Que doit faire KM Approches et outils

1
Que doit faire KM ?Approches et outils

• Organiser et optimiser les sources des
  connaissances humains, documents, ordinateurs
• Faciliter la création des nouvelles connaissances
• Favoriser le partage
• Capitaliser
• mettre à jour les connaissances/expériences

2
Que doit faire KM ?
Optimiser le flux des connaissances

• Approche résolution de problèmes
• Modélisation des connaissances individuelles et
  collectives
• Choix doutils

Think different
3
Les approches et les techniques pour KMModéliser
les connaissances

• Il s agit de représenter les connaissances dans
  l ordinateur
• Modélisation conceptuelle
• Modélisation directe
• BD
• IA objets, règles, agents, réseaux sémantiques,
• MASK, SAGACE

4
Modéliser les connaissances

• KADS

buts
connaissance
perceptions
actions
5
Modéliser les connaissances

• KADS

Buts
Connaissances
S
Raisonnement
Domaine
perceptions
actions
6
Modéliser les connaissances

• Modéliser
• Objets du monde réel
• Définitions
• Concepts et relations entre concepts
• Stratégies
• Raisonnement
• Connaissances
• Formelles
• Vagues
• incertaines
• qui changent avec le temps

7
Modéliser les connaissances - apport de l IA

• Expressions mathématiques
• Arbres de décision
• Grammaires
• Réseaux sémantiques
• Scénarios, schémas
• Prototypes (Frames)
• Objets
• Règles de production
• Expressions logiques
• Taxonomies, ontologies
• Programmes ou procédures
• Contraintes
• Agents

8
Modéliser les connaissances - apport de l IA

• Logiques
• des proposition
• des prédicats
• des défauts
• non-monotones
• floues
• Temporelles

9
Modéliser les connaissances - apport de l IA-
langages

• LISP John McCarthy 56 MIT
• Les données en LISP
• Atomes ROSE, 426, UNE-ROSE-ROUGE
• Listes (4 2 6), (une rose rouge)
• Manipulation des objets LISP
• Constructeurs CONS
  (CONS 'A '(B C)) (A B C)
• Sélecteurs CAR CDR
  (CAR '(A B C)) A
  
  (CDR '(A B C)) (B C)
• Prédicats NULL, ATOM, EQ, SET

10
Modéliser les connaissances - apport de l IA-
langages Prolog Colmerauer 70 Marseille

• Objets et relations entre objets
• Permet de
• Déclarer des faits ou d'assertions sur des objets
  et leurs interactions
• canari (titi).
• pere (jean,leon).
• Définir des règles sur des objets et leurs
  interactions clauses
• oiseau (X) - animal (X), a(X, plumes).
• Poser des questions sur des objets et leurs
  interactions
  pere (jean,leon)?
  pere (jean,X)?

11
Que doit faire KM ? Faciliter la création et la
découverte des nouvelles connaissances

• Créer les conditions pour
• réseau apprenant/entreprise apprenante
• Wiki, internet/intranet/extranet, forums,
  e-learning
• Découverte
• Innovation collective
• Outils Raisonnement par analogie (à partir de
  cas), TechOptimiser

Apprendre à apprendre
12
Que doit faire KM ?Capitaliser quoi et pourquoi?

• Concevoir plus vite et mieux que la concurrence
• Intégrer le retour dexpérience dans le cycle de
  vie de produits et de services
• Exploiter les connaissances de clients, de
  partenaires, de sous-traitants (REX !)
• Tirer le meilleur parti de linformatique
  (assistant intelligent, extension de la
  connaissance de lhomme)
• Trouver des nouvelles opportunités
• Innover ensemble (avec les clients)

13
Que doit faire KM ?Capitaliser comment ?

• Transfert des connaissances tacites
• Apprentissage accompagné
• Prise de notes (Pasteur)
• réunions et partage
• BD
• flux  organisé

14
Que doit faire KM ?Capitaliser comment ?

• Etablir un langage commun
• Retour dexpérience individuel et collectif
• Innover avec les clients

