Ingénierie Connaissances 2

Chapitre 10
Ingnierie des connaissances pour les systmes dinformation
10.1. Introduction LIngnierie des connaissances constitue depuis de nombreuses annes un domaine actif des recherches menes en intelligence artificielle autour de la conception et de la ralisation des systmes base de connaissances (SBC). linstar de bien dautres disciplines modlisatrices, elle consiste concevoir des systmes dont le fonctionnement permet doprationaliser des connaissances portant sur le traitement ou la rsolution dun problme donn. La rsolution (semi-)automatique de problmes implique deux tapes essentielles : la modlisation du problme et dune mthode de rsolution dans un cadre thorique donn, loprationalisation informatique du modle obtenu. Longtemps, le cadre thorique de lIngnierie des connaissances fut celui de lacquisition des connaissances : modlisation psychologique ou empirique des connaissances dun expert dans le but de les coder dans un systme expert (SE). La priode actuelle se concentre davantage sur la modlisation conceptuelle du monde : on tente, le plus souvent partir dune formulation linguistique du problme
*
Chapitre rdig par Jean Charlet, Chantal Reynaud et Rgine Teulier.
Ingnierie des systmes dinformation
transcriptions dinterviews dexperts, descriptions techniques, notices de maintenance, etc. , dlaborer une reprsentation qualitative et formelle du problme. Il arrive galement quon obtienne une premire reprsentation du problme partir dobservations de lactivit faites, par exemple, avec des mthodes issues de lergonomie ou de lethnomthodologie1 . Dfinie en ces termes, il parat naturel quune recherche mene sur les SBC comprenne une activit correspondant lIngnierie des connaissances. En effet, il sagit de dfinir quelles connaissances sont pertinentes, pour les exploiter en formulant un modle qualitatif et formel du problme. Classiquement, lacquisition des connaissances propose des mthodes permettant de modliser des raisonnements en faisant abstraction du domaine dactivit et en se concentrant sur la faon dont est conduit ce raisonnement i. e. modlisation au niveau des connaissances , des outils pour les oprationaliser au niveau des programmes ou niveau symbolique. Un modle conceptuel2 du problme doit tre comprhensible et rappropriable par un spcialiste du domaine3 . Un modle oprationnel, dfini au niveau des programmes, traduit en termes algorithmiques les connaissances formalises du modle conceptuel. Ce dernier est la fois la spcification et linstrument de lecture du systme oprationnel. Les recherches en Ingnierie des connaissances ayant volu ces dernires annes, elles concernent aujourdhui tout systme informatique utilisant des connaissances pour peu que ces connaissances soient explicitement modlises en tant que telles. Par ailleurs, les travaux dvelopps en ce domaine tirent parti dapports dautres domaines comme le gnie
1
Le recours au texte, ou corpus, comme matire premire nest pas la pense unique de lIngnierie des connaissances : lergonomie, la sociologie sont des vecteurs dentre parmi dautres. Mais deux constats doivent tre faits : (a) la formulation linguistique fournit une description qualitative du monde qui contribue dterminer, en contexte, le contenu de linformation vhicule (cf. 10.5.4) ; (b) un certain nombre davances mthodologiques dans ce domaine font de lacquisition des connaissances partir de corpus une des directions de travail prometteuse de lIngnierie des connaissances (cf. 10.3.5). 2 Dfini comme la description abstraite du comportement dun systme, en termes de domaine, mthodes de raisonnement, tche dvolue au systme (cf. 10.3.1), ce modle conceptuel recouvre donc une ralit diffrente de celle communment admise en Systmes dinformation. 3 Il y a une certaine contradiction entre un modle comprhensible par un expert du domaine et un raisonnement modlis un niveau gnrique o il est fait abstraction du domaine. Ce problme est lorigine de bien des incomprhensions des experts devant les modles gnriques de lIngnierie des connaissances. Des rponses sont recherches dans diverses adaptations des modles gnriques et dans des modles intermdiaires tels les bases de connaissances terminologiques (cf. 10.3.5).
logiciel et, inversement, les rflexions et techniques dIngnierie des connaissances mises au point dans le cadre de la conception de SBC, sont rutilisables dans des contextes plus larges, en particulier au sein des systmes dinformation (cf. chapitre 5). Ainsi, tout systme, a fortiori systme dinformation, qui manipule et transporte des informations destines in fine tre interprtes par des humains est candidat tre conceptualis et modlis avec les mthodes de lIngnierie des connaissances. Dans ce cadre, le thme de la rutilisabilit est central pour les systmes dinformation comme pour les SBC. En effet, une discipline qui se veut une ingnierie des connaissances ou des systmes dinformation doit apporter, aux utilisateurs, des rponses en termes de mthodes et techniques reproductibles. Pour cette problmatique, comme pour dautres, nous pensons quil est ncessaire de revenir sur les fondements des SBC pour tirer tous les bnfices dun travail de rflexion la frontire de deux domaines de recherche. La 2e section de ce chapitre nous permettra daborder des problmes pistmologiques de lIngnierie des connaissances. La 3e section nous permettra de nous focaliser sur les acquis de la recherche en Ingnierie des connaissances, en particulier les mthodes de modlisation, puis daborder le thme de la rutilisabilit. La 4e section abordera lIngnierie des connaissances dun point de vue organisationnel et tudiera les moyens que lon peut mettre en uvre pour expliciter les processus de traitement de linformation, par lacteur comme par lorganisation. La 5e section abordera alors les synergies que lon peut crer la croise de lIngnierie des connaissances et de lingnierie des systmes dinformation. Nous terminerons sur les perspectives conceptuelles et mthodologiques de telles dmarches. 10.2. pistmologie et dfinitions LIngnierie des connaissances se situe au carrefour de plusieurs rflexions : la linguistique pour tudier la formulation linguistique des connaissances ; la terminologie et lontologie pour dgager les concepts ; la psychologie pour laborer les mthodes dlicitation et les modles dassistance ; la logique pour laborer les modles formels ; linformatique pour les oprationaliser ; lergonomie pour interprter et sapproprier le comportement du systme ; la gestion pour concevoir et replacer les systmes dans leur environnement organisationnel, etc.
La plupart de ces disciplines ressortissent la smiotique, la science des signes4 . Elles se fcondent rciproquement et conduisent faire voluer le paradigme. Nous allons donc mobiliser un certain nombre dentre elles pour aborder successivement les concepts de connaissances, de SBC et de systme dinformation. 10.2.1. De linformation la connaissance Dfinir la connaissance en soi est une entreprise philosophique qui nest pas de notre propos ici. Par contre, nous allons essayer de caractriser cette connaissance, dun point de vue effectif, qui est celui qui nous intresse. Nous laborderons dabord dun point de vue dit pistmologique puis dun point de vue systmique . Il ny a pas un point de vue suprieur lautre dans notre propos ni de dcoupage aussi clair faire entre les caractristiques qui seront discutes : nous les sparons plutt en fonction des domaines, Ingnierie des connaissances (et donc Intelligence artificielle) dun ct, Systmes dinformation de lautre, qui ont historiquement exploit ces caractristiques. Enfin, si les caractristiques attestes ici traduisent des fondements bien accepts par les deux communauts, elles ne sont pas exactement en accord avec dautres courants de lIntelligence artificielle qui font lhypothse dune pense structure formellement ou computationnellement. Pour des dbats et arguments ce sujet, nous renvoyons le lecteur [Bachimont 1996]. 10.2.1.1 Point de vue pistmologique Dun point de vue pistmologique, nous retiendrons trois caractristiques de la connaissance que lon peut rsumer ainsi [Bachimont 1996, Ganascia 1998, Kayser 1997] : 1. La connaissance est prise ici dans un sens technique rendu ncessaire par le fait que dans le domaine de lintelligence artificielle, nous cherchons in fine construire des artefacts informatiques.
4
La smiotique est comprise ici dans une acceptation trs large et, dans cette hypothse, il nest pas tonnant de la voir englober des disciplines qui participent dune science, lingnierie des connaissances, dont le but est daider construire des systmes informatiques donc systmes de symboles. Seule, parmi les disciplines cites ici, la gestion se situe dans un cadre applicatif. Elle apparat ici comme laune laquelle seront mesurs les rsultats obtenus, dans laptitude quauront les SBC construits sinsrer dans lenvironnement organisationnel pour lequel ils ont t conus (cf. 10.5.4).
2. Il y a connaissance et reprsentation des connaissances quand les manipulations symboliques effectues par la machine via des programmes, prennent un sens et une justification pour les utilisateurs interagissant avec ces programmes. Les utilisateurs interprtent alors le comportement de la machine. 3. La pense repose sur la mdiation externe du signe. La technique (ici linformatique), par ses outils et ses capacits de mmorisation, permet alors lhomme de se constituer des connaissances qui voluent et saccumulent et nexisteraient pas sans cela5 . Ainsi, les deux concepts cls de la connaissance sont linterprtation humaine qui lui donne son existence et, dans notre domaine, loutil informatique qui lui offre son support. 10.2.1.2 Point de vue systmique Dun point de vue plus systmique et parce que les concepts de donnes, dinformation ont t historiquement abords par linformatique et les Systmes dinformation, nous allons nous intresser ces concepts, les caractriser les uns par rapport aux autres et constater, quici aussi, il est possible de proposer quelques caractrisations cls qui font consensus [Ermine 1996, Ganascia 1998, Kayser 1988, Le Moigne 1973, Le Moigne 1995, Mlse 1990, Poitou 1996, Shannon 1971] et sont respectes par les travaux qui seront cits dans le reste du chapitre. Ainsi, les concepts de donnes, informations, processus, connaissances peuvent tre considrs en interactions selon les critres suivants : a. Linformation est un concept technique apparu pour les besoins des tlcommunications. Linformation fait appel aux concepts de codage, transmission, dcodage et fait rfrence au nombre potentiel de messages que peut dlivrer un systme. b. Une donne est toute information affectant un programme ou un systme pour en modifier le comportement. Le processus dutilisation est fixe, au contraire des donnes qui voluent et se renouvellent. Mais un programme ou processus peut tre lui-mme la donne dun autre processus.
On sait que lcriture a permis de classer les mots en listes, de combiner les listes en tableaux dans un paradigme appel par J. Goody [1979] La raison graphique. De la mme manire, dautres travaux arguent du fait que lordinateur permet de se constituer de nouvelles connaissances dans le paradigme de la raison computationnelle [Bachimont 1998].
c. Il ny a pas de frontire donne/information/processus/connaissance. Nous sommes devant un continuum par rapport un processus daction et nous plaons des tiquettes sur des concepts manipuls par ce processus en fonction des niveaux dentre dans celuici. La connaissance peut alors tre caractrise de la faon suivante : 1. Il y a prsomption de connaissances, si la facult dutiliser linformation bon escient est atteste. Cette utilisation passe dabord par une interprtation ( cf. 10.2.1.1 n2) puis par une action. Ce qui fait dire P. Lorino [1995] que lautonomie dun acteur est une marge dinterprtation pour laction . Enfin, cette action est dabord une rcriture par lutilisateur dun outil, ici linformatique (cf. 10.2.1.1 n3). 2. Il y a connaissance quand il y a contexte dutilisation de linformation. 3. La connaissance a priori nexiste pas : elle est construite partir dun projet propre au modlisateur. tudier cette construction permet dessayer den dgager des invariants mthodologiques (projet des pistmologies constructivistes [Le Moigne 1995]). La prise en charge des connaissances par le systmes dinformation va alors tre la capacit quil aura (a) proposer des donnes, sources dinterprtation par lutilisateur, (b) prendre en compte et expliciter le contexte dutilisation de ces donnes et (c) fournir cet utilisateur les moyens informatiques dagir et donc de rcrire les rsultats de son interprtation. Cette capacit dinteraction homme-machine mettant alors laccent sur lutilisateur (savoir, savoir-faire, modes dinteraction) et la prise en compte du changement dans laction personnelle et laction collective des organisations. 10.2.2. Des systmes base de connaissances Ces caractristiques tant admises, il est alors possible dtendre le champ de nos investigations aux SBC et leur place dans les organisations. Les SBC manipulent des reprsentations symboliques selon des prescriptions formalises lors de la modlisation des connaissances. Ces reprsentations sexpriment laide de primitives qui renvoient des notions du domaine, en leur empruntant leur libell ou terminologie : les primitives sont les termes du domaine6 . Ces primitives sont manipules en respectant la grammaire
6
Cette affirmation doit tre tempre et surtout prcise : il ne sagit pas de poser lquivalence entre les termes du domaine et les primitives conceptuelles qui voluent dans
du systme formel dans lequel elles sinscrivent. Ainsi, toutes les manipulations effectues consistent dans la construction syntaxique de reprsentations mobilisant ces termes : ces reprsentations peuvent et doivent se rapporter des expressions interprtables dans le domaine par tout spcialiste. Mais les rgles de cette manipulation formelle ne sont pas celles de linterprtation : le calcul produit des rsultats que la rationalit de linterprtation nanticipe pas forcment. La combinatoire des expressions suggre alors la possibilit de formuler des inscriptions dont linterprtation renvoie de nouvelles connaissances. De mme que lordinateur ne voit pas les images quil permet de construire, il ne pense pas les nouvelles inscriptions quil formule. Mais il permet de voir du nouveau comme de penser autrement (cf. 10.2.1.1, n3). Pour concevoir un SBC, il faut donc tenir compte de la manire dont des utilisateurs sen approprient et lui attribuent du sens en interprtant, sur la foi des primitives empruntes la terminologie du domaine, les reprsentations comme des expressions linguistiques de connaissances. Cette interprtation repose sur le contexte dusage du SBC et son intgration dans un systme de pratiques o il prend sens et justification (cf. 10.2.1.1, n2). Ainsi, il faut voir les SBC comme des systmes smiotiques de manipulation dinscriptions symboliques, dont le fonctionnement informatique doit permettre un utilisateur dinterprter et de comprendre le systme dans le cadre de son activit et de ses usages, en utilisant les termes du domaine. Un SBC tant un systme technique plong dans un systme dusage, son laboration est une ingnierie (au sens o un ingnieur labore un systme pour un usage), une ingnierie fonde sur la manipulation de linscription symbolique de connaissances. Nous pouvons alors avoir un point de vue oprationnel sur lIngnierie des connaissances : lIngnierie des connaissances correspond ltude de modles symboliques ou formels plongs dans des systmes dusage ; cest lingnierie informatique et logique de modles en fonction des usages quils rendent possibles et des appropriations quils permettent. Ainsi, lIngnierie des connaissances peut consister mettre en perspective des outils formels ou techniques p. ex. logiques de description, langages de description documentaire (SGML/XML), raisonnement partir de cas, etc. avec des concepts dusage, issus ou non des sciences cognitives p. ex. le raisonnement classificatoire, la navigation documentaire, lexploration dhypothses dans un domaine donn, etc.
