Le retour d'expérience, une gestion des connaissances centrée sur l'expérience projet a été d'étudier et de caractériser un processus de retour d'expérience
Previous PDF | Next PDF |
[PDF] JAPPRENDS À FAIRE LE COMPTE RENDU DUNE EXPÉRIENCE
Un compte rendu d'expérience est composé de parties qui correspondent aux étapes de la démarche expérimentale Les activités du Document 2 te permettent
[PDF] definir lexperience professionnelle
Définir l'expérience professionnelle Jean Vincens(*) Qu'est-ce que l'expérience professionnelle et quel rôle joue-t-elle réellement sur le marché du travail ?
[PDF] 1 - A quoi sert le retour dexpérience ? 2 - Qui doit le conduire ? 3
Le retour d'expérience est un élément de progrès indispen- sable à toute organisation Sa mise en œuvre doit être systé- matique après un exercice ou un
[PDF] Méthodologie de retour dexpérience - Ministère des Solidarités et
RETOUR D'EXPERIENCE N°1 Méthodologie de retour d'expérience pour les événements sanitaires ou à impact sanitaire mars 2007 Direction générale de la
[PDF] Guide méthodologique « La conduite du retour dexpérience
Pourquoi conduire des retours d'expérience ? Le retour d'expérience participe à l 'amélioration de l'efficacité de la prévention et de la maîtrise des risques ainsi
[PDF] Modélisation générique dun retour dexpérience cognitif - CORE
Le retour d'expérience, une gestion des connaissances centrée sur l'expérience projet a été d'étudier et de caractériser un processus de retour d'expérience
[PDF] Expriences historiques sur la digestion
A / Expérience historique de Réaumur: la transformation des aliments en nutriments Au XVIII e siècle, les scientifiques s'interrogent sur le mécanisme de la
[PDF] expérience aléatoire exemple
[PDF] expérience chocolat chimie
[PDF] experience d'anticipation definition
[PDF] experience de jj thomson
[PDF] experience facile a faire a l'ecole
[PDF] expérience immersive
[PDF] expérience professionnelle dauphine
[PDF] expérience scientifique amusante
[PDF] expérience scientifique incroyable
[PDF] expérience scientifique pour adolescent
[PDF] experience scientifique pour les primaires
[PDF] expérience scientifique sur les couleurs en maternelle
[PDF] expérimentations pédagogiques
[PDF] expert agréé auprès tribunaux
TTGGÈÈSSEE
En vue de l"obtention du
DDOOCCTTOORRAATTDDE
E LL UU NN II VV EE RR SS II TT DD EE TT OO UU L L OO UU SS EE D élivré par Institut National Polytechnique de ToulouseDiscipline ou spécialité :
Systèmes Industriels
Présentée et soutenue par Cédrick BELER
Le14 novembre 2008
Titre Modélisation générique d"un retour d&expérience cognitifApplication à la prévention des risques
JURY Jean-Pierre Bourey, Professeur des Universités, EC de Lille - Rapporteur Thierry Denoeux, Professeur des Universités, UT de Compiègne - Rapporteur Stéphane Ducasse, Directeur de Recherche, INRIA de Lille - Examinateur (Président du Jury) Bernard Comet, MEDES Toulouse, Responsable du projet SUP - Examinateur Laurent Geneste, Professeur des Universités, ENIT - Examinateur Xavier Desforges, Maître de Conférences, ENIT - ExaminateurEcole doctorale : Ecole Doctorale Systèmes
Unité de recherche : Laboratoire Génie de Production, ENI de TarbesDirecteur(s) de Thèse : Laurent Geneste
Rapporteurs : Jean-Pierre Bourey, Professeur des Universités, EC de Lille Thierry Denoeux, Professeur des Universités, UT de Compiègne Modélisation générique d"un retour d"expérience cognitif 1Remerciements!
Quand vous verrez la lumière au bout du tunnel, priez pour que ce ne soit pas le train (Daniel Lemire).
Je tiens tout d"abord à remercier mes encadrants de thèse sans qui rien n"aurait été possible : M.
