N° d’ordre : 3125 - ori-oai.u-bordeaux1.frori-oai.u-bordeaux1.fr/pdf/2009/ZOUGGAR_NABILA_2009.pdf · 1.3 DOMAINE D’UTILISATION DE LA MODÉLISATION D ... Ontologie de l’être

Université Bordeaux 1

Les Sciences et les Technologies au service de l’Homme et de l’environnement

N° d‟ordre : 3937

THÈSE PRÉSENTÉE A

L’UNIVERSITÉ BORDEAUX 1 ÉCOLE DOCTORALE DES SCIENCES DES SCIENCES PHYSIQUES ET DE

L‟INGENIEUR

Par Nabila ZOUGGAR POUR OBTENIR LE GRADE DE

DOCTEUR

SPÉCIALITÉ : Productique

CONTRIBUTION AU DEVELOPPEMENT DE LA

SEMANTIQUE EN MODELISATION D’ENTREPRISE

Directeur de recherche : Bruno Vallespir

Soutenue le : 04 décembre 2009

Devant la commission d‟examen formée de :

M. CHAPURLAT, Vincent Professeur à l‟École des Mines d‟Ales Rapporteur

M. PANETTO, Hervé Professeur à l‟université Henri Poincaré Nancy1 Rapporteur

M. VALLESPIR, Bruno Professeur à l‟Université Bordeaux1 Directeur de thèse

M. CHEN, David Professeur à l‟Université Bordeaux1 Co-directeur de thèse

M. BOURRIERES, Jean Paul Professeur à l‟Université Bordeaux1 Examinateur

M. BOUDJLIDA, Nacer Professeur à l‟université Henri Poincaré Nancy1 Examinateur

À mon père

À ma mère

Remerciements

Je tiens tout d‟abord à remercier Monsieur Bruno Vallespir, Professeur à l‟Université

Bordeaux 1 pour avoir encadré cette thèse ; pour les discussions constructives et ses conseils

avisés.

Je souhaite remercier également Monsieur David Chen, Professeur à l‟Université Bordeaux 1

et co-directeur de thèse, pour l‟attention qu‟il a porté à ce travail et sa disponibilité.

Je remercie Monsieur Vincent Chapurlat, Professeur à l‟École des Mines d‟Alès et Monsieur

Hervé Panetto, Professeur à l‟Université de Nancy pour avoir accepté d‟être rapporteurs de

mon mémoire de thèse et pour les conseils et les remarques constructives qu‟ils m‟ont

apportés.

Je remercie également Monsieur Nacer Boudjlida Professeur à l‟Université de Nancy et

Monsieur Jean Paul Bourrières Professeur à l‟Université Bordeaux 1 pour avoir accepté

d‟évaluer ce travail.

Je tiens particulièrement à remercier les membres du LAPS pour avoir toujours créé autour de

moi une ambiance sympathique.

A mes amis, je témoigne une grande reconnaissance pour tout ce que nous avons partagé et

tout ce que nous partagerons encore.

Enfin, J’exprime ma plus profonde gratitude à ma famille : mon Père et Ma mère, Lila

et Sid Ali, Linda, Salah et Aicha, Sami et Selma, sans oublier Sofia et Abderrahmane …

MERCI.

Table des matières

TABLE DES MATIÈRES ....................................................................................................................................... 7

INTRODUCTION .......................................................................................................................................... - 13 -

1 CHAPITRE 1 LA MODÉLISATION D’ENTREPRISE : ETAT ACTUEL ET LIMITES ....................................... - 17 -

1.1 VERS DES ENTREPRISES PERFORMANTES - 17 -

1.2 GÉNÉRALITÉS SUR LA MODÉLISATION D’ENTREPRISE - 19 -

1.2.1 Le processus de modélisation .................................................................................................... - 21 -

1.2.2 Les modèles ............................................................................................................................... - 22 -

1.3 DOMAINE D’UTILISATION DE LA MODÉLISATION D’ENTREPRISE - 24 -

1.3.1 L'évaluation ............................................................................................................................... - 24 -

1.3.2 La conception ............................................................................................................................ - 24 -

1.3.3 La restructuration ...................................................................................................................... - 25 -

1.4 LES LIMITES DE LA MODÉLISATION D’ENTREPRISE - 26 -

1.4.1 Intégration des langages de modélisation d’entreprise ............................................................ - 27 -

1.4.2 Interopérabilité des modèles d’entreprise ................................................................................. - 28 -

1.4.3 Développement de la sémantique des modèles d’entreprise .................................................... - 29 -

1.5 CONCLUSION - 31 -

2 CHAPITRE 2 LA SÉMANTIQUE EN MODÉLISATION D’ENTREPRISE : APPROCHES DE FORMALISATION - 33 -

2.1 DÉFINITION DE LA SÉMANTIQUE - 33 -

2.1.1 Le signe linguistique et la théorie sémiotique ........................................................................... - 34 -

2.1.2 Les relations sémantiques ......................................................................................................... - 39 -

2.1.3 Le continuum sémantique ......................................................................................................... - 41 -

2.2 SÉMANTIQUE ET CONNAISSANCES - 42 -

2.2.1 Données, information, connaissance ........................................................................................ - 42 -

2.2.2 Les connaissances explicites ...................................................................................................... - 45 -

2.2.3 Les connaissances tacites .......................................................................................................... - 45 -

2.2.4 La conversion des connaissances tacites et explicites : Le modèle SECI .................................... - 46 -

2.2.5 La sémantique dans le processus de création des connaissances ............................................. - 48 -

2.3 SÉMANTIQUE ET MODÈLES D’ENTREPRISE - 50 -

2.3.1 Création de modèles d’entreprise.............................................................................................. - 50 -

2.3.2 La sémantique dans le processus de création de modèles d’entreprise .................................... - 52 -

2.4 APPROCHES DE FORMALISATION DE LA SÉMANTIQUE - 54 -

2.4.1 La théorie des langages ............................................................................................................. - 54 -

2.4.2 Les Ontologies ........................................................................................................................... - 56 -


3 CHAPITRE 3 PROPOSITION D’UNE APPROCHE POUR CARACTÉRISER LES CONFLITS SÉMANTIQUES ... - 67 -

3.1 FORMALISATION DE LA SÉMANTIQUE DES MODÈLES D’ENTREPRISE - 67 -

3.1.1 Les concepts .............................................................................................................................. - 67 -

3.1.2 La sémantique ........................................................................................................................... - 69 -

3.1.3 La formalisation ........................................................................................................................ - 70 -

3.2 FORMALISATION DES CONFLITS SÉMANTIQUES - 71 -

3.2.1 Relations et conflits sémantiques .............................................................................................. - 72 -

3.2.2 formalisation ............................................................................................................................. - 74 -

3.3 ALGORITHME DE CARACTÉRISATION DES CONFLITS SÉMANTIQUES - 76 -

3.3.1 Principe de l’algorithme ............................................................................................................ - 77 -

3.3.2 étapes de l’algorithme de caractérisation de conflits sémantiques .......................................... - 82 -

3.4 EXEMPLE - 88 -

3.4.1 l’activité IDEF0 ........................................................................................................................... - 88 -

3.4.2 L’activité GRAI ........................................................................................................................... - 89 -

3.4.3 Application de l’algorithme de caractérisation des conflits sémantiques ................................. - 90 -


4 CHAPITRE 4 PROPOSITION D’UNE DÉMARCHE POUR LE DEVELOPEMENT DE LA SÉMANTIQUE DES

MODÈLES D’ENTREPRISE ............................................................................................................................ - 95 -

4.1 CADRE SÉMANTIQUE - 95 -

4.1.1 La modélisation d’entreprise ..................................................................................................... - 96 -

4.1.2 Les ontologies ............................................................................................................................ - 97 -

4.1.3 La formalisation ........................................................................................................................ - 97 -

4.2 DÉMARCHE POUR LE DÉVELOPPEMENT DE LA SÉMANTIQUE - 98 -

4.2.1 Identifier les concepts conflictuels ............................................................................................. - 99 -

4.2.2 Définir la sémantique des concepts identifés. ........................................................................... - 99 -

4.2.3 Identifier les relations sémantiques ........................................................................................ - 100 -

4.2.4 Associer Les concepts .............................................................................................................. - 100 -

4.3 SCÉNARIOS D’APPLICATION - 105 -

4.3.1 Application partielle de la démarche....................................................................................... - 106 -

4.3.2 Application complète de la démarche ..................................................................................... - 106 -

4.3.3 Scénario 1 : Référentiels formels ............................................................................................. - 107 -

4.3.4 Scénario 2 : Référentiels non formels ...................................................................................... - 110 -


CONCLUSION, LIMITES ET PERSPECTIVES.................................................................................................. - 115 -

BIBLIOGRAPHIE ........................................................................................................................................ - 121 -

Liste des figures

Figure 1. 1 Processus conceptuel de modélisation _______________________________________________ - 21 - Figure 1. 2 Intégration des langages [Vallespir, 2003] ____________________________________________ - 27 - Figure 1. 3 La sémantique en modélisation d’entreprise __________________________________________ - 30 - Figure 2. 1 Modèle dyadique de « de Saussure » ________________________________________________ - 35 - Figure 2. 2 Processus de communication ______________________________________________________ - 36 - Figure 2. 3 Le triangle sémiotique d’Ogden et Richards ___________________________________________ - 37 - Figure 2. 4 Le tétraèdre FRISCO ______________________________________________________________ - 38 - Figure 2. 5 Le continuum sémantique _________________________________________________________ - 41 - Figure 2. 6 Données – Informations – Connaissances [Bellinger, 2000] ______________________________ - 43 - Figure 2. 7 Les dimensions de la création de la connaissance ______________________________________ - 44 - Figure 2. 8 Modèle de la conversion des connaissances (SECI) _____________________________________ - 46 - Figure 2. 9 Des données au modèle SECI _______________________________________________________ - 48 - Figure 2. 10 La sémantique dans le modèle SECI ________________________________________________ - 49 - Figure 2. 11 Processus de création de modèles d’entreprise _______________________________________ - 51 - Figure 2. 12 Les conflits sémantiques en modélisation d’entreprise _________________________________ - 52 - Figure 2. 13 Ontologie de l’être selon Aristote [Psyché et al., 2003] _________________________________ - 57 - Figure 2. 14 Spectre de couverture des ontologies [Smith et Welty, 2001] ____________________________ - 61 - Figure 2. 15 Élément commun entre la modélisation d’entreprise et les ontologies ____________________ - 63 - Figure 2. 16 Utilisation des ontologies dans la modélisation d’entreprise ____________________________ - 64 - Figure 3. 1 Chevauchement sémantique _______________________________________________________ - 79 - Figure 3. 2 Spécification du chevauchement____________________________________________________ - 81 - Figure 3. 3 Algorithme proposé pour la caractérisation des conflits sémantiques ______________________ - 82 - Figure 3. 4 Rapprochement de deux concepts en agissant sur l’ensemble des propriétés ________________ - 84 - Figure 3. 5 Rapprochement de deux concepts en agissant sur l’ensemble des relations _________________ - 84 - Figure 3. 6 Séparation de deux concepts en agissant sur l’ensemble des propriétés ____________________ - 85 - Figure 3. 7 Séparation de deux concepts en agissant sur l’ensemble des relations _____________________ - 86 - Figure 3. 8 Activité IDEF0 ___________________________________________________________________ - 89 - Figure 3. 9 Activité GRAI ___________________________________________________________________ - 89 - Figure 3. 10 Exemple ______________________________________________________________________ - 90 - Figure 4. 1 le cadre sémantique _____________________________________________________________ - 96 - Figure 4. 2 Espace référentiel pour le développement de la sémantique _____________________________ - 98 - Figure 4. 3 Démarche pour le développement de la sémantique ____________________________________ - 99 - Figure 4. 4 Les groupes de la méthodologie GRAI [Vallespir et Doumeingts, 2006] ____________________ - 101 - Figure 4. 5 Démarche structurée pour le développement de la sémantique __________________________ - 102 - Figure 4. 6 Intégration du développement de la sémantique dans le processus de création des modèles __ - 104 - Figure 4. 7 Catégories des référentiels du cadre sémantique _____________________________________ - 105 - Figure 4. 8 Scénario des référentiels formels __________________________________________________ - 108 - Figure 4. 9 Scénario des référentiels non formels ______________________________________________ - 111 - Figure 4. 10 Application de la démarche dans le cube sémantique _________________________________ - 113 - Figure 1 Sémantique variable et ontologies ___________________________________________________ - 118 - Figure 2 Exemple de MDI __________________________________________________________________ - 118 -

Liste des tableaux

Tableau1. 1 Acteurs liés aux problèmes sémantiques de la modélisation d’entreprise __________________ - 31 - Tableau 2. 1 Les deux types de la connaissance _________________________________________________ - 44 - Tableau 3. 1 Relations sémantiques entre deux concepts (adapté de [Kavouras 2003]) _________________ - 72 - Tableau 3. 2 Formalisation des relations sémantiques ___________________________________________ - 76 - Tableau 3. 3 Synthèse des relations sémantiques _______________________________________________ - 77 - Tableau 3. 4 Combinaisons possibles pour le calcul du degré de chevauchement ______________________ - 80 - Tableau 3. 5 les relations sémantiques selon [Galmiche, 1991] ____________________________________ - 81 - Tableau 3. 6 Informations sur les éléments de l’exemple _________________________________________ - 90 - Tableau 4. 1 Application de la démarche pour les référentiels formels ______________________________ - 107 - Tableau 4. 2 Application de la démarche pour les référentiels non formels __________________________ - 110 -

Introduction

- 13 -

INTRODUCTION

Durant les vingt dernières années, la modélisation d‟entreprise s‟est imposée comme un

puissant outil au service de l‟organisation industrielle dans sa quête d‟amélioration des

performances. Un grand nombre de méthodes a alors émergé notamment aux États-Unis et en

Europe. En Europe, les programmes de recherche de la Commission Européenne ont

largement permis de développer et de diffuser ces outils, notamment à travers le premier

Programme Cadre de Recherche et Développement (programme Esprit : Project 418, Open

CAM System). Ainsi, La modélisation d‟entreprise est devenue un domaine scientifique

reconnu au niveau international qui se prête aisément aux applications industrielles.

