=Paper=
{{Paper
|id=Vol-547/paper-83
|storemode=property
|title=De l'Ingénerie de Connaissances à l'Aide à la Décision
|pdfUrl=https://ceur-ws.org/Vol-547/191.pdf
|volume=Vol-547
|dblpUrl=https://dblp.org/rec/conf/ciia/IbtissemB09
}}
==De l'Ingénerie de Connaissances à l'Aide à la Décision==
https://ceur-ws.org/Vol-547/191.pdf
De l’Ingénerie de Connaissances à l’Aide à la Décision
Rateni Ibtissem(1), Djebbar Bachir(2)
Faculté des Sciences, Département d’Informatique
Université des Sciences et de la Technologie d'Oran Mohamed Boudiaf
USTO MB B.P. 1505 Oran ElM`Naouer-ALGERIE
(1)
rfia.ibtissem@yahoo.fr
(2)
badj2001@yahoo.fr
Résumé. Le problème de la gestion des connaissances est un des problèmes
les plus d’actualité dans les académiques et les industries. Plusieurs techniques
constituent le socle opérationnel de ces problématiques. La technique
d’ingénierie de connaissances MASK se présente comme la voie de recherche
la plus prometteuse pour cerner ces problématiques de transfert, de partage et
de capitalisation des connaissances.
Le résultat de cette méthode à savoir le livre de connaissances fournit une vue
complète des savoir-faire et connaissances d’un domaine. C’est une vraie
source de donnée qui contribue à aider le décideur dans sa prise de décision.
Mots clés : Systèmes d’aide à la décision, gestion des connaissances,
capitalisation des connaissances, ingénierie des connaissances, MASK, livre de
connaissances, source de donnée
1 Introduction
Le capital humain est un atout pour l’entreprise. Elle y puise des connaissances, ainsi
que des compétences. Dans le contexte concurrentiel actuel, et face à la rapidité
croissante de l’évolution des besoins des clients, l’entreprise doit répondre aux
attentes de manière flexible et efficace par une exploitation de ses connaissances et de
ses compétences dans la prise de décision. Elle pourra ainsi accroître sa compétitivité.
L’ensemble des connaissances d’une entreprise détenues par des individus forme
un capital intellectuel très volatile. Tout salarié peut quitter un jour son entreprise.
Pour l’entreprise la perte est minorée si elle a su capitaliser les connaissances, les
expériences de l’intéressé.
Le Knowledge Management (Gestion de la connaissance) correspond en premier
lieu à la gestion de ces savoirs individuels. Par la diffusion même des informations, il
favorise la transversalité aux dépens de la hiérarchisation.
2 La Capitalisation des Connaissances
Le centre National de ressources Textuelles et Lexicales définit la capitalisation
comme l’« Accumulation d’intérêts ou de bénéfices de manière à former ou à grossir
un capital » [1].
Selon Michel Grundstein [2] le concept de capitalisation des connaissances a été
énoncé dés 1990 chez un groupe industriel français spécialisé dans le nucléaire
nommé Framatome. Il s’agit d’une démarche qui vise à identifier, recueillir et rendre
exploitable toutes les connaissances acquises par une organisation.
Dans l’entreprise, capitaliser les connaissances revient à considérer les
connaissances manipulées par ses acteurs, au sein de l’entreprise, comme un ensemble
de richesses constituant un capital, et en tirer des intérêts contribuant à augmenter la
valeur de ce capital [2] Marie-Pierre Bès [3] a repéré trois types de méthodes de
capitalisation des connaissances, qui ne sont pas forcément alternatives (certaines
entreprises en utilisent plusieurs) mais qui renvoient à des objectifs et des principes
d’utilisation différents [4] et [5]:
Des méthodes et outils à caractère fonctionnel, plutôt issus des travaux
informatiques.
Des méthodes de gestion des ressources humaines basées sur le retour
d’expérience.
