Ressources Bibliographique 1/2 2 Capitalisation des connaissances et Mémoire d Entreprise Polytech Marseille Département Génie Industriel et Informatique Erwan TRANVOUEZ <erwan.tranvouez@polytech.univ-mrs.fr> Ouvrages Génie Logiciel & Génie Cognitif pour les systèmes à base de connaissance. J.L. Ermine. ed. Lavoisier. 1993. Knowledge Management Foundation : - Thinking about Thinking - How people and organizations create, represent and use knowledge. Karl M. Wiig. ed. Schema Press. 1993. Mémoire d'entreprise. J. Pomian, ed. SAPIENTIA, 1996. Les Systèmes de connaissances. J.L. Ermine, ed. Hermès, 1996. Knowledge Engineering and management : The CommonKADS methodology. Streiber, Anjewierden, de Hoog, Shadbolt, Van de Velde & Wielenga. MIT.Press. 1999. Ingénierie des connaissances : Evolution récente et nouveaux défis. J. Charlet, M. Zacklad, G. Kassel et D. Bourigault. Eyrolles. 2000. Management des connaissances : modèles d entreprise et applications. M. Zacklad et M. Grundstein. Coll. IC2. Hermès. 2001. Méthodes et outils pour la gestion des connaissances. Une approche pluridisciplinaire du Knowledge Management. R. Dieng-Kuntz, O. Corby, F. Gandon, A. Giboin, J. Golebiowska, N. Matta et M. Ribière. 2ème édition. Dunod. 2001. Ressources Bibliographique 2/2 3 Plan du cours 4 Ressources Web / autres Dossier Mémoire d'entreprise. Bulletins de l AFIA n 36, 1999. (disp. Sur le site du GRACQ) Ingénierie des Connaissances. B. Bachimont et J. Charlet. Transparents de cours, 1999. (http://www.irit.fr/gracq) Les problématiques de gestion des connaissances dans les entreprises. S. Duizabo et N. Guillaume. Cahier N 252. Fev. 97. Dauphine Marketing Stratégie Prospectives (disp. web). Méthode de capitalisation de mémoire de projet. N. Matta, O. Corby et M. Ribière. Rapport de Recherche n 3819. INRIA. Nov. 1999 (disp. en ligne). 100 Companies that Matter in Knowledge Management. KM World (http://www.kmworld.com/100.cfm) 5 th MAKE (Most Admired Knowledge Enterprise) study. 2002 (http://www.knowledgebusiness.com) KNOWLEDGE REPRESENTATION : Langage et Formalisme de représentation des connaissances, J.-P. Sansonnet, 2003 (http://www.limsi.fr/individu/jps) Taxonomy & Content Classification : Market Milestone Report, A Delphi Group White Paper, 2002 (disp. en ligne). Sujet d Auto-Apprentissage : Capitalisation des connaissances, Equipe AWARE (C. Ancrenaz, S. Donnadieu, G. Kassapian, G. Martin, B. Niay, S. Paoli), 2002. Gérer les connaissances: Livre blanc du CIGREF 2000 (Club Informatique des Grandes Entreprises Francaises) http://www.cigref.fr Rubrique publications Liens sur le KM : http://www.decisionnel.net/connaissance/index_lien.htm 1. Introduction : pourquoi gérer la connaissance 2. Principes théoriques généraux de la capitalisation des connaissances et de la mémoire d entreprise 3. Gestion et Ingénierie des connaissances 4. Méthodes de capitalisation des connaissances 5. Exemples de mémoires d entreprise 6. Mise en œuvre d'un projet de capitalisation des connaissance 7. Quelques outils de capitalisation de la connaissance 1
1. Introduction 5 Pourquoi gérer la connaissance 6 Richesse d'une entreprise = capital financier + capital humain. En quoi la capitalisation des connaissance peut aider une entreprise à ne pas perdre la mémoire? Capital Financier = actifs (biens matériels, biens immobiliers, ) + résultats financiers (bénéfices, revenu financiers, ) => mesurable objectivement. Capital humain = ressources humaines + compétences càd capacité à transformer des informations en connaissances voire décision. => immatériel et donc difficile à estimer. Comment faire pour ne pas disperser ce capital humain? 1. Introduction Le risque d amnésie 7 Pourquoi ce savoir-faire est-il perdu? 8 Constat au début des années 90 : les départs en retraite de la génération des baby-boomers, les licenciements de masse, un turn over rapide... font craindre une perte de savoir-faire et d expérience indispensable à la bonne marche des entreprises (expertise et compétitivité) Capitalisation limitée à la collecte d'informations. ex: Systèmes d'information Techniques (ex. le Concorde) on a mis de côté les expériences humaines qui ont généré ces informations (problèmes sociologiques, perte du contexte). 1. Introduction 1. Introduction 2
Conséquences 9 D autres raisons pour gérer ses connaissances 10 Exemples de pertes de mémoires aux conséquences graves : NASA : il faudrait 5 ans pour pouvoir retrouver le niveau de connaissances de 1969 et être capable d envoyer un homme sur la lune; Concorde : on n est plus capable d exploiter nombres de documents rédigés lors de sa conception. PRT : il faut 1 mois pour une équipe de PRT pour comprendre les «specs» d une équipe de PFE. En dehors d une réaction face à l urgence, il y aussi des motivations "positives" : Conserver un avantage concurrentiel : maintenir des connaissances stratégiques ayant permis une entreprise de s imposer sur un marché; Améliorer la communication interne dans l entreprise : créer une communauté d experts permettant de résoudre des problèmes ou de partager ses expériences; diffuser l information dans l entreprise... Rationaliser l activité de l entreprise: éviter un gaspillage d énergie càd éviter que des projets similaires soient poursuivis en même temps... Favoriser/Améliorer la formation : comment aider les nouveaux 1. Introduction 1. Introduction Pourquoi tout le monde ne le fait pas? 11 En quoi les PME-PMI peuvent bénéficier d une approche de ME 12 Limité essentiellement aux grandes entreprises du fait : du nombre et de la diversité des acteurs de la quantité importante d'information traitée de l'ancienneté et l'aspect distribué des entreprises de la durée souvent longues des projets et surtout de la capacité financière à supporter les coûts importants de développement Exemples d'entreprises françaises: Aérospatiale, CEA, EDF, Renault, PSA,... Il y a aussi des risques : du nombre plus réduit d acteurs (peu de spécialisation), turn-over plus rapide que les grandes entreprises, production et gestion de document moindre, (pas d existant), dépendantes des donneurs d ordre (changement d activité fréquent sans mémoire), => Une démarche de capitalisation des connaissances peut s avérer utile... condition de surmonter les contraintes de coûts et la disponibilité des acteurs (ex: regroupement de PME-PMI, ). 1. Introduction 1. Introduction 3
