Pour la synthèse des compétences individuelles utiles à l'exercice collectif du métier de l'Entreprise
Dans le contexte professionnel d'un Monde surinformé, il est fréquent de confondre "donnée", "information", "connaissance" et "compétence" ... en général par manque de rigueur sémantique et/ou par paresse intellectuelle. Pourtant, ces concepts - une fois correctement définis entre eux et illustrés techniquement - permettent de rendre claires et opérationnelles des notions vitales à l'exercice professionnel et efficace du métier de l'Entreprise.
A l'heure du "Big Data" d'une société "infobèse" qui évolue vers l’Économie du Savoir et vers l'Entreprise Apprenante, petite présentation et visite guidée du "Smart Knowledge" en préparation et de la synthèse annoncée des compétences métier du "Knowlean" en émergence ...
A l'heure du "Big Data" d'une société "infobèse" qui évolue vers l’Économie du Savoir et vers l'Entreprise Apprenante, petite présentation et visite guidée du "Smart Knowledge" en préparation et de la synthèse annoncée des compétences métier du "Knowlean" en émergence ...
Introduction
"Big Data" d'une société mondialisée et surinformée. |
Chaque année, l'Humanité produit - selon l'UNESCO - plus d'un Exabit d'informations nouvelles (ie : 1018 bits, soit 1 milliard de milliards de bits) et a déjà stocké en 2012 - selon Serge ABITEBOUL, Académicien des Sciences - plus d'un Zétaoctet d'information (ie : 1022 bits, soit 10 000 milliards de milliards de bits), une même information pouvant être stockée plusieurs fois en différents endroits [UNE 02], [ABI 12].
Se posent alors quelques questions clefs :
- Pourquoi tant de données et si peu de connaissances ?
- Combien de connaissances disponibles dans ce "Big Data" ?
- Combien de certitudes métier cachées dans cet océan numérique ?
- Combien de compétences métier formalisées et opérationnelles dans cet univers digital ?
Éléments de définition
Afin de clarifier le débat, proposons quelques définitions en appui sur le modèle méthodologique positiviste KnoVA de "e-KM for e-novation" pour la performance et la robustesse des Bureaux d’Étude et d'Ingénierie des entreprises industrielles :
Le bit : particule élémentaire de codage des données. |
- bit : chiffre binaire valant 0 ou 1 et permettant de coder les données numériques par assemblage de bits organisés en octets. En général, les lettres de l'alphabet sont codées sur 8 bits (ex : dans le standard américain ASCII, la lettre A est codée avec la séquence 01000001). 8 bits constituent 1 octet et 1024 octets constituent 1 Ko (ie : 1 kilo-octet) bien connu pour la mesure de la taille des fichiers informatiques. Unité de mesure de l'information par excellence, le bit (Binary digIT) a été inventé le 9 janvier 1947 par John Tukey et popularisé par Claude Shannon.
La donnée : atome de codage des informations. |
- donnée : élément d’information numérique non-fissible et typé, en général codé aujourd'hui sur 64 bits (ie : 8 octets), exploitable par un ordinateur à l’aide notamment des techniques des SGBD [1], représentant soit un booléen (ie : vrai, faux) soit un nombre entier (ie : 0, 1, 2, 3, 4, …) soit un nombre réel (ie : de -∞ à +∞) soit un texte (ex : "bateau", "train", "cogniton", "cosmo-cogniton", "broker", "broket", "soury") soit un énuméré (ex : Lundi, Mardi, Mercredi, Jeudi, Vendredi, Samedi, Dimanche) soit un pointeur sur une autre donnée. Par extension, une image, un son, une musique ou une vidéo digitalisés sont dénommés "données multimédia". Le terme "Donnée" est traduit en anglais par "Data".
