Système de classification explicable à base de règles floues : étude de cas pour le diagnostic des maladies cardiaques

L'intelligence artificielle explicable est un nouveau paradigme combinant l'efficacité de l'apprentissage automatique avec les nouvelles exigences découlant de l'intégration de systèmes intelligents dans la société humaine. L'intelligence artificielle explicable confère aux systèmes intelligents une valeur ajoutée cruciale : la possibilité d'interagir avec les machines, de valider leurs résultats et de faire confiance à leur comportement. La théorie des ensembles flous fournit un cadre mathématique particulièrement adapté pour modéliser les concepts et les perceptions de la réalité physique. Ainsi, l'exploitation du langage naturel permet à la théorie des ensembles flous d'être un élément clé dans la conception des modèles explicables susceptibles de fournir des explications utiles aux parties prenantes. Dans ce papier nous proposons une nouvelle méthode d’apprentissage des systèmes de classification à base de règle floues basée sur le regroupement flou et les modificateurs linguistiques. Enfin, nous présenterons une étude de cas (prédiction des maladies cardiaques) mettant en évidence l’importance des systèmes flous explicables.