La recherche en modélisation d‟entreprise s‟intéresse d‟une part au développement des

concepts et des langages de modélisation, et d‟autre part à la modélisation elle même, c‟est-à-

dire à l‟élaboration de modèles d‟entreprise ciblés. Toutefois, il s‟avère que les langages de

modélisation d‟entreprise existants sont conçus sur une base essentiellement syntaxique.

Ainsi, ces techniques ne permettent pas une définition précise de la sémantique des concepts

représentés [Petit et Dubois, 1997]. Or, un affinage de la sémantique des concepts permettrait

une meilleure utilisation des langages de modélisation et une meilleure compréhension des

modèles d‟entreprise.

Les travaux de recherche présentés dans cette thèse s‟inscrivent dans le cadre du

développement des techniques de modélisation d‟entreprise. Notre objectif consiste à

proposer une approche méthodologique permettant l‟utilisation et l‟exploitation de modèles

d‟entreprise sans ambiguïté et ce grâce à un apport sémantique explicite aux modèles

d‟entreprise.

A l‟origine, la sémantique constitue une branche de la linguistique étudiant le sens des termes.

Dans cette thèse, la sémantique concerne d‟une part les concepts du langage de modélisation

d‟entreprise et d‟autre part, les informations relatives à l‟entreprise modélisée. Dans le cadre

de nos travaux, nous tentons de proposer des démarches en modélisation d‟entreprise pour

résoudre les hétérogénéités sémantiques. Notons qu‟il s‟agit d‟un thème de recherche récent

bien peu étudié jusqu‟à lors dans la littérature [Boudjlida et al., 2006].

Ce manuscrit de thèse s‟articule autour de quatre chapitres, dont le résumé est donné dans ce

qui suit :

Introduction

- 14 -

Le premier chapitre de ce mémoire présente la problématique de notre thèse. Il est structuré

en trois parties principales. La première partie présentera brièvement le contexte économique

et industriel de nos activités de recherche. Ensuite, nous aborderons dans la deuxième partie le

thème de la modélisation d‟entreprise, cadre dans lequel s‟inscrit notre travail de recherche.

Les limites de la modélisation d‟entreprise, et plus particulièrement le déficit sémantique

seront exposés dans la troisième partie.

Le deuxième chapitre traite principalement des concepts liés à notre sujet de thèse. Le

premier étant la sémantique, nous allons donner quelques définitions, présenter la théorie

sémiotique pour aboutir à la définition des relations sémantiques. Nous allons ensuite nous

intéresser aux interactions qui existent entre la sémantique, les connaissances et les modèles

d‟entreprise. Cela nous permettra de faire un parallèle entre le processus de conversion des

connaissances (modèle SECI) et le processus de création des modèles d‟entreprise.

Pour finir, nous allons présenter quelques éléments de base sur la théorie des langages et les

concepts d‟ontologie que nous utiliserons comme moyens de formalisation. Ceci permettra le

développement de la sémantique des modèles d‟entreprise qui représente un des objectifs de

notre thèse.

Le troisième chapitre est consacré à la formalisation de la sémantique en se basant sur les

notations de la théorie des langages. Il sera aussi question de formaliser les relations

sémantiques pouvant exister entre deux concepts utilisés dans deux contextes ou domaines

différents.

La formalisation proposée nous conduira à définir une approche dont les deux objectifs

principaux sont :

l‟identification des relations sémantiques entre concepts,

la résolution des conflits sémantiques responsables des ambiguïtés que peuvent

rencontrer les utilisateurs pour la compréhension d‟un modèle d‟entreprise.

Pour ce faire, un algorithme sera élaboré pour caractériser les conflits sémantiques. Nous

illustrerons notre approche par un exemple.

Dans le quatrième chapitre nous présenterons notre proposition d‟une démarche

méthodologique pour le développement de la sémantique en modélisation d‟entreprise. Nous

proposerons un cadre pour le développement de la sémantique en se basant sur trois

dimensions : modélisation d‟entreprise, formalisation et ontologie. En référence à l‟approche

Introduction

- 15 -

proposée dans le chapitre 3, une méthodologie pour le développement de la sémantique en

modélisation d‟entreprise sera élaborée. Différents scénarios d‟application de la méthodologie

seront alors discutés.

La conclusion de ce mémoire présentera, outre le bilan des propositions, les perspectives

envisagées pour la suite de ces travaux.

Notons enfin que les travaux présentés dans cette thèse sont en lien avec les travaux du

groupe de travail d‟INTEROP (TG41, [Boudjlida et al., 2006], [Boudjlida et al., 2007]). En

effet, nous avons activement participé au réseau d‟excellence : INTEROP NoE

(Interoperability Research for Networked Enterprise Applications and Software, FP6 508011)

dont les travaux de recherches portaient sur le développement de l‟interopérabilité des

entreprises, en se basant sur la modélisation d‟entreprise, les ontologies et les architectures

/plateformes.

1 TG4 : Semantic enrichment of enterprise modelling and architecture/platform

Chapitre 1 : La modélisation d‟entreprise

- 17 -

1 CHAPITRE 1

LA MODÉLISATION D‟ENTREPRISE : ETAT ACTUEL ET

LIMITES

Ce chapitre présentera tout d‟abord le contexte économique de notre travail justifiant le besoin

des entreprises à être performantes, réactives et rationnelles. En effet, la modélisation

d‟entreprise s‟avère être aujourd‟hui un outil utile et puissant pour représenter les systèmes

d‟entreprise. Elle permet d‟en comprendre la structure et d‟en optimiser le fonctionnement.

Nous présenterons quelques généralités sur le sujet à travers des définitions et l‟exposé des

méthodes de modélisation d‟entreprise. Nous verrons après parcours de l‟état d‟avancement

de la recherche sur la modélisation d‟entreprise qu‟elle présente des limites, et ce malgré les

différentes méthodologies et outils existants. Ceci est du d‟une part à la multitude de

méthodes, et d‟autre part à une conception des langages essentiellement réalisée sur une base

syntaxique, négligeant la dimension sémantique nécessaire à une bonne compréhension des


1.1 VERS DES ENTREPRISES PERFORMANTES

Une entreprise est un ensemble d‟individus, structuré et organisé autour de moyens techniques

et financiers dans le but de satisfaire des besoins sur un marché. Aujourd‟hui les entreprises

évoluent dans un contexte économique concurrentiel caractérisé par une demande de produits

de plus en plus personnalisés avec des critères de qualité bien définis, un renouvellement de

plus en plus rapide et des délais de plus en plus courts. Les entreprises doivent ainsi être

réactives, flexibles et capables d‟anticiper l‟évolution du marché. La vision classique basée

sur le couple produit/marché est complétée par d‟autres visions et théories, à la fois internes et

externes à l‟organisation. Pour ce qui est externe à l‟organisation, la veille doit être mobilisée

pour répondre aux objectifs stratégiques de l‟entreprise. Bergeron considère la veille comme

étant une fonction qui s‟inscrit dans une pratique de gestion des ressources de l‟information

pour rendre l‟organisation plus intelligente et compétitive [Bergeron, 1995]. Ceci est

complété, toujours dans le but de rendre les entreprises plus performantes, par le

benchmarking qui joue un rôle important pour répondre à ces exigences. Pour effectuer du

benchmarking, il est impératif de posséder des informations utiles, fiables et à jour. Le

benchmarking [Genot, 1993] est défini comme étant une méthode qui consiste, pour une

entreprise visant l‟excellence, à se comparer à ses meilleurs concurrents et à des firmes

leaders, afin de mettre en évidence, à certains niveaux de son fonctionnement, des écarts de


- 18 -

performance éventuels. L‟objectif est ensuite d‟adapter les solutions utilisées dans les firmes

de référence, pour lui permettre de combler ces écarts.

Ce premier volet concerne l‟information et la connaissance. La deuxième grande tendance

actuelle est l‟externalisation des fonctions de l‟entreprise qui ne correspondant pas à son

« cœur métier » et, par voie de conséquence, à la mise en réseau des entreprises partenaires.

En effet, pour répondre aux changements indispensables et dans le but de rester à jour dans

une économie de plus en plus exigeante, les entreprises se sont organisées dans le cadre de

multiples architectures et configurations industrielles telles que ; l‟entreprise réseau,

l‟entreprise virtuelle, l‟entreprise étendue ou les réseaux d‟entreprises :

L‟entreprise réseau a été définie [Butera, 1991] comme étant un ensemble

d‟entreprises liées les unes aux autres par un cycle de production. Le lien n‟est ni

juridique ni structurel ; il revêt souvent la forme de simples accords. Ces entreprises

ont en commun un puissant système de coopération fonctionnelle,

L‟entreprise virtuelle a été définie [Goranson et al., 1997] comme étant une

agrégation temporelle de compétences et de ressources qui collaborent ensemble pour

un besoin spécifique telle une opportunité d‟affaires,

[Gott, 1996] définit l‟entreprise étendue comme étant une sorte d‟entreprise

représentée par toutes les organisations ou parties d‟organisations : clients,

fournisseurs, sous-traitants, engagés de façon collaborative à la conception, au

développement et à la livraison des produits à l‟utilisateur final,

Un réseau d‟entreprises est un ensemble d‟acteurs (entreprises, bureaux d‟études,

organismes de recherche, …) qui décident de travailler ensemble, dans le cadre d‟une

structure commune leur permettant de garder leur indépendance juridique et facilitant

les interactions, pour atteindre un objectif qu‟ils ne peuvent réaliser seuls [Benali,

2005]. Les travaux de [Nunes, 1994] ont permis de distinguer deux types de réseaux

d‟entreprises : les réseaux centrés avec une entreprise pivot (noyau central) qui gère et

coordonne les interactions, et les réseaux fédérés où aucune entreprise n‟est leader.

Ces nouvelles architectures amènent les entreprises à aligner leurs performances, à

comprendre leur environnement et à mieux s‟identifier par rapport à cet environnement. Il

leur faut donc remettre en cause leur organisation, leur modèle de management et changer des

habitudes acquises qui s‟avèrent nuisibles à leur bon fonctionnement. Toutes ces tendances

amènent les entreprises à revoir sans cesse leur organisation.


- 19 -

L‟aspect le plus remarquable, lié aux préoccupations de nos travaux, est l‟utilisation explicite

de la modélisation dans ces approches afin de permettre aux entreprises d‟améliorer leur

performance, leur capacité à évoluer face aux changements [Vernadat, 1999] et d‟assurer de la

sorte une meilleure intégration des systèmes d‟entreprises.