15
Que doit faire KM ?Capitaliser comment ?

• Meilleure utilisation de linformatique
  ordinateur assistant intelligent
• approche connaissance (création, accès,
  exploitation)
• résolution de problèmes
• accès au contenu et son contexte (indexation sur
  les modèles de connaissance)
• recherche efficace
• logiciels intuitifs, interface adaptée
• découverte des connaissances dans les bd et dans
  les documents

Utilisateur !
16
Que doit faire KM ? Favoriser le partage

• Réseau local
• Intranet/Extranet
• Outils
• Notes (Lotus)
• Suite spot (Netscape)
• Live Link (Open Text)
• Sharepoint Portal (MS)

Apprendre à partager
17
Quelques techniques pour KM

• Systèmes experts
• Raisonnement à partir de cas
• Ontologies
• TLN
• Programmation par contraintes
• SMA
• Réseaux de neurones
• Algorithmes génétiques
• Capitalisation, Web sémantique, data text
  mining, stockage et recherche.
• www.afia-france.org

18
Quelques techniques pour KMSystème expert
Base de Connaissances Objets/Règles
développement
19
Quelques techniques pour KMSystème expert

• Modèlisation des connaissances
• Statiques objets regroupés dans les classes,
  relations entre objets
• Dynamiques raisonnement par règles

20
Quelques techniques pour KMSystème expert

• Les règles utilisent les objets pour raisonner
• Règles agissent sur la valeur des
  caractéristiques des objets
• Déduction (chaînage avant)
• Propagation (chaînage arrière)
• Le moteur d inférence démarre le système expert,
  pose des questions à l utilisateurs déclenche
  les règles qui s appliquent et donne le résultat
  à l utilisateur

21
Quelques techniques pour KMSystème expert

• traduire le savoir faire sous forme de règles
• Si le malade a la fièvre élevée Alors....
• Si le malade a des boutons rouges Alors..
• Un raisonnement complexe des règles qui
  senchaînent

22
Quelques techniques pour KMSystème expert
Base de Connaissances Objets/Règles/F
poser le problème
interface
Moteur dInférence
Base de Faits mémoire de travail
exploitation
résultats
23
Quelques techniques pour KMSystème expert

• Poser le problème
• Chercher les règles qui sappliquent
• Acquérir les données propres au problème
• question à lutilisateur
• capteur
• Enchaîner les règles pour construire un
  raisonnement complet
• Résultats

24
Quelques techniques pour KMSystème expert

• Environnement humain
• Environnement informatique

25
Quelques techniques pour KMSystème expert

• Si le problème est du niveau dun expert
• Si le problème est modélisable par règles
• Si lexpertise est loin du lieu de mise en uvre
• des utilisateurs (niveaux)
• Une méthodologie et un outil
• du temps et

26
Quelques techniques pour KM

• Graphe de cause à effets

27
Quelques techniques pour KMRaisonnement à partir
de cas (CBR)

• Principe
• Rechercher la solution d'un problème par analogie

28
Quelques techniques pour KMRaisonnement à partir
de cas
problème
nouveau cas
validation
4
1
bibliothèque de cas moteur analogie
3
2
cas similaire
29
Quelques techniques pour KMRaisonnement à partir
de cas
Apprentissage Automatique Induction (ID3)
SBC Simplifier la représentation de
connaissances
Outils CBR
Travaux de Roger Shank
CYRUS Janet Kolodner
Applications Help Desk
DARPA
CEE INRECA
30
Quelques techniques pour KMRaisonnement à partir
de cas (RPC)

• 3 approches
• Induction
• Analogie PPV
• Induction dynamique

31
Quelques techniques pour KMRPC un cas

32
Quelques techniques pour KMRPC induction

• génération automatique dun arbre de décision à
  partir dexemples (ID3 Quinlan 1976)