Domaine privilégié de la capitalisation des connaissances 13 2. Principes théoriques généraux 14 La capitalisation des connaissances, dans la pratique s'est focalisée sur un certain nombre de domaines d'activités: Démarche qualité - Business Reengineering (amélioration continue) Pilotage d un Système d Information (filtrage) Conception de produits (recueil de l'expérience des experts pour éviter de refaire des erreurs déjà identifiées). Conduite de projet Ressources humaines (gestion des compétences) Capitalisation de connaissances sensibles Le travail collaboratif en général Définitions et concepts de la mémoire d'entreprise et de sa capitalisation. 1. Introduction Un vocabulaire varié 15 Définitions 16 Le terme Mémoire d Entreprise peut se trouver utilisé, avec quelques nuances, sous d autres appellations : Retour d expérience : volonté de faire profiter toute l entreprise de l expérience acquise par les acteurs de l entreprise ou de son environnement. Terme employé plus spécifiquement pour désigner la phase d'analyse des causes identifiées d accidents pour les éviter à l avenir. Conservation du savoir-faire, patrimoine de connaissances : ne prend pas en compte son exploitation. Knowledge Management : cf. chap. 3. Mémoire : faculté de conserver et de se rappeler des choses passées et ce qui s y trouve associé [Le Robert]. Mémoire d'entreprise : ensemble des savoirs et savoir-faire en action, mobilisés par les employés d une entreprise pour lui permettre d atteindre ses objectifs (produire des biens ou des services). La mémoire d entreprise est donc à la fois : un résultat : la capitalisation de toutes ces connaissances mises en œuvre dans l entreprise. un outil permettant de produire de nouvelles connaissances ou du moins d exploiter les connaissances actuelles. 4
Les différents types de mémoires mises en œuvre 17 Objets de la Mémoire d'entreprise 18 Mémoire technique : généralement bien documentée car issue de recherches et d une expérience sur des sujets précis ayant déjà fait l objet d une capitalisation sous une forme ou une autre. Mémoire organisationnelle : c est la mémoire collective i.e. partagée par les acteurs de l organisation sur l organisation (ex la culture d entreprise ou encore la DONNEES Information Mécanisme d interprétation Connaissances connaissances des produits, des procédés de production, des clients, des stratégies de vente, des résultats financiers, des plans et buts stratégiques de l entreprise.) Mémoire projet : liée à la conduite d un projet, càd l expérience acquise et mise en œuvre pour faire aboutir le projet (connaissance très contextualisée qui disparaît avec la fin du projet, y compris choix de conception - design rationale). Mémoire individuelle: constituée par le statut, les compétences, le savoir-faire, les activités d une personne. (MO > Σ(Mi) ) Extraction (SI, GED) Mémoire d Entreprise Extraction (Ingénierie des connaissances) Des données aux connaissances 19 Aparté sur la notion de contexte 20 Donnée : fait représenté sous une forme conventionnelle convenant à un traitement, soit par l'homme, soit par des moyens automatiques (définition norme ISO). Information : lié au concept de communication. Une agrégation de données devient une information. Nécessite un traitement. Est émise... Connaissance : information interprétée voire traduite par un récepteur (humain ou non). C'est ce qui permet à un individu d'interpréter une information. Est intégrée. Contextualisée. 30 30 C Ciel couvert 30 C & Ciel couvert 30 C & Ciel couvert => Risque de pluie «Elvis est vivant!!» Information Contexte situationnel L information est située dans un environnement càd ensemble d objets qui entoure celui que l on observe. Ex: (1) L information fait la une de Infos du Monde. (2) L information fait la une du Monde. Perception (a) Elvis est mort. (b) Le monde est un journal sérieux. (c) Infos du monde n est pas très crédible. Contexte cognitif Interprétation Connaissances antérieure à la perception de l information. Elles vont influer sur l interprétation de l information et peuvent être mise à jour. Ex: (1) Renforcement de la connaissance. (2) Modification de la (b) ou de (c) Connaissance Donnée Information Connaissance Or toute connaissance est initialement acquise dans un certain contexte. 5
Qu est ce que gérer des connaissances? 21 La Capitalisation des connaissances 22 Définition : [Ermine 96], p. 16. La gestion des connaissances vise à : rassembler le savoir et le savoir-faire sur des supports facilement accessibles, faciliter leur transmission en temps réel [à l intérieur de l organisation] et en différé à ses successeurs, garder la trace de certaines actions sur lesquelles [l organisation] peut avoir des comptes à rendre dans l avenir, Chaque direction [ ] est chargée de définir, dans son domaine de responsabilité, ce qui doit être écrit et conservé et organiser cette conservation. (Définition employée dans le manuel qualité du CEA) Objectif : localiser et rendre visibles les connaissances d'entreprise afin de les rendre facilement accessibles, de les diffuser et de les utiliser avec plus d'efficacité pour les valoriser [Pomian 96]. Elle est mise en œuvre dans le cadre d une démarche de Gestion des Connaissances. Elle s appuie sur des techniques et méthodes de l Ingénierie des Connaissances. Les moyens pour capitaliser la connaissance 23 Capitalisation des connaissances par l'informatique 24 Oral Ecrit Imprimerie Informatique immédiat, question exprimée en langage naturel. mêmes limitations que limitations humaines (pérennité limitée, modification au fil des transmissions, capacité limitée et par conséquent sélective (=> partiel voire partiale),...). diffusion large, consultation illimitée (enfin limitée à l'état de conservation du document... ex supports de cours), stabilité du contenu (pas de modification) sous réserve d'une bonne interprétation. si ambiguïté dans le texte, l'auteur n'est pas toujours disponible, problème également des implicites... => pérennité mais pas forcement accès immédiat ou facile. par rapport a l'écrit reproduction facilité en nombre illimité => améliore sa durée de vie. par rapport à l'imprimerie consultation illimitée en nombre illimitée, capacité illimitée... 3 approches principales : approche gestion de l Information (Systèmes d Information). Relève du Management de l information. approche gestion des Connaissances (Systèmes à base de Connaissance - Systèmes Experts) approche unifiée (Système de Capitalisation des Connaissances) 6