De nombreux travaux de recherche sur la modélisation d‟entreprise ont émergé dès la fin des

années 70 ; les premiers développements aux Etats-Unis ont donné lieu à des langages de

modélisation structurés : SADT, IDEF0, SSAD et Data Flow Diagram. Depuis, un grand

nombre de langages de modélisation d‟entreprise sont apparus en Amérique du Nord et en

Europe. Nous pouvons citer, par exemple, MERISE, NIAM, M*, CIMOSA, OMT, IEM,

IDEFx, METIS ou ARIS Toolset.

La recherche en France a joué un rôle non négligeable dans le développement de méthodes

pour la modélisation d‟entreprise. Nous pouvons citer par exemples : ACNOS [El Mhamedi et

al., 1997], , GRAI, [Doumeingts, 1984], MECI [AICOSCOP, 1990] et GIM, élaborée autour

de GRAI dans le cadre de projets Esprit [Doumeingts et al., 1993].

1.2 GÉNÉRALITÉS SUR LA MODÉLISATION D‟ENTREPRISE

On appelle modélisation d'entreprise la représentation du fonctionnement de l'entreprise à

l'aide de concepts capables de décrire : la stratégie, la structure, les fonctionnalités,

l'organisation, la structure décisionnelle, l'évolution dans le temps et les relations avec

l'environnement (clients et fournisseurs) [Doumeingts et al., 2001].

La modélisation d‟entreprise est un moyen incontournable d‟étude et de représentation de tout

ou partie de l‟entreprise, et d‟une façon générale, de tout organisme considéré comme un

système selon différents points de vue, dans le but de comprendre son fonctionnement et

d‟analyser ses performances.

La modélisation s‟opère par l‟acquisition des connaissances qui existent dans l‟entreprise à

l‟aide de méthodologies et de modèles de référence connus dans le domaine.

Le recours à la modélisation d‟entreprise se justifie [Pourcel et Gourc, 2005] par les besoins

suivants :

Comprendre et analyser la structure et le fonctionnement du système,

Prévoir le comportement et les performances des processus opérationnels et de soutien

avant leur implantation ou pendant un projet de re-engineering,


- 20 -

Choisir les meilleures alternatives de réalisation et d‟implantation,

Bâtir une vision commune du fonctionnement de l‟entreprise et la communiquer

facilement au plus grand ensemble possible de membres du personnel.

La notion d'entreprise, telle qu'elle est comprise dans le cadre de la modélisation d'entreprise,

et plus généralement, dans le cadre de la productique, se réfère à un ensemble organisé

d'activités mises en œuvre par des ressources socio-techniques, dans le cadre d'une finalité

identifiée. Dans de tels systèmes, la dimension financière est généralement présente, que ce

soit du point de vue du gain ou de la consommation de ressources financières. [GRP/GT5,

1999].

L'entreprise est un système « ouvert » à son environnement, finalisé et dirigé. Elle poursuit

des buts (profit, puissance, pérennité ...), s'organise pour les atteindre (définition de plans

d'action, de budgets ...), se dote de structures d'exécution, de direction et de contrôle. Ce

système (l‟entreprise) peut lui-même se décomposer en sous-systèmes selon une vision

systémique qui oblige à considérer tout système comme un ensemble constituant un tout

organique, c'est-à-dire un ensemble limité d'éléments disposant d'attributs et de relations entre

ces éléments [Le Moigne, 1977].

Face à la complexité des systèmes d‟entreprise, la modélisation doit s‟appuyer sur différents

points de vue [Pourcel et Gourc, 2005] :

Technique (fonctionnel, physique, processus ou information) : diminuer la durée du

cycle de production, améliorer la qualité des objets fabriqués, la disponibilité des

ressources techniques et la flexibilité du système opérant de production…etc. ;

Économique (indicateurs de performance, retour sur investissement) : diminuer les

coûts de production, diminuer la valeur des stocks, assurer une capacité de production

optimale, améliorer la rémunération du capital et du travail…etc. ;

Humain et social (aide à la décision, organisation) : améliorer les conditions de travail,

assurer la formation du personnel…etc.

Le résultat d‟une modélisation se concrétise par un, ou plus généralement des modèles qui

représentent la réalité (l‟entreprise) à travers la vision de l‟acteur de la modélisation. Souvent

les modèles d‟entreprise véhiculent des connaissances explicites avec une sémantique tacite.


- 21 -

1.2.1 LE PROCESSUS DE MODÉLISATION

Conceptuellement, le processus de modélisation peut être décomposé en deux parties

principales (Figure 1. 1), que le modélisateur utilise en allant d‟une partie à une autre pour

accomplir sa tâche [Roboam, 1991]:

Partie observation qui s‟occupe de visualiser le monde réel et de capter les données,

Partie théorique qui englobe deux fonctions :

» La conceptualisation ou l‟identification, qui s‟occupe de rapprocher les

observations à des concepts de modélisation,

» La formalisation qui s‟occupe d‟expliciter ce qui a été conceptualisé.

Figure 1. 1 Processus conceptuel de modélisation

Le processus de modélisation commence généralement par une investigation générale qui a

pour but de poser le problème et d‟évaluer la nécessité d‟établir un modèle explicite. Cette

phase d‟investigation générale sera suivie par une série de démarches destinées à

l‟identification des éléments du système étudié, la sélection des éléments retenus, la mise en

relation de ces éléments et la description du modèle. Cet ensemble d‟opérations de base

permet de constituer le fondement de la structure d‟une méthode.

Une méthode structurée de modélisation possède :

Un modèle conceptuel lié au domaine d‟application,

Des outils de représentation facilitant la mise en œuvre et le dialogue,

Une démarche structurée qui guide pas à pas le déroulement de l‟étude.

Dans le cas de la modélisation, il faut donc se poser les questions suivantes [Kueng et

Kawalek, 1997]:

Quelle méthode de modélisation et quelles notations sont appropriées ?

Quels aspects de l‟entreprise doivent être modélisés ?

Conceptualisation

formalisation

Monde réel

Observation


- 22 -

Quel modèle utiliser pour représenter un ou plusieurs de ces aspects ?

Notons qu‟en règle générale, dans un processus de modélisation la sémantique est véhiculée

par le modélisateur lui-même. Ainsi, la garantie sémantique des modèles obtenus ne repose

que sur les compétences de celui-ci. Pour éviter que l‟acte de modélisation ne soit aussi

dépendant de la compétence d‟un modélisateur, il est nécessaire de transmettre tout ou partie

de la sémantique par le langage de modélisation. En vue d‟atteindre cet objectif, il s‟avère

indispensable de définir explicitement la sémantique des concepts utilisés dans la

modélisation.

1.2.2 LES MODÈLES

Dans [Rothenberg, 1989], un modèle est une abstraction de la réalité dans le sens où il permet

de représenter certains aspects de cette réalité dans un contexte précis. Ceci permet

l‟utilisation d‟une vision du monde plus simplifiée, en évitant la complexité et l‟irréversibilité

des éléments du monde réel. La modélisation, au sens large, est donc l‟utilisation d‟une chose

à la place d‟une autre pour simplifier, faire abstraction de certaines préoccupations.

D‟après [Vernadat, 1999], un modèle est une représentation utile d‟un sujet ; il représente une

abstraction (plus ou moins formelle) de la réalité (ou de l‟univers de discours) exprimée dans

un formalisme (ou langage) défini par des concepts de modélisation adaptés au besoin de

l‟utilisateur. Ces concepts de modélisation forment les éléments d‟un langage de modélisation

défini par une syntaxe et une sémantique particulière.

Un modèle est toujours construit sur la base d‟un langage, que celui-ci soit :

Informel (langage naturel, par exemple),

Semi-formel (langage au formalisme essentiellement graphique par exemple),

Formel (langage mathématique).

Généralement, les modèles basés sur un langage informel sont utilisés pour décrire une

situation existante tandis que les modèles basés sur un langage formel permettent la

vérification des propriétés fixées dans un projet donné [Chapurlat et al., 1999].

Un modèle d‟entreprise a pour objectif de formaliser tout ou une partie de l‟entreprise dans le

but de comprendre ou d‟expliquer une situation existante ou pour réaliser puis valider un

projet conçu [Braesch et al., 1995].


- 23 -

Les modèles d‟entreprise développés jusqu‟à présent sont principalement de type semi-formel

(représentation graphique avec une syntaxe bien définie). Il y existe une déficience importante

au niveau de la sémantique due au caractère semi-formel des langages de modélisation

utilisés.

Parmi les nombreux langages de modélisation d‟entreprise qui existent sur le marché, nous

pouvons citer par exemple :

Le langage GRAI [Doumeingts, 1984]

Le langage GRAI développé au LAPS/GRAI dans les années 70-80, a pour but de modéliser

l‟aspect décisionnel du système de production. Il comprend deux formalismes : la grille GRAI

pour représenter la structure globale du système de décision et les réseaux GRAI (Graphes à

Résultats et Activités Interreliées) pour décrire les activités décisionnelles dans un centre de

décision.

La sémantique des formalismes GRAI est implicitement définie dans le modèle conceptuel

GRAI.

IDEF [ICAM, 1981], [IDEF0, 1993], [Mayer, 1990; 1992]

L‟IDEF développé aux Etats-Unis à partir des années 70, comprend plusieurs langages

majeurs qui sont très largement utilisés dans le domaine de la modélisation d‟entreprise. Nous

pouvons citer par exemple : IDEF0 (description fonctionnelle), IDEF1 (modélisation de

données), IDEF3 (modélisation de processus).

Les langages d‟IDEF possèdent une syntaxe claire et rigoureuse. Ces langages sont diffusés et

utilisés mondialement. Même si la sémantique n‟est pas explicitement définie dans les

langages, leur reconnaissance mondiale compense dans une certaine mesure le manque de

sémantique et permet un niveau de compréhension satisfaisant des concepts utilisés.

CIMOSA [AMICE, 1993]

CIMOSA (Open System Architecture for CIM) a été développé par le consortium AMICE

dans le cadre du programme ESPRIT, dans les années 80-90.

Cette architecture comprend un cadre de modélisation, une plate-forme d'intégration et un

ensemble de Constructs (le langage de modélisation). Ces constructs ont été ensuite

normalisés par le groupe de travail de CEN TC310/WG1 et d‟ISO TC184 SC5/WG1 [EN/ISO

19440].


- 24 -

Dans le langage CIMOSA, la sémantique est définie de façon implicite par les « Templates »

qui identifient les attributs que doivent posséder les constructs.

En règle générale, lorsqu‟un modèle d‟entreprise est créé et utilisé localement en interne par

les acteurs qui connaissent bien le langage et la terminologie du métier/domaine, l‟absence

d‟une sémantique explicite du modèle ne pose pas de problème majeur de compréhension.

Celle-ci devient problématique dès lors qu‟un modèle d‟entreprise est utilisé dans un réseau

d‟entreprises plus large et interprété par des acteurs qui n‟utilisent pas le même langage de

modélisation et ne partagent pas les mêmes connaissances métier.

Tous ces langages de modélisation d‟entreprise trouvent leur application à différents niveaux

et à différentes phases du cycle de vie de l‟entreprise.

1.3 DOMAINE D‟UTILISATION DE LA MODÉLISATION D‟ENTREPRISE

La modélisation d‟entreprise peut être utilisée dans différentes phases de vie de l‟entreprise, à

savoir, l‟évaluation, la conception et la restructuration [GRP/GT5, 1999] :

1.3.1 L'ÉVALUATION

L'évaluation des systèmes de production vise à connaître les performances de ces derniers.

Nous avons déjà évoqué les multiples dimensions d'un système de production. Ces

dimensions possèdent chacune leurs propres outils d'évaluation. Aussi, si « l'évaluation

mono-disciplinaire » est aujourd'hui relativement bien fournie en outils, il en va autrement de

l'évaluation globale du système. Permettre la mise en adéquation des performances

techniques, économiques et socio-humaines dans le cadre d'une démarche unifiée d'évaluation

est un problème auquel ne correspond aujourd'hui aucune réponse totalement satisfaisante et

pour lequel la modélisation d‟entreprise a un rôle d‟intégration à jouer [Vallespir et al., 1992].

L'évaluation est en général utilisée pour comparer les performances existantes aux

performances attendues. Toutefois, il existe d'autres configurations basées sur l'évaluation. Il

faut citer notamment le benchmarking (présenté précédemment) qui a pour objectif de

comparer un système de production ou une de ses parties avec d‟autres cas similaires afin d'en

déduire des voies d'amélioration [Vallespir et al., 1999].

