HAL Id: hal-01219569
https://hal.archives-ouvertes.fr/hal-01219569
Submitted on 19 Nov 2015
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Connaissances scientifiques et préoccupations industrielles Projet CANAL-Salve : notions d’assemblage de connaissances et de gestion de
connaissances
Catriona Raboutet, Mourad Zemmou, Benoit Le Blanc, Guy Della Valle, Amadou Ndiaye
To cite this version:
Catriona Raboutet, Mourad Zemmou, Benoit Le Blanc, Guy Della Valle, Amadou Ndiaye. Connais- sances scientifiques et préoccupations industrielles Projet CANAL-Salve : notions d’assemblage de connaissances et de gestion de connaissances. 11. Journées de Projectique, Oct 2005, Bidart, France.
�hal-01219569�
Les XI
èmesJournées de Projectique, Bidart - France.
Connaissances scientifiques et préoccupations industrielles Projet CANAL-Salve :
Notions d’assemblage de connaissances et de gestion de connaissances
C. Raboutet
ad, M. Zemmou
a, B. LeBlanc
b, G. Della Valle
c,A. Ndiaye
aa :
Institut National de Recherche Agronomique - UPR Mycologie et Sécurité des Aliments, Bordeaux
b :
Université BORDEAUX 2 - Institut de Cognitique, Bordeaux
c :
Institut National de Recherche Agronomique – UPR Biopolymères Interactions Assemblages, Nantes
d :
ADRIA Développements, Quimper
Résumé :
Nous appelons assemblage de connaissance le processus de gestion de connaissances suivant : i/ le recueil des connaissances dans un domaine bien défini, ii/ leur représentation avec identification des trous de connaissance à combler et iii/ la vérification expérimentale de la justesse de la représentation à l'aide d'un livre de connaissances ou d'un système expert. La conduite de l'assemblage de connaissances dans un domaine scientifique implique l'utilisation ou le développement de méthodes de recueil et de représentation adaptées. L'identification des trous de connaissance requiert une cartographie du domaine assemblé. Un domaine de connaissance rassemble en général différents niveaux de connaissance (savoir scientifique, savoir technologique et savoir tacite), dont il est important de rendre compte par un mode de représentation adapté.
Dans cet article nous présentons l'assemblage de connaissances sur la conception et le comportement des aliments solides alvéolaires à base de céréales. Trois travaux de thèse et un postdoctoral, en plus de celui qui est présenté ici, centrés sur la structure alvéolaire, ont été conduits sur les effets de la formulation sur son obtention par expansion et les propriétés sensorielles, son développement et son rôle sur les propriétés mécaniques, les transferts de matière et de chaleur en cours de cuisson et la modélisation numérique 3D de son développement.
Ces travaux, outre leur aspect scientifique, ont mis en œuvre des connaissances technologiques qui relèvent du savoir faire. La cartographie des connaissances du domaine, avec une localisation des travaux effectués, nous a permis de mettre en évidence les zones pouvant abriter des trous de connaissance. Ici le travail de recueil a été guidé par les modèles de la méthode de gestion des connaissances MASK. Il nous a été nécessaire d'étendre certains de ses modèles, trop orientés vers la capitalisation de savoir faire, aux types et natures des connaissances scientifiques. Nous avons pris en compte les niveaux scientifique et technologique du domaine des connaissances. Le niveau scientifique permet de représenter fidèlement la connaissance scientifique disponible, et le niveau technologique permet d'intégrer la connaissance relevant du savoir-faire. L'utilisation de graphes sémantiques nous a permis d'unifier les représentations des deux niveaux de connaissance. Un moteur de livre de connaissances orienté Web et basé sur les notions de navigation, mot-clé et ontologie (relations taxinomiques, méréologiques, fonctionnelles, …) a été développé sous MySQL. Il sera le principal outil de vérification de la justesse de la représentation de connaissance. Il sera aussi le principal support du transfert des connaissances scientifiques vers les praticiens. Le développement d'un système expert sur l'alvéolage est aussi en cours de développement pour assurer un autre aspect du transfert de connaissances basé sur l'aide à la décision.
Mots clés : connaissances scientifiques, pratiques industrielles, innovation, transfert de connaissances,
assemblage, gestion de connaissances
I- INTRODUCTION
Ce travail s’inscrit dans la problématique de l’innovation industrielle. Il s’intéresse aux modalités de transfert de connaissances nouvelles de la communauté scientifique vers la communauté industrielle.
L’illustration proposée porte sur la compréhension de la fabrication d’aliments à base de céréales, comme le pain, ou les céréales du petit déjeuner, et de leurs propriétés d’utilisation (fonctionnelles et sensorielles).
