Systèmes flous imprécis : règles, arithmétique, ... ?

Les systèmes flous à base de règles ont été largement exploités en modélisation et commande des systèmes. Leur succès est essentiellement dû au fait qu'ils permettent un codage d'expertise respectant la gradualité naturelle de l'information numérique. Cependant, contrairement à ce qui a été fréquemment écrit dans la littérature, ces systèmes ne sont pas exploités pour le traitement de données imprécises. En contrepartie, l'arithmétique floue est un outil de calcul adapté à la manipulation de données imprécises. Bien que produisant des résultats souvent plus imprécis que nécessaire, l'arithmétique floue permet de garantir que « pire est impossible ». Dans ce cadre, les systèmes régressifs flous constituent un outil de modélisation intéressant. Cet article dresse un bilan des avancées relatives à ces deux approches des systèmes flous de façon à imaginer comment les systèmes flous de demain pourraient allier codage expert et gestion des imprécisions. Rule based fuzzy systems have been largely used for modelling and controlling systems. Their success is essentially due to their capacity of expressing expert knowledge while preserving the natural graduality of numeric information. However, on the contrary of what has been frequently written in the literature, these systems are usually not used for dealing with imprecise data. On the other hand, fuzzy arithmetic is a computing tool well suited to the handling of imprecise data. Although fuzzy arithmetic produces results often more imprecise than necessary, there is the guarantee that «worst is not possible». In this framework, fuzzy regressive systems are interesting models. This paper presents a brief survey of research works concerning both kinds of systems in order to imagine how next generation of fuzzy systems could integrate expertise and imprecise data.