1.3.2 LA CONCEPTION

La conception d'un système de production utilise la modélisation d'entreprise comme outil de

spécification du fait que les modèles construits vont eux-mêmes permettre l'expression:


- 25 -

Des besoins de l'entreprise cliente et des performances attendues,

Des besoins de l'organisation fonctionnelle du système futur,

Des spécifications pour l‟intégration des composants techniques, humains et

organisationnels.

La modélisation d'entreprise dans ce cadre doit être capable :

De traduire les attentes de l'entreprise cliente en termes de performances et de

fonctionnalités futures (analyse des besoins),

D'évaluer le système et les solutions futures,

D'être un support à l'activité de conception du système futur (en termes de fonctions et

d'architecture),

De permettre la traduction la moins coûteuse possible vers les métiers en charge de la

spécification et de l'implantation des solutions (ingénierie, informatique, organisation

humaine, etc.).

Dans ce cadre, la modélisation d'entreprise doit permettre de faire émerger l‟ensemble des

connaissances partagées par les partenaires (internes et externes à l'entreprise), partenaires

possédant des objectifs, des compétences et des points de vue différents. Elle devra ensuite

permettre de les intégrer afin de fournir à l'ensemble des acteurs une base sémantique unique.

1.3.3 LA RESTRUCTURATION

La restructuration (réingénierie) des systèmes de production a pour objectif l'amélioration des

performances d'un système existant.

Il est à noter que, même dans le cas d'un système complètement nouveau, une action de

conception telle qu'évoquée plus haut a toujours un point de départ. En effet, outre

l'expression des besoins, l'entreprise cliente aura une image diffuse de ce qu'elle attend du

système futur sur la base de sa propre expérience. De plus, le contexte économique fait qu'il

est beaucoup plus courant de faire évoluer des installations existantes que d‟en créer de

nouvelles. Aussi, les entreprises d'aujourd'hui sont beaucoup plus souvent demandeuses

d'actions de restructuration que d'actions de conception.

Cependant, l'essentiel de ce qui a été présenté dans le cadre de la conception reste vrai pour la

restructuration. Il est à noter qu‟en plus de l‟évaluation du système et des solutions futures, il

est également important d'évaluer le système existant déjà mis en place.


- 26 -

Généralement dans une entreprise, il n‟y a pas nécessairement une sémantique unifiée et

partagée par les différents acteurs et les différents domaines. Par exemple, dans le cas d‟une

restructuration, il est souvent nécessaire de recourir aux modèles existants élaborés pour la

conception ou l‟évaluation. Ces derniers étant construits au sein de projets distincts, avec des

acteurs divers et sur des périodes différentes, leurs sémantiques non explicites sont sources de

problèmes de compréhension.

1.4 LES LIMITES DE LA MODÉLISATION D‟ENTREPRISE

Nous avons vu précédemment les différents domaines dans lesquels la modélisation

d‟entreprise peut intervenir. Cependant elle présente aussi quelques limites qui freinent son

utilisation dans le milieu industriel. En effet, la modélisation d‟entreprise doit répondre aux

nouvelles exigences de l‟entreprise qui naissent avec le développement de nouvelles

contraintes du marché et de nouvelles politiques à mettre en œuvre, en particulier le

développement de partenariats avec d‟autres entreprises et la possibilité de créer et de

dissoudre facilement ces partenariats en évitant de profonds changements internes en terme

d‟outils et de méthodes de travail. Ainsi, nous assistons au développement d‟un nouveau

concept, l‟interopérabilité, qui doit permettre de supporter la communication et l‟interaction

de ces partenariats, tout en répondant aux contraintes de ce nouveau contexte.

Pour le développement de l‟interopérabilité, la modélisation d‟entreprise doit répondre aux

exigences suivantes [chen, 2005]:

Capacité à traduire un modèle d‟un formalisme donné à un autre,

Capacité à transformer un modèle d‟un niveau d‟abstraction à un autre,

Possibilité d‟échange d‟information entre les modèles d‟entreprise hétérogènes,

Facilité de compréhension des modèles d‟entreprise au sens donné par les concepteurs

de ces modèles.

Toutes ces exigences ont donné lieu à de nouvelles thématiques de recherche en modélisation

d‟entreprise, parmi elles, nous pouvons citer :

Intégration des langages de modélisation d‟entreprise,

Interopérabilité des modèles d‟entreprise,

Développement de la sémantique des modèles d‟entreprise.


- 27 -

1.4.1 INTÉGRATION DES LANGAGES DE MODÉLISATION D‟ENTREPRISE

Nous avons vu qu‟un nombre important d‟outils de modélisation ont été proposés lors des

dernières décennies. Aussi, est rapidement apparu le besoin de rapprocher, fédérer voire

intégrer ces outils pour obtenir des ensembles méthodologiques plus puissants et cohérents.

Suite à la phase d‟émergence désordonnée d‟outils, il a été identifié comme le montre la

Figure 1. 2, trois grands stades caractérisant le processus de rapprochement [Vallespir, 2003] :

Figure 1. 2 Intégration des langages [Vallespir, 2003]

Premier stade : la fédération des formalismes - les cadres de modélisation. Certaines

approches méthodologiques, ayant vocation à posséder une large couverture de

modélisation, utilisent plusieurs formalismes. Le problème de la cohérence des

différents modèles est alors posé. Une solution est de proposer un cadre de

modélisation qui explique le positionnement relatif des modèles, les zones de

recouvrement et la dynamique de passage de l‟un à l‟autre.

Deuxième stade : l‟intégration macroscopique – GERAM (Generalised Enterprise

Reference Architecture Methodology). Il a été développé par un groupe de réflexion

sur les architectures pour l'intégration des entreprises (IFAC/IFIP Task Force)

[GERAM, 1999] en s‟appuyant principalement sur CIMOSA, GRAI/GIM et PERA.

GERAM propose une organisation des principaux concepts des approches existantes.

In fine, elle s'articule autour d'un ensemble de composants (formalismes, démarches,

modèles de références, …etc.) permettant de couvrir les domaines relevant de

l'ingénierie et de l'intégration en entreprise.

Troisième stade : l‟intégration microscopique – UEML [Panetto et al., 2004] : la

problématique posée à ce stade revient à chercher comment faire cohabiter et

communiquer des formalismes développés indépendamment. Les initiatives autour

d‟UEML s‟orientent vers le développement d‟un langage pivot de haut niveau

L’intégration à travers

les cadres de modélisation

L’intégration

macroscopique

L’intégration

microscopique

•GIM

• …• GERAM • UEML

Intégration des langages


- 28 -

permettant à plusieurs modeleurs d‟échanger des informations, des données et des

connaissances contenues et déjà prises en compte au sein de leurs propres modèles

établis au moyen de formalismes différents. Il n‟est cependant pas évident de pouvoir

disposer alors d‟un langage réellement unifié répondant à l‟ensemble des

problématiques de modélisation que l‟on pourrait rencontrer. Aussi, il n'est pas

possible d'ignorer l‟approche qui consiste à faire uniquement communiquer les outils

informatiques plutôt qu'à intégrer les langages. Cette approche s'appuie sur les

principes d‟intégration d‟outils informatiques par les données qu‟ils échangent. Les

formalismes de modélisation d'entreprise actuels ne seraient alors pas remis en cause.

Il est alors admis que le développement d‟UEML a contribué à :

Une définition claire de la sémantique commune des formalismes et à une meilleure

délimitation du domaine de la modélisation et de l‟ingénierie d‟entreprise,

Une meilleure interopérabilité et capacité de communication entre acteurs de la

modélisation en environnement hétérogène,

Une meilleure définition du corpus scientifique de la modélisation et de l‟ingénierie

d‟entreprise et donc une augmentation de la visibilité de ces dernières au sein de la

communauté scientifique,

Un vocabulaire accepté et utilisé par les organismes de normalisation à tous les

niveaux (national, européen et international) travaillant dans le domaine.

Notons que l‟approche d‟UEML proposée dans le projet d‟UEML (FP5) a été

essentiellement construite sur une base d‟unification syntaxique. Plus tard, dans le

Réseau d‟Excellence INTEROP (FP6), l‟aspect sémantique de l‟approche d‟UEML a

également été abordé [Anaya, et al, 2008].

1.4.2 INTEROPÉRABILITÉ DES MODÈLES D‟ENTREPRISE

L‟interopérabilité des modèles d‟entreprise concerne l‟interopération entre les modèles du

même niveau d‟abstraction et ceux des niveaux d‟abstraction différents. La recherche vise à

résoudre deux types de problèmes [Chen, 2005] :

Problèmes conceptuels (syntaxiques et sémantiques) dus à la diversité des langages de

modélisation d‟entreprise existants et de différents contextes d‟utilisation,


- 29 -

Problèmes technologiques au niveau d‟outils et de plateformes informatiques utilisés

pour implanter les outils.

Notre attention se porte naturellement sur le problème sémantique. Nous pouvons faire la

distinction entre deux types de problèmes sémantiques :

conflits sémantiques au niveau des concepts utilisés dans différents langages de

modélisation d‟entreprise

conflits sémantiques au niveau des concepts métier représentés dans différents


Outre l‟approche UEML présentée précédemment, il est à noter qu‟une approche similaire

(POP* : Process, Organisation and Product) a été développée dans le cadre du projet intégré

ATHENA (Advanced Technologies for Interoperability of Heterogeneous Enterprise

Networks and their Applications). D‟autres activités de recherche ont été également menées

dans le projet pour résoudre les conflits sémantiques par une approche de l‟annotation

sémantique via une ontologie [Boudjlida et al., 2006], [Boudjlida et al., 2007].

1.4.3 DÉVELOPPEMENT DE LA SÉMANTIQUE DES MODÈLES D‟ENTREPRISE

Il a été constaté qu‟en l‟absence d‟une ontologie de référence dans le domaine de la

modélisation d‟entreprise, les langages de modélisation d‟entreprise utilisent un ensemble de

concepts dont la sémantique n‟est pas explicitement définie. Le problème sémantique porte

notamment sur l‟existence de terminologies multiples, souvent incohérentes, voire parfois

conflictuelles. Ceci constitue une barrière importante à la bonne compréhension des modèles

d‟entreprise et à leur interopérabilité.

Il a été considéré que les problèmes sémantiques les plus souvent rencontrés dans les modèles

d‟entreprise sont : (1) la synonyme (le même concept est représenté par deux termes différents

dans deux différents langages) et (2) l‟homonyme (deux concepts différents définis dans deux

langages sont représentés par un même terme). D‟une manière plus générale, les problèmes

d‟interprétation des modèles sont dus à l‟existence de chevauchement entre le sens des

concepts.

Nous pouvons aussi distinguer deux types de problèmes sémantiques dans le domaine de la

modélisation d‟entreprise :


- 30 -

Problème sémantique portant sur les langages de modélisation d‟entreprise : ce type de

problème concerne les concepts / constructs utilisés pour définir les différents

langages. Par exemple le concept « fonction » n‟a pas le même sens dans CIMOSA et

IDEF0.

Problème sémantique concernant les informations relatives à une entreprise spécifique

et représentées dans un modèle d‟entreprise particulier. Par exemple le terme

« commande » n‟a pas la même signification pour des entreprises différentes.

Dans bien des cas, le problème est lié au fait que la sémantique ne soit pas suffisamment

explicite dans les modèles et les langages. En effet, malgré la composante sémantique

nécessaire à tout langage de modélisation, il s‟avère que ces derniers sont essentiellement

présentés sous leur composante syntaxique.

Pourtant, la sémantique issue du modèle conceptuel sous-jacent au langage de modélisation

est bien présente dans le modèle réalisé. Aussi, on peut considérer en première approche que

le langage de modélisation permet d‟assurer une certaine rigueur syntaxique alors que la

sémantique est véhiculée par les analystes (Figure 1. 3). Ainsi, la garantie sémantique des

modèles obtenus ne repose que sur les compétences de l‟analyste [Zouggar et al., 2008].

Pour éviter que l‟acte de modélisation ne soit aussi dépendant de la compétence des analystes

et de la continuité des acteurs, il est nécessaire de transmettre tout ou partie de la sémantique

par le langage de modélisation ou la relier directement au modèle. Cela ne peut être possible

que si la sémantique est représentée de façon explicite.

