Pour décrire la dynamique continue d'un système, conjointement avec sa dynamique discrète ainsi que leurs interactions, les automates hybrides connaissent un succès croissant dans des domaines des plus variés.

L'identification de système quant à elle est une technique qui consiste en l'obtention d'un modèle d'une classe préalablement définie à partir de données observées sur le système (mesures).

Nous proposons ici une revue des travaux récents (2015-2023) portant sur l'identification de systèmes sous la forme d'un automate hybride. Nous avons listé des équipes de recherche autour des chercheurs suivants (par ordre alphabétique) : Fathiyeh Faghih (University of Tehran, Iran), Sebastian Fischmeister (University of Waterloo, Canada), Sandeep Gupta (Arizona State University, USA), Amit Gurung (National Institute of Technology, Meghalaya, India), Thomas Henzinger (ISTA, Austria), Taylor T. Johnson (Vanderbilt University, Nashville, USA), Michael Mateas (University of California, Santa Cruz, USA) et nos travaux au LURPA (Université Paris-Saclay, France).

Nous présenterons les différentes techniques passives ou actives, en ligne ou hors ligne et celles permettant d'obtenir un automate hybride déterministe ou non. Les sous-problèmes à résoudre seront détaillés : l'acquisition des données, la sélection des données, la segmentation des données, le regroupement des segments, le regroupement des dates de commutation, l'identification des lois d'évolution, des invariants et des gardes, des sauts et des évènements, ainsi que l'inférence de l'automate hybride.

Nous conclurons sur les futurs challenges de l'identification de système sous la forme d'un automate hybride, la coopération entre les méthodes de résolutions de chaque sous problèmes et l'identification évolutive.