De nombreux problèmes de planification et d’ordonnance-
ment impliquent la conception de subtiles combinaisons lo-
giques de contraintes temporelles ou spatiales. D’une part,
la modélisation précise de ces contraintes, qui sont formu-
lées dans diverses algèbres de relations, implique un cer-
tain nombre de combinaisons logiques possibles et néces-
site une expertise en modélisation basée sur les contraintes.
D’autre part, l’acquisition active de contraintes (AC) a été
utilisée avec succès pour aider les utilisateurs non expé-
rimentés à apprendre les réseaux de contraintes conjonc-
tives par la génération d’une séquence de requêtes. Dans
cet article, nous proposons GEQCA, pour Generic Quali-
tative Constraint Acquisition, une méthode d’AC active qui
apprend les contraintes qualitatives via le concept de re-
quêtes qualitatives. GEQCA combine les requêtes quali-
tatives avec la cohérence de chemin limitée dans le temps
(PC pour Path Consistency) et la propagation des connais-
sances de base pour acquérir les contraintes qualitatives.
Nous prouvons la correction, la complétude et la terminai-
son de GEQCA et nous donnons une évaluation expéri-
mentale qui montre (i) l’efficacité de notre approche dans
l’apprentissage des contraintes temporelles et, (ii) l’utilisa-
tion de GEQCA sur des instances réelles d’ordonnance-
ment.