Vous êtes sur la page 1sur 12

Ce court article rappelle brivement la problmatique de la capitalisation des connaissances, puis prsente quelques techniques informatiques dveloppes en intelligence

artificielle ncessaires pour la construction de systmes informatiss de capitalisation de connaissances. Il considre galement l'intrt de nouvelles approches comme l'utilisation dagents cognitifs.

1. Introduction En juin 1991 Stewart dans un article de Fortune soulevait le problme de la gestion des connaissances dans l'entreprise [Stewart, 91]. Dans cet article, certains dirigeants de grandes socits amricaines faisaient remarquer que les rsultats qu'ils obtenaient taient directement lis la faon de grer les connaissances de leur entreprise. L'article de Stewart a servi de rvlateur pour de nombreux dirigeants de grandes socits de par le monde. Le problme de la gestion des connaissances est toutefois difficile, car il fait intervenir des dimensions la fois humaines et techniques de manire trs imbrique, tout en laissant une place particulire aux systmes de traitement de l'information et aux techniques dveloppes en intelligence artificielle. Dans ce court article, je prsente tout d'abord succinctement les diffrents aspects de la connaissance dans l'entreprise, puis je rappelle l'objectif et la problmatique d'une bonne gestion des connaissances, avant d'aborder quelques aspects techniques lis l'informatique et l'intelligence artificielle. La plupart des rflexions qui sont rapportes ici proviennent des nombreuses discussions que nous avons eues au sein de IIIA et des recherches effectues dans le groupe "Systmes Interactifs de Connaissances" du laboratoire HEUDIASYC (UMR CNRS 6599). 2. les connaissances dans l'entreprise Le concept de connaissances dans un environnement aussi complexe que celui de l'entreprise n'est quelque chose ni d'intuitif ni d'immdiat. En effet, dans l'entreprise on trouve des connaissances partout et tous les niveaux. Un classement peut en tre fait selon plusieurs points de vues. On peut distinguer connaissances explicites et connaissances implicites (ou tacites) ; on peut dcouper les connaissances selon le type d'emploi, ou leur degr de maturit ; on peut aussi distinguer les connaissances en fonction de leur nature. Connaissances explicites, connaissances tacites La distinction entre connaissances explicites et connaissances tacites est importante, car, selon qu'elles sont explicites ou tacites, les connaissances ne pourront tre traites de la mme faon.

Les connaissances explicites sont celles qui sont dj exprimes et conserves sur un support quelconque. Elles comprennent les procdures, les plans, les modes d'emploi, les manuels d'entretien, les manuels de dpannage, les documents technico-commerciaux, les notes techniques, les bases de donnes, les systmes experts, les enregistrements audio, vido, les photos, les films, etc... On pourrait rajouter cela les documents commerciaux, financiers, ou comptables. Dans toutes les entreprises dpassant une certaine taille, ces documents sont trs volumineux, et les connaissances qu'ils contiennent ne sont pas toujours facilement accessibles. Les connaissances implicites ou tacites concernent les savoir faire non crits qui se transmettent de bouche oreille, et qui rsident dans la tte des employs. Souvent ces connaissances sont essentielles, ne serait-ce que pour pouvoir utiliser les connaissances explicites (par exemple, savoir o rechercher l'information pertinente dans la documentation). Les connaissances tacites ne sont pas toutes explicitables. Connaissances locales, connaissances produit, connaissances sur l'entreprise Si l'on considre maintenant l'entreprise comme un systme de production en la dcoupant en activits correspondant des lignes de produits, on peut distinguer plusieurs niveaux de connaissances : les connaissances locales, les connaissances lies un produit, les connaissances au niveau de l'entreprise. Les connaissances locales sont celles qui sont ncessaires un individu ou un groupe d'individus pour accomplir une tche prcise. Elles peuvent prendre par exemple la forme de procdures pour aider la conduite, ou d'un systme expert d'aide au diagnostic. Les connaissances lies un produit sont celles qui concernent ce produit tout au long de sa vie. Elles comprennent tous les documents associs au produit, tous les tours de mains qui ont t utiliss pour concevoir, fabriquer, vendre, maintenir, et ventuellement recycler le produit, et toutes les informations, souvent non crites, mais importantes pour le produit (dcisions de conception, raisons des modifications, erreurs et checs, ...). Ces informations sont ncessaires pour la mise en place par exemple d'une approche de type ingnierie concourante. Les connaissances sur l'entreprise sont plutt celles utilises par la direction. Elles concernent les aspects d'organisation globale des activits et la stratgie de l'entreprise. Il est important de raliser que ces diffrents types de connaissances ne sont pas de mme nature et que leur organisation ne fera pas appel aux mmes mthodes, ni aux mmes outils. Connaissances expertes, connaissances d'utilisation