La mémoire d'entreprise en tant qu'informations 25 La mémoire d'entreprise en tant que connaissances 26 Il s'agit d'aider les acteurs de l'entreprise à mieux exploiter les documents existants (papier (~80%), audio, vidéo, électronique, ). Méthode employée : indexation des documents, recherche par mots clés => proche de la Gestion Electronique de Document (GED). (exemple : recherche de document sur Internet). Relativement simple à mettre en place, peut utiliser les SI existants dans l'entreprise. Les informations obtenues ne sont pas conceptualisées, peuvent nécessiter un support d'interprétation. La notion de collecte d information est peu abordée. (pas de contexte d utilisation de l information) Il s'agit de prendre en compte les mécanismes qui produisent ces informations (raisonnement). Il s'agit donc de capitaliser les expériences des acteurs de l'entreprise OR elles ne sont pas consignées dans les sources documentaires de l'entreprise (immatériel). Plus riche. Capable de répondre à une question mais également de la justifier. Nécessite une phase d'extraction des connaissances difficile et longue à mettre en œuvre. Spécificité des SE/SBC 27 (Rappel) Structure d'un SBC 28 Un Système Expert (SE) (encore appelé Système à Base de Connaissances (SBC)) est un programme dédié à la résolution d un problème (diagnostic, aide à la décision, configuration, ). Cette résolution est basée sur les raisonnements experts habituellement mis en œuvre (Base de règles + faits + mécanismes d inférence). => Requiert l intervention d un ingénieur cogniticien pour acquérir cette expertise (Ingénierie des connaissances). La notion de Mémoire d Entreprise n est pas en soi un processus de résolution de problèmes. Gérer la connaissance implique de mémoriser + que le raisonnement. Base de Connaissances Règles Plans Module Explicatif Moteur d'inférence Interface Utilisateur Faits Stratégies Module Evolution (defrule chercher_parapluie (temps pluvieux) => (assert (chercher parapluie) ) (temps beau) M.I. A B ^ A : B 7
Mécanisme particulier : le raisonnement analogie (Case Based Reasoning) 29 La mémoire d'entreprise : approche unifiée 30 Cas Passés Extraire Cas Similaires Plus que de l'information il s'agit de prendre en compte les mécanismes qui l'ont produite (raisonnement) et son contexte d'application. Cas Courant Choisir Cas Approprié Plus riche. Capable de répondre à une question mais également de la justifier et de la contextualiser. Nécessite également une phase d'extraction des connaissances. Construire Mettre à jour Solution Différences entre SI, SBC et S2C 31 Caractéristiques d une mémoire d entreprise (approche S2C) 32 Mémoire d entreprise Relève d une approche pluridisciplinaire! => démarche globale Aspects Socio-Economique Données + + Contexte Raisonnement Implication du personnel Rapport Coût/Bénéfice Gestion RH Systèmes d Information Systèmes Experts / Systèmes à Bases de Connaissances Mémoire d Entreprise Simplicité utilisation Formulation des requêtes Aspects Ergonomiques Systèmes de Capitalisation des Connaissances Points de vue multiples Aspects Représentation Linguistique Contexte Format / Présentation des résultats 8
3. Gestion des connaissances 33 Retour sur la gestion des connaissances (Knowledge Management) 34 Terme utilisé dans de nombreux domaines avec des sens différents : Problématique de la gestion des connaissances en entreprise : enjeux et contexte. Intelligence Artificielle : capitalisation des connaissances Marketing -> Intelligence Economique, veille technologique Ressources humaines -> gestion des compétences. Retour d expérience : (Best Practice) cf. transp. 16 Management : entreprise apprenante Gestion Electronique de document : indexation "intelligente" des documents. Une prise de conscience croissante 35 qui s institutionnalise 36 De nombreuses (grandes) entreprises s intéressent à la gestion des connaissances avec cependant des objectifs et des définitions propres : gérer son capital intellectuel (brevets): entreprises dont l activité de R&D se traduit par une production de brevet importants. Buckman Laboratories, Dow Chemical. identifier et appliquer les meilleurs pratiques (best practices) : synonyme de retour d expérience, de réutilisation de connaissances produites. Cette approche se retrouve dans l industrie automobile (Chevron, Ford, Renault ) mais également dans les entreprises de conseil (Ernst & Young, Price WaterHouse Coopers, IBM ). réutiliser les connaissances produites : exemple activité de conception (GM Hughes ). Design rationale : logique de conception. Création de postes spécifiques dédiés à cette activité : les knowledge workers Knowledge Manager : Ernst & Young Chief Learning Officer : General Electric, Coca Cola Chief Knowledge Officer : Xerox Parc, Gemini Consulting, Mc Kinsey Directeur Capital Intellectuel : Skandia AFS (1 ère entreprise financière suédoise) Directeur de la gestion des actifs intellectuels : Dow Chemical Souvent issus de l entreprise : connaissances du milieu déjà solide (manager senior, ). 9