deux registres diffrents, linguistique et conceptuel. En particulier, les termes du domaine ne peuvent prtendre tre instantanment des primitives conceptuelles [Bachimont 2000].
Ces deux points de vue, conceptuel et oprationnel, sont complmentaires et lIngnierie des connaissances ne peut mobiliser lun sans lautre au risque de perdre sa spcificit, son efficacit et lobjet mme de sa recherche : dun point de vue conceptuel, lIngnierie des connaissances trouve lobjet de sa recherche dans des systmes dont le fonctionnement est interprtable par lhumain en termes de connaissances ; dun point de vue oprationnel, lIngnierie des connaissances intgre ces rflexions dans des systmes informatiques e.g. systmes dinformation quil faut modliser, concevoir, btir et faire voluer. Ces deux points de vue ne sont pas indpendants : le systme informatique utilis par un acteur, le systme dinformation utilis par une collectivit modifient le comportement et lorganisation de lacteur comme de la collectivit. Il nous semble alors ncessaire de penser la technique travers les usages puisque un systme est conu pour une pratique, et les usages travers la technique puisque les pratiques nexistent qu travers les techniques qui les rendent possibles, (cf. 10.2.1.1, n3 et [Charlet 1998]). 10.2.3. Des systmes dans une organisation Les SBC focalisant sur lexpertise de spcialistes ont pu, pendant quelques annes, ngliger les aspects organisationnels jugs parfois lointains de cette expertise. Cependant, penser un systme comme une intervention dans un ensemble dusages et de pratiques amne lIngnierie des connaissances redonner sa place lorganisation existant par et autour des acteurs. Ainsi lorganisation, que les systmes dinformation avaient pris en compte, notamment travers la modlisation des flux dinformation commence-t-elle tre modlise autour de la connaissance et des processus organisationnels de gestion de la connaissance. En prenant un point de vue organisationnel, on peut alors dire comme le souligne Le Moigne [1995] que la connaissance implique un sujet connaissant et na pas de sens ou valeur en dehors de lui. . Ainsi, on ne peut modliser la connaissance sans se proccuper des invariants sociaux-culturels que transporte le sujet connaissant, du contexte dutilisation de cette connaissance (cf. 10.2.1.2, n2), en particulier des interactions et cooprations dacteurs dans lesquels elle sinsre et des contextes organisationnels ainsi crs. Ce quaffirment ainsi les pistmologies constructivistes et que dcouvrent de leur ct dautres approches thoriques comme la cognition situe : les connaissances sont avant tout connaissances pour laction (cf. 10.2.1.2, n1), elles sont situes dans un contexte physique, socialises dans un rseau dacteurs, interprtes par les capacits perceptives autant que de raisonnement de ceux-ci et prennent place dans les organisations quils ont construites. Ainsi, Lingnierie des connaissances, centre sur lobjet complexe, situ et socialis quest la connaissance, doit participer une dmarche
dexplicitation globale des processus de traitement de linformation par lacteur comme par lorganisation pour produire des mthodes reproductibles de gestion des connaissances (cf. 10.2.1.2, n3)7 . la suite de ces considrations pistmologiques et des enjeux qui en dcoulent, nous allons dtailler les apports de lIngnierie des connaissances en termes de mthodes. De faon vidente et vu les problmatiques du domaine, ces apports ressortissent principalement la modlisation des connaissances. 10.3. Modlisation des connaissances 10.3.1. Nature et contenu des modles Les travaux en Ingnierie des connaissances sont donc fonds sur la ncessit de modliser de manire explicite les connaissances (cf. 10.2). Le gnie logiciel est, dans ce cadre, un des domaines privilgis dinteraction avec lIngnierie des connaissances pour proposer des mthodes de modlisation. Il sagit de construire des modles adapts la nature des connaissances dcrire pour pouvoir ensuite reprsenter ces connaissances dans des formalismes adquats. En gnie logiciel, les aspects statiques, fonctionnels et dynamiques sont spcifis sparment laide de primitives adaptes et, ceci, selon la plupart des mthodes orientes objets. Ces diffrents points de vue cooprent et interagissent. Lensemble des modles et leurs interactions constituent la spcification du systme implmenter. Dans le cadre des SBC, trois types de connaissances font lobjet de modles distincts avec des primitives de modlisation propres : les connaissances du domaine, les tches et les mthodes. Lensemble de ces modles forme alors ce quon appelle communment en Ingnierie des connaissances, le modle conceptuel. Lanalyse du domaine et lanalyse des tches dun SBC sont rapprocher des analyses statiques et fonctionnelles effectues en gnie logiciel. En revanche, lanalyse de la dynamique en gnie logiciel consiste tudier les consquences dvnements extrieurs sur une
7
Notons ici que le contexte rend compte de la variabilit entre les individus, de leur diffrence de comportement devant telle ou telle situation, alors que lIngnierie des connaissances cherche produire des mthodes rendant compte de comportements invariants. Cest toute la difficult de lentreprise : figer un contexte dinterprtation pertinent pour un temps suffisamment long au regard de lentreprise et du systme dinformation mais prvoir les volutions qui ne manqueront pas de se produire.
10
application alors que pour un SBC, il sagit de rendre compte du contrle interne du comportement du systme implmenter. En effet, le problme de lefficacit dun SBC ne peut tre pos uniquement en termes defficacit algorithmique : ce problme va aussi se poser par rapport aux connaissances utilises ; celles-ci devant alors tre dcrites de manire dclarative en phase danalyse. 10.3.1.1. Des connaissances du domaine aux ontologies Les connaissances du domaine dun SBC sont les connaissances relatives au domaine de lapplication qui sont ncessaires pour que les mthodes de raisonnement puissent sexcuter. Les travaux qui ont port sur ces connaissances ces dernires annes ont eu un double impact. Dune part, ils ont montr lintrt de distinguer les connaissances du domaine selon leur nature et de raisonner sur des modles de connaissances multiples en exploitant les spcificits de chacun deux. Dautre part, ils ont montr lintrt de disposer de modles de connaissances structurs, exprims laide de langages ayant une smantique bien dfinie et exprims diffrents niveaux de granularit. La notion de modle du domaine trouve son origine dans les travaux sur le raisonnement partir de modles dvelopps dans les annes 80 [De Kleer 1987, De Kleer 1989, Genesereth 1982, Reiter 1987]. Ces travaux ont montr quil tait ncessaire de combiner plusieurs types de connaissances pour augmenter lefficacit de la rsolution. La coopration entre plusieurs modles du domaine a t tudie dans le cadre des travaux sur les systmes experts de seconde gnration (SESG) [Steels 1985] dont lobjectif premier tait de combiner raisonnement heuristique et raisonnement partir de modles (ou raisonnement fond sur des connaissances de surface versus raisonnement fond sur des connaissances profondes selon Kayser [1988]). Petit petit, lide daccorder de limportance la modlisation des connaissances du domaine sest impose. Lanalyse du comportement de systmes dans des applications relles complexes a contribu renforcer la ncessit dune telle approche. Les SESG sont des systmes au sein desquels sont explicitement reprsents les diffrents types de connaissances du domaine de lapplication pour permettre un raisonnement efficace et robuste, et ce quelle que soit la difficult du cas trait8 . Ces connaissances du domaine
Les travaux sur les SESG [David 1993] traduisaient ainsi les enseignements des systmes base de rgles, les SE, en modlisant diffrents types de connaissances pour, principalement, (i) faciliter lacquisition et la validation des connaissances, (ii) combiner des raisonnements
11
reclent des connaissances spcifiques plus ou moins indpendantes des modles de raisonnement. Ces connaissances constituent alors l ontologie du domaine. De manire gnrale, une ontologie9 est lensemble des objets reconnus comme existant dans le domaine. Construire une ontologie dun domaine, cest donc dcider quels sont les objets que lon retient comme existant i. e. dcider quels objets possdent une consistance ontologique et lesquels nen ont aucune. Construire une ontologie, cest aussi dcider de la manire dexister de ces objets. En effet, tous les objets dun domaine nexistent pas de la mme faon. Certains sont des objets physiques, dautres ne sont que des proprits ou des attributs dautres objets, ou des ides sans ralits matrielles, etc. Une ontologie comprend donc tout ce quoi il faut penser dans un domaine, tous les objets de pense dun domaine. La faon dy penser ou den parler indique le type ontologique de lobjet. Par exemple, un docteur nest pas un objet physique, cest le rle acadmique docteur tenu par un objet physique appel tre humain . Ainsi, il faudra soigneusement dcider, dune part, si lon retient la notion de docteur dans lontologie du domaine et, dautre part, quelle est la manire dtre de la notion de docteur pour lui donner le type ontologique qui lui revient [Bachimont 2000, Charlet 1996]. Traditionnellement, la logique tudie le discours en tant quil permet de dire le vrai et sefforce de dgager les formes ou manires de dire qui permettent de dterminer la vrit du discours indpendamment de sa matire, cest--dire ce qui est dit. Mais un discours vrai est un discours qui est conforme ce qui est. Cest ainsi que la logique entretient une forte proximit avec lontologie o les lois permettant de dire le vrai reviennent des lois caractrisant ce qui est. Si bien qulaborer une ontologie peut tre compris comme la construction une thorie logique du monde. LIngnierie des connaissances hrite de cette tradition dans la mesure o elle reprsente ses connaissances symboliquement et formellement. Par consquent, toute ontologie selon lIC sera logique ou rductible la logique. Donc, en reprenant la structure des langages formels du type de la logique du
diffrents selon le type de problmes et (iii) conserver des capacits de raisonnement dcentes aux limites des modles construits. 9 Le terme Ontologie vient de la philosophie o il dsigne la partie de la mtaphysique qui sintresse ltre en tant qutre (Petit Robert). Mais lOntologie est habituellement davantage comprise comme une science des tants que comme une science de ltre en tant qutre, cest--dire quelle sintresse davantage ce qui existe (les tants ou existants) quaux principes de ce qui existe (tre). Cette science, lOntologie, produit des ensembles, les ontologies.
12
premier ordre, une ontologie sera constitue : (a) de classes dindividus symboles de variables et de constantes dnotant les individus du domaine , (b) dassociations relations n-aires et n2, entre les individus et (c) dattributs symboles de proprits (relations unaires ou concepts) des individus et associations. En conclusion, faire une ontologie, cest dcider des individus qui existent, des concepts (attributs) qui les caractrisent et des relations qui les relient. On voit par consquent que la structure du langage logique influe le type dontologie labore, ainsi que les objets que lon peut y rencontrer. Cest pourquoi il faut considrer cette caractrisation propose ici comme utile en pratique mais non comme un choix thorique dans la mesure o il faudrait discuter plus avant le rapport entre logique et ontologie, logique et langage, forme et objet. Enfin, rappelons encore quil faut distinguer lontologie dun domaine de la base de connaissances dun domaine. Alors que la premire recense ce qui existe et le dfinit par ses proprits essentielles, elle ne rapporte pas tout ce quon peut dduire ou vrifier ; ce que fait la seconde dans le cadre de ce quil est utile de reprsenter. Une ontologie est la base des descripteurs du domaine et de leur dfinition, une base de connaissances utilise ces descripteurs pour noncer tout ce quil faut savoir sur le domaine10 . 10.3.1.2. Les modles de raisonnement Les modles de raisonnement dcrivent de faon abstraite le processus de rsolution mettre en uvre dans un SBC en termes de tches et de mthodes, les tches tant ralises par des mthodes. Une tche est une description de ce qui doit tre fait dans lapplication en termes de buts et de sous-buts. Elle se dfinit par des connaissances de sortie obtenues partir des connaissances dentre, et ce en fonction de contraintes et ressources disponibles. Pour dcrire une rsolution de problmes, on peut mettre en vidence des tches de diffrents niveaux de granularit, les tches de plus bas niveau poursuivant des sous-buts pour les tches plus gnrales. Les mthodes dcrivent comment un but peut tre atteint en termes dune srie doprations et dun ordre de ralisation. Deux types de mthodes sont gnralement distingues : celles qui consistent dcomposer une tche en sous-tches de granularit plus fine et celles qui mettent en uvre une procdure lmentaire qui atteint directement un but. La distinction explicite faite entre les concepts de tches et de mthodes na pas toujours t adopte. Elle a t propose initialement par L. Steels dans son approche
10
Lontologie contient lessentiel et le dfinitoire, la base de connaissances le propre et le contingent.
13
