ARCHIVED Vocabulaire contextuel de l’Intelligence artificielle

Archived Content

Information identified as archived is provided for reference, research or recordkeeping purposes. It is not subject to the Government of Canada Web Standards and has not been altered or updated since it was archived. Please contact us to request a format other than those available.

Consult the Pavel in ...

Silvia Pavel
Terminologue, Secrétariat d’État-Canada

Contextual vocabulary of artificial intelligence

This publication is the result of a terminological research project in the field of artificial intelligence that was initiated by the Terminology Directorate (Secretary of State—Canada) in response to the growing needs of technical translators and the scarcity of specialized dictionaries.

The work deals with approximately 150 specialized concepts either defined or succinctly explained in French by means of citations from recently published AI-oriented papers and monographs.

French terms and synonyms are accompanied by their equivalents in English, which reflect common usage among English-speaking AI people.

All terminological information is derived from publications included in the bibliography.

Kontextbezogenes Vokabular der Maschinenintelligenz

Die hier auf der Basis von Definitionen und Kontexten aus Monographien und Fachzeitschriften zusammengestellten Fachtermini, ein erstes Ergebnis der im kanadischen Aussenministerium durchgeführten Terminologiestudien in einem wissenschaftlich-technischen Spitzensektor, geben den Sprachgebrauch der französisch-englischsprachigen « Artificial Intelligence » -Elite wieder.

Anhand der ausgewerteten Fachliteratur – ein aufgeschlüsseltes Quellenverzeichnis ist am Ende des Vokabulars zu finden – wurde ein vorläufiges Begriffsfeld erarbeitet, aus dem die bei der Auswahl der Termini verwendeten Orientierungslinien zu ersehen sind.

Wie immer bei der Erschliessung von Neuland erheben wir keinen Anspruch auf Vollständigkeit : manche Terminologielisten enthalten unzureichende Angaben über den Gebrauch der Termini, andere lassen einen Dissens der Fachleute bezüglich der Anwendung auf bestimmte Sachverhalte erkennen. Aufgrund der stark im Wandel begriffenen Terminologie der Maschinenintelligenz erscheint es uns hier angebracht, die Stellungnahme von Terminologieausschüssen abzuwarten.

Angesichts der Relevanz der Maschinenintelligenz für viele Bereiche stellen wir sinnvollerweise die von Fachleuten zuerst definierten und erklärten Begriffe an den Anfang unserer Terminologie.

Introduction

Les termes spécialisés rassemblés ici représentent un des premiers résultats des recherches terminologiques menées au Secrétariat d’État du Canada dans un domaine technoscientifique de pointe pour lequel les milieux traductionnels manifestent déjà un intérêt prononcé.

Etayés de définitions ou de contextes tirés de monographies et de périodiques spécialisés, ces termes reflètent fidèlement l’usage écrit de l’intelligence IA francophone. Quant aux termes anglais, ils témoignent de celui de la communauté anglophone internationale, les « AI people ».

Le lecteur trouvera à la fin du vocabulaire une bibliographie de dépouillement qui reprend en clair les sources codées des contextes cités. L’étude approfondie de cette littérature spécialisée a abouti à l’élaboration d’un réseau notionnel provisoire traçant les lignes de force qui ont orienté le choix des termes.

Comme toute entreprise de défrichage, la nôtre ne prétend pas à l’exhaustivité : ainsi, plusieurs dossiers terminologiques ne disposent pas de renseignements suffisants sur l’usage des termes à l’étude pour en justifier la présence dans un vocabulaire contextuel; d’autres dossiers font ressortir l’absence de consensus entre les spécialistes sur l’emploi de certains termes par rapport aux notions en jeux. Dans un cas comme dans l’autre, il nous paraît préférable d’attendre l’avis des commissions de terminologie avant d’inclure les termes incriminés dans un vocabulaire. Toutefois l’attente risque d’être longue car la terminologie de l’intelligence artificielle est non seulement très riche (plusieurs milliers de termes), mais se distingue par un caractère évolutif très marqué. À ce stade de son développement, il est bien plus utile de la décrire que de la prescrire.

Vu la pertinence des applications de l’IA pour un nombre considérable d’activités et de disciplines, il nous a semblé chose naturelle de commencer la diffusion de cette terminologie par les unités terminologiques désignant les notions que les spécialistes eux-mêmes définissent et expliquent en premier.

Acteur (n.m.)

actor: « Objet autonome, défini par un certain nombre d’attributs (ce que cet acteur est capable de faire) et ses propres données (définissant à tout moment son état). » RECHE, 1985, p. 1238.

Action (n.f.)

action: « Une règle de production est un couple situation-action, ce qui signifie que chaque fois qu’une situation est reconnue (partie de gauche de la règle), l’action est exécutée (partie de droite de la règle); très souvent l’action à entreprendre est une conclusion à tirer mais ce n’est pas une nécessité. » BONINT, 1984, p. 48.

Agenda (n.m.)

agenda: « Liste des règles applicables à un moment donné selon un ordre de priorité. » PAVUE, 1984, p. 41.

Aide à la rédaction (l.f.); correction de texte

text critiquing: « Application IA, utile notamment pour la traduction assistée par ordinateur. On peut concevoir des systèmes qui peuvent vérifier non seulement l’orthographe, mais aussi la grammaire et les caractéristiques stylistiques superficielles d’un texte en prose. » COGNOS-7F, 1985, p. A-8.

Algorithme de décision (l.m.)

decision algorithm: « Procédure qui permet la comparaison des lignes d’action possibles et le choix de la meilleure. » RECHE, 1985, p. 1178.

Algorithme de filtrage (l.m.)

pattern matching algorithm: « Algorithme qui permet de trouver si un terme est une instance d’un autre. » AFNOR, 1985, n^o 61, p. 72.

Analyse combinatoire (l.f.)

combinatorial analysis: « L’analyse combinatoire porte sur les lois des combinaisons, des arrangements et des permutations de n lettres ou objets pris dans des conditions déterminées. » GEOME, 1985, vol. 4, n^o 5, p. 460.

Analyse des plus prometteurs (l.f.)

best-few analysis: « Conserver plusieurs hypothèses en parallèle en attendant un élément permettant d’effectuer le choix. » RECHE, 1985, p. 1222.

Analyse du meilleur d’abord (l.f.)

best-first analysis: « Ne conserver que l’hypothèse la plus probable à un instant donné, quitte à revenir sur ce choix si des informations viennent l’infirmer. » RECHE, 1985, p. 1222.

Analyseur (n.m.)

analyzer, parser: « Programme qui part d’un texte en langue naturelle pour aboutir à la représentation intermédiaire du sens du texte. » RECHE, 1985, p. 1140.

