منصة التعليم عن بعد لجامعة وهران للعلوم و التكنولوجيا

Techniques d'Intelligence Artificielle :
Nous allons explorer ensemble six grandes familles de techniques : la logique floue, les réseaux de neurones, les systèmes neuro-flous (ANFIS), les algorithmes évolutionnaires et d'intelligence collective, le raisonnement probabiliste, et enfin les systèmes experts.

— Prérequis du module :
Premier prérequis : les systèmes dynamiques. Vous devez être à l'aise avec la notion de modélisation d'état et de comportement temporel d'un système physique — c'est la base sur laquelle repose toute commande, classique ou intelligente.
Deuxième prérequis : l'analyse mathématique — fonctions, dérivées, un peu d'algèbre linéaire. Rien d'exotique, ce sont des outils que vous manipulez depuis plusieurs années.
Troisième prérequis : des notions d'optimisation, en particulier l'idée de minimiser une fonction de coût et la notion de convergence — cela reviendra beaucoup, notamment dans le chapitre sur les algorithmes évolutionnaires.
Quatrième prérequis : des bases de logique et de commande classique (logique booléenne, automatique). C'est notamment le point de départ pour comprendre, par contraste, ce qu'apporte la logique floue.
Rassurez-vous : si certaines de ces notions sont un peu lointaines, ce n'est pas bloquant. Chaque chapitre reprendra, en quelques minutes, les bases nécessaires avant d'aller plus loin. L'essentiel est d'avoir une aisance générale avec le raisonnement scientifique et la modélisation.

— Objectifs pédagogiques :
Ce module vise, en une phrase, à vous familiariser avec les techniques de l'intelligence artificielle appliquées à la commande et à l'optimisation des systèmes — et j'insiste sur « appliquées », car ce n'est pas un cours d'IA théorique déconnecté du génie électrique : chaque technique sera reliée à un usage concret en électrotechnique.
Cinq objectifs concrets à l'issue du semestre :
Connaître les bases — comprendre les principes fondamentaux de chaque technique et sa logique de fonctionnement, pas seulement « faire tourner » un algorithme sans comprendre pourquoi il fonctionne.
Savoir les utiliser — mobiliser l'IA pour la commande, l'optimisation, le diagnostic et l'aide à la décision, les quatre grands cas d'usage que nous allons croiser tout au long du semestre.
Maîtriser les réseaux de neurones — leurs différentes topologies et leurs algorithmes d'apprentissage, un chapitre à part entière tant le sujet est vaste.
Assimiler la logique floue — ses concepts de base et ses applications en commande, un des piliers historiques de l'IA appliquée à l'automatique.
Comprendre les méthodes heuristiques — leur principe et savoir les programmer, pour aborder des problèmes d'optimisation que les méthodes classiques ne savent pas bien résoudre.