaissances entre l'utilisateur et l'outil informatique. Le travail développé ici traite de l'ingénierie des connaissances d'une catégorie de systèmes en particulier : les systèmes de raisonnement à partir de cas (RÀPC). Un système de RÀPC assiste un utilisateur dans sa tâche de résolution de problème en lui proposant une adaptation à la situation courante d'une précédente expérience. C'est en particulier au système en interaction "utilisateur - outil de RÀPC" que nous nous intéressons ici. La problématique étudiée peut donc être exprimée ainsi : quelles méthodes et outils développer pour instrumenter efficacement le système apprenant "utilisateur - outil de RàPC" ? Cette problématique soulève un questionnement sur les connaissances du raisonnement et conduit à une analyse au niveau connaissance de tels systèmes. Un autre volet d'analyse porte sur les interactions entre l'utilisateur et l'artefact informatique pendant les phases de résolution de problème. Ces aspects sont étudiés à plusieurs niveaux dans les différentes contributions présentées dans cette thèse. Nos différentes expériences et expérimentations nous ont conduits à proposer, comme première contribution, une formalisation à un niveau général de l'apprentissage interactif de connaissances en RÀPC (FIKA). Cette formalisation repose sur les échecs de raisonnement qui, puisqu'ils permettent de mettre en évidence les lacunes dans les connaissances disponibles, sont utilisés pour guider le processus d'apprentissage. Deux extensions de ce modèle général ont été proposées : IAKA et FRAKAS. IAKA raffine les principes proposés par FIKA pour permettre leur mise en ?uvre immédiate dans une certaine catégorie de systèmes où les connaissances peuvent être représentées selon un modèle donné (cas et connaissances d'adaptation représentées par des opérateurs d'adaptation). Ces principes ont été implantés et expérimentés dans une application développée à des seules fins expérimentales. FRAKAS propose des méthodes et outils similaires pour une autre catégorie de systèmes ou les connaissances du domaines sont utilisées pour guider l'adaptation. Ces principes ont, quant à eux, été implantés dans un prototype inspiré d'une application réelle. IAKA et FRAKAS, les deux extensions de l'approche FIKA, présentent des forces et des limites, une réflexion quant à leur intégration possible à donc été menée. Une première tentative pratique d'intégration a été mise en ?uvre dans une application de RÀPC permettant l'adaptation de recettes de cuisine : le logiciel TAAABLE.

International audience; L’analyse, l'évaluation et l’exploitation des connaissances de sécurité représentent les tâches fondamentales du processus de retour d’expérience (Rex) d'un système de transport ferroviaire guidé, elle n'en demeure pas moins aujourd'hui le "goulet d'étranglement". En effet, la capitalisation et l’exploitation des connaissances de sécurité se révèlent être des exercices particulièrement délicats et fastidieux qui ne sont pas toujours soutenus par une stratégie formalisée. Afin de rationaliser et renforcer le processus du retour d’expérience, la recherche a pour ambition d'améliorer sensiblement les activités d’analyse et d’exploitation des différentes études de sécurité, en traquant l'erreur au niveau système, matériel, logiciel et humain. L'approche retenue pour atteindre ces objectifs repose en grande partie sur l'emploi des techniques d'intelligence artificielle et notamment sur l'utilisation des méthodes d'acquisition et de modélisation des connaissances, des systèmes à base de connaissances et des méthodes d'apprentissage automatique (notamment le raisonnement à partir de cas). Cet article propose une description détaillée de deux outils complémentaires d'aide à l’exploitation du retour d’expérience dans les transports ferroviaires guidés:- “ ACASYA ” : Système d'aide à la capitalisation et à l’exploitation des scénarios d'accidents, basé sur des techniques d’apprentissages inductives ;- ”SAUTREL ” : Système d’aide à la capitalisation et à l’exploitation des analyses des effets des erreurs de logiciels de sécurité, basé sur le raisonnement à partir de cas.