Ancêtre (n.m.)

ancestor: « Dans les réseaux sémantiques, le type d’arc est limité à des relations hiérarchiques utilisées par des procédures de contrôle comme mécanismes d’héritage ou transmission de propriétés d’un nœud ancêtre (plus général) vers son ou ses nœuds progéniture (plus spécialisés). » BONINT, 1984, p. 122.

Appareil monolocuteur (l.m.)

single-speaker system; speaker-trained system: « Une seule et même personne intervient dans les phases d’apprentissage et de reconnaissance. » RECHE, 1985, p. 1217

Appareil multilocuteur (l.m.)

speaker independent system; multispeaker system: « Système capable de reconnaître (toujours dans le cadre du vocabulaire restreint d’une certaine application) des mots prononcés par une personne quelconque. » RECHE, 1985, p. 1222.

Appariement, filtrage (n.m.)

pattern matching: « Processus par lequel une situation à analyser satisfait un ensemble de critères caractérisant une situation type. » BONINT, 1984, p. 268.; « Appariement d’expressions dans les schémas d’inférences. L’appariement est évalué selon une notion prédéfinie de comptabilité entre expressions. » AFNOR, 1985, 61, p. 48.

Arbre binaire (l.m.)

binary tree: « Arbre dont tout élément possède zéro, un ou deux fils au maximum. Un arbre binaire est dit ‘complet’ lorsque chacun de ses éléments sauf les feuilles, possède deux fils. » MOINF, 1983, p. 18.

Arbre de contextes (l.m.)

context tree; object tree: « Les connaissances sont mises sous la forme de règles de production qui sont attachées à différents contextes. Ces contextes sont organisés hiérarchiquement dans un arbre de contextes. » BONINT, 1984, p. 245.

Arbre de prédicats (l.m.)

predicate tree: « Arbre équilibré dont chaque niveau définit un partitionnement logique de la relation en fonction d’un ensemble de prédicats disjoints. » GABAS, 1985, p. 136.

Arbre équilibré (l.m.)

balanced tree; B-tree: « Arbre dans lequel tous les chemins de la racine aux feuilles sont de même longueur. » DEBDO, 1982, p. 211.

Arbre ordonné (l.m.)

ordered tree: « Un arbre est dit ordonné si, dans un mode de parcours donné, les différents éléments énumérés obéissent à une relation d’ordre. » MOINF, 1981, p. 8.; « Si on établit de plus un ordre entre les fils d’un même nœud (les frères), l’arbre est alors dit ordonné. » LUCAL, 1983, vol. 2, p. 44.

Arbre orienté (l.m.)

directed tree; oriented tree: « Arbre simple possédant un sommet R appelé racine, tel qu’il ne soit à l’origine d’aucun arc, et que chacun des autres sommets soit l’origine d’un arc et d’un seul. » IPROF, 1985, n^o 29, p. 62.

Arbre syntaxique (l.m.)

parse; syntax tree: « L’analyseur de Futursys décompose l’expression sous forme d’arbre syntaxique pour permettre sa valorisation. » MICSY, 1985, n^o 59, p. 148.

Arc (n.m.)

arc: « L’arc représente les relations entre les concepts. Il y a par exemple, un arc de type JUMP qui permet de sauter d’un état à un autre sans ‘consommer’ de mot d’entrée. » BONINT, 1984, p. 55.

Attachement procédural (l.m.)

procedural attachment: « La représentation en objets permet de mélanger explicitement les deux démarches en prévoyant des attachements procéduraux à certains attributs d’un objet. » BONINT, 1984, p. 145.

Automate d’états finis (l.m.)

Finite-state automaton: « L’automate d’états finis consiste en un ensemble de nœuds représentant des états, et d’arcs qui relient ces nœuds. » BONINT, 1984, p. 53.

Base de connaissances (l.f.)

K base; knowledge base: « Partie d’un système expert contenant les faits et inférences valides dans le domaine de compétence du système. » BONINT, 1984, p. 267.

Base de connaissances déterministe (l.f.)

if-then knowledge base: « Base de connaissances dont les règles de production du type « si... alors » reflètent les routines des experts du domaine considéré. » RECHE, 1985, p. 1180.

Base factuelle; base de faits (l.f.)

factual base; working memory: « Structure (mémoire de travail) qui contient les données propres aux problèmes à traiter. La mémoire de travail conserve une trace des raisonnements effectués; elle peut donc être utilisée pour décrire le comportement du système » RECHE, 1985, p. 1145.

Cadre sémantique; objet structuré (l.m.)

frame: « Les cadres sémantiques sont des structures « à tiroirs », chaque tiroir pouvant contenir d’autres tiroirs. » RECHE, 1985, p. 1183.

Capacité autoexplicative (l.f.)

mid-run explanation: « Grâce aux capacités autoexplicatives du système expert, des experts n’ayant pas participé à sa conception peuvent en observer le comportement, le critiquer, voire le modifier. » RECHE, 1985, p. 1146.

Capteur optique; capteur visuel (l.m.)

vision sensor: « Les capteurs optiques sont des éléments intermédiaires entre le monde réel et le système de traitement de l’image. La qualité des capteurs conditionne les performances d’un système de vision artificielle. » RECHE, 1985, p. 1266.

Case (n.f.); tiroir (n.m.)

slot; frame slot: « Chaque tiroir (d’un cadre sémantique) occupe un nœud. » RECHE, 1985, p. 1183.

Chaînage arrière (l.m.)

backward chaining; back-chaining: « On peut distinguer deux modes de fonctionnement du moteur d’inférence. Si le moteur raisonne de manière régressive on dit qu’il fonctionne en chaînage arrière. Il s’assigne un but à atteindre et recherche la manière d’y parvenir. » SCIET, 1984, n^o 4, p. 57.

Chaînage avant (l.m.)

forward chaining: « Si le moteur d’inférence raisonne de manière déductive on dit qu’il fonctionne en chaînage avant; il choisit une règle dont les conditions sont vérifiées, c’est-à-dire présentes dans la base de faits, la déclenche et enrichit ainsi progressivement la base de faits jusqu’à ce que le but que l’on s’est assigné soit atteint. » SCIET, 1984, n^o 4, p. 57.

Chaînage bidirectionnel (l.m.)

bidirectional chaining: « Pour les systèmes (tels MYCIN, SPHINX, TANGO, CRIQUET) qui invoquent, pour un même problème tantôt des règles-en-avant, tantôt des règles-en-arrière (mais non des règles mixtes) on parlera de chaînage bidirectionnel. » FEXPE, 1985, p. 78.

