Raisonnement à partir de cas

Combien de fois vos aînés vous ont-ils donné des conseils basés sur leur expérience ? "Quand j'avais ton âge...", "De mon temps, on faisait comme ça...". Cela peut sembler une bizarrerie parentale agaçante, mais ce n'est pas si éloigné de l'approche que les scientifiques, les éducateurs et même les algorithmes informatiques utilisent pour résoudre les problèmes.

Le raisonnement à partir de cas est une approche de résolution de problèmes qui utilise des solutions antérieures pour résoudre des problèmes similaires. Il part du principe que les connaissances peuvent être acquises par le biais d'expériences antérieures et peut vous mettre en garde contre les voies qui mènent à l'échec ou vous aider à réfléchir à des solutions antérieures réussies qui pourraient être adaptées au problème en question.

Le raisonnement à partir de cas est omniprésent. Par exemple, Google Maps utilise le raisonnement à partir de cas pour vous indiquer la durée de votre trajet en examinant les habitudes des utilisateurs précédents pour voir combien de temps il leur a fallu pour aller du point A au point B. Même si votre trajet part de deux points légèrement différents, il fait des déductions sur la durée de votre trajet.

Le raisonnement à partir de cas peut aller de tâches simples à des algorithmes informatiques complexes. D'une part, il peut être utilisé pour comprendre quelque chose d'aussi simple qu'une recette de biscuits. Si vous êtes un fan de Friends, vous vous souvenez peut-être de l'épisode où Monica essaie de recréer la recette de cookies aux pépites de chocolat de la grand-mère de Phoebe. Elle utilise les échecs des lots précédents pour trouver une nouvelle solution au problème, comme dans un système d'essai et d'erreur.

En ce qui concerne les aspects plus complexes, les ordinateurs utilisent une méthode similaire à celle de Monica. Ils classent les problèmes antérieurs et leurs solutions en "cas", puis calculent le degré de similitude entre ces cas et le problème actuel afin de trouver une solution. Cet algorithme est couramment utilisé pour l'examen des schémas, le diagnostic, le dépannage et la planification.1

Raisonnement analogique : une façon d'aborder un problème qui part du principe que deux (ou plusieurs) choses étant similaires à certains égards, elles le sont également à d^'autres égards.3 Le raisonnement analogique est à la base du raisonnement basé sur des cas, car il repose sur la comparaison entre des problèmes similaires afin de pouvoir s'adapter aux expériences passées.

Le problème de l'indexation : il s'agit de trouver l'expérience la plus proche d'une nouvelle expérience dans la mémoire. Pour ce faire, nous devons indexer correctement les expériences dans notre esprⁱt afin de pouvoir les rappeler en cas de besoin.2

Style de résolution de problèmes du raisonnement à partir de cas : style de raisonnement dans lequel d'anciennes solutions à d'anciens problèmes devi^ennent le guide pour résoudre de nouveaux problèmes.2

Style interprétatif du raisonnement à partir de cas : style de raisonnement dans lequel les nouvelles situations sont évaluées dans le contexte d'anciennes situations. Ces situations ancⁱennes permettent de justifier une nouvelle solution.2

Enseignement basé sur des cas : alors que le raisonnement basé sur des cas demande à un individu d'utiliser ses expériences passées pour trouver de nouvelles solutions, l'enseignement basé sur des cas demande aux instructeurs d'utiliser des entités ou des expériences passées pou^r fournir à leurs étudiants des connaissances qui les aideront à aborder de nouvelles solutions.4

D'un point de vue informel, le raisonnement à partir d'un cas existe probablement depuis que l'homme existe. Bien que nous ayons aujourd'hui accès à des outils et à des technologies de pointe, ceux-ci ne sont pas nécessaires pour utiliser le raisonnement à partir de cas - seules les expériences passées sont requises. D'un point de vue formel, les racines du raisonnement à partir de cas sont liées à la théorie de la mémoire dynamique du théoricien américain de l'intelligence artificielle Roger Schank.

