Avant l'apprentissage automatique, les connaissances étaient codées manuellement. Les systèmes experts modélisaient les règles d'un domaine sous forme d'instructions « si-alors » et utilisaient un moteur d'inférence pour en tirer des conclusions. Ils ont été essentiels au diagnostic médical, à l'exploration minière et au dépannage d'équipements dans les années 1970 et 1980.

Le processus était assuré par deux composants. La base de connaissances stockait les faits et les règles, souvent élaborés à partir d'entretiens avec des experts. Le moteur d'inférence appliquait ces règles à de nouveaux cas, enchaînant les raisonnements logiques vers l'avant ou vers l'arrière pour parvenir à des conclusions.

Exemples classiques

• MYCINE pour les infections bactériennes
• DENDRAL pour la structure moléculaire
• XCON pour la configuration informatique
• CADUCÉE pour la médecine interne

La maintenance a été le point faible. Les règles se sont multipliées, des conflits sont apparus et la mise à jour de la base de connaissances a nécessité l'intervention d'experts. L'apprentissage automatique a remplacé de nombreuses applications car il apprend à partir des données sans nécessiter d'encodage explicite. Les systèmes experts subsistent dans des domaines spécifiques où la transparence et la traçabilité sont essentielles.