Représentation des ontologies

et l’ontologie de représentation (appelée computationnelle) servant de support à des inférences et codée avec le langage DefOnto [Kassel 00].

De l’ensemble des méthodes dédiées à la construction d’ontologies citées précédemment, nous pouvons déterminer une liste d’étapes, qui nous semble être commune pour la conception d’une ontologie :

• S’approprier le domaine de connaissances : Cette étape consiste à identifier les principales ressources d’expertise et d’informations d’un domaine pour décrire dans un langage commun l’ensemble des termes rencontrés ;

• Concevoir une structure conceptuelle : Cette seconde étape consiste à identifier les principaux concepts du domaine ainsi que leurs propriétés. Ce travail permet de spécifier les relations entre concepts ;

• Définir le niveau de détail : Cette étape consiste à ajouter des concepts, des relations et des instances pour définir le niveau de détail qui procurera la pertinence de l’ontologie ;

• Vérifier et contrôler la cohérence de l’ontologie : L’objectif de ce travail est de s’assurer de la pertinence de la structure de l’ontologie. Il faut corriger l’ensemble des erreurs syntaxiques, logiques ou sémantiques liées aux concepts. De nouveaux concepts peuvent être créés à ce niveau.

• Déployer l’ontologie : Après une vérification finale par les experts du domaine, l’ontologie est déployée dans l’environnement et peut faire l’objet de modifications par ajout de nouvelles relations selon les besoins des utilisateurs.

Le processus de construction d’une ontologie n’est pas linéaire, chaque étape peut être réalisée plusieurs fois selon les besoins et les incohérences identifiés.

5.2Représentation des ontologies

Plusieurs langages de représentation d’ontologies existent. Nous nous intéressons uniquement au langage OWL, et nous expliquerons pourquoi nous l’avons choisi pour notre implémentation. OWL (Web Ontology Language) constitue un standard de représentation d’ontologies développé par le W3C dans le cadre du Web Sémantique [Berners_Lee 01]. OWL est une sur-couche de RDF/RDFS, qui est lui-même une sur-couche de XML (cf. figure 1.7).

Dans ce contexte, OWL permet de définir :

• Une structure hiérarchique des classes, par le biais de relations de type is-a. Cette fonctionnalité, qui se retrouve dans la majorité des formalismes de représentation des connaissances, permet d’organiser les classes de manière arborescente ;

• Des propriétés, qui peuvent s’appliquer aux classes. Celles-ci peuvent pointer sur d’autres classes OWL ;

Chapitre 1 – Projets de conception de produit et gestion des connaissances métier

52

• Des contraintes concernant par exemple la cardinalité des relations ;

• Des relations logiques entre des classes, comme par exemple la disjonction entre deux classes ;

• Des méta-données, que l’on peut associer aux concepts. Il peut s’agir en particulier de labels (ce qui permet d’avoir le nom du concept en plusieurs langues) ou de commentaires (à des fins de documentation par exemple).

Fig 1.7 : Architecture du Web Sémantique

Afin de répondre à la grande diversité de besoins en termes de représentations d’ontologies, OWL a été décliné en trois sous-langages, d’expressivité croissante :

• OWL Lite : est utilisé pour des besoins ontologiques basiques. Par exemple, dans OWL Lite, on ne peut exprimer des relations de cardinalité qu’avec des valeurs égales à 0 ou 1. L’avantage est qu’il est plus facile d’implémenter le support d’OWL Lite que de ses variantes, OWL DL et OWL Full ;

• OWL DL : offre une expressivité largement plus importante que OWL Lite, tout en gardant des caractéristiques de complétude (toutes les conclusions peuvent être calculées) et de décidabilité (tous les calculs se terminent en un temps fini). Ce langage a cependant certaines restrictions (par exemple : une classe ne peut pas être une instance d’une autre classe) ;

• OWL Full : il s’agit de la version la plus complète d’OWL. Aucune restriction n’est imposée à l’utilisateur, mais en contrepartie, aucune garantie n’est fournie quant aux propriétés de calculabilité de l’ontologie ainsi créée.

