Sommaire
6.1 Capitalisation de connaissances et de donn´ees . . . . 41
6.2 Importance de la terminologie. . . . 42
6.3 Ontologie en mod´elisation math´ematique . . . . 44
Les questionnements, nous l’avons vu pr´ec´edemment portent sur la capitalisation des connaissances et des donn´ees ainsi que sur la mod´elisation de la dynamique de l’esp`ece baba¸cu.
6.1 Capitalisation de connaissances et de donn´ees
En ce qui concerne la capitalisation des connaissances, il est clair qu’au-del`a de la th`ese, si nous souhaitons recourir `a ce que que l’on d´esigne, dans le secteur de
la sant´e1, par «transfert et ´echanges de connaissances» (Choi, 2005, «Knowledge
translation ») c’est-`a-dire au processus complet d’´echanges entre chercheurs et poli-tiques d´ecideurs, et ce `a des fins d’am´elioration des prises de d´ecision, nous devons mettre en œuvre une m´ethodologie d’acquisition et de diffusion de celles-ci.
Le cycle d’actions li´ees `a cette approche peut ˆetre r´esum´e dans laFigure 6.1.
Dans tout projet de recherche, apr`es identification de la probl´ematique effectu´ee `a partir des connaissances de base et de la litt´erature, le cycle d’actions se focalise sur la cr´eation de connaissances (celles-ci sont adapt´ees au contexte d’usage). La cr´eation de connaissances s’appuie sur l’´echange entre scientifiques et le plus souvent aussi sur les donn´ees associ´ees ou collect´ees au sein du projet. Les outils de production mis en œuvre les synth´etisent et le cycle passe par la phase de p´erennisation des connaissances produites (n´ecessitant leur appropriation notamment par les acteurs partenaires et d´ecideurs).
Compte-tenu de la diversit´e des domaines scientifiques en pr´esence, bien que des m´ethodes issues de l’Intelligence Artificielle existent et aient ´et´e largement utilis´ees (Charlet et al., 2000), nous avons opt´e pour une approche plus simple,
d’expli-cation de connaissances, incr´ementale, bas´ee sur l’utilisation du formalisme UML
(Rumbaugh et al., 2004). Ce formalisme a ´et´e choisi, entre autres, pour son aspect graphique qui permet de manipuler et repr´esenter ais´ement les concepts partag´es (classes, relations, objets notamment).
1. Qui peut ˆetre largement ´evoqu´e dans de nombreux domaines. 41
Figure 6.1 – Cycle d’actions relatif au transfert et ´echanges de connaissances
(d’apr`es Grimshawet al. (2012))
Création de connaissances
Adaptation des connaissances
Synthèse des connaissances Outils Production Revues Connaissances de base Identification problématique Usage contextuel des connaissances Pérennisation des connaissances
6.2 Importance de la terminologie
Comme soulign´e dans les divers chapitres pr´ec´edents, la notion de «syst`eme
baba¸cu» a ´emerg´e tr`es rapidement au cours des discussions de notre groupe de
travail. Nous avons alors entrepris une ´etude syst´emique : le formalisme UML bien
qu’issu d’une approche objet nous a rendu celle-ci plus ais´ee. Nous souhaitions or-ganiser notre analyse autour de plusieurs concepts : mod`ele, syst`eme, structure, dynamique. . . Cependant, l’utilisation de diff´erents termes et notions au sein du groupe devait ˆetre aussi claire que possible et surtout ne pas prˆeter `a confusion. D`es lors, il a ´et´e imp´eratif de cr´eer un r´ef´erentiel terminologique et de faire appel aux outils et m´ethodes utilis´es en mati`ere de repr´esentation des connaissances. Cet
exer-cice n´ecessite une r´eflexion pr´ealable autour de la d´efinition des mots «concept »,
«notion»et«terme». Comment peut-on les diff´erencier, alors que leurs d´efinitions
6.2. Importance de la terminologie 43
Dans quel cas, est-il pr´ef´erable d’utiliser l’un et dans quel autre cas un autre ?
La d´efinition propos´ee par Depecker et Roche (2007) et bas´ee sur le travail du
Comit´e technique 37 de l’ISO (´elaboration et normalisation en mati`ere de
termi-nologie) nous parait la plus juste. Ainsi le «concept» succ`ede `a la «notion». Un
concept exprime un niveau g´en´erique d’abstraction, il ne d´epend pas du langage, mais est assujetti aux pratiques socio-culturales qui vont l’´eriger.
Les auteurs soulignent ´egalement que la terminologie et les ontologies sont deux
champs disciplinaires qui se ressemblent de par leur «approche logique, au centre
de laquelle figure la probl´ematique du concept» (Depecker et Roche, 2007, p. 113).
Nous pouvons donc qualifier notre approche d’ontologique. Si nous nous
canton-nons `a la d´efinition donn´ee par (Gruber,1995) l’ontologie est une sp´ecification d’une
conceptualisation2. Les concepts de base du «syst`eme baba¸cu» vont de mani`ere
naturelle (car facilement appropriables) ˆetre d´ecrits au travers de divers mod`eles
des-criptifs, via le formalisme UML dans les diagrammes structurels (classes, relations
objets) ainsi que dans les diagrammes d’´etats (´etat, transition) .
De nombreux chercheurs ont aussi opt´e pour cette approche dans les disciplines
relevant de l’´ecologie et des sciences humaines et sociales (Pageset al.,2000;Pointet,
2007; Sibertin-Blanc et al., 2011; Mazzegaet al., 2013).
Figure 6.2 – L’ontologie OBOE(formalisme UML)
Nous pouvons aussi relever que, par exemple, la proposition de Madin et al.
(2007) (cf. Figure 6.2) a ´et´e directement r´eutilis´ee lors de la d´efinition du protocole
de collecte des donn´ees de terrain qui a pr´ec´ed´e la mod´elisation conceptuelle de la base.
La s´emantique de cette proposition se veut g´en´erique et relative `a toute obser-vation scientifique et mesures associ´ees `a un objet d’int´erˆet et `a une ou plusieurs de ses caract´eristiques. Le mod`ele peut ˆetre utilis´e pour caract´eriser le contexte d’une observation (par exemple, l’espace et le temps), clarifier le protocole et la description des unit´es de mesure utilis´ees.
La dimension spatiale a ainsi pu ˆetre introduite ais´ement dans le contexte de la mod´elisation conceptuelle de la base de donn´ees r´eceptacle des donn´ees (cf. Chapitre
9 - Acquisition et p´erennisation des donn´ees). En ce qui concerne l’existant relatif aux syst`emes de gestion des donn´ees spatiales, `a l’heure actuelle, nombreux sont les
syst`emes ob´eissant aux standards ´etablis par l’Open Geospatial Consortium (OGC)
(logiciels propri´etaires ou Open Source).
6.3 Ontologie en mod´elisation math´ematique
En ce qui concerne les mod`eles math´ematiques, depuis le milieu des ann´ees 2000, l’explicitation des connaissances a abouti `a une approche bas´ee sur les ontologies. Les travaux dans ce sens se sont intensifi´es depuis les ann´ees 2010. Des ontologies g´en´eriques relatives `a la classification des mod`eles math´ematiques ont vu le jour :
Mathematical Modelling Ontology (MAMO) (Zhukovaet al., 2014).
Des ontologies plus sp´ecifiques de type applicative ont ´egalement ´et´e introduites, se r´ef´erant `a la gestion d’un mod`ele (d´efinition des fonctions, ´equations, variables. . .)
telle que :Ontological mathematical modeling knowledge management(OntoMODEL)
d´edi´ee `a la gestion de mod`eles pour le d´eveloppement de produits pharmaceutiques (Suresh et al., 2008). La mod´elisation math´ematique est un ´el´ement essentiel de la d´emarche scientifique mais elle doit aussi, nous semble-t-il, s’ouvrir `a l’explicitation des ´el´ements constitutifs des mod`eles utilis´es afin de faciliter leur compr´ehension.