International audience; AI-Virtual Trainer (AI-VT) is an educative system based on artificial intelligence. AI-VT proposes varied and personalised questions to train to acquire any skill. AI-VT has been performed in order to help students with high difficulty in acquiring competences in the field of algorithm. AI-VT is designed to select gradual sets of appropriate and connected questions adapted to the trained skill.; AI-Virtual Trainer (AI-VT) est un système d'aide à l'apprentissage basé sur l'intelligence artificielle proposant des exercices variés et personnalisés pour l'acquisition de compétences. AI-VT a été conçu pour des étudiants en difficulté devant s'entrainer à la conception d'algorithmes. AI-VT est conçu pour sélectionner des énoncés liés à une compétence choisie, personnalisés et à difficulté graduelle.

International audience; Malgré l'intérêt indéniable des méthodes conventionnelles d'analyse et d’évaluation de la sécurité des systèmes de transports ferroviaires, l'exhaustivité de l'analyse demeure essentiellement fondée sur le savoir-faire, l'intelligence et l'intuition de l'expert humain. Or, une étude attentive des mécanismes de raisonnement de l'expert, de ses stratégies et heuristiques de résolution de problème, montre qu'il fait principalement intervenir des données symboliques, évolutives, qualitatives et qu'il fait simultanément appel à des inférences de type inductif, déductif, par analogie. Ce constat nous a conduit à recourir aux techniques d'intelligence artificielle afin de systématiser la démarche des experts et par conséquent de renforcer les méthodes usuelles d'analyse de sécurité. L’objectif consiste d'une part à modéliser, capitaliser 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 (entreprise ferroviaire, gestionnaire d’infrastructure, autorité de sécurité, organisme de certification…), dans leurs tâche pénible d'évaluation de la complétude et de la cohérence des études de sécurité.

International audience; L’une des méthodes les plus appliqués lors de l’analyse de sécurité au niveau logiciel d’un système de transport ferroviaire guidé, est celle d’Analyse des Effets et Erreurs du Logiciel (A.E.E.L.). Néanmoins, la vérification de l’exhaustivité et de la cohérence des AEEL représente, pour les experts de certification, une tâche fastidieuse. Dans ce contexte, notre étude vise le développement d’un outil logiciel baptisé « SAUTREL », basé sur le raisonnement à partir de cas, dont le but est d'exploiter les A.E.E.L. historiques, menées sur des logiciels déjà certifiés, en vue d'évaluer l'exhaustivité, la cohérence et la pertinence de l'A.E.E.L. d'un nouveau logiciel.

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.

La mise en service d'un nouveau système de transport ferroviaire guidé ou automatisé nécessite une analyseapprofondie de toutes les méthodes, techniques, procédures, réglementations et normes de sécurité pour garantirque le "niveau de risque" du futur système ne présente aucun danger susceptible de compromettre la sécurité desvoyageurs. Parmi les nombreuses méthodes de sécurité mises en œuvre pour garantir la sécurité des logiciels, ilexiste une méthode appelée "Analyse des erreurs et des effets de logiciels (AEEL)" ou "Software Error EffectAnalysis (SEEA)" dont l'objectif est de déterminer la nature et la gravité des conséquences des panneslogicielles, de proposer des mesures pour détecter les erreurs et enfin pour améliorer la robustesse dulogiciel. Afin de renforcer et de rationaliser cette méthode AEEL, nous avons convenu d’utiliser des techniquesd'apprentissage automatique et en particulier le raisonnement basé sur des cas (ou Case-Based Reasoning : CBR)afin d'assister les experts en certification dans leur tâche difficile d’évaluation de l’exhaustivité et de lacohérence des études de sécurité des équipements logiciels critiques. L'objectif principal consiste, à partir d'unensemble de données sous forme de scénarios d'accidents ou d'incidents vécus sur les systèmes de transportferroviaire (retour d'expérience), d'exploiter par apprentissage automatique cette masse de données pour stimulerl'imagination des experts en certification et les accompagner dans leur tâche cruciale de recherche de scénariosd'accidents potentiels non pris en compte lors de la phase de conception d'un nouveau logiciel critique.L'originalité de l'outil développé réside non seulement dans sa capacité à modéliser, capitaliser, pérenniser etdiffuser l'expertise en AEEL, mais il représente la première recherche sur l'application du CBR au SEEA. Eneffet, dans le domaine du transport ferroviaire, il n'existe pas actuellement des outils logiciels d'aide aux AEELbasés sur des techniques d'apprentissage automatique et en particulier basés sur le CBR.

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.