Des méthodes de capitalisation de l’expertise.
De la capitalisation à l’ingénierie des connaissances.
3 De la Capitalisation à l’Ingénierie des Connaissances
Le processus de capitalisation des connaissances est fondé sur l’explicitation, puis la
formalisation, de ces dernières, en utilisant des techniques d’ingénierie des
connaissances. Il a pour objectif l’identification et la structuration des connaissances
en une représentation shématique afin de rendre visibles, manipulables,
compréhensibles et communicables [6]
L’ingénierie des connaissances tire ses origines de l’intelligence artificielle et de la
psychologie cognitive. Elle a été évoluée depuis les années 70, en développant
d’abord des systèmes experts, ensuite des systèmes à base de connaissances. Plusieurs
disciplines sont directement impliquées dans l’ingénierie des connaissances comme la
psychologie, la logique, l’ergonomie, les sciences de gestion, l’ingénierie éducative,
la sociologie et la linguistique, entre autre, selon [7]dés la fin des années 1980,
l’ingénierie des connaissances s’intéresse, de plus en plus, aux problématiques de
l’acquisition et de la modélisation des connaissances.
L’ingénierie des connaissances offre la méthode scientifique pour analyser et
manipuler les connaissances [8].
Elle propose des concepts, méthodes et techniques permettant de modéliser, de
formaliser, d’acquérir des connaissances dans l’organisation dans un but
d’opérationnalisation, de structuration ou de gestion au sens large.
Aussenac-Gilles [7] propose une démarche globale pour l’ingénierie des
connaissances:
Le recueil de données brutes du domaine d’expertise (interviews, grilles
répertoires) : la définition des objectifs et des fonctionnalités attendues.
La construction d’un schéma de modèle conceptuel: la définition d’un vocabulaire
abstrait pour décrire et structurer les connaissances expertes.
La définition du modèle conceptuel complet : l’identification pleine des
connaissances à acquérir et des différents types de connaissances à manipuler.
L’implémentation de ce dernier dans une base de connaissances opérationnelle.
Un grand nombre de méthodes ingénierie de connaissances était dédié à l’origine à
la création de systèmes à base de connaissances, est tourné, par la suite vers des
problématiques de résolution de problèmes ou d’aide à la décision.
Sur une longue liste de ces méthodologies, nous citons d’une manière non
exhaustive:
La méthode MOKA: Méthodology and tools Oriented to Knowledge-based
engineering Applications [9]. Elle offre un atelier complet, sous forme de démarche,
de modèle de représentation et d’outils, dédié au développement des systèmes experts.
La méthode MCSC: Méthode de Conception des Systèmes d’information
Coopératifs [10.]Elle est spécialisée dans les problématiques organisationnelles liées
au travail coopératif.
La méthode GIM : Grai Integrated Methodology [12] 2éme génération de la
méthode GRAI (Graphes à Résultats et Activités Interreliés) développée par le
laboratoire GRAI (Groupe de Recherche en Automatisation Intégrée) de l’université
de Bordeaux en 1977.Utilisée à partir de 1980 dans les domaines de la thématique
électrique et de la productique.
La méthode SAGACE [13] qui est une méthode de modélisation des systèmes
complexes.
La méthode CommonKADS [14] qui permet de mettre en place un processus
d’acquisition (puis de gestion) des connaissances par la construction de système à
base de connaissances.
La méthode KOD: Knowledge Oriented Design [15] qui s’intéresse à produire une
spécification de l’expertise traitée précisant les domaines de compétence et les phases
de mise en œuvre de cette expertise.
La méthode REX: Retour d’Expérience [16] qui est une méthodologie dédiée à la
capitalisation de l’expérience acquise durant la réalisation des activités d’une
organisation et qui gère les connaissances dans un objectif de retour d’expérience.