Chaînage mixte (l.m.)

mixed chaining: « Les règles sont invocables par examen de leur membre gauche. Chaque élément du membre gauche est un filtre. Il est convenu que le premier filtre se réfère à une partie spéciale de la base de faits (problèmes à résoudre)… Les autres filtres se référeront à la partie de la base de faits qui contient les faits établis. » FEXPE, 1985, p. 114.

Circonscription (n.f.)

circumscription: « Formellement, la circonscription se compose d’un schéma d’axiome particulier, qui vient étendre la théorie de la logique du premier ordre. » BLRIA, 1985, n^o 101, p. 14.

Cogniticien (n.m.); ingénieur de la connaissance (l.m.)

knowledge engineer: « Le cogniticien (terme récemment proposé par Jean-Michel Truong Ngoc) doit développer un système expert en collaboration avec un expert du domaine. » BONINT, 1984, p. 177.

Cognitique (n.f.); science cognitive (l.f.)

cognitive science: « Branche de la psychologie étroitement liée à l’intelligence artificielle. » COGNOS-7F, 1985, p. B-5.

Commandé à la voix (l.adj.); à entrée vocale (l.f.)

voice-activated; voice-driven; voice-operated: « Enfin, dans l’univers du bureau on attend avec impatience la machine à écrire à entrée vocale. » RECHE, 1985, p. 1214.

Communauté IA (l.f.)

V. IntelligentsIA.

Compréhension de la parole (l.f.)

speech understanding: « Les types de connaissances nécessaires pour un système complet de compréhension de la parole sont (d’après Barr); phonétique, phonologique, morphémique, prosodique, syntaxique, sémantique et pragmatique. » BONINT, 1984, p. 64.

Compréhension d’images (l.f.)

image understanding: « En compréhension d’images... et de la parole... un traitement numérique est fait d’abord (reconnaissance des formes), aboutissant à une description imparfaite... qui est ensuite manipulée par des méthodes symboliques. » BONINT, 1984, p. 219.

Connaissance déclarative (l.f.)

declarative knowledge: « Dans un système expert, les connaissances sont engrangées sous forme déclarative, sans mode d’emploi, sans que nous indiquions où, quand et comment les utiliser. » RECHE, 1985, p. 1141.

Connaissance de surface (l.f.)

surface knowledge: « Les systèmes basés sur les connaissances fondamentales viendront en complément de ceux fondés sur des connaissances de surface et utilisés pour des cas plus courants. » SCIET, 1984, n^o 4, p. 63.

Connaissance heuristique (l.f.)

heuristic knowledge: « Connaissance telle que : « Si A et B sont observés, alors C est une hypothèse plausible mais certainement pas O » avec éventuellement un poids associé à chacune des conclusions. » BONINT, 1984, p. 175.

Connaissance procédurale (l.f.)

procedural knowledge: « Connaissance du genre : « Si l’on connaît A, alors s’intéresser à B puis à C, sinon s’intéresser à C puis à B ». Ce type de connaissance est souvent appelé métaconnaissance. » BONINT, 1984, p. 175.

Connaissance fondamentale (l.f.); connaissance profonde (l.f.)

deep knowledge: « Connaissance de la structure, de la fonction et du comportement des objets. » SCIET, 1984, n^o 84, p. 63.

Contexte (n.m.)

V. Objet.

Contrainte d’intégrité (l.f.)

integrity constraint: « Plus la masse d’informations enregistrées dans une base de données est grande, plus le risque d’erreur par rapport à la réalité est grand. Pour diminuer ce risque, le système de gestion de la base de données doit offrir à l’utilisateur la possibilité de définir des règles qui permettent de maintenir l’intégrité de la base de données. Ce sont les contraintes d’intégrité. » DEBDO, 1982, p. 7.

Contrainte de référence (l.f.)

referential constraint: « Contrainte d’intégrité portant sur une relation R 1 consistant à imposer que la valeur d’un groupe d’attributs apparaisse comme valeur de clé dans une autre relation R 2. » GABAS, 1985, p. 15.

Coquille vide (l.f.)

shell; run-time environment: « Les outils de construction de systèmes experts ‘coquilles vides’ permettent d’interpréter des connaissances de différents domaines s’exprimant dans des syntaxes similaires et visant des buts de même nature. » BONINT, 1984, p. 260.

Correction de texte (l.f.)

V. Aide à la rédaction.

Degré de certitude (l.m.); degré de confiance

confidence value; plausibility value: « On affecte les règles d’un coefficient de certitude : ‘Si E, alors H (avec un degré de certitude de 0, 14)’. » RECHE, 1985, p. 1182.

Démon (n.m.)

demon ; daemon: « Procédure attachée aux attributs qui sont invoqués lorsque la valeur de l’attribut est manipulée. » MICSY, 1983, n^o 35, p. 172.

Démonstrateur de théorèmes (l.m.)

theorem prover: « Un système de résolution de clauses logiques. » MICSY, 1983, n^o 35, p. 169.

Détection des contours (l.m.)

edge detection: « L’identification et la localisation d’objets dans une image, et plus généralement l’analyse automatique de scènes, nécessitent une phase préalable de détection des contours. » ANTEX, 1983, vol. 38, n^o 3-4, p. 91.

Discours continu (J.M.)

V. Parole continue.

Enseignement intelligemment assisté par ordinateur (l.m.); EIAO

Intelligent computer-aided instruction; ICAI: « Enseignement à partir du principe que les programmes à vocation pédagogique devraient être eux-mêmes des experts capables de résoudre les problèmes posés, de suivre et de critiquer les solutions de l’étudiant. » BONINT, 1986, p. 227

Entrée vocale (l.f.)

oral input; voice entry: « Dans le domaine de l’échange d’information vocale, l’entrée vocale portera sur le discours continu provenant de différents locuteurs s’exprimant dans la prononciation japonaise standard. » RECHE, 1984, p. 522.

Environnement structuré (l.m.); univers structuré (l.m.)

structured environment: « Dans un environnement structuré... les méthodes utilisées pour l’identification des objets en trois dimensions sont du même type que celles utilisées en deux dimensions. » RECHE, 1985, p. 1272.

Épisode (n.m.); scène (n.f.)

scene: « La thèse essentielle de Schank et Abelson est qu’il est indispensable de connaître les scripts de nombreuses situations si l’on veut comprendre l’enchaînement des actions intervenant dans toute histoire. Ces scripts décrivent les relations causales entre les différents épisodes et permettent de faire des inférences. Les grands épisodes comportent des sous-scénarios. » BONINT, 1984, p. 81.

