Notre activité de recherche

BayesiaLab et BEST, un outil et un support pédagogique adoptés par les chercheurs

« Pour la recherche et l'innovation, les réseaux bayésiens présentent des formalismes très intéressants. Les réseaux bayésiens vont plus loin que les autres systèmes classiques. »

Philippe Weber, enseignant à l'ESSTIN (école d'ingénieur de Nancy) et chercheur au CRAN (rattaché au CNRS).

Les domaines d'application des réseaux bayésiens sont extrêmement vastes. L'ergonomie et la simplicité de BEST et de BayesiaLab permettent aux chercheurs d'accéder à la technologie complexe des réseaux bayésiens. Les progiciels BayesiaLab et BEST donnent accès à la technologie des réseaux bayésiens à des chercheurs et des experts ayant leurs propres thématiques de recherche, sans être pour autant des spécialistes réseaux bayésiens. Par ailleurs ces logiciels proposent aux enseignants des supports très pédagogiques. 

Bayesia travaille ainsi en collaboration avec des universitaires du monde entier qui bénéficient de la technologie Bayesia pour approfondir leurs travaux et dont Bayesia étudie les retours d'expérience pour améliorer constamment ses produits.

« J'utilise BEST pour la formation. Ce logiciel est un excellent outil pédagogique pour apprendre aux étudiants à réaliser un diagnostic. »
« Après avoir expliqué aux étudiants les arbres de défaillance et les chaînes de Markov, il m'est facile de  leur présenter les graphes et les modèles dynamiques de  BayesiaLab. Ils ont ainsi une vue factorisée du problème qui est très claire. Et comme on peut décomposer le modèle, la méthologie est beaucoup plus facile à comprendre et simple à expliquer, même s'il s'agit là de modèles extrêmement élaborés. »

Philippe Weber.

Projets de recherche en consortium

Projet SKOOB

Réseaux bayésiens orientés objets pour la modélisation des systèmes complexes dans les applications de maîtrise des risques
Projet financé par l'ANR (Technologies Logicielles) associant Bayesia, CHU Nancy, CRAN, EDF, ERPI, INERIS, LIP6 et Soredab

Par définition, le risque est intrinsèquement lié à la notion d'aléa et, donc, d'incertitude. Particulièrement adaptés au recueil et à la modélisation des connaissances dans les domaines entachés d'incertitudes, permettant la mise en œuvre efficace et parfaitement rigoureuse des calculs probabilistes, les réseaux bayésiens se sont imposés de nos jours comme étant le cadre mathématique et informatique le plus approprié pour structurer et objectiver toute réflexion en matière de maîtrise des risques. Les partenaires du projet SKOOB développent des applications d'analyse des risques et de sûreté de fonctionnement pour des systèmes socio-économiques d'importance stratégique (dans l'industrie nucléaire, agroalimentaire et dans les organisations sanitaires et sociales). Ces applications nécessitent une prise en compte simultanée et l'intégration dans un modèle unique d'aspects complémentaires (techniques, organisationnels, informationnels, décisionnels, financiers) ayant des impacts corrélés sur le fonctionnement des systèmes analysés, ce qui rend les modèles produits particulièrement complexes et aboutit à l'élaboration de réseaux bayésiens de taille de plus en plus importante.

Le projet SKOOB vise à lever les verrous scientifiques et techniques auxquels se heurte à l'heure actuelle le développement de ce type d'application, notamment en matière de :

1. Amélioration du processus d'ingénierie (authoring) des modèles, en facilitant la gestion de la complexité, la réutilisation des composants et le travail collaboratif
2. Augmentation du pouvoir expressif (i.e. de la richesse et de la flexibilité) du cadre de modélisation disponible, notamment pour la modélisation des systèmes dont la structure précise et les frontières ne seront complètement connues qu'au moment de l'exploitation (nombre de composants, configurations, horizons de temps variables) ;
3. Exploitation de ces modèles (en inférence, apprentissage automatique, planification, etc.) en présence de ressources (mémoire et puissance/temps de calcul) limitées.

Les réponses identifiés à ces besoins reposent sur :

1. L'extension orientée objets du cadre de modélisation probabiliste, rajoutant les aspects de modularité et encapsulation au formalisme classique des réseaux bayésiens ;
2. L'utilisation des aspects avancés de la modélisation orientée objets tels que l'héritage et le polymorphisme et/ou des éléments empruntés aux formalismes logiques de premier ordre ;
3. L'augmentation de l'efficacité des algorithmes en exploitant les caractéristiques des modèles orientés objets (pré-compilation des fragments de réseaux, focalisation sur la partie utile (relevant) du réseau bayésien par rapport à la requête, potentiel de parallélisme) et en tenant compte des ressources disponibles (algorithmes any-time et any-space, approximations).

Les retombées attendues du projet SKOOB sont multiples :

• La maîtrise des risques est un enjeu majeur de notre société et la réussite de ce projet fournira à EDF, à SOREDAB, au CHU de Nancy, mais aussi à tous les autres acteurs socio-économiques quotidiennement confrontés à cette problématique des outils et des méthodologies plus puissants et plus fiables pour faire face à ce défi.
• Sur le plan scientifique ce projet renforcera la communauté multidisciplinaire des chercheurs s'intéressant aux réseaux bayésiens et à la maîtrise des risques (LIP6, CRAN, ERPI) et contribuera à dynamiser un domaine de recherche à fort potentiel applicatif mais, malheureusement, encore assez peu développé en France.
• Ce projet permettra également à BAYESIA d'étoffer son offre, notamment en matière de modélisation et d'aide à la décision pour la maîtrise des risques, et d'acquérir une avance technologique substantielle par rapport à ses concurrents.

Projet HESTIA

Outil de préparation à la gestion de crise sur les sites classés SEVESO
Projet associant Artesys, Bayesia, CEA, Clarte, Inkame, Laval Mayenne Technopole, Nautilus, Netagis

L’étude des accidents d’origine industrielle apparus ces dernières années montre la difficulté qu’il y a eu d’établir les relations entre les nombreux acteurs impliqués et de procéder, en temps réel, à l’échange des données nécessaires à la prise de décision et à la mise en oeuvre des mesures et moyens de secours. Les différentes réglementations appliquées dans ce domaine conduisent, partant de l’étude de danger, à l’établissement des différents plans et documents, et imposent à l’industriel la réalisation d’exercices de mise en oeuvre des procédures de sauvegarde. Les contraintes de coûts, d’éloignement, de disponibilité et de mise en situation rendent ces exercices rares, couteux et peu réalistes.

HESTIA répond à cette problématique en proposant une plateforme visant à mettre à disposition des utilisateurs l’ensemble des outils nécessaire à la realisation d’exercices par réseaux hauts débits et en environnement virtuel. Ces exercices doivent permettre la participation et l’interaction simultanée de tous les acteurs concernés par une situation de crise ou d’accident, et ce à tous les niveaux d’action et de décision. Par ailleurs, HESTIA permettra, dans une démarche de progrès continu, une optimisation des plans de secours ainsi que des moyens mis en oeuvre.

Les fonctionnalités :

• Etablir et gérer une base de données complexes et variées
• Etablir un flux d’échange de données entre les différents acteurs
• Extraire, traiter et présenter ces données
• Mettre à disposition des outils de simulation performants

Les bénéfices attendus :

• Permettre une démarche de progrès continu
• Diffusion de l’information
• Aide à la décision
• Synergie entre les différents acteurs
• Optimisation de l’emploi des moyens
• Cohérence et traçabilité