Laurent Geneste, directeur de thèse et M. Xavier Desforges, encadrant de thèse. J"ai particulièrement
apprécié travailler avec eux, que ce soit pour leurs qualités humaines et scientifiques, leurs disponibilités
mais aussi et surtout pour bonne humeur permanente et ce, du début à la fin de la thèse. J"ai vraiment
énormément apprécié travailler et évoluer dans ces conditions. La thèse est avant tout un travail
personnel mais il est clair que sans eux, je n"aurai pu mener à terme ce travail de longue haleine. J"ai
aujourd"hui acquis confiance en mes capacités de chercheur et je leur en suis également très
reconnaissant.J"associe à ces remerciements, Daniel Noyes, directeur du Laboratoire Génie de Production (LGP) de
l"ENI de Tarbes (ENIT) qui m"a accueilli depuis le DEA en septembre 2003, ainsi que tous les membresdu laboratoire et de l"ENIT. La cordialité des échanges m"a permis de toujours me sentir à l"aise dans ce
cadre, ce qui indéniablement a joué dans mon intégration dans le milieu de la recherche. Je remercie
également Germain Lacoste, directeur de l"ENIT, qui m"a accepté dans son établissement. Merci aux
doctorants, compagnons d"infortune, avec qui nous partagions nos doutes, désillusions, frustrations
classiques de thésard. Merci plus particulièrement à Alex, Benoît, Eric, François, Paul, Raymond,
Roberta, Simon, Toufik, Valentin...
J"adresse également mes remerciements aux personnes qui ont accepté de participer à mon jury de
thèse : !M. Thierry Denoeux, professeur à l"Université Technologique de Compiègne et M. Jean-PierreBourey, professeur à l"Ecole Centrale de Lille, qui m"ont fait l"honneur d"être rapporteurs de ma
thèse,!M. Stéphane Ducasse, directeur de recherche à l"INRIA de Lille, pour avoir accepté de présider ce
jury,!M. Bernard Comet, médecin et directeur du MEDES à Toulouse et chef du projet du projet européen SUP, pour avoir accepté de participer à ce jury en tant qu"éxaminateur.
Je remercie aussi énormément la communauté des Smalltalkers, entre autre l"ESUG (Européean
Smalltlak User Group) et en particulier M. Noury Bouraqadi, M. Stéphane. Ducasse et M. Serge
Stinckwitch. Le LGP n"étant pas un laboratoire d"informatique, leur soutien m"a permi de ne jamais me
sentir isolé. Grace à eux, j"ai pu participer aux conférences ESUG et autres Smalltalk party francaise.
Cette communauté, bien que petite en nombre, regroupe des gens talentueux dont la disponibilité est
remarquable.De facon plus personnelle, je tiens à remercier M. Raymond Houé. Bien que supporter de l"OM, j"ai
beaucoup apprécié partager mon bureau avec Raymond. Nos discutions et débats, parfois houleux,
portaient aussi bien sur des problématiques scientifiques (en particulier sur la modélisation au sens
large) mais aussi sur des sujets de la vie de tous les jours. Je regrette juste qu"il ne m"ait pas accompagné
dans la découverte de Smalltalk ! Quoi qu"il en soit, je pense que nous constituions un centre de
ressources et de conseils apprécié dans le laboratoire, à savoir le CRCGCL (Centre de Ressources et de
Compétences Gadget et Conseils Logiciels) qui est en rapport avec toutes choses à la fois inutiles et donc
totalement indispensables de la vie de tous les jours ! A quand un tel axe dans le laboratoire... Modélisation générique d"un retour d"expérience cognitif 2A ces remerciements personnels, j"associe Agnès Letouzey, voisine de bureau qui a toujours été
présente pour m"accompagner dans les pauses café. Elle est d"ailleurs devenue la fournisseuse officielle
des pastilles dont je tairai la marque. Elle fut d"un soutien considérable pour juguler la mauvaise foi
inévitable du supporter marseillais précédemment cité ! Aussi, comment ne pas remercier Roberta
Affonso, doctorante et voisine du bureau dont le charme et la gentillesse m"ont accompagné depuis le
DEA jusqu"à la fin de la thèse. Nos commentaires sur NS sont des moments que je retiens parmi tant
d"autres. De même, je remercie M. Bernard Grabot, membre d"honneur du CRCGCL, à la fois pour sa
bonne humeur permanente et pour tous les échanges hors-cadre universitaire que nous avons pu avoir.
Je ne saurais terminer ces remerciements sans citer mes proches. Merci à tous de m"avoir soutenudurant ces longues années et surtout de ne jamais m"avoir reproché mon indisponibilité grandissante.
Un grand merci à ma famille, mes amis de Tarasteix et à toi Danielle pour m"avoir supporté (dans tous
les sens du terme)... Modélisation générique d"un retour d"expérience cognitif 3Table!des!matières!