Bénéfices attendus d une gestion des connaissances 37 Transfert de connaissance : Etat de l existant 38 Avantages et gains potentiels : Réduction des erreurs, Réduction des redondances, des coûts de R&D Résolution de problèmes plus rapide Amélioration de la prise de décision Accroissement de l autonomie des travailleurs Amélioration des relations avec les clients (Customer Relationship Management) Amélioration des produits et services Exemples : Skandia : temps d implantation d une filiale réduit de 7ans à 6 mois. Steelcase, Dow Chemical : meilleure gestion de leurs brevets. Bien avant l émergence de la Mémoire d Entreprise des modes de transferts des connaissances ont été établis : Réseaux relationnels personnels, Formation continue interne, Gestion des faits techniques dans les projets, Documents de synthèse technique, Normalisation, démarche qualité. Transfert de connaissance : problème de la dépersonnalisation et de la perte de contexte 39 1er écueil : identification et classification des connaissances 40 Média Discussion face à face Visio Conférence, conversation téléphonique Lettre écrite, mémo (adressé individuellement) Document formel écrit (bulletin ou rapport non adressé) Document formel numérique (rapport budgétaire, état informatique) Richesse de l information transférée Très élevée Elevée Moyenne Faible Très Faible Il est à noter que dans ce domaine, chaque spécialiste propose si ce n est sa définition, ses propres classifications et typologies des connaissances mises en œuvre dans une entreprise. Pourquoi? => Classification/Partition difficile Ex : classification basé sur l objet de la connaissance : Financière et économique Sociale et Organisationnelle Humaine Technique Légale 10
Connaissances Explicites et Implicites 41 Processus de création de connaissances en entreprise. 42 Connaissances Explicites : Connaissances déjà exprimées sur un support quelconque. Ex : manuel qualité, plans, mode d emploi, manuels de dépannage, documents technico-commerciaux, notes techniques, bases de données, systèmes experts, vidéo, photos, documents financiers ou comptable,... Connaissances Implicites ou Tacites : Savoir faire non écrit, transmit oralement et qui réside dans la tête des employés. Ex : peuvent porter sur les connaissances explicites (ex. savoir où trouver l information), nécessite une phase d extraction. Toutes les connaissances implicites ne sont pas explicitable. Connaissance explicites Connaissance tacites D après Nonaka Sources de connaissances Explicites : Connaissances Documentaires (1/2) 43 Sources de connaissances Explicites : Connaissances Documentaires (2/2) 44 Tout document intègre à la fois : Une connaissance inscrite explicitée sous la forme de texte structuré. Une tradition de lecture permettant d interpréter ce texte (implicite). Comment cette tradition de lecture est elle acquise? Via le système scolaire : on apprends à lire et à comprendre ce qu on lit. Ex : orthographe-grammaire-sémantique. Via le système universitaire (plus généralement l enseignement supérieur) : on apprends à apprendre (techniques et savoir). Ex : méthode de travail (cours-exercice-travail personnel) En situation (professionnelle) : on apprends les pratiques de l entreprise via les documents qu elle produit : apprentissage (on apprends en marchant) Ex : emploi du temps de GII. L auteur du document suppose que le lecteur possède cette tradition de lecture pour pouvoir comprendre et acquérir la connaissance qu il dispense : Le document véhicule donc également une connaissance implicite qu il conviendra peut être d expliciter afin de permettre aux (nouveau) utilisateurs de se les approprier. Ex: guide de lecture, dictionnaire spécialisés, (Mode d emploi du mode d emploi : ex: première pages d un manuel ). Il y a alors création de connaissance. L ingénierie des connaissances est une technologie sur les inscriptions pour les communautés, intégrant l organisation des savoir et des hommes. [Bachimon et Charlet 99] 11
Enrichir l Organisation Documentaire : Ajouter du sens et rendre accessible 45 Sources de connaissances implicites: Les connaissances des experts (1/2) 46 Indexation Classification Sélection Il faut faciliter la recherche Voire créer la recherche Notion d expert utilisée dans un sens large : désigne tout acteur de l entreprise détenant une partie de la connaissance identifiée comme stratégique pour l entreprise. Extraire les connaissances d un expert c est s approprier son expérience, ses compétences, son savoir... Ces compétences peuvent se décliner en (1) : Savoir-faire, tour de main (know-how): capacité à résoudre un problème (Action) Intelligence du problème (know-what) : compréhension pratique et accès direct au faits (Analyse) Savoir relationnel (know whom) : savoir vers qui se tourner pour résoudre tel problème, obtenir telle information (Social) (1) Adapté du référentiel proposé par le Council of European Professional Informatics pour caractériser les compétences des informaticiens. Sources de connaissances implicites: Les connaissances des experts (2/2) 47 Extraction des connaissances : depuis l expert par l ingénieur cogniticien vers un support 48 Savoir agir (know when) : sens de l opportunité (Leadership) A ces compétences s ajoute : Connaissance historique de l entreprise : quand elle est un facteur explicatif de certaines décisions (culture d entreprise). Connaissance domaine : savoir spécialisé sur un domaine (peut différer d un expert à l autre) ex: connaissance sur un produit produit par l entreprise. Connaissances privées : connaissance personnelle sur l entreprise (ex: véritable raison d un accident ).? entretiens Méthode d acquisition Connaissances Formalisées exploitables. 12
Techniques de recueils : exemples 49 Méthode d acquisition Ascendante : dirigée par les données 50 Entretiens Analyse de protocoles verbaux obtenus par simulation de résolution de problème Observation directe Utilisation d un questionnaire Commentaire / Explication de cas déjà résolus Brainstorming, brainwriting,.. Données Verbales Fragments de connaissances Extraction D après Dubrieux et Cocquebert dans [Charlet et al] Conceptualisation Modèle d expertise Préserve la connaissance initiale. Connaissance et raisonnement imbriqués Connaissance extraite utilisent une terminologies spécialisée Pas d abstraction Réutilisation dans le même domaine dans d autres applications Modèle Kce Ex : KOD Méthode d acquisition Descendante : dirigée par les modèles 51 Méthode d acquisition Mixte : un compromis 52 D après Dubrieux et Cocquebert dans [Charlet et al] D après Aussenac et Gilles cité dans [Charlet et al] Sélection Modèle générique Modèle Instanciation Raffinement Validation Orientée résolution de problème. Séparation des connaissances des raisonnements Connaissance exprimée en termes génériques Problème du choix (modèles disponibles, sélection, restriction) Réutilisable dans d autres situations (composants réutilisables) Ex : CommonKADS 1 2 Acquisition dirigée par les données (AA) Construction du schéma du modèle conceptuel (AD) 3 4 Instanciation du schéma (AD) Opérationnalisation du modèle conceptuel 13
