B-ADSc, Bucki-Analyse Décisionnelle des Systèmes complexes
B-ADSc (Bucki-Analyse Décisionnelle des
Systèmes complexes) est une méthode à double boucle (ou double récursivité) qui
s’inscrit dans le courant de pensée systémique.
Dans la littérature
(voir par exemple http://fr.wikipedia.org/wiki/Organisation_apprenante),
ces approches sont considérées comme étant les seules permettant l’apprentissage.
En effet, pour apprendre il ne s’agit pas uniquement de détecter un problème et
de le corriger (simple boucle), mais de modifier en parallèle ses objectifs et
sa façon de penser ou de faire.
Historiquement et épistémologiquement, B-ADSc ne se rattache pas
à la mouvance ‘behavioriste’ (comportementaliste), mais cybernétique (ou cognitiviste). Selon ce courant, le comportement
intelligible d’un ‘agent’ (ou activité) est à la fois inné et acquis ;
et, selon certaines branches de ce courant, s’agissant de l’acquis,
l’apprentissage est un mécanisme d’adaptation perpétuel, issu de l’expérience.
Enfin, toujours selon ce modèle cybernétique, le comportement intelligible de
l’agent modifie nécessairement son entourage (idem physique quantique
).

En cybernétique, on distingue habituellement 3 approches
classiques et complémentaires du fonctionnement cérébral (source J.
Bucki) :
1-
Isomorphie « fonctionnement
cerveau » / ordinateur
On trouve essentiellement dans cette catégorie l’IA à base d’algorithmes,
la programmation procédurale (PASCAL,
FORTRAN, langages de script, …), etc.
2-
D’autres approches prennent en compte le fonctionnement dans un
contexte ouvert, incertain ou changeant
Ces approches sont bien adapté à la maintenance, la prédiction,
l’aide à la décision ou au diagnostic… mais le sont moins pour le pilotage
opérationnel de systèmes critiques (forte prise en compte de la ‘sûreté de fonctionnement’).
En effet, les bases de connaissance utilisées (voir ci-dessous) sont
subjectives, non contextuelles, et il y a souvent impossibilité de démontrer
leur cohérence. Voir à ce sujet les travaux de H. Simon (Théorie de la rationalité limitée), Newell …
Dans cette catégorie, on trouve :
·
L’IA à base de connaissance
o Un logiciel peut,
par exemple, s’appuyer sur 3 sources externes :
§ Bases
de connaissances (origine = experts, les utilisateurs via l’ergonomie
cognitive …)
§ Moteurs
d’inférences (à partir de connaissances explicites, déduire des
connaissances implicites : mise en œuvre logique de 1er ordre, 2nd / théorie
des ensembles, logique d’ordre supérieur ou 3ème ordre, récursivité, chainage
avant / arrière) …
§ Bases
de faits : occurrences (évènements)
·
La programmation de « systèmes experts » (arbres de
connaissance, systèmes multi-agents, matrices à propagation de
contraintes …)
3-
En sus des points précédents, la prise en compte de l’auto
apprentissage et de l’auto organisation
Cette prise en compte permet de pallier l’impossibilité de
démontrer la cohérence des bases de connaissance, notamment d’éviter
l’antinomie des éléments de la base de connaissance qui peut impacter les
résultats des moteurs d’inférences. La notion d’auto-organisation est très liée
au phénomène « d’émergence », terme
important en systémique / sciences
de la complexité. Citons ici les travaux de Jean Piaget, d’Herbert Simon, d’Edelman, Jens Rasmussen, et Janusz
Bucki (le concepteur de B-ADSc) …
De façon très grossière, les concepts généraux communs à ces
travaux sont :
·
L’organisation est une structure adaptative, qui connait
un apprentissage perpétuel : externe (voir ci-dessus), mais aussi
interne (auto-apprentissage)
·
Elle s’attache (i.e. dépense son énergie) à trouver en
permanence un équilibre cognitif, selon ses objectifs propres et/ou ceux
qui lui sont délégués, et les moyens dont elle dispose
·
Pour cela elle résout les problèmes qu’on lui transmet ou
qu’elle identifie, de façon autoréférentielle, dans une succession d’états
donnés :
o Soit
via la perception de changements externes, ou écarts
o Soit
via la perception de modifications internes, ou écarts
o En
sollicitant les moyens dont elle dispose via des décisions
·
Pour ne pas dépenser trop d’énergie, elle privilégie les
stratégies les plus adaptées au contexte, ou qui « marchent le mieux » (cf. "rationalité limitée" d’Herbert Simon ou
le concept de "principle of good enough", VS les
stratégies optimales et parfaites… voir "Démon de Laplace"). Le corolaire est que,
dans l’analyse ou la modélisation, l’accent est mis sur le pilotage
opérationnel et la recherche de résultat, VS l’exhaustivité des fonctions
ou des moyens.
Dans cette catégorie, on trouve :
·
La prise en compte d’agents externes, les SMA ‘étendus’ (systèmes multi-agents)
·
Les graphes ouverts, les réseaux neuronaux, Deep learning, etc.
·
B-ADSc
Pour B-ADSc, la caractéristique la plus importante d’une organisation (d’un
groupe d’agents, d’un agent …) est sa capacité à élaborer des décisions
concernant la conduite des processus dont elle a la charge… d’où le
nom « d’Analyse Décisionnelle des Systèmes complexes ».
C’est une méthode, disposant d’un
formalisme mathématique (algèbre absorbante).
Cette méthode permet de décrire l’élaboration des décisions, prises par un/des agent(s) autonome(s), en fonction de ses/leurs objectifs, et en fonction de sa/leurs vision(s) de l’état du processus dont il a/ont la charge. Parce qu’il s’agit d’une algèbre, concevoir un logiciel avec B-ADSc revient donc à faire intrinsèquement de la programmation par preuves. B-ADSc est donc parfaitement indiquée dès qu’il s’agit d’automatiser des processus décisionnels complexes et critiques, de travailler (analyse, audit) sur la cohésion globale d’un système sociotechnique complexe (analyse orientée ‘pilotage opérationnel’ dans le respect des finalités / objectifs communs). Elle permet notamment de modéliser, au sein des systèmes socio-techniques complexes, les comportements des acteurs autonomes (hommes, objets ou automates)… et de les automatiser (applicatifs).
Cette méthode permet de décrire l’élaboration des décisions, prises par un/des agent(s) autonome(s), en fonction de ses/leurs objectifs, et en fonction de sa/leurs vision(s) de l’état du processus dont il a/ont la charge. Parce qu’il s’agit d’une algèbre, concevoir un logiciel avec B-ADSc revient donc à faire intrinsèquement de la programmation par preuves. B-ADSc est donc parfaitement indiquée dès qu’il s’agit d’automatiser des processus décisionnels complexes et critiques, de travailler (analyse, audit) sur la cohésion globale d’un système sociotechnique complexe (analyse orientée ‘pilotage opérationnel’ dans le respect des finalités / objectifs communs). Elle permet notamment de modéliser, au sein des systèmes socio-techniques complexes, les comportements des acteurs autonomes (hommes, objets ou automates)… et de les automatiser (applicatifs).
#acquis
#adaptation #agent #algorithmes #analyse #apprentissage #autoapprentissage
#autoorganisation #autoreferentiel #B-ADSc #behaviorisme #processus
#cybernétique #Deeplearning #méthode #objectifs #organisation #pilotage #sociotechnique
#systemesmultiagents #systemique #suretedefonctionnement #cognitif
Commentaires
Enregistrer un commentaire