Figure 1. 3 La sémantique en modélisation d’entreprise

Notons que nous pouvons distinguer trois catégories d‟acteurs concernés par les problèmes

sémantiques dans le domaine de la modélisation d‟entreprise :

Système à modéliser

Modèle de référence

Modèle conceptuel

Syntaxe

Sémantique

Modèle du système

Analystes

Langage de modélisation


- 31 -

Chercheurs en modélisation d‟entreprise : ils s‟intéressent en général au

développement des langages et méthodologies de modélisation d‟entreprise ;

Spécialistes / consultants d‟un langage de modélisation d‟entreprise spécifique : ils

maitrisent en général un langage de modélisation, et l‟utilisent pour construire des

modèles particuliers,

Utilisateurs d‟entreprise : ils ne sont pas familiarisés avec les langages de modélisation

d‟entreprise mais détenteurs de connaissances de leur domaine métier.

Sémantique des concepts des

langages de modélisation

d‟entreprise

Sémantique des informations

métier contenues dans un

modèle d‟entreprise particulier

Chercheurs en

modélisation d‟entreprise X

Spécialistes / Consultants

maîtrisant un langage

particulier

X

Utilisateurs d‟entreprise

(Business Users) X X

Tableau1. 1 Acteurs liés aux problèmes sémantiques de la modélisation d’entreprise

Le tableau ci-dessus montre l‟intérêt et les problèmes sémantiques rencontrés par rapport à

ces trois types d‟acteurs :

Les travaux de cette thèse portent essentiellement sur les problèmes sémantiques rencontrés

par les utilisateurs d‟entreprise pour comprendre à la fois les concepts / constructs d‟un

langage de modélisation d‟entreprise et les informations relatives à un domaine d‟activité

industrielle spécifique représenté par un modèle d‟entreprise.

1.5 CONCLUSION

Les techniques de modélisation d‟entreprise actuelles peuvent être améliorées en intégrant une

dimension sémantique, souvent négligée. Cet apport sémantique permettra aux entreprises

d‟utiliser la modélisation de façon plus efficace en évitant des erreurs d‟interprétation et de

compréhension. D‟autre part, les modèles d‟entreprise enrichis sémantiquement

contribueraient également aux développements de l‟interopérabilité.

Dans ce chapitre, l‟ensemble de nos analyses a révélé que le développement de la sémantique

en modélisation d‟entreprise est insuffisant. Au cours de ces dernières années, beaucoup de


- 32 -

langages sont apparus. Ils ont été développés afin de traiter une problématique particulière,

dans un domaine précis. Ils ont donc tous une nécessité et une raison d‟exister. Cependant,

leur utilisation sur le terrain se confronte à des problèmes d‟interprétation qui sont dus, dans

de nombreux cas, au fait que la sémantique soit insuffisamment présente voire inexistante. Il

s‟avère alors nécessaire d‟élaborer une approche méthodologique structurée permettant le

développement de la sémantique support aux activités d‟une modélisation d‟entreprise plus

cohérente conduisant à une meilleure diffusion de la connaissance.

Les travaux menés dans la présente thèse se centrent donc sur la dimension « sémantique » en

modélisation d‟entreprise, l‟objectif étant de proposer une approche permettant une définition

explicite de la sémantique. Une telle démarche vise la mise à disposition des modélisateurs

d‟une solution aux problèmes de conflits qui apparaissent ultérieurement lors de la

manipulation des modèles déjà construits.

Chapitre 2 : La sémantique en modélisation d‟entreprise

- 33 -

2 CHAPITRE 2

LA SÉMANTIQUE EN MODÉLISATION D‟ENTREPRISE :

APPROCHES DE FORMALISATION

A l‟issue du chapitre 1 et après parcours de la littérature, nous avons pu mettre en évidence

une limite non négligeable de la modélisation d‟entreprise, à savoir, le déficit sémantique.

Pour répondre à cette problématique, nous proposons de construire une démarche permettant

de développer et solidifier la sémantique des modèles d‟entreprise. L‟objectif étant de fournir

des règles précises au-delà de l‟unique aspect syntaxique. L‟accent sera mis sur la sémantique

qui doit être aussi cohérente que possible dans le but de consolider les modèles construits.

Une approche de formalisation sera présentée dans ce chapitre et illustrera une partie de notre

contribution.

Ce deuxième chapitre de thèse est consacré pour la première partie à la définition de la

sémantique et à l‟analyse de son interaction avec la modélisation d‟entreprise. Pour ce faire et

afin de clarifier les concepts utilisés dans la thèse, il est nécessaire de débuter par la

présentation de la théorie sémiotique avant d‟introduire le parallélisme entre le processus de

conversion des connaissances (modèle SECI) et le processus de création des modèles

d‟entreprise. L‟analyse de ce parallélisme permettra d‟identifier le type de sémantique que

renferme chacune des étapes.

La deuxième partie de ce chapitre sera consacrée aux approches de formalisation retenues

dans le cadre de notre travail en l‟occurrence la théorie des langages et les ontologies qui

constituent des éléments clés sur lesquels se basera notre contribution.

2.1 DÉFINITION DE LA SÉMANTIQUE

La sémantique est un terme d‟origine grec « smantikos : qui signifie », elle constitue une

branche de la linguistique qui s‟occupe de l‟étude scientifique du sens ou de la signification

du mot. La sémantique est généralement utilisée pour compléter la syntaxe qui constitue un

élément nécessaire pour pouvoir parler de sémantique. La syntaxe est, à l'origine, une branche

de la linguistique qui étudie la façon dont les mots (morphèmes libres) se combinent pour

former des syntagmes (nominaux ou verbaux) pouvant mener à des propositions (phrases),

lesquelles peuvent se combiner à leur tour pour former des agrégats plus complexes, les

énoncés (textes). Il y a généralement entre la sémantique et la syntaxe le même rapport qui

existe entre le fond et la forme.


- 34 -

Au-delà de la linguistique, la sémantique est un élément important pour toutes les disciplines

scientifiques. Les approches sémantiques développées ces dernières années donnent des

définitions différentes à la sémantique [Rastier et al, 1994] :

La sémantique logique : elle s‟attache à juger de la véracité des énoncés, et des

conditions dans lesquelles le langage énonce une vérité. Elle définit la signification

comme une relation entre un symbole et l‟objet qu‟il décrit. Jusqu‟au milieu du siècle

dernier, elle a travaillé sur le sens sémantique, mais avec la formalisation de la

logique, elle s‟est considérablement modifiée pour être nommée « sémantique ».

La sémantique psychologique : elle définit la signification comme le rapport entre des

signes et des représentations ou opérations mentales.

La sémantique cognitive : elle définit la signification comme une représentation

mentale. Elle peut être perçue comme une extension de la sémantique psychologique.

La sémantique linguistique autonome : elle définit la signification comme un rapport

linguistique entre signes, et plus précisément entre signifiés.

Dans le cadre de nos travaux, nous utilisons la notion de sémantique du point de vue

linguistique, plus précisément, la sémantique utilisée dans l‟interprétation des modèles

d‟entreprise. Étudier la sémantique d‟un modèle passe par l‟analyse du sens de chacun de ses

éléments. Cette analyse ne peut se faire qu‟avec le support de la « sémiotique du grec ancien

sêméion : signe » ou « sémiologie » qui représente une discipline scientifique à part entière.

En effet, il n‟y a pas de sens sans signe. Partant de cette constatation nous appuierons nos

analyses de la sémantique par combinaison des apports de la théorie sémiotique.

2.1.1 LE SIGNE LINGUISTIQUE ET LA THÉORIE SÉMIOTIQUE

La sémiotique est l'étude des signes et de leur signification. Un signe linguistique désigne une

unité d'expression du langage, une entité formée par la réunion d'un signifié (un concept) et

d'un signifiant (une forme sonore ou image acoustique).

F. de Saussure décrit le « signe linguistique » comme une entité psychique comportant deux

faces indissociables (une réalité bi-face) : un signifiant (les sons ou leur transcription écrite, la

partie sensible) et un signifié (le concept, la partie abstraite) [de Saussure, 1995].

Le signe n‟est donc pas l‟association d‟un mot et d‟une chose. Pour de Saussure comme pour

la plupart des linguistes modernes, seule la forme orale du langage est probante, l‟écrit n‟étant


- 35 -

qu‟un codage secondaire. C‟est la raison pour laquelle il décrit le signifié comme étant

l‟empreinte que laisse un son dans notre esprit. Ce modèle de signe est dit dyadique, puisqu‟il

comprend deux éléments.

Ainsi, la séquence sonore « arbre » (signifiant), évoque dans l‟esprit de celui qui l‟entend et

qui comprend le français le concept « arbre » (signifié) (Figure 2. 1)

Figure 2. 1 Modèle dyadique de « de Saussure »

De Saussure a souligné quatre caractéristiques importantes du signe linguistique :

L'arbitraire du signe : le lien entre le signifiant et le signifié est arbitraire, c'est-à-dire

immotivé, car un même concept peut être associé à des images acoustiques différentes

selon les langues,

Le caractère linéaire du signifiant : « Le signifiant, étant de nature auditive, se déroule

dans le temps ». Les éléments des signifiants se présentent donc obligatoirement les

uns après les autres, selon une succession linéaire : ils forment une chaîne,

L'immutabilité du signe : le signifiant associé à un concept donné s'impose à la

communauté linguistique : un locuteur ne peut décider de le modifier arbitrairement,

La mutabilité du signe : les signes linguistiques peuvent néanmoins être modifiés par

le temps, par l'évolution linguistique (modification du signifiant, du signifié ou de leur

rapport).

[Eco, 1988] a défini le signe comme suit : « Le signe est utilisé pour transmettre une

information, pour dire ou indiquer une chose que quelqu‟un connaît et veut que les autres

connaissent également ». La théorie d‟Eco part du fait que l‟être humain évolue dans un

« système de systèmes de signes » et ce, que ce soit dans les civilisations industrialisées ou

dans la nature [Guillemette et Cossette, 2006].

Dans [Eco, 1988], le signe est considéré comme élément important du processus de

communication et du processus de signification.


- 36 -

Figure 2. 2 Processus de communication

Dans le processus de communication, le signe est utilisé pour transmettre une information,

pour dire ou indiquer quelque chose que quelqu‟un connaît et veut faire connaître aux autres.

Il s‟insère dans un processus de communication de type : Source - Émetteur - Canal -

Message - Destinataire (Figure 2. 2). Cette figure montre un exemple : la personne A

(Émetteur), envoie un message à la personne B (Destinataire) à travers le réseau Internet

(Canal). Le message est considéré ici comme le signe. En effet, un message peut être

constitué par l‟organisation complexe de nombreux signes. Il faut tout de même rajouter un

autre élément à cette figure : B ne peut pas comprendre le signe envoyé par A s‟ils ne parlent

pas la même langue ; il va alors percevoir une entité indifférenciée, et n‟en saisira pas la

signification. Il faut donc que l‟émetteur et le destinataire aient le même code, c‟est-à-dire une

série de règles qui permettent d‟attribuer une signification au signe.

Le signe n‟est donc pas seulement un élément qui entre dans un processus de communication ;

il est aussi une entité qui participe à un processus de signification. Cette distinction a été

exposée pour la première fois de façon systématique par les Stoïciens. Pour eux, il faut

distinguer dans tout processus sémiotique [Eco, 1988]:

Le seimainon ou signifiant, ou expression perçue comme entité physique,

Le semainomenon (ce qui est exprimé) ou signifié, ou contenu qui ne représente pas

une entité physique,

Le tynchanon : l‟objet auquel le signe se réfère et qui est, de nouveau, une entité

physique, ou encore un événement ou une action.

Cette distinction a été reformulée sous divers noms, mais les travaux d‟Eco sont basés sur

ceux de Peirce [Guillemette et Cossette, 2006], qui a présenté la triade sémiotique comme

étant un schéma de l‟interprétation des signes. Il permet de comprendre la place de

l‟interprétant, par rapport à l‟objet, et au signe qui le représente.

Source

d’information

Canal

Message

Émetteur

(A)

Destinataire

(B)


- 37 -

Le modèle le plus connu de la triade sémiotique est celui qui est donné par Ogden et Richards

et qu‟ils ont appelé « triangle sémiotique ». Ils ont défini trois facettes du triangle qui sont :

l'objet (ou référent), le concept (ou référence) et le terme (ou symbole) [Ogden et Richards,

1972].

Les trois arêtes du triangle sémiotique sont [Ogden et Richards, 1972] :

Le référent ou le signe, objet du processus cognitif,

Le signifiant, qui évoque le référent via des processus mentaux,

Le signifié, résultat du processus mental pour le sujet qui perçoit l‟objet.