4. Méthodes et Outils de capitalisation des connaissances 53 Méthodes existantes 54 Méthodologies existantes permettant de mettre en œuvre une mémoire d entreprise Méthodes d extraction et de représentation de la connaissance : KOD KADS, CommonKads (MASK) Méthodes d indexation des documents La méthode CommonKADS 55 Les 6 modèles de CommonKADS 56 KADS = Knowledge Acquisition and Design Structuring Issue d un projet ESPRIT à la fin des années 80 : KADS I, KADS II puis CommonKADS. S intéresse au transfert des connaissances dans la technologie des SE/SBC. Fourni des outils de modélisation de la connaissance pour réaliser un modèle d expertise. Orientée résolution de problème Existe Outils d aide (Atelier de Génie Cognitif) : KADSTool Analyse de l organisation : pourquoi, faisabilité, conséquences, Modèle Organisationnel Organization Model Détaille les Kces nécessaires à l accomplissement des tâches. Modèle d expertise Knowledge Model Analyse des tâches accomplies par l organisation : objectif, contraintes, ressources, conditions, efficacité Modèle de tâche Task Model Modèle de conception Design Model Modèle d agent Modèle de Communication Caractérisation des acteurs (humains ou non) de l organisation i.e. ceux qui réalisent ces tâches, et les liens de communication qui les relient. Agent Model Communication Model Décrit les interrelations entre les agents. Conception et spécification en vue de développer un SBC Niveaux : Contextuel Conceptuel Conception 14
Le modèle d expertise 57 Représentation des connaissances de domaine 58 Définit 3 grandes catégories de connaissances : La connaissance de domaine (domain Knowledge): ou ontologie, c est-à-dire faits, concepts ou hypothèses manipulées par les tâches. Modélisé le plus souvent par des modèles objets ou des réseaux sémantiques. Les inférences (inferences) : bouts, opérations élémentaires de raisonnement mettant en œuvre les connaissances de domaine en vue de réaliser une tâche. Les Tâches (tasks): buts recherchés par le SBC, leur réalisation via une décomposition en sous tâches et les articulations entre ses sous-tâches (contrôle, aspects procéduraux). Peuvent se décrire de manière récursives. Concept : Feu de circulation Propriété : Lieu géographique : {ch. de car} cardinalité : min 1; max 1; Numéro : {1..40} cardinalité : min 1; max 1; Type de lampe : {Type de lampe} cardinalité : min 1; max 3; Concept : Type de Lampe Propriété : Couleur : {V, O, R} Diamètre : {Entier cm} Apparence : Forme Rule-type Non abordé ici Type de valeur : Forme Propriété : Liste de valeur: {Carré, Rond, Triangle} Type : {Ordinal} Relation : Ensemble des feux de circulation dispo. pour un conducteur arguments : Feux de circulation Rôles : feux de circulation visibles par un conducteur donné, ensemble de feux de circulation cardinalité: min 1; max 3; Conducteur Rôles : conducteur ayant une visibilité sur un ensemble de feux de circulation cardinalité: min 1; max 1; Représentation des inférences 59 Représentation des tâches 60 Inférences : Récupérer Rôle d entrée : signal Rôle de sortie : signal codé => message Rôle statique : critères de codage Inférences : Interpréter Rôle d entrée : signal codé => message Rôle de sortie : signal interprété => couleur Spécification: "Traduit le signal en couleur" Représente des boîtes noires Tache Identifier_feu_circulation But : Déterminer la couleur du feu Entrées : Message Sorties : Couleur Méthode de Tâche : Identifier-le-feu-de-circulation Réalise : Identifier_feu_circulation Type : composée Décomposition: Inférences : Récupérer, Interpréter Définition signal Récupérer Signal codé Interpréter Signal Interprété Critères de codage Structure de contrôle : Récupérer le message(+message) Si Message=100 Alors Interpreter(-Couleur : Rouge) Sinon Si Message=010 Alors Interpreter(-Couleur : Orange) Sinon Si Message=001 Alors Interpreter(-Couleur : Vert) Mise en oeuvre 15
La méthode KOD 61 Le modèle Cognitif 62 La méthode KOD (Knowledge Oriented Design) a été développée par Claude VOGEL. Propose d aider à d extraire les connaissances en dialoguant avec un expert. Définit 3 modèles : Modèle pratique : identification des éléments de l expertise (guides pour les entretiens) Modèle cognitif : structurer et valider les connaissances acquises Modèle informatique : lié à l implémentation. - Des outils d aide ont existé (Atelier de Génie Cognitif) : KOD-Station (ILOG) La modélisation est effectuée au travers des concepts d : Objet : entités identifiées par l expert amenées à former un système de classification Actions : processus modifiant l état du monde en mobilisant des ressources selon certaines contraintes. Inférences : ou raisonnement Les entités décrites selon ces concepts sont regroupées en : Taxinomie (objets) Actinomie (actions) Schémas d interprétation (raisonnement stéréotypés, règles simple SI <Syndromes ou signes> ALORS) schéma de conduite : indexe un certain nombre de contraintes Exemple 63 L'indexation «sémantique» des documents 64 Exemple de représentation d une Action 1. Définition d une ontologie Conducteur Concept Véhicule Position : Pi Vitesse : Aa Position vitesse : PVi Feux : Vert FREINER Guidage, durée, situation Véhicule Position : Pf Vitesse : Ap Position vitesse : PVf Sous Concept Sous Concept Sous Concept Sous Sous Concept automatique 2. Indexation des documents Dictionnaire 3. Expression de la requête Personne derrière manuelle Moteur de recherche 4. Comparaison 16