Explosion combinatoire (l.f.)

combinatorial explosion: « Le problème d’explosion combinatoire lié au nombre impressionnant de transformations possibles à partir d’une structure profonde peut produire des phrases du langage naturel à rendre inutilisables... les méthodes à base de grammaires transformationnelles. » BONINT, 1984, p. 39.

Feuille (n.f.); nœud terminal (l.m.)

leaf; childless node: « Tout élément de l’arbre excepté la racine est le fils d’un seul autre élément. S’il n’a aucun fils, on lui donne le nom de feuille. » MOINF, 1983, p. 18.

Fils (n.m.); progéniture (n.f.); successeur (n.m.)

child; son; offspring: « Chaque nœud est relié à d’autres nœuds que l’on appelle ses successeurs ou fils, eux-mêmes éventuellement reliés à d’autres fils. » RECHE, 1985, p. 1230.

Filtrage (n.m.)

V. Appariement.

Formatage d’information (l.m.)

informatting: « Technique de restructuration de textes portant sur des sujets spécialisés en formats d’information. » COGNOS-7F, 1985, p. A-9.

Fait (n.m.)

fact: « Dans un système expert, connaissance permanente du programme, distincte de la ‘donnée’ qui, elle, concerne un problème particulier à résoudre. » BONINT, 1984, p. 130.

Fragment de savoir (l.m.); granule (n.m.)

knowledge chunk: « En fonction des besoins, le moteur d’inférence va puiser dans la base de connaissances des fragments de savoir pour les assembler logiquement et produire un raisonnement original pour chaque nouveau problème posé. » RECHE, 1985, p. 1242.

Frères (n.m.)

V. sœurs.

Générateur IA (l.m.)

AI generator: « Programme qui part de la représentation intermédiaire du sens d’un texte pour aboutir à un texte dans une autre langue naturelle. Pour cent langues, il suffit alors de cent analyseurs et de cent générateurs pour effectuer n’importe quelle traduction. » RECHE, 1985, p. 1140.

Générique (n.m.)

General Problem solver; GPS: « Programme général de résolution de problèmes dans lequel la représentation des connaissances utilise souvent le modèle des règles de production. » TESIN, 1985, vol. 4, n^o 3, p. 276.

Génie cognitif (l.m.); ingénierie de la connaissance (l.f.)

knowledge engineering: « L’art de concevoir et de construire des systèmes experts et autres programmes à base de connaissances. » FEFIF-F, 1984, p. 296.

Giga-lips

gigalips: « Multiple de lips. » RECHE, 1985, p. 1239.

Grammaire casuelle (l.f.)

case grammar: « L’idée fondamentale dans les grammaires casuelles est celle de considérer le verbe comme le constituant principal de la phrase et d’étudier les relations des différents groupes nominaux avec le verbe, autrement dit de déterminer leur cas. » BONINT, 1986, p. 46.

Grammaire de transfert (l.f.)

transfer grammar: « Dans une première phase le texte d’entrée est traduit en une structure arborescente représentant la construction syntaxique de la phrase augmentée éventuellement de quelques informations sémantiques trouvées dans le dictionnaire. Cette structure est ensuite manipulée par une grammaire de transfert, afin de générer une phrase syntaxiquement correcte dans la langue de sortie. » BONINT, 1984, p. 89.

Grammaire d’histoires (l.f.)

story grammar: « La constatation que la plupart des histoires possèdent une structure faite d’une suite d’épisodes... a conduit à la notion de grammaire d’histoires. » BONINT, 1984, p. 80.

Granularité (n.f.)

chunkiness: « Capacité des systèmes experts... de fournir des granules d’algorithmes (ou plus généralement des granules de connaissances), spécifiques d’un domaine d’application, plus ou moins indépendants les uns des autres, non définitifs et donc susceptibles de révision. » FEXPE, 1985, p. 7.

Granule (n.m.)

V. Fragment de savoir.

Graphe de déplacement (l.m.)

move graph: « Une des méthodes pour représenter l’espace de travail. » RAIIN, 1981, vol. 15, n^o 4, p. 343.

Graphe d’états (l.m.)

state graph: « Arborescence qui donne toutes les situations envisageables, ordonnées par niveau. Le nœud d’entrée correspond à la position initiale du jeu. A partir de cette situation, les arcs correspondent aux différentes possibilités s’offrant aux joueurs. » RECHE, 1985, p. 1164.

Héritage (n.m.); transmission (n.f.)

inheritance: « Dans certains réseaux sémantiques, les relations hiérarchiques... sont utilisées par des procédures de contrôle comme mécanismes d’héritage ou transmission de propriétés d’un nœud ancêtre... vers son ou ses nœuds progéniture. » BONINT, 1984, p. 122.

Heuristique (n.f.)

heuristic rule: « Règle informelle de raisonnement définie comme ‘l’art de bien deviner’ par G. Polya. » BONINT, 1984, p. 268.

Ilôt le mieux reconnu (l.m.); ilôt de vraisemblance (l.m.)

island of reliability: « Une stratégie plus élaborée mais plus difficile à implanter consiste à se raccrocher à des ‘ilôts les mieux reconnus’ dans la phrase, pour poursuivre l’analyse entre les différents ilôts dans n’importe quel sens (gauche à droite ou droite à gauche). » BONINT, 1984, p. 68.

Implicite fourre-tout (l.m.); implicite zéro (l.m.)

default: « On s’en sert quand on ne peut pas appliquer un des implicites du langage. Ici, c’est la formalisation d’une règle qui ne nécessite l’emploi d’aucune fonction. » MICSY, 1985, n^o 59, p. 153.

Inférence ascendante (l.f.); inférence guidée par les données (l.f.); inférence inductive (l.f.)

data-driven inference: « Inférence qui part des faits ou données établis et regarde s’ils satisfont la partie gauche (prémisse) des règles. » BONINT, 1984, p. 133.

Inférence descendante; inférence déductive; inférence dirigée par les buts (l.f.)

goal-directed inference: « Inférence qui considère les buts possibles en examinant la partie droite (partie action) des règles et qui essaie de vérifier les règles concluant vers les buts. » BONINT, 1984, p. 133.

Inférence hors-contexte (l.f.)

nonproblem-occasioned inference: « Un programme comme Margie fait de nombreuses inférences hors contexte; et l’un des problèmes qui se posent est celui de l’explosion combinatoire due à la difficulté de limiter le nombre de ces inférences. » BONINT, 1984, p. 80.