L'information : molécule contingente de données porteuse de connaissances. |
- information : message subjectif, verbalisé et contextualisé, exprimé en langage naturel [2], transmissible sur un média (papier, onde radio, support numérique, …), lexicalement correct (ie : sans faute d’orthographe), syntaxiquement correct (ie : sans faute de grammaire), sémantiquement juste ou faux, certain ou incertain, en fonction du contexte (ie : information ou désinformation), pragmatiquement épuré (ie : sans effet de style perturbant l’interprétation et la compréhension), porteur ou non de connaissance métier, constitué de données alphanumériques chaînées les unes aux autres et quantifiable en octets (ex : "Paris est la capitale de l’Allemagne", "le fer est plus léger que l’aluminium", "le noyau d’hélium comprend 2 protons", "l’age de la Statue de la Liberté est de 111 ans", "la souris mange le chat", "il fait froid dans cette salle") [3]. Dans le modèle méthodologique KnoVA, du fait de sa nature possiblement erronée, une information n'est pas une connaissance, mais un "vecteur informationnel porteur de connaissances", dite aussi "pseudo-connaissance".
La connaissance métier : atome de vérité partagée et réutilisable pour le codage des compétences métier. |
- connaissance métier : concept positionné au niveau du constituant élémentaire d'une compétence métier et défini par le modèle KnoVA comme "granule élémentaire générique, typé, non-fissible et réutilisable de vérité partagée et mesurable d'une compétence métier" (ex : "la distance entre 2 trous de rivets de fixation d'une pièce en tôle découpée et pliée doit être supérieure à 10 fois le diamètre du rivet", "la gravité terrestre est de 9,81 m/s²", ...). De par sa nature, la connaissance métier est sémantiquement plus riche que de l'information (ie : est confrontée à la vérité comme "marchant" ou "ne marchant pas"), est non-fissible (ie : ne contient pas 2 ou plusieurs connaissances métier dans sa verbalisation), est de nature routinière (ie : largement connue et réutilisée de nombreuses fois dans l'action professionnelle) ou innovante (ie : nouvelle et peu ou pas encore utilisée dans l'action professionnelle) et est typée (ex de types cognitifs : "Certitude métier" ou "Contrainte métier" ou "Conseil métier" ou "Choix métier", ...). Une compétence métier est alors considérée comme un assemblage logique de plusieurs connaissances métier mises en qualité cognitive. Une même connaissance métier est réutilisable et peut contribuer à plusieurs compétences métier. En logique formelle d'ordre 1, le synonyme de connaissance métier est « prédicat ». Dans le modèle KnoVA, le synonyme de connaissance métier est « cogniton » et sa masse cognitive est mesurée en kit (Knowledge digIT).
La compétence métier : molécule individuelle de connaissances métier pour l'exercice efficace du métier de l'Entreprise. |
- compétence métier : concept positionné au niveau de l’individu, membre d’une équipe donnée de l'Entreprise. Une compétence métier est un savoir-faire professionnel individuel finalisé par l’action, constitué de connaissances métier reliées logiquement entre elles, mises en qualité typologique, rédactionnelle, réticulaire, sémantique et logique. Formulée en démarrant par un verbe d’action suivi d’un complément d’objet (ex : "concevoir une pièce en tôle découpée et pliée à pliages droits", "concevoir l’outillage de fabrication d’une pièce en tôle découpée et pliée à pliages droits", "codifier la famille morpho-dimensionnelle d’une pièce en tôle découpée et pliée à pliages droits"), une compétence métier verbalise et formalise une capacité professionnelle avérée d'un individu, capacité utile à l'exercice du métier de l'Entreprise. Plusieurs individus peuvent maîtriser une même compétence métier. Réciproquement, un individu peut maîtriser plusieurs compétences métier.
