Résumé Dans le domaine de l`Intelligence Artificielle, la

Résumé
Dans le domaine de l’Intelligence Artificielle, la problématique de la représentation
des connaissances incertaines et du raisonnement constitue un pôle important. Issue de
la théorie des possibilités, développée par Dubois et Prade, la logique possibiliste se
propose de prendre en compte l’incertitude dont sont entachées les connaissances.
Avec l’avènement du paradigme multi-agents, il s’est avéré naturel et nécessaire de
développer une logique possibiliste afin de prendre en compte des croyances partagées
par un ensemble d’agents.
Sur le plan de la représentation, cette thèse propose dans un premier temps une
extension multi-agents de la logique propositionnelle. La logique multi-agents a pour
but de modéliser les croyances d’un ensemble d’agents. Dans un second temps, une
autre extension dans le cadre de la logique possibiliste collective graduée est proposée.
Cette deuxième extension, nomée logique possibiliste multi-agents, permet de décrire
les croyances graduées d’un sous-ensemble d’agents.
Du point de vue du raisonnement, un algorithme de réfutation par résolution pour
une base de connaissances multi-agents a été développé. Ce dernier est une adaptation
de l’algorithme A ∗ . Un algorithme d’inférence pour la logique possibiliste multi-agents
est aussi développé. Ce dernier est une généralisation de l’algorithme d’inférence de la
logique multi-agents. Les deux algorithmes proposés ont été mis en oeuvre et une étude
expérimentale a été ensuite menée. Les résultats ont été très prometteurs en utilisant
différentes tailles d’instances des connaissances.