1.1/  Introduction:

La conception et la mise en oeuvre de systèmes d'informations avancées, de logiciels d'aide à la décision, de postes de supervisions de procédés industriels (avec les problèmes de communications homme machine qui les accompagnent) se caractérisent par la constante manipulation d'informations dont beaucoup sont subjectives, imprécises, vagues, incertaines.
Mener à bien cette intégration de l'homme dans son environnement informatique, exploiter correctement les savoirs, automatiser certaines taches, tout cela requiert la formalisation et la mécanisation de méthodes humaines pour de raisonnement empiriques ou naturel, la rationalisation de procédures de choix.
De façon générale, on est confronté à la nécessité de modéliser la connaissance, problématique qui se trouve en rupture avec la tradition des sciences dites objectives, lesquelles se préoccupent essentiellement de la modélisation de l'univers physique.
Les problèmes de représentation et d'utilisation des connaissances sont au centre d'une discipline scientifique relativement nouvelle et en tout cas controversée, qu'on appelle l'intelligence artificielle. Cette discipline a eu un impact limité, jusqu'a une date récente, sur les applications industrielles, parce qu'elle a mis l'accent, de façon exclusive, sur le traitement symbolique de la connaissance, par opposition à la modélisation numérique utilisée traditionnellement dans les sciences de l'ingénieur. Plus récemment, on a assisté à un retour du numérique dans ces problèmes d'intelligence artificielle, avec les réseaux neuro-mimétiques et la logique floue. Alors que les réseaux neuro-mimétiques proposent une approche implicite de type «boite noir» de la représentation des connaissances, très analogue à la démarche de l'identification des systèmes en automatique, la logique floue est plus conforme à l'intelligence artificielle symbolique, qui met en avant la notion de raisonnement, et ou les connaissances sont codées explicitement. Néanmoins, la logique floue permet de faire le lien entre modélisation numérique et modélisation symbolique, ce qui a permis des développements industriels spectaculaires à partir d'algorithmes très simple de traduction de connaissances symboliques en entité numérique et inversement. La théorie des ensembles flous a également donné naissance à un traitement original de l'incertitude, fondée sur l'idée d'ordre, et qui permet de formaliser le traitement de l'ignorance partielle et de l'inconsistance dans les systèmes d'informations avancés. Les ensembles flous ont également eu un impact sur les techniques de classification automatique, et ont contribué à un certains renouvellement des approches existantes de l'aide à la décision.