Inférences logiques par seconde (l.f.); LIPS

logical inferences per second; LIPS: « Unité de mesure de la vitesse de déduction... utilisée pour évaluer les performances de programmes ou processeurs déductifs en intelligence artificielle. » LEBMI, 1984, p. 73.

Ingénierie de la connaissance (l.f.)

V. Génie cognitif.

Ingénieur de la connaissance (l.m.)

V. Cogniticien.

Instanciation (n.f.)

instantiation: « Processus consistant à remplacer une variable par un individu... L’objet instancié possède les propriétés générales de l’objet abstrait et souvent, quelques-unes qui lui sont propres. » BONINT, 1984, p. 267.

Intelligence artificielle (l.f.); IA

artificial intelligence; AI: « Secteur de l’informatique ayant trait aux concepts et méthodes d’inférence symbolique ainsi qu’à la représentation symbolique de la connaissance utilisée pour faire des inférences. » FEFIF-F, 1984, p. 296.

IntelligentsIA; communauté IA (l.f.)

AI people: « Communauté de l’intelligence artificielle qui, à partir de 1950, a pour but d’expérimenter des programmes d’ordinateurs capables d’avoir des activités jusqu’ici réservées aux êtres humains. » RECHE, 1985, p. 1198.

Interaction orale; interaction vocale (l.f.)

voice interaction: « Communication parlée homme-machine. » RECHE, 1985, p. 1226.

Interpréteur (n.m.)

V. Moteur d’inférence.

Langage à base d’objets (l.m.); langage orienté-objets (l.m.)

object-oriented language: « L’une des propriétés fondamentales des langages à base d’objets est de permettre la description d’objets hiérarchisés avec transmission de propriétés en provenance des parents si l’on ne trouve pas la caractéristique recherchée au niveau même de l’objet. » BONINT, 1984, p. 148.

Klips (n.m.)

K-lips: « Multiple de LIPS. » RECHE, 1985, p. 1239.

Langage intermédiaire; langage pivot (l.m.)

intermediate langue: « Dans l’optique d’une traduction automatique multilingue, le langage pivot... permet, en principe, d’obtenir comme résultat de l’analyse la même expression quelle que soit la langue source considérée... Malheureusement il n’existe aucun langage pivot dont les représentations soient suffisamment fines pour décrire les phénomènes du langage dans toute sa diversité. » RECHE, 1983, p. 1539.

Langage limité; langage à syntaxe contrôlée (l.m.)

restricted language: « Dans un certain nombre d’industries où le système SYSTRAN est utilisé, les phrases des documents à traduire sont directement écrites avec de très fortes restrictions sur les formes d’expression : nombre de mots limité, sens de mots défini, contrainte sur le style. Les modes d’emploi de certains produits industriels sont écrits dans un tel langage limité. » RECHE, 1983, p. 1540.

Machine en réseau (l.f.)

network interpreter: « Les machines en réseau construites sur le modèle du perceptron ont beaucoup de succès et d’importantes études théoriques leur sont consacrées. » RECHE, 1985, p. 1138.

Machine-langage (l.f.)

language machine: « Machine comportant un interprète microprogrammé complet d’un certain langage de programmation. » RECHE, 1985, p. 1234.

Machine savante (l.f.)

V. Ordinateur cognitif.

Métaconnaissance (n.f.)

metaknowledge: « Le moteur d’inférence devra donc disposer de connaissances sur la façon d’utiliser des connaissances, première forme utile de ce qu’on appelle métaconnaissance. » RECHE, 1985, p. 1141.

Métaraisonnement (n.m.)

metareasoning: « Raisonner sur un raisonnement (métaraisonnement) pour le piloter, pour l’évaluer ou pour l’expliquer et le justifier. » TESIN, 1985, vol. 4, n^o 4, p. 394.

Méthode algorithmique (l.f.)

algorithmic method: « Méthode d’exploration de problèmes utilisant des algorithmes permettant d’aboutir directement à la solution. » GUILI, 1969, p. 14.

Méthode des fins et des moyens (l.f.)

means-end method: « Procédure de choix d’opérateurs ayant pour unique but de réduire la différence entre l’état courant et le but. » BONINT, 1984, p. 164.

Modèle de cohorte (l.m.)

cohort model: « L’identification des mots s’effectue par une reconnaissance de la zone correspondant aux premiers phonèmes du mot, selon une stratégie « montante », et lorsque le nombre de mots ayant le même radical est suffisamment réduit, par une stratégie « descendante » qui permet de vérifier l’identité des phonèmes. » RECHE, 1985, p. 1222.

Modus ponens (l.m.)

modus ponens rule: « Règle qui veut que si P alors Q, et que si P est vrai alors Q est vrai. » BONINT, 1984, p. 103.

Modus tollens (l.m.)

modus tollens rule: « Si on a, en même temps, (si H alors E), et non E, alors on a non H. » RECHE, 1985, p. 1179.

Monde des blocs (1m.)

building blocks world: « Domaine simplifié qui permet aux chercheurs en intelligence artificielle d’étudier comment les ordinateurs peuvent simuler et relier la perception, la pensée et l’action. Le monde des blocs de l’ordinateur se compose de cubes, de parallélepipédes et de pyramides. » SCIAM-F, 1982, n^o 62, p. 45.

Moteur d’inférence (l.m.); interpréteur (n.m.)

inference engine; inferencer: « Mécanisme qui décide quelle règle s’applique et qui déclenche l’action correspondante. » BONINT, 1984, p. 130.

Moteur d’inférence d’ordre zéro; moteur nu (l.m.)

elementary inference engine: « Moteur qui ne tolère pas des variables locales. Il applique bêtement des règles établies une fois pour toutes, ce qui l’empêche notamment de travailler sur des ensembles flous. » MICSY, 1985, n^o 59, p. 151.

Nœud terminal (l.m.)

V. Feuille.

Objet (n.m.); contexte (n.m.)

object context: « Le terme objet est suffisamment général pour recouvrir toutes les connotations des autres appellations : schémas (Bartlett), frames (Minsky), scripts (Schank), prototypes ou unités (Winograd). » BONINT, 1984, p. 144.

Objet structuré (l.m.)

V. Cadre sémantique.

Opérateur relationnel (l.m.)

relational operator: « Des expressions logiques plus compliquées peuvent être formées en utilisant des opérateurs de relation ou des opérateurs logiques. » HAPRO, 1985, p. 33.

Ordinateur cognitif (l.m.); machine savante (l.f.)

cognitive computer: « Machine d’un genre nouveau, conçue pour ‘raisonner’ plutôt que calculer, et cela à une vitesse mille fois supérieure à celle des plus puissants ordinateurs actuels optimisés pour le calcul numérique. » RECHE, 1985, p. 1228.