La mission métier : capacité professionnelle collective de plusieurs experts métier travaillant ensemble de manière coordonnée et synchronisée. |
- mission métier : concept positionné au niveau d'une équipe professionnelle (ex : la Direction de l'Ingénierie, l'équipe de Maintenance Centrale, ...) fédérant et synchronisant plusieurs compétences métier portées par les experts métier membres de l'équipe. Formulée également en démarrant par un verbe d'action (ex : "concevoir une solution mécatronique de déplacement urbain autonome", "maintenir en conditions opérationnelles un avion de transport civil", "dimensionner un gratte-ciel robuste anti-sismique"), une mission métier peut être facilement confondue avec une compétence métier. En fait, très souvent, il s'avère que ce qui était identifié au départ comme une compétence métier individuelle se révèle être en fait - au fur et à mesure de sa formalisation et de sa synthèse cognitive - une véritable mission métier collective, nécessitant la coopération - parfois simultanée - de plusieurs experts métier.
Le métier : fédération coordonnée des compétences métier portées par les professionnels de l'Entreprise. |
- métier : concept positionné au niveau de l’Entreprise industrielle, définissant généralement son couple produit/marché et la mission professionnelle première de l’organisation industrielle [4] (ex : Constructeur aéronautique, Concepteur de solutions énergétiques décarbonnées, Metteur en formes plastiques moulées de fonctions techniques, ...), nécessitant de nombreuses compétences individuelles et coordonnées entre elles pour réussir et se développer, situé dans une dynamique duale de progrès permanents (nécessitant innovations contrôlées) et d’efficience productive (nécessitant routines réutilisables) [5].
Discussion
Exemple d'algorithme médical, compilant des connaissances métier de médecin. |
- la donnée et l'information peuvent avoir 2 causes de production :
- une génération manuelle : où un professionnel répond à une question, rédige un mail, remplit un formulaire, calcule le résultat d'une opération, écrit un article de blog, ...
- une génération automatisée : où un algorithme produit des données interprétables par un professionnel (ex : calcul de la contrainte maximale dans une pièce métallique soumise à des efforts mécaniques externes, déduction de la valeur numérique d'une cellule dans un tableur, génération d'un relevé bancaire mensuel, ...) ou des informations spécialisées (ex : génération d'un mail automatique à l'ouverture d'un compte utilisateur sur un site web, génération d'un avis de contravention, ...).
- la génération automatisée de données et d'informations nécessite un mécanisme logique - dénommé algorithme - qui, à partir de données initiales (dénommés "faits initiaux") et de connaissances métier compilées (dénommées "règles expertes"), fabrique de nouvelles données et informations de sortie (dénommés "faits conclusifs") apportant une valeur ajoutée conforme aux objectifs poursuivis par l'algorithme (ex : résoudre une équation de 2nd degré à partir des données a, b et c de son expression polynomiale : ax² + bx + c = 0).
Architecture d'un système à Base de Connaissance. |
- si l'Entreprise décide de correctement séparer d'un coté les connaissances métier - alors stockées dans un contenant dénommé base de règles - du mécanisme logique d'exploitation déductive de ces règles - dénommé moteur d'inférence - alors elle se dote d'un dispositif de production automatisée de données et d'informations dénommé Base de Connaissance, anciennement appelé "système expert".
- le principal avantage d'une Base de Connaissance - par rapport à l'algorithme généralement codé dans un langage informatique spécialisé (ex : Cobol, Fortran, Pascal, C, C++, Java, PHP, ...) est la possibilité d'enrichir et d'amender facilement la base de règles au fur et à mesure de l'évolution de l'expertise métier, notamment du fait des retours d'expérience sur la pratique des connaissances métier considérées.
- pour un professionnel, maitriser la totalité des connaissance métier d'une ou plusieurs compétences métier constitutives d'un algorithme ou d'une Base de Connaissance demande du temps et de la pratique. La principale difficulté de cette maîtrise est la complétude des connaissances (ie : les connaissances métier nécessaires sont-elles toutes disponibles dans la tête de l'expert ?) et la cohérence des connaissances (ie : les connaissances métier activées ne se contredisent-elles pas entres elles ?).
