De nombreux travaux utilisent des modèles formels pour effectuer de la ==vérification de propriétés ou de la génération de tests. Cependant, produire ces modèles reste une tâche complexe et fastidieuse. L'inférence de modèles est un domaine de recherche récent qui répond partiellementàpartiellement`partiellementà cette problématique. Cette technique consistè a générer des modèlesmodèles`modèlesà partir de tests automatiques ou d'informations sur l'application. Cet article propose une nouvelle approche de génération de modèlesmodèlesà partir de traces d'exécution (séquences d'actions) ex-traites depuis une application. Intuitivement, un expert humain est capable de reconnaˆıtrereconnaˆıtre des comportements fonctionnels parmi ces traces, en appliquant des r` egles de déduction. Nous proposons une plateforme capable de reproduire ce principe en utilisant un système expert basé sur des r` egles d'inférence. Ces r` egles sont organisées en couches et permettent de construire des modèles IOSTS partiels (Input Output Symbolic Transition System), qui deviennent de plus en plus abstraits au fur etàet`età mesure que l'on s'´eì eve dans la pile de r` egles. Comme cette solution se base sur des traces issues d'une application en cours d'exécution, cet ensemble de traces peutêtrepeutêtre potentiellement trop réduit. Pour augmenter cet ensemble automatiquement, notre solution fournitégalementfournitégalement un Robot explorateur guidé par des stratégies de couverture, permettant de découvrir de nouveauxétatsnouveauxétats de l'application, et ainsi de produire de nouvelles traces.