On peut encore faire la diffrence entre les connaissances expertes et les connaissances d'utilisation comme l'a fait rcemment [de Azevedo 97]. Ces dernires sont plutt des connaissances sur les connaissances et correspondent la faon de se servir des connaissances techniques. Dans un systme interactif de connaissances, elles jouent un rle fondamental. Dimensions des connaissances Les connaissances ont plusieurs aspects. A IIIA nous avons l'habitude de distinguer les aspects conomique et financier, psychologique, socio-organisationnel, technique, et juridique. Il est difficile de partitionner les connaissances selon ces aspects. En pratique, on peut considrer chaque lment de connaissances selon un point de vue correspondant l'un de ces aspects, d'o le concept de dimensions des connaissances. Degr de maturit des connaissances Les connaissances ne sont pas des vrits ternelles. Elles se priment, et de ce fait peuvent avoir une importance plus ou moins grande en fonction du temps. La gestion des connaissances est donc un processus extrmement dynamique. Il ne faut pas confondre le degr de maturit des connaissances avec celui des outils et des mthodes permettant de les traiter. 3. Le problme de l'entreprise L'objectif de l'entreprise L'objectif des dirigeants d'entreprise est d'augmenter la productivit en amliorant l'organisation, et en particulier en diminuant le gaspillage par une rutilisation des savoirs et des savoir faire, et des comptences dveloppes au cours du temps. Un aspect important sera donc, en plus d'une bonne gestion du personnel, de mettre en place un systme permettant de fournir un individu l'information utile au moment o il en a besoin, dans les meilleurs dlais, et de faon exploitable. En pratique, cette approche doit aussi permettre de sauvegarder le patrimoine intellectuel de l'entreprise, encore appel capital immatriel ou avoirs intangibles. Mmoire, gestion des connaissances, capitalisation des connaissances A partir de l'objectif nonc ci-dessus, plusieurs propositions ont t faites : dvelopper une mmoire d'entreprise, grer les connaissances de l'entreprise, ou capitaliser les connaissances de l'entreprise. A IIIA nous prfrons parler de capitalisation de connaissances pour plusieurs raisons :

