Représentation des connaissances et Web sémantique

langues franfais-anglais et fran¢ais-arabe Nons montrons que l'appariement des phrases, et, darts 1'6tape d'apr~, des expressions, revient h po~r un probl~me nouveau en traduction automatique : la reconnaissance, et non la traduction proprement dire Introduction : Des gisements d'informations linguistiques

Treaty Series - United Nations

proc~s-verbaux de rectification de l'acte final en date des 3 mars 1986 et 26 juillet 1993) arabe, chinois, anglais, franais, russe et espagnol [Traduction

Auteur(s)

La translitt ration appara t en effet comme un proc d permettant de conserver des l ments de la langue de l'original, de rappeler en quelque sorte 3 L'exemple donn par Catford est celui de la traduction en fran ais et en arabe de la phrase ÒThis is the man I sawÓ

Multilinguisation dun editeur de documents structures

traduction de la representation "pivot" d'un document Grif en une repr6sentation aans un autre formalisme, tel que SGML, TE X, LATEX, Scribe, ouTroff L'une des applications int~ressantes de Grif est la construction de classes de documents bilingues (franqais-anglais, par exemple), voire multilingue

Collection Pierre Pruvost - Tajan

Avec traduction conforme à l ’ original arabe, é manant de l interpr è te militaire attach é au ch â teau 2 ABD EL-KADER é — L A S avec cachet, 1/2 p in-4 ; (Smyrne ?), 1 I 1854 En arabe, traduction jointe 250 /300 Lib é r é quelques mois plus t ô t par Napol é on III, l ’é mir s ’ est retir é à Smyrne (Turquie

CONNAºTRE DIEU PAR LA RAISON - WordPresscom

Tous droits de traduction, d’adaptation et de reproduction par tous proc”d”s, r”serv”s pour tous pays La loi du 11 mars 1957 n’autorisant, aux termes des alin”as 2 et 3 de l’article 4l, d’une part, que les "copies ou reproductions strictement r”serv”es ‹ l’usage priv” du copiste et non

Représentation des connaissances et Web sémantique

sur des textes en fran˘cais, anglais, ukrainien, arabe il existe une proc edure d etermin ee permettant de calculer sa Projet de traduction automatique (1966)

Probl matique : la place de lÕinsulte - SFR

des raisons stylistiques En d pit de la variation dans la traduction, le terme arabe sera indiqu entre parenth ses sÕil pr sente un int r t notionnel le justi ant 6 Au sens du proc d pragmatique que les rh toriciens nomment pr t rition : Ç gure macrostructurale selon laquelle le locuteur pr tend quÕil ne dit pas ce quÕil dit È

Les Abeilles Qui Construisent Des Rayons de Ruches Parfaits

Tout droits de traduction, dÕadaptation et de reproduction par tous proc”d”s, r”serv”s pour tous pays La loi du 11 mars 1957 nÕautorisant, aux termes des alin”as 2 et 3 de lÕarticle 41, dÕune part, que les ˙ copies ou reproduction strictement r”serv”es ‹ lÕusage priv” du copiste et non destin”es ‹ une

[PDF] quelles sont les différences entre html et xhtml ?

[PDF] sujet pour groupe whatsapp

[PDF] combinaison avec répétition démonstration

[PDF] les fenetres baudelaire pdf

[PDF] dictionnaire synonyme pdf

[PDF] un lancé de dé orthographe

[PDF] simulation d'un lancer de dé

[PDF] que veut dire si d'aventure

[PDF] partir ? l'aventure définition

[PDF] si d'aventure conjugaison

[PDF] si d'aventure en aventure

[PDF] si d'aventure ou si d'aventures

[PDF] averroes livre pdf

[PDF] l'incohérence des philosophes pdf

[PDF] l incohérence de l incohérence averroes

IntroductionHisto riqueNo tionsimp ortantesConnaissances

Representation des connaissances

et Web semantique

Introduction

Master SDL { Universite d'Orleans

Thierry Hamon

hamon@limsi.fr

LIMSI-CNRS &

Institut Galilee - Universite Paris 13

Septembre { novembre 2018

1/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Ma rechercheMa^tre de conferences en Informatique a Paris 13 Recherche au Laboratoire d'Informatique et de Mecanisque pour les Sciences de l'Ingenieur (LIMSI { Orsay)Domaine : Traitement Automatique des Langues applique aux domaines de specialite (electricite, medecine, risque chimique, etc.)sur des textes en francais, anglais, ukrainien, arabe

