L’heuristique consiste à utiliser une approche approximative basée sur les statistiques générales ou l’intuition de façon à accélérer le processus de décision. © radachynskyi, Fotolia

Sciences

Heuristique

DéfinitionClassé sous :Mathématiques , modèle mathématique , calcul

L'analyse heuristique (du grec heuriskein qui veut dire trouver) est une méthode de résolution utilisée pour fournir une solution réalisable lorsqu'un problème est trop complexe, notamment en raison de l'explosion combinatoire (grand nombre de critères à prendre en compte). Contrairement à un algorithme, qui va chercher à explorer une à une toutes les combinaisons possibles jusqu'à trouver la solution optimale, l'heuristique est une sorte de « raccourci » qui va s'appuyer sur une technique de filtrage pour réduire délibérément le champ des possibilités. Elle se base pour cela sur des expériences passées, des statistiques générales, le hasard ou l'intuition. Par conséquent, elle ne garantit pas d'arriver à un résultat et encore moins l'exactitude du résultat.

Domaines d’applications de l’heuristique

En psychologie, on parle de carte heuristique pour désigner une représentation graphique d'idées et des relations entre ces idées (Mind Mapping). Cette méthode est utilisée pour la visualisation d'organisations complexes, le brainstorming, l'aide à la synthèse ou l'apprentissage mnémotechnique. De nombreux processus industriels (ex : affecter des tâches à des machines, minimiser les pertes de production, définir un prix...) ont également recours à l'heuristique, ce qui leur permet de parvenir à un résultat satisfaisant en un temps acceptable. En informatique, on parle de virus heuristique lorsque ce dernier n'est pas répertorié par une base de données mais présente un comportement suspect au vu de celui des virus déjà connus.

Une carte heuristique permet d’organiser des idées en les représentant sous forme graphique. © kubko, Fotolia

L’heuristique en intelligence artificielle

L'heuristique est aussi couramment utilisée dans le domaine de l'intelligence artificielle pour construire des modèles prédictifs. On distingue deux grandes familles d'approches heuristiques :

  • l'heuristique perturbative, qui vise à mélanger et recombiner des ensembles déjà construits de façon aléatoire (ex : pour optimiser le trajet d’un voyageur de commerce selon les villes les plus « prometteuses », on recopie une séquence d'un trajet déjà effectué pour le recombiner en y plaçant les villes encore non visitées)
  • l'heuristique constructive (aussi appelée méthode gloutonne) qui génère des combinaisons de façon incrémentale par un processus stochastique (ex : pour définir quelle prochaine ville va visiter le voyageur de commerce, on se déplace vers la ville la plus proche non visitée jusqu'à ce que toutes les villes aient été choisies).

Dans les deux cas, l'approche heuristique a pour but une intensification et une diversification des solutions. L'intensification (qui explore les combinaisons proches de celles déjà trouvées) permet d'accélérer la résolution des problèmes mais risque de cantonner les résultats à une petite zone de recherche. La diversification permet d'introduire de nouveaux éléments mais avec une possibilité d'introduire de moins bonnes combinaisons.

Abonnez-vous à la lettre d'information La quotidienne : nos dernières actualités du jour.

!

Merci pour votre inscription.
Heureux de vous compter parmi nos lecteurs !

Cela vous intéressera aussi