Chapitre III. Gestion des connaissances et décision
7. Instanciation de ces notions à notre problématique
Replaçons ces considérations générales dans notre processus de décision organisationnelle multicritère. Les notions abordées dans ce chapitre se rapportent bien sûr à la phase d’information du modèle de Simon, c’est-à-dire, pour éviter de retomber dans l’équivoque, à la phase d’apprentissage des connaissances nécessaires et utiles à la décision.
Force est donc de constater que l’abondance de l'information dans notre société a vraisemblablement changé le paradigme de la décision : on pouvait autrefois énoncer « Le pouvoir, c’est le savoir ». Seul un petit nombre d’élus qui « gouvernaient » savaient et pouvaient donc décider. Aujourd’hui, « tout le monde » est supposé avoir accès à l’information, le paradigme tombe... Le véritable problème, comme nous l’avons exposé dans ce chapitre, devient plutôt la capacité à gérer et traiter ce flux informationnel pour en tirer les connaissances pertinentes et utiles au bon moment. Il faut construire un filtre de pertinence pour alimenter l’évaluation et la sélection d’alternatives du processus de décision.
La décision est un choix ponctué d’une action. Il paraît ainsi légitime de postuler qu’un élément décisionnel ne saurait être une donnée, une information, ni même une connaissance, mais une connaissance actionnable.
La gestion des connaissances dans notre projet devient donc le partage et le contrôle de CAs qui soutiennent la décision. Il nous faut nous doter d’un outil informatique, un SGDC, qui assure cette tâche. La mémoire dynamique des CAs gérée par le SGDC doit être perçue comme le support de la logique de décision, la traçabilité des choix retenus. Le SGDC ayant pour ultime objet la décision, sa(ses) base(s) de connaissances doit(vent) faire l’objet d’une indexation spécifique sur laquelle nous allons revenir dans ce paragraphe. C’est cette indexation qui permettra de calibrer le filtre de pertinence recherché. C’est la condition sine qua non pour éviter toute surcharge cognitive.
SAVOIR S SAVOIR-FAIRE CONNAISSANCES ACTIONNABLES INTERPRETATION DANS ’ACTION DONNEES REPRESENTATION SITUATION
Chapitre III - Gestion des connaissances et décision Sur le plan technique, le SGDC sera assimilé, par la suite, à un outil intranet : serveur WEB s’interfaçant à des bases de données SQL et documentaires. La technologie du WEB permet de consulter facilement les documents ou informations, supportant ainsi les processus de partage et de délibération sur lesquels nous avons insisté auparavant. La collecte de documents ou d'informations, largement répartis dans l’organisation, est généralement une opération lourde et difficile. Cette solution technique s’affranchit de cet obstacle, en remplaçant la collecte par un dépôt à l’initiative de chaque « acteur - relais ».
Revenons donc plus précisément sur la notion de CA dans notre projet. Nous considérons que la CA est un savoir élémentaire qui se distingue d'une simple information par le fait qu'elle comporte une part d'interprétation liée à la personne qui l'énonce d’une part, et que cette interprétation tend à la rendre utile à l'action d’autre part. En faisant référence aux différentes considérations que nous avons évoquées dans ce chapitre, on écrira donc qu’une CA est définie tout à la fois comme :
• Une donnée informative jugée utile et qui prend du sens dans un contexte ; • Un savoir élémentaire interprété par la personne qui l'énonce ;
• Une trace des raisonnements menés par les acteurs du processus décisionnel;
• Une entité minimale intelligible, de sens partageable et réutilisable dans le contexte. Une CA est l'interprétation en termes de finalité par son auteur d'une information dans le cadre de son projet d’action : elle sera un élément d'argumentation et de rhétorique pour la justification des choix. Le SGDC assure le partage et le suivi des CAs dans l’organisation. Dans notre cadre multicritère, la formalisation de la CA s’explicite donc par les caractéristiques suivantes :
• Une synthèse (σ) qui est la valeur informative de la CA. C’est la partie descriptive qui peut préciser, par exemple, la source d’information, le sujet abordé, les références, hypothèses, le contexte, etc. Elle est en langage naturel ;
• Le commentaire (χ) qui est l’expression d’un jugement de valeur. Il correspond à une appréciation de l’auteur de la CA relativement au système de valeurs véhiculé par le processus décisionnel. Il est en langage naturel et est un élément de rhétorique potentiel ;
• Le système de valeurs de la décision se déclinant en critères d’évaluation dans notre évaluation multicritère, une CA est donc un jugement de valeur sur une alternative ϕ sous l’angle d’analyse d’un critère α. Les coordonnées (α,ϕ) de la CA dans la grille d’évaluation (Figure 3 du chapitre II, p critères en ligne, n alternatives en colonne) permettent de cartographier la base de connaissance du SGDC ;
• le score partiel (ρ) qu’elle porte. Ce score partiel doit en toute logique être cohérent avec le commentaire de la CA : il doit être la traduction numérique de l’appréciation en langage naturel portée par le commentaire de la CA ;
• Une date (τ) qui permet de repérer dans le temps la CA. Une interprétation peut évoluer dans le temps, un historique géré par le SGDC en permet le suivi.
Les trois chapitres qui suivent sont consacrés à la génération automatisée de CAs depuis des sources d’informations numériques. Il s’agit de construire des CAs à partir de l’analyse informatisée de bases de documents numériques. L’enjeu est la construction du filtre qui permettra cette extraction/génération. Il repose sur l’indexation automatique de fragments de textes numériques conformément à la description précédente de la notion de CA. Le
Chapitre III - Gestion des connaissances et décision traitement du contenu de documents, textes, articles, etc., doit permettre d’identifier les éléments nécessaires à la construction de CAs, dont seront extraits objets et commentaires des CAs. L’automatisation de l’attribution d’un score au commentaire et de la cartographie de la CA dans la grille d’évaluation (critère, alternative) à une date donnée repose sur des techniques de classification ; c’est de ces techniques que les deux chapitres qui suivent nous entretiennent. Ainsi, cela revient à considérer que le contenu des textes d’une base documentaire numérique est indexé par des quintuplets (σ, χ, (α,ϕ ), ρ, τ), qui définissent des CAs et donnent donc un accès direct aux éléments de décision disséminés dans le corpus documentaire.
Automatiser la phase d’apprentissage confère à notre système un fort niveau d’automatisation cognitive comme nous en avons débattu dans le chapitre II. Les deux chapitres qui suivent vont donc s’attacher à décrire l’indexation automatique de sources électroniques pour générer des CAs qui viendront alimenter les phase d’évaluation, de sélection et de révision du processus de décision global. Les techniques en jeu relèvent de la classification automatique.