PROCOP : compilation et optimisation de règles métiers probabilistes

PROCOP : probabilistic rules compilation and optimisation

• Auteur / Autrice : Gaspard Ducamp
• Direction : Christophe Gonzales, Pierre-Henri Wuillemin
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 13/04/2021
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-....)
• Partenaire(s) de recherche : Laboratoire : LIP6 (1997-....)
• Jury : Président / Présidente : Anthony Nouy
• Jury : Examinateurs / Examinatrices : Christophe Gonzales, Véronique Delcroix, Philippe Bonnard
• Jury : Rapporteurs / Rapporteuses : François Fages, Philippe Leray
• DOI : 10.70675/9502191bzf96dz4c39zb2d1z075fe02c30cf

Mots clés

Mots clés contrôlés

Prise de décision (statistique)

Modèles relationnels probabilistes

Statistique bayésienne

Optimisation combinatoire

Mots clés libres

Systèmes experts

Règles métiers

Modèles graphiques probabilistes

Inférences exacte et approchées

Algèbre tensorielle

Intelligence artificielle

Expert systems

Business rules

Probabilistic graphical models

Exact and approximate inferences

Tensor algebra

Artificial intelligence

Résumé

Adoptées depuis plus de 20 ans par le monde de l’industrie, les règles métiers (business rules) offrent la possibilité à des utilisateurs non-informaticiens de définir des politiques de prise de décision de manière simple et intuitive. Pour faciliter leurs utilisations, des systèmes à base de règles, dits « systèmes de gestion des règles métier », ont été développés, séparant la logique métier de l’application informatique. S’ils sont adaptés pour traiter des données structurées et complètes, ils ne permettent pas aisément de travailler sur des données probabilistes. PROCOP (Probabilistic Rules Optimized and COmPilation) est une thèse proposant une nouvelle approche pour l’intégration de raisonnement probabiliste dans IBM Operational Decision Manager (ODM), le système de gestion des règles métier développé par IBM, notamment via l’introduction d’une notion de risque global sur l'évaluation des conditions d'exécution d'une action, complexifiant la phase de compilation du système mais augmentant l’expressivité des règles métiers. Diverses méthodes sont explorées, implémentées et comparées afin de permettre l'utilisation d'une telle capacité de raisonnement à large échelle, notamment afin de répondre aux problématiques liées à l'utilisation de modèles graphiques probabilistes dans des réseaux complexes.

Widely adopted for more than 20 years in industrial fields, business rules offer the opportunity to non-IT users to define decision-making policies in a simple and intuitive way. To facilitate their use, rule-based systems, known as business rule management systems, have been developed, separating the business logic from the computer application. While they are suitable for processing structured and complete data, they do not easily allow working with probabilistic data. PROCOP (Probabilistic Rules Optimized and COmPilation) is a thesis proposing a new approach for the integration of probabilistic reasoning in IBM Operational Decision Manager (ODM), IBM's business rules management system, in particular through the introduction of a concept of global risk on the evaluation of the execution conditions of an action, complicating the compilation phase of the system but increasing the expressiveness of the business rules. Various methods are explored, implemented and compared in order to allow the use of such a powerful reasoning capacity on a large scale, in particular in order to answer the problems linked to the use of probabilistic graphical models in complex networks.