Les imperfections des informations et des connaissances

Les imperfections des informations et des connaissance

On appelle information toute collection de symboles ou de signes produits soit par l’observation de phénomènes naturels ou artificiels, soit par l’activité cognitive humaine, et destinée à comprendre le monde qui nous entoure, à aider à la prise de décision ou à communiquer avec des individus [Dubois, 2006]. Alors, une distinction apparaît pour deux sortes d’informations : objectives et subjectives. Les informations objectives sont issues de l’observation directe de phénomènes, tandis que celles dites subjectives sont les informations exprimées par des individus et conçues sans le recours à l’observation directe du réel.

Une information peut prendre deux formes : numérique et symbolique (qualitative). Les informations numériques (généralement objectives) peuvent saisir en différentes formes : nombres, intervalles de nombres, etc. Par contre, les informations symboliques (subjectives) sont exprimées en langage naturel et souvent codées par des représentations logiques ou graphiques. Néanmoins, cette distinction n’est pas stricte ; autrement dit : une information subjective peut être numérique, et l’information objective peut être symbolique.

Ainsi une autre distinction est présente entre deux types d’information: l’information contingente et l’information générique. L’information contingente concerne une situation particulière, la réponse à une question sur l’état courant du monde, comme par exemple une observation, ou un témoignage. Ce type d’information est très présent dans la description de la cible 1 de la HQE® . L’information générique se réfère à une classe de situations, par exemple un modèle statistique issu d’un ensemble représentatif d’observations. Elle est très présente dans les cibles techniques. Cette distinction est importante dès qu’on aborde les problèmes d’inférence ou de révision d’informations incertaines. De plus, une problématique comme l’apprentissage ou l’induction s’intéresse à l’élaboration de connaissances génériques à partir d’informations contingentes. Inversement, l’inférence statistique peut être vue comme l’utilisation d’une connaissance générique sur la fréquence d’un événement pour estimer un degré de confiance en l’occurrence contingente de cet événement dans une situation particulière. En générale, une information est parfaite si elle est précise et certaine. Mais chaque source d’information étant en général imparfaite, les données disponibles pour un système d’informations sont souvent imparfaites. L’imperfection est due à l’incertitude, l’imprécision et l’inconsistance. Ces dernières notions représentent les aspects majeurs des données imparfaites [Bordat, 1986] [Dubois, 1988][Dubois, 2001][Dubois, 2006][BouchonMeunier, 2003][Smets, 1996]. Nous proposons les définitions les plus connues de ces notions.

Information imprécise 

L’imprécision selon [Boissier, 1993] : concerne des informations mal définies; nous lui associons les qualificatifs de type environ, à peu près, dans l’intervalle, compris entre, approximativement…, il représente de la qualité de la connaissance que nous avons d’un phénomène. Alors, une information est dite imprécise si elle est insuffisante pour permettre de comprendre une situation donnée.

Information incertaine
L’incertitude; résulte essentiellement d’une épreuve dont le résultat n’est pas connu a priori et pourrait changer si on la recommençait, il représente la variabilité intrinsèque d’un phénomène. [Boissier, 1993]. On peut donc regarder l’incertitude comme le manque d’informations suffisantes pour arriver à des conclusions correctes. Il y a au moins deux causes de l’incertitude [Dubois, 2003]:
❖ La variabilité des phénomènes. C’est-à-dire, la réponse probabiliste en fonction de la fréquence observée.
❖ Le caractère incomplet de l’information disponible ; où les réponses sont, plus ou moins, précises en fonction de la connaissance détenue par les individus.