Appliqué au problème de la production de sens par le langage, le référent correspond à l‟objet

dont on parle, le signifiant au mot désignant l‟objet, le signifié à l‟image mentale que le sujet

a de l‟objet. Sur la Figure 2. 3, les flèches représentent les trois situations induites par le

langage [Perret, 2006]:

RS : Le sujet S voit le référent R, ce qui déclenche le processus de production du

signifié. Le sujet perçoit une chaise par exemple,

RL+LS : Un locuteur L, qui perçoit le référent R, transmet l‟information au sujet S par

référence en utilisant un mot qui le désigne. Par exemple, parlant d‟une chaise qu‟il

voit, le locuteur prononce le mot “chaise”, qui est alors le signifiant faisant référence à

l‟objet chaise, à l‟adresse du sujet,

LS : Le locuteur L évoque, à l‟aide de mots, un objet invisible (il importe peu, ici que

l‟objet soit effectivement invisible, tel un atome à l‟œil nu, abstrait ou imaginaire), ce

qui suscite chez le sujet S le processus de production de sens.

Figure 2. 3 Le triangle sémiotique d’Ogden et Richards

Dans [Ermine, 2003], le triangle sémiotique a été adopté en nommant les trois arêtes du

triangle comme étant : sémantique, syntaxe et pragmatique. Chaque signe est représenté selon

ces trois axes :

Signifié ( )

Signifiant ( ) Référent ( )


- 38 -

la sémantique qui s‟occupe des liaisons entre le signe et les choses auxquelles il se

rapporte.

la syntaxe qui s‟occupe de former les liens entres les signes dans une structure

formelle.

la pragmatique qui s‟occupe de l‟impact du signe sur ceux qui l‟utilisent.

Dans les domaines des systèmes d‟information, l'approche de FRISCO [Falkenberg et al,

1998] a pour but d‟établir le lien entre la « réalité » et ses concepts de modélisation. Elle est

basée sur le triangle sémiotique. Celui-ci a été prolongé en un tétraèdre en rajoutant la

dimension « acteur » (Figure 2. 4).

Les concepts dégagés par l‟approche FRISCO sont :

Domaine : le monde autour de l‟analyste,

Acteur : un acteur percevant et concevant l'univers, en utilisant ses sens,

Conception : c‟est la conséquence de l‟observation par l‟analyste de l‟univers,

Représentation : le résultat d‟un analyste dénote une conception, en utilisant un

certain langage comme moyen d‟expression.

Ainsi, en modélisant une partie du monde, les analystes sont influencés par leurs intérêts

particuliers pour l'univers observé.

Figure 2. 4 Le tétraèdre FRISCO

L‟étude de la sémiotique a fait émerger des concepts que nous avons estimés intéressants dans

le cadre des analyses menées dans cette thèse. En se basant sur les concepts dégagés par le

triangle sémiotique, nous comptons proposer une définition formelle des concepts de

modélisation d‟entreprise dans le chapitre 3 (3.1). A ce stade la théorie sémiotique a été

exploitée, nous orientons nos analyses sur l‟axe principal de notre thèse, la sémantique.

Brown Charles 20/02/1975 25 avenue ..

Conception

Acteur

Domaine Représentation

Observateur

Client Brown (en tant

que personne physique)

Le prénom de Brown

est Charles;

Brown à 33 ans

Brown habite à…

…


- 39 -

2.1.2 LES RELATIONS SÉMANTIQUES

Nous avons vu précédemment que le signe est le centre du sens et de la signification ; mais

celui-ci peut être classé en plusieurs catégories. En effet, non seulement il peut être un mot,

mais aussi un geste, un symbole, un son, une image, une idée ou des pensées.

Nous pouvons, à ce stade, percevoir clairement l‟utilité de la sémantique. En effet, un modèle

d‟entreprise composé de plusieurs entités en interactions, échange des informations

renfermant des significations diverses suivants des concepts donnés. Dans cette partie, nous

cherchons à définir la sémantique des entités utilisées dans les modèles à savoir: les concepts.

Il existe des relations entres les concepts qu‟il va falloir définir pour bien délimiter leur champ

d‟action. Il faut tenir compte de trois critères pour présenter ces relations sémantiques

[Galmiche, 1991]:

le sens d‟un mot est constitué de traits sémantiques qui témoignent de sa ressemblance

ou de sa différence avec d‟autres mots,

les traits sémantiques dépendent d‟un réseau de corrélations dont les unes sont

d‟opposition et les autres de combinaison,

le sens se construit dans des situations déterminées et donc toute opération de

classement du sens dépend d‟un domaine d‟expérience défini.

Parmi les types de relations de sens, on peut distinguer :

Des relations d‟équivalence,

Des relations d‟opposition,

Des relations hiérarchiques.

2.1.2.1 Les relations d‟équivalence

Chaque fois que, dans un même contexte, un mot peut être remplacé par un autre mot, sans

que le sens de l‟énoncé ne change, on dira que ces deux mots sont sémantiquement

équivalents. Ce phénomène est traditionnellement appelé « synonymie »

La Synonymie : elle désigne une relation entre deux mots ou deux expressions qui ont

le même sens ou des sens très voisins [Baylon et Mignot, 2000]. Des termes liés par

synonymie sont des synonymes, ils ont le même signifié et signifiant mais sont des

signes différents.


- 40 -

2.1.2.2 Les relations d‟opposition

On parle d‟opposition quand, dans un même contexte, un mot ne peut être mis à la place d‟un

autre, sous peine de changer radicalement le sens de l‟énoncé. Ce phénomène est

traditionnellement appelé « antonymie » dans le cas où les signes ont des syntaxes différentes,

et « homonymie » dans le cas où la syntaxe est la même pour les deux signes.

L‟antonymie : elle indique que par rapport à un mot (ou à un sens d‟un mot), on a

affaire au mot de sens opposé. L‟antonymie apparaît d‟une certaine façon comme le

contraire de la synonymie [Baylon et Mignot, 2000].

L‟homonymie : c‟est la relation entre des mots d'une langue qui ont la même forme

orale ou écrite (même signe) mais des sens différents (signifiant et signifié différents)

[Bodson, 2004]

2.1.2.3 Les relations hiérarchiques

Dans la relation hiérarchique, chaque terme subordonné doit normalement se référer à la

même catégorie que la forme acceptée de son terme supérieur : le générique et le spécifique

doivent tous deux représenter un objet, une action, une propriété, etc.

On retrouve dans les relations hiérarchiques, l‟hyperonymie et la méronymie.

L‟hyperonymie : elle établit un ordre hiérarchique entre termes d‟une même classe

sémantique. Elle doit être considérée sous deux angles : [Bodson, 2004]

» Celui du terme générique vers le terme spécifique que l‟on appelle

hyponymie,

» Celui du terme spécifique vers le terme.

La méronymie : elle est aussi connue sous le nom de relation partitive ou de relation

partie – tout (whole – part) [Sager, 1990].

Les relations de méronymie sont fondées sur les notions vagues de proximité ou d‟association

dans l‟espace, elles engagent un terme dénotant un tout et un ou plusieurs termes dénotant des

parties.

Cette relation, tout comme la relation hyperonymique (et la relation inverse, à savoir

l‟hyponymie) peut aussi être vue sous deux angles, soit du tout vers la partie (méronymie),

soit de la partie vers le tout (holonymie) [Bodson, 2004].


- 41 -

Cette classification de relations de sens (relations d‟équivalence, d‟opposition, et

hiérarchiques) est de notre point de vue intéressante et utile, elle nous servira de base pour

définir et formaliser un point crucial de notre contribution à savoir les conflits sémantiques en

modélisation d‟entreprise que nous détaillerons dans le chapitre 3.

2.1.3 LE CONTINUUM SÉMANTIQUE

Uschold et Gruninger ont proposé un classement des types de sémantique utilisés dans le web

qu‟ils ont appelé le continuum sémantique [Uschold et Gruninger, 2002]. (Figure 2. 5).

Figure 2. 5 Le continuum sémantique

Aussi, nous pouvons distinguer :

La sémantique tacite : qui existe seulement dans le mental des gens;

La sémantique semi-informelle (explicite et informelle) : qui est une sémantique

explicite mais qui est très souvent représentée de façon informelle en utilisant

généralement des langages naturels tels que le français ou l‟anglais,

La sémantique semi-formelle (formelle pour les humains) : qui désigne une

sémantique explicite et relativement formelle qui est destinée principalement aux

humains en utilisant des formalismes le plus souvent graphiques tels que les modèles

sémantiques, les diagrammes UML ou la modélisation d‟entreprise,

La sémantique formelle (pour les machines) : qui est une sémantique qui se base sur

des formalismes mathématiques rigoureux (tels que la logique de description, la

logique de premier ordre, etc.) qui lui permettent d'être traitée de façon automatique.

Dans la modélisation d‟entreprise, nous rencontrerons deux degrés de formalisation de la

sémantique :

Sémantique semi-informelle : il s‟agit de la documentation sur les concepts utilisés

pour la modélisation,

Tacite Semi-Informelle Semi-Formelle Formelle


- 42 -

Sémantique semi-informel : il s‟agit des méta-modèles basés sur des formalismes

graphiques.

2.2 SÉMANTIQUE ET CONNAISSANCES

Dans cette partie, nous allons définir la sémantique du point de vue de la gestion des

connaissances. En effet, les connaissances jouent un rôle important dans les modèles

d‟entreprises dans le sens où elles sont nécessaires à la modélisation puisque c‟est à partir des

connaissances des modélisateurs sur le langage et sur l‟entreprise que le modèle peut être

construit.

Le but étant d‟étudier comment la sémantique est-elle créée et avec quel degré de

formalisation est-elle utilisée, dans le processus de création des connaissances. Pour ce faire,

nous débutons par la définition des points élémentaires participant à la création de la

sémantique, à savoir, les données, informations et connaissances. Nous explicitons par la

suite, les connaissances tacites et explicites et montrons le modèle de conversion de Nonaka

(SECI). En effet, ce modèle de conversion, peut s‟avérer utile du fait qu‟il considère le type

de connaissances partagées à chaque étape du processus de création des connaissances.

2.2.1 DONNÉES, INFORMATION, CONNAISSANCE

Plusieurs définitions existent portant sur les trois concepts de base : donnée, information et

connaissance.

Les données sont des faits objectifs qui relatent un événement, comme des observations

simples [Davenport et Prusak, 1998]. Dans la technologie de l‟information, une donnée est

une description élémentaire, souvent codée, d‟une chose, d‟une transaction, d‟un événement,

etc. Si on prend l‟exemple du mot « activité », qui est une suite de huit lettres de l‟alphabet

français, nous allons dire dans un premier temps que c‟est une donnée ou un signifiant. Le

mot « activité » présenté par exemple dans le contexte de notre recherche (la modélisation

d‟entreprise) portera un sens et nous permettra de donner une classification des activités d‟une

entreprise donnée.

L’information est un signifié transporté par une donnée, elle commence là où commence le

sens, et le sens ne peut s‟opérer sans connaissance [Prince, 1996].

La connaissance est l‟interprétation que fait l‟Homme de l‟information. La connaissance se

construit donc à partir de l‟information qui est transformée et enrichie par l‟expérience


- 43 -

personnelle, les croyances et les valeurs [Bender et Fish, 2000]. Ce n‟est pas la seule

définition que nous pouvons trouver, en raison du fait que la connaissance recouvre plusieurs

domaines. Ainsi, il a été proposé trois catégories de la connaissance [Duizabo et Guillaumen,

1996] :

Les connaissances relatives au savoir : elles sont descriptives, statiques, directement

utilisables et s'acquièrent en étant informé. L'information est donc le vecteur privilégié

de ce type de connaissance.

Les connaissances relatives au faire: elles sont dynamiques et correspondent

généralement à des méthodes ou des procédures. La formation est donc le vecteur

privilégié de ce type de connaissance.

Les connaissances relatives au comprendre: elles résultent de l'enrichissement des

connaissances relatives au savoir et au faire obtenue à travers des échanges

d'expériences vécues par des personnes différentes, dans des contextes plus ou moins

proches. Ces connaissances ne sont pas directement transférables. La communication

est donc le vecteur privilégié de ce type de connaissance.

Les connaissances, l'information et les données font partie d'un continuum qui regroupe la

compréhension, la complexité des liens et le contexte [Lundvall, 2000].