La méthode MASK : Methodology for Analysing ans Structuring Knowledge [17]
qui se présente comme une méthode d’analyse des systèmes de connaissances, dont le
but est de rendre ces systèmes intelligibles à ceux qui en sont les acteurs, afin qu’ils
puissent mettre eux-mêmes en place leur propre système de connaissances.
MASK est un ensemble de modèles formalisant la connaissance.
La figure 1 représente le modèle de patrimoine de connaissances. C’est un sous-
ensemble de toutes les connaissances produites et utilisées dans l’entreprise.
N om du patrim oine
S ys tèm e de D EC I SIO N
PAT R IM O I N E
DE
C O N N A IS SA N C ES
Sy st èm e d'IN FO R M AT IO N
Sys tè m e O PE R AN T
F lux intran ts F lu x ex trant s
Fig. 1. Diagramme Type D'un Modèle De Patrimoine De Connaissances
La figure 2 représente le modèle de phénomènes. Ce modèle permet de décrire
dans le contexte métier particulier de l’entreprise des connaissances générales du
domaine de connaissances concernées.
I d e n ti fi c a ti o n a u m é ti e r
C o ns é q ue nc e :
E v é n e m e n t dé c l e n c h e u r : - D iff ic u lt é à p e r c e v o ir l a n é c e s s it é
C h am p d ’i n f l u e n c e s d e n o u v e a u x s e r v ic e s à r e n d r e
I n v e s t i s s e m e n t f o r t e t v a lo r i s é
d a n s d e s m é tie r s d o n n é s - D iff ic u lt é d e c o o p é r e r e n t r e
- A nc ie n n e t é du s e ct e u r d 'a c tiv it é
m é t ie r s
- Im a g e d u m é t ier
- A d é qu a t io n à de s p r ob lé m a ti q u e s - S o u ff r a n c e id e n ti ta ir e
p er s o n n e lle s in c on s c ie n t e s
S ou rc e C ib le
Fl u x :
C a t é g o r i e m é t ie r C a té g o r ie m é t ie r
( o f f i ci e lle o u p e r ç u e )
- in fo r m a ti o n e t c a té g o r ie s co n n e x es
- c o g n it if
- é m o ti o n n e l - D é f en s es pr io rit air e s d e s
- A tt ac h em e n t à la p ra tiq u e
p r ér o ga t ive s de s m é tie rs
en co n fo r m ité à la t ra d itio n
- T en s ion s e n tr e m é tie r s c on n ex es
- A tt ac h em en t a u s ta tu t
- P r op os iti on s d'u n e é vo lu tio n
m a té r iel o u r e lat io nn e l
d e s m ét ie rs
I n f o r m a ti o n : s ta t u t e x p li c it e ( p a r f o i s )
C o g n i ti f : r e p r é s e n ta t io n v a l o r is é e d e s
f r o n tiè r e s d e s o n c h a m p d 'a c ti o n
É m o ti o n n e l : s e n t im e n t d 'a p p a r t e n a n c e
p r i o r it a i r e a u m é t ie r
Fig. 2. Diagramme Type d'un Modèle de phénomènes
La figure 3 représente le diagramme de l’activité .Ce modèle qui est une
décomposition en grandes phases, représente des sous-activités du métier considéré.
Ces grandes phases s’articulent entre elles par des échanges de données, de flux de
matière, etc.
C o nn ai ss a nc es :
S avo i rs
S avo i r- f air e
R ess ou rc es
S avo i r- êtr e C o nna is s a nc es :
S avo i rs
R e sso ur ces S avo i r- fair e
A ct iv it é S avo i r- êt re
E ntr ée s
d éc o m p os ée
E n tré es/S o rtie s
A c ti vi té n on
A cteu rs /R ô les dé c om pos é e
E ntré e s/S or tie s
A c te u rs/R ôl es R e ss ou rce s : C o nn ai ssa nc es
A c tiv ité
déc o m p os ée
So rt ie s
A c te u rs/R ôle s :
Fig. 3. Diagramme type d'un modèle d'activité
La figure 4 représente le modèle de taches. Ce modèle utilise un diagramme
générique pour fournir des modèles qualitatifs de tous les phénomènes à décrire dans
un projet donné.
