L’ingénierie des systèmes à base de connaissances vise à concevoir des systèmes qui permettent à leurs utilisateurs de mettre à jour, partager et exploiter des connaissances. L’élaboration d’un tel système doit passer par un processus d’identification, de capture, de structuration et de formalisation des connaissances [Bernard et al., 2009]. Dans cette section, nous nous intéressons aux approches proposées afin de capitaliser et préserver les connaissances de l’entreprise.
Ce tour d’horizon couvre :
• Les approches ascendantes : ce type d’approche s’appuie sur l’acquisition des nouvelles connais- sances par induction et en utilisant des techniques d’extraction des connaissances à l’instar de l’extraction des connaissances à partir de données (ECD) ou l’extraction des connaissances à partir des textes (ECT),
• Les approches descendantes : les approches descendantes se basent sur des modèles existants de la connaissance,
• Les approches coopératives : dans les approches coopératives, les connaissances sont structurées en se basant sur les interactions entre les individus.
On distingue plusieurs méthodes :
MASK : MASK (Methodology for Analyzing and Structuring Knowledge) est une méthodologie de
formalisation et structuration des connaissances conçue dans les travaux de [Ermine, 2003] et successeur de la méthode MKSM proposée par le même auteur. Elle repose sur une démarche systémique visant à affiner la formalisation des connaissances. MASK propose un ensemble de modèles compilés pour former un document de référence : le « livre des connaissances ».
MOKA : MOKA (Methodology and software tools Oriented to Knowledge Based engineering Ap-
3.5. MÉTHODES DE GESTION ET D’INGÉNIERIE DES CONNAISSANCES 31 méthode est répandue dans le domaine d’ingénierie à base de connaissances14. Elle est consti-
tuée de deux phases. La première phase, dite informelle, vise à capitaliser les connaissances à l’aide des représentations schématiques en diagrammes. La phase formelle consiste à structurer les connaissances identifiées au cours de la première étape avec un langage formel à travers l’ontologie ICARE [MML.Working.Group, 2000] qui été étendue dans le cadre des travaux de thèse de Ammar-Khodja [Ammar-Khodja, 2007].
KOD : La méthode KOD (Knowledge Oriented Design) repose sur trois modèles différents : le
modèle cognitif, pratique et informatique [Vogel, 1991]. Les deux premiers modèles sont bâtis en se basant sur un dictionnaire taxinomique construit à travers des entretiens avec des experts. Le modèle informatique prend en entrée ces deux modèles pour définir les composants d’un système à base de connaissances.
GAMETH : Initiée par [Grundstein, 2000], GAMETH (Global Analysis METHodology) induit une
démarche de capitalisation des connaissances sur trois étapes. La première étape consiste à déterminer et modéliser le périmètre d’intervention (les processus sensibles) en fonction de son importance pour l’entreprise. Dans la deuxième étape, les problèmes déterminants sont identifiés. Il s’agit de déterminer les contraintes et les dysfonctionnements qui peuvent influencer les processus sensibles. Après, la dernière étape vise à cerner les connaissances cruciales à capitaliser qui seront ensuite répertoriées [Pachulski et al., 2002].
CYGMA : CYGMA (CYcle de vie et Gestion des Métiers et des Applications) est une méthode de
recueil, de formalisation et de capitalisation des savoir-faire de conception. Les connaissances dans CYGMA sont extraites à partir des entretiens avec des experts et à partir de l’analyse de la documentation. Elles sont ensuite réparties entre quatre documents : le glossaire métier, le livret sémantique, le cahier de règles et le manuel opératoire [Dieng et al., 2001].
CommonKADS : De même que son antécédent KADS, la finalité de la méthode commonKADS
(Common Knowledge Acquisition and Design System) consiste à concevoir un système à base des connaissances [Schreiber et al., 1994]. Cette méthode se focalise sur l’aspect conceptuel et propose six modèles pour structurer les connaissances. Le processus d’élaboration d’un système à base de connaissances avec CommonKADS est un processus itératif de trois phases : la phase d’analyse permet de définir le modèle organisationnel, modèle d’agent, modèle des tâches, modèle de communication et modèle d’expertise. Dans la phase de conception, les deux modèles fonctionnel et physique sont établis. La phase finale concerne le prototypage du système à base de connaissances.
Un comparatif plus détaillé sur les modèles, les phases et les stratégies de capitalisation des connais- sances utilisées par ces méthodes (complété par d’autres méthodes) est représenté en annexe A.
La structure de connaissance que nous visons à concevoir est destinée à être implémentée sur un système à base de connaissances. Cette affirmation élimine donc les approches coopératives de gestion de connaissances ainsi que les méthodes qui ne sont pas conçues pour être implémentées sur un support informatique. Par suite, le positionnement de nos travaux par rapport à l’ensemble des méthodes s’intéresse plutôt à celles dont la finalité est destinée à concevoir un système à base de connaissances telles que CommonKADS et KOD vue le contexte du projet ARTUR.
Il est important de signaler qu’à travers ces méthodes, la connaissance, et généralement un système à base des connaissances, peut être modélisée de diverses manières répondant chacune à des différentes contraintes spécifiques : hétérogénéité des sources de connaissances, nécessité de prendre en compte une large masse d’informations, faciliter la mise à jour de connaissances, etc.
Toutefois, nous estimons que d’autres points doivent être pris en compte lors de la conception d’un système à base de connaissances dans un contexte « usine du futur » :
• considérer davantage l’aspect humain : il est fondamental de dire que l’être humain joue un rôle central dans la conception de systèmes à base de connaissances notamment dans le processus de formalisation des connaissances. Néanmoins, l’interprétation de la connaissance n’échappe pas à certains risques d’ambiguïtés. Cette ambiguïté peut être d’ordre cognitif relevant d’une difficulté d’appropriation de son « consommateur »,
• prendre en compte le « turn-over » de compétences et les approches innovantes de répartition des tâches et de gestion de ressources humaines.
• enfin, tenir compte de l’explosion de l’usage du numérique qui révolutionne les repères tradi- tionnels de conduite des tâches et qui ouvre des perspectives sur la manière de restituer les connaissances (réalité virtuelle, tablettes tactiles, montres connectées, etc.).