componentielle [1990]. Cette distinction, aujourdhui reconnue par lensemble des travaux en Ingnierie des connaissances [Klinker 1991, Puerta 1992, Schreiber 1994, Tu 1995], prsente lavantage de dcrire sparment le but vis de la faon de latteindre. Elle rend ainsi possible la dfinition explicite de diffrentes faons datteindre un mme but par lassociation de plusieurs mthodes une mme tche. 10.3.1.3. La combinaison rflchie des modlisations domaine et raisonnement la suite des travaux sur les SESG, lintrt de construire un modle conceptuel dune application en combinant rutilisation de composants de modles de raisonnement et abstraction de connaissances du domaine a t reconnu. Une analyse des connaissances du domaine devint alors ncessaire pour mettre en correspondance les connaissances du domaine et les rles jouer par ces connaissances dans le raisonnement [Aussenac-Gilles 1997]. Les connaissances du domaine sont alors dcrites diffrents niveaux de gnralit. Lontologie du domaine regroupe les entits du domaine et les relations entre ces entits. Le modle du domaine dcrit les connaissances du domaine proprement dites. Limportance accorde la modlisation des connaissances du domaine na pas eu toutefois un impact immdiat dans les travaux en Ingnierie des connaissances. Laccent a t dabord mis sur la construction du modle de raisonnement dune application, une tape majeure du processus de modlisation. Les connaissances du domaine acqurir ont alors t considres comme tant celles ncessaires au modle de raisonnement pour sexcuter. Elles taient dsignes par leur rle dans le raisonnement, ce qui guidait leur acquisition. Afin de disposer de descriptions de raisonnement rutilisables, les modles de raisonnement ne rfrent aux connaissances du domaine quindirectement. Seuls les rles jous par les connaissances du domaine dans le raisonnement sont spcifis. Les termes utiliss cet effet (symptmes, hypothses, diagnostic, etc.) appartiennent au vocabulaire dontologies dites de mthodes ou de modles (cf. CommonKADS [Schreiber 1994]). Ces modles, comme tout modle, sont rducteurs. Ils simplifient la vision que lon peut avoir du systme, un des buts tant justement de rduire la complexit en fournissant une reprsentation synthtique facile comprendre et permettant de se focaliser sur les aspects importants dans le dveloppement dun SBC. Ces sparations dans les descriptions offrent trois points de vue diffrents qui interagissent pour donner une spcification du systme au sein dun modle cohrent. 10.3.2. Niveau de description des connaissances
14
Les modles de connaissances du domaine et du raisonnement sont reprsents au niveau connaissance , un niveau de description situ au-dessus du niveau symbolique, permettant de dcrire des connaissances indpendamment des conditions prcises de leur implmentation. Par ailleurs, ce sont des modles abstraits car ils rfrent des concepts ou des classes dobjets, pas directement aux objets dun domaine dapplication. En revanche, le niveau de gnralit auquel les connaissances sont exprimes est variable. Les modles peuvent tre gnriques sils correspondent des abstractions communes plusieurs types dapplications. Ils peuvent tre spcifiques une application sils font rfrence aux concepts propres une application donne. La mise en vidence de parties de modles communes plusieurs applications peut, en effet, amener construire des modles au sein desquels les termes spcifiques aux applications sont remplacs par des termes les gnralisant. Ces modles, plus facilement rutilisables, sont dits gnriques. La construction de modles gnriques concerne la fois les modles de connaissances du domaine et les modles de raisonnement. La rutilisation et ladaptation dontologies dj constitues peuvent apporter une aide importante dans lexplicitation et la structuration des concepts du domaine propres une application lorsque celle-ci et les ontologies disponibles concernent le mme domaine [Charlet 1996]. La construction dun modle de raisonnement dune application par rutilisation dlments de raisonnement dune classe de problmes, ou tches, est galement trs recherche. Le modle de raisonnement dune application est alors vu comme une instance de modles de rsolution de problmes gnriques slectionns dans une bibliothque, affins, adapts [Fensel 1997] ou encore assembls [Molina 1996]. Le degr de gnralit dun modle de raisonnement dtermine la faon dont sont dcrites les connaissances du domaine manipules. Une description dun raisonnement spcifique une application rfre directement aux concepts de lapplication. Dans un modle gnrique, les connaissances du domaine requises sont dnotes par leur rle dans le raisonnement. Le choix de noms, parfois accompagns dun commentaire sur leur signification, et dnotant prcisment la place de connaissances dans le raisonnement, est alors essentiel. Cest sur la base de ces labels fonctionnels que stablit la connexion avec les connaissances du domaine dune application lors dun dveloppement. Selon les approches, des liens plus forts entre les connaissances du domaine et les connaissances de raisonnement ont pu tre recherchs. Des travaux ont ainsi port sur une meilleure caractrisation smantique [Causse 1993, Le Roux 1994] et/ou syntaxique [Beys 1996] de ces rles.
15
10.3.3. Des langages de modlisation Ces dernires annes, de nombreux langages de description des connaissances ont t proposs pour dcrire les modles construits aux diffrentes tapes du cycle de dveloppement dun SBC. On distingue les langages de modlisation, des langages de reprsentation ou doprationalisation des connaissances. Les langages de modlisation (cf. CML au sein de la mthodologie CommonKADS [Schreiber 1994]) offrent des primitives adquates pour modliser semi-formellement et de faon structure des connaissances. Ces notations, qui peuvent tre graphiques ou textuelles, sont particulirement pertinentes pour construire un modle conceptuel dune application au niveau connaissances. Leur principale caractristique est dtre lisible et comprhensible par les diffrents intervenants humains impliqus dans la conception dun SBC. A titre dexemple, la spcification dune tche de diagnostic de voitures en CML [Wielinga 1993b] est la suivante :
t a s k car-diagnosis; task-definition goal: find one solution; input: initial-complaint: complaint that triggered the diagnostic process; user-data: additional information supplied by the user; output: solution; system-generated diagnosis; spec: find an explanation for the initial complaint that is confirmed by the evidence provided by the user data. If no explanation is found, the task should simply fail. Task-body type: composite; s u b - t a s k s : generate, test; additional roles: hypothesis: a potential solution that needs to be tested; control structure: car-diagnosis(c:initial-complaint + D:user-data _ h:solution) = repeat generate (c:initial-complaint _h:hypothesis) until test(h:hypothesis + D:user-data _true)
Les langages de reprsentation permettent le codage symbolique des connaissances, dans un formalisme caractrisant, par des rgles ou des structures syntaxiques, les noncs licites. Lobjectif poursuivi est la rduction des ambiguts et des imprcisions inhrentes la modlisation en privilgiant lutilisation de langages formels comme F ORKADS [Wetter 1990], K ARL [Fensel 1991], (ML)2 [Van Harmelen 1992]. Ces langages utilisent des formalismes logiques pour reprsenter chaque type de connaissances dfini dans la mthode CommonKADS [Wielinga 1992b].
16
Loprationalisation consiste dfinir des structures de donnes informatiques et/ou utiliser des outils de programmation pour simuler ou implanter tout ou partie dun SBC. Les langages oprationnels associent aux primitives de modlisation les structures de donnes et les traitements ncessaires leur mise en uvre informatique. MODEL -K [Karbach 1991] et O MOS [Linster 1992], associs la mthode KADS, ainsi que A IDE [Grboval 1992], LISA [Delouis 1993], ZOLA [Tchounikine 2000] et le langage oprationnel associ au shell T ASK en sont des exemples. Ces langages permettent de bnficier rapidement des rsultats dexcution, ce qui aide prciser et amliorer la reprsentation initiale [Fensel 1994]. Le choix dun langage dpend des objectifs que lon se donne. Ces derniers pouvant voluer tout au long du cycle de dveloppement dune application SBC, lutilisation de plusieurs types de langages peut tre ncessaire, chaque type tant adapt une tape particulire du dveloppement. 10.3.4. Le processus de modlisation Plusieurs analyses dcrivent la construction du modle dune application sous la forme dun processus qui comporte quatre phases [Aussenac-Gilles 1992, Linster 1992] : (1) le recueil de donnes brutes, (2) la construction dun schma de modle conceptuel, (3) la dfinition du modle conceptuel complet, (4) limplmentation de ce dernier dans une base de connaissances oprationnelle. Llaboration du modle conceptuel, qui dcrit lexpertise ncessaire au futur SBC pour rsoudre un problme, correspond aux phases 2 et 3 de ce processus. Le schma du modle conceptuel est une reprsentation abstraite et structure de lexpertise. Il se compose dun schma des connaissances du domaine et dun schma des connaissances du raisonnement. La phase 2 consiste donc identifier les concepts abstraits qui dfinissent et structurent les connaissances de lexpert ou du domaine. La phase 3 consiste enrichir le schma de toutes les donnes du domaine dapplication. Il sagit en quelque sorte dinstancier le schma sur un domaine dapplication. Aider la construction du modle dune application peut tre vu de deux faons diffrentes selon que laccent est mis sur lobtention dun modle excutable ou sur la construction du modle conceptuel. Les travaux du premier type offrent des architectures spcialises dans la ralisation de certaines tches et/ou de certaines mthodes. Les connaissances du domaine acqurir sont dfinies daprs le rle quelles doivent jouer dans le raisonnement dfini au sein de ces architectures (aide la ralisation de ltape 3 ci-dessus). Les travaux du deuxime type fournissent plus gnralement une aide la construction du modle conceptuel (tapes 2 et 3) base sur lexploitation de contraintes syntaxiques de langages dexpression des connaissances.
17
10.3.4.1. Des architectures spcialises Les travaux qui relvent de la premire approche considrent que la mthode mise en uvre dans une application conditionne les types de connaissances ncessaires et que le rle des connaissances dans la mthode contraint la faon dont les connaissances doivent tre reprsentes et recueillies. Cest lidentification des connaissances ncessaires la mthode qui guide lacquisition. tant donne une application SBC, cette approche propose donc un squencement des activits menant la construction dune application SBC : (1) identifier la tche rsoudre et/ou la mthode de rsolution de problmes mettre en uvre, (2) slectionner larchitecture adapte la tche et la mthode, (3) acqurir les connaissances du domaine ncessaires la mise en uvre de la mthode identifie. Rentrent dans cette catgorie, lapproche des Tches Gnriques de Chandrasekaran [Chandrasekaran 1986], les travaux sur les mthodes limitation de rles de Mc Dermott [Marcus 1989] ainsi que les travaux de Musen et son quipe ayant conduit la ralisation du systme P ROTEGE [Musen 1989]. Lapproche des Tches Gnriques et celle des mthodes limitation de rles mettent laccent sur le concept de mthode de rsolution de problme. Lacquisition des connaissances dune application doit tre prcde de lidentification pralable du modle de raisonnement sous-jacent lapplication. Les travaux de Musen se distinguent des prcdents en mettant laccent sur le concept dapplication. Le but est de disposer doutils plus proches du concepteur dans la mesure o ils manipulent le vocabulaire du domaine dune application et non un vocabulaire orient mthode, dcrivant les connaissances au travers de leur rle dans un raisonnement, indpendamment de tout domaine dapplication. Cette premire approche qui a conduit la construction darchitectures et doutils spcialises e.g. S ALT [Marcus 1989] prsente lavantage de guider trs efficacement ltape 3 dinstanciation dun modle conceptuel. Les schmas de modles conceptuels sont prdfinis et guident lacquisition des connaissances du domaine. Nanmoins, ces architectures ne sont utilisables que si (a) le concepteur a auparavant effectu une analyse fine de lapplication dvelopper, (b) quil a pu identifier prcisment le raisonnement sous-jacent et (c) quil existe une architecture mettant en uvre le raisonnement identifi. Ce dernier point est dautant plus primordial que les architectures proposes sont peu flexibles. Dans lapproche limitation de rles, les mthodes sont relativement simples mais ne peuvent tre modules pour une application donne. Lapproche des Tches Gnriques rencontre les mmes difficults mme si cest un degr moindre dans la mesure o le concept de tches gnriques est de granularit plus fine et que les mthodes de raisonnement dune application sont configures par composition de tches gnriques.
18
10.3.4.2. Des architectures gnriques Palliant ce manque de souplesse, dautres approches proposent des langages de modlisation conceptuelle totalement indpendants de toute mthode, tche ou domaine. Elles proposent des guides mthodologiques pour mieux matriser le dveloppement de gros projets SBC. Ces mthodes ressemblent beaucoup dans leurs principes celles qui existent en gnie logiciel car elles accordent une grande importance la modlisation. Dans les deux cas, il sagit de grer les cycles de dveloppement et de construire un ou des modle(s) du systme concevoir. La ralisation dapplications est vue comme un processus de transformation de modles. Ces mthodologies proposent un ensemble de primitives pistmologiques devant servir de base conceptuelle la modlisation et dfinissent des structures correspondant des formes gnriques donner aux expressions qui formulent des connaissances. Ces principes sont gnraux dans la mesure o ils sappliquent quels que soient la tche, le domaine, et le raisonnement mis en uvre dans lapplication dvelopper. La mthodologie de dveloppement de SBC la plus connue en Europe est CommonK ADS, dveloppe au sein du projet Esprit KADS-II [Wielinga 1993a]. Ce projet avait pour objectif dintgrer les apports dune premire version de la mthode, KADS-I [Wielinga 1992a], avec ceux dautres travaux du domaine, en particulier ceux sur les composants de lexpertise de Luc Steels [1990, 1993]. La structuration des connaissances propose par CommonKADS fournit un cadre intressant pour guider la reprsentation du schma dun modle conceptuel (phase 2). Cependant, la mthodologie naide pas dterminer le contenu du schma de modle construire. Ce travail est dlicat, largement bas sur lexprience. Se voulant intgrer et synthtiser les rsultats de tout un ensemble dapproches de modlisation, CommonK ADS permet la construction du modle dexpertise aussi bien par abstraction des donnes que par rutilisation en offrant une bibliothque de composants de modlisation, de granularit trs diffrente, jugs rutilisables. Le concepteur dune application SBC dispose ainsi de briques de base pour construire son modle mais sans rel mode demploi. Si les architectures relevant de la premire approche mettent laccent sur la modlisation des connaissances de raisonnement, la mthode CommonKADS propose une caractrisation des connaissances pouvant servir de base la modlisation en ne privilgiant a priori aucun type de connaissances. Par ailleurs, la dmarche de construction du modle dune application nest pas fige. Deux processus de construction de modles sopposent [Van Heijst 1997b] : un processus de construction de modle ascendant (bottom-up contructive process) dans lequel une structure est applique sur des connaissances dj licites ;
19