Dans ce domaine, les rapides changements technologiques ainsi que les exigences accrues et multiples des consommateurs forcent les industries à être de plus en plus compétitives. Pour maintenir leur niveau, ces dernières sont obligées de gérer trois contraintes principales: (i) la diversification des produits et leurs propriétés d’utilisation (création de nouveaux produits), (ii) le maintien du niveau de qualité des produits et (iii) la réduction des délais, et si possible des coûts de conception.
L’enrichissement du « capital connaissances » de ces entreprises est alors indispensable. Il leur permet d’élargir leur savoir et d'affiner leur savoir faire : les adapter, les faire évoluer et surtout se donner la possibilité d’en développer de nouveaux.
Pour anticiper et accompagner ces besoins, de nombreux travaux scientifiques sont menés. Certains sont issus des propres laboratoires de Recherche et de Développement des entreprises, d’autres des Centres Techniques, leur majorité provient des laboratoires de Recherches Publiques. Ces derniers ont pour objectif d’apporter des connaissances nouvelles et essentielles concernant les propriétés des produits et les procédés de fabrication.
Or, malgré l’importante quantité de résultats scientifiques publiés chaque année, peu sont véritablement exploités à court terme par le monde industriel. Quelles sont les limites de cette exploitation ? Comment peut-on favoriser cet enrichissement scientifique dans le « capital connaissances » d’une entreprise ?
Pour tenter d’apporter des éléments de réponse, le travail développé s’appuie sur les notions de représentation et de modélisation des connaissances : une meilleure adéquation du format des connaissances scientifiques au monde industriel devrait favoriser leur transfert, leur exploitation, et par conséquent leur participation dans l’activité de fabrication et dans la capacité d’innovation.
Pour ce faire, une méthode d’assemblage des connaissances scientifiques a été mise en place. Cette méthode a été développée dans le cadre d’un programme de recherche national multisites. Ce programme s’inscrit dans une action coordonnée par l’INRA (Institut National de Recherche Agronomique), intitulée : Conception Assistée de Nouveaux Aliments - Solides ALVEolaires (CANAL- Salve). Les aliments solides alvéolaires concernent tous les aliments à base de céréales, tels que le pain, les génoises, les biscottes, les biscuits apéritifs. Ce programme de recherche rassemble six laboratoires de recherches, quatre centres techniques et une dizaine de partenaires industriels. Il a donné lieu à trois travaux de thèse et deux études post-doctorales. Il comprend en tout une vingtaine de personnes actives. Le travail d’assemblage est une traduction de la préoccupation des acteurs à rendre accessibles et exploitables, par les industriels, les nouvelles connaissances scientifiques produites.
Dans cet article, nous exposons la méthode d’assemblage de connaissances scientifiques mise en place. Trois points sont présentés :
- Le premier comprend une présentation rapide du domaine de connaissances abordé dans le projet CANAL-Salve. Il souligne l’intérêt à utiliser les méthodes d’ingénierie de connaissances comme outil de représentation et de modélisation des connaissances scientifiques. Plus précisément, la méthode MASK est discutée en termes d’application et d’extension au domaine scientifique.
- Le second point expose la démarche mise en place pour effectuer le travail d’assemblage proprement dit. Trois étapes ont été définies. L’accent est mis sur l’importance des échanges avec les acteurs et sur la représentation graphique des connaissances traitées (Concept Map). Nous discutons de la pertinence de cette représentation en termes de traitement et de transfert des connaissances.
- Le troisième point porte sur les résultats obtenus dans le cadre du projet CANAL-Salve. Dans ce
contexte, nous abordons la construction de deux livrables d’aide à la décision des industriels : un livre de connaissances et un système expert.
I- PRÉSENTATION DU PROJET – UTILISATION MÉTHODE MASK I-1- Présentation du projet CANAL-Salve
CANAL-Salve est un projet de recherche sur quatre ans (2002-2005) en convention avec le Ministère de la Recherche et de la Technique. La dernière tranche de ce projet comporte une action d’assemblage de connaissances scientifiques, action débutée en janvier 2005.
Le terme d’assemblage a été choisi pour caractériser une démarche qui consiste à unifier, à un moment donné, les résultats de l’ensemble des travaux scientifiques. Le but de cette démarche est de consolider les informations scientifiques recueillies et d’en assurer une diffusion libre. Toutefois, il est important de noter que le travail d’assemblage proposé ne se limite pas à une simple juxtaposition des connaissances scientifiques. Il fait appel à un processus de confrontation, d’organisation et de représentation des connaissances.
