Structuration de collections d'images par apprentissage actif crédibiliste

L'indexation des images est une etape indispensable pour valoriser un fond d'archive professionnel ou des collections d'images personnelles. Le "documentaliste" se doit de decrire precisement chaque document collecte dans la perspective de le retrouver. La difficulte est alors d'interpreter les contenus visuels et de les associer entre eux afin de couvrir differentes categories qui peuvent etre souvent tres subjectives. Dans ce travail, nous nous inspirons du principe de l'apprentissage actif pour aider un utilisateur dans cette tâche de structuration de collections d'images. A partir de l'analyse des contenus visuels des images, differentes strategies de selection active sont developpees afin d'aider un utilisateur a identifier et cerner des categories pertinentes selon son point de vue. Nous proposons d'exprimer ce probleme de classification d'images avec apprentissage actif dans le cadre du Modele des Croyances Transferables (MCT). Ce formalisme facilite la combinaison, la revision et la representation des connaissances que l'on peut extraire des images et des classes existantes a un moment donne. La methode proposee dans ce cadre permet ainsi une representation detaillee de la connaissance, notamment en representant explicitement les cas d'appartenances a aucune ou a de multiples categories, tout en quantifiant l'incertitude (liee entre autre au fosse semantique) et le conflit entraine par l'analyse des images selon differentes modalites (couleurs, orientations). Une interface homme-machine a ete developpee afin de valider notre approche sur des jeux de tests de reference, des collections d'images personnelles et des photographies professionnelles issues de l'Institut National de l'Audiovisuel. Une evaluation a ete conduite aupres d'utilisateurs professionnels et a montre des resultats tres positifs en termes d'utilite, d'utilisabilite et de satisfaction.