33
Quelques techniques pour KMRPC Induction Gain
dinformation

• Basé sur lentropie de Shannon
• p1 probabilité quun message soit vérifié
• p2 probabilité de non vérification
• Linformation contenue dans un message est
• M(c) -p1 log2(p1) - p2 log2(p2)
• Après un test A, linformation est
• B(C, A) S(prob. que la valeur de A Ai) x
  M(Ci)
• Gain dinformation M(C) - B(C, A)

34
Quelques techniques pour KMRPC analogie PPV

• ma voiture ne démarre pas, la réparer
• 3 cas retrouvés

35
Quelques techniques pour KMRPC analogie PPV

• structure de cas notre cas cas proche
• réparation ? recharger
• état de batterie HS HS
• lampes témoins ? faibles
• démarreur OK ?
• freins OK OK
• disques ? usés
• moteur OK OK
• ..

36
Quelques techniques pour KM Le Cycle du RPC
nouveau cas
recherche
base de cas
cas retrouvé
cas appris
connaissances sur le domaine
apprentissage
cas adapté
sélection
cas résolu
adaptation
37
Quelques techniques pour KM Cycle RPC Sélection

• Déterminer les cas les plus pertinents parmi les
  cas retrouvés
• méthodes pour ordonner les cas
• mesures de similitudes
• similitude guidée par un but
• similitude guidée par un modèle causal
• poids associés aux paramètres etc.

38
Quelques techniques pour KMCycle RPC Évaluation

• Tester si ladaptation est correcte
• vérifier les contraintes du domaine
• rechercher des contre-exemples (cas déchecs)
• simuler

39
Quelques techniques pour KM Cycle RPA
Apprentissage

• Se souvenir des solutions correctes et éviter de
  répéter des échecs
• Apprentissage par coeur des cas dans la base
• modification de poids
• généralisation par les explications (identifier
  les attributs pertinents pour lindexation)
• etc.

40
Quelques techniques pour KM INRECA - induction
dynamique
induction
CBR

• gain dinformation
• efficacité / vitesse
• connaissances additionnelles
• simulations what-if
• gestion de linconnu en consultation
• flexibilité
• incrémentalité

• similarité
• flexibilité
• confirmation réfutation
• appariement flou
• généralisation
• data mining
• efficacité pour de très grosses bases de cas

-
41
Quelques techniques pour KMAvantages

• Permet le transfert dexpertise
• Exploite pleinement l'expérience
• Construit l'expérience collective
• Enrichi le système automatiquement
• Permet des recherches floues
• Découvre des connaissances dans les bases de
  données (induction)

42
Quelques techniques pour KMQuand utiliser RPA ?

• Les spécialistes parlent de leur domaine en
  utilisant des exemples
• Quand des exemples (vécus ou théoriques) existent
  en nombre suffisant pour retrouver des événements
  similaires
• Quand la notion dévénement similaire est
  pertinente

43
Quelques techniques pour KMRPA Applications

• Moteurs davions
• Robots
• Créer les BD autrement
• Organiser et gérer le retour d expérience
• Association offre - demande
• e-commerce
• SAV
• recherche de compétences
• recherche de voyage, service, etc

44
Quelques techniques pour KMRPA Avantages

• technologie de capitalisation et de
  collectivisation des connaissances
• Analogie
• Modélisation simple, mise en uvre facile
• adaptation au niveau de l utilisateurs (expert
  et apprenant)
• mise à jour automatique
• pb connaissances contextuelles

45
Organisation et traitement du REXapproche
actuelle (données)

46
Organisation et traitement du REX Approche
actuelle

• recueil des données avec un seul point de vue
  (diagnostic, sûreté de fonctionnement,
  conception)
• création d une base de retour d expérience
  (base de données)
• validation experte de la base
• analyse statistique
• exploitation
• data mining (une sélection préalable de données
  pertinentes est nécessaire)

47
Organisation et traitement du REXApproche
connaissance

• Etat de lieu
• quels sont les métiers et les personnes qui
  créent le retour d expériences
• qui les exploite et pourquoi
• qui a besoin de quelles connaissances
• quelle est la nature des connaissances impliquées
• existe-il une base de donnée dédiée, si oui
  quelle est sa qualité par rapport aux besoins
  métiers

