Ingénierie des connaissances

L'identification des connaissances consiste en l'identification des connaissances critiques pour une organisation.

Elle peut s'effectuer de manière individuelle sur base de questionnaires, d'interviews, etc., ou de manière collective en identifiant les départements, services, équipes.

La collecte peut consister en un transfert de connaissances ou en un partage de connaissances, le tout en structurant correctement l'information :

• Transfert de connaissances :
  • le tutorat ;
  • le parrainage.
• Partage de connaissances :
  • les communautés de pratique ;
  • l'intervision (partant d'un problème) ;
  • le focus groupe (petits groupes);
  • le retour d'expérience.

La structuration consiste à organiser les connaissances collectées en catégories, éventuellement en plusieurs niveaux hiérarchiques, pour en faciliter l'accès et la consultation. La structuration est une étape nécessaire pour pouvoir arriver à l'exploitation des données.

La collecte et la structuration des données sont bien distinctes dans l’approche de la gestion des connaissances. Néanmoins, la collecte et la structuration ne suffisent pas pour parler d’une approche complète de gestion de connaissances. En effet, cette approche ne s’achève que lorsqu'on pourrait utiliser les données collectées et stockées pour atteindre les objectifs de l’organisme concerné.

Ainsi, l’exploitation des données, connue aussi sous l’expression « Extraction des Connaissances à partir des Données » (ECD) (en anglais Knowledge Data Discovery, KDD) consiste à relier et à interpréter les faits pour en déduire des résultats et des conséquences utiles.

L’extraction des connaissances[1] à partir des données peut être réalisée suivant plusieurs méthodes, selon le domaine d’application et la nature des données brutes. Dans ce cadre, on distingue diverses méthodes :

L'exploration de données (aussi appelé fouille de données, forage de données ou encore datamining pour les anglophones), est la pratique (par des moyens automatiques ou semi-automatiques) de la recherche et de l'exploration de grands ensembles de données ayant pour résultat la découverte de motifs significatifs et de règles. Pour faire cela, le data mining utilise des techniques informatiques empruntées à la statistique, et la reconnaissance de motifs récurrents dans de grandes masses de données récolté par un système d'information. Les résultats des analyses Data Mining ont pour but de connaître le comportement d'un usager, inférer puis prévoir son comportement. Ainsi, ce sont les résultats du datamining qui génèrent de la connaissance pour l'organisation (Knowledge Discovery). En entreprise, le data mining s'utilise principalement en:

• Marketing: la connaissance du client, son comportement plus précisément est essentiel pour: mieux cibler les clients, les fidéliser, améliorer les forces de vente, améliorer la relation client.
• Gestion des risques: principalement dans le secteur bancaire et assurantiel. Il s'agit de connaître des clients ou partenaires à risque et mesurer ce risque. Cette information est indispensable pour la banque ou l'assurance car constitue le cœur de son métier.

L'intelligence artificielle peut se définir comme un traitement automatique des données basé sur des règles universelles pour la prise de décisions satisfaisantes au cas traité. Les méthodes d’ECD qui se basent sur l’intelligence artificielle ont évolué considérablement depuis l’apparition du web 2.0 et depuis le progrès de l’informatique notamment face à la multiplication des sources de données (Web, ERP, gestion de la relation client, etc.)

Les applications de l’ECD dépendent étroitement de la nature des données et des méthodes appliquées sur ces données. En effet, on distingue deux grandes familles d’application des données exploitées[2].

Elle consiste à exploiter les données pour la détection des fraudes afin de gérer et anticiper les risques et de définir des plans de maintenance préventive.

À travers l’orientation de l’exploitation des données vers l’amélioration de l’organisation, la redéfinition et optimisation des stratégies : exemple : l’étude du comportement des clients dans le marché pour la commercialisation d’un produit.

(temps...) L'information instantanée apporte une aide considérable à la prise de décision. Les outils collaboratifs proposent un partage transparent de l'information (au sein d'une communauté ou sans restriction).

La communauté scientifique internationale s’accorde pour identifier trois types de fraudes, connus sous l’acronyme FFP[3] :

• Fabrication : consistant à forger de toutes pièces les données d’une recherche.
• Falsification : altérer intentionnellement les données de façon à les rendre plus conformes aux hypothèses que le chercheur cherche à privilégier.
• Plagiat : cela consiste à utiliser, voire s’approprier, les travaux ou les idées d’un autre à son insu et sans le créditer correctement.