- le concept de mmoire d'entreprise tend caractriser un systme qui inclurait toutes les donnes concernant lentreprise, les archives, son pass technique, financier, lgal, donnant par l une image fidle de son histoire. Il est certes important de possder de bonnes archives, mais, d'une part il est impossible de tout archiver (et notamment les connaissances implicites), d'autre part, les connaissances utiles ne sont pas les connaissances historiques brutes, mais plutt la faon dont elles ont t utilises. - le concept de gestionou le managementdes connaissances implique une notion de connaissances vues comme une commodit dj clairement dfinie. On remarquera l aussi que, non seulement toutes les connaissances ne sont pas explicites, mais que mme lorsqu'elles le sont, leur utilisation ncessite parfois un savoir faire qui, lui, n'est pas explicite. Capitaliser les connaissances en revanche, implique que l'on constitue un capital qui sera ensuite valoris. Comme il est impossible de capitaliser toutes les connaissances de l'entreprise, on ne devra considrer que les connaissances qui seront juges stratgiques pour certaines activits ; ceci, la suite dune analyse stratgique. De plus, on devra s'efforcer d'associer dans les domaines choisis les connaissances implicites correspondant aux connaissances conserves, soit en les explicitant lorsque cela est possible, soit en conservant des spcialistes du domaine concern. Donc, si le rsultat peut tre considr comme faisant partie de la mmoire d'entreprise, il ne peut en constituer qu'une mmoire trs partielle et trs limite. Les diffrentes approches culturelles Il est important de noter que la faon de grer le patrimoine intellectuel de l'entreprise n'est pas universelle, mais dpend fortement de la culture du pays dans lequel fonctionne l'entreprise. Au Japon en particulier, les connaissances sont discutes de faon consensuelles et conserves collectivement par les employs, sous forme largement implicite. Aux tats-Unis, les connaissances appartiennent un couple individu/technologie, l'aspect technologique (informatique) tant une composante fondamentale de l'approche. Dans ces deux cas, la dmarche est oprationnelle. En Europe et en France en particulier, la situation est plus complexe, l'aspect technologique est moins important qu'aux tats-Unis, et la dmarche se situe encore souvent au niveau Recherche et Dveloppement. Critres de mesure du succs L'un des problmes que l'on rencontre est celui de la mesure effective du succs d'une capitalisation russie. En effet, il est difficile de trouver des critres permettant de chiffrer conomiquement les rsultats obtenus. Plusieurs auteurs tentent de rpondre cette question plus ou moins directement, en particulier par l'valuation partir du bilan et de la valeur boursire capitalise du montant du capital immatriel. D'autres essaient de quantifier l'avantage comptitif d'une entreprise dans son secteur d'activits (Stokke &

Bremdal 94). On peut alors dans ce dernier cas esprer en dduire des indications de faon diffrentielle par une valuation avant et aprs un processus de capitalisation. 4. Le processus de capitalisation des connaissances Le processus de capitalisation des connaissances dans l'entreprise peut tre illustr sur un schma dvelopp par IIIA sur une proposition de Michel Grundstein (Fig. 1).

Fig. 1 Processus de capitalisation des connaissances dans lentreprise Le processus de capitalisation comprend plusieurs tapes centres sur la notion de connaissances stratgiques : le reprage ou l'identification des sources de connaissances, leur formalisation, leur organisation et leur stockage, leur distribution, et leur maintenance. Pour chacune de ces tapes, il existe un certain nombre de mthodes, outils, produits informatiques ct ou en remplacement de techniques manuelles plus traditionnelles. Le processus de capitalisation des connaissances fait appel un dispositif technique qui utilise de nombreuses technologies. Nous ne considrerons ici que les technologies informatiques. Celles-ci vont intervenir dans la phase de prservation, pour modliser, formaliser et archiver les connaissances, dans la phase de valorisation pour mettre disposition les connaissances, et dans la phase d'actualisation pour assure la maintenance et l'enrichissement des connaissances capitalises. Les paragraphes suivants dcrivent certaines des techniques utilises lors de la construction d'un systme de capitalisation de connaissances. 5. Le support technique pour la construction de Systmes interactifs de connaissances

Il est clair que la capitalisation des connaissances ne peut tre ralise sans le concours de mthodes et techniques propres au traitement de l'information. On peut envisager d'aborder cet aspect selon deux points de vue diffrents : - en suivant le cycle du processus de capitalisation et en dterminant chaque tape les outils ou les techniques ou les mthodes ncessaires, en fonction des besoins et des contraintes du domaine, - en essayant de penser une architecture globale qui permette de raliser le cycle d'emble. Toutefois, si l'on adopte une approche ascendante, il faudra ncessairement arriver une intgration dans un systme plus global. Fonctionnalits ncessaires En suivant le processus de capitalisation tape par tape il est possible de dterminer les caractristiques des outils ncessaires pour accompagner la dmarche. Ces caractristiques fourniront les fonctionnalits d'un systme plus global. A l'tape de reprage de l'information, il s'agit de dterminer o se trouve ou qui possde l'information, dans le domaine qui a t reconnu comme critique pour l'entreprise. On utilisera cette tape des mthodes d'analyse comme celles proposes par Wiig (1994), Grundstein (1994) ou Brunet et Ermine (1994). A l'tape de prservation des connaissances, il s'agit, soit d'organiser ou de rorganiser des connaissances explicites, soit de formaliser des connaissances implicites qui ont t localises l'tape prcdente. De nombreuses solutions peuvent tre envisages dont le rsultat sera manuel ou informatis. Trois approches sont en gnral proposes : - une formalisation profonde des connaissances faisant appel des techniques de reprsentation des connaissances dveloppes en intelligence artificielle, - un stockage des informations brutes avec un traitement en texte intgral, - un stockage de documents primaires avec une indexation intermdiaire plus ou moins complexe. Il est vident que le choix de l'une ou l'autre solution n'est pas sans consquences sur la manire d'exploiter les connaissances ainsi prserves. De toutes faons, il faudra utiliser les produits classiques de type bases de donnes (relationnelles, objets, ou autres), bases de donnes techniques, systmes de GED (Gestion lectronique de Documents) pour conserver l'information correspondante.

