Problèmes d'apprentissage de contraintes

Il est reconnu que la creation d'un modele de reseaux de contraintes requiert une bonne experience du domaine. Pour cette raison, des outils pour geenerer au- tomatiquement de tels reseaux ont gagnee en interet ces dernieres annees. Ce papier presente un systeme base sur la programmation logique inductive capable de construire un modele de contraintes a partir de solutions et non-solutions de problemes proches. Le modele est exprime dans un langage mi-niveau. Nous montrons que les approches de PLI classique ne sont pas capables de resoudre cette tâche d'apprentissage et nous proposons une nouvelle approche basee sur le raffinement d'une so- lution appelee graine. Nous presentons des resultats experimentaux sur des jeux de donnees allant des puzzles aux problemes d'emploi du temps.