Le programme CANAL-Salve porte sur la création d’aliments. Ces aliments sont des mousses solides, comprenant des bulles et des parois, appelées aussi structures alvéolaires. L’objectif principal du programme est d’apporter aux industriels des connaissances nouvelles dans le domaine de la fabrication des produits et de développer des outils prédictifs de leur structure et de leurs propriétés d’utilisation. L’intérêt scientifique porte sur l'étude des procédés de fabrication, la caractérisation de la structure alvéolaire, les propriétés des aliments et sur la mise en relation de tous les concepts évoqués (relations causales, relations taxinomiques, relations de dépendances, etc.).
Plusieurs équipes de recherche ont participé à ce programme. Elles sont toutes situées en France mais réparties sur plusieurs sites : Massy (91), Nantes (44), Rennes (35), Grenoble (38), Sophia-Antipolis (06), Bordeaux (33). Ces équipes se consacrent à des champs d’étude différents (science des aliments, science des matériaux, gestion de la connaissance), chacune développant des compétences variées (modélisation, expérimentation, traitement d’images, génie des procédés, caractérisation des produits, recueil et représentation de connaissances). La diversité des compétences montre la forte pluridisciplinarité du projet (Babin et al., 2004, Bikard, Lassoued et al., 2004, Wagner et al., 2004).
Les aliments dont il est question ici répondent tous à un suite d’étape de fabrication similaire. La figure 1 illustre les grandes lignes de la chaîne de fabrication Procédé / Produit d’un aliment solide alvéolaire par panification.
Figure 1 : Chaîne de fabrication Procédé / Produit d’un aliment solide alvéolaire par panification.
La figure 2 résume les objectifs, les approches et les méthodes des travaux scientifiques réalisés dans le projet CANAL-Salve et qui ont pour but d’apporter des connaissances nouvelles dans cette chaîne de fabrication.
Objectifs Champs d’étude Techniques
Thèse 1 Effet formulation sur la structure du produit cuit – Relations propriétés sensorielles
(Septembre 2002 / Décembre 2005)
- Science des aliments - Caractérisation structurale - Physico-chimie des biopolymères
- Analyses thermiques et rhéologiques - Imagerie et Analyse d’image 2D - Analyse sensorielle
Thèse 2 Transferts de matière et de chaleur en cours de cuisson
(Septembre 2002 / Novembre 2005)
Instrumentation - Génie des Procédés - Analyse des transferts
- Imagerie par Résonance Magnétique - Analyse d’image 2D
- Modélisation numérique 1D Thèse 3 Relations structure et propriétés
mécaniques – Etudes en cours de fermentation et de cuisson
(Septembre 2002 / Octobre 2005)
- Science des matériaux - Instrumentation - Mécanique
- Tomographie RX - Analyse d’image 3D - Modélisation numérique 3D
Post-doc 1 Développement d’un modèle numérique d’expansion des bulles (Janvier 2004 / Décembre 2004)
- Simulation et modélisation numérique
- Modélisation numérique 3D
Post-doc 2 Assemblage des connaissances (Janvier 2005 / Décembre 2005)
- Sciences cognitives - Ingénierie des connaissances - Intelligence artificielle
- Recueil des connaissances - Représentation des connaissances
Figure 2 : Objectifs, approches et méthodes des travaux scientifiques CANAL-Salve
Une analyse de la chaîne de fabrication et des travaux scientifiques conduit à considérer un certain nombre de contraintes et de ressources qui caractérisent le travail d’assemblage.
Parmi les contraintes, il est à noter :
- La spécificité des travaux : chaque travail étudie un ou plusieurs points précis de la chaîne de fabrication, mais aucun ne l’aborde dans sa totalité : les études portent sur un procédé particulier (formulation, fermentation, cuisson) et caractérisent le produit selon un aspect distinct (sa structure et/ou ses propriétés) à travers un point de vue précis (ex. mécanique, physico-chimie des biopolymères) ;
- Des méthodes et des techniques variées : les expérimentations réalisées font appel à des analyses physico-chimique de la matière, à la mécanique, aux techniques d’imagerie, à l’analyse d’images 2D, 3D, à la modélisation numérique 3D etc. Cette diversité implique que les différentes parties de la chaîne ne sont pas toutes abordées avec les mêmes points de vue. Une des distinctions les plus classiques porte sur les changements d’échelles macro et microscopiques effectués en terme d’observation et d’interprétation dans les divers travaux de recherche ;
- Le chevauchement des objectifs et la juxtaposition des méthodes et techniques : certains travaux abordent sous des angles différents les mêmes procédés ou la même caractérisation du produit. Un même objet de la chaîne peut donc être appréhendé par des points de vue différents ;
- L’aspect temporel : le calendrier des travaux contraint le travail d’assemblage à débuter sur des études déjà bien avancées mais non finalisées. Les connaissances sont donc encore en construction dans les premières phases d’asemblage. Ceci nécessite une flexibilité et une remise à jour constantes des connaissances traitées ;
- Enfin, il ne faut pas oublier la contrainte donnée au travail d’assemblage lui-même. Cette
contrainte se décline en trois points : (i) faire un bilan des connaissances scientifiques de la chaîne
de fabrication et noter les trous de connaissances, (ii) proposer une représentation cohérente de
connaissances scientifiques pluridisciplinaires. Cette représentation doit faciliter le transfert des
connaissances scientifiques vers des industriels et (iii) permettre la création d’outils informatisés
d’aide à la décision, destinés aux industriels, tel qu’un livre de connaissances et un système expert.