A l'tape de valorisation, les modes d'accs aux connaissances auront t dfinis l'tape prcdente, mais la distribution se fera gnralement par des techniques de rseau (Intranet ou Internet). La prsentation des informations devra tre particulirement soigne (ergonomie des interfaces), car, de la qualit des interfaces dpendra l'utilisation effective du systme, comme d'ailleurs pour n'importe quel systme informatis. Enfin, la protection du caractre priv des connaissances devra tre galement prise en compte. A l'tape d'actualisation des connaissances, il s'agit de mettre jour, de complter et de maintenir le systme. Ceci pose un problme d'organisation plutt qu'un problme technique. Cette tape est en effet ncessaire, car si les connaissances ne sont pas mises jour, la dure de vie moyenne observe du systme correspondant dpasse rarement deux ans. Il faut noter que cette actualisation des connaissances est trs locale. Elle ne peut tre faite que par les personnes la source de l'information. Il faudra donc leur permettre de contrler le processus de mise jour dans leur domaine et selon leur point de vue particulier. Techniques et mthodes dveloppes en IA ct de techniques classiques lies au traitement de l'information comme l'utilisation de rseaux, de bases de donnes, de protocoles de communication divers et varis, la capitalisation des connaissances fait appel des techniques dveloppes en intelligence artificielle directement applicables la manipulation de connaissances. En effet, l'un des objectifs des recherches en intelligence artificielles tant de simuler le raisonnement humain, il est ncessaire de modliser les connaissances d'une faon utilisable par la machine. Plusieurs approches ont t proposes allant d'approches psychologiques des approches s'inspirant de la biologie. Aujourd'hui les techniques de modlisation des connaissances sont relativement bien matrises et ont t largement utilises pour le dveloppement de systmes experts. Parmi celles-ci, on trouve des techniques bases sur des reprsentations logiques, sur l'utilisation de rseaux smantiques, de rseaux de neurones artificiels, sur l'criture de rgles, ou encore des mlanges de ces diffrentes approches. Il existe sur le march des outils permettant de grer ces diffrents types de reprsentation de connaissances. Plus rcemment l'intrt pour l'tude des interactions entre agents intelligents a donn naissance une nouvelle branche appele intelligence artificielle distribue. Celle-ci s'intresse la construction de systmes d'agents artificiels en vue de la rsolution de problmes complexes. ce titre l'approche peut tre extrmement intressante pour construire des systmes de capitalisation de connaissances. Par ailleurs l'intelligence artificielle s'est beaucoup intresse aux problmes de traitement de la langue naturelle par exemple en vue d'extraire le sens d'un texte pour en expliquer son contenu. Ces techniques sont des composantes indispensables la constitution de systmes de capitalisation capables de distribuer et d'expliquer les connaissances qu'ils contiennent.