Outil de construction de systèmes experts (l.m.) e

expert-system building tool: « Le logiciel EMYCIN est un outil d’aide à la construction de systèmes experts, extrait du système d’aide au diagnostic médical MYCIN. » BONINT, 1984, p. 139.

Parcours de raisonnement (l.m.)

V. Trace de raisonnement.

Parole continue (l.f.); discours continu (l.m.)

continuous speech: « Suite de mots prononcés sans qu’ils soient séparés par des pauses. » SCIET, 1984, Hors série, n^o 2, p. 79.

Prémisse (n.m.)

V. Situation.

Procédure Min-Max (l.f.)

minimax method: « Le parcours de l’arbre utilise alors les procédures célèbres de Min-Max (pour minimalisation-maximalisation) et celle dite d’Alpha-Bêta parce qu’elle met en jeu deux variables alpha et bêta. » RECHE, 1985, p. 1166.

Progéniture (n.f.)

V. Fils.

Programmation descendante; programmation hiérarchique (l.f.)

hierarchical programming; top-down programming: « La construction du programme se fait en décomposant le problème global en sous-problèmes eux-mêmes décomposés en actions plus élémentaires, jusqu’à atteindre le niveau choisi pour la description du problème dans un langage donné. » MOINF, 1983, p. 10.

Programmation heuristique (l.f.)

heuristic programming: « Il s’agit de programmes qui, à partir d’hypothèses, de règles, d’axiomes, etc. conduisent soit à des solutions nouvelles, soit à des règles ou à des instruments permettant d’y parvenir. » LAEVA, 1979, p. 217.

Programmation par acteurs (l.f.)

actor-based programming: « Technique de programmation visant à créer des logiciels à partir de petites entités informatiques, les acteurs, qui interagissent en s’envoyant des messages. » MICSY, 1986, n^o 63, p. 164.

Programmation symbolique (l.f.)

symbolic programming: « Ecriture d’un programme d’ordinateur à l’aide d’un langage symbolique désignant les opérations et les opérandes par des symboles. » GINFOA, 1982, p. 188.

Programmation à base de règles (l.f.)

rule-based programming: « Programmation basée sur le principe que chaque règle est un morceau indépendant de connaissances, c’est-à-dire qu’elle contient toutes les conditions de son application. » BONINT, 1984, p. 142.

Programme d’acquisition des connaissances (l.m.)

knowledge acquisition program: Programme qui contrôle les nouvelles connaissances. BONINT, 1984, p. 183.

Programme d’apprentissage (l.m.); PA

learning program: « Les règles engendrées par PA (programme d’apprentissage) sont logiquement lourdes et quelquefois simplifiables mais le programme ne possède pas les mécanismes de bon sens qui permettraient de le simplifier. » BONINT, 1984, p. 249.

Propagation de contraintes (l.f.)

constraint propagation: « Phase de la partie résolution d’un programme qui consiste à porter dans les expressions restantes les valeurs qui ont été choisies pour certaines variables. » SCIAM-F, 1982, n^o 62, p. 46.

Raisonnement approximatif; raisonnement incertain (l.m.)

uncertain reasoning: « Il existe une différence fondamentale entre un raisonnement approximatif dont le résultat peut être erroné et un raisonnement certain qui peut ne pas aboutir, mais qui, lorsqu’il aboutit, donne un résultat dont la véracité peut être affirmée sans conteste. » RECHE, 1985, p. 1146.

Raisonnement catégorique; raisonnement certain (l. m.)

categorical reasoning: « D’autres systèmes... modélisent le raisonnement certain : dans ce cas, le moteur d’inférence choisit à chaque étape une règle parmi un ensemble de règles valides. Il détermine ainsi une stratégie de résolution. » RECHE, 1985, p. 1146.

Raisonnement du sens commun (l.m.)

commonsense reasoning: « Pour mener un raisonnement du sens commun... on doit faire intervenir simultanément des raisonnements généraux, souvent faux... des connaissances précises... et des stratégies générales pour aboutir, à moindres frais, à la solution du problème posé. » RECHE, 1985, p. 1147.

Raisonnement monotone (l.m.)

monotonic reasoning: « Alors que le raisonnement logique ordinaire est ‘monotone’ (lorsque des informations nouvelles arrivent, il est possible d’en déduire de nouvelles conséquences, mais pas de remettre l’acquis en cause), le raisonnement usuel tolère souvent des conclusions ‘par défaut’. » RECHE, 1985, p. 1206.

Raisonnement non monotone (l.m.)

nonmonotonic reasoning: « La plupart des représentations en objets permettent de spécifier des valeurs par défaut (en l’absence d’informations concernant un attribut, on peut supposer telle valeur qui pourra être remplacée par la valeur effective si elle vient à être connue). Ce type de raisonnement... n’est pas permis dans la logique du premier ordre pure. Il est généralement appelé non monotone. » BONINT, 1984, p. 145.

Raisonnement par défaut (l.m.)

default reasoning: « Raisonnement à partir d’informations incomplètes. » RECHE, 1985, p. 1247

Ramasse-miettes (l.m.)

garbage collector; reclaimer: « Des techniques plus astucieuses (concernant la mémoire des machines de l’intelligence artificielle) permettent de récupérer dynamiquement la place libérée... par le déclenchement de ce que les spécialistes appellent un ‘ramasse-miettes’. » RECHE, 1985, p. 1234.

Réactivité (n.f.)

reactivity: « Les démons sont des connaissances opératoires... règles ou métarègles qui ne sont pas assujetties aux mêmes cycles de base. Ces connaissances sont immédiatement exploitées dès que surviennent certains événements concernant la base de faits : ajouts, retraits, consultations. L’usage des démons tend à accroître la capacité dite de « réactivité » des systèmes experts. » FEXPE, 1985, p. 70.

Recherche arborescente (l.f.)

tree search: « Technique de recherche IA associée à un parcours d’arbre. » MOINF, 1981, p. 248.

Recherche aveugle (if.)

blind search: « L’introduction d’heuristiques est ce qui distingue une recherche guidée par des règles d’une recherche aveugle. » BONINT, 1984, p. 107.

Recherche du meilleur d’abord (l.f.)

best-first search: « Méthode de recherche qui consiste à choisir le nœud le plus prometteur pour en faire l’examen (ou l’expansion). » MICRM, 1985, vol. 1, n^o 1, p. 13.

Recherche en faisceau (l.f.)

beam search: « Méthode qui consiste à conserver simultanément les quelques meilleures situations, c’est-à-dire de poursuivre en parallèle un petit nombre de chemins de l’espace d’états. » TESIN, 1985, vol. 4, n^o 3, p. 282.

