De l’extraction des connaissances au Knowledge Management Dominique Crié Revue française de gestion 5/2003 (no 146), p. 59-79. URL : www.cairn.info/revue-francaise-de-gestion-2003-5-page-59.htm. DOI : 10.3166/rfg.146.59-79. ISSN 0338-4551 Réalisé par : Mahjoubi Hanene & Manel Benzarti Bonjour, nous présentons devant vous aujourd’hui l’article n°6 intitulée ….. Ecrit par ….. C’est un article de la revue … Et élaborée par... Master « Management des Organisations »

Plan Présentation de l’article Problématique Définitions des concepts clés Les nouvelles logiques de gestion des connaissances Apports et limites Que doit-on retenir? Nous allons commencer tt d’abord par (cerner)la présentation de l’article et l’illustration de la problématique. La ème partie porte sur les définitions des concepts clés La ème retrace la mise en œuvre …… et illustre

Présentation de l’article Nature de l’article: Population visée: Sources d’informations: Source de données: L’état de l’art (Revue de la littérature) Les académiciens et les praticiens Les conférences, les ouvrages et les revues Secondaire, non empirique.

Problématique NTIC fournissent une masse très importante de données La croissance exponentielle de l’information Un souci cognitive : Le défi est de donner un sens à toute l’information contenue dans les bases de données (BD) ou les dw est un défi - moindre dépense qui constitue un gain entaîne Présenter les nouvelles logiques de gestion des connaissances et leurs implications managériales

Définitions des concepts clés L’extraction de connaissances (EC) L’extraction des connaissances à partir des données (ECD) L’extraction des connaissances à partir de textes (ECT) ou Text Mining (TM) Web Mining EC présente 3 autres branches : ECD, ECT(tm) et web mining Une autre branche émerge du web mining à savoir le multimédia-mining (un autre aspect de web mining) Multimedia- Mining

Définitions des concepts clés L’extraction de connaissances à partir des données (ECD) : «  L’acquisition de connaissances nouvelles, intelligibles et potentiellement utiles à partir de faits cachés au sein de grandes quantités de données » (Fayyad et al.,1996) Le Knowledge Discovery in Data-bases (KDD) Intelligence artificielle Le Data Mining(DM) Statisques Se définit comme On peut faire la distinction entre 2dénominations de l’ecd dans la littérature anglosaxonne: Qui utilise comme approche Qui utilise Leur finalité reste identique, l’objectif étant de …. ia est la « recherche de moyens susceptibles de doter les systèmes informatiques de capacités intellectuelles comparables à celles des êtres humains » Fournir une aide décisionnelle au manager

Définitions des concepts clés Multimedia-Mining L’extraction des connaissances à partir de textes (ECT) ou Text Mining (TM) Web Mining KM Web Mining ECT C’est le data mining appliqué aux données de navigation sur le web. Source: zonecours.hec.ca/.../H2006-1-729907.401600H06_Seance14.ppt C’est l’extraction des connaissances à partir des BDD multimédias. C’est un processus d’extraction des connaissances à partir des documents non structurés. Multimedia- mining ECD - Le but de tm est de fournir à l’utilisateur une connaissance implicite, enfouie dans une collection de textes et construite à partir des trames structurelles isolées. - Objectifs du web mining : Optimiser la navigation dans un site web afin de maximiser le confort des internautes, d’augmenter le nombre de pages consultées et l’impact des liens et des bannières publicitaires Déceler les centres d’intérêt, et donc les attentes, des internautes visitant le site Mieux connaître les clients qui se connectent nominativement à un site, en croisant leurs données de navigation avec leurs données personnelles détenues par l’entreprise Vu l’augmentation des capacités de stockage, de puissance de calcul des processeurs et des techniques de compresseion, un autre aspect de web mining émerge à savoir le mutimédia mining - Les différentes applications de ces nouvelles technologies se positionnent dans un nouveau champ d’appréhension de la connaissance soit km

Les nouvelles logiques de gestion des connaissances KM Web Mining - Dans ce qui suit, nous analysons ces différentes technologies séparément Ces courants sont le plus souvent complémentaires et peu dissociables ECT ECD

Visualisation des données, règles, modélisation ECD Structuration , normalisation des données Data X (html, xml, etc.) Sélection des données Data Y (xls, doc, ppt, etc.) Data Warehouse Data Mart Data Z (pdf, ps, etc.) Structuration DW, Méta données Prétraitement (Données manquantes) Les principales étapes de la chaîne de découverte des connaissances Visualisation des données, règles, modélisation Base de connaissances Algorithmes Arbres, inférences bayésiennes, réseaux neurones, etc Systèmes experts

