Modèles relationnels pour apprendre, modéliser et raisonner

Un modèle est une représentation simplifiée d'un système pour répondre à un besoin spécifique. Il doit être aussi simple que possible sans être simpliste. Diagnostiquer un système dynamique, rechercher des informations pertinentes dans une base de données temporelle, résoudre un problème de satisfaction de contraintes, résoudre un problème de mise à jour des informations géographiques, assister un expert dans le processus de transformation de modèles d'un système décisionnel, analyser la qualité d'algorithmes en apprentissage automatique ou choisir la meilleure représentation des données sont autant de problèmes auxquels nous nous sommes intéressées et qui nécessitent le choix d'un bon modèle. Tout au long de ma carrière scientifique j'ai été confronté au problème de modélisation. Le choix d'un langage de modélisation garantissant un bon compromis entre expressivité et complexité, d'une approche de spécification et de conception du modèle conditionnent le résultat attendu. Je présente, dans ce document, certain résultats obtenus dans les différents domaines traités sous l'angle de la représentation et du raisonnement sur les données relationnelles.