Parmi les ressources, il faut remarquer l’implication et la disponibilité des acteurs du projet. Cette disponibilité tient pour beaucoup du fait que la phase d’assemblage se réalise pendant le projet et non à son issue. L’assemblage intervenant dans la phase finale du projet, un ensemble de documents s’y rattachant a déjà été produit. Ces documents traitent des informations génériques du projet et des résultats scientifiques obtenus. Ces documents se présentent sous forme de communications orales et écrites, d’articles, de films, d’illustrations, de compte rendus de réunion etc.
I-2- Méthode d’ingénierie comme outil de représentation
Une analyse rapide des préoccupations scientifiques nous amène à considérer deux niveaux : un niveau fondamental et un niveau développement.
Le niveau fondamental a pour objectif la compréhension des mécanismes causals et l’explicitation des relations de dépendance (ex. taxinomie, méréologie, chronologie). Ce niveau tente de répondre à la question « Pourquoi » et correspondrait au savoir scientifique proprement dit. Par exemple, pourquoi la taille des alvéoles diminue t-elle au delà d’un certain taux d’incorporation de sucres ?
Le niveau développement a pour objectif la maîtrise de la mise en œuvre des mécanismes causals et des relations de dépendance. Il tente de répondre à la question « Comment ». Par exemple, comment obtenir un produit avec des propriétés recherchées à partir de conditions initiales données ?
Il y aurait donc, pour les connaissances scientifiques, deux niveau de considération : un niveau fondamental ou niveau de recherche, et un niveau pratique ou de développement. Notre objectif dans le travail d’assemblage des connaissances scientifiques, est d’utiliser des outils conceptuels de représentation de la connaissance qui permettent d’accéder au niveau développement. Nous avons donc choisi dans notre travail d’utiliser les méthodes de gestion et de capitalisation des connaissances destinées aux industriels, comme outil de représentation et de modélisation des connaissances scientifiques.
Ces méthodes de gestion et de capitalisation sont depuis plus de dix ans mises en avant dans les préoccupations économiques industrielles (Barthelme-Trapp & Vincent, 2001 ; Cuena & Molina, 2000 ; Dieng et al., 2000 ; Ermine et al., 1996 ; Ermine, 2000, 2003). L’idée est que le patrimoine de connaissances d’une entreprise est une valeur sûre pour son développement. On parle alors de
« capital connaissances ». Ces connaissances peuvent être de deux types : (i) connaissances explicites ou savoirs théoriques, qui porte sur les concepts du domaine et sur les connaissances disciplinaires/scientifiques des procédés, du matériel et du produit. Ce sont des connaissances capturées dans des bibliothèques, des archives ou des bases de données. Ces connaissances explicites permettent aux acteurs d’augmenter leur capital savoir ; (ii) les connaissances implicites ou tacites sont, par exemple, les modèles mentaux des acteurs (schémas, croyances) les aidant à percevoir et à organiser une situation. Ce sont aussi les savoir-faire de ces acteurs. Ces savoir-faire correspondent à un ensemble d’habilités développées par les acteurs eux-mêmes au cours du temps. Ils sont propres à un contexte et permettent de répondre implicitement à la question : comment faire pour obtenir tel ou tel produit, telle ou telle situation ? C’est une la notion d’expertise qui est mise en avant.
La capitalisation des connaissances d’une entreprise consiste donc à pérenniser ces connaissances explicites et implicites, à permettre leur transmission et leur croissance. Les méthodes de gestion et de capitalisation des connaissances ont pour objectif de capturer ces connaissances afin de faciliter leur accès, leur partage et leur réutilisation (Ermine 2003). Dans ce contexte, un certain nombre de méthodologies ont été proposées : REX, MASK, CYGMA, CommonKADS, ou encore KOD ; pour une revue détaillée voir (Dieng et al., 2000).
Dans le cadre du travail d’assemblage des connaissances scientifiques que nous proposons, nous avons
fait le choix d’utiliser la méthode MASK (Méthode d’Analyse et de Structuration des Konnaissances,
Ermine, 2002). Il est à noter qu’une première application de cette méthode (initialement baptisée
MKSM) a déjà été proposée dans le cadre d’une formalisation des connaissances d’un article
scientifique (Le Blanc & Claverie, 2000).