Pour que nous jugions si l’information soit vraie ou fausse, nous devons évaluer soit la probabilité, soit la possibilité ou la certitude d’une proposition qui est incertaine. Alors, une proposition peut être incertaine si : l’information disponible est incomplète (imprécise, vague…), ou elle est contradictoire (variabilité, conflit,..). Par contre, nous disons qu’une proposition floue est incertaine si le calcul de son degré de vérité est non faisable [Dubois, 2003]. Dans ce contexte, nous pouvons différencier clairement les concepts d’imprécis et d’incertain : l’imprécis concerne le contenu de l’information tandis que l’incertain est relatif à sa vérité, entendue au sens de sa conformité à une réalité [Bouchon-Meunier, 1995]. Cela nous amène à la notion de connaissance incomplète où l’incomplétude est l’absence de connaissances, c’est-à-dire l’impossibilité d’obtenir certains renseignements. Ces renseignements sont parfois chers à obtenir ou demandent beaucoup de temps pour être mesurés. Cette connaissance incomplète est importante dans la logique d’intégration des incertitudes dans l’analyse de la HQE. Les imperfections dans les connaissances proviennent d’erreurs dues à des instruments de mesure ou d’observation, de difficultés dans la perception de certains éléments du système, de l’expression de lois générales auxquelles il existe éventuellement des exceptions [BouchonMeunier, 1996]. Ces imperfections sont appelées de façon générale incertitudes, parce que leur présence conduit à un doute sur la valeur d’une variable, sur une conclusion relative au système étudié, sur une décision à prendre.

L’incertitude dans le domaine du Bâtiment 

Relativement au fonctionnement d’un système, surtout d’un système complexe comme le bâtiment, deux domaines peuvent être définis [Desroches, 1995] dans [Lair, 2000] :
➤ Un domaine de connaissance dans le quel il est possible de décrire tous les états de fonctionnement d’un système et les relations entre le système et l’environnement,
➤ Un domaine d’inconnaissance sur les états de fonctionnement du système ou sur son environnement. Il correspond essentiellement à un changement, inconnu actuellement, de l’utilisation du produit.

La domaine de connaissance peut être décomposé en deux zones complémentaires: la zone de certitude et la zone d’incertitude. La première est une zone de connaissance déterministe de tous les états du système. Quant à la zone d’incertitude, elle correspond à une connaissance qualitative des états du système, associée à une connaissance aléatoire de chacun d’eux pour une situation donnée. Dans cette zone, il y a ce que nous pourrions savoir mais qui est trop difficile à obtenir (il nécessite des connaissances étrangères au domaine du bâtiment), et aussi ce que nous savons mais qui est mal formalisé. Dans notre cadre d’études, celui du bâtiment, nous nous bornerons au domaine de connaissance. Où la zone d’incertitude est très étendue, compte tenu de toutes les méconnaissances auxquelles nous sommes confrontés (méconnaissance du système, de l’environnement, des actions accidentelles…. Etc.).

En général, les données et les connaissances intervenant dans les indicateurs de performance d’un bâtiment peuvent être aussi bien précises qu’imprécises, certaines qu’incertaines, numériques que linguistiques ou objectives que subjectives. La nature de ces données dépend de plusieurs paramètres tels que le degré de flexibilité introduite dans les objectifs et les conditions de la prise de mesure [Essa, 2007]. En conséquence, les indicateurs de performance doivent inclure un mécanisme homogène d’évaluation en prenant en compte des aspects éventuels de nuance, d’imprécision, d’incertitude et de subjectivité.

L’incertitude dans l’évaluation de la QEB

Lorsque l’imprécision des données croît, l’imprécision des résultats qu’on en déduit ne peut que croître [Dubois, 1987]. En conséquence, la représentation des données imparfaites et le raisonnement en présence d’incertitude devraient être développés dans le domaine de la QEB. D’ailleurs, le retour d’expérience joue un rôle important dans l’évaluation de l’incertitude sur la qualité environnementale des bâtiments. Mais pour certaines raisons, ces expériences ne sont pas faciles à exploiter [Alhamwi, 2008]:
• les projets ne se ressemblent pas.
• compte tenu de ce fait, les équipes de projet ne sont pas motivées pour construire la « mémoire » du chantier.
• il n’existe pas de procédure standard de recollement.

