Dominique Crié Revue française de gestion 5/2003 (no 146), p. 59-79.
URL : www.cairn.info/revue-francaise-de-gestion-2003-5-page-59.htm
. DOI : 10.3166/rfg.146.59-79.
ISSN 0338-4551Réalisé par :
Mahjoubi Hanene & Manel Benzarti
Master « Management des Organisations »
Plan
1. Présentation de l’article2. Problématique3. Définitions des concepts clés4. Les nouvelles logiques de gestion
des connaissances5. Apports et limites6. Que doit-on retenir?
2
1. Présentation de l’article
Nature de l’article:Population visée:Sources
d’informations:
Source de données:
3
L’état de l’art (Revue de la littérature)Les académiciens et les praticiens
Les conférences, les ouvrages et les revues
Secondaire, non empirique.
2. ProblématiqueLa croissance exponentielle de
l’information
4
• NTIC fournissent une masse très importante de données
• Présenter les nouvelles logiques de gestion des connaissances et leurs implications managériales
Un souci cognitive : Le défi est de donner un sens à toute l’information
3. Définitions des concepts clésL’extraction de connaissances
(EC)
5
L’extraction des connaissances à partir de textes
(ECT) ou Text Mining
(TM)
Web Mining
Multimedia- Mining
L’extraction des connaissances
à partir des données (ECD)
3. Définitions des concepts clés
« L’acquisition de connaissances nouvelles, intelligibles et potentiellement utiles à partir de faits cachés au sein de grandes quantités de données » (Fayyad et al.,1996)
6
L’extraction de connaissances à partir des données (ECD) :
Le Knowledge Discovery in Data-
bases (KDD)Intelligence artificielle
Le Data Mining(DM)Statisques
Fournir une aide décisionnelle au manager
3. Définitions des concepts clés
7
C’est un processus d’extraction des connaissances à partir des documents non structurés.
L’extraction des connaissances à partir de textes (ECT)
ou Text Mining (TM)
Web Mining
C’est le data mining appliqué aux données de navigation sur le web.
Source: zonecours.hec.ca/.../H2006-1-729907.401600H06_Seance14.ppt
Multimedia-Mining
C’est l’extraction des connaissances à partir des BDD multimédias.
ECT
ECD
Web Mining
Multimedia- mining
KM
4. Les nouvelles logiques de gestion des connaissances
8
ECD
9
Data X(html, xml, etc.)
Data Y(xls, doc, ppt, etc.)
Data Z(pdf, ps, etc.)
Data Warehouse
Data Mart
Structuration , normalisation des
données
Prétraitement(Données
manquantes)
Algorithmes
Arbres, inférences bayésiennes, réseaux
neurones, etc
Base de connaissance
s
Visualisation des données,
règles, modélisation
Structuration DW,Méta données
Systèmes experts
Sélection des données
Mots- clés
10
ECT
La recherche des d’informations spécifiques
(RI) ou recherche documentaire
L’extraction des connaissances à partir
des données (ECD)
Mots, concepts
Moteur de recherche
Moteur d’extractio
n
Documents
Documents
RI
ECD
Univers lexical non structuré
Réseau sémantique structuré
L’utilisateur est un « requêteur » de documents
L’utilisateur est un récepteur d’informations
ECT
Les techniques de Web Mining
1. L’analyse de contenu fait référence à la recherche automatique et à l’extraction de connaissances à partir du Web
2. L’analyse de l’usage du web s’attache à la découverte des schémas d’accès et de navigation des utilisateurs au sein des serveurs
11
Les aspects du KM
Aspects
12
organisationnels
humains
culturels
technologiques
- Il faut que les schémas organisationnel de l’entreprise soit propice à la création et au partage des connaissances - Il ne faut pas fixer les objectifs au préalable ou les fixer mais sans les transmettre aux employés. - Insister sur l’importance des métadonnées
- Le défi du KM s’attache, dans cet aspect, au recrutement, à la rétention et accroissement de la productivité des travailleurs clés du savoir pour implémenter le capital humain à moyen et long terme.- La connaissance nécessite l’intervention humaine le KM doit ériger l’individu au cœur du système
- Favoriser l’émergence d’une culture générale commune de la connaissance - Formaliser l’intelligence et l’expérience des individus pour rendre plus accessible l’information à la bonne personne au bon moment
Les enjeux du KM Augmenter la performance de l’entreprise
Anticiper le futur et de bénéficier d’une meilleure position concurrentielle
une meilleure place sur le marché
Eviter la perte des savoirs
13
Les freins au KM Difficultés d’assimiler et d’appréhender des
technologies lourdes à manipuler ou encore émergentes.
Absence de culture orientée connaissance (Source: D.W.Delong et L.Fahey « Diagnostic Cultural Barries to Knowledge
Management, Academy of Management Exécutive, vol .14, n°4, p113-127 ,2000)
Inadaptation de la structure aux flux informationnels
Partage et la localisation du pouvoir
14
Apports et limitesApports
15
Limites
- La présentation détaillée des différentes logiques de GC - La complémentarité des approches
- Absence des pistes de recherche
- Manque de précision du degré de maîtrise des ces nouveaux outils
Que doit-on retenir?
16
Stockage de connaissance
s(vous savez ce que
vous détenez)
Partage de connaissance
s(vous savez ce que vous n’avez pas)
Extraction de
connaissances
(vous ne savez pas ce que vous
détenez)
Fichiers
Gestion des
documents
Moteur de recherche traditionne
l
TM Web Minin
g
DM
Moteur d’extractio
n
17
Stock informationn
el
DW
IntranetsPortails d’entrepriseWorkflows, …
BICRM
Client
EntrepriseOrganisation
MarchéEnvironnement
KM
IE
TMWMMM
DMOLAP
Sources et moyens d’extraction des connaissances
18
MERCI POUR VOTRE ATTENTION