Proposition d'approches pour

Constitution et enrichissement de ressources terminologiques

Articulation d'outils de TAL

Extraction et recherche d'information

Type de donnees textuelles : bases bibliographiques, documents techniques, dossiers patients, articles scientiques, forums de discussion, etc.Developpement d'outils en Perl (modules CPAN)

2/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Ma rechercheConstitution et enrichissement de ressources terminologiques

Exploration de corpus textuels

Extraction de termes :YATEA

[Aubin et Hamon 2006, Hamon et al. 2014, Neifar et al. 2016, Hamon et Grabar 2016]Acquisition de relations semantiques : SynoTerm

[Hamon 2000, Grabar et al. 2008, Hamon et Grabar 2009]Application : Identication automatique de mots-cles d'articles

[Hamon 2012, Hamon 2016]Articulation d'outils de TAL[Hamon et al. 2007] Denition d'une plate-forme modulaire combinant des outils de TAL pour annoter des documents avec des informations linguistiques

3/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

Ma rechercheExtraction et recherche d'information

Fouille de dossiers patients (en anglais) :

Identication des maladies, des medicaments et des traitements mais aussi des relations entre eux et de leur niveau de certitude [Grabar et Hamon 2009, Hamon et al. 2010, Prinet et al. 2011]Fouille de donnees bibliographiques : Collecte des facteurs de risque associes aux maladies

[Hamon et al. 2010]Collecte ciblee de documents sur le Web[Gollub et al. 2007]Integration d'informations linguistiques dans le moteur de

recherche de l'intranet[Grabar et al. 2009]Fouille de forums de discussion[Hamon et Gagnayre 2013]Identier des competences requises par des programmes

d'education therapeutiqueProlage des internautes (identication des informations demographiques { en cours)

4/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Organisation des enseignements10 seances de 2h30 ou 3h30

Alternance de cours et de TD ou de TP

Travail en bin^omePendant la plupart des seances : presentation d'articles scientiques en lien avec la representation des connaissancesPresentation de 15 minutes en bin^ome

5/10 minutes de questions (par tout le monde)

Nombre de presentations en fonction du nombre de bin^omes

Evaluation

Presentation d'articles et questions posees

Projet nal

5/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances IntroductionIntelligence Articielle et representation des connaissances? IA : raisonnement, inference (+ apprentissage, ...) Besoin de connaissances sur lemondedans lequel le systeme intervientInference : formalisation de connaissances Besoin de representer les connaissances pour qu'un systeme puisse les utiliserWeb semantique et representation des connaissances WS : Formalisation de connaissances disponibles sur le Web Representation des connaissances sous forme d'entites XML

6/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

Introduction

Representation des connaissances, Web semantique et...Traitement Automatique des Langues? Textes : Contiennent la plupart des connaissances produites Acceder a ces connaissances : besoin d'analyser les textes Connaissances existantes : guide pour l'analyse de textes

Communication?

Representations mentales des connaissances de l'emeteur et du recepteurInteraction : besoin de connaissances communes, d'inference

Organisation des connaissances

Didactique?

Transmettre des connaissances : besoin de bien les representer Representation des connaissances : outil pour conceptualiser

Supports pedagogiques numeriques : besoin d'une

formalisation des connaissances

7/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

PlanIntroduction

Intelligence Articielle (IA)

Historique de l'IA

Denitions

Notions importantes

Inference

Codage des informations

Connaissances

Modeles de representation de connaissance

Systemes fondes sur la logique

Reseaux semantiques

Les objets structures : schemas et scripts

8/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

L'Intelligence Articielle

9/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

Qu'est ce que l'IA concretement?Rechercher

Analyser, resoudre des problemes, trouver des methodes de resolutionRepresenter des connaissances logique, regles, memoire, cas, langue naturelle, etc.

Mettre en application les idees 1) et 2)

Systemes Experts, Pilotes automatiques,

Planication, Data Mining,

Agents d'interfaces, fouille de texte, systeme de dialogue

Robots, avatars, chatbots, etc.

On est loin du transparent precedent!

10/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

Qu'est ce que l'IA concretement?Rechercher

Analyser, resoudre des problemes, trouver des methodes de resolutionRepresenter des connaissances logique, regles, memoire, cas, langue naturelle, etc.