5. place de l'IA dans le cycle de connaissances Dans le dveloppement d'un systme informatis de capitalisation de connaissances, correspondant au cycle du processus de capitalisation (Fig. 1), le concepteur va devoir choisir une technique de reprsentation de connaissances. Il va avoir en gnral le choix entre quatre possibilits : - utiliser une modlisation profonde des connaissances, - structurer les connaissances, - indexer les connaissances, - ne rien faire du tout. Modlisation profonde des connaissances Ce cas correspond l'utilisation d'une des techniques de reprsentation explicite des connaissances dveloppes en intelligence artificielle, par exemple celle des rseaux smantiques. Une fois les connaissances reprsentes, l'intelligence artificielle fournit les outils pour les manipuler (faire des raisonnements), donc les transmettre et ventuellement les expliquer. Toutefois, le dveloppement de systmes experts a montr que la difficult ne rsidait pas dans la manipulation des connaissances une fois reprsentes, mais dans la construction du modle de connaissances travers des interactions avec les porteurs de cette connaissance. Ce processus, dit d'acquisition, est long et coteux, et l'on doit rester extrmement prudent avant d'entreprendre une modlisation profonde. Pour aider le concepteur, de nombreuses mthodes ont t dveloppes pour faciliter l'acquisition des connaissances. Structuration des connaissances Souvent il n'est pas ncessaire de raliser un modle conceptuel des connaissances et une structuration sous forme par exemple d'hyperdocuments suffit. Cette approche permet l'utilisateur de naviguer en suivant les liens entre les pages d'information. Marchand et Gurin ont apport rcemment des amliorations cette technique en introduisant le concept d'expertexte [Marchand et al 96]. Un expertexte est un hypertexte coupl un rseau neuronal capable d'apprendre la faon dont l'utilisateur travaille et de modifier l'hypertexte en consquence. Une autre technique de structuration des connaissances est l'utilisation de bases de cas [Kolodner 93]. Cette approche, trs utilise pour les "hotlines", consiste dcrire et structurer des informations dans une base de donnes dite base de cas. Pour que cette technique soit utilisable il est ncessaire de savoir dfinir une fonction de distance entre deux cas diffrents. L'utilisateur qui a un problme ou qui recherche une information se

contente alors de dcrire ce problme ou de donner des lments sur l'information recherche et le systme utilise la fonction de distance pour accder aux cas les plus voisins du cas dcrit. La plupart des produits commerciaux se contentent de cette approche. Les prototypes dvelopps en recherche vont plus loin en introduisant une phase d'adaptation, qui thoriquement permet d'extrapoler ou d'interpoler des solutions partir des cas rcuprs dans la base de cas. Indexation des connaissances Lorsque la quantit de documentation existante est importante, il serait illusoire de modliser ces connaissances de faon profonde ou mme d'essayer des les indexer. Dans ce cas, il est possible de recourir des techniques linguistico-statistiques de traitement direct du texte correspondant. Les techniques de traitement du langage naturel dveloppes en intelligence artificielle sont extrmement complexes. Elles permettent en particulier de rsumer automatiquement des textes [Plans & Trigano 93], ou de produire des explications. Toutefois, dans une approche dite "full text" l'on utilise plutt des traitements statistiques associs des rgles heuristiques et un complment manuel. Ceci permet de trs rapidement retrouver les passages intressants dans un document volumineux, et ventuellement de produire un graphe des concepts les plus importants. Ce genre d'approche est actuellement dveloppe pour accder aux informations disponibles sur le Web. Cas dsesprs Quelquefois malheureusement il n'est pas possible d'utiliser les techniques prcdentes, soit parce que le porteur des connaissances est incapable de les expliquer convenablement, soit parce que le cot d'une telle dmarche serait prohibitif. La seule solution qui reste alors est d'intgrer le porteur de connaissances dans le systme de capitalisation. Le rsultat est donc un systme hybride incluant des parties automatiques et des acteurs humains. Pour pouvoir raliser cette intgration, il est alors essentiel d'utiliser les techniques permettant de dvelopper des interfaces homme/machine. Ces techniques peuvent se rvler d'une grande complexit. 6. systmes de capitalisation de connaissances A partir des remarques dveloppes prcdemment il est facile de se rendre compte que le dveloppement d'un systme de capitalisation de connaissances n'est pas une chose facile. Il faut en effet combiner des aspects techniques, des aspects humains, et des aspects d'organisation. Le dveloppement d'un systme de capitalisation des connaissances doit tre envisag au niveau de l'entreprise. Toutefois, notre avis, il ne peut tre spcifi compltement globalement, cause de la complexit de l'organisation et de son aspect dynamique rapide. Par ailleurs, les contraintes pesant sur un systme de capitalisation sont fortes, car il faut prendre en compte les systmes d'information existants, qu'ils soient des bases de donnes, des systmes de CAO, des systmes de