Recherche guidée (l.f.)

ordered search; guided search: « La recherche guidée ou heuristique utilise des informations sur la nature et la structure particulière d’un problème pour limiter la recherche. » MICRM, 1985, vol. 1, n^o 11, p. 11.

Recherche largeur d’abord (l.f.)

breadth-first search: « Un niveau d’arbre est exploré au complet avant de passer au niveau suivant. Cette stratégie favorise l’examen de tous les nœuds frères avant de passer aux nœuds fils. » MICRM, 1985, vol. 1, n^o 9, p. 53.

Recherche profondeur d’abord (l.f.)

depth-first search: « Méthode de recherche dans laquelle le nœud le plus récemment généré est développé d’abord. » RAIIN, 1981, vol. 15, n^o 4, p. 361.

Reconnaissance de formes d’expression (l.f.)

Speech- pattern recognition: « Le système MACSYMA possède des règles de simplification... et des procédures de reconnaissance des formes d’expression. » BONINT, 1984, p. 206.

Reconnaissance de l’écriture manuscrite (l.f.)

handwriting recognition: « La lecture et la reconnaissance (compréhension) d’un texte manuscrit en écriture cursive naturelle (où toutes les lettres sont enchaînées) représente le but ultime de toutes les recherches en reconnaissance automatique de l’écriture. » RECHE, 1985, p. 1188.

Reconnaissance de la parole; reconnaissance vocale (l.f.)

speech recognition; voice recognition: « Capacité d’une machine à reconnaître la voix humaine et à la transformer en données numériques. » RECHE, 1985, p. 1222.

Reconnaissance de mots enchaînés; reconnaissance de mots connectés (l.f.)

connected-word recognition; word-string recognition: « Reconnaissance de mots prononcés continûment mais sans lien logique (syntaxique) entre eux, comme par exemple, une suite de chiffres. » TESIN, 1985, vol. 4, n^o 3, p. 270.

Reconnaissance de mots isolés (l.f.)

discrete word recognition; isolated words recognition; unconnected-speech recognition: « Les appareils disponibles actuellement s’attaquent surtout au problème de la reconnaissance des mots isolés. » BONINT, 1984, p. 64.

Reconnaissance multilocuteurs-multiréférences (l.f.)

speaker-independent input recognition: « Reconnaissance des mots prononcés par une personne quelconque. L’apprentissage de chacun des mots du lexique demande la prononciation de ce mot par un grand nombre de locuteurs, de sexe, de timbre, et de variétés dialectales différentes. » RECHE, 1985, p. 1222.

Règle conditionnelle; règle de production (l.f.)

if-then rule; production rule: « Règle du type ‘Si E, alors H’. » RECHE, 1985, p. 1182.

Règle de connectivité (l.f.)

connectivity rule: « Elément du métalangage de subdivision indiquant une relation réciproque entre des symboles. » ITU-35F, 1984, p. 166.

Règle de transition (l.f.)

transition rule: « Règle qui gouverne le passage d’un état à un autre. » MICRM, 1985, vol. 1, n^o 9, p. 51.

Représentation de connaissances (l.f.)

knowledge representation: « Il s’agit d’emmagasiner un grand nombre de faits sous une forme telle (déclarative ou procédurale) qu’il soit possible d’enrichir, de modifier, de mobiliser et d’exploiter à toutes fins utiles ce stock de faits, en un temps raisonnable. » SCAVE, 1985, Hors Série, n^o 53, p. 49.

Réseau de transition récursif (l.m.); RTN

recursive transition network; RTN: « Réseau issu des automates d’états finis avec quelques adjonctions indispensables pouvant prendre en compte l’aspect récursif du langage. » BONINT, 1984, p. 52.

Réseau partitionné (l.m.)

partitioned net: « Notion introduite par Gang Hendrix, qui permet de regrouper des ensembles de nœuds et d’arcs dans des espaces spécifiant la portée des différentes relations. » BONINT, 1984, p. 123

Résolution de conflit (l.f.)

conflict résolution: « Notion qui se réfère au comportement de l’interpréteur lorsque, dans une situation donnée, plusieurs règles peuvent se déclencher. Il doit alors prendre la décision, soit de les appliquer dans un certain ordre (ou non), soit de n’en déclencher que quelques-unes (ou toutes). » BONINT, 1984, p. 134.

Résolution de problème (l.f.)

problem solving: « Fonction liée à l’exploration optimale d’un arbre de possibilités. » SCAVE, 1985, Hors Série, n^o J3, p. 49.

Résolveur de problèmes (l.m.)

problem solver: « Programme de résolution de problèmes... où la représentation des connaissances utilise souvent le modèle des règles de production. » TESIN, 1985, vol. 4, n^o 3, p. 276.

Retour arrière (l.m.); stratégie poursuite (l.f.)

backtrack strategy; backtracking: « Si une seule alternative reste posée (il y a deux diagnostics en course) trouver des données permettant de porter la différence des scores au-dessus d’un certain seuil. » BONINT, 1984, p. 199.

Schéma (n.m.)

scheme: « Structure de données qui contiendra des informations procédurales et déclaratives dont les relations internes auront été prédéfinies. » MICSY, 1983, p. 171.

Scénario (n.m.)

V. Script.

Scène (n.f.)

V. Épisode.

Science cognitive (l.f.)

V. Cognitique.

Script; scénario (n.m.)

script: « Les scripts sont des séquences d’événements correspondant au déroulement typique d’une action parfaitement banale, déroulement que l’auteur d’un texte n’a aucune raison d’expliciter. » RECHE, 1985, p. 1204.

Situation (n.f.); prémisse (n.f.)

premise: « Le moteur considère les faits déjà établis et regarde s’ils satisfont la partie gauche de la règle (prémisse). » BONINT, 1984, p. 133.

Sœurs (n.f.); frères (n.m.)

siblings; twins: « Nœuds issus d’un même père. » BONINT, 1984, p. 122.

Squelette (n.m.)

primal sketch; skeleton: « Dans plusieurs systèmes, chaque lettre est « squelettisée », c’est-à-dire que la matrice de points qui lui correspond est transformée en une ligne très fine ne représentant que le tracé central de la lettre, son « squelette », tous les points inutiles étant éliminés. » RECHE, 1985, p. 1271.

Stratégie poursuite (n.f.)

V. Retour-arrière.

Successeur (n.m.)

V. Fils.

Système de production (l.m.)

production system: « Système expert ayant adopté la représentation par règles de production... pour modéliser le comportement humain ou pour bâtir des bases de connaissances. » TESIN, 1986, vol. 5, n^o 1, p. 7.