Dans le cadre de nos travaux sur la gestion des connaissances lors des projets de conception nous sommes amenés à développer une ontologie de domaine pour la modélisation des connaissances métier. Nous avons choisi le formalisme OWL parce qu’il est maintenant le standard pour la représentation d’ontologies, ce qui fait qu’un grand nombre de ressources sont disponibles pour ce formalisme, qu’il s’agisse d’outils, de documentation, ou encore d’exemples dont nous pouvons nous inspirer.

Chapitre 1 – Projets de conception de produit et gestion des connaissances métier

53

6.Conclusion

Ce chapitre présente les projets de conception mécaniques et les modèles de processus utilisés pour les piloter. Les modèles séquentielles et simultanés soulignent les besoins de coopération et d’achange de connaissances dans les équipes pluridisciplinaires composant les projets de conception.

Le chapitre aborde le contexte de nos travaux de recherche à travers la nécessité de gérer les connaissances métier des acteurs pour améliorer la productivité en conception routinière et faciliter l’innovation par la collaboration entre les métiers. Cette réflexion nous a conduits à présenter les travaux en gestion des connaissances métier avec la description des approches fondées sur le développement de mémoires organisationnelles. Le chapitre se termine par la description des ontologies, outil utile à la modélisation et la représentation des connaissances métier.

Deux observations importantes nous semblent justifier l’utilisation d’une ontologie dans notre démarche : la nécessité de la réutilisation dans le domaine des systèmes de gestion des connaissances métier et la communication des différents composants (au sens large c'est-à-dire y compris les acteurs) de ces systèmes, illustrés par les travaux autour du Web Sémantique et des agents logiciels.

En effet, nous avons abordé les mémoires organisationnelles pour fournir une structuration et une indexation des connaissances métier, nous avons ensuite présenté les ontologies comme une approche possible pour la modélisation des connaissances. Cependant, nous n’avons pas encore introduit de voies de solution permettant d’orchestrer le passage des données aux connaissances ainsi que leur capitalisation, leur archivage et leur réutilisation. Les agents semblent posséder les propriétés adaptées pour aborder ce type d’activités. Nous présentons dans le prochain chapitre le paradigme agent.

55

Chapitre 2

Systèmes Multi-Agents et modèles organisationnels

L’environnement d’un système de gestion des connaissances est composé d’informations structurées, et non structurées comme les documents ou les données d’une base de données. Les connaissances métier définies dans le chapitre précédent, sont issues de ces informations et sont par nature hétérogènes et distribuées. Elles doivent être capitalisées, organisées et structurées afin que le système puisse aniticiper, s’adapter, et rechercher activement les moyens d’assister les acteurs métier. De plus, dans le cadre de la gestion des connaissances lors des projets de conception, le système doit assurer son processus de gestion des connaissances au « fil de l’eau » des projets tout en prenant en compte la dynamique sociale (rôles, groupe, etc.) des équipes projet. Les systèmes multi-agents sont constitués d’entités hétérogènes et distribuées possédant des propriétés telles que l’autonomie et la réactivité et capables de manipuler des informations de nature similaire. Ces systèmes sont adaptés à la gestion des connaissances dans les organisations

L’objectif de ce chapitre est de présenter le paradigme agent ainsi que l’approche organisationnelle utilisée dans les SMA. Nous terminons ce chapitre par une discussion sur l’intérêt des SMA pour les approches de gestion des connaissances en particulier pour l’approche sociale et coopérative.

Chapitre 2 : Systèmes Multi-Agents et modèles organisationnels

56

Sommaire

1.Introduction 57

2.Le paradigme agent 58

2.1 Qu'est-ce qu’un agent ? 58

2.2 Architecture interne d’un agent 59

2.3 L’environnement 60

2.4Les interactions 60

2.5 Des agents aux Systèmes Multi-Agents 61

3.Approche organisationnelle utilisée dans les SMA 62

3.3 La métaphore sociale 62

3.4 Le modèle organisationnel RIO 63