La méthode MASK a pour but de capturer les connaissances, explicites et implicites, des experts d’une entreprise. Elle fonctionne sur une base d’entretiens et d’analyses de documents et s’organise autour de la construction de sept modèles : modèle du système de référence, modèle des activités, modèle des phénomènes, modèle des concepts, modèle des tâches, modèle de l’historique et modèle des lignées.
Ces modèles sont décrits dans les paragraphes qui suivent. L’accent est mis sur leur utilisation dans le domaine scientifique et sur les extensions apportées. Des illustrations des modèles MASK et de leur utilisation dans le domaine scientifique sont proposées figures 3, 4, 5 et 6.
- Le modèle du système de référence est un modèle qui permet de repérer le patrimoine de connaissances que l’on désire capitaliser. Il délimite le champ des connaissances. Ce champ est appréhendé à travers un système de décision, un système d’information et un système opérant. La construction de ce modèle consiste à préciser les acteurs, les ressources et les flux (flux cognitifs et flux de compétences) impliqués dans le déroulement de l’activité de l’entreprise. Dans un projet de recherche scientifique multipartenaires, ce modèle revient à la représentation du protocole d’accord. Ce dernier mentionne les acteurs du projet, leurs statuts, leur participation, leurs objectifs de recherche, leurs méthodes, les ressources utilisées etc.
Entrées :
• E1
• E2
Acteurs/Rôles :
• A1
• A2
Activité décomposée Activité décomposée
Ressources :• R1
• R2
Connaissances : Savoirs:
• S1
• S2 Savoir-faire:
• SF1
• SF2 Savoir-être:
• SE1
• SE2
Acteurs/Rôles :
• A1
• A2
Activité non décomposée
Ressources :• R1
• R2
Connaissances : Savoirs:
• S1
• S2 Savoir-faire:
• SF1
• SF2 Savoir-être:
• SE1
• SE2 Entrées/Sorties :
• ES1
• ES2
Acteurs/Rôles :
Activité décomposée Activité décomposée
Ressources :Connaissances :
Sorties :
• S1
• S2 Commentaire
Entrées/Sorties :
• ES1
Connaissances scientifiques
Extensions
- Explicitation démarche scientifique;
- Distinction connaissances développement scientifique / connaissances enrichissement chaîne d’activité industrielle.
Entrées :
• E1
• E2
Acteurs/Rôles :
• A1
• A2
Activité décomposée Activité décomposée
Ressources :• R1
• R2
Connaissances : Savoirs:
• S1
• S2 Savoir-faire:
• SF1
• SF2 Savoir-être:
• SE1
• SE2
Acteurs/Rôles :
• A1
• A2
Activité non décomposée
Ressources :• R1
• R2
Connaissances : Savoirs:
• S1
• S2 Savoir-faire:
• SF1
• SF2 Savoir-être:
• SE1
• SE2 Entrées/Sorties :
• ES1
• ES2
Acteurs/Rôles :
Activité décomposée Activité décomposée
Ressources :Connaissances :
Sorties :
• S1
• S2 Commentaire
Entrées/Sorties :
• ES1
Connaissances scientifiques
Extensions
- Explicitation démarche scientifique;
- Distinction connaissances développement scientifique / connaissances enrichissement chaîne d’activité industrielle.
Figure 3 : Modèle d’activités de la méthode MASK.
Enrichissement des connaissances scientifiques dans le modèle (pointillés) et Extensions.
- Le modèle d’activités (Figure 3) permet de contextualiser les connaissances de l’entreprise. Il
cherche à replacer les connaissances dans le cadre d’une utilisation opérationnelle en proposant
une décomposition en grandes phases du métier. Dans le cadre de notre application, ces étapes
sont celles présentées dans la figure 1. Ce modèle MASK décrit pour chaque activité, ou sous
activité, ses entrées et ses sorties, les ressources nécessaires, les acteurs participant, leurs rôles
ainsi que l’ensemble des connaissances impliquées (savoirs, savoir-faire, savoir être). Son
utilisation au domaine scientifique s’avère très importante, mais elle nécessite plusieurs étapes. En
effet, ce type de modèle aboutit très vite à une modélisation des étapes de la démarche scientifique
(ex. problématique – cadre théorique – méthode – résultats). De plus, l’étude d’une activité
industrielle (c'est-à-dire d’un procédé) donne, du point de vue scientifique, plusieurs résultats : l’explicitation du produit entrant ou sortant comme c’est le cas pour les industriels, mais aussi la validation des méthodes, des considérations théoriques etc. Le travail de l’assembleur consiste donc à repérer et à expliciter les connaissances scientifiques qui sont axées sur un produit et non sur une démarche scientifique. En contrepartie, cette représentation des connaissances permet (i) aux scientifiques d’expliciter leur raisonnement et (ii) de distinguer les connaissances nécessaires au développement scientifique, des connaissances indispensables à l’enrichissement de la chaîne d’activité industrielle.