Remerciements ...............................................................................................................
.................. 1 Table des matières ........................................................................ .................................................... 3 Introduction Générale........................................................................ .............................................. 5Chapitre I Le retour d"expérience, une gestion des connaissances centrée sur l"expérience 9
I.1. Gestion des Connaissances........................................................................ ....................10I.1.1. Connaissance et transmission du savoir................................................................................10
I.1.2. Outils et technologies de la connaissance..............................................................................13
I.1.3. Gestion incrémentale des connaissances...............................................................................16
I. 2. Retour d"expérience........................................................................ ................................18I.2.1. Origines et influences..............................................................................................................18
I.2.2. Terminologie et définitions ....................................................................................................19
I.2.3. Mise en oeuvre du retour d"expérience...................................................................................22
I.2.4. Les grandes classes du retour d"expérience............................................................................24
I.2.5. Architecture générique............................................................................................................26
I. 3.Chapitre II
Modélisation des expériences........................................................................
........33II.1. Représentation des connaissances........................................................................
........34II.1.1. Approches basées sur la logique.........................................................................................34
II.1.2. Approche basée sur les frames............................................................................................36
II.1.3. Approches hybrides de représentation des connaissances...............................................37
II.1.4. Représentation " orientée objet » des connaissances........................................................40
II.2. Modélisation de l"incertitude........................................................................
.................43II.2.1. Contexte de la représentation incertaine ..........................................................................43
II.2.2. Le modèle des croyances transférables..............................................................................48
II.3. Modèle hybride objet croyance de l"expérience.............................................................59
II.3.1. Un formalisme hybride objet incertain..............................................................................60
II.3.2. Formalisation du contexte..................................................................................................63
II.3.3. Formalisation de l"analyse..................................................................................................66
II .4. Synthèse........................................................................Chapitre III Exploitation, recherche et comparaison d"expériences........................................71
III.1. Du RàPC au retour d"expérience........................................................................
............71III.1.2. Le RàPC objet et flou...........................................................................................................74
III.1.3. Similarité, origine et calcul.................................................................................................75
III.2. Similarité attributs-valeurs et objet ........................................................................
......77III.2.1. Similarité attribut-valeurs uniforme..................................................................................77
III.2.2. Décomposition similarité locale/globale............................................................................78
III.2.3. Fonction d"agrégation et modèle de poids.........................................................................78
III.2.4. Mesure de similarité locale pour les attributs numériques...............................................80
III.2.5. Mesure de similarité locale pour les listes de valeurs........................................................81
III.2.6. Mesure de similarité locale pour les taxonomies...............................................................82
III.2.7. Mesure de la similarité entre objets...................................................................................83
III.3. Similarité des ensembles........................................................................
........................85III.3.1. Similarité ensembliste sans connaissance sur les éléments..............................................85
III.3.2. Similarité ensembliste avec connaissance sur les éléments..............................................86
III.3.3. Similarité d"attribut multi-valués.......................................................................................88
III.4. Similarité sur la base de représentations incertaines...................................................90
III.4.1. Similarité et théorie des possibilités..................................................................................90
Modélisation générique d"un retour d"expérience cognitif 4III.4.2. Similarité de fonctions de masses......................................................................................92
III.4.3. Similarité de distribution de croyance avec connaissance de similarité entre éléments.95
III.5. Evaluation de la similarité d"expériences......................................................................98
III.5.1. Agrégation de descripteurs simples ...................................................................................99
III.5.2. Généralisation par récursivité pour les descripteurs objet............................................ 103
III.5.3. Prise en compte des analyses........................................................................................... 105
III.6. Synthèse........................................................................
Chapitre IV
Extraction de connaissance Indication du risque...............................................111IV.1. Définition générale du risque ........................................................................
..............111IV.1.1. Formulation générale du risque ...................................................................................... 111
IV.1.2. Vision causes conséquences............................................................................................. 112
IV.1.3. Une modélisation imparfaite et subjective..................................................................... 112
IV.1.4. Les différentes classes de risques.................................................................................... 113
IV.2. Hiérarchisation du risque........................................................................
