– SKOOB

Par définition, le risque est intrinsèquement lié à la notion d'aléa et, donc, d'incertitude. Particulièrement adaptés au recueil et à la modélisation des connaissances dans les domaines entachés d'incertitudes, permettant la mise en œuvre efficace et parfaitement rigoureuse des calculs probabilistes, les réseaux bayésiens se sont imposés de nos jours comme étant le cadre mathématique et informatique le plus approprié pour structurer et objectiver toute réflexion en matière de maîtrise des risques. Les partenaires du projet SKOOB développent des applications d'analyse des risques et de sûreté de fonctionnement pour des systèmes socio-économiques d'importance stratégique (dans l'industrie nucléaire, agroalimentaire et dans les organisations sanitaires et sociales). Ces applications nécessitent une prise en compte simultanée et l'intégration dans un modèle unique d'aspects complémentaires (techniques, organisationnels, informationnels, décisionnels, financiers) ayant des impacts corrélés sur le fonctionnement des systèmes analysés. Ce qui rend les modèles produits particulièrement complexes, en plus d'être compliqués, et aboutit à l'élaboration de réseaux bayésiens de taille de plus en plus importante. Le projet SKOOB vise à lever les verrous scientifiques et techniques auxquels se heurte à l'heure actuelle le développement de ce type d'application, notamment en matière de : 1. Amélioration du processus d'ingénierie (authoring) des modèles, en facilitant la gestion de la complexité, la réutilisation des composants et le travail collaboratif , 2. Augmentation du pouvoir expressif (i.e. de la richesse et de la flexibilité) du cadre de modélisation disponible, notamment pour la modélisation des systèmes dont la structure précise et les frontières ne seront complètement connues qu'au moment de l'exploitation (nombre de composants, configurations, horizons de temps variables) , 3. Exploitation de ces modèles (en inférence, apprentissage automatique, planification, etc.) en présence de ressources (mémoire et puissance/temps de calcul) limitées. Les réponses identifiés à ces besoins reposent sur : 1. L'extension orientée objets du cadre de modélisation probabiliste, rajoutant les aspects de modularité et encapsulation au formalisme classique des réseaux bayésiens , 2. L'utilisation des aspects avancés de la modélisation orientée objets tels que l'héritage et le polymorphisme et/ou des éléments empruntés aux formalismes logiques de premier ordre , 3. L'augmentation de l'efficacité des algorithmes en exploitant les caractéristiques des modèles orientés objets (pré-compilation des fragments de réseaux, focalisation sur la partie utile (relevant) du réseau bayésien par rapport à la requête, potentiel de parallélisme) et en tenant compte des ressources disponibles (algorithmes any-time et any-space, approximations). Un certain nombre de travaux de recherche fondamentale ont été consacrés ces dernières années à ces problématiques, comme précisé dans la section A.2 ci-dessous. Nous estimons que la compréhension théorique de la plupart de ces aspects est suffisamment avancée actuellement pour justifier le passage à une phase de recherche industrielle. Des efforts importants restent cependant à faire pour combiner et tirer le meilleur parti des différentes approches théoriques concurrentes développées par les différentes équipes de recherche travaillant sur ce sujet, pour transposer le cadre théorique en structures de données, algorithmes et méthodologies opérationnelles et pour démontrer leur validité dans des applications concrètes et représentatives de maîtrise de risque. C'est l'objet du projet SKOOB. Les retombées attendues du projet SKOOB sont multiples : - La maîtrise des risques est un enjeu majeur de notre société et la réussite de ce projet fournira à EDF, à SOREDAB, au CHU de Nancy, mais aussi à tous les autres acteurs socio-économiques quotidiennement confrontés à cette problématique des outils et des méthodologies plus puissants et plus fiables pour faire face à ce défi. - Sur le plan scientifique ce projet renforcera la communauté multidisciplinaire des chercheurs s'intéressant aux réseaux bayésiens et à la maîtrise des risques (LIP6, CRAN, ERPI) et contribuera à dynamiser un domaine de recherche à fort potentiel applicatif mais, malheureusement, encore assez peu développé en France. - Ce projet permettra également à BAYESIA d'étoffer son offre, notamment en matière de modélisation et d'aide à la décision pour la maîtrise des risques, et d'acquérir une avance technologique substantielle par rapport à ses concurrents.