T âc h e a lt er n a ti ve
C on di ti on1 Con di ti on 2
T â c he pa r al l èl e T âc h e sé qu e nt ie ll e
- O b je t 1
- O b je t 2 T âc h e t e rm in a le T â c he dé c om po sée
T â c he te rm i na le T â ch e r é pé ti ti ve
Fig. 4. Diagramme type d'un modèle de tâches
La figure 5 représente le modèle de concepts. Il traduit la structuration
conceptuelle de l’expert métier. Cette structuration est donnée sous la forme d’une
classification de concepts et d’objets. La classification est une activité cognitive
naturelle de base de l’être humain.
C on cept
mi n-m ax m in- m a x m i n-m ax m in- max
co nc ep t a tt ribu t 2 C on c ep t
C on ce pt a tt rib ut 1 C o nce pt
d éc om posé
- Val eur 1 TYPE
- Val eur 2
- Val eur 3
S ous - co ncep t 1 S ous- con cept 2 So us -conce p t 3
Fig. 5. Diagramme type d'un modèle de concepts
La figure 6 représente le modèle de lignées. Ce modèle s’attache aux objets et /ou
aux concepts autour desquels s’est bâti le système de connaissances
arg um ent ai re M ot e u r de
M ot e u r de l ’év o l ut ion
l ’év o lu t ion
G éné rat ion 2
G én é rat io n 1 d u c on c ept ou d e l ’o bj et
du c o n ce p t ou de l ’obje t T d ébu t - T f in
T d ébu t - T f in
arg um ent a ire
M ot e u r de
l ’év o lu t ion
G én é rat ion 3
du c onc e pt ou de l ’ obje t
T déb ut - T f in
G én é rat ion 4
du c onc e pt ou de l ’ obje t
T déb ut - T f in
a rgu m ent air e
Fig. 6. Diagramme type d'un modèle de lignées
La figure 7 représente le diagramme de l’historique. Il répond au besoin de
connaître l’évolution des connaissances à certains moments, en reconstituant
synthétiquement le réseau des relations réciproques que la connaissance entretient
avec d’autres sous-systémes.
Ja lon con ce rna nt l ’él ém ent 1A Ja lon concer nan t l ’élé me nt 1 B
É lé ment 1 Élém ent 1 É lém ent 1 de géné ra tion C
éléme nt 1 de génération A de gé né ra tion B déc omposé
O BJECTIF
éléme nt 2 É lé ment 2 de gé né ra tion A Éléme nt 2 de génération B
O BJECTIF1 OB JE CTIF2
Ja lon conce rnan t l ’é lém en t 3C
éléme nt3 É lé ment 3 de gé né ra tion A Élém ent 3 de générat ion B Éléme nt 3 de génération C
O BJECTIF
Fig. 7. Diagramme type d'un modèle de l’historique
Le livre de connaissance est l’aboutissement d’un projet de modélisation, selon la
méthode MASK. Il en constitue le premier livrable.
Fig. 8. Le livre de connaissances
4 l’Informatique Décisionnelle
L'informatique décisionnelle désigne les moyens, les outils et les méthodes qui
permettent de collecter, consolider, modéliser et restituer les données d'une entreprise
en vue d'offrir une aide à la décision, et de permettre aux responsables d'une
entreprise d'avoir une vue d'ensemble de l'activité traitée.
La question est de comment répondre aux demandes des décideurs, en leurs
donnant un accès rapide et simple à l’information (à savoir la connaissance)
stratégique.