• Phénomène1
• Phénomène2 • Phénomène1
• Phénomène2 Flux :
• Flux1
• Flux2
Source Cible
Evénement déclencheur
:
• Ev1
• Ev2
Conséquence :
• Cons1
• Cons2
Caractéristiques du phénomène cible :
• Car1
• Car2 Caractéristiques du
phénomène source :
• Car1
• Car2
Caractéristiques du flux :
• Car1
• Car2
Caractéristiques du système cible :
• Car1
• Car2 Caractéristiques du
système source :
• Car1
• Car2
Champ d’influences
•
Paramètre d’influence1•
Paramètre d’influence2Système source Système cible
Connaissances scientifiques
• Phénomène1
• Phénomène2 • Phénomène1
• Phénomène2 Flux :
• Flux1
• Flux2
Source Cible
Evénement déclencheur
:
• Ev1
• Ev2
Conséquence :
• Cons1
• Cons2
Caractéristiques du phénomène cible :
• Car1
• Car2 Caractéristiques du
phénomène source :
• Car1
• Car2
Caractéristiques du flux :
• Car1
• Car2
Caractéristiques du système cible :
• Car1
• Car2 Caractéristiques du
système source :
• Car1
• Car2
Champ d’influences
•
Paramètre d’influence1•
Paramètre d’influence2Système source Système cible
Connaissances scientifiques
Figure 4 : Modèle des phénomènes de la méthode MASK.
Enrichissement des connaissances scientifiques dans le modèle (pointillés).
- Le modèle des phénomènes (Figure 4) a pour objectif de décrire les phénomènes discriminants dans la chaîne d’activité (ex. l’expansion des bulles dans le pain en cours de cuisson). Ces phénomènes sont plus ou moins connus et maîtrisés par les experts, afin de les déclencher, les optimiser ou de les inhiber. Ce modèle permet de préciser les propriétés, les ressources et les contraintes qui participent à la mise en oeuvre de ces phénomènes. Un des objectifs des travaux scientifiques (niveau de considération fondamental) est l’identification et l’explicitation des phénomènes (biologiques, physico-chimiques, psychologiques etc.). L’utilisation scientifique du modèle des phénomènes MASK s’avère donc extrêmement pertinente, puisqu’elle permet une structuration cohérente des connaissances scientifiques autour des phénomènes, devant être gérés par les experts des entreprises.
- Le modèle des concepts (Figure 5) donne une description sémantique des objets appartenant au domaine de connaissances de l’entreprise. C’est une structuration conceptuelle des connaissances d’un ou de plusieurs experts. Cette structuration est définie par une classification taxinomique
« est un », aboutissant à la définition de classes d’objets (ex. la génoise est-un solide alvéolaire, le
sucre est-un ingrédient). Une telle structuration est classique dans le domaine scientifique. La
définition est cependant plus précise. Elle met l’accent sur la détermination des concepts et des
sous concepts, et sur la valeur des liens. Plusieurs liens sont définis: les liens taxinomiques, mais
aussi les liens méréologiques rendant compte des relations « partie-tout » (« est-une-partie-de » ou
« est-un-sous-ensemble-de ») (Schultz & Hahn, 2005), les liens de causalité (« influence »,
« donne-de-l’information-sur »), chronologiques (ex. « antécédent-de »), de localisation (« se- situe »), fonctionnels (« sert-à », « a-pour-fonction-de ») etc. L’intégration de ces différentes relations constitue un enrichissement au modèle conceptuel MASK. En outre, de récents travaux ont montré que la définition précise de ces liens sémantiques conduit à l’explicitation de certains raisonnements indispensable dans la prise de décision (Ernst et al., 2005 ; Schultz & Hahn, 2005).
Par exemple, la relation « est-un » implique nécessairement une équivalence entre les concepts et un héritage de propriétés (Schulz & Hahn, 2005). De ce fait deux extensions du modèle conceptuel MASK sont possibles : (i) extension en tant que grille de lecture des relations sémantiques entre les concepts, et (ii) extension en tant que grille de lecture des raisonnements logiques associés aux relations. Toutefois, il est important de noter que l’utilisation de ce genre de représentation des connaissances dans le domaine scientifique implique une difficulté majeure qui est celle de l’explosion du nombre de concepts à manipuler.