Système de réécriture (l.m.)

rewriting system: « Logiciel spécialiste en transformation d’expressions. » MICSY, 1985, n^o 50, p. 176.

Synthèse de texte (l.m.)

text synthesis: « Création d’un texte cohérent à partir de l’information introduite sous une forme non linguistique. » COGNOS-7F, 1985, p. 39.

Système de traitement de la connaissance (l.m.)

knowledge information processing system; knowledge-based system; KIPS: « Machines de traitement logique ou symbolique les plus performantes en termes d’interaction homme-machine, de stockage et de traitement de la connaissance. » SCIET, 1984, n^o 3, p. 50.

Système expert (l.m.); SE

expert system; ES: « Ensemble de logiciels exploitant des connaissances explicites relatives à un domaine particulier – celui de l’expertise, pour offrir un comportement comparable à celui d’un expert humain. » MOINF, 1983, p. 272.

Système TA guidé par le lexique (l.m.)

lexicon-driven machine translation system: « Nous développons à Kyoto un système de traduction automatique ‘guidé par le lexique’. Ce système utilise non seulement les règles générales mais aussi un certain nombre de règles et phénomènes propres à chaque mot et qui lui ont été préalablement ‘inculqués’. C’est typiquement un système de troisième génération. » RECHE, 1983, p. 1540.

Tableau noir (l.m.)

blackboard: « Structure de données qui sert d’intermédiaire entre les différentes sources de connaissances et le système cognitif. » RAIIN, 1981, vol. 15, n^o 4, p. 359.

Technique de l’aspiration (l.f.)

aspiration search: « Technique qui consiste à partitionner l’intervalle initial (alpha, bêta). » TESIN, 1984, vol. 3, n^o 1, p. 42.

Théorie des ensembles flous (l.f.)

fuzzy sets theory: « En théorie des ensembles flous, une fonction caractéristique assigne à x un degré d’appartenance à l’ensemble E. » RECHE, 1985, p. 1182.

Tiroir (n.m.)

V. Case.

Tracé de raisonnement; parcours de raisonnement (l.m.)

reasoning path: « L’enchaînement des connaissances qui a permis de conclure. » RECHE, 1985, p. 1170.

Traduction automatique intelligente; TAI (l.f.)

intelligent machine translation; IMT: « Les recherches des Japonais sur la traduction automatique intelligente s’insèrent dans le cadre du projet d’ordinateurs de cinquième génération. » RECHE, 1983, p. 1541.

Traitement des langues naturelles (l.m.)

natural language processing; NLP: « Secteurs reliés au traitement des langues naturelles : la correction de textes, l’enseignement des langues assisté par ordinateur et la synthèse de rapports, notamment la synthèse multilingue. » COGNOS-7F, 1985, p. 38.

Transmission (n.f.)

V. Héritage.

Type abstrait de données (l.m.)

abstract data type: « Structure de données cachée à travers un jeu limité de procédures visibles. » TESIN, 1984, vol. 3, n^o 6, p. 453.

Unification (n.f.)

unification: « Opération de base du langage Prolog, qui consiste à mettre en correspondance un terme avec un autre terme ou assertion. Cela revient à essayer d’égaliser chacun des arguments de ces termes, pour trouver une expression commune à ces deux arguments. » MICSY, 1984, n^o 44, p. 110.

Univers structuré (l.m.)

V. Environnement structuré.

Vision artificielle; vision par ordinateur (l.f.)

artificial vision; computer vision; machine vision: « Un système de vision artificielle est une combinaison de capteurs optiques et d’informatique. » RECHE, 1985, p. 1266.

Zone de problème (l.f.)

problem space: « Zone incluant l’hypothèse ayant le score le plus élevé, et toutes les hypothèses entrant en compétition avec elle. » RECHE, 1985, p. 1184.

Bibliographie

(N.B. Les titres des périodiques sont marqués d’un astérisque)

AFNOR* Enjeux, Paris : Association française de normalisation

ANTEX* Annales des télécommunications, Paris : Société de la Revue optique

BLRIA* Bulletin de liaison de la recherche en informatique et en automatique, Le Chesnay : France

BONINT 1984 Bonnet, A., L’intelligence artificielle : promesses et réalités, Paris : InterEditions

COGNOS-7F La traduction automatique et le traitement des langues naturelles, Ottawa : Cognos

DEBDO 1982 Delobel C., Adiba R., Bases de données et systèmes relationnels, Paris : Bordas

ECREC* L’écho des recherches, Issy Les Moulineaux : France

FEFIF-F 1984 Feigenbaum, E.A., Mc Corduck, P., La cinquième génération (trad.) Paris : InterEditions

FEXPE 1985 Farreny H., Les systèmes experts : principes et exemples, Toulouse : Cépadues

GABAS 1985 Gardarin, G., Valduriez, P., Bases de données relationnelles, Paris : Eyrolles

GEOME 1985 Dictionnaire multilingue de la Fédération internationale des géomètres, Amsterdam : Argus.

GINFOA 1982 Ginguay, M., Laure A., Dictionnaire de l’informatique, Paris : Masson

GUILI 1969 Guilhaumou, J., Lexique de l’informatique, Paris : Entreprise moderne d’édition

HAPRO 1985 Hallopeau. B., Manuel pratique de programmation FORTRAN, Paris : Technip

IPROF* L’informatique professionnelle, Boulogne : Editions d’informatique

LAEVA 1979 Landsheere, G. de, Dictionnaire de l’évaluation et de la recherche en éducation, Paris : P.U.F.

LEBMI 1984 Le Beux, P., Lexique micro-informatique, Paris : Sybex

LUCAL 1983 Algorithmique et représentation des données, Paris : Masson

MICRM* Micro-mag, Outremont : Québec

MICSY* Microsystèmes, Paris : Société parisienne d’édition

MOINF 1983 Morgan. P., Dictionnaire de l’informatique, Paris : Larousse

PAVUE 1984 Parent. R., Point de vue québécois sur l’intelligence artificielle, Québec : Ministère des communications

ITU-35 F Langage homme-machine, Genève : Union internationale des Télécommunications

RAIIN* RAIRO : informatique, Paris : Dunod

RECHE* La Recherche, Paris : Société d’éditions scientifiques

SCAVE* Sciences et Avenir, Paris

SCIAM-F* Pour la Science, Paris : Librairie classique Eugène Belin

SCIET* Sciences et techniques, Paris : Société des ingénieurs civils de France

SCIVI* Science et vie, Paris : Excelsior

TESIN* Technique et science informatique, Paris : Dunod