Méthodes d'indexation manuelle 65 Méthodes d'indexation automatique 66 Indexation lexicale: un document est caractérisé par un ensemble de mots clés ou de valeurs Ex: auteur, description contenu, contenu, ) Indexation syntaxique: utilisation de langage de "Tags" ou marqueurs pour mieux qualifier la requête. Ex: recherche sur Pascal sachant que Pascal est un nom propre. Requiert de définir une norme de codification des documents et s appuie sur l hypothèse forte que tout document ajoutée à la base documentaire respectera cette norme. Les indexs manuels décrivent le contenu des documents et pointent sur eux mais pas sur le contenu. Domaine de recherche à part entière : lié au data mining ou encore au text mining (fouille de texte), encore à ses débuts Quelques exemples de techniques: Repérage d unités lexicales : ex moteur de recherche web. En version + évoluée, cartographie lexicale d un document (mots + fréquence définissent une signature)... Indexation manuelle d une partie du corpus puis utilisation de mécanismes inférentiels ou stochastiques pour indexer le reste du corpus. Construction automatique d ontologie : L idée est de pouvoir construire dynamiquement une représentation "conceptuelle" d un texte via un réseau sémantique ou un arbre de concepts. Cela nécessite tout d abord d un analyse linguistique/syntaxique du texte puis d une interprétation du sens des mots Approche liée notamment au Web Sémantique travail difficile testé pour l instant sur des textes suffisamment structurés. Ex: appel à communications scientifiques). Exemple d Ontologies 67 Méthodes de recherche 68 WordNet : Une ontologie généraliste gratuite Ex : http://meganesia.int.gu.edu.au/~phmartin/webkb/interface/termsearch.html On peut voir ici toutes les signification de Wheel ainsi que les significations associées. La mise en œuvre d une mémoire d entreprise requiert évidemment d une ontologie spécialisée (ontologie de domaine, voir de métier) Ce qui implique des ontologies supérieures pour les relier entre elles Recherche textuelle : ie par mots clés +/- évoluée Recherche pondérée : les mots clés sont pondérés Recherche par similarité : par rapport à extrait sélectionné (calcul statistique de la présence de mots combiné avec recherche pondérée). Recherche approchée : aide la formulation de la requête par ex. avec un Thésaurus permettant un requête plus précise Analyse de la pertinence des réponses : en analysant la fréquence, la densité des mots clés et leurs synonymes dans les documents trouvés classification automatique par techniques statistiques et comparaison de classes (cf. ci apres) Pertinence linguistique en conceptualisant la requête et le document trouvé et en comparant les concepts déduits. 17
Classification automatique (1/2) 69 Classification automatique (1/2) 70 Par mots clés : présence de mots clés (ex : google) A base de règle : définition de règles qui place un document dans une catégorie. Analyse statistique/regroupement : co-occurrence, position de mots clés ex: java + danse => ne correspond pas a programmation java. Probabilité bayesienne : mesure de probabilité des liens entre des mots : ex orange + banane dans un document => parle de fruit Regroupement sémantique et linguistique : utilisation d un dictionnaire et d un dictionnaire des synonymes, reconnaissance d expressions (unité+ de+production). Peut se baser sur la réification des termes (balaya, balaye, balayais -> balayer) A base de règle : suite Analyse vectorielle : considère la proximité de deux documents a travers la signature statistique des mots et de leur fréquence. Autre application : Gestion du personnel : on construit automatiquement des profils de candidats à partir de leur CV et on les compare avec un profil de poste. 5. Exemples de Mémoire d entreprise 71 Existe un marché pour les entreprises travaillant dans la mémoire d entreprise 72 Le marché est évalué à 12.696 Md $/ en 2005 contre 2.3 Md $ en 2000 (source IDC #24658 mai 2001) En France : Présentations de quelques applications de mémoire d entreprise : leur objectif, leur utilité et leur fonctionnement. Les sociétés de conseil en management et en information stratégique se partagent un marché français estimé à quelque 125 millions d'euros Veille Magazine 2004 Nemesia (http://www.nemesia.com) Entovation International Ltd (http://www.entovation.com) Euriware (http://www.euriware.com) Cap Gemini - Ernst & Young Dans le monde : IBM (http://www-1.ibm.com/services/kcm) Primus (http://www.primus.com) Computer Associates Le terme KM est assez galvaudé par certaines entreprises... 5. Exemples 18
Projet REX 73 Structure de la ME dans REX 74 Volonté du CEA de capitaliser les expériences de conception de réacteurs nucléaires. Méthode ensuite réutilisée dans d'autres domaines de conception Le savoir faire et les expériences des concepteurs sont "stockés" dans une mémoire d'expérience (CEMem) Un élément d'expérience (EEx) est caractérisé par un entête : Nom, origine, auteur, date, domaine et contexte. un corps : description neutre d'un fait, opinion propre et commentaires, des recommandations. une liste de références : sur des sources de documentation 5. Exemples Lexique Points de vue (1) : modèle descriptif EEx Documents 5. Exemples requête Plans Choix de stratégie Elément d'expérience Rapports Stratégie Traffic Normes Traverser en 2 coups traverser Stratégie de traversée Résultat (1) : ex. fonctionnel, topologique, chronologique Relations sorte-de ou fait-penser-à Mémoire MAGRITTE 75 Mémoire RESPECTS 76 Projet lancé par le CEA pour sauvegarder la mémoire sur l'utilisation du graphite dans les centrales nucléaires. Nombreuses ruptures dans ce domaine : crée en 1946, réorienté en 1969 et arrêtés en 1979. Il ne reste que des documents sur 30 ans de travail (~3000 dont certains valent entre 2 à 3 M F) déjà indexés par le dernier expert disponible (s'appuie sur un système d'information préexistant). Nécessité d'aller plus loin car toujours utilisé et le domaine peut redevenir pertinent! (ex: prix pétrole ou abandon nucléaire) Définition de plusieurs points de vue (historique, fabrication et caractéristiques du graphite, corrosion, ) Manipulation via des questions (Comment faire la corrosion radiolytique du graphite?) 5. Exemples Projet lancé par une entreprise de l'industrie chimique Nombreux sites distribués géographiquement, mobilité du personnel, départs en retraite, archives non classées... Besoin de capitaliser les connaissances sur ces procédés pour améliorer la formation et réduire la sollicitation des rares experts. Deux points de vues : procédé et application Participation des acteurs de l'entreprise via un comité de pilotage 4 Base de connaissance contenant + de 1000 entités de connaissance relié à 1000 documents. Au total le projet a duré 4 ans! 5. Exemples 19