Mettre en application les idees 1) et 2)

Systemes Experts, Pilotes automatiques,

Planication, Data Mining,

Agents d'interfaces, fouille de texte, systeme de dialogue

Robots, avatars, chatbots, etc.

On est loin du transparent precedent!

10/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

Historique

11/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances L'Intelligence Articielle (IA)La naissance de l'IA est liee indirectement aux trois facteurs le probleme de la decidabilite, auquel s'associe celui de la calculabilitel'amelioration des capacites industrielles et des decisions economiquesla seconde guerre mondiale et la guerre froide

12/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Decidabilite : denitionl'existence d'une procedure generale permettant d'attribuer la valeur vraioufauxa toute proposition logiquece processus est appele algorithme Un algorithme resout un probleme de decision lorsque1il prend en entree les parametres du probleme

2il determine si l'enonce est vrai ou faux pour ces parametres

Exemple :determiner si un entier naturel quelconque est premier est un probleme de decision. Ce probleme est d ecidable : il existe un algorithme (un calcul, un programme) qui le resout.

13/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

Decidabilite : probleme

Certains problemes sont

ind ecidables c'est- a-direqu'il n'existe pas d'algorithme ou de programme qui les resolve. Il est important de savoir si un probleme est decidable avant de chercher a le resoudre.De nombreux problemes sont indecidables.

Le plus fameux d'entre eux est le

p roblemede l'a rr^et : ^ etre capable de determiner, pour tout programme informatique, s'il s'arr^etera de lui-m^eme ou continuera son execution eternellement.

14/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Decidabilite : problemeKurt Godel (1931) : theoreme d'incompletude dans tout systeme axiomatique il existe inevitablement des propositions pour lesquelles ce m^eme systeme est incapable de

demontrer si elles sont vraies ou faussesainsi quel que soit la puissance d'un langage de formalisation,

il existera toujours dans l'Univers des faits qu'il ne pourra pas demontrer

15/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Decidabilite : solution (calculabilite)Alain Turing (1936) : notion de calculabilite s'il est possible de calculer le resultat d'une fonction dans toutes les circonstances, alors la question associee a cette fonction est decidableMachine de Turing: pour toute fonction, on y trouve une machine qui, a la n de son calcul, fournit le resultat de cette fonction

16/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Decidabilite : solution (calculabilite)Calculabilite d'une fonction il existe une procedure determinee permettant de calculer sa valeur en un nombre ni d'etapes quels que soient ses argumentsDecidabilite d'une fonction il existe une procedure determinee (ou demonstration) permettant de resoudre cette question en un nombre ni d'etapes

17/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

La machine de TuringTuring a demontre

l'existence de machines qui pouvaient ne jamais s'arr^eter de calculer machine universelle:Turing a montre ensuite que, parmi les machines de Turing, il

existe une pouvant simuler toutes les autreselle constitue le modele theorique des ordinateurs, premier

etape sur le chemin de l'IA

18/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances La machine de TuringUn probleme ne pouvant pas ^etre resolu par une machine de Turing ne peut pas l'^etre par l'esprit humainLe principe de l'IA : toute forme de pensee humaine susceptible d'^etre exprimee dans un langage peut ^etre simulee par la machine universelle

19/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

De techniqueSeconde guerre mondiale

Enigma

Systeme allemand de codage de messages

Colossus (1943-1945)

Serie de calculateurs programmables bases sur le modele de la machine de Turing, concus pour casser le code Lorenz

20/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances La prise de decisionHerbert Simon (Avancee des sciences economiques)

1955 : Premier langage d'IA

Le Logic Theoristpouvant

resoudre des problemes mathematiques, parfois en utilisant des demonstrations completement originalesInference a l'aide de 3 regles :

Substitution :

N'importe quelle variable peut ^etre substituee par une expressionRemplacement : Une expression peut ^etre remplace par sa denitionDetachement

Si A est vrai et A implique B, alors B est vrai

21/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Le Test de Turing1950 : jeu de l'imitation ou test de Turing Lors de ce test, le succes permet de determiner le caractere intelligent,L'echec ne permet aucune conclusion Ce test se base sur le comportement de l'interlocuteur, en ignorant les mecanismes de ce comportement