Concept attribut 1 Concept
décomposé Concept décomposé
TYPE
Concept
concept attribut 2
- Valeur 1 - Valeur 2 - Valeur 3
Sous- concept 1
Concept
min-max min-max min-max min-max
Sous-concept 2 Sous-concept 3
Connaissances scientifiques
Valeurs des liens
Valeurs des liens
Valeurs des liens
Extensions
- Diversité des relations;
- Grille de lecture relations sémantiques des concepts / Grille de lecture résonnements logiques associés aux relations
Concept attribut 1 Concept
décomposé Concept décomposé
TYPE
Concept
concept attribut 2
- Valeur 1 - Valeur 2 - Valeur 3
Sous- concept 1
Concept
min-max min-max min-max min-max
Sous-concept 2 Sous-concept 3
Connaissances scientifiques
Valeurs des liens
Valeurs des liens
Valeurs des liens
Extensions
- Diversité des relations;
- Grille de lecture relations sémantiques des concepts / Grille de lecture résonnements logiques associés aux relations
Figure 5 : Modèle des concepts de la méthode MASK.
Enrichissement des connaissances scientifiques dans le modèle (pointillés) et Extensions.
- Le modèle de tâche (Figure 6) restitue les raisonnements des experts, leurs décisions et les actions induites dans leur travail. Il précise l’ordonnancement des tâches (en parallèle, en séquence, en répétition) et leurs conditions alternatives. L’utilisation de ce modèle dans le cadre scientifique conduit à une explicitation de la démarche scientifique et à son instrumentation. En d’autres termes, elle aboutit à l’explicitation du protocole expérimental et à sa mise en œuvre. La représentation scientifique du modèle de tâche est donc différente de celle issue des experts.
Toutefois, son utilisation est intéressante sur deux points de vue. Le premier est qu’elle permet
d’expliciter, pour des acteurs non scientifiques, les paramètres de contrôle à partir desquels ont été
construites les connaissances scientifiques. Cela peut jouer un rôle important notamment pour les
industriels, en ce qui concerne la prise en considération des connaissances scientifiques
pertinentes. Le second point est que la représentation scientifique du modèle de tâche offre une
explicitation des connaissances davantage centrée sur le « pourquoi » des actions et pas uniquement sur le « comment » effectuer ces actions. Elle offre ainsi une extension dans l’explication, et donc dans la maîtrise du savoir-faire industriel de l’expert.
- Les modèles historiques et de lignées sont des modèles qui ont pour objectif de rendre compte de l’évolution des connaissances dans le domaine industriel considéré. Le modèle historique porte plus spécifiquement sur les éléments du contexte qui expliquent cette évolution (ex. mise en place de nouvelles techniques), tandis que le modèle des lignées porte sur la description de l’évolution des connaissances en tant que telle. L’utilisation de ces modèles apparaît intéressante dans le cadre des connaissances scientifiques. Leur application n’a cependant pas encore été effectuée dans cette étude.
Tâche alternative
Condition1 Condition2
Tâche séquentielle
Tâche décomposée Tâche décomposée Tâche terminale
Tâche parallèle
- Objet1 - Objet2
Tâche terminale Tâche répétitive
Connaissances scientifiques Extensions
- Explicitation protocole de recherche;
- Représentation des tâche centrée sur le «Pourquoi »
Tâche alternativeCondition1 Condition2
Tâche séquentielle
Tâche décomposée Tâche décomposée Tâche terminale
Tâche parallèle
- Objet1 - Objet2
Tâche terminale Tâche répétitive
Connaissances scientifiques Extensions
- Explicitation protocole de recherche;
- Représentation des tâche centrée sur le «Pourquoi »
Figure 6 : Modèle des tâches de la méthode MASK.
Extensions par l’utilisation au domaine scientifique.
Pour résumer, l’utilisation d’une méthode de gestion et de capitalisation des connaissances comme outil de représentation des connaissances scientifiques s’avère pertinente puisqu’elle permet une structuration des connaissances scientifiques cohérente et adaptée à celle du savoir industriel. La mise en place d’une telle méthode d’assemblage des connaissances scientifiques est supposée favoriser le transfert des connaissances scientifiques vers le monde industriel. En contrepartie, les méthodes de gestion et de capitalisation des connaissances destinées aux industriels bénéficient d’extensions permettant une intégration plus facile des connaissances scientifiques nouvelles au domaine.
Ceci devrait ainsi participer à l’enrichissement du « capital connaissances » des entreprises et à l’augmenter de leur potentiel innovant.
II- DÉMARCHE D’ASSEMBLAGE
Pour que le travail d’assemblage de connaissances scientifiques soit correctement mené, il faut répondre à deux interrogations : (i) Quel est le domaine des connaissances à assembler? (ii) Quels sont la nature et les types des connaissances? Pour apporter des réponses à ces questions, la démarche mise en place doit aboutir à la réalisation d’une cartographie et une représentation des connaissances.
