Modélisation qualitative des préférences et de la prise de décision humaines sous incertitude : cadres normatifs et évaluation cognitive
Résumé
Rappel des enjeux et objectifs Les recherches en intelligence artificielle depuis plus d'une décennie ont largement contribué au développement de modélisations pour le raisonnement et la décision en présence d'incertitude, permettant une représentation qualitative des connaissances et des préférences des agents. L'équipe IRIT partenaire de ce projet a d'ailleurs fortement contribué au développement de tels modèles. L'intérêt en intelligence artificielle pour des modèles qualitatifs est principalement motivé par la nature des informations disponibles, exprimées par les agents humains (en particulier lorsque ces informations sont incomplètes). Il est aussi motivé par le besoin de formaliser des procédures rigoureuses de raisonnement par défaut, capables d'inférer des conclusions plausibles non monotones (car révisables) à partir de situations incomplètement décrites et de règles génériques présentant des exceptions potentielles. De tels outils de modélisation doivent être non seulement développés dans des cadres axiomatiques permettant d'en garantir les propriétés, mais aussi validés psychologiquement. Ce dernier point est un enjeu important car les systèmes de raisonnement et d'aide à la décision sont destinés à être interfacés avec des opérateurs et des utilisateurs humains. Par ailleurs, de manière générale, l'étude des mécanismes humains de prise de décision (choix d'une action) constitue une source potentielle d'idées à importer dans les modèles développés en économie et en intelligence artificielle. Ce projet s'inscrit à la suite de travaux déjà réalisés par le laboratoire « Travail et Cognition » en liaison étroite avec l'IRIT, qui ont porté sur i) la validation empirique du cadre de représentation de l'incertitude offert par la théorie des possibilités, et sur ii) l'évaluation des postulats caractérisant les relations de conséquence non monotone. Deux types de modèles de décision, autorisant une représentation qualitative de l'incertitude et des préférences dans le cadre de la théorie des possibilités, ont été proposés et étudiés à l'IRIT, l'un nécessitant l'hypothèse de la commensurabilité entre les échelles d'incertitude et de préférence, l'autre pas. Le modèle sans hypothèse de commensurabilité, qui conduit à décider comme si on était effectivement dans la situation la plus plausible, est la contrepartie d'un système remarquable qui est à la base du raisonnement non monotone. Dans ce projet, il s'agit en particulier de tester expérimentalement la conformité des comportements humains aux prescriptions des modèles qualitatifs (avec en référence les prescriptions des modèles classiques) et de poser des bases empiriques nouvelles pour l'élaboration d'une théorie explicative de la prise de décision humaine. Il s'agit aussi d'étudier si ces modèles qualitatifs ont les vertus normatives exigées en économie (absence de « money-pump », survie face à des agents bayésiens...).