GED, ou d'autres systmes plus ou moins informatiss. Il est donc peu vraisemblable qu'un systme de capitalisation des connaissances se dveloppe de faon monolithique centralise. Il s'agira plutt d'une intgration de diffrents lments htroclites, qui, ensemble, et en relation avec les acteurs humains constitueront le systme final. A un niveau plus local il existe dj un certain nombre de techniques, voire des produits, qui permettent de rsoudre une partie du problme. Des mthodes du type Information Mapping™, drives de la notion de "chunking" bien connue en intelligence artificielle, permettent d'organiser et de prsenter l'information sous forme de granules relis par des "cartes" (rseaux smantiques). Des produits comme REX™ utilisent ce genre d'approche pour proposer une offre informatise complte, mise en uvre par exemple dans le cadre de la capitalisation des connaissances concernant les racteurs nuclaires. Des projets comme DIADEME [Ballay 93] intgrant plusieurs facettes lies la documentation technique [Poitou 95], ont prouv leur intrt. A plus long terme, les approches utilisant des agents semblent les plus intressantes et me paraissent mriter un petit dveloppement particulier. 7. les techniques fondes sur les agents Les progrs rcents des recherches dans le domaine de l'intelligence artificielle distribue ont fait merger le concept d'agent. Les agents ont un potentiel apparemment suffisant pour rsoudre une partie des difficults rencontres pour la capitalisation des connaissances. On trouvera plus de dtails dans [Vandenberghe & de Azevedo, 95]. Qu'est-ce qu'un agent ? Un agent est un programme autonome qui peut communiquer avec un utilisateur humain et s'intgrer dans un systme comprenant d'autres agents distribus par exemple sur des machines connectes par un rseau de tlcommunications. Ce programme comprend essentiellement quatre parties : un sous-systme de communication, lui permettant d'changer des messages avec l'extrieur ; une partie contenant son expertise ou ses connaissances ; une partie contenant un modle des autres agents (humains ou automatiques) avec lesquels il peut communiquer ; une partie comprenant des modles des tches qu'il est en train de rsoudre. Il peut exister une cinquime partie qui contient un modle interne de l'agent, en particulier de ses intentions. Toutefois nous ne considrerons pas cette partie ici. Un agent aussi complexe est dit cognitif. Il communique avec l'extrieur de faon asynchrone. Il existe des agents plus simples, qui rpondent des sollicitations extrieures selon un protocole fig. Ces derniers sont dits ractifs, et recouvrent d'ailleurs la notion de service telle qu'on peut la rencontrer dans une architecture classique de type client/serveur. Intrt d'un agent pour la capitalisation des connaissances