Figure 2. 6 Données – Informations – Connaissances [Bellinger, 2000]

Cette représentation est aussi nommée « spectre du savoir » (Figure 2. 6) qui commence par

des données, c‟est-à-dire des faits, des nombres, etc. Les niveaux de compréhension et de

complexité de liens entre les données sont faibles. Ils laissent peu de place à l'interprétation et

sont décontextualisés. Lorsque ces données sont interprétées et organisées, c'est l'information.

Chaos Compréhension

Axe Contextuel

Axe relationnel

Données

Informations

Connaissances

Sagesse

Compréhension

des modèles

Compréhension

des principes

Compréhension

des relations


- 44 -

À ce stade, les liens entre les données sont alors mieux compris et certains contextes peuvent

être pris en compte. Graduellement, des liens de plus en plus complexes s'ajoutent à

l'information comme le sens [Choo, 2006] et les contextes [Davenport et Prusak, 1998] pour

devenir connaissance. On appelle généralement « connaissance » l'information enrichie et

mise en contexte. Au sommet du continuum, on retrouve la sagesse, c'est-à-dire des

connaissances liées au jugement [Scharmer, 2001]. Les niveaux de compréhension et de

connexité y sont très élevés. À l‟autre extrémité du continuum, il y a le chaos qui représente

l'absence de compréhension, de liens et de contexte. Il se situe à l'intersection des trois axes

du spectre du savoir, soit cognitif, relationnel et contextuel [Bellinger, 2000], [Moradi et al.,

2008].

Dans le contexte de la gestion de la connaissance, beaucoup d‟auteurs ont basé leur analyse

sur la création de la connaissance sur deux dimensions principales [Nonaka et al, 1997] :

épistémologique et ontologique (Figure 2. 7).

Figure 2. 7 Les dimensions de la création de la connaissance

Connaissances tacites

(subjectives)

Connaissances explicites

(objectives)

Connaissances de l’expérience

(usage de nos sens)

Connaissances rationnelles

(usage de notre raison)

Connaissances simultanées

(ici et maintenant)

Connaissances séquentielles

(ici et plus tard)

Connaissances analogiques

(pratiques)

Connaissances digitales

(théorie)

Tableau 2. 1 Les deux types de la connaissance

Dimension

épistémologique

Dimension

ontologique

Connaissances

individuelleConnaissances

collectives

Connaissances

explicites

Connaissances

tacites


- 45 -

La dimension épistémologique représentée dans la Figure 2. 7 par l‟axe vertical fait la

distinction entre les connaissances explicites et tacites (Tableau 2. 1) [Nonaka et al, 1997] :

2.2.2 LES CONNAISSANCES EXPLICITES

Ce sont celles pour lesquelles il existe une trace visible, elles sont facilement codifiées,

énoncées, communiquées. En entreprise, elles se situent dans les bases de données, dans les

procédures standardisées ou dans les manuels.

On dit que les connaissances explicites sont basées objet ou basées règlement.

Elles sont basées objet lorsqu‟il s‟agit de [Nonaka et al, 1997] :

Chaînes de symboles (mots, chiffres, formules),

Objets physiques (équipements, documents, modèles) que l‟on trouve dans les brevets,

nomenclatures ou les systèmes d‟information.

Elles sont basées règlement lorsque les connaissances sont codifiées sous formes de règles et

procédures.

Les connaissances sont explicites sur les événements passés, présents ou futurs. Le partage de

ces connaissances entre individus (ou outils) se fait à travers un processus « séquentiel » par

une exploration itérative. [Bateson, 1972] parle de connaissances « digitales ».

2.2.3 LES CONNAISSANCES TACITES

Elles sont définies comme des savoirs intuitifs, difficiles à énoncer, formaliser et

communiquer par le langage. Le support de ces connaissances est l‟individu. Les

connaissances tacites contiennent deux dimensions [Nonaka et al, 1997] :

Dimension technique : le savoir-faire développé par les individus qui trouvent des

solutions aux problèmes réels, souvent à travers des expériences,

Dimension cognitive : les croyances, les valeurs ou les schémas mentaux qui

gouvernent l‟action de l‟individu.

Le savoir tacite est créé "ici et maintenant" dans un contexte pratique et implique, ce que

[Bateson, 1972] dénomme « analogique ». Le partage des connaissances tacites entre les

individus à travers la communication est un processus analogique qui exige une sorte

de traitement « simultané » des questions complexes partagées par les individus.


- 46 -

La dimension ontologique représentée dans la Figure 2. 7 par l‟axe horizontal fait la

distinction entre les connaissances individuelles et les connaissances collectives (de groupe).

La connaissance ne peut être créée par une organisation sans les individus. C‟est

l‟organisation qui est utilisée comme support ou qui donne un contexte qui permet à

l‟individu de créer des connaissances.

La dimension ontologique représente les différents niveaux de la connaissance qui en

découlent : l‟individu ou le collectif (groupe). La notion de collectif est parfois divisée en

sous-niveaux : le groupe, l‟organisation et les relations entre les organisations [Nonaka et al,

1997]. Le principal problème étudié dans la dimension ontologique est donc le partage des

connaissances entre les individus, les groupes et l‟organisation [Sanchez et al., 1996] :

Les connaissances individuelles sont l‟ensemble des croyances d‟un individu, sur les

relations de cause à effet entre phénomènes

Les connaissances collectives sont celles des organisations ou des groupes de travail.

Elles sont stockées dans des règles, des procédures, des routines et des normes

partagées. Elles sont aussi appelées connaissances sociales.

2.2.4 LA CONVERSION DES CONNAISSANCES TACITES ET EXPLICITES : LE MODÈLE SECI

Le modèle SECI (Socialization, Externalization, Internalization, Combination) a été

développé par Nonaka et Takeuchi. Il se focalise sur la création et la transformation des

connaissances et il explore quatre différents modes de conversion (Figure 2. 8). [Nonaka et al,

2000] :

Figure 2. 8 Modèle de la conversion des connaissances (SECI)

Socialisation

Combinaison

Externalisation

Internalisation

Tacite

ExpliciteExplicite

Tacite

Ta

cit

eT

ac

ite

Ex

plic

iteE

xp

licite

iig

i

i

i i

i

i

i i

i

g

og

gg

g

i: individuel

g: groupe

o: organisation


- 47 -

La socialisation : de la connaissance tacite à la connaissance tacite ;

L‟externalisation : de la connaissance tacite à la connaissance explicite ;

La combinaison : de la connaissance explicite à la connaissance explicite ;

L‟internalisation : de la connaissance explicite à la connaissance tacite.

La socialisation :

Elle convertit les connaissances tacites en de nouvelles connaissances tacites par un processus

de partage d‟expériences et d‟interaction sociale entre les membres d‟une organisation

(individus). La connaissance se transforme par l‟observation et l‟imitation. La clé de

l‟acquisition de la connaissance tacite devient l‟expérience et l‟apprentissage par la pratique

(le langage y est absent). Sans échange d‟expérience, il reste difficile de partager des schémas

et des processus de pensée, car la connaissance perd de son sens si elle est dépossédée de son

contexte et des émotions qui sont associées au transfert d‟expériences. La conversion de la

connaissance tacite repose donc sur le partage d‟expérience et la caractéristique principale de

la socialisation est sa résistance à la codification.

L’externalisation :

Elle permet d‟articuler et de transformer les connaissances tacites en de nouvelles

connaissances explicites comme les concepts, les modèles, les histoires et les métaphores.

C'est la saisie de l'information par l‟utilisation du langage sous toutes ses formes. Le dialogue,

la réflexion collective, le cercle de qualité et la rédaction sont les genres de mécanismes

généralement utilisés pour officialiser des règles appliquées quotidiennement.

Dans une organisation, un individu se confie au groupe et fait corps avec ce dernier. Les

intentions individuelles et les idées fusionnent puis s‟intègrent dans l‟univers mental du

groupe.

La combinaison :

Elle convertit des connaissances explicites en de nouvelles connaissances explicites à valeur

ajoutée par induction ou déduction sur la base d‟un langage commun. Les systèmes

d'information et les réunions formelles sont les mécanismes généralement utilisés pour

enrichir les connaissances déjà explicitées. Ces connaissances peuvent être collectées à

l‟intérieur et à l‟extérieur de l‟organisation.


- 48 -

L’internalisation :

Elle est l‟étape la plus importante pour l‟entreprise puisqu‟elle modifie les comportements des

individus en intégrant à des connaissances explicites de nouvelles connaissances tacites

comme des émotions, des souvenirs, des sentiments ou encore des sensations, grâce à des

formations et des exercices qui permettent aux individus d‟accéder à la connaissance du

groupe. Elle entraîne l‟adoption de certaines règles et d‟un comportement nouveau dans

l‟organisation.

2.2.5 LA SÉMANTIQUE DANS LE PROCESSUS DE CRÉATION DES CONNAISSANCES

Nous avons vu précédemment comment se réalise l‟évolution des données jusqu‟aux

connaissances représentées selon le modèle SECI (Figure 2. 9). Maintenant nous allons

examiner comment la sémantique se présente à chaque niveau de cette évolution. En effet, il

est utile de comprendre la sémantique par niveau afin de déterminer son degré de

formalisation qui est lui-même défini par le continuum sémantique (Figure 2. 5)

Figure 2. 9 Des données au modèle SECI

D‟après Simon [Simon, 1997], la donnée n‟a pas de sens en elle-même. C‟est seulement en

donnant un sens à cette donnée que l‟individu possède une information qui lui permet de dire

qu‟il sait et qu‟il a retenu quelque chose [Durand, 2006].

Les informations peuvent être envisagées sous deux aspects : syntaxique (en structure ou

volume) et sémantique (signification ou sens) [Nonaka, 1994]. L'aspect sémantique de

l'information est plus important pour la génération des connaissances, parce qu‟il se concentre

sur la signification.

Une fois les données décryptées et après leur avoir restitué le sens informatif, il reste à

structurer ces informations en vue de leur conférer un sens plus large, qui donne les

connaissances.

Données

Informations

Connaissances

Epistémologique

Ontologique

Tacites

Explicites

Individuelles (i)

Groupes (g)

Socialisation

Combinaison

Externalisation

Internalisation

Tacite

ExpliciteExplicite

Tacite

Tacit

eT

acit

e

Exp

licite

Exp

licite


- 49 -

Une fois ces connaissances établies, qu‟elles soient tacites ou explicites, individuelles ou de

groupe, elles subissent des transformations en passant par les différents modes de conversion

de Nonaka. La sémantique de ces connaissances, suivra automatiquement cette

transformation. En effet, si la connaissance est tacite, il est évident que sa sémantique soit

aussi tacite, et le raisonnement est le même pour la connaissance explicite.

En reprenant le modèle SECI, et en se basant sur le continuum sémantique qui stipule qu‟il

existe quatre niveaux de formalisation de la sémantique, à savoir : tacite, semi-informelle,

semi-formelle et formelle, nous allons pouvoir identifier le type de sémantique manipulée

dans chaque mode de conversion du modèle SECI (Figure 2. 10) :

Figure 2. 10 La sémantique dans le modèle SECI

Socialisation : les connaissances manipulées dans ce mode de conversion sont

totalement tacites. L‟échange se fait par un processus de partage d‟expériences et

d‟interaction sociale. La sémantique utilisée à travers cet échange des connaissances

ne peut donc être que tacite.

Externalisation : les connaissances tacites sont transformées en de nouvelles

connaissances explicites. La sémantique de ces connaissances peut prendre deux

formes :

» Sémantique semi-informelle comme des documents qualité ou des documents de

description de postes de travail dans une entreprise.

» Sémantique semi-formelle comme les diagrammes UML, qui sont formels pour

l‟homme mais pas assez pour la machine.

Socialisation

Combinaison

Externalisation

Internalisation

Tacite

ExpliciteExplicite

Tacite

Tacit

eT

acit

e

Exp

licite

Exp

licite

Sémantique tacite

Sémantique semi-informelle + semi-formelle

Sémantique tacite

Sémantique semi-formelle +

formelle


- 50 -

Combinaison : les connaissances sont totalement explicites dans ce mode de

conversion et leur sémantique peut prendre deux formes :

» Sémantique semi-formelle.

» Sémantique formelle comme des modèles basés sur des formalismes

mathématiques.

Internalisation : les connaissances initialement explicites vont être transformées en de

nouvelles connaissances tacites dans le but de les partager et de les expliquer. La

sémantique de ces connaissances ne peut donc être que tacite.

