Les choix possibles de modélisation graphique des connaissances

La modélisation des connaissances est issue de l’Intelligence Artificielle (IA). Il existe plusieurs type de représentation : langages de type logique, fonctionnel, procédural, à base de règles de production etc.… L’inconvénient de ces langages est qu’ils ne sont connus et maîtrisés que par les experts en IA ou en systèmes cognitifs, ce qui limite leur compréhension et leur utilisation aux spécialistes de ces domaines. Par exemple, le langage KIF (Knowledge Interchange Format), un langage standard de l’échange de connaissances et d’ontologies est très peu diffusé et utilisé.

Les langages orientés objets ont l’avantage d’être également maîtrisés par d’autres domaines comme le développement informatique ou la modélisation de systèmes de production et d’entreprise.

L’idée de ce type de langages est de regrouper dans une même entité (« l’objet ») toute information associée à un concept de l’univers du discours. L’information associée à un objet se trouve dans cet objet ou peut être acquise à partir de l’objet.

Les langages orientés objets ont 3 objectifs principaux dans le cadre de la gestion des connaissances :

• stocker et organiser les connaissances autour de la notion d’objet,
• faciliter la modélisation et la manipulation des connaissances par l’utilisation des objets,
• fournir des services inférentiels de bas niveaux destinés à interroger ou compléter la base de connaissances ou à dériver la connaissance implicite (raisonnement qui conduit à la création de nouvelles connaissances).

La solution que nous avons retenue est le standard de la modélisation des systèmes orientés objets UML (Unified Modelling Langage) [Muller, 1997]. Il est déjà pratiqué par une large communauté d’utilisateurs et il permet une représentation des différents points de vues des connaissances grâce à l’utilisation de 9 diagrammes. C’est également le langage utilisé généralement pour décrire les patrons de conception.