Un système expert est un outil d’IA élaboré de manière à pouvoir reproduire les connaissances d’un spécialiste humain. Il se sert pour cela d’un ensemble de règles et de faits avérés et connus dans un domaine bien déterminé. Il recourt aussi à un moteur d’inférence ou un logiciel ressemblant à un algorithme de simulation de raisonnements déductifs.

Définition de système expert

Un système expert est un outil conçu pour imiter le raisonnement d’un expert humain dans un domaine bien précis. Pour cela, il reproduit les mécanismes cognitifs du spécialiste en raisonnant selon des faits connus et des règles préalablement fixées ou imposées. À partir de là, il peut expliquer, déduire et tirer des conclusions sur la ou les manières avec lesquelles il a obtenu ses résultats.

Les informaticiens Edward Feigenbaum et Bruce Buchanan, le médecin Joshua Lederberg et le chimiste Carl Djerassi ont conjointement inventé le premier système expert. Appelé Dendral, ce 1er système expert pouvait identifier les éléments chimiques d’une matière via des résultats de spectrométrie de masse et de résonnance magnétique nucléaire.

Le développement d’un système expert

La conception d’un système expert se fait à partir d’un transfert de connaissances. Durant cette procédure, le spécialiste de l’IA va transposer les connaissances d’un expert humain dans le système. Pour y arriver, il choisit expressément une méthode de transfert d’expertise qui intègre :

- l’analyse du protocole,

- le diagnostic,

- le contrôle du processus, etc.

Il traduit ensuite sous forme informatique ces connaissances transférées.

Le rôle du moteur d’inférence dans un système expert

Un système expert se base sur un moteur d’inférence pour pouvoir raisonner de manière logique. C’est celui même qui met en pratique des règles prédéfinies sur des faits afin d’en tirer de nouvelles données. Le système expert se sert de 3 méthodes de fonctionnement pour y arriver.

Il peut par exemple compter sur une méthode de déduction, un moteur d’inférence à « chaînage avant » qui applique des règles en partant des prémisses afin d’en tirer de nouvelles informations.

Il peut aussi se baser sur le moteur d’inférence à « chaînage arrière », en partant des objectifs ou des nouvelles données à atteindre afin de trouver les règles qui permettent d’y arriver.

Le système expert peut également compter sur le moteur d’inférence à « chaînage mixte » ou qui combine les 2 précédentes méthodes.

Un système expert permet d’exposer le raisonnement dont on s’est servi pour arriver à une réponse précise. Il nécessite pour cela une forme de traçabilité des raisonnements cognitifs utilisés.

Certains cas d’utilisation de système expert

Actuellement, de nombreux secteurs d’activité s’aident surtout de systèmes experts pour prendre leurs décisions. C’est le cas du domaine médical ou de celui de la sécurité informatique, le système expert leur servant dans leur diagnostic. Le secteur financier l’utilise également pour :

- déceler des tentatives de fraude,

- calculer les risques des crédits à la consommation,

- prévoir les éventuelles évolutions des marchés…

Les gérants d’entreprises y ont aussi recours pour connaître d’avance leurs besoins en ressources humaines ou autres.

La différence entre système expert et machine learning

Si le système expert sert surtout à résoudre des problèmes, le machine learning, lui, est un moyen d’apprentissage.

Le rôle principal d’un système expert est de reproduire les mécanismes cognitifs d’un expert suivant des règles bien définies. Celui du machine learning est d’apprendre automatiquement ou d’améliorer ses propres capacités à résoudre des tâches même s’il n’est pas expressément développé pour cela.

Quoi qu’il en soit, système expert comme machine learning ont besoin d’immenses volumes de données pour assurer leurs fonctions respectives.