2.3 SÉMANTIQUE ET MODÈLES D‟ENTREPRISE

Après avoir analysé la sémantique par niveau dans les modèles de conversion des

connaissances, par analogie, une analyse du type de sémantique manipulée par étape sera

fournie. En effet, le processus de création de modèle d‟entreprise et le processus de

conversion des connaissances présentent certaines similarités d‟où l‟intérêt d‟établir une étude

sur le type de sémantique à chacune des étapes.

2.3.1 CRÉATION DE MODÈLES D‟ENTREPRISE

Nous avons présenté dans le chapitre 1 quelques éléments importants relatifs à la modélisation

d‟entreprise qui s‟est avérée être un moyen efficace de représentation du fonctionnement

d‟une entreprise. Le modèle est une description d‟un système conçu de sorte qu'il soit possible

de raisonner mentalement sur le fonctionnement de ce système. Tout modèle comporte à la

fois des concepts et des relations causales entre concepts.

Plusieurs méthodologies ont été proposées pour créer un modèle d‟entreprise, quelques-unes

ont été citées dans le chapitre précédent.

Du point de vue pratique, nous pouvons assimiler toute création de modèle d‟entreprises à un

processus où l‟enchaînement des quatre étapes suivantes est nécessaire (Figure 2. 11).

Ce processus de création de modèles d‟entreprise peut se réaliser à travers deux groupes

d‟individus. Le premier est celui qui appartient à l‟entreprise et qui possède toutes les

connaissances concernant l‟entreprise, on l‟appellera donc : Expert domaine. Le deuxième

groupe est celui qui s‟occupe de la modélisation, il a donc les connaissances nécessaires en

modélisation d‟entreprise. On l‟appellera : Analyste.


- 51 -

Figure 2. 11 Processus de création de modèles d’entreprise

Obtenir les informations nécessaires à la modélisation :

La première étape de modélisation consiste à obtenir pour l‟analyste les informations

nécessaires à la modélisation de la part de l‟expert domaine à travers des réunions et des

discussions sur les métiers de l‟entreprise, ses objectifs et ses exigences.

Construction et revue du modèle préliminaire :

Après avoir réuni toutes les informations nécessaires, l‟analyste peut construire un modèle

préliminaire. Ce modèle sera revu et corrigé par l‟expert domaine jusqu'à l‟obtention d‟un

modèle pertinent. C‟est une étape consensuelle, qui amène les deux groupes à se mettre

d‟accord sur la conceptualisation des connaissances acquises lors de la première étape.

Formalisation du modèle final :

Le modèle d‟entreprise final va être codifié et formalisé en appliquant des règles et des

directives suivant la méthodologie de modélisation d‟entreprise choisie et en utilisant un outil

adéquat pour la formalisation. C‟est une étrape de vérification de la syntaxe.

Explication et justification :

La dernière étape consiste à présenter le modèle par l‟analyste à d‟autres personnes, pour

expliquer et justifier ce qui a été réalisé et donner les recommandations attendues de cette

modélisation. C‟est donc une étape de diffusion.

1. Obtenir les informations

nécessaires à la modélisation

2. Construction et revue

du modèle préliminaire

3. Formalisation

du modèle final4. Explication et justification


- 52 -

2.3.2 LA SÉMANTIQUE DANS LE PROCESSUS DE CRÉATION DE MODÈLES D‟ENTREPRISE

Chaque étape du processus de création de modèles d‟entreprise peut être assimilée à un mode

de conversion des connaissances (Figure 2. 12).

Figure 2. 12 Les conflits sémantiques en modélisation d’entreprise

En effet, l‟action de rechercher les informations nécessaires à la modélisation consiste à

transformer des connaissances tacites dans le mental de l‟expert domaine, en de nouvelles

connaissances dans le mental de l‟analyste. La recherche d‟informations pour la modélisation

est donc associée à l‟étape de socialisation dans le modèle SECI.

L‟action de construire le modèle préliminaire consiste à passer de connaissances tacites que

l‟analyste a acquises lors de la première étape en connaissances explicites sous forme d‟un

modèle. Cette étape peut donc être associée à celle de l‟externalisation du modèle SECI.

Le passage d‟un modèle formel à un autre plus évolué correspond à un transfert de

connaissances explicites en de nouvelles connaissances qui sont aussi explicites. L‟étape de

formalisation du modèle final dans le processus de création de modèles d‟entreprise peut donc

être associée à celle de la combinaison dans le modèle SECI.

Enfin, l‟explication et la justification du modèle final, consistent à exposer des connaissances

explicites dans le but d‟être assimilées et comprises par l‟expert domaine, elles doivent donc

être transformées en connaissances tacites. Cette étape peut être associée à celle de

l‟internalisation dans le processus de conversion de connaissances.

Socialisation

Combinaison

Externalisation

Internalisation

1. Obtenir les informations

nécessaires à la modélisation

2. Construction et revue

du modèle préliminaire

3. Formalisation

du modèle final4. Explication et justification

Tacite

ExpliciteExplicite

Tacite

Tacit

eT

acit

e

Exp

licite

Exp

licite


- 53 -

Ayant identifié un parallèle entre le processus de création des modèles d‟entreprise et celui de

conversion des connaissances, et ayant montré dans la section 2.2.5 le type de sémantique

manipulé dans ce dernier, nous pouvons conclure que la sémantique de chaque étape du

processus de création des modèles d‟entreprise a le même degré de formalisation que celui

des modes de conversion du modèle SECI auquel il correspond (Figure 2. 13).

Figure 2.13 la sémantique dans le processus de création des modèles d’entreprise

Le passage de l‟étape 3 à l‟étape 4 se fait généralement à l‟aide de l‟analyste. Son rôle est

d‟expliquer le modèle d‟entreprise (AS-IS) et de justifier les recommandations (TO-BE).

Mais dans notre problématique (chapitre 1), nous avons expliqué que nous souhaiterions

minimiser le rôle de l‟analyste. Pour cela le modèle doit être suffisamment clair et explicite

pour que les lecteurs/utilisateurs du modèle ne soient pas obligés de faire appel à l‟analyste.

De plus, la sémantique des concepts manipulés dans les étapes 2 et 3, n‟est pas garantie,

puisque c‟est l‟analyste qui la formalise et il n‟y a pas moyen de vérifier sa validité. Nous

devons donc répondre à ces deux préoccupations :

Assurer la garantie sémantique des concepts manipulés.

Minimiser le rôle de l‟analyste (l‟homme de façon générale) dans la compréhension

des modèles d‟entreprise.

L‟étude présentée précédemment permet d‟associer les différents degrés de formalisation de

la sémantique aux étapes du processus de modélisation d‟entreprise. Ainsi nous pouvons

identifier les étapes où il est nécessaire d‟intervenir pour développer la sémantique.

1. Obtenir les informations nécessaires

à la modélisation

2. Construction et revue du

modèle préliminaire

3. Formalisation du

modèle final4. Explication et justification

Sémantique taciteSémantique semi-informelle

+ semi-formelle

Sémantique tacite Sémantique semi-formelle +

formelle


- 54 -

2.4 APPROCHES DE FORMALISATION DE LA SÉMANTIQUE

Afin d‟apporter une solution aux deux problèmes posés précédemment, nous allons utiliser

deux approches de formalisation, à savoir la théorie des langages et les ontologies.

Bien qu‟il existe d‟autres approches de formalisation comme les réseaux sémantiques, les

logiques de description, …etc., notre choix a été effectué à partir des éléments suivants :

Concernant la théorie des langages : les notations de cette théorie peuvent nous servir

de base pour assurer la garantie sémantique en formalisant les concepts, leurs

sémantiques et les relations sémantiques.

Concernant les ontologies : leur capacité à bien représenter les concepts peut nous

permettre de minimiser le rôle de l‟homme dans l‟interprétation des modèles.

2.4.1 LA THÉORIE DES LANGAGES

La théorie des langages a pour objectif de comprendre le fonctionnement des langages d'un

point de vue mathématique.

Mais pourquoi alors parler de théorie des langages au lieu de la linguistique sachant que nous

avons défini initialement la sémantique comme étant une branche de la linguistique qui

s‟occupe de l‟étude scientifique du sens ou de la signification du mot ?

Il faut savoir que la linguistique est l'étude du langage humain. Elle se distingue de la

grammaire, laquelle est la description du fonctionnement d'une langue donnée.

La linguistique est apparue au XVIIe siècle et est due à un rejet de l'idée de l'époque selon

laquelle la grammaire latine était la science du langage par excellence [Garric, 2007]. Au sens

large, la linguistique englobe toutes les sciences du langage. Dans un sens plus restreint, la

linguistique s'oppose à la grammaire dite traditionnelle, en ce sens que celle-ci est normative

(ou prescriptive) tandis que celle-là est descriptive.

Alors que la grammaire juge les énoncés en termes d'adéquation à une norme donnée, la

linguistique se contente de les décrire.

2.4.1.1 Terminologie

Un langage est un ensemble de mots qui sont eux même une combinaison de signes

élémentaires. L'ensemble de ces signes élémentaires est appelé alphabet. La grammaire est

l‟outil permettant d‟associer un ensemble de mots à un langage. Nous allons dans ce qui suit


- 55 -

définir formellement ce que c‟est qu‟un mot, un langage et une grammaire [Moreau, 1975],

[Yvon et Demaille, 2005], [Masseron, 2002]:

Mots

Soit un ensemble fini de symboles. Toute séquence finie (éventuellement vide) d‟éléments

de sera appelé « Mot ». Par convention, le mot vide est noté .

L‟ensemble des mots pouvant être composés à partir de l‟ensemble fini de symbole est

désigné par tel que .

Soit un mot, . est d‟une longueur si .

La longueur du mot , notée , correspond au nombre total de symboles de (chaque

symbole étant compté autant de fois qu‟il apparaît). Par convention, .

Si nous considérons une liste finie de symboles, et des ensembles homogènes de telles listes,

d‟une façon générale une liste finie de symboles s‟appellera un mot et un ensemble de mots

s‟appellera un langage. Cependant, ce vocabulaire n‟est pas adapté à toutes les situations

[Masseron, 2002]:

Si les symboles sont des caractères : ces listes sont bien des mots au sens courant du

terme, mais un ensemble de mots constitue simplement un lexique. Les mots d‟un

même ensemble homogène constituent une unité lexicale.

Si les symboles sont déjà des mots : ces listes sont des phrases et un ensemble spécifié

de telles phrases constitue alors un langage : les règles qui régissent la formation d‟une

phrase d‟un langage forment une grammaire du langage en question.

Langage

Un langage sur l‟ensemble fini de symboles est une partie de ( ).

L‟ensemble des langages sur est désigné par

La construction des mots composant un langage peut se faire à travers l‟utilisation d‟une

grammaire.

Grammaire

Une grammaire est définie par un quadruplet avec :

ensemble fini de symboles, appelés symboles terminaux (alphabet du langage),

notés généralement par des minuscules.


- 56 -

ensemble fini de symboles, appelés non-terminaux, notés généralement par des

majuscules.

ensemble de règles de production, qui sont des paires formées d'un non-terminal et

d'une suite de terminaux et de non-terminaux.

élément de l'ensemble des non-terminaux, appelé le symbole initial ou l‟axiome de

la grammaire.

Ainsi, nous pouvons définir une grammaire , tel que

La grammaire formelle a permis au linguiste Noam Chomsky [Chomsky, 1966] de proposer

une classification des langages utilisée largement en informatique, en particulier pour la

conception d'interpréteurs ou de compilateurs, ou encore pour l'analyse des langages naturels.

La théorie des langages traitant d‟un domaine vaste sur le traitement mathématique des

langages qui est la base de la construction des automates, nous nous sommes intéressés

essentiellement sur les notations terminologiques afin d‟assurer une rigueur mathématique

dans la formalisation de la sémantique que nous proposons dans le chapitre 3.

2.4.2 LES ONTOLOGIES

La notion d‟ontologie constitue un sujet de recherche répandu dans diverses communautés

notamment celles liées à l‟ingénierie des connaissances, à l‟ingénierie des systèmes, à

l‟interopérabilité des systèmes. Ce fort engouement est motivé par le fait que les ontologies

peuvent fournir un moyen efficace pour gérer les connaissances partagées et communes à un

domaine particulier, tout en permettant des échanges tant au niveau syntaxique que

sémantique, entre des personnes et/ou des systèmes hétérogènes.

Étymologiquement en grec ancien, le terme ontologie (ontologia) signifie : