Il existe différents types de systèmes d’information pouvant intégrer les connaissances :
· Les Systèmes de Gestion de Bases de Données (SGBD),
· Les Systèmes d’Information à Référence Spatiale (SIRS) et Systèmes
d’Information Géographique (SIG),
· Les Systèmes Interactifs d’Aide à la Décision (SIAD),
· Les Systèmes à Base de Connaissances (SBC),
· Les Environnements de Résolution de Problèmes (ERP).
2.5.1. Définitions et caractéristiques des systèmes d’information
Nous présentons dans cette partie les caractéristiques des différents systèmes d’information intégrant des connaissances.
2.5.1.1. Les Systèmes de Gestion de Bases de Données Relationnelles
Les Systèmes de Gestion de Bases de Données Relationnelles (SGBDR) permettent à l’utilisateur de gérer une collection de données hétérogènes. Le SGBDR
Démarche de formalisation des connaissances et contribution du langage de modélisation UML
· La description des données selon un modèle, par exemple le modèle
relationnel,
· La manipulation des données à l’aide d’un langage de requêtes tel que SQL
(Structured Query Langage) qui permet de sélectionner, mettre à jour, ajouter ou supprimer des enregistrements ou des attributs,
· Le maintien de données cohérentes en définissant les contraintes d’intégrité,
· L’usage des données par plusieurs utilisateurs ou applications,
· La sécurité des données en tenant à jour un historique de la base.
2.5.1.2. Les Systèmes d’Information à Référence Spatiale
Les Systèmes d’Information à Référence Spatiale (SIRS) et les Systèmes d’Information Géographique (SIG) sont à rapprocher du domaine des Nouvelles Technologies de l’Information (NTI) qui regroupent la télématique, l’informatique graphique, les Bases de Données, le Multimédia (Chevallier, 1993 ; Tufféry, 1997). Un SIRS est un ensemble puissant d’outils pour saisir, conserver, extraire, transformer et afficher les données spatiales décrivant le monde réel (Burrough, 1986, 1992 ; Goodchild, 1997 ; Openshaw, 1990).
Un SIG doit pouvoir organiser et structurer les informations que l'on a acquises et permettre leur interrogation (Laurini et Thompson, 1992). Il existe plusieurs possibilités, tant pour les informations graphiques que pour les informations non graphiques. Le principe d'organisation pour le stockage des données géographiques repose sur la distinction entre le raster et le vectoriel. Beaucoup de systèmes comportent ces deux modes de stockage.
Les données en mode raster sont organisées par adressage spatial, alors qu'en mode vectoriel, elles sont organisées par objet. Plus précisément, les modes de représentation et de gestion d'un plan en raster consistent à réunir les données dans un fichier matrice qui se compose d'une grande quantité de points ; à chacun d'eux on attribue un état qui correspond à un pourcentage de représentation. Par exemple, une parcelle sera représentée par un ensemble de points identiques.
Les données vectorielles correspondent à des données géométriques (lignes, arcs, cercles, polygones…) qui s'appuient sur des points connus (x, y). Ces données géométriques sont associées pour constituer des formes complexes qui sont des simplifications topographiques (maisons, parcelles...).
Le SIRS est donc l’un des outils privilégiés des recherches menées dans le domaine de l’environnement.
2.5.1.3. Les Systèmes Interactifs d’Aide à la Décision
Les Systèmes Interactifs d’Aide à la Décision (SIAD) sont apparus dans les années 1970 sous l’impulsion des décideurs des domaines économiques et financiers, en réaction aux systèmes de gestion traditionnels. Ils se sont enrichis depuis, des fonctionnalités offertes par les SIG. Ce nouveau type d’outils appelé Système d’Aide à la Décision à Référence Spatiale (SADRS) intègre quatre fonctionnalités essentielles (Guarniéri, 1994a, 1994b ; Guarniéri et al., 2001b) :
· L’analyse et la gestion de l’information spatiale,
· L’analyse et la gestion de l’information attributaire,
· La réalisation de simulations à l’aide de modèles numériques ou symboliques,
· Le dialogue avec l’utilisateur grâce à l’Interface Homme/Machine (IHM).