ECT ECT RI ECD Mots- clés Documents Mots, concepts Documents Moteur de recherche ECT Mots- clés Documents RI Univers lexical non structuré L’extraction des connaissances à partir des données (ECD) La recherche des d’informations spécifiques (RI) ou recherche documentaire L’utilisateur est un « requêteur » de documents Moteur d’extraction Mots, concepts Documents - Ect fait recours à 2 courants de recherches - Dans la logique traditionelle de la recherche, le moteur de recherche permet l’extraction des documents à partir d’un univers lexical non structuré La seconde approche consiste en l’extraction de connaissances par un ensemble de traits structuraux caractéristiques de la collection de documents analysée Dans le premier cas, l’utilisateur est un « requêteur » de documents qui se transforme en un récepteur d’informations dans le 2ème cas Ces courants sont le plus souvent complémentaires et peu dissociables :Le ri bénéficie des techniques d’ecd pour retrouver un texte au sein d’un corpus. (l’utilisation de moteur de recherche nécessite que l’on sache ce que l’on recherche Tandis que le moteur d’extraction permet de découvrir un ensemble d’informations cachées au sein de grandes quantité de textes) Réseau sémantique structuré ECD L’utilisateur est un récepteur d’informations

Les techniques de Web Mining L’analyse de contenu fait référence à la recherche automatique et à l’extraction de connaissances à partir du Web L’analyse de l’usage du web s’attache à la découverte des schémas d’accès et de navigation des utilisateurs au sein des serveurs On peut diviser les techniques de web en 2champs: Le premier type d’analyse se conçoit comme une extension des fonctions des traditionnels moteurs de recherche mais s’appuie sur le tm afin de révéler une information structurelle et implicite des documents du web en les catégorisant, les filtrant et les interprétant. Le second type se confond avec un dm de l’utilisation du web, collectant une information sur les habitudes des clients ou clients potentiels et sur l’efficacité du site en lui même

Les aspects du KM organisationnels - Il faut que les schémas organisationnel de l’entreprise soit propice à la création et au partage des connaissances  Il ne faut pas fixer les objectifs au préalable ou les fixer mais sans les transmettre aux employés. Insister sur l’importance des métadonnées humains Aspects - Le défi du KM s’attache, dans cet aspect, au recrutement, à la rétention et accroissement de la productivité des travailleurs clés du savoir pour implémenter le capital humain à moyen et long terme. - La connaissance nécessite l’intervention humaine le KM doit ériger l’individu au cœur du système culturels - Favoriser l’émergence d’une culture générale commune de la connaissance Org: (les entreprises doivent s’organiser par projet en créant des groupes de travail (dans un climat de coopération et de confiance c'est-à-dire les liens de subordination ainsi que les barrières seront abolis) ou globaliser le territoire par l’intermédiaire de l’intranet ou groupewares - car ils peuvent dénaturer la créativité, l’innovation et l’émergence de » nouveaux concepts qui peuvent être non congruents aux objectifs assignés mais peuvent engendrer des informations opportunistes) documentation sur les données) (pour avoir une compréhension universelle des données ; responsabiliser une personne chargée de l’information). Hum: - car l’implication des individus favorise l’utilisation et le partage des connaissances en lui accordant des responsabilités pour favoriser la qualité, en l’encourageant à l’innovation et à travailler en réseau). cul:- chaque individu participe à sa production et à son partage par l’apprentissage ou l’inter apprentissage Ex tech Le système Leximancer transformer les informations cooccurrence lexicale de langage naturel en patrons sémantiques d'une manière non surveillée technologiques - Formaliser l’intelligence et l’expérience des individus pour rendre plus accessible l’information à la bonne personne au bon moment

Les enjeux du KM Augmenter la performance de l’entreprise Anticiper le futur et de bénéficier d’une meilleure position concurrentielle une meilleure place sur le marché Eviter la perte des savoirs Ou les outputs du KM sont :- - (suite à la modification des comportements tant humains qu’organisationnels race aux connaissances) -- (par leur transmission)

Les freins au KM  Difficultés d’assimiler et d’appréhender des technologies lourdes à manipuler ou encore émergentes. Absence de culture orientée connaissance (Source: D.W.Delong et L.Fahey « Diagnostic  Cultural Barries to Knowledge Management, Academy of Management Exécutive, vol .14, n°4, p113-127 ,2000)  Inadaptation de la structure aux flux informationnels Partage et la localisation du pouvoir L’échec de la mise en place de logiques de KM est du : -- ex : frein pour le partage des connaissances…..

Apports et limites Apports Limites - Absence des pistes de recherche - La présentation détaillée des différentes logiques de GC La complémentarité des approches - Manque de précision du degré de maîtrise des ces nouveaux outils Les applications managériales évoluent parallèlement aux progrès et à la maîtrise de ces outils. Certaines deviennent courantes tandis que d’autres n’en sont qu’à stade expérimental et d’autre encore ne sont qu’hypothétiques.

Que doit-on retenir? Stockage de connaissances (vous savez ce que vous détenez) Partage de connaissances (vous savez ce que vous n’avez pas) Extraction de connaissances (vous ne savez pas ce que vous détenez) TM Web Mining DM Les différentes logiques de manipulation des connaissances peuvent être reliées à leurs outils comme le présente cette figure Fichiers Gestion des documents Moteur de recherche traditionnel Moteur d’extraction

DW Entreprise Organisation Stock informationnel Marché Environnement Sources et moyens d’extraction des connaissances Intranets Portails d’entreprise Workflows, … Client BI CRM DW TM WM MM Entreprise Organisation Stock informationnel KM DM OLAP Sources et moyens d’extraction des connaissances IE Marché Environnement

MERCI POUR VOTRE ATTENTION