48
Organisation et traitement du REXApproche
connaissance

• Modélisation conceptuelle des connaissances
• prise en compte de l existant
• choix d outils en fonction de besoins
• création d une base d expérience ou
  amélioration de la base existante
• exploitation
• partage d expériences avec les acteurs concernés
• mise à jour et enrichissement de la base

49
Approche connaissance au retour
d expérience Aspects organisationnels
Bureau détudes
Clients
Hot-line - SAV
Distributeurs ou Agents
Techniciens sur le terrain
Base des faits techniques mémoire de
lexpérience en maintenance
Exploitation avec RPA
Formation
Mise à jour darbres de pannes
B.E. amélioration de la conception, dossiers de
demandes de modif.
Clients, distributeurs, agents, hot-line
fourniture doutils daide au diagnostic
50
Organisation et traitement du REXAssurances

• Objectif réduire le nombre d accidents (et les
  indemnités), sensibiliser les sociétaires afin
  d éviter les accidents graves
• Recensement de l existant
• métiers concernées gestionnaire de sinistres,
  gestionnaire de portefeuille clients, mais aussi
  les partenaires - la police, les autorités
  locales dans un premier temps, puis les
  constructeurs automobile
• deux bases de données séparées - une pour chaque
  métier,
• rapport de police pour les accidents à dommages
  corporels graves

51
Organisation et traitement du REXAssurances

• Contenu des bases
• base sinistres contient nom, adresse, compagnie
  d assurances, nature de sinistre, montant de
  l indemnités. Autres information du constat ne
  sont pas prises en compte, le constat n est pas
  pas numérisé.
• base portefeuille clients contient nom, adresse,
  historique client et le nombre d accidents dont
  accidents responsables

52
Organisation et traitement du REXAssurances

• Travail réalisé et en cours
• Analyse avec l approche connaissance,
  identification des acteurs concernés et leurs
  besoins en connaissances, identification des
  connaissances internes et externes.
• Preparation de fusion de deux bases, amélioration
  de contenu par rapport aux besoins, intégration
  des connaissances externes disponibles
• Choix des techniques pour le traitement et
  partage du retour d expérience et outil
  décisionnel

53
Ontologie des Usinages (arbre binaire)
54
Ontologie des Usinages (sous forme darbre N-aire)
55
Ontologie des Usinages (sous forme de Eye-Tree)
56
Ontologie des Usinages (sous forme de
 Touch-graph)
57
Ontologie des Usinages (sous forme de TreeView)
58
KM une recette

• Passion Vision
• Problème à résoudre ou idées -gt objectif commun
• Démarche volontaire et constitution CoP
• Mesures de bénéfices (matériel et immatérielles)
• Donner envie, animer,
• Convaincre hiérarchie
• Outils ?
• Langage commun
• Motiver, valoriser
• CONFIANCE

59
KM une recette

• Etendre la démarche aux autres domaines (Mc
  Kenna)
• Propager université pour apprendre en faisant
• Mais aussi leadership
• KM est multidisciplinaire

60
Construire un K-flux

• Analyse de besoins réels et découverte
• Connaissance du contexte et de la stratégie
• Analyse de l existant
• qui sait quoi?
• qui a besoin de quelles connaissances ?
• quelles sont les démarches/applications
  existantes ?
• Apprentissage de  réflexes 
• choix de lapproche (stratégique, applicative ou
  mixte)
• modélisation conceptuelle
• Choix des outils, implication des participants
• motivation, valorisation des participants

61
À prendre en compte

• Besoins spécifiques activité métiers
• RD
• Marketing
• Etudes,
• Fabrication,
• SAV, maintenance
• DRH, formation
• Finances
• Gestion, Logistique,
• Qualité
• Direction
• PI...

62
A prendre en compte

• Besoins transversaux
• gestion de documents
• gestion de projets
• gestion d idées
• REX
• veille, innovation
• formation permanente
• satisfaction de clients
• communication
• SUCCES