Roger Schank a écrit en 1982 un livre qui formalise la théorie du raisonnement à partir de cas, intitulé Dynamic Memory : A Theory of Reminding and Learning in Computers and People. Schank a proposé un modèle de mémoire suggérant que les humains apprennent en se basant sur la rétention de l'expérience, et non sur la rétention de la logique. Il a déclaré que "les humains ne sont pas idéalement conçus pour compren^dre la logique ; ils sont idéalement conçus pour comprendre les histoires". 4 Schank a utilisé sa théorie de la mémoire dynamique pour expliquer comment les ordinateurs et d'autres formes d'intelligence artificielle comprennent le langage. Selon Schank, les algorithmes s'appuient sur la compréhension conceptuelle des mots pour en comprendre le sens, ce qu'il appelle la théorie de la dépendance conceptuelle. C'est ainsi que les ordinateurs sont capables d'attribuer une seule signification à deux mots ou phrases, au lieu de les coder comme des termes complètement distincts. Par exemple, les ordinateurs donnent la même signification à "donner" et "transférer à".5

À la suite de la théorie de la mémoire dynamique et de la théorie de la dépendance conceptuelle de Schank, d'autres ont commencé à développer des modèles de raisonnement par cas pour l'apprentissage automatique. Chaque expérience, tout comme chaque mot, est transformée en un concept plus général, qui permet d'établir des similitudes avec des expériences futures similaires, mais non identiques. Des systèmes sont alors créés, dans lesquels les machines peuvent apprendre en acquérant de nouveaux cas de connaissance. Le premier système de raisonnement à partir de cas a été développé par la scientifique américaine Janet Kolodner, spécialiste des sciences cognitives et de l'apprentissage, et s'appelait CYRUS : Computerized Yale Retrieval and Updating System (système informatisé de récupération et de mise à jour de Yale).

Kolodner a proposé le système de raisonnement basé sur les cas suivant :

Kolodner voulait que le système représente à la fois l'apprentissage automatique et un système humain de recherche d'informations. À l'instar de la théorie de Schank, Kolodner a convenu que nous devions nous éloigner des mots-clés pour organiser la mémoire et nous appuyer plutôt sur des catégories conceptuelles. Sa théorie était également largement basée sur l'indexation : une indexation correcte est nécessaire pour la recherche, qui est la première étape du processus de raisonnement basé sur les cas. CYRUS a été conçu en parti^culier pour intégrer des informations et des événements politiques à l'usage des secrétaires d'État américains.2 Kolodner a également distingué deux types de raisonnement à partir de cas : un style de résolution de problèmes et un style d'interprétation.2

Au fur et à mesure que la compréhension du raisonnement par cas à travers l'optique de l'apprentissage automatique gagnait en popularité, d'autres domaines ont commencé à l'adopter comme une forme de raisonnement qui pouvait aller au-delà de la pensée informatique et s'appliquer à la pensée humaine.

Le raisonnement à partir de cas peut aider à résoudre des problèmes plus efficacement. Par exemple, si vous avez du mal à résoudre un problème, d'autres vous conseilleront souvent de faire une pause et de vous y attaquer plus tard avec un regard neuf. Le raisonnement à partir de cas concrets consiste essentiellement à examiner des problèmes antérieurs et leurs solutions avec un regard neuf et à essayer de les appliquer à une nouvelle situation.

Le raisonnement à partir de cas reconnaît qu'en général, la deuxième fois que nous abordons une tâche, nous la maîtrisons mieux. Nous avons de l'expérience, nous nous souvenons de nos erreurs et de nos réussites et nous procédons en conséquence. Plusieurs facteurs peuvent influencer l'efficacité de l'utilisation du raisonnement à partir d'un cas :