.....................113IV.2.1. Notion de gravité et pyramide des risques ..................................................................... 114
IV.2.2. Les référentiels de risque................................................................................................. 116
IV.2.3. Synthèse ........................................................................................................................... 118
IV.3 . Proposition d"une mesure du risque par retour d"expérience cognitif ......................119IV.3.1. Association entre expérience cognitive et risque ........................................................... 119
IV.3.2. Construction de la mesure............................................................................................... 121
IV.3.3. Algorithme d"extraction de la mesure du risque............................................................. 121
IV.4 . Synthèse........................................................................Chapitre V Application générique de retour d"expérience....................................................125
V.1.Une implémentation dirigée par le modèle de l"expérience.......................................125
V.2.Vue d"ensemble des applications de retour d"expérience...........................................128
V.2.1. Architecture client serveur web....................................................................................... 128
V.2.2. Persistance et traitement de l"information..................................................................... 130
V.2.3. Principe des applications et cas d"utilisation.................................................................. 130
V.3.Modélisation générique........................................................................
........................132V.3.1. Patterns ............................................................................................................................ 132
V.3.2. Framework........................................................................................................................ 135
V.3.3. Les approches Meta.......................................................................................................... 137
V.4.Modélisation et implémentation........................................................................
.........139V.4.1. Choix d"implémentation.................................................................................................. 139
V.4.2. Modèle applicatif du retour d"expérience ....................................................................... 145
V.5.Application à la sécurité en montagne ........................................................................
146V.5.1. Le projet SUP.................................................................................................................... 146
V.5.2. Application réalisée.......................................................................................................... 148
V.5.3. Synthèse sur le projet SUP............................................................................................... 151
Conclusion Générale........................................................................ .........153 Table des figures ........................................................................ Modélisation générique d"un retour d"expérience cognitif 5Introduction!Générale!
Depuis plusieurs années les entreprises sont incitées à mettre en place des démarches qualité afin de
mieux garantir la satisfaction de leurs clients. Dans ces démarches, l"objectif d"amélioration continue est
primordial et constitue d"ailleurs un aspect central de la famille de normes ISO 9000 maintenue parl"organisation ISO (International Organization for Standardization). Il se concentre sur l"amélioration
de la satisfaction du client au moyen d"améliorations incrémentales des produits, des services et des
processus. Une des sources d"amélioration réside dans la capacité, pour l"entreprise, à résoudre les
problèmes qui la touchent de manière structurée et systématique en organisant un processus de
résolution de problème . Ce processus est initié lorsqu"un événement négatif (c"est-à-dire ayant unimpact négatif sur le client ou sur l"entreprise) se produit. Il vise à analyser et résoudre le problème
courant (aspect curatif) et à en éviter une nouvelle occurrence (aspect préventif).Différents processus de résolution de problèmes standardisés ont été élaborés et sont implantés
dans les entreprises. L"un des plus connu est sans doute le processus Plan-Do-Check-Act (PDCA),
également connue sous le nom de " Roue de Deming ». D"autres méthodes sont également largement
utilisées comme : 8 Disciplines ou 8 Do (8D) également appelée TOPS (Team-Oriented Problem
Solving), Six Sigma ou DMAICS (Define, Measure, Analyze, Improve, Control and Standardize), 7-step...
Les activités principales dans ces processus sont : !la formation d"une équipe de résolution de problème, !la description et l"évaluation de la criticité de l"événement, !l"analyse de l"événement par des experts afin d"en rechercher les causes racines, !la validation de cette analyse par des actions appropriées, !la proposition d"une solution au problème et la mise en oeuvre de cette solution curative),!la suggestion d"actions pour éviter une nouvelle occurrence du problème (solution préventive,
leçons apprises, etc.).Les processus de résolution de problème sont, en général, assez lourds à mettre en oeuvre et ne sont
souvent déclenchés que pour la résolution de problèmes complexes (nécessitant un niveau d"expertise
élevé) et critiques (ayant un impact très négatif sur le client ou l"entreprise). Pourtant, l"un des défauts
majeurs de ces processus réside dans l"impossibilité, a priori, de réutiliser la connaissance engagée pour
la résolution d"un problème passé en particulier celle des experts en phase d"analyse. La capacité à
capitaliser et à réutiliser cette connaissance " en action » constitue ainsi un moyen puissant
d"optimisation du processus de résolution de problème. Nous qualifions d"expérience le fragment de
connaissances capitalisées lors du travail des experts pour la résolution d"un problème et de retour
d"expérience le processus qui permet d"organiser la capitalisation et l"exploitation de ces expériences.