un processus de construction de modle descendant (top-down contructive process) dans lequel un modle gnrique est slectionn ou construit, puis instanci avec les connaissances propres lapplication tudie. Ces deux processus sont vus comme les extrmes dun continuum dapproches, allant dune faible rutilisation de modles une forte rutilisation de modles. Le premier processus est difficile mettre en uvre. Il suppose que le concepteur acquiert lensemble de lexpertise sans aucune ide a priori sur le modle de lapplication et les connaissances utiles pour construire lapplication. La construction du modle de lapplication se fait alors sur la base de lanalyse de cette expertise, par un processus dabstraction. Le concepteur recherche les traits caractristiques de lexpertise, dgage les tches ralises, les actions excutes. Lanalyse de lexpertise doit permettre dexprimer lensemble des connaissances en des termes plus gnraux et de construire un modle de lapplication. Loutil MACAO [Lpine 1996] est une des rfrences de cette approche. Le deuxime processus est thoriquement plus facile et plus rapide mettre en uvre car la construction du schma du modle conceptuel est effectue partir de modles (ou de parties de modles) rutiliss. Lacquisition des connaissances est ensuite aise ; elle consiste collecter lensemble des connaissances de lapplication correspondant aux rles (on parle de remplissage de rles), ou aux concepts dcrits dans le raisonnement. En revanche, la mise en uvre de ce processus suppose lexistence de bibliothques. Il suppose galement deux problmes rsolus : celui de lindexation des composants rutilisables (ou comment retrouver les composants rutilisables) et celui li leur configuration (ou comment adapter les composants rutiliss). Apporter des solutions ces problmes est aujourdhui un des enjeux majeurs en modlisation. Ces dernires annes, beaucoup defforts ont t raliss pour permettre de construire un modle dune application par rutilisation. 10.3.5. La rutilisation Les travaux sur la rutilisation se sont dvelopps selon deux axes : dabord en termes de rutilisation des modles de raisonnement comme nous venons de le voir, puis la suite de travaux sur les ontologies (cf. 10.3.1.1) qui ont relanc la problmatique par rapport aux connaissances du domaine. Pour revenir aux modles de raisonnement, la rutilisation peut se concevoir de diffrentes manires. Une premire faon consiste rutiliser des modles dexpertise
20
prdfinis. Cette ide a t initialement propose dans le cadre du projet KADS-I. Des modles dinterprtation ont t dfinis [Breuker 1987]. Ils contiennent des descriptions de raisonnements adaptes la ralisation de tches spcifiques et exprimes dans une terminologie indpendante de tout domaine dapplication. Le choix dun modle dinterprtation est guid par un arbre de dcision bas sur une taxinomie des types de tches, une version tendue et modifie de celle de Clancey [1985], description drive de celle de Hayes-Roth [1983]. Les critres de choix portent sur la structure du systme au centre de lapplication analyse, le type de solution attendue au travers du raisonnement mettre en uvre, la nature des connaissances du domaine utilises. Cette approche est sduisante mais lapplication dun modle dinterprtation un domaine pose deux types de problmes. Dune part, une application met souvent en uvre plusieurs raisonnements auxquels correspondent plusieurs modles dinterprtation. Il faut alors pouvoir distinguer explicitement ces diffrents raisonnements. Dautre part, la rutilisation de modles gnriques prdfinis rend ncessaire la mise en uvre de processus dadaptation une application donne, un travail difficile et long raliser. En effet, si la rutilisation a pour but dabaisser les cots de dveloppement, lexprience montre que la rutilisation de mthodes gnrales, trs largement applicables et donc peu contraignantes par rapport la structure des connaissances du domaine manipules, a un cot important, alors que les mthodes, dapplication plus limite, sont plus facilement rutilisables [Talbi 2000]. Cette constatation a ouvert la voie des approches plus flexibles, au sein desquelles les lments rutiliss et adapts sont de granularit plus fine. Il ne sagit plus de rutiliser des modles gnriques complets de raisonnement mais des lments de raisonnement. Les critres de slection des composants gnriques restent proches de ceux permettant la slection des modles dinterprtation. Ils portent sur les buts (ou sous-buts) que lon cherche atteindre et les caractristiques des connaissances du domaine. Les buts sont rapprochs des comptences de mthodes ou mcanismes de rsolution. Les caractristiques des connaissances du domaine sont rapproches des caractristiques que doivent possder les connaissances ncessaires au raisonnement pour sexcuter [Reynaud 2000]. Par rapport aux ontologies, les rflexions sur la rutilisation ont aliment de longs dbats [Charlet 1996, Guarino 1997, Van Heijst 1997a]. La communaut franaise est particulirement active dans ce domaine, en particulier au niveau du groupe Terminologie et intelligence artificielle (TIA), au sein duquel ontologies, terminologies, bases de connaissances terminologiques, entre autres produits de la recherche, sont caractrises par rapport aux besoins de la Terminologie et de lIngnierie des connaissances. Il en ressort que la rutilisation simple voire simpliste des ontologies espre au dbut des annes 90 a disparue. linverse, une convergence de vue
21
se fait jour sur quelques points maintenant essentiels que nous reprenons ici du point de vue des mthodes et des ressources terminologiques [Charlet 2000b] : 1. Les textes (documentation technique, ouvrages, textes dinterviews, etc.) tant reconnus comme tant la source essentielle llaboration des ontologies et connaissances du domaine11 , la construction dontologies doit suivre des mthodologies prcises organises selon plusieurs tapes permettant de passer dune expression linguistique des connaissances une ontologie computationnelle utilise dans un artefact informatique [Bachimont 1996]. 2. La rutilisabilit des ontologies est alors limite puisque la normalisation smantique, ncessaire au passage du linguistique au formel, ne peut seffectuer que dans la perspective dune tche donne : une ontologie tant, par essence, toujours spcifique une tche. Dans cette hypothse, la rutilisabilit est recherche travers des critres systmatiques dadaptabilit dontologies dune tche une autre [Bachimont 2000]. 3. LIngnierie des connaissances se rapproche de la linguistique et labore, avec ce domaine, des ressources terminologiques intermdiaires qui doivent permettre de prciser de nouvelles mthodologies et outils dacquisition dontologies et autres connaissances ncessaires aux SBC [Bourigault 2000]. Dans ce cadre, les bases de connaissances terminologiques sont un produit prometteur [Condamines 2000]. Finalement, les recherches lies la rutilisation ont atteint une certaine maturit en Ingnierie des connaissances. La confrontation avec les recherches en Systmes dinformation devrait permettre de mettre en place des collaborations rapides autour de la problmatique des ontologies versus des rfrentiels, de travailler moyen terme sur la rutilisation des modles dexpertise au regard des design patterns et, plus tard, dapprhender les problmatiques de prise en compte de la dimension collective et de lvolution des connaissances dans les organisations (cf. 10.5.4). Dj au niveau des Systmes dinformation, les rflexions de lIngnierie des connaissances permettent de proposer des modlisations pertinentes pour lingnierie des composants (cf. chapitre 5, 5.3.3). 1 0 . 4 . L e contexte organisationnel et s o n impact sur l e s Systmes dinformation et lIngnierie des connaissances
11
Nous ritrons ici la remarque de la note 1 mais nous nous plaons ici sciemment dans lhypothse o le corpus est le lieu privilgi o sexpriment des connaissances stabilises et consensuelles.
22
Paralllement cette volution de lIngnierie des connaissances, sest dvelopp, dans les entreprises, un mouvement de complexification des connaissances et de leur traitement. La faon de voir la stratgie de lentreprise en a ainsi t modifie. 1 0 . 4 . 1 . L e s organisations prennent stratgique des connaissances conscience de limportance
On peut considrer que, depuis trs longtemps, toute lactivit des entreprises consiste fdrer des connaissances et des savoir-faire dacteurs en vue dobtenir la production collective de biens ou de services. De sorte que lon peut dire que, dans les organisations, on traite de la connaissance, des savoir-faire et des apprentissages depuis toujours. La question de lacquisition, de lutilisation, de lagencement des connaissances pour pouvoir agir est mme pose explicitement, puisquautrefois le compagnonnage et prsent le management omniprsent tous les chelons des organisations est un vritable exercice de faire-faire , obligeant le manager rsoudre des problmes partir des connaissances et des savoir-faire de ses collaborateurs, sinterrogeant sur les attentes de ses clients, fournisseurs, partenaires depuis les mthodes de la gestion de production qui traitent des problmes dapprentissage, dvolution de savoir-faire, de partage collectif des savoirs, jusquau marketing qui utilise les reprsentations du produit ou des concepts publicitaires et qui value les valeurs des clients pour proposer de nouveaux produits. La nouveaut est la prise de conscience que lentreprise possde des connaissances et des savoir-faire qui ne se rduisent pas aux comptences des individus et que ceci fait partie de ses premires richesses. Ces connaissances se transmettent certes dindividu individu mais aussi de collectif individu et de collectif collectif. Le concept dapprentissage est ainsi renouvel et un concept comme celui de lapprentissage organisationnel tente de rendre compte de ces phnomnes. Ces concepts deviennent centraux dans la proccupation quont les entreprises de savoir voluer trs vite dans un environnement changeant sous la pression conomique. Certains auteurs voient les organisations elles-mmes comme un systme dinterprtation collectif et ils en caractrisent le fonctionnement avec des concepts lis la cognition : cest le cas par exemple dArgyris [1995] qui propose le concept dorganisation apprenante. Celle-ci est dfinie comme sachant limiter ses routines dfensives et capable de ce fait dun apprentissage organisationnel en double boucle qui modifie non seulement le comportement organisationnel ayant eu des effets nfastes mais aussi plus profondment toutes les conceptions qui avaient produit ce comportement.
23
Il se prcise une approche cognitive du management et de la stratgie dentreprise. Les dirigeants et cadres sont de plus en plus invits avoir une attitude critique, donc consciente et explicite de leurs modles interprtatifs de lenvironnement et de la ralit intrieure de lentreprise. Cette dmarche vise ce quils puissent mieux changer et construire collectivement ces modles interprtatifs, savoir les ajuster les uns avec les autres, pouvoir et savoir les modifier et les faire voluer. Lobjectif tant toujours de mieux adapter leur comportement et celui de lentreprise une complexit croissante et une concurrence accentue. Cette perception ou connaissance de lenvironnement, interne comme externe, est alors au centre de la dynamique organisationnelle [Nonaka 1997]. 10.4.2. Les connaissances dans les organisations Les connaissances voluent dans la pratique dun mme acteur comme dans celle de lorganisation. On peut considrer quelles suivent un dveloppement en plusieurs tapes, qui correspond diffrentes natures de connaissances organises dans un continuum [Teulier-Bourgine 1997]. Dabord encapsules dans un savoir-faire humain, elles peuvent ensuite tre explicites par lacteur. cette tape essentielle, elles peuvent, travers laction collective, tre changes, critiques et partages. Aussi ne faut-il pas stonner que, dans les entreprises, on se serve facilement de la distinction connaissances tacites versus connaissances explicites. Aprs avoir t explicite, partage la connaissance peut tre reformule et se figer, sinstitutionnaliser en informations, normes, standards. Par ce processus, elle simpose tous et peut tre utilise avec peu defforts cognitifs des acteurs. Puis, les standards et normes deviennent moins adapts et il faut un nouvel effort cognitif pour les interprter, les appliquer et les faire voluer. On peut considrer que, dune certaine faon, lacquisition des connaissances sest intresse dans ses dbuts au savoir-faire encapsul chez lacteur (en loccurrence lexpert ou encore la premire tape du processus que nous venons de dcrire), et que les systmes dinformation traitaient traditionnellement des informations bien tablies et codifies, normes et standards (cest-dire la dernire tape du processus dinstitutionnalisation). Les connaissances qui intressent les acteurs dans lentreprise, les gestionnaires, les informaticiens et les ingnieurs de la connaissance sont des connaissances pour laction12 .
12
Nous nopposons pas connaissances thoriques et connaissances pour laction puisque la connaissance est indubitablement lie laction (cf. 10.2.1.2 n1). Le sens de cette affirmation est replacer dans le contexte organisationnel de lentreprise o ce sont les
24
Cest uniquement ce rapport des connaissances avec laction qui justifie in fine les pratiques des uns et des autres. Il sagit dun savoir comme intelligence pratique du monde, celui qui est orient vers et immerg dans laction et qui nest pas dpouill de la gangue de la contingence quvoquent Delbos et Jorion [1984] ; ce qui le rend sensiblement diffrent du savoir discursif qui vise une validit omni-contextes. Il est donc multiforme, difficile capter, organiser et assister par des artefacts. Lobjectif des gestionnaires, en particulier quand ils sintressent aux connaissances, est de modifier le comportement des acteurs pour faire voluer le comportement de lorganisation. On comprend alors lintrt de la distinction introduite par Argyris [Argyris 1995] entre le savoir applicable ou savoir pratique et le savoir actionnable : ce dernier comprend le savoir pratique plus ses conditions dapplication et le savoir qui a servi le crer ; ce qui permet diintroduire les conditions de sa remise en cause travers un processus dapprentissage en double boucle. Lobjectif des informaticiens et des ingnieurs de la connaissance pour leur part est dagir en concevant et en dveloppant des artefacts qui leur tour devront sintgrer dans lactivit de leurs utilisateurs. Leur rapport au lien connaissances-action se situe donc deux niveaux : (1) ils doivent lire un processus organisationnel pour en extraire informations et connaissances pertinentes modliser alors que les connaissances pour laction sont difficiles isoler de laction parce quelles y sont immerges ; et (2) ils doivent concevoir un outil qui va transformer la tche des utilisateurs et inflchir les processus organisationnels alors que vouloir inflchir laction, les comportements, les pratiques des acteurs, en particulier travers leurs connaissances, est particulirement complexe (cela amne intervenir dans un contexte situ i. e. un environnement physique, cognitif et social qui structure et organise lui aussi les changes et laction). Une des difficults les plus notables est dapprhender laction et la cognition collective [Teulier 2000], vitales pour les organisations : cest dans ces processus collectifs que les connaissances se construisent [Hatchuel 1996] et trouvent leur dynamique au sein du tissu organisationnel et de lactivit de production. 1 0 . 4 . 3 . L a place des connaissances dans cette complexification des systmes dinformation volution vers la