1. L'expérience : Il est probable que plus vous avez d'expériences, plus vous serez doué pour le raisonnement à partir de cas. Si vous n'avez cuisiné des pâtes qu'une seule fois et que vous essayez de préparer des fettuccine alfredo, vous n'avez qu'une seule expérience préalable à utiliser comme outil de résolution de problèmes. Si vous avez cuisiné des pâtes 100 fois, vous disposez de 100 éléments de preuve pour travailler.
2. Créativité et esprit d'innovation : Le raisonnement à partir de cas ne sera efficace que si vous avez la capacité d'envisager des moyens créatifs d'adapter des solutions antérieures à de nouveaux problèmes. Même si vous avez eu une centaine d'expériences, aborder un nouveau problème de la même manière qu'un ancien nuit à vos chances de réussite. Être innovant vous permet d'ajuster légèrement vos anciennes tactiques et d'envisager de nouvelles façons de résoudre les problèmes.
3. La capacité à percevoir de nouvelles situations à la lumière d'expériences antérieures : À la base, le raisonnement à partir d'un cas exige que l'on soit capable de se souvenir d'expériences passées. Pour que le raisonnement à partir de cas fonctionne, il faut trouver des comparaisons entre les nouveaux problèmes et les anciens. L'établissement de liens entre les deux - qu'il s'agisse de similitudes ou de différences - permet d'identifier les tactiques qui seront utiles et celles qui ne s'appliquent pas à la nouvelle situation. Il est important de répertorier les expériences de manière à pouvoir s'en souvenir facilement.
4. Une capacité d'évaluation : Il est également important d'être rationnel et logique lorsqu'il s'agit de raisonner à partir de cas concrets. Vous devez être capable d'évaluer correctement le succès ou l'échec d'initiatives antérieures pour savoⁱr quelles voies méritent d'être poursuivies.2

Le raisonnement à partir de cas contraste avec d'autres théories populaires sur le fonctionnement de l'intelligence artificielle. Le raisonnement basé sur les connaissances, par exemple, suggère que les ordinateurs et les humains parviennent à des solutions en ayant une connaissance générale d'un problème ou d'un domaine et en établissant des liens entre des idées générales et des problèmes spécifiques. Le raisonnement basé sur les cas, quant à lui, suggère que nous nous souvenons de cas spécifiques et que nous les utilisons pour percevoir le nouveau problème.

Étant donné que le raisonnement basé sur des cas est fondé sur des expériences passées anecdotiques, il est très personnel et s'écarte des faits et des connaissances convenues. Ce n'est donc pas la meilleure approche pour travailler en équipe. Elle est également sujette aux préjugés personnels et à la mémoire, car quelqu'un peut penser qu'une solution passée a très bien fonctionné alors qu'elle n'était en fait qu'une bonne solution pour lui, ou il peut s'être souvenu du passé de manière inexacte. En outre, l'utilisation de preuves anecdotiques signifie que le succès de l'approche est difficile à évaluer.

Le raisonnement à partir d'un cas comporte quatre étapes (retrouver, réutiliser, réviser et conserver) et chaque étape comporte un ri^sque d'erreur.6 Le raisonnement à partir d'un cas exige également que les individus se souviennent correctement d'un certain nombre d'expériences passées avec un haut niveau de précision - c'est un peu comme essayer de mémoriser un manuel scientifique entier plutôt que d'essayer de comprendre divers processus afin de pouvoir les appliquer à un raisonnement futur, ce que fait le raisonnement à partir de la connaissance.

Raisonnement à partir de cas et architecture

Tout comme la mode est recyclée au fil des ans, les architectes pourraient utiliser des modèles existants pour résoudre des problèmes de conception actuels. Cependant, les problèmes qui se posent lors de la conception sont souvent mal définis ou mal documentés, ce qui rend difficile pour les futurs architectes d'identifier ce qui n'a pas fonctionné ou de généraliser la conception pour l'adapter à des situations futures. Si les bases de données architecturales sont peu nombreuses, c'est en partie parce que les architectes sont réticents à partager leurs conceptions et à apprendre des autres en utilisant le raisonnement à partir de cas concrets. Par conséquent, bien que les projets existants puissent être des outils utiles pour concevoir de nouveaux projets, ils ne sont pas souvent utilisés. Tout comme l'indexation est importante pour la mémoire générale, l'indexation est nécessaire pour pouvoir utiliser les projets architecturaux passés.

Intriguée par le manque de dessins architecturaux correctement répertoriés, Katharina Ritcher, chercheuse dans le domaine biomédical, a étudié un projet d'enseignement en Allemagne qui utilisait le raisonnement à partir de cas comme outil pédagogique pour les étudiants en architecture.4 Les dessins passés ont été clairement classés et étiquetés selon divers critères pour permettre aux étudiants de voir lesquels seraient utiles pour leur projet en cours. Une base de données a été créée, permettant aux participants d'élargir leurs connaissances à travers une perspective historique de la conception et aux enseignants d'utiliser la base de données comme un guide de référence pour éclairer et fournir des exemples de leur enseignement.

