
Dans un monde où les données sont de plus en plus nombreuses et complexes, la logique floue apparaît comme une méthode de traitement de l'information particulièrement adaptée.
En combinant intelligence artificielle et modélisation de systèmes complexes, elle offre des perspectives prometteuses pour les organisations en quête d'amélioration de la qualité de leurs données et de leur prise de décision.
Sommaire :
1. Qu’est-ce que la logique floue ?
2. Pourquoi utiliser de la logique floue ?
3. Les applications de la logique floue
4. Quelques exemples d’application de la logique floue
Qu’est-ce que la logique floue ? 🤔
La logique floue est une approche issue d’une théorie mathématique qui a été développée dans les années 60 par le mathématicien Lotfi Zadeh.
Utilisée aujourd’hui en intelligence artificielle, c’est une méthode de traitement de l'information également connue sous le nom de logique incertaine ou « fuzzy logic », permettant de traiter des informations imprécises ou incertaines.
Contrairement à la logique classique, qui énonce que toute proposition est soit vraie, soit fausse, la logique floue permet d'exprimer une proposition avec un certain degré de certitude ou d'incertitude.

La logique floue est donc une méthode de traitement de l’information, capable de représenter des nuances et des degrés de concordance, en utilisant des valeurs intermédiaires comprises entre 0 (pas de similitude) et 1 (lorsque la similitude est totale).
Pourquoi utiliser de la logique floue ?
La logique floue présente pour avantage d'être intuitive et de faire intervenir des variables et des nuances dans un résultat qui, habituellement, est exprimé en résultat vrai ou résultat faux.
Elle permet ainsi de résoudre des situations complexes de rapprochement de données qui ne sont pas écrites exactement de la même façon.
Elle crée des ponts entre des sources de données ne disposant pas de clé commune. La clé commune étant la condition sine qua non pour pouvoir faire des croisements entre les données. C’est tout un champ des possibles, inexploité, qui s’ouvre alors aux organisations utilisant cette méthode approche.
Pour illustration, la logique floue rapproche des noms de personnes qui ont été saisis différemment et qu’une méthode classique de comparaison ne permet pas d’associer.
Emma Dupont et Emma Dupond
Malaurie ou Malorie voir même Mallorie
Pour découvrir une utilisation de la logique floue dans le domaine des assurances, voir notre article ‘‘Comment s’affranchir des erreurs de saisies dans les assurances ?’’
Les applications de la logique floue 🔍
La logique floue est utilisée, entre autres, dans les systèmes d’aide à la conduite des véhicules, la reconnaissance de formes, le contrôle des robots, le diagnostic médical ou encore à la prise de décision.
Les outils assurantiels d’analyse et de prévention des risques en intègrent déjà, tout comme les intelligences artificielles qui gèrent le trafic routier et aérien. On la retrouve également dans les modèles de prédiction météorologique et climatique.
Elle est particulièrement appliquée pour réaliser un pont entre plusieurs sources de données, pouvant contenir des éléments non strictement identiques.
Lorsque la logique floue est appliquée à un texte, elle propose des correspondances de segments de texte qui peuvent être inférieures à 100%. Il est alors possible de s’affranchir des erreurs de saisies, des encodages différents, d’une structure de données non identique, etc. Un seuil, appelé coefficient de confiance, permet alors de rapprocher le niveau de similitude entre les segments de texte associés.
La logique floue est utilisée dans tous les domaines où le besoin est de traiter des informations incertaines ou imprécises. Appliquée à des données texte approchantes, elle permet de réaliser des rapprochements et des réconciliations entre des mots ou groupes de mots non identiques.
Quelques exemples d’application de la logique floue
Pour illustrer des cas d’application de la logique floue – fonctionnalité essentielle, présente dans la solution Tale of Data - dans le rapprochement de données orthographiées différemment, voici quelques exemples concrets d’utilisation de la logique floue chez nos clients.
Rapprochement de données par logique floue
Dans toutes les organisations qui utilisent des bases de données avec des contacts / clients / fournisseurs / adhérents, etc…, la logique floue permet de rapprocher des noms et prénoms malgré des différences d’orthographe.
Voici un tableau illustrant un audit, réalisé par un de nos clients, sur la qualité des données de sa base clients et les principales erreurs rencontrées :

Citons un autre cas d’utilisation de la logique floue.
Un de nos clients avait besoin de rapprocher ses bons de commandes avec les informations que ses fournisseurs lui renvoyaient sur les commandes livrées.
Voici les références des bons de commandes envoyées aux fournisseurs ; ces références étant composées de 2 lettres et 8 chiffres :
AX01259783
AT01478936
AX56321454
AO58960123
La première erreur de retranscription des fournisseurs était la confusion entre des lettres et des chiffres. En effet, les bons de commande étant composés de lettres et de chiffres, l’erreur de saisie la plus courante était commise sur l’inversion du zéro et de la lettre o, ou encore la lettre i avec le chiffre 1.
De plus, lorsque les 3 premiers caractères comprenaient le chiffre zéro ou la lettre o, il y avait encore plus d’erreurs, ces dernières diminuant en fonction de l’éloignement du zéro par rapport aux lettres.
Voici quelques exemples d’erreurs rencontrées dans la saisie des bons de commande par le fournisseur :