2.5.1.4. Les Systèmes à Base de Connaissances
Buisson (1990) définit le Système à Base de Connaissances (SBC) comme suit :
« Un Système à Base de Connaissances est une machine virtuelle composée d’une base de connaissance et d’un moteur d’inférence. La base de connaissance est, à un instant donné, un ensemble dont les éléments sont des unités de connaissances de l’univers du discours d’un individu qui sera appelé utilisateur. En exploitant les connaissances déjà présentes dans la base, le moteur d’inférence est capable de produire éventuellement de nouvelles unités de connaissance, donc de modifier la base. Il y a alors inférence ou raisonnement. »
2.5.2. Les Environnements de Résolution de Problèmes
La notion d’Environnement de Résolution de Problèmes est apparue dans les années 60. Cependant, beaucoup de recherches ont été abandonnées dans les années 70, à cause des insuffisances dans le domaine des infrastructures technologiques ne pouvant fournir la puissance de calcul nécessaire au bon fonctionnement de tels outils. Depuis les années 90, avec le développement massif des nouvelles technologies (en particulier dans le domaine de la puissance de calcul d’un ordinateur), ce concept a été repris et de nombreux ERP ont pu être développés et distribués (Gallopoulos et al., 1992).
Démarche de formalisation des connaissances et contribution du langage de modélisation UML
2.5.2.1. Définitions
On distingue généralement trois grandes familles d’ERP (Guarniéri, 1995) :
· Ceux destinés à l’ingénierie,
· Ceux destinés à la formation,
· Ceux destinés aux scientifiques.
2.5.2.1.1. Les ERP destinés à l’ingénierie
Dans le domaine de l'ingénierie citons deux exemples significatifs :
· L'un dans l’évaluation du risque feu de forêt, le système MERIS (Guarniéri,
1995),
· L'autre dans le domaine de l'analyse des sites d'avalanches à des fins de
prévention et de protection, le système ELSA (Buisson, 1990).
2.5.2.1.2. Les ERP destinés à la formation
La deuxième famille d'ERP traite des questions liées à la formation. Citons à titre d'exemple un prototype de tuteur intelligent dans le domaine de la lutte contre les incendies, le système NEWFIRE (Lovborg et Brehmer, 1991, 1992 ; Brehmer et al., 1992a, 1992b).
2.5.2.1.3. Les ERP destinés aux scientifiques
Les ERP destinés à des scientifiques ont une fonction d'aide à la modélisation. Citons à titre d'exemple les travaux de Rousseau (1988) et Chevenet (1994) qui proposent aux chercheurs en biométrie :
· Un poste de travail d'aide dans le calcul des solutions de systèmes d'équations
aux dérivées partielles,
· Un environnement coopératif pour l'analyse statistique en écologie.
Dans le domaine des feux de forêt, citons les travaux conduits dans le cadre du projet EFAISTOS (projet n° ENV4-CT96-0299) où un ERP pour l’aide à la simulation de la propagation d’un feu de forêt a été élaboré (Guarniéri et al., 1998). Dans le cadre de cette étude, nous retiendrons cette troisième famille d’ERP.
2.5.2.2. Un ERP pour les scientifiques dédié à l’aide à la modélisation
Les objectifs d'un ERP dédié à l’aide à la simulation sont d'accroître les potentialités des utilisateurs dans la réflexion, le raisonnement et la prise de décision au cours de leurs processus de résolution d'un problème. Ses principales caractéristiques sont les suivantes (Rousseau, 1988 ; Gallopoulos et al., 1992 ; Guarniéri et al., 1998) :
· Offrir une collection organisée de données (mesure de terrain, cartes, résultats
d’expérimentation...),
· Proposer une collection organisée de modèles (aussi appelée « système de
modèles »), de natures différentes mais néanmoins cohérents entre eux, utilisés dans un contexte particulier,
· Faciliter la confrontation théorie/expérience et ainsi participer au processus
complexe de validation d’un modèle.
L'ERP doit aussi être en mesure d'accueillir des informations de natures et de formats informatiques divers qui, si possible, ne remettent pas en cause sa structure. C'est bien là une tâche délicate.
Un ERP dédié à l’aide à la modélisation est généralement constitué de trois sous- systèmes spécialisés (Fig. 2.10) :
· Un système de gestion de bases de données, (les connaissances et mesures
acquises lors d’expérimentations),
· Un système de gestion de bases de modèles,
· Une Interface Homme-Machine (IHM) permettant de manipuler l’ERP.
Figure 2.10 : Représentation graphique d’un Environnement de Résolution de Problème
Base de Données Base de Modèles Système de gestion des Connaissances Système de gestion des Modèles I H M
Démarche de formalisation des connaissances et contribution du langage de modélisation UML