Un agent cognitif est un bon candidat pour recevoir des connaissances. En effet, on peut le spcialiser, c'est--dire lui donner des connaissances dans un domaine restreint, ce qui permet de limiter sa complexit, et, ainsi, de le dvelopper plus facilement. Un agent peut par ailleurs tre associ un spcialiste particulier qui sera charg de valider et de maintenir ses connaissances. L encore, la complexit limite de l'agent permettra de raliser ces fonctions facilement. Un agent pouvant communiquer avec l'extrieur sera donc capable de fournir des informations ou des connaissances d'autres agents ou des utilisateurs humains du systme. Il peut avoir en particulier accs Internet pour aller y rechercher certaines informations. Enfin, il est possible aujourd'hui de dvelopper un systme modulaire o l'on introduit des agents au fur et mesure des besoins, ou en fonction de l'volution de la technologie, sans avoir interrompre son fonctionnement. Mais un agent est encore plus intressant par son comportement quand il cesse d'tre un esclave pour devenir actif (rappelons-nous qu'un tel agent est dit cognitif). Dans ce cas, on peut lui indiquer le genre de tche que l'on est en train d'excuter. L'agent, ayant un modle de la tche rsoudre et une mmoire des tches prcdemment rsolues, peut alors devenir un assistant, auteur de propositions ou critique des choix envisags. C'est ce comportement d'assistant qui fait tout l'intrt d'un agent cognitif. Difficults rencontres pour raliser des systmes d'agents S'il est si intressant d'organiser les connaissances en les confiant un systme d'agents, on pourrait alors se demander pourquoi ceci n'est pas encore mis en pratique. Plusieurs problmes restent encore rsoudre. En effet, en dveloppant des agents (modules autonomes) on a simplifi le problme de gestion des connaissances en restreignant le champ des connaissances d'un agent un domaine bien particulier, ce qui permet de matriser le dveloppement de sa base de connaissances. En fait, on a report une partie du problme sur les communications entre agents. En effet, un raisonnement un peu complexe va demander la coopration de plusieurs agents, ce qui implique que ces agents doivent se comprendre et ne peuvent tre dvelopps n'importe comment. Il est ncessaire de les doter de concepts comprhensibles, dans un systme de concepts ouvert (en effet de nouveaux agents avec de nouvelles connaissances peuvent arriver tout moment). Pour un domaine d'application donn, il est donc ncessaire de crer des modles de concepts permettant de modliser ce domaine. De tels systmes de concepts sont appels des ontologies et sont difficiles dvelopper. Une autre difficult est qu'il n'existe pas encore de plate-forme commerciale de dveloppement de systmes multiagents permettant de crer facilement un systme de capitalisation de connaissances. A l'UTC plusieurs projets ont t lancs dans ce domaine. L'un d'entre eux, MEMOLAB, a pour objectif d'essayer de capitaliser les connaissances d'un laboratoire de recherche [de Azevedo et al 95]. tat de l'offre "agents" Les travaux sur les agents commencent donner des rsultats, sous forme de produits drivs de projets europens comme ARCHON, ou sous forme de prototypes de

recherches servant de plates-formes d'exprimentation comme OSACA dvelopp l'UTC [Scalabrin & Barths 93]. Diffrence entre agents et objets Il ne faut pas confondre une approche de type agents, qui concerne l'organisationl'architecture d'un systme, avec l'utilisation d'une technologie objet qui n'est qu'une des faons de raliser en pratique l'architecture. Un agent peut tre programm selon une approche objet ou non. 8. Difficults Le lecteur l'aura compris, le dveloppement d'un systme informatique de capitalisation de connaissances est une tche extrmement complexe, impliquant un nombre important de techniques qu'il faudra intgrer. Parmi les difficults il faut citer celle qui consiste faire cohabiter des approches de reprsentation de connaissances diffrentes (modlisation profonde, structuration, indexation). Toutes ces reprsentations sont ncessaires, ce qui conduit naturellement se poser des problmes de cohrence globale et d'interaction entre ces diffrents connaissances. Un autre point crucial est l'intgration de l'lment humain dans le systme soit en tant qu'utilisateur, soit en tant que fournisseur d'information. La forte interactivit inhrente au systme ncessite la mise en uvre de techniques dlicates. Enfin, un systme de capitalisation doit tre constamment mis jour. Cet aspect maintenance est actuellement mal matris. Il touche l'organisation de l'entreprise, et fait appel d'autres techniques informatiques complexes. 9. Conclusion L'exprience acquise dans le domaine de la capitalisation des connaissances me conduit recommander une approche prudente. L'entreprise qui souhaite capitaliser des connaissances dans un domaine particulier devrait le faire de faon locale afin de minimiser la complexit du problme traiter, tout en conservant une vision globale au niveau de l'entreprise pour faciliter les problmes d'intgration ultrieurs. Les techniques informatiques ncessaires sont souvent empruntes aux travaux raliss en intelligence artificielle, et sont difficilement comprhensibles directement par les industriels. C'est pourquoi il me semble que l'existence d'organismes intermdiaires de type instituts de transfert peuvent jouer dans ce domaine un rle significatif. Enfin, il ne faut pas oublier que la technologie n'est qu'un outil et qu'un des problmes essentiels rside dans le choix des connaissances capitaliser