connaissances pour lesquelles une action est clairement identifie qui intressent a priori les gestionnaires.
25
Dans le contexte conomique dj voqu, les aspects organisationnels de lentreprise se modifient en profondeur et les exigences vis--vis des systmes dinformation se modifient galement : on leur demande de plus en plus dans cette tension vers une adaptation caractre vital. Il sagit bien du lien, des interactions, des dpendances mutuelles entre la stratgie de lentreprise, sa structure et la technologie de linformation, ce que Tardieu et Guthmann [1991] ont appel le triangle stratgique , reprenant en cela lexpression dun rapport de la Sloan School du MIT. Cette exigence croissante vis--vis des systmes dinformation est observable concrtement dans les organisations. Les mmes donnes doivent tre traitables de multiples manires (le bon de commande prpare la facture qui se rpercute sur la gestion des stocks), saisies de diffrents postes de lentreprise (le commercial passe ses commandes de son PC portable), centralises, dcentralises, utilises modifies par de multiples groupes, rseaux, etc. le tout en temps rel13 . Ces systmes dinformation sont donc de plus en plus complexes ; ils doivent par ailleurs tre de plus en plus accessibles aux non-informaticiens. Outre toutes ces caractristiques, on demande maintenant aux nouvelles gnrations de systmes dinformation doprer des traitements valeur ajoute par rapport aux versions prcdentes : donc de plus en plus de faire merger du sens, cest--dire dinterprter les donnes et doprer des rapprochements entre elles partir de grands systmes de gestion de bases de donnes (SGBD) servant de multiples applications. Cest dans ce contexte quil faut apprcier la place des connaissances dans les systmes dinformation de demain. Reprenons un point de vue cognitif et souvenons-nous que lessentiel du traitement de linformation fait par ltre humain tant un traitement qualitatif, (environ 80 90%), on a commenc, en informatisant, mettre sur machine le quantitatif, cest-dire ce qui tait facilement identifiable, stockable, traitable. Cette tape est en quelque sorte acquise. On approche maintenant du traitement dautres objets, supports de la cognition comme limage, le texte, les connaissances parce quil sagit de plus en plus dinterprter les donnes et les rsultats des traitements, tche qui tait rserve jusquici lutilisateur. En consquence, on demande des traitements de plus en plus sophistiqus, on atteint ce qui tient du traitement qualitatif chez ltre humain [Pomerol 1997]. Or ceci se modlise diffremment et cest un autre mtier de le conceptualiser,
13
Ces traitements se mettent en place dans les entreprises, au travers des progiciels de gestion intgrs (PGI) dont la paramtrisation est difficile, au point mme que ce sont souvent les entreprises qui doivent sadapter et non linverse.
26
mme sil ne sagit que de fournir des outils de navigation, daccompagner lutilisateur dans ce type de traitement qualitatif. Cette tendance se traduit concrtement par le fait que les utilisateurs exigent des outils dutilisation intuitive, des interfaces conviviales. Ce qui est vis ici, cest le gain de temps, et pour cela, un confort dutilisation maximum et un cot cognitif minimum daccs. Linformation nest plus rare : elle devient surabondante et trs accessible ; le problme est de la trouver, de la slectionner, de linterprter. Les organisations en accumulent de plus en plus ; elles veulent faire merger du sens de ces grandes masses dinformations, exploiter celles qui leur sont propres ou bien utiliser celles qui, rapproches de leurs savoir-faire spcifiques peuvent leur donner des atouts concurrentiels. Cette demande sest dj concrtise par une volution des systmes interactifs daide la dcision (SIAD) [Lvine 1989, Zarat 2000] et des Executive Information System (EIS) [Olson 1992, Turban 1993] ou, plus rcemment, des bases de donnes exploites et fdres sous la forme de data warehouses. Cette disponibilit accrue de linformation, des technologies et la ractivit supplmentaire demande lentreprise, tendent accrotre aussi le travail collectif. Les systmes dinformation doivent donc, non seulement, acclrer les changes, mais aussi favoriser le travail de groupe. Or la conceptualisation du travail collectif est en quelque sorte en retard sur les moyens techniques, et il reste une demande forte dapplication daides la conception en matire de collecticiels [Lewkowicz 2000], doutils pour travailler avec le Web. Les travaux collectifs ont surtout t vus travers lchange et le partage de documents. Les modles conceptuels des processus collectifs restent, pour une large part, construire. 10.4.4. Les systmes base de connaissances dans les organisations Que nous apprend lexprience rcente mais nanmoins consquente de lintroduction des SE et SBC dans les entreprises jusqu prsent ? Cette exprience mriterait quon sy intresse de faon plus approfondie puisque ce sont les expriences concrtes de modlisation et dinformatisation des connaissances qui ont t les plus dveloppes dans les organisations. Nous pouvons tirer quelques leons de ces dcennies en faisant dabord le constat, assez unanimement partag, que lune des limites organisationnelles les plus criantes des SBC est davoir t appliqus des poches de savoir facilement identifiables mais trs localises. Dans ce contexte dvolution conomique et dvolution organisationnelle, les SE et plus gnralement les SBC ont permis des avances notables concernant la nature, la modlisation, la reprsentation et le traitement des connaissances. Tout dabord une
27
focalisation sur la notion dexpertise dans les entreprises a suscit une rflexion assez gnralise sur ce thme. Au-del des travaux de psychologie cognitive sur lintelligence ou dapproches de lintelligence artificielle sur des expertises trs locales et trs isoles comme celle du joueur dchec, il fallait une approche fine de lexpertise luvre dans les entreprises avec toutes ses modalits diffrentes dexercice, avec ses liens de diffrentes natures avec les autres savoirs et connaissances de lentreprise ; ceci naurait pu tre fait sans ces centaines dexpriences de ralisation de SBC. Elles nont dailleurs t possibles que parce quelles correspondaient (au-del de leffet de mode qui ne suffit pas lui seul crer un tel mouvement) un rel besoin dapproche de cette expertise et dautomatisation de traitements qualitatifs de linformation. Dans la mme dmarche, outre la focalisation sur lexpertise, toute une approche modlisatrice des savoir-faire et des connaissances dans les organisations accumulait les premires explorations concrtes sur les connaissances considres au-del de la comptence des individus. En effet, paralllement la rflexion des gestionnaires sur la connaissance qui aboutissait distinguer les connaissances explicites, implicites, leur transmission etc., paralllement celle des penseurs comme Morin [1986] qui crivait la connaissance de la connaissance , le courant qui construisait des SBC aboutissait mettre sur pied et proposer de faon balbutiante au dpart une Ingnierie de la Connaissance, cest--dire une approche de la connaissance (et de ses processus) comme objet identifiable, objet dingnierie cest--dire de mthodes, de modles comprhensibles, changeables et reproductibles. Le concept de connaissance, aux mains des philosophes depuis des sicles, des pdagogues depuis quelques dcennies, arrivaient chez les sociologues, chez les ingnieurs et chez les gestionnaires ; les ingnieurs ne sy intressant quen vue de leur automatisation, introduisant une tape draconienne dexplicitation et de formalisation pour le passage en machine. Celui-ci pse lourd en termes defforts et de temps ncessaires mais son caractre fortement contraignant a aussi permis des avances importantes dans cette approche de la connaissance. Que demande-t-on actuellement aux SBC ? Dtre totalement intgrs aux systmes dinformation, changeant avec eux les donnes, ayant des interfaces communes, bref dtre totalement transparents pour lutilisateur ; plus, de rester limits des modules circonscrits, intgrs dans des systmes dinformation, dtre vite dvelopps, faciles maintenir En effet les SBC, intgrant des applications plus larges et entrant dans la pratique des utilisateurs, ont naturellement rejoint dautres parties du systme dinformation. En mme temps quil prend connaissance des rsultats du SBC, lutilisateur veut pouvoir visionner toutes les donnes qui ont permis celui-ci dlaborer des solutions, un conseil. Il souhaite aussi naviguer intelligemment dans ces donnes, les prsenter sous des formes diffrentes, les rapprocher dautres donnes
28
choisir parmi plusieurs sources. Bien entendu, il nest pas question de saisir toutes ces donnes, le SBC doit tre reli toutes les bases de donnes de lentreprise. 10.5. Articuler SBCs et systmes dinformation 10.5.1. Lutilisateur au centre de la conception Lvolution des enjeux dans les organisations que nous venons de dcrire tend mettre lutilisateur au centre de la conception. Plusieurs spcialits de linformatique ont volu de faon apparemment disjointe vers cette situation. Des travaux comme ceux des interfaces homme-machine (IHM) ou comme ceux du courant conception centre utilisateur [Norman 1986] ont t des tapes importantes. Actuellement dans le domaine de la conception des systmes dinformation, lIngnierie des besoins pose explicitement la question des besoins de lutilisateur et propose comme thme de recherche la construction dune ingnierie permettant de formaliser cette prise en compte [Grosz 2000]. On peut considrer aussi que la prise en compte des besoins de lutilisateur est sous-jacente dautres courants. La conception laide de patrons, par exemple, travers la volont de rendre les applications ractives, cherche prendre en compte lensemble des problmes qui se manifesteront quand lapplication sera en usage : il sagit, travers les patrons, de collectionner les symptmes dinadquation potentiels dune application pour pouvoir y rpondre lavance. De mme, les mthodes utilisant les cas dutilisation (use cases) tentent par une collection de situations reprsentatives dapprocher ce que souhaitera lutilisateur final et surtout de prvoir lensemble des situations dans lesquelles il se trouvera alors que lui-mme peine les imaginer lavance. LIngnierie des connaissances sest focalise, pour sa part, sur la rsolution de problme, en modlisant celle-ci de faon suffisamment gnrique pour englober tous les cas de figure pouvant advenir. Aucune de ces approches nest, elle seule totalement satisfaisante. Toutes, par contre, vont dans la mme direction et ont interagir. Mettre lutilisateur au centre de la conception revient laccompagner dans ses processus de rflexion et de manipulation des donnes. En effet, les systmes dinformation pntrent de plus en plus ce qui tait du ressort de lutilisateur dans le partage des tches entre lhomme et la machine, et cette amplification de leurs rles ncessite des modlisations du mtier. Ce qui est difficile cadrer, complexe et coteux et aboutit une volution profonde de la conception de systmes dinformation. Pour accompagner les mtiers de lorganisation, les concepteurs informatiques doivent non seulement concevoir et raliser des outils adapts, mais ils doivent aussi accompagner les utilisateurs dans lvolution de leur mtier, dans le changement organisationnel [Prekas
29
1999]. Il sagit l, de les aider, des degrs divers, rflchir leurs propres concepts. Cest un travail de construction des connaissances bien connu de lIngnierie des connaissances (cf. 10.3.4). Il faut situer cette prise en compte croissante des besoins des utilisateurs dans un contexte plus global. La tendance gnrale dutilisation et de dveloppement doutils gnriques, comme les tableurs, traitements de textes, Web ou navigation hypermdia est la tendance de fond. De ce point de vue, la rponse au problme de la prise en compte des besoins utilisateurs, sorganise en trois niveaux : (a) les systmes dassistance ou conseillers conus et dvelopps spcifiquement pour un ensemble dutilisateurs, (b) les systmes conus comme des aides spcialises partir doutils gnriques et (c) les systmes ncessitant surtout un paramtrage doutils gnriques. chacun de ces niveaux, les concepteurs ont, des degrs divers, prendre en compte les besoins de lutilisateur ; que ce soit en termes dchanges, de fiabilit, de scurit et de convivialit ou par rapport des contraintes organisationnelles. Les acquis de lIngnierie des connaissances pour cette prise en compte des besoins utilisateurs sont (a) la connaissance et lexprience de modlisation des processus cognitifs, (b) lexprience de modlisation de la tche, (c) le fait de savoir que recueillir la connaissance est en fait en grande partie la reconstruire, (d) le fait de savoir que loutil futur modifie la tche et son environnement. Pour lIngnierie des connaissances, sorienter vers une plus grande prise en compte de lutilisateur revient largir sa vision et prendre lutilisateur non seulement dans sa dimension dtre raisonnant et rsolvant des problmes, mais aussi dtre social engag dans des changes et des interactions. Ce qui oblige modliser l'utilisateur - et pas seulement l'expert - comme acteur organisationnel engag dans sa tche et ses changes. L'utilisateur est alors un acteur participant des travaux collectifs et est immerg dans une organisation imposant ses contraintes, ses procdures et ses sources d'information. La prise en compte des besoins de lutilisateur et de la capacit de conception de celuici dans lvolution de son mtier est un challenge aussi bien pour lIngnierie des connaissances que pour les Systmes dinformation. Chacune des spcialits ayant des acquis dans ce domaine : que ce soit, par exemple, la prise en compte du changement organisationnel pour lIngnierie des besoins ou llaboration cooprative des concepts du domaine pour lIngnierie des connaissances. 10.5.2 Vers des systmes dinformation coopratifs
30