4.1 Définition d’un datawarehouse
Le lieu de stockage des différentes données en vue de la constitution du système
d'information décisionnel est appelé entrepôt de données (en anglais
datawarehouse).BILL INMON dans son ouvrage de référence "Using the
Datawarehouse" définit le Datawarehouse de la façon suivante : «Le Datawarehouse
est une collection de données orientées sujet, intégrées, non volatiles et historisées,
organisées pour le support d'un processus d'aide à la décision.»
4.2 Définition d’un Data Mart
Le Data Mart est une base de données moins coûteuse que le Datawarehouse, et plus
légère puisque destinée à quelques utilisateurs d’un département.
Data Mart du
DM
Service Marketing
DW
Datawarehouse de
l’entreprise Data Mart du
DM
Service Ressources
Fig.9. Représentation des données par des Data Marts
4.3 Cube OLAP
La notion OLAP (On Line Analytical Process) d’Oracle Business Intelligence repose
sur une base de données multidimensionnelle représentée par un Cube, destinée à
exploiter rapidement les dimensions d'une population de données.
La plupart des solutions OLAP reposent sur un même principe : restructurer et
stocker dans un format multidimensionnel les données issues de fichiers ou de bases
relationnelles. Ce format multidimensionnel, connu également sous le nom
d'hypercube, organise les données selon une structure dimensionnelle. Ainsi, les
utilisateurs analysent les données suivant les axes propres à leur métier.
La force de OLAP tient dans le fait que toutes les intersections du cube sont
calculées, l’accès à l’information voulue est une opération très rapide, le résultat
voulu se trouve aux croisements des différentes dimensions.
5 Proposition
Vu le nombre important des données existantes dans le système d’information de
l’activité AVAL/SONATRACH, on a jugé nécessaire d’exploiter cette plate forme.
L’activité AVAL dispose, au niveau de chaque unité, des bases de données de
production, chacune correspondant à un domaine ; Ces bases de production, ont
permis, jusqu’à ce jour, le stockage d’un volume important de données, mais générant
en même temps dans la prise de décision Ceci se concrétisera par la mise en place
d’un datawarehouse ou d’un Data Mart dans le cas où on veut se limiter à un sujet
bien précis.
En plus de ça, on va supposer avoir un livre de connaissances issu de la méthode
MASK qui contient tout les modèles qu’on a vu ci-dessus. Il permet de situer chaque
métier (ses connaissances et son évolution dans le temps) dans l’activité.
Nous proposons de considérer ce livre de connaissances qui est une vue complète
de l’activité comme étant une source de données.
Comment répondre aux demandes des décideurs, en leurs donnant un accès rapide
et simple à l’information stratégique ?
La réponse consiste à mettre en place un système d’information dédié aux
applications décisionnelles selon la solution de « Business Intelligence
d’ORACLE ».
LIVRE DE ORACLE ORACLE ORACLE ORACLE ORACLE Entreprise
CONNAISSANCEN
BI BEANS Excel Add- Discoverer Reports HTML DB Planning &
Budgeting
CUBES
Data Mart Data Warehouse
OLAP
Data Mart
Warehouse Builder CLIENT
Fig.10.. l’Architecture d’Oracle Business Intelligence
Notre travail consiste à créer un magasin de données « Data Mart » Ressources
Humaines (RH) en utilisant l’outil « Oracle Warehouse Builder 10g Release 2 »,
alimenter par plusieurs bases de données de productions visant un sujet précis
« gestion des effectifs » par unité, fonction, dans une date précise, et à la fin créer un
lien direct en mode connecté entre Microsoft Excel et les données d’un Data Mart,
voir La figure ci-après.
Unité
A
4
L
I
1 Fonction
M Temps
E 3
N 2
DATA MART
Sources de T
données
Warehouse
Builder
Fig. 11. Le cycle de conception d’un système décisionnel
6 Conclusion
Avec la croissance incessante de la complexité des organisations et des entreprises, la
disposition d’une bonne information au bon moment est devenue un objectif majeur,
de tous les gestionnaires et décideurs. Le concept du Datawarehouse s’est construit à
travers de ces nouvelles règles, dans lesquelles les décideurs ont un besoin d’obtenir
des informations, pour une prise de décisions le plus rapidement.
Nous avons essayés à travers cet article de montrer qu’il été possible d’avoir un
autre type de source de donnée à un niveau d’abstraction supérieur à savoir le livre de
connaissances.
Références
1. Grundstein Michel/ de la capitalisation des connaissances au renforcement des
compétences dans l’entreprise étendue, 1ére Colloque du groupe de travail Gestion des
compétences et des Connaissances en Génie industriel <>, GCC-GI02 12-13 décembre2002-Nantes, France.
(2002)
2. Grundstein Michel,, 1999., la capitalisation des connaissances de l’entreprise, systèmes de
production des connaissances, Acte du colloque de l’entreprise apprenante et les sciences
de la Compléxité,Aix-en Provence, Mai (1995).
3. Bés Marie-Pierre : La capitalisation active des connaissances : principe, contextes et
obstacles, Anales et Mines en Gestion des connaissances, Décembre 1998, pp.38-51
(1998)
4. Pomian : Mémoire d’entreprise : technique et outils de la gestion du savoir, les éditions
Sapientia. (1996)
5. Ermine Jean-Louis : Les systèmes de connaissances, éditions Hermès, France (1996)
6. Benmahamed et Ermine, : Concevoir des dispositifs de transfert des savoir-faire métiers
dans une démarche de Management des Connaissances, Management des Connaissances
en entreprise, Chapitre 15, 2éme édition par Lavoisier, France (2007)
7. Aussenac-Guilles., NN.,Krivine., Sallantin Editorial.Revue d’Intelligence
Artificielle,6(pp.1-2), pp.7-18.Introduction to the special issue on knowledge Acquisition
(1992).
8. Schreiber G., Akkermans H., Anjewierden A., de Hoog R., Shadbolt N., Van de Velde
Walter : knowledge Engineering and Management : The Common KADS Methodology,
(Hardcover). (1999)
9. Callot M., Oldham K., Stokes M., Godwin N., Brimble R., Klein R., Sellini F., Merceron
F. et Danino D : Methodology and tools oriented to knowledge based engineering
applications, Rapport public 2.0, (1999)
10. Boughzala Imed,Zachlad Manuel et Matta Nada: Interentrprise cooperative information
systems for knowledge management, Workshop Knowledge Management :Thory and
Applications, PKDD2000,Lyon,France. (2000)
11. Boughzala Imed Ermine, Jean-Louis et Tounkara Thierno, Using Cartography to Sustain
Inter-Generation Knowledge Transfer: The M3C Methodology, 2nd International
Conference on Intellectual Management, Knowledge Management and Organisationa
(2005)
12. DoumeingtsG., Vallespir B., DarracarD., et Roboam M : Design methodology for
advances manufacturing systems, computers in industry, 9(4) :271-296. (1987)
13. Penalva Jean-Michel, SAGACE : une représentation des connaissances pour la supervision
de procédés, systémes expertsde deuxiéme génération’éditions EC2, Avignon, France
(1990)
14. BreukerJ., Vande Velde W Common KADS library for ExpertiseModelling, Reusable P
ROBLEM Solving.IOS Press, Amsterdam (1994)
15. Vogel Claude, KODS : la mise en œuvre, Editions Masson (1990)
16. Malvache Pierre, Prieur Patrick, ., Mastering Corporate Experience with the REX
method : Management of industrial and Corporate Memory, actes de la conference
International Symposium on the Management of Industrial and Corporaye Knowledge
(ISMick 93), COMPI2GNR? PP.33641 (1993)
17. Ermine Jean-Louis : Enjeux, démarches et processus de la gestion des connaissances.
Actes des journées francophones d’ingenerie des connaissances IC2000, Toulouse, France
(2000)