Pour ce faire, trois étapes d’analyse ont été définies: (i) le repérage et l’extraction des connaissances,
(ii) leur représentation et enfin (iii) la vérification de la justesse de la représentation et la validation du
travail d’assemblage. Toutes ces étapes reposent sur la participation des acteurs.
II-1- Etape 1 : Repérage et extraction des connaissances
Cette étape comprend des entretiens d’extraction, des ateliers et une analyse de documents scientifiques.
Au cours des entretiens d’extractions, les acteurs expliquent leur participation au projet et exposent leurs travaux scientifiques. L’objectif de ces entretiens est de repérer les connaissances et de les recueillir dans leur cadre scientifique. Ces entretiens sont individuels et sont non guidés (condition libre). Ils sont par la suite réitérés en condition semi-guidée. Cette seconde condition conduit le chercheur à éclaircir les points forts de son travail : expliciter sa démarche, préciser son choix méthodologique, décrire ses variables. Les connaissances repérées sont alors typées selon leur contenu : objectifs, méthodes, concepts, définitions, variables, mesures, raisonnements. Dans le cadre du projet CANAL-Salve, 21 personnes ont participé à ces entretiens (de 3h à 8h chacun, soit un total d’environ 115 heures d’entretiens). Parmi ces participants étaient comptabilisés 17 scientifiques (chercheurs, encadrants, doctorants, post-doctorants, collaborateurs techniques) et 4 industriels. La figure 7 illustre un extrait de typologie à partir d’entretiens.
…l’objectif était de faire le lien entre les éléments de la formule et la structure alvéolaire… la formule : fait référence uniquement à la composition (c.a.d. aux ingrédients de la pâte) tandis que la formulation fait référence à la composition mais aussi aux procédés
….Pour tenter de vérifier ces hypothèses, on utilise la thermo microscopie qui permet d’étudier l’évolution de la microstructure au cours de la cuisson, et l’analyse DMC qui est une analyse thermique qui permet de détecter la gélatinisation…..
… Et quels facteurs dans le pétrissage faut il contrôler ?
Le temps et l’intensité. Plus t’incorpore vite, plus tu vas introduire des petites bulles...
…Descripteur de la structure ?
Porosité c’est le volume de vide moyen, une distribution de taille est donc du nombre de bulles par volume…
…Le terme morphologie renvoie à quoi exactement ?
Morphologie c’est la description géométrique de la structure (la qualification géométrique de la structure). La morphologie de la mousse se sera s’il y a de grosses des petites bulles, etc.
…Et comment tu as fait ?
Je me suis dit qu’est ce qui m’intéresse dans la pâte ? ce sont les propriétés.Donc …
Objectifs
Méthodes, outils
Variables Relation
Concepts Variables
Concepts Définitions Concepts Définitions
Raisonnement
Figure 7 : Extraits de typologie à partir d’entretiens non guidés et semi-guidés.
L'organisation d'ateliers de travail en groupes, de cinq à six personnes, est essentielle pour l'harmonisation et la différenciation des connaissances recueillies. Pendant ces ateliers, nous nous attachons à faire émerger une cohésion globale des connaissances, issues des différentes approches et méthodes scientifiques. Ces ateliers sont d’autant plus importants que le projet est pluridisciplinaire.
Les acteurs sont amenés à réfléchir sur des points repérés essentiels ou critiques par l’assembleur lors des entretiens. Une restitution et une mise en commun des réflexions sont proposées à la fin de chaque atelier.
Dans le cadre du projet CANAL-Salve, ces ateliers ont été menés à l’occasion des réunions « bilan »,
fixées tous les trimestres et regroupant l’ensemble des acteurs scientifiques et industriels. Lors de ces
réunions, les acteurs scientifiques exposent, sous forme de présentations orales, l’avancement de leurs travaux. De cette façon, six ateliers ont été menés. Les deux premiers (ateliers 1 et 2) portaient sur la définition des objectifs du projet et sur la délimitation des travaux de recherche (objectifs, approches, méthodes). Les ateliers 3 et 4 étaient axés sur la construction de la chaîne d’activités de fabrication d’un solide alvéolaire. Ils ont servi à mettre en évidence la manière dont cette chaîne a été appréhendée dans le cadre du projet CANAL-Salve. Une typologie des connaissances apportées a ainsi été proposée. Les deux derniers ateliers ont servi à la consolidation de la représentation des connaissances. La figure 8 illustre, pour un procédé spécifique de la chaîne (la fermentation) un extrait de typologie des connaissances apportées.
FERMENTATION
compren d
Procédé Matière en transformation
décrit en
décrite en
Variables de
contrôle Variables
d’état Structure Propriétés
Pâte
Parois Bulles
Mécaniques Physiques décrites
en donne
Variables d’état
décrite en
distinguant
Chimiques
PÂTE FERMENTEE
subit