Détecteur ATLAS du CERN : combien de compétences métier complètes et cohérentes développées pour réussir collectivement cet exploit technologique unique au Monde ? |
- afin de maîtriser complètement et correctement les connaissances métier d'une compétence donnée, le modèle KnoVA énonce un Principe de Compétence stipulant : "qu'être compétent sur un savoir-faire professionnel donné, c'est maîtriser correctement et simultanément 4 facettes cognitives complémentaires de la compétence métier considérée :
- le Processus Métier : constitué d'Activités Métier organisées hiérarchiquement en actigramme réticulé,
- l'Expertise Métier : constituée de Règles Métier localisées dans une ou plusieurs Activités Métier du Processus,
- le Vocabulaire Métier : constitué de Termes Métier organisés en réseau sémantique décrivant ontologiquement le jargon technique de la compétence métier considérée, notamment les termes employés dans les Règles Métier et les Activités Métier,
- l'Expérience Métier : constituée de Cas Métier mémorisant les succès et les échecs professionnels issus de la pratique régulière de la compétence métier considérée."
Maturité opérationnelle de la compétence métier : à l'instar de la mécanique, un contrôle cognitif rigoureux de la complétude et de la cohérence des connais- sances s'impose ... |
- la maturité opérationnelle dans la maîtrise de ces 4 facettes structurantes d'une compétence métier suppose une synthèse intellectuelle aboutie, fondée sur 5 niveaux de qualité cognitive :
- la qualité typologique : qualifiant le type des connaissances métier mises en jeu (ex : type Activité Métier, type Règle Métier, type Terme Métier, type Cas Métier),
- la qualité rédactionnelle : documentant proprement chaque connaissance métier dans sa fonction, son fonctionnement, ses cas d'emploi, ses limites, sa genèse, ...
- la qualité réticulaire : assurant des liaisons cognitives pertinentes et logiques de chaque connaissance métier avec ses voisines,
- la qualité sémantique : qualifiant la valeur de vérité (ie : certain, incertain, hypothétique, ...) par confirmation ou infirmation d'une connaissance métier lors de sa confrontation aux faits techniques et aux cas métier,
- la qualité logique : produisant automatiquement un ensemble de données métier réputées "justes du 1er coup, à tous les coups, au moindre coût, partout !".
L'expert métier : praticien régulier et rigoureux des compétences métier de son poste de travail. |
- à partir d'un vécu professionnel - véritable fondation de l'expérience métier issue du terrain -, de connaissances théoriques - en général d'origine académique - et de connaissances pragmatiques - en général transmises par compagnonnage et mentorat -, c'est au prix d'une synthèse cognitive longue et patiente, assise sur ces 5 niveaux de maturité cognitive que s'élabore logiquement et rigoureusement une compétence métier fièrement portée - dans le cadre de sa profession - et régulièrement pratiquée - dans le cadre de son poste de travail - par un professionnel aguerri, dénommé alors "expert métier".
Vers le "Smart Knowledge", ie le "Big Knowledge synthétique"
Méthode et Intelligence naturelle : pour une synthèse efficace, mise en qualité cognitive, du "Smart Knowledge". |
Une partie de cette synthèse cognitive peut s'envisager à l'aide d'algorithmes inductifs spécialisés - véritables robots logiciels explorateurs du "Big Data" - mais relève encore aujourd'hui de recherches en Intelligence Artificielle dans un champ disciplinaire désormais dénommé outre-Manche "Predictive Analytics" [MUR 13], [LIE 13] et "Machine Learning". Appliquée au monde de l'Ingénierie Assurée par les Connaissances, cette synthèse automatisée des connaissances métier aboutit à la CAO en 5D de demain.
L'autre partie de la synthèse cognitive - la plus importante à ce jour - nécessite méthodes issues des professionnels du Knowledge Management et intelligence naturelle issue des professionnels Métier en activité, sans cesse en train d'améliorer les compétences et les connaissances métier par des mécanismes d'observation, d'expérimentation, de déduction, d'induction, de validation, de réutilisation et de consolidation. Appliquée au monde de l'Ingénierie Assurée par les Connaissances, cette synthèse manuelle des connaissances métier aboutit à la CAO en 4D d'aujourd'hui.