Les systmes informatiques peuvent tre considrs comme coopratifs, parce quils cooprent avec leur utilisateur [Rosenthal-Sabroux 1996], problmatique aborde prcdemment, ou parce quils cooprent entre eux et sont largement communicants et interoprants cest lobjet de lactivit dintgration de systmes [Meynadier 1998] , ou encore parce quils assistent la coopration dagents humains et produisent ainsi un systme coopratif impliquant des hommes et des machines[Zacklad 1994]. Ces trois aspects des proprits coopratives des systmes dinformation sont souvent prsents simultanment et leurs effets se renforcent. Cest parce quon peut changer des donnes quon peut concevoir des artefacts qui cooprent avec lutilisateur et cest parce quon met lutilisateur au centre de la conception quon est conduit lassister dans ce qui est essentiel pour lui : ses travaux collaboratifs. Lintgration de systmes existants, non conus initialement en vue de fonctionner ensemble, a pour objectif de les faire cooprer malgr leur htrognit et dobtenir des proprits et une efficacit nouvelles. Comme le souligne Meynadier [1998], dans les annes 80 alors que la majorit de linformatique des organisations restait dans un mode transactionnel en systmes centraliss auxquels se sont peu peu connects les ordinateurs personnels, les grands systmes faisant lobjet de projets dintgration de systmes prfiguraient les architectures rparties et client-serveur des annes 90 . Ces annes 90 ont vu la gnralisation des systmes distribus selon le mode client-serveur, gnralisant aussi de fait lintgration de systmes. Outre les aspects techniques de linterfaage des diffrents systmes, lune de difficults de lintgration est de rendre transparent lutilisateur lhtrognit et la complexit interne des systmes, donc de rendre cohrentes les significations des donnes de diffrentes bases de donnes et leur utilisation par diffrentes applications. Lorsque des SBC sont dans une chane dintgration, ils ont donn lieu une modlisation du domaine et un dialogue avec la matrise douvrage. De ce fait, ils participent souvent la conception dune interface unique et llaboration dun schma global de la chane dintgration utilisant les concepts, contraintes et objectifs du mtier impliqu. Au-del de ces changes et de cette communication gnraliss, la coopration entre les agents tend aussi se gnraliser, pousse par les technologies et tire par les besoins dadaptation et de ractivit des entreprises. Le fait que chaque poste de travail soit connect un ensemble de systmes dassistance et dinformation, dans et hors de lorganisation, rend ncessaire une nouvelle approche du systme dinformation centre sur des situations dutilisation et des savoir-faire partags dutilisateurs. Il sagit de caractriser conceptuellement les types de connaissances et de processus cognitifs qui sont en jeu dans le travail collectif, dexpliciter et de caractriser les besoins des utilisateurs non seulement dans leur fonctionnement cognitif individuel mais aussi dans leurs travaux
31
coopratifs. Limbrication des tches des uns et des autres et le nombre de tches ralises en commun augmentant, lenjeu devient alors de savoir organiser le travail en commun, de lassister et le faciliter. Pour cela, il faut concevoir des systmes informatiques spcialement destins cette tche. Assister la coopration dagents humains oriente toute la conception de ces systmes par la prise en compte des besoins de collectifs de travail identifis. Sur le plan conceptuel, on peut considrer que les assistances logicielles au travail collaboratif sont bases sur la coopration au sens de Zacchary et Robertson [1990] : La coopration est une forme particulire dinteraction dans laquelle les agents cooprants partagent des buts et agissent de concert avec eux sur une certaine priode de temps . La coopration est donc vue comme une rsolution collective de problme. Lorigine des travaux conceptuels sur la coopration [Falzon 1991] se fonde sur la modlisation de la rsolution de problme, telle que propose par Newell et Simon [1972]. Il sagit donc dune origine commune forte avec lIngnierie des connaissances. De leur cot et depuis les annes 80, les travaux des communauts CSCW 14 ont explor le support de travaux de groupe et particulirement dchanges en sappuyant, surtout les premires annes, sur la technologie des rseaux et sur la sociologie pour comprendre les caractristiques du travail collectif. Ils ont montr assez vite [Bannon 1993] que lintroduction efficace de ces outils ne doit pas reposer uniquement sur la technologie mais aussi sur une bonne comprhension des fonctionnements collectifs et organisationnels. Ces travaux ont produit des logiciels de type groupware qui servent de systmes de mdiation entre agents pour les dcisions ou llaboration de solutions collectives et des logiciels de type workflow reposant sur des protocoles de circulation des informations dans lorganisation. Par ailleurs, les gestionnaires et informaticiens de gestion, produisaient travers la conception des Group Decision Support System [Olson 1992, Turban 1993] des avances sur lassistance la prise de dcision collective. Au dpart les travaux de la communaut CSCW ont surtout insist sur les modes dchanges et de dialogue entre les acteurs. Ltude de situations de travail relles, complexes et difficile assister ont amen le CSCW collaborer avec lergonomie cognitive, la psychologie cognitive ou de lanthropologie et tudier finement des processus comme les dialogues ou la rpartition des rles. Des sciences comme lergonomie cognitive ont ainsi apport une modlisation du dialogue, des stratgies dveloppes par les acteurs dans les changes coopratifs comme, par exemple, les
14
Computer Supported Cooperative Work ou travail coopratif assist par ordinateur (TCAO).
32
modles dusage du langage [Clark 1996, Clark 1993] ou les phnomnes de vigilance mutuelle [Rognin 1998]. Ces travaux intressent lIngnierie des connaissances dans une acception large, ils clairent des processus cognitifs interfrant avec des tches de rsolution de problme, et se rvlent particulirement importants pour concevoir des environnements globaux de travail collectif comme les salles de march ou daiguilleurs du ciel ou de centre durgences [Salembier 1994]. Mais de faon plus globale, avec la sophistication grandissante des applications, les travaux sur la coopration rencontrent un besoin croissant de modlisation. Et les mthodes et outils de lIngnierie des connaissances savrent pertinents pour modliser ces situations de rsolution collective de problme [Zacklad 1994]. Ainsi des travaux proposant dagir notamment sur la mise en valeur des savoirs changs [Lewkowicz 1999] et proposant de garder la trace du dialogue argumentatif, enrichissent des mthodes de conception venues du design rationale par lutilisation de K ADS. Un des nouveaux enjeux des travaux sur la coopration tant la modlisation des processus de conception collective[Darses 1996, Hatchuel 1994]. Une ingnierie des processus de construction collective des connaissances est de fait en train de se construire. En rsum, le dveloppement des moyens technologiques permet daborder la conception dassistances prenant en compte la complexit de lacteur organisationnel dans tous les aspects de sa cognition situe, engage dans laction collective. Cette complexit ncessite cependant un travail pluridisciplinaire ainsi quun attirail conceptuel et mthodologique fond sur diffrentes disciplines dans une dmarche dingnierie des connaissances. Cest ainsi quon peut viter le risque dun point de vue technologique, finalement rducteur. 10.5.3. Vers une ingnierie des composants Concevoir un systme dinformation ou un SBC est complexe. De multiples dcisions sont prises tout au long du cycle de dveloppement pour aboutir un systme final dont le modle associ est, dans la pratique, impossible justifier. Cest pour rpondre ce problme que lingnierie des composants est, lheure actuelle, une activit en plein essor. Lemploi de cas de figures remarquables peut permettre plus de facilit de comprhension et une qualit du systme final plus grande sans avoir donner plus de justification. La conception, vue ainsi comme un assemblage de composants prdfinis, sen trouve facilite.
33
Cette aide apporte aux concepteurs dapplications peut prendre diffrentes formes. Dans le domaine des systmes dinformation, les dveloppements actuels voulant favoriser la rutilisation se tournent vers lusage de patrons. Quil sagisse de descriptions abstraites de regroupements prdfinis et remarquables de classes collaborant la ralisation dun ou de plusieurs services particuliers, ou de fragments de modles de processus, les patrons correspondent de nouvelles formes de composants permettant la rutilisation de dcisions de conception. Par ailleurs, le concept de frameworks qui dfinit un ensemble de classes (au sens de la programmation objet) collaborant pour raliser une tche particulire, a t cr pour permettre de modliser larchitecture du systme construire. Les patrons proposent une vision globale de lapplication construire en dfinissant les collaborations entre les classes et les objets ainsi que les flux de contrle (cf. chapitre 5). Ces travaux constituent, lheure actuelle, un vritable enjeu dune dmarche de conception objet et sont galement exploits dans les phases dIngnierie des besoins. Mettant en uvre des mcanismes prouvs, leur utilisation doit contribuer augmenter la qualit de la conception des modles objets et la qualit des produits ; cette dernire tant largement dpendante de celle du processus qui en assure lingnierie. Ces approches rencontrent lIngnierie des connaissances plusieurs niveaux : Quand il sagit didentifier les composants rutilisables et de les slectionner, il est ncessaire de prendre en compte le contexte dutilisation de ces composants, que ce soit au niveau de leur dfinition comme au niveau de lapplication construire. Lapproche par analyse du domaine (cf. chapitre 5) considre quil faut mettre en uvre un processus de modlisation et de structuration de ce domaine. On retrouve alors les problmatiques de rutilisation des SBC (cf. 10.3.5). Les lments du domaine sont dcrits indpendamment de la tche effectuer, elle-mme dcrite travers dlments de raisonnements abstraits, les MRP. Les difficults mthodologiques apparaissent videmment dans la rsolution de la tension entre une hypothse dinteraction limite telle que dveloppe dans le cadre du projet KADS [Breuker 1987]15 et une rutilisation obtenue travers des critres systmatiques dadaptabilit dontologies dune tche une autre : la premire hypothse, sduisante, est irraliste telle quelle, alors que ladaptabilit dontologies est en tout tat de cause un problme difficile et pas encore rellement pris en charge dans des outils mettant en uvre les mthodologies dveloppes (cf. 10.3.5.).
15
Depuis, cette hypothse est sujette dbat et remise en cause par ceux-l mme qui lavaient pose [Guarino 1997, Van Heijst 1997a, Van Heijst 1997b].
34
La modlisation objet a fdr ses modles dans un unique langage de modlisation, UML (Unified Modelling Language) qui permet de reprsenter les artefacts logiciels. Ce langage respecte un mtamodle, lui-mme dcrit en UML. La ncessit de prendre en compte dautres modlisations comme la modlisation des organisations a amen la dfinition dun niveau de modlisation suprieur, le MOF (Meta-Object Facility). UML y est un des mtamodles supports [Bzivin 2000]. Lidentification des diffrents modles, de leurs relations et de leurs transformations pour aboutir la modlisation dun artefact logiciel sont des enjeux importants pour construire un cadre mthodologique cohrent. Des travaux rcents comme ceux de J. Bzivin [1998, 2000] envisagent ces problmes du point de vue de lIngnierie des connaissances et des ontologies o les cls de la russite sont la dfinition des bons niveaux dabstraction et le partage de catgories conceptuelles. 10.5.4 Vers des systmes de gestion des connaissances Problmatique mergente, la gestion des connaissances est un questionnement incontournable pour lIngnierie des connaissances comme pour les Systmes dinformation. Il nest pas de notre propos ici de dfinir ou redfinir ce quest la gestion des connaissances. On se reportera, pour le fond, au livre de J.-L. Ermine [1996] et pour un descriptif de diffrentes approches, au volume Capitalisation des connaissances de ce mme trait [Zacklad 2000]. Par contre, nous voudrions donner quelques cls pour dcrypter les rapports quentretiennent et doivent entretenir lIngnierie des connaissances et la gestion des connaissances : 1. La demande dintgration des SBC au sein du systme dinformation de lentreprise (cf. 10.4.4) est une tendance de fond inluctable, au point que lon peut affirmer aujourdhui quil ne peut pas exister dans lentreprise un SBC isol. 2. Cette intgration nest pas trangre au concept de systme de gestion des connaissances : un systme de gestion des connaissances doit apprhender la connaissance dans toutes ses dimensions en en permettant les usages et les interprtations ncessaires et, dun autre ct, tre un systme dinformation informatis, robuste, en relation avec les autres parties du systme dinformation de lorganisation, prenant en compte la dimension collective et volutive de la connaissance [Ermine 1996]. 3. Par rapport aux caractristiques de lIngnierie des connaissances dveloppes ici et aux dfinitions de la connaissance et des SBC qui en dcoulent (cf. 10.2), lIngnierie des connaissances est un des principaux lieux de rflexions et de dveloppements mthodologiques pour rifier le concept de gestion des connaissances. En effet, lobjet
35
central est dans les deux cas la connaissance avec les difficults quil y a la dfinir mais avec les fondements et avances thoriques maintenant attests qui permettent quelques caractrisations et ralisations (cf. 10.2 et [Ermine 1996]). Ces apports conceptuels et modlisateurs intressent aussi bien les concepteurs de systmes dinformation que les gestionnaires. Mais, il ne sagit pas de rduire lIngnierie des connaissances la gestion des connaissances ou inversement : lIngnierie des connaissances a dautres sujets de proccupation que la gestion des connaissances en entreprise, la gestion des connaissances ayant, de son ct, des problmatiques spcifiques. Ceci tant, par rapport une gestion des connaissances essayant de prendre en compte la connaissance dans le cadre dun systme complexe se pliant difficilement une dmarche analytique [Le Moigne 1995], lIngnierie des connaissances propose ses mthodes et, justement, son savoir-faire [Barths 1999, Charlet 2000a]. Les apports de lIngnierie des connaissances sont ainsi patents dans : la fourniture de ressources linguistiques [Bourigault 2000], que ce soit pour la construction dindex structurs permettant lindexation et la rcupration pertinente de documents divers dans des documentations techniques ou des textes scientifiques [Bourigault 1999] ; La cration de ressources formelles permettant une meilleure indexation et rcupration des expriences passes, en particulier dans le cadre de dveloppements dontologies, structures formelles indispensables la cration et la maintenance de nombreux thesaurus mtiers et pivots des reprsentations pour des systmes dinformation de plus en plus complexes et prenant en charge des informations de plus en plus htrognes (cf. les data warehouse [Zurfluh 2000]) ; La cration denvironnements pour amliorer la mise en contexte des textes disponibles dans un systme de gestion des connaissances et pour permettre une meilleure exploitation par lhomme, en particulier pour dvelopper des ontologies permettant de baliser (XML) les informations contenues dans les textes [Benjamins 1999, BouryBrisset 1999]. Par rapport ce point, lingnierie documentaire, ensemble des techniques numriques de conception, structuration, transformation, visualisation, de documents intervenant en particulier pour structurer les documents et en amliorer leur exploitation, couple aux rflexions de lIngnierie des connaissances, fournit les outils privilgis pour mettre en place des systmes de gestion des connaissances : en effet, la langue naturelle et les genres textuels des documents utiliss dans les entreprises, que ce soit au niveau de leur structure interne (organisation logique, dcoupage, etc.) ou externe (dossiers, regroupements, archivages, etc.) permettent dexprimer linformation dans son contexte de cration et de la proposer lutilisateur dans la forme qui permet
