*Result*: Un cadre paraconsistant pour l'évaluation de similarité dans les bases de connaissances

*International audience ; This article proposes a paraconsistent framework for evaluating similarity in knowledge bases. Unlike classical approaches, this framework explicitly integrates contradictions, enabling a more robust and interpretable similarity measure. A new measure $ S^* $ is introduced, which penalizes inconsistencies while rewarding shared properties. Paraconsistent super-categories $ \Xi_K^* $ are defined to hierarchically organize knowledge entities. The model also includes a contradiction extractor $ E $ and a repair mechanism, ensuring consistency in the evaluations. Theoretical results guarantee reflexivity, symmetry, and boundedness of $ S^* $. This approach offers a promising solution for managing conflicting knowledge, with perspectives in multi-agent systems. ; Cet article propose un cadre paraconsistant pour l'évaluation de la similarité dans les bases de connaissances. Contrairement aux approches classiques, ce cadre intègre explicitement les contradictions, permettant une mesure de similarité plus robuste et interprétable. Une nouvelle mesure S * est introduite, pénalisant les incohérences tout en valorisant les propriétés partagées. Des super-catégories paraconsistantes Ξ * K sont définies pour organiser hiérarchiquement les entités de connaissances. Le modèle inclut également un extracteur de contradictions E et un mécanisme de réparation, garantissant la cohérence des évaluations. Les résultats théoriques assurent la réflexivité, la symétrie et les bornes de S * . Cette approche offre une solution prometteuse pour la gestion des connaissances conflictuelles, avec des perspectives dans les systèmes multiagents*