De cela, dans le cadre de l’évaluation des bâtiments, la construction de n’importe quel modèle implique l’utilisation des données caractéristiques de ces bâtiments ; celles-ci permettent de comprendre les fonctionnements de ces bâtiments. Alors, l’évaluation de la qualité environnementale des bâtiments nécessite trois types de données :
• Données physiques : les données décrivant le bâtiment (les dimensions, les composants de ce bâtiment…). Les imprécisions et les incertitudes de ces données peuvent être liées à l’accessibilité et la disponibilité des données. Où la fiabilité des techniques mises en œuvre pour accéder à ces données est très importante pour définir la précision des valeurs.
• Données du fonctionnement de bâtiment : si les mesures simples ne permettent pas d’évaluer les sous cibles, des simulations sont nécessaires pour effectuer cette évaluation. (le cas de la consommation d’énergie totale d’un bâtiment par exemple). Les imprécisions et les incertitudes de ces modèles sont liées à la connaissance du fonctionnement du bâtiment et à l’existence d’une théorie fiable susceptible de les décrire [Karnib, 1996].
• Données décrites par des déclarations linguistiques : la façon la plus simple d’acquérir ce type de données est de s’adresser directement aux experts. Dans le domaine du bâtiment, il existe plusieurs typologies de réponse comme par exemple (à peu près, environ, complet, …etc).

Table des matières

Introduction
Partie I
I.1 Le développement Durable
I.2. Le poids et l’impact du secteur du bâtiment sur l’environnement
I.3. La démarche Haute Qualité Environnementale (HQE® )
I.3.1. Principes de la démarche HQE®
I.3.2. Management environnemental
I.3.3. Le concept de la qualité environnementale des bâtiments
I.3.3. a. Performance des bâtiments
I.3.2. b. Le référentiel de la qualité environnementale des bâtiments QEB
I.4. Schéma des certifications environnementales
Partie II
II. Représentation de l’imperfection
i. Préambule
II.1. Introduction
II.2. Les imperfections des informations et des connaissances
II.2.1 Information imprécise
II.2.2 Information incertaine
II.2.3 L’incertitude dans le domaine du Bâtiment
II.2.4 L’incertitude dans l’évaluation de la QEB
II.3 Représentation de l’imprécision et de l’incertitude
II.3.1 Théorie des probabilités
II.3.2 La logique floue
II.3.3 Théorie des sous-ensembles flous
II.3.3.a La notion d’ α-coupe
II.3.4 Théorie des possibilités
II.3.4.a. Mesure de possibilité
II.3.4.b. Mesure de nécessité
II.4. La construction d’une distribution de possibilité
II.5. La fusion des données
Partie III
Le plan de la recherche
III. Analyse des opérations certifiées HQE®
III.1. Les étapes du travail
III.1.a. Classification selon la localisation en France
III.1.b. Classification selon le profil de performance environnementale
III.1.c. la rectification de profil environnemental
Conclusion
III.2. Analyser des cibles prioritaires
III.3. Le questionnaire
III.3.a. Construire le questionnaire et analyse des réponses
Patie IV
IV. La réglementation thermique
i. Préambule
IV.1. Introduction
IV.2. L’évolution des réglementations thermiques et les nouveautés
IV.2.1. Entre 2000 et RT2005
IV.2.2. Entre RT2005 et RT2012
IV.2.3. Les évolutions de la RT 2005 par rapport à la RT 2000
IV.2.4. Les évolutions de la RT 2012 par rapport à la RT 2005
IV.3. Les méthodes de calcul
IV.3.1. L’option « Calculs »
IV.3.2. Le calcul de Cep [Th-CE]
IV.3.3. Le calcul de Ubât [Arrêté 2006] [Th-CE]
IV.4. Les labels
IV.5. Conclusion
Conclusion

Lire le rapport complet