Les réseaux bayésiens sont l'un des modèles les plus populaires de la

communauté IA pour modéliser des incertitudes. Ils combinent en

effet un encodage compact de distributions de probabilités et des

mécanismes de calculs probabilistes très efficaces. Ils sont

actuellement utilisés dans des domaines assez variés comme par

exemple le diagnostic de panne, la modélisation d'utilisateur, l'aide à

la décision médicale, ou bien encore la robotique. Leur champ

d'application est d'autant plus grand que le réseau peut être construit

à partir de données hétérogènes provenant de sources elles aussi

hétérogènes. L'encodage assure alors que ces données pourront être

combinées de manière à produire des résultats toujours significatifs.

Depuis quelques années, les recherches sur les réseaux bayésiens

tournent autour de trois axes principaux, qui sont tous abordés dans

ce numéro spécial : la construction du réseau et en particulier

l'apprentissage automatique du réseau à partir de bases de données,

les algorithmes de propagation d'informations dans le réseau,

autrement dit l'inférence probabiliste, et l'utilisation pratique des

réseaux bayésiens dans des problèmes industriels.