Case Based Reasoning
Raisonnement Basé sur les Cas

Case Based Reasoning Introduction

Vous trouverez sur la page Case Based Reasoning les définitions du Case Based Reasoning / Analogical Resoning. J'avais travaillé sur ces sujets avec le Pr. John Campbell dans le cadre du projet Esprit Equus, étude à l'origine de la Méthodologie DiaBC (Diagnostic Basé sur les Cas).

L'application est une aide aux conseillers techniques qui reçoivent les appels des clients se plaignant d'un dysfonctionnement. L'objectif est de pouvoir réaliser les diagnostics en dialoguant avec le client (questions réponses) et de transmettre le moins possible d'appels au deuxième niveau, appels accompagnés dans ce cas des résultats du premier diagnostic.
Après analyse, il est décidé de réaliser une application utilisant les techniques du Case Based Reasoning, les dysfonctionnements étant enregistrés sous forme de cas.

Les données de base : questions et symptômes

L'aide est constituée de différentes pages consultables sur l'intranet (pages jsp avec le moteur Tomcat). Les données sont toutes représentées en XML.

Les différents fichiers XML

• les questions sont constituées des champs ou noeuds suivants : le texte de la question à poser (name), la liste des réponses possibles (answer), une explication pour le client (description), le coût (le client est-il obligé d'effectuer une manipulation complexe ?)
• les dépendances entre les questions : type never (ne jamais poser cette question x si telle réponse a été obtenue pour telle question y), type before (demander si un affichage est visible avant d'en demander la couleur)
• les symptômes correspondent aux données subjectives, directement perçues et fournies par le client

Case Based Reasoning : les Cas (causes ou diagnostics)

Deux stratégies d'établissement du diagnostic ont été retenues :

• les arbres enregistrés : les problèmes récurrents sont enregistrés sous la forme d'arbres de décision
• les causes : le lancement d'un nouveau modèle ou produit est accompagné de nouveaux problèmes qui sont laissés 'en vrac'. C'est l'algorithme lui même qui sélectionne l'ordre des questions, en prenant en compte les probabiltés d'occurrence du dysfonctionnement, les dépendances entre les questions et leur coût, et les variations d'entropie d'information que l'obtention de la réponse entraîne.

arbres	causes

Il faut remarquer ici la présence de deux descriptions, l'une destinée au client, l'autre au conseiller lui même, l'outil servant de support de formation, de diffusion de connaissances auprès des conseillers.

Écran Sélection de la Question

L'algorithme a sélectionné une question, la liste des réponses possibles est affichée, dans laquelle le conseiller sélectionnera la réponse fournie par le client. La partie droite contient l'information ou explication pour le client.
La partie droite affiche également un rappel des couples question-réponse entrés, rappel sur lequel le conseiller peut revenir pour modifier une entrée. La partie inférieur affiche la liste des causes de dysfonctionnement non éliminées accompagnées des explications (formation) pour le conseiller.

Écran Analyse de la Sélection

Cet écran est destiné principalement aux conseillers du niveau 2 mettant au point les données des causes et vérifiant la pertinence des sélections des questions.

Écran Solution

La cause identifiée du dysfonctionnement constaté est affichée, accompagnée des préconisations d'actions et des deux niveaux d'explication (client et conseiller).

Les conseillers de niveau 2 disposent de plus de temps pour résoudre les nouveaux dysfonctionnements, en contrepartie la diffusion de leurs connaissances participe à la formation des conseillers de niveau 1. Cette méthode de représentation des connaissances contribue à la stratégie Gestion des Connaissances.

Cette application contribue également à l'augmentation de la satisfaction de la clientèle qui obtient le plus souvent une réponse rapide et n'est pas obligée de répondre aux mêmes questions après transfert vers un second conseiller. Cette satisfaction de la clientèle, dûe à cette méthode de représentation des connaissances est un résultat devant être attribuée à la démarche Gestion des Connaissances de l'entreprise.

Workflow de validation des Cas

Cette démonstration était complétée par un module de création, rédaction, tests et validation des causes puis des arbres de décision : un module de workflow (les rôles des acteurs et les états des documents sont facilement représentés en xml).

L'objectif de ce site est de décrire simplement (clairement autant que faire se peut) les différentes techniques de Représentation des Connaissances et leur utilisation dans les domaines de la Gestion des Connaissances et de l'Intelligence Économique. N'hésitez pas à nous contacter pour proposer un simple échange de liens ou la diffusion d'un texte pédagogique sur une de ces techniques.

• Case Based Reasoning sur dmoz
• Case-based Reasoning - learning through experience : AIAI a technique for utilising past experiences and existing corporate resources such as databases to guide diagnosis and fault finding