Nous avons analysé la nature des informations produites lors de l"application des démarches
classiques de résolution de problème afin d"identifier les invariants et les aspects divergents. La
synthèse de cette analyse est représentée sur le schéma de laFigure Introduction. Nous pouvons
constater que toutes les méthodes font intervenir quatre grandes catégories d"informations : le
contexte, l"analyse, les solutions et les leçons apprises. Le contexte correspond à la description du
problème et consigne les informations sur le lieu et la date d"occurrence, sur le produit concerné, sur le
client, sur les observations de terrain... L"analyse intègre tous les éléments étudiés lors de la recherche
des causes racines : cette analyse peut être structurée, sous forme d"arbre des causes par exemple, et
peut impliquer des actions de validation des causes racines proposées par les experts. Les solutions
sont proposées au cours du processus de résolution de problème. La démarche 8D prévoit, par exemple,
la mise en place d"actions qualifiées de conservatoires permettant de limiter les conséquences du
problème et d"actions correctives permettant de corriger le problème. La rubrique leçons apprises
Modélisation générique d"un retour d"expérience cognitif 6correspond aux enseignements généraux tirés de l"expérience (et, le cas échéant, d"autres expériences
antérieures) sous la forme, par exemple, d"actions préventives permettant d"éviter une nouvelle
occurrence du problème. Figure Introduction - Correspondance entre méthodes de résolution de problèmes et retour d"expérienceLe retour d"expérience peut également être perçu comme un support de capitalisation et
d"exploitation de connaissances expertes et constitue ainsi une alternative pragmatique aux approches
basées sur une modélisation conceptuelle des connaissances (outils de type CommonKADS par exemple
(Schreiber et al., 1994) qui nécessitent de longues phases de modélisation, de mise en oeuvre et de suivi
des modèles de connaissances.En effet, la gestion des connaissances est aujourd"hui devenue une priorité pour les entreprises et les
organisations. Elle vise à éliciter le capital immatériel détenu par les différents acteurs en vue, d"une
part, de permettre une meilleure efficacité dans la réalisation des processus et, d"autre part, de faciliter
la transmission du savoir et de l"expertise des acteurs. Ces préoccupations sont aujourd"hui très
importantes dans un contexte continuellement changeant où le turn-over des acteurs est une réalité
omniprésente. Les approches conceptuelles et les outils classiques de gestion des connaissances sont
souvent assez lourds à mettre en oeuvre et, en particulier, ils demandent un investissement important.
Ce type d"approche est dit " descendant » car la connaissance est modélisée de manière générale puis
appliquée en contexte. Il existe aussi des approches plus pragmatiques, dites opérationnelles, dont
l"objectif est avant tout la collecte de l"information et non son traitement de manière automatisée par
un outil informatique (par exemple les approches de type gestion électronique de documents).
L"approche par retour d"expérience est située entre ces deux pratiques de gestion des connaissances. Il
s"agit selon nous d"une approche pragmatique et opérationnelle de gestion des connaissances qui vise à
collecter des les expériences, c"est-à-dire des fragments de connaissances, qui sont des représentations
structurées d"un événement ou d"un fait passé auxquelles sont associés des éléments d"analyse ou des
descriptions des solutions apportées. Le retour d"expérience peut être perçu comme une approche de
gestion des connaissances ascendante, partant d"une information factuelle structurée et analysée pour
aboutir à des connaissances plus générales qui pourront être réutilisées par la suite.
Toutefois, la mise en oeuvre d"un processus de retour d"expérience performant dans une entreprisenécessite une réflexion approfondie sur la manière de capitaliser les expériences et sur les moyens de les
réutiliser. Le premier point (capitalisation des expériences) pose le problème de la caractérisation de la
nature des informations contenues dans l"expérience (contexte, analyse des experts, solutions...) et de la
structuration de cette expérience. Le deuxième point pose le problème de la réinjection des expériences
et des connaissances capitalisées ainsi que de la définition d"outils adaptés. Modélisation générique d"un retour d"expérience cognitif 7Naturellement, cette problématique associée aux processus de retour d"expérience n"est pas limitée
au domaine de l"entreprise. En effet, nous devons en permanence résoudre des problèmes dans le cadre
de nos activités quotidiennes et la capacité à les résoudre de manière structurée, à partager la solution et
à anticiper le même type de problème facilite et sécurise la pratique de ces activités. Nous nous sommes
ainsi intéressés, dans le cadre du projet européen INTERREG IIIa SUP (Sécurité Urgence Pyrénées), à la
quotesdbs_dbs5.pdfusesText_10