Conclusion
L'Homo Numéricus : en route vers le "Big Knowledge synthétique" et le "Knowlean" de l'Humanité ? |
Savoir exécuter efficacement ce processus intellectuel de formalisation et de synthèse cognitive - transformant ainsi le "Big Data" en "Smart Knowledge" - est vital pour tous, à la fois :
- pour l'Entreprise qui développe ainsi sa performance et sa robustesse et
- pour le Professionnel qui développe ainsi son savoir-faire et son employabilité.
La vitesse de transformation du "Big Data" en "Smart Knowledge" caractérise alors la dynamique de l'apprentissage individuel et organisationnel.
Face aux nombreux défis techniques, énergétiques, économiques, pacifiques, sociétaux, environnementaux, démocratiques, éthiques et humanistes qui attendent l'Humanité à l'issue de sa révolution digitale, gageons qu'Elle sache rapidement transformer son infobésité en "Knowlean", c'est-à-dire en "sveltesse cognitive du Smart Knowledge" de l'"Homo Numéricus".
La pensée du jour : "de la Révolution"
"Smart Knowledge" de la sagesse : pour l'Homme Citoyen de l'Univers réconcilié avec lui-même et la Nature. |
le moteur de la Révolution Agricole fut la sédentarisation des peuples.
Son aboutissement fut la nourriture artificielle et
l'ascension de la classe paysanne des campagnes.
A la fin du XIXème siècle,
le moteur de la Révolution Industrielle fut la vapeur.
Son aboutissement fut la force artificielle et
l'ascension de la classe ouvrière des villes.
A la fin du XXème siècle,
le moteur de la Révolution Numérique est l'ordinateur.
Son aboutissement est l'intelligence artificielle et
l'ascension de la classe ingénieuse du télétravail.
A la fin du XXIème siècle,
le moteur de la Révolution Cognitive sera le "Smart Knowledge" de la sagesse.
Son aboutissement sera l'âme artificielle et
l'ascension de la classe citoyenne de l'Univers. »
Bibliographie
- [ABI 12] Serge Abiteboul,"Science des données : de la logique du premier ordre à la Toile'', Leçon inaugurale au Collège de France, 08 mars 2012.
- [CIG 00] Cigref (Club Informatique des Grandes Entreprises Françaises), Groupe de réflexion "Gérer les Connaissances : défis, enjeux et conduite de projet" animé par Patrick Dailhé, Oct. 2000, p. 16.
- [LIE 13] Jay Liebowitz, "How do you extract big knowledge from big data ?", 19 février 2013.
- [MUR 13] Kevin Murphy and Google Research Team, "From Big Data to Big Knowledge", CIKM industry talk, San Francisco, CA, 31 octobre 2013.
- [SAS 01] "Gestion des connaissances et efficience productive", 13th Annual Meeting on Socio-Economics, University of Amsterdam, Amsterdam, 28 juin - 01 juillet 2001.
- [UNE 02] S. Williams, "Comment préserver l'information numérique ?", Note de Synthèse, UNESCO, 31 mai 2002.
[1]
Système de Gestion de Bases de Données, dont la variété relationnelle est la
plus utilisée dans l’industrie avec le langage d’exploitation SQL (Standard
Query Language).
[2] Pour
simplifier et rester concret, cette définition exclut volontairement
l’information sonore (musique, mélodie, bruit, …), l’information gustative
(goût), l’information olfactive (odeur), l’information tactile (toucher) et
l’information graphique (dessin, croquis, schéma, photo, …) porteuses d’énormément
d’informations verbales. Certaines de
ces informations "sensuelles", comme l’information graphique, peuvent
en partie s’exprimer avec des textes d’explications verbale.
[3] Pour mémoire, une définition du terme "Information" proposée par un groupe de travail sur la
Gestion des Connaissances du Cigref (Club Informatique des GRandes Entreprises
Françaises) en Octobre 2000 est : "ensemble de données non
structurées et organisées pour donner forme à un message résultant d’un
contexte donné et donc parfaitement subjectif" [CIG 00].