22/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

Naissance de l'IA

Les annees 50convergence des recherches sur ces problemes un reseau de recherche : A. Newell, J. C. Shaw, M. L. Minsky, J. McCarthy, C. Shannon1956 : l'organisation de la conference du Dartmouth College

Le domaine a recu le nom de

IA[McCarthy, 1956]

23/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

IA : deux ecoles(1) Heritiers de la cybernetique

Se preoccupent des processus d'apprentissage

Leur demarche est dans le cadre de la simulation numerique sur le base des travaux de Marvin Minsky Ecole du MITTravaux dans le domaine de la robotique et des systemes experts

24/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

IA : deux ecoles(2) l'ecole Carnegie-Mellon

Guidee par les idees d'Allan Newell, Herbert Simon sur le traitement symboliqueLogic Theorist [Newell, Shaw et Simon, 1956] : demonstration de theoremes de la logique des propositions1957 : un systeme reellement intelligentleGeneral Problem SolverouGPSSe caracterise sur les travaux sur la resolution de problemes et sur la nature de raisonnement

25/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Annees 60-70Projet de traduction automatique (1966) Rapport ALPAC (Automatic Language Processing Advisory

Council)Weizenbaum, J., (1966)

ELIZA { A computer program for the study of natural language communication between man and machine.Les annees noires 1966-1969

26/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances The (in)famous "ALPAC report"En 1966, par the US National Academy of the Sciences Y. Bar-HillelLa bonne qualite ou l'automatisation complete ne peuvent pas ^etre atteintesL'automatisation complete n'est pas souhaitable co^uts eventuellement plus eleves qu'avec les traducteurs humains"MT is hopeless"

Recommandation :

mettre plus d'eort dans la recherche en linguistique qu'elle contribue ou non a la traduction automatique directementConsequences : baisse des budgets pour la traduction automatique

Mais debut des travaux en TAL

27/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances ELIZAPremier agent conversationnel (chatbot) de l'histoire Man :Pourquoi est-ce que vous ne me contredisez jamais?Le systeme reconna^t les mots clefsvousetme auxquels est associee la forme :(*vous*me*)qui correspond a la transformation

Qu'est-ce qui vous fait penser que je 2 vous 3?Machine :Qu'est-ce qui vous fait penser que je ne vous

contredis jamais?

Evolution : ALICE (1995)

28/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

ELIZA & ALICE

http://eliza.levillage.org/index.html https://elizia.net/

29/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

IA : denitions

Plusieurs denitions :

The building of computer programs which perform tasks which are, for the moment, performed in a more satisfactory way by humans because they require high level mental processes such as : perception learning, memory organization and critical reasoning. [Marvin Lee Minsky, 1956]Son but est la creation de programmes informatiques qui puissent se comporter ou penser intelligemment [Gardner, 1993]

Chaque aspect de l'apprentissage ou toute autre

caracteristique de l'intelligence peut en principe ^etre decrit d'une facon susamment precise pour qu'une machine puisse le simuler. [McCorduck, 1979]

30/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

IA : denition

[R.Kurzweil, 1990]Le champ de recherche relatif a la construction de machines eectuant des t^aches considerees comme requerant de l'intelligenceDouble objectif :

Rendre les machines plus ecaces

Comprendre ce qu'est l'intelligence

L'etude de la connexion computationnelle entre l'action et la perceptionL'intelligence se denit en termes de ses processus constituants, comprenantl'apprentissage, le raisonnement, la capacite de manipuler des symboles

31/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Quatre types de denition de l'IA1. Systeme qui pense comme les hommes (complexe) Modelisation cognitive (GPS [Newel & Simon, 1961])

2. Systeme qui pense rationnellement (limite)

Logicisme : pensee logique

Pascal [1623-1662] (machine a calculer)

Leibnitz [1646-1716] (machine a raisonner)

Babbage [1792-1871] (machine analytique)

32/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Quatre types de denition de l'IA3. Systeme qui agit comme les hommes (theorique)

Systeme passant le test de Turing

Apprendre des connaissances (s'adapter)

Representer des connaissances (memoriser)

Resoudre des problemes (raisonner)

Comprendre (communiquer)

4. Systeme qui agit rationnellement (pragmatique)

Agent rationnel (annee 1990)

Agit selon ses croyances pour atteindre des objectifs (pas seulement logique)

33/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances IA : denitionest une des branches des Sciences Cognitives a pour objectif d'obtenir de la machine un comportement intelligentl'etude et la construction de systemes articiels de traitement de connaissances

34/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances IA : denitionL'IA est marquee par des techniques speciques de representation des connaissances de traitements de ces connaissances d'organisation architectural des systemes d'interaction de ces systemes avec leur environnement, permettant par ailleurs leur capacite d'evolution

35/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances Les principaux langages de l'intelligence articielleLisp

1960, J. MacCarthyProlog

1973, A. ColmerauerSmallTalk

1972, A. Kay, D. Ingals, T. Kaehler, A. GoldbergJAVA

1994C++ (1993), Scheme (1975), ...