36
linterprtation / la rinterprtation, in fine, la comprhension [Brunie 2000, Charlet 1999] ; Finalement, lensemble des points et recherches abords dans cette section (cf. 10.5) et visant articuler la problmatique des SBC et les systmes dinformation participent des rflexions de lIngnierie des connaissances pour intgrer et grer les connaissances au sein du Systme dinformation.
10.6. Conclusion et Perspectives Les nouvelles technologies produisent un contexte qui change profondment les rapports des acteurs et des organisations linformation. Ce changement dre permet laccs trs large de multiples sources dinformation hors de lentreprise, la connexion multiple des utilisateurs entre eux et ncessite des outils dutilisation facile et intuitive. terme, le contenu smantique et la sophistication des fonctionnalits des applications ne peuvent que saccrotre, donnant, de ce fait, de plus en plus dimportance au traitement de la connaissance. Du point de vue de la recherche aussi bien pour les Systmes dinformation que pour lIngnierie des connaissances, lenjeu est du ct conceptuel et du ct du lien avec les sciences humaines. Les technologies matrises, cest le contenu qui prime et il sagit alors de savoir fournir aux mtiers de lentreprise les outils dont ils ont besoin. Pour les concepteurs de systmes dinformation, il y a donc une mutation de mtier oprer, en intgrant non seulement les aspects techniques des nouvelles technologies, mais en faisant le virage conceptuel intgrant le traitement de la connaissance et une analyse fine des besoins des utilisateurs et des contextes organisationnels. Lacquisition des connaissances a jou un rle dinvestigation de premier plan : elle a accumul des acquis importants en se consacrant ce qui a t longtemps considr comme une des difficults principales de lintelligence artificielle, en mme temps que le centre de son activit, la connaissance. Mme si ces travaux apparaissaient, dans un premier temps, spcialiss, obscurs et que lampleur de la tche paraissait dmesure, les rsultats accumuls permettent prsent de mieux cerner les enjeux dans les organisations, de se situer en tant quIngnierie de la connaissance. Cette maturit permet de poser les hypothses de recherche avec plus de validit sur un domaine balis par les premiers rsultats. Ainsi, comme nous lavons vu, les principaux acquis de lIngnierie des connaissances se situent au niveau de la modlisation e.g. le modle conceptuel et, plus fondamentalement, au niveau des ontologies, brique de base de toute
37
conceptualisation. Par ailleurs, la dimension sociale apporte par des disciplines comme la psychologie, lergonomie ou la sociologie ont permis de replacer ces modles au regard des besoins des utilisateurs. Parmi les enjeux qui se posent lIngnierie des connaissances, face aux Systmes dinformation, deux nous semblent fondamentaux : (a) comprendre les impratifs organisationnels et les problmes de travail coopratif comme dvolution des organisations que cela pose et (b) russir lintgration de lIngnierie des connaissances au sein des Systmes dinformation, que ce soit pour y intgrer des SBC ou pour modliser directement cette connaissance au sein des Systmes dinformation. Concernant les aspects organisationnels, lIngnierie des connaissances collabore avec dautres disciplines comme la gestion, la sociologie des organisations, lergonomie. Centre sur lobjet complexe, situ et socialis quest la connaissance, elle peut participer une dmarche dexplicitation globale des processus de traitement de linformation et des connaissances, par lacteur et par lorganisation. Il sagit de travailler avec les managers de toutes spcialits ayant une action sur la connaissance. Le travail coopratif utilisant lartefact comme support se dveloppe de plus en plus dans ce contexte. Lassister intelligemment suppose de construire des modles conceptuels de lactivit cooprative aussi complexes et aussi varis que ceux des raisonnements individuels. Des bibliothques de modles dactivit coopratives restent laborer ; laboration dans laquelle lIngnierie des connaissances a un rle dterminant jouer. En quelques annes, lacquisition des connaissances a su devenir une Ingnierie des connaissances. Modlisant un objet et des processus complexes, elle a pour objectif de sintgrer encore plus dans les ressources des concepteurs de systmes dinformation par la proposition de mthodes et doutils reproductibles : lIngnierie des connaissances continue et doit continuer produire des concepts et des mthodes reproductibles, valuables, chiffrables pour modliser plusieurs niveaux, concevoir et de dvelopper des systmes spcialiss, des SBC. Elle a un rle particulier jouer pour construire des modles et des outils favorisant et accompagnant la dynamique des connaissances dans lorganisation notamment lors des processus de changement organisationnel. Enfin, les recherches lies la rutilisation ont atteint une certaine maturit en Ingnierie des connaissances. Leur confrontation avec les recherches en Systmes dinformation devrait permettre dinstaurer des collaborations rapides autour de la problmatique des ontologies versus des rfrentiels, de travailler moyen terme sur la rutilisation des modles dexpertise au regard des design patterns et de dvelopper des approches de modlisation cohrentes sinon similaires [Tort 2000].
38
Remerciements Nos premiers remerciements vont Bruno Bachimont qui est principalement lorigine des rflexions pistmologiques dveloppes ici. Nous remercions par ailleurs Georges Grosz qui nous a apport ses rflexions sur les Systmes dinformation et lIngnierie des besoins. Enfin, merci Camille Rosenthal-Sabroux et Corine Cauvet, de nous avoir permis dinscrire cette rflexion dans le contexte, fertile, de la coopration entre Ingnierie des connaissances et Systmes dinformation.
39
Bibliographie
[Argyris 1995] Argyris C., Savoir pour agir, Intereditions, 1995. [Aussenac-Gilles 1992] Aussenac-Gilles N., Krivine J.-P., Sallantin J., ditorial, Revue d'Intelligence Artificielle vol. 6, 1992, p. 7-18. Special issue on Knowledge Acquisition. [Aussenac-Gilles 1997] Aussenac-Gilles N., Reynaud C., Tchounikine P., Associer un type de raisonnement un domaine : une question de rle ?, M. Zacklad, Ed., Journes Ingnierie des Connaissances, Roscoff, 1997. [Bachimont 1996] Bachimont B., Hermneutique matrielle et artfacture : des machines qui pensent aux machines qui donnent penser. Critique du formalisme de l'intelligence artificielle Thse de philosophie, cole Polytechnique, 1996. [Bachimont 2000] Bachimont B., Engagement smantique et engagement ontologique : conception et ralisation dontologies en Ingnierie des Connaissances, in Ingnierie des connaissances : volutions rcentes et nouveaux dfis, J. Charlet, M. Zacklad, G. Kassel et D. Bourigault, Eds., 2000, Eyrolles. [Bannon 1993] Bannon L. J., Schmidt K., CSCW : four characters in search of a context., in Readings in Groupware and computer-supported cooperative work, B. R. M., Ed, 1993, Morgan Kaufmann. [Barths 1999] Barths J.-P., Dieng R., Kassel G., Dossier Mmoire d'entreprise , in Bulletin de l'AFIA 1999, p. 34-64. [Benjamins 1999] Benjamins V. R., Fensel D., Decker S., Gomez Perez A., (KA)2 : building ontologies for the Internet : a mid-term report, International Journal of HumanComputer Studies vol. 51, 1999, p. 687-712.
40
[Beys 1996] Beys B., Benjamins V. R., Van Heijst G., Remedying the Reusability Usability Trade-off for Problem Solving Methods, B. Gaines et M. Musen, Eds., KAW'96, University of Calgary, 1996, Banff: SRDG Publications, p. 2-1/2-20. [Bzivin 1998] Bzivin J., Who Is Afraid of Ontologies?, International Workshop on Model Engineering with CDIF (OOPSLA98), Vancouver, Canada, 1998. [Bzivin 2000] Bzivin J., De la programmation par objets la modlisation par ontologies : aspects de lvolution actuelle du gnie logiciel et de la technologie des composants, in Ingnierie des connaissances : volutions rcentes et nouveaux dfis, J. Charlet, M. Zacklad, G. Kassel et D. Bourigault, Eds., 2000, Eyrolles p. 209-22. [Bourigault 1999] Bourigault D., Charlet J., Construction d'un index thmatique de l'Ingnierie des Connaissances, IC'99, cole Polytechnique, Palaiseau, 1999. [Bourigault 2000] Bourigault D., Jacquemin C., Construction de ressources terminologiques, in Ingnierie des langues, J.-M. Pierrel, Ed, 2000, Herms, Trait IC2. [Boury-Brisset 1999] Boury-Brisset A.-C., Gestion des connaissances d'une mmoire corporative construite autour d'ontologies, R. Teulier, Ed., journes Ingnierie des Connaissances, cole Polytechnique, Palaiseau, 1999. [Breuker 1987] Breuker J., Wielinga B., Van Someren M., et al., Model Driven Knowledge Acquisition: Interpretation Models Deliverable A1, Esprit Project 1098, Memo 87, VF Project Knowledge Acquisition in Formal Domains, 1987. [Brunie 2000] Brunie V., Bachimont B., Morizet-Mahoudeaux P., Modlisation des connaissances structurelles documentaires pour la conception d'un dossier mdical hypertextuel, in Ingnierie des connaissances : volutions rcentes et nouveaux dfis, J. Charlet, M. Zacklad, G. Kassel et D. Bourigault, Eds., 2000, Eyrolles. [Causse 1993] Causse K., Heuristic Control Knowledge, N. Aussenac, G. Boy, M. Linster, J.-G. Ganascia et Y. Kodratoff, Eds., Knowledge Acquisition for Knowledge Based Systems, EKAW'93, Heidelberg, 1993, Springer-Verlag, p. 183-99. [Chandrasekaran 1986] Chandrasekaran B., Generic Tasks in Knowledge-Based Reasoning: High level Building Blocks for Expert System Design, IEEE Expert vol. 1, 1986, p. 23-30. [Charlet 1998] Charlet J., Bachimont B., De l'acquisition l'ingnierie des connaissances : applications et perspectives, Assises du PRC I3, Lyon, 1998. [Charlet 1996] Charlet J., Bachimont B., Bouaud J., Zweigenbaum P., Ontologie et rutilisabilit : exprience et discussion, in Acquisition et ingnierie des connaissances , Tendances actuelles, N. Aussenac-Gilles, P. Laublet et C. Reynaud, Eds., 1996, Cpadues-Editions, Toulouse. [Charlet 1999] Charlet J., Daigne M., Leroux V., Ingnierie des patrimoines informationnels de l'tablissement de sant, Document numrique vol. 3, 1999. Numro spcial Gestion des documents et gestion des connaissances .
41
[Charlet 2000a] Charlet J., Zacklad M., Kassel G., Bourigault D., Eds., Ingnierie des connaissances : volutions rcentes et nouveaux dfis, 2000a, Eyrolles. [Charlet 2000b] Charlet J., Zacklad M., Kassel G., Bourigault D., Ingnierie des connaissances : recherches et perspectives, in Ingnierie des connaissances : volutions rcentes et nouveaux dfis, J. Charlet, M. Zacklad, G. Kassel et D. Bourigault, Eds., 2000b, Eyrolles p. 1-22. [Clancey 1985] Clancey W., Heuristic Classification, Artificial Intelligence vol. 27, 1985, p. 289-350. [Clark 1996] Clark H. H., Using language, Cambridge University Press, 1996. [Clark 1993] Clark H. H., Brenann S. E., Grounding in communication, in Readings in Groupware and computer-supported cooperative work, B. R. M., Ed, 1993, Morgan Kaufmann. [Condamines 2000] Condamines A., Aussenac-Gilles N., Entre textes et ontologies formelles : les bases de connaissances terminologiques, in Capitalisation des connaissances, M. Zacklad et M. Grundstein, Eds., 2000, Herms, Trait IC2. [Darses 1996] Darses F., Falzon P., La conception collective : une approche de l'ergonomie cognitive, in Coopration et Conception, D. Terssac, Ed, 1996, Octares, Friedberg. [De Kleer 1987] De Kleer J., Williams B., Diagnosing multiple Faults, Artificial Intelligence vol. 32, 1987, p. 97-130. [De Kleer 1989] De Kleer J., Williams B., Diagnosis with behavioral Modes, IJCAI, Detroit, 1989, p. 1324-30. [Delbos 1984] Delbos G., Jorion P., La transmission des savoirs, ditions de la Maison des sciences de lhomme, Paris, 1984. [Delouis 1993] Delouis I., LISA : un langage rflexif pour la modlisation du contrle dans un systme base de connaissances Thse de doctorat, Universit Paris-Sud, 1993. [Ermine 1996] Ermine J.-L., Les systmes de connaissance, Herms, 1996. [Falzon 1991] Falzon P., Cooperative Dialogues, in Distributed Decision Making : Cognitive Models for Cooperation Work, R. J., B. B. et L. J., Eds., 1991, John Wiley and sons ltd, London p. 145-89. [Fensel 1997] Fensel D., The Tower-of-Adapter Method for Developing and Reusing Problem-Solving Methods, EKAW'97, Sant Feliu de Guixols, Catalonia, Spain, 1997, p. 97-112. [Fensel 1991] Fensel D., Angele A., Landes D., KARL: a Knowledge Acquisition and Representation Language, 11th International conference Expert Systems and their Applications, Avignon, 1991, p. 513-25.
42
[Fensel 1994] Fensel D., Van Harmelen F., A comparison of languages which operationalize and formalize KADS Models of Expertise, The Knowledge Engineering Review vol. 9, 1994, p. 105-46. [Ganascia 1998] Ganascia J.-G., Le Petit Tresor. Dictionnaire de l'informatique et des sciences de l'information, dition Flammarion, 1998. [Genesereth 1982] Genesereth M.-R., Diagnosis using Hierarchical Design Models, AAAI, 1982, p. 278-83. [Grboval 1992] Grboval C., AIDE : Une approche et une architecture pour rendre oprationnels des modles conceptuels Thse de doctorat, Universit de technologie de Compigne, 1992. [Grosz 2000] Grosz G., Rolland C., Ingnierie des besoins, in Ingnierie des systmes d'information, C. Rosenthal-Sabroux et C. Cauvet, Eds., 2000, Herms, Trait IC2. Chap. 4 (ce volume). [Guarino 1997] Guarino N., Understanding, building and using ontologies, Int J HumanComputer Studies vol. 46, 1997. [Hatchuel 1994] Hatchuel A., Apprentissages collectifs et activits de conception, La Revue Franaise de gestion , 1994. [Hatchuel 1996] Hatchuel A., Coopration et conception collective. Varit et crises des rapports de prescription, in Coopration et conception, D. Terssac, Ed, 1996, Octares, Friedberg. [Hayes-Roth 1983] Hayes-Roth F., Waterman D. A., Lenat D. B., Building Expert Systems, Addison-Wesley, New-York, 1983. [Karbach 1991] Karbach W., VoB A., Schuxkey R., Drouven U., MODEL-K: Prototyping at he Knowledge Level, The Expert Systems and their Applications, Avignon, 1991, p. 501-11. [Kayser 1988] Kayser D., Le raisonnement profondeur variable, Journes du Greco PRC-IA, Toulouse, France, 1988, Teknea, p. 103-13. [Kayser 1997] Kayser D., La reprsentation des connaissances, , 1997. [Klinker 1991] Klinker G., Bhola C., Dallemagne G., Marqus D., Mc Dermott J., Usable and Reusable Programming Constructs, Knowledge Acquisition vol. 3, 1991, p. 117-36. [Le Moigne 1973] Le Moigne J.-L., Les systmes dinformation dans les organisations, PUF, Paris, 1973. [Le Moigne 1995] Le Moigne J.-L., Les pistmologies constructivistes, PUF, 1995. [Le Roux 1994] Le Roux B., Elments d'une approche constructive de la modlisation et de la rutilisation en acquisition des connaissances Thse de doctorat, Universit Paris 6, 1994. [Lpine 1996] Lpine P., Aussenac-Gilles N., Modlisation de la rsolution de problmes : comparaison de KADS et MACAO sur une application juridique, in
43
Acquisition et ingnierie des connaissances : tendances actuelles, N. Aussenac-Gilles, P. Laublet et C. Reynaud, Eds., 1996, Cpadus-ditions p. 131-50. [Lvine 1989] Lvine P., Pomerol J.-C., Systmes interactifs d'aide la dcision et systmes experts, Herms, Paris, 1989. [Lewkowicz 1999] Lewkowicz M., Zacklad M., Memo-net, un collecticiel utilisant la mthode de rsolution de problme DIPA pour la capitalisation et la gestion des connaissances dans les projets de conception, R. Teulier, Ed., Journes Ingnierie des Connaissances, Palaiseau, 1999. [Lewkowicz 2000] Lewkowicz M., Zacklad M., Une approche de la capitalisation des connaissances : lanalyse des processus de prise de dcision collective, in Ingnierie des connaissances : volutions rcentes et nouveaux dfis, J. Charlet, M. Zacklad, G. Kassel et D. Bourigault, Eds., 2000, Eyrolles. [Linster 1992] Linster M., Knowledge Acquisition Based on Explicit Methods of Problem Solving Ph. D. Dissertation, D 386, Univ. of Kaiserslautern (G), 1992. [Lorino 1995] Lorino P., Comptes et rcits de la performance, Les ditions dorganisations, 1995. [Marcus 1989] Marcus S., Mc Dermott J., SALT: a Knowledge Acquisition Tool for Propose and Revise Systems, Artificial Intelligence vol. 39, 1989, p. 1-37. [Mlse 1990] Mlse J., Au sujet de linformation, in Approche Systmique des Organisations, , 1990, Les ditions de dOrganisation, Paris p. 15-24. [Meynadier 1998] Meynadier J.-P., Ingnierie et intgration des systmes, Herms, 1998. [Molina 1996] Molina M., Shahar Y., Problem Solving Method Reuse and Assembly: From Clinical Monitoring to Traffic Control, B. R. Gaines et M. A. Musen, Eds., KAW'96, Alberta, Canada, 1996, SRDG Publications. [Morin 1986] Morin E., La mthode : la connaissance de la connaissance, Le Seuil, 1986. [Musen 1989] Musen M. A., Conceptual Models of Interactive Knowledge Acquisition Tools, Knowledge Acquisition vol. 1, 1989, p. 73-88. [Newell 1972] Newell A., Simon H., Human Problem Solving, Prentice-Hall, New jersey : Englewood Cliffs, 1972. [Nonaka 1997] Nonaka I., Takeuchi H., La connaissance cratrice. D. B. Universit, Ed., , Bruxelles, 1997. [Norman 1986] Norman D. A., in User-centered system design, D. A. Norman et S. W. Draper, Eds., 1986, Lawrence Erlbaum associates. [Olson 1992] Olson D. L., Courtney J. F., Decision support models and expert systems, JR Maxwell MacMillan international editions, 1992. [Poitou 1996] Poitou J.-P., La gestion des connaissances comme condition et rsultat de l'activit industrielle, Intellectica vol. 1, 1996, p. 185-202.
44
[Pomerol 1997] Pomerol J.-C., Artificial intelligence and human decision making, European Journal of Operational Research vol. 99, 1997, p. 3-25. [Prekas 1999] Prekas N., Loucopoulos P., Rolland C., et al., Using patterns as a mechanism for assisting the management of knowledge in the context of conducting organisational change, 10th international conference and workshop on database and expert systems application (DEXA99), Florence, Italy, 1999, p. 110-22. [Puerta 1992] Puerta A. R., Egar J., Tu S. W., Musen M. A., A multiple-Method Knowledge Acquisition Shell for the Automatic generation of Knowledge Acquisition Tools, Knowledge Acquisition vol. 4, 1992, p. 171-96. [Reiter 1987] Reiter, A theory of Diagnosis from first principles, Articial Intelligence vol. 32, 1987, p. 57-95. [Reynaud 2000] Reynaud C., Tort F., Diriger la rutilisation de composants l'aide d'ontologies, in Ingnierie des connaissances : volutions rcentes et nouveaux dfis, J. Charlet, M. Zacklad, G. Kassel et D. Bourigault, Eds., 2000, Eyrolles. [Rognin 1998] Rognin L., Working in control Rooms coperation and communication in shared Workspaces, F. Darses et P. Zarat, Eds., COOP'98, Cannes, 1998, INRIA. [Rosenthal-Sabroux 1996] Rosenthal-Sabroux C., Contribution mthodologique la conception de systmes dinformation coopratifs : prise en compte de la coopration homme-machine Habilitation diriger les recherches, Universit Paris Dauphine, 1996. [Salembier 1994] Salembier P., Assistance cooprativeaux activits complexes : l'exemple de la rgulation du trafic arien, in Systmes coopratifs : de la modlisation la conception, B. Pavard, Ed, 1994, Octares. [Schreiber 1994] Schreiber G., Wielinga B., Akkermans H., Van de Velde W., Anjewierden A., CML: The CommonKADS Conceptual Modelling Language, L. Steels, G. Schreiber et W. V. d. Velde, Eds., EKAW'94, 1994, Springer-Verlag, p. 1-25. [Shannon 1971] Shannon C.-E., Weaver W., Information, in The Mathematical Theory of Communication, , 1971, University of Illinois Press p. 8-16. 12e dition (dition originale, 1949). [Steels 1985] Steels L., Second Generation Expert Systems, Future Generation in Computer Systems vol. 1, 1985. [Steels 1990] Steels L., Components of Expertise, AI Magazine vol. 11, 1990. [Steels 1993] Steels L., The componential Framework and its Role in Reusability, in Second Generation Expert Systems, J. M. David, J. P. Krivine et R. Simmons, Eds., 1993, Springer verlag p. 273-8. [Talbi 2000] Talbi N., Laublet P., Construction d'un modle gnrique d'expertise partir d'un exemple : une solution pragmatique, in Ingnierie des connaissances : volutions rcentes et nouveaux dfisJean, Charlet, M. Zacklad, G. Kassel et D. Bourigault, Eds., 2000, Eyrolles.
45
[Tardieu 1991] Tardieu H., Guthmann B., Le triangle stratgique : stratgie, structure et technologie de linformation, ditions dOrganisations, 1991. [Tchounikine 2000] Tchounikine P., Istenes Z., Trichet F., ZOLA : un langage permettant une approche flexible de l'oprationalisation du modle conceptuel d'un systme base de connaissances, in Ingnierie des connaissances : volutions rcentes et nouveaux dfis, J. Charlet, M. Zacklad, G. Kassel et D. Bourigault, Eds., 2000, Eyrolles. [Teulier 2000] Teulier R., Quelles connaissances actionnables pour la cognition collective ?, in Ingnierie des pratiques collectives. La corde et le quatuor, M.-J. Avenier, Ed, 2000, L'harmattan. [Teulier-Bourgine 1997] Teulier-Bourgine R., Les reprsentations, mdias de laction stratgique, in La stratgie chemin faisant, M.-J. Avenier, Ed, 1997, Economica. [Tort 2000] Tort F., Teulier R., Grosz G., Charlet J., Ingnierie des besoins, ingnierie des connaissances : similarits et complmentarits des approches de modlisation, P. Tchounikine, Ed., journes Ingnierie des Connaissances, Toulouse, 2000. [Tu 1995] Tu S., Eriksson H., Gennari J., Shahar Y., Musen M., Ontology-Based Configuration of Problem-Solving Methods and Generation of Knowledge Acquisition Tools: Application of PROTEGE II to Protocol-Based Decision Support, Artificial Intelligence in Medecine vol. 7, 1995, p. 257-89. [Turban 1993] Turban E., Decision Support and Expert Systems, Management Support Systems, MacMillan, 1993. [Van Harmelen 1992] Van Harmelen F., Balder J., (ML)2 : A Formal Language for KADS Models of expertise, Knowledge Acquisition vol. 4, 1992, p. 127-61. [Van Heijst 1997a] Van Heijst G., Schreiber A. T., Wielinga B. J., Roles are not classes: a reply to Nicola Guarino, Int J Human-Computer Studies vol. 46, 1997a. [Van Heijst 1997b] Van Heijst G., Schreiber A. T., Wielinga B. J., Using Explicit Ontologies in Knowledge Based Systems Development, Int J Human-Computer Studies vol. 46, 1997b, p. 183-292. [Wetter 1990] Wetter T., First Order Logic Foundations of the KADS Conceptual Model, in Current trends in Knowledge Acquisition, B. Wielinga, Ed, 1990, IOS Press, Amsterdam p. 356-75. [Wielinga 1992a] Wielinga B., Schreiber G., Breuker J., KADS: A Modelling Approach to Knowledge Engineering, Knowledge Acquisition vol. 4, 1992a, p. 5-54. [Wielinga 1992b] Wielinga B., Van de Velde W., Schreiber G., Akkermans H., The CommonKADS Framework for Knowledge Modelling, KAW'92, Banff, 1992b. [Wielinga 1993a] Wielinga B., Van De Velde W., Schreiber G., Akkermans H., Expertise Model Definition Document Kads I/M2/UvA/026/1.1, 1993a. [Wielinga 1993b] Wielinga B., Van De Velde W., Schreiber G., Akkermans H., Towards a Unification of Knowledge Modelling Approaches, in Second Generation of
46
Expert Systems, J. M. David, J. P. Krivine et R. Simmons, Eds., 1993b, SpringerVerlag p. 299-335. [Zachary 1990] Zachary W. W., Robertson S. P., Introduction to Cognition, computation and cooperation Cognition, in Computing and cooperation, S. P. Robertson, W. Zachary et J. B. Black, Eds., 1990, Ablex Publishing Corporation. [Zacklad 1994] Zacklad M., groupe COOP, MadeInCOOP : prliminaires pour le dveloppement dune mthodologie de modlisation de la coopration homme-machine, Ergo-IA, Biarritz, 1994, p. 406-21. [Zacklad 2000] Zacklad M., Grundstein M., Eds., Capitalisation des connaissances, 2000, Herms. Trait IC2. [Zarat 2000] Zarat P., Advances for Decision Support Systems, Journal of the Spanish Royal Academy of Sciences , 2000. paratre en juin 2000. [Zurfluh 2000] Zurfluh G., Guessarian I., Bellahsene Z., et al., Entrept de donnes pour laide la dcision, in Ingnierie des systmes d'information, C. Rosenthal-Sabroux et C. Cauvet, Eds., 2000, Herms, Trait IC2. Chap. 7 (Ce volume).
Index
approche par analyse du domaine,33 base de connaissances,11 besoins de lutilisateur,27,30 bibliothque de composants,18 bibliothque de modles,14 changement organisationnel,28 cognition collective,24 Computer Supported Cooperative Work Voir CSCW connaissance,5,6,22 connaissances du domaine,9,14 connaissances explicites,23 connaissances pour laction,23 connaissances tacites,23 contexte dutilisation,6,8 contexte situ,24 coopration,30,31 CSCW,31
data warehouse,26,35 design pattern,28,32,37 domaine,2 donne,5 dynamique organisationnelle,22 pistmologies constructivistes,6,8 pistmologique,4 frameworks,32 gnie logiciel,9,17 gestion des connaissances,33 groupware,31 information,5 ingnierie,3,28 Ingnierie des besoins,27,29,32 ingnierie des composants,32
48
Ingnierie des connaissances,1,3,7,8,29,34 ingnierie documentaire,,35 interface homme-machine,27 langage de modlisation,14 langage de reprsentation,15 langage d'oprationalisation Voir langage oprationnel langage oprationnel,14,15 mdiation externe,4 mthode,2,12,16 modle,9 modle conceptuel,2,9,12,16 modle dinterprtation,19 modle de raisonnement,12,14,19 modle du domaine,10,12 modle gnrique,13 modle spcifique,13 ontologie,10,11 ontologie de mthodes,13 ontologie de modles,13 ontologie du domaine,11,12 organisation apprenante,22 patron Voir design pattern primitive,6 reprsentation des connaissances,4 rutilisabilit Voir rutilisation
rutilisation,3,13,19,21,32 rutilisation de composants,12 rle,12,13,14,16 savoir actionnable,23 savoir applicable,23 savoir-faire,21,23 SBC,1,6,7,8,26 schma du modle conceptuel,16 SE,1,26 SGBD,25 systme coopratif,29 systme dinformation,3,23,24,30 systme de gestion de bases de donnes Voir SGBD systme de gestion des connaissances,34 systme expert Voir SE systmes base de connaissances Voir SBC systmique,4,5 tche,2,12,16 terme,6 travail collaboratif,30 travail collectif,30,31 travail de groupe Voir groupware utilisateur,29 workflow,31
49
Table des matires
10.1. Introduction............................................................................................1 10.2. pistmologie et dfinitions......................................................................3 10.2.1. De linformation la connaissance.......................................................4 10.2.1.1 Point de vue pistmologique.........................................................4 10.2.1.2 Point de vue systmique................................................................5 10.2.2. Des systmes base de connaissances...................................................6 10.2.3. Des systmes dans une organisation.....................................................8 10.3. Modlisation des connaissances..................................................................9 10.3.1. Nature et contenu des modles.............................................................9 10.3.1.1. Des connaissances du domaine aux ontologies................................10 10.3.1.2. Les modles de raisonnement......................................................12 10.3.1.3. La combinaison rflchie des modlisations domaine et raisonnement.13 10.3.2. Niveau de description des connaissances..............................................14 10.3.3. Des langages de modlisation............................................................15 10.3.4. Le processus de modlisation............................................................16 10.3.4.1. Des architectures spcialises......................................................17 10.3.4.2. Des architectures gnriques.......................................................18 10.3.5. La rutilisation...............................................................................20 10.4. Le contexte organisationnel et son impact sur les Systmes dinformation et lIngnierie des connaissances...........................................................................22 10.4.1. Les organisations prennent conscience de limportance stratgique des connaissances............................................................................................23 10.4.2. Les connaissances dans les organisations.............................................24
50
10.4.3. La place des connaissances dans cette volution vers la complexification des systmes dinformation...............................................................................26 10.4.4. Les systmes base de connaissances dans les organisations...................27 10.5. Articuler SBCs et systmes dinformation..................................................29 10.5.1. Lutilisateur au centre de la conception................................................29 10.5.2 Vers des systmes dinformation coopratifs..........................................31 10.5.3. Vers une ingnierie des composants....................................................34 10.5.4 Vers des systmes de gestion des connaissances.....................................35 10.6. Conclusion et Perspectives......................................................................37 Remerciements..........................................................................................39

Ingénierie Connaissances 2

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ingénierie Connaissances 2

Enviado por

Direitos autorais:

Formatos disponíveis

Chapitre 10

Ingnierie des connaissances pour les systmes dinformation

Chapitre rdig par Jean Charlet, Chantal Reynaud et Rgine Teulier.

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Lontologie contient lessentiel et le dfinitoire, la base de connaissances le propre et le contingent.

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des systmes dinformation

Ingnierie des connaissances pour les systmes dinformation

Table des matires

Ingnierie des systmes dinformation

Você também pode gostar