Le projet d'enseignement a obligé les étudiants à utiliser un style interprétatif de raisonnement basé sur des cas, car les étudiants avaient pour instruction de ne s'inspirer que de conceptions antérieures qu'ils pouvaient identifier comme comportant deux solutions innovantes. Les étudiants devaient donc analyser les solutions passées et ne pouvaient pas se contenter de les appliquer à de nouvelles solutions. Étant donné que les conceptions antérieures sont des entités complètes, mais qu'elles ne sont pas accompagnées d'informati^ons sur leur réussite (expériences non complètes), c'est à l'étudiant de déterminer et d'évaluer si la conception est viable.4

Ritcher a constaté qu'étant donné que les étudiants devaient utiliser un style interprétatif de raisonnement basé sur des cas, cela les formait à être de bons penseurs analytiques. Toutefois, cette méthode s'accompagne également d'une série de problèmes. Les étudiants ne savaient pas toujours ce qu'ils cherchaient lorsqu'ils examinaient une conception antérieure, et il n'était pas toujours facile pour eux de remarquer quel avait été le problème de conception, et encore moins de savoir si la solution avait été couronnée de succès. Néanmoins, Rⁱtcher a conclu qu'une base de données pouvait être un outil utile pour l'enseignement basé sur des cas, même si elle était moins efficace pour le raisonnement basé sur des cas.4

Pourquoi la méthode de recherche rétrospective est-elle si efficace ?

Lorsque les chercheurs utilisent des études pour comprendre le comportement de la vie réelle, ils utilisent essentiellement un raisonnement basé sur des cas : les données sont utilisées pour comprendre le monde réel. Toutefois, les résultats observés dans le cadre d'une expérience sont souvent difficiles à reproduire et ne reflètent pas fidèlement le comportement humain. Dans cet article, Uptal Dholakia souligne les inconvénients du raisonnement appliqué et met en avant une approche différente : la méthode à rebours. Cette méthode demande aux chercheurs de consacrer du temps au début de leur recherche, avant que l'expérience ne commence, pour déterminer comment ces données seront utilisées, ce qui leur permet de concevoir des expériences qui ont plus de chances de répondre aux besoins de leur objectif.

Analogie

Si vous souhaitez découvrir les coulisses du fonctionnement du raisonnement basé sur des cas, vous devriez consulter notre guide de référence sur les analogies. Ce guide explique comment la comparaison de deux choses nous aide à comprendre des phénomènes complexes. Les analogies peuvent être des outils d'argumentation utiles, car même si quelqu'un a peu de connaissances sur un sujet particulier, vous pouvez le comparer à quelque chose qu'il comprend - comme l'utilisation d'analogies sportives pour expliquer des recherches scientifiques plus complexes.

1. Définition du raisonnement à partir de cas (CBR). (s.d.). Glossaire des technologies de l'information de Gartner. Consulté le 27 août 2021 à l'adresse suivante : https://www.gartner.com/en/information-technology/glossary/cbr-case-based-reasoning
2. Kolodner, J. L. (1992). An Introduction to Case-Based Reasoning. Artificial Intelligence Review, 6, 43-3. http://alumni.media.mit.edu/~jorkin/generals/papers/Kolodner_case_based_reasoning.pdf
3. Küpers W. (2012). Raisonnement analogique. Encyclopédie des sciences de l'apprentissage. Springer, Boston. https://doi.org/10.1007/978-1-4419-1428-6_788
4. Richter, K. et Donath, D. (2006). Towards a Better Understanding of the Case-Based Reasoning Paradigm in Architectural Education and Design. eCAADe 24 - session 5, 222-227. http://papers.cumincad.org/data/works/att/2006_222.content.pdf
5. L'IA et les jeux. (2017, 28 mai). Raisonnement à partir de cas - AI 101 [Vidéo]. YouTube. https://www.youtube.com/watch?v=8p7dzVSr4XU
6. Bernstein, C. (2019, 16 août). Qu'est-ce que le raisonnement à partir de cas (CBR) ? Search Enterprise AI. https://searchenterpriseai.techtarget.com/definition/case-based-reasoning-CBR