L’interaction personne-machine fait partie des problèmes les plus complexes dans le domaine de l’intelligence artificielle. En effet, les logiciels qui coopèrent avec des personnes dépendantes doivent avoir des qualités contradictoires telles que la rapidité et l’expressivité, voire la précision et la généralité. Cela exige un changement radical de paradigme par rapport aux approches standards, qui s’avèrent souvent efficaces, mais rigides. On a alors, pour objectif, la conception d’outils capables de générer des solutions intermédiaires qui ont parfois une grande utilité pour certaines problématiques. Ces solutions permettent d’élargir les possibilités d’adaptation de manière fluide et continue. Dans l’idée, le rôle de l’explicabilité dans le processus de résolution constitue un critère déterminant pour obtenir des systèmes flexibles. Aussi, la recherche à tout prix d’une réponse complète et optimale n’a que trop occulté l’utilité de ces modèles.

Les mathématiques offrent les meilleurs outils de formalisation. Cependant, il s’avère que la fondation des mathématiques est définie par une circularité implicite. Ce défaut agit comme un révélateur d’un manque de rigueur pour décrire des notions de base utilisées en mathématique. Il suffit dès lors de reconnaitre la nécessité d’un formalisme établi sur un langage précurseur. À défaut d’alternatives, le langage naturel fait office de précurseur pour un nouveau formalisme. Celui-ci est inspiré par le lambda-calcul ainsi que par la théorie des types. À partir de concepts de base, définis par circularité explicite, il est alors réalisable de reconstruire les notions mathématiques classiques ainsi que d’autres outils et structures très utiles pour la suite.

En se servant de ce formalisme, il devient possible d’axiomatiser un métalangage endomorphique. Celui-ci manipule une grammaire dynamique capable d’ajuster sa sémantique à l’usage. La reconnaissance des structures de base permet à ce langage de ne pas utiliser de mot-clés. Ceci, combiné à un nouveau modèle de représentation des connaissances, supporte la construction d’une logique de description très expressive.

Avec ce langage et ce formalisme, il devient envisageable de créer des cadriciels dans des champs jusqu’alors hétéroclites. Par exemple, en planification automatique, le modèle classique à état rend l’unification de la représentation des domaines de planification impossible. On illustre l’intérêt de tels outils sur la planification et ses multiples paradigmes. Il en résulte un cadriciel général de la planification permettant d’exprimer tout type de domaines en vigueur.

On crée alors des algorithmes concrets qui montrent le principe des solutions intermédiaires. Deux nouvelles approches à la planification en temps réel sont présentées et évaluées. La première se base sur une euristique d’utilité des opérateurs de planification afin de réparer des plans existants. La seconde utilise la planification hiérarchique pour générer des plans valides qui sont des solutions abstraites et intermédiaires. Ces plans rendent possible un temps d’exécution bien inférieur pour tout usage ne nécessitant pas le plan détaillé.

On illustre alors l’usage de ces plans sur la reconnaissance d’intention par planification inversée. En effet, dans ce domaine, le fait de ne pas nécessiter de bibliothèques de plans rend la création de modèles de récognition bien plus aisée. En exploitant les plans abstraits, il devient possible de réaliser un système théoriquement plus performant que ceux utilisant de la planification complète.