36/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

Un champ pluri-disciplinaireInformatique

systemes, codage, ...

Linguistique

Psychologie

intelligence humaine, animale, developpement

Ergonomie

analyse des t^aches

Biologie, Statistique, Economie, Ethologie,

37/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

IA aujourd'hui

38/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

IA aujourd'huiAmbitions initiales abandonnees

On ne pense plus faire une IA a court terme

Re exion sur l'ethique (IA faible vs. IA forte, impact de l'IA)

Les retombees de l'IA sont partout

objets, agents, methodologies, representation des connaissancesapproches causales, qualitatives fouille de donnees, fouille de texte statistiques non lineaires (reseaux neuronaux) programmation par contraintes nouvelles methodes d'optimisation (evolution articielle)

39/83 Repr. K & IA T Hamon

IntroductionHisto riqueNo tionsimp ortantesConnaissances

IA aujourd 'hui

quotesdbs_dbs12.pdfusesText_18

[PDF] Représentation des connaissances et Web sémantique

Representation des connaissances

Introduction

Master SDL { Universite d'Orleans

Thierry Hamon

LIMSI-CNRS &

Institut Galilee - Universite Paris 13

Septembre { novembre 2018

1/83 Repr. K & IA T Hamon

Proposition d'approches pour

Articulation d'outils de TAL

Extraction et recherche d'information

2/83 Repr. K & IA T Hamon

Exploration de corpus textuels

Extraction de termes :YATEA

3/83 Repr. K & IA T Hamon

Ma rechercheExtraction et recherche d'information

Fouille de dossiers patients (en anglais) :

4/83 Repr. K & IA T Hamon

Alternance de cours et de TD ou de TP

5/10 minutes de questions (par tout le monde)

Evaluation

Presentation d'articles et questions posees

Projet nal

5/83 Repr. K & IA T Hamon

6/83 Repr. K & IA T Hamon

Introduction

Communication?

Organisation des connaissances

Didactique?

Supports pedagogiques numeriques : besoin d'une

7/83 Repr. K & IA T Hamon

PlanIntroduction

Intelligence Articielle (IA)

Historique de l'IA

Denitions

Notions importantes

Inference

Codage des informations

Connaissances

Modeles de representation de connaissance

Systemes fondes sur la logique

Reseaux semantiques

Les objets structures : schemas et scripts

8/83 Repr. K & IA T Hamon

L'Intelligence Articielle

9/83 Repr. K & IA T Hamon

Qu'est ce que l'IA concretement?Rechercher

Mettre en application les idees 1) et 2)

Systemes Experts, Pilotes automatiques,

Planication, Data Mining,

Robots, avatars, chatbots, etc.

On est loin du transparent precedent!

10/83 Repr. K & IA T Hamon

Qu'est ce que l'IA concretement?Rechercher

Mettre en application les idees 1) et 2)

Systemes Experts, Pilotes automatiques,

Planication, Data Mining,

Robots, avatars, chatbots, etc.

On est loin du transparent precedent!

10/83 Repr. K & IA T Hamon

Historique

11/83 Repr. K & IA T Hamon

12/83 Repr. K & IA T Hamon

2il determine si l'enonce est vrai ou faux pour ces parametres

13/83 Repr. K & IA T Hamon

Decidabilite : probleme

Certains problemes sont

Le plus fameux d'entre eux est le

14/83 Repr. K & IA T Hamon

15/83 Repr. K & IA T Hamon

16/83 Repr. K & IA T Hamon

17/83 Repr. K & IA T Hamon

La machine de TuringTuring a demontre

18/83 Repr. K & IA T Hamon

19/83 Repr. K & IA T Hamon

De techniqueSeconde guerre mondiale

Enigma

Systeme allemand de codage de messages

Colossus (1943-1945)