Autres mémoires 77 6. Mise en œuvre d une Mémoire d entreprise 78 CYGMA (KADE-Tech) (pour CYcle de vie et Gestions des Métiers et Applications) : activité de conception dans les industries manufacturières (forgeron pour Rolls Royce, tourneur pour Eurocopter, automaticien pour FIAT, ) Approche Livre de Connaissance [Ermine] utilisant la méthode MKSM (Methodology for Knowledge Systems Management) : développée par le CEA pour la COGEMA sur l'enrichissement de l'uranium. La méthode a ensuite été appliquée à COFINOGA pour la formation en prêt personnel, Saint Gobain pour améliorer la productivité d'usines, Thomson CSF Optronique sur le processus de conception d'optique d'un système.... 5. Exemples Principes et guides pour mettre en œuvre avec succès une mémoire d entreprise. Étapes de mise en place d une mémoire d entreprise 79 Processus de capitalisation des connaissances 80 Approche comparable à la mise en œuvre d un Système d Information. Phase d extraction Repérer Identifier Localiser Opportunité pour l'entreprise (maturité) Identification des besoins Construction de la ME Diffusion Utilisation et évaluation Préserver Modéliser Formaliser Archiver Connaissances Stratégiques Accéder Diffuser Exploiter Intégrer Mettre à jour Enrichir Phase d exploitation Actualiser Maintenance et Contrôle Valoriser D après [Grundstein et Barthès 97] 20
Caractériser l'entreprise pour une démarche de ME 81 Estimation de la maturité KM d'une entreprise 82 Dans quelle mesure l entreprise est elle prête à une démarche de ME? Le Knowledge Maturity Model Développé par le Club de Gestion des Connaissances Basé sur la grille de maturité de gestion de la qualité de Crosby, du KM- Advisor de Microsoft et le KMM de Thomson CSF Corporate Propose une grille de référence permettant de catégoriser l entreprise S appuie sur 7 axes thématiques : "Process" d information Outils Collaboration Méthodologies Management Culture Aspects économiques Le Knowledge Maturity Model S appuie sur 18 critères répartis sur les 7 axes: Chaque critère est évalué sur une échelle de 0 à 3 Mesure qualitative : Du contraint au spontané De l individuel au collectif De l information à la connaissance Des initiatives locales aux initiatives intégrées Exemple de questionnaire 83 Identification des besoins 84 Thème culture critère comportement Quel type de comportement adopte plus volontiers les membres de votre entreprise vis à vis du partage de l'information en général? Niveau 0- notarial Comportement "notarial". Les échanges sont limités au strict nécessaire imposé par les procédures administratives de l'entreprise. Ces procédures sont utilisées comme parapluie, rempart, palliatif. Les communications revêtent un caractère bureaucratique (note de service, procédure, procèsverbal, ) Niveau 1- partage passif Le comportement de partage existe mais est plutôt passif. Ce comportement est dicté par des procédures ou des règlements, des injonctions ou des sollicitations mais n'est pas un comportement spontané. Niveau 2- partage actif Le comportement de partage est actif. La nécessité des projets, l'opportunité et quelques volontés locales et remarquables rendent possibles la création de structures d'échanges. Les initiatives locales sont tolérées voire encouragées. Dans tous les cas, elles sont vues comme des projets pilotes et innovant mais n'ont pas encore atteint le statut d'exemple à suivre. Niveau 3- contribution systématique et spontanée au patrimoine commun Le comportement de partage est systématique et complètement intégré dans la culture d'entreprise. La contribution à l'intelligence collective est spontanée et naturelle. Audit mémoriel Analyse de l existant de l entreprise en terme de : Profils de connaissances Flux de connaissances Modélisation des activités de l entreprise Eventuellement estimation du capital savoir Il s agit de donner un aperçu général de la connaissance de l entreprise afin de mieux isoler les zones stratégiques Mise en place d un comité de pilotage (approche participative) ( niveau conceptuel de CommonKADS) 21
Construction de la ME 85 Diffusion 86 Mise en œuvre d une démarche de gestion des connaissances Analyse ciblée de l existant (catégories de connaissances, moyens disponibles) Analyse de la documentation (procédures documentaires existantes, modalités d indexation, outils informatiques disponibles et documents déjà traités) Recueil et modélisation des connaissances (KM : élabore des bases de connaissances) Définition de l architecture du domaine (catégorisation et interrelation entre les connaissances organisées en bases) Les outils (informatiques) de la mémoire d entreprise Messageries (courriel, instantanée, forums ) Agendas, GroupWare (Lotus Note, ) Workflow, gestion documentaire Moteurs de recherche, cartographie Portails Approches «agents» Utilisation et évaluation 87 Maintenance et évolution 88 Impliquer les acteurs dans l entreprise Former Favoriser l accès Clients Axe Financiers Processus Apprentissage Indicateurs Retour sur investissement et valeur ajoutée économique Satisfaction, fidélisation, part de marché Qualité, réactivité, coût et lancement de nouveaux produit Satisfaction des salariés et systèmes d information Maintenance : de l outil informatique : par la société de service ou le département des connaissances : par l entreprise cliente. (doit être prise en compte lors de la modélisation et de l instanciation du modèle) Evolution : Doit être mis à jour Doit être enrichis 22
7. Quelques outils de capitalisation de la connaissance 89 Architecture d un portail d entreprise 90 Portail «classique» + GED Supports pour représentation connaissance XML RDF Exemples d applications commerciales Source : Décision Micro & Réseau Juin 2003 http://www.01net.com/pdf/dmr200306090554032.pdf Zoom sur les portails KM (1/2) 91 Zoom sur les portails KM (2/2) 92 Proposer un ensemble de services dans un seul outil via une interface web. Point de rencontre des acteurs de l entreprise (portail d entreprise) Proposent : Une gestion de contenu (cf. tr suivant) Outils collaboratifs (cf. tr suivant) Portail d intégration (outils de KM + outils & informations de l entreprise). Peut être personalisé/adapté à des «communautés de pratiques» ie groupe de personnes de même métier, d un même service ou toute autre catégorisation des compétences des employés. Populaire et vendeurs auprès des entreprises pour des solutions de gestion de connaissance à risque maîtrisé. Gestion de contenu ou Content Management System: Terme issu de la technologie web ou il s agit de séparer contenu et présentation (ex: texte et affichage dans une page web) dans le but de faciliter la maintenance et la diffusion du contenu Utilisé maintenant au sens plus large : inclue la gestion de document et éventuellement assiste à la création et validation de document avant sa diffusion sur le portail. Outils collaboratifs: Facilité le travail coopératif (!!) cad communiquer, accéder aux informations partagées en respectant des règles de sécurité (gestion utilisateurs et droits d accès). Workflow Forum, messagerie 23
Exemple d utilisation de portails 93 XML : un support pour l indexation 1/2 94 En intranet: pour améliorer et mettre en commun de connaissances techniques Site centralisant des données techniques à destination de techniciens En extranet: pour améliorer la communication voire la coordination avec les clients et/ou fournisseurs Gestion des achats (ex: équipementier automobile) Spécification technique et expertise commune entre 2 entreprises (ex: Renault) XML : extensible Mark up Language Caractérisques remarquables: C est un langage à base de balises (Tags) Ex: <auteur id= LM125 >Ron JON</auteur> personnalisable (ex. fichier DTD Document Type Definition ou XML Schéma): Ex: <!ELEMENT auteur (PCDATA#)> <!ELEMENT auteur id ID #IMPLIED> Sépare donnée/présentation : CSS (Cascade Style Sheet) : relie a des champs XML des champs HTML. XSL (extensible Stylesheet Language) : plus complexe car permet des transformation sur les documents (ex: calculer une table des matières, générer un tableau, traduire le document vers un autre format (Pdf, HTML, XML!). Effets escomptés: temps de réponses réduits, démarche qualité respectée, 7. Outils de K de Kces XML : un support pour l indexation 2/2 95 XML pour la mémoire d entreprise 96 Pouvant être complété par : Outils de recherche (requête) : XML Query permettant interrogation et manipulation de bases documentaires. Outil de navigation : XPath/XPointer : langages de chemins pour naviguer au sein des documents. RDF : semantique RSS : gestion de contenu Exemple d applications directes Format d échange de donnée (homegénéité des sources) Outil intégrateur de fichiers aux formats divers (bureautique, multimedia, CAO, ) Outil d indexation structurée de document permettant de lier méta description et source du document (lien hypertexte) RSS Zoom sur RSS : Really Simple Syndication càd description et diffusion d information sur le web (cf. but du KM). Propose une structure XML pour décrire le contenu d un site web ainsi que de s abonner pour être informer des modifications apportées au document. 7. Outils de K de Kces 7. Outils de K de Kces => Implanté dans Mozilla Firefox & Opera. 24
Exemple de fichier XML (source) 97 Exemple de fichier XML (affichage) 98 <?xml version='1.0'?> <biblio> <livre ISBN='2841772233'> <titre>xml In A Nutshell</titre> <auteur> <nom>harold</nom> Pour exprimer que l on recherche un <prenom>elliotte</prenom> livre dont l auteur est Harold plutot <prenom>rusty</prenom> que de faire une recherche sur : </auteur> Harold auteur livre <auteur> On pourra exprimer que l on veut que <nom>means</nom> <auteur> ait pour valeur Harold. <prenom>w.</prenom> Il y a donc rajout de sens à la requête. <prenom>scott</prenom> </auteur> </livre> <livre ISBN="2840825333"> <titre>formation a XML</titre> <auteur> <nom>young</nom> <prenom>j.</prenom> <prenom>michael</prenom> </auteur> <editeur>dunod</editeur> <date_publication>4 octobre 2000</date_publication> </livre> </biblio> Vision arborescente : ici le 1er auteur est masqué Combiné à un fichier DTD : on aurait pu rendre obligatoire le renseignement de l editeur, de la date de publication etc. 7. Outils de K de Kces 7. Outils de K de Kces RDF : un support pour le contenu 99 Protege 2000 : edition d ontologies 100 RDF pour Ressource Description Framework Base du Web Semantique Conçu pour représenter les méta-descriptions (ex: sens de certaines balises) Exprimé en XML Basé sur 3 sortes d entités: Ressource : ce sur quoi porte la description RDF ie une source d information accessible via le web (page web, lien sur un document, ) Propriété: descriptif des caractéristiques d une ressource (type, ) Assertion (Statement): exprime sous forme XML des phrases en relation avec la ressource. Ex: «Eugenio est le createur de la page http://www.grapa.net/peugeot404/» Démo : Ontologie simple d un journal http://protege.stanford.edu/applet_demo/newspaper/newspaper_demo.html Site officiel : http://protege.stanford.edu/ <rdf:description about="http://www.grapa.net/peugeot404/"> <s:creator>eugenio</s:creator> </rdf:description> </rdf:rdf> 7. Outils de K de Kces 7. Outils de K de Kces 25
mysap Business Intelligence 105 Illustration : mysap Business Intelligence 106 Fortement lié aux Progiciels Intégrés (ERP) Se présente comme un module s intégrant à d autres solutions (SAP/R3, mysap.com, mysapworkplace) La connaissance est vue comme une conversion d information en vue de son partage et de sa diffusion. Gestion de connaissance se traduit en gestion des documents non structurés (document, videos, audio, ) Le terme gestion des connaissances n est pas utilisé de façon très précise Description du produit fortement axées sur l accés au données (requetes simplifiées) et à leur présentation (portail web) 7. Outils de K de Kces 7. Outils de K de Kces Copyright mysap Divers 107 Illustration d Autonomy 108 ActiveWatch (http://www.arisem.com/fr) : Veille technologique se basant sur des techniques de gestion de connaissance pour surveiller le Web 24h/24. Analyse le sens de 15 000 document à l heure (en 5 langues) Classification automatique dans des arbres thématiques Autonomy (http://www.autonomy.com) : Classification automatique de document (regroupement par concepts similaires) Approche integration de source d information 7. Outils de K de Kces 7. Outils de K de Kces 27