Glossaire

Carte cognitive

Qu’est-ce que Carte cognitive ?

La carte cognitive est à l'origine une notion de psychologie qui désigne la représentation mentale que les humains ou les animaux se font de leur environnement. En management et en IA, elle désigne aussi des modèles graphiques où les concepts sont des nœuds et leurs relations de cause à effet des flèches pondérées, par exemple les « cartes cognitives floues ». Ces cartes aident à structurer le savoir d'experts et à explorer des scénarios, comme l'effet d'une hausse de prix sur la demande et les stocks.

Thèmes

Modèle de connaissances
Causalité
Psychologie

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Ingénierie des connaissances

L'ingénierie des connaissances (knowledge engineering) consiste à recueillir, organiser et préparer le savoir métier pour que des systèmes informatiques puissent l'exploiter. À l'origine centrée sur les règles des systèmes experts, elle vise aujourd'hui souvent à documenter le savoir dispersé dans les manuels, les descriptions de processus et la tête des collaborateurs, afin que des agents IA puissent y répondre de façon fiable. Cela suppose des structures claires, des sources à jour, des responsabilités définies et le comblement des lacunes repérées.

Gestion des connaissances
Conseil
+1

Modèle

Ontologie

En informatique, une ontologie est un modèle formel d’un domaine : elle définit sans ambiguïté des concepts, leurs propriétés et les relations entre eux. Les personnes comme les machines peuvent ainsi interpréter les données de façon cohérente et en tirer des conclusions. Les ontologies sont à la base de nombreux graphes de connaissances, recherches sémantiques et intégrations de données. Exemple : une ontologie de produits établit qu’un « vélo électrique » est un « vélo » et possède une « batterie ».

modélisation des connaissances
sémantique
+1

Inférence causale

L'inférence causale regroupe les méthodes permettant de déduire des relations de cause à effet à partir de données, au lieu de se limiter à constater des corrélations. Elle répond à des questions comme « Que se serait-il passé sans cette mesure ? ». Parmi les outils : expériences randomisées comme les tests A/B, graphes causaux et techniques statistiques pour données d'observation. Exemple : vérifier si une promotion a réellement augmenté les ventes ou si elles auraient progressé de toute façon pour des raisons saisonnières.

Statistiques
Cause et effet
+1

Réseaux bayésiens

Les réseaux bayésiens sont des modèles graphiques qui représentent les variables par des nœuds et leurs dépendances probabilistes par des flèches orientées. Grâce au théorème de Bayes, ils permettent de calculer comment de nouvelles observations modifient la probabilité d'autres événements. Exemple : l'aide au diagnostic, qui estime la cause la plus probable à partir de symptômes observés. Leurs atouts sont la lisibilité et la prise en compte de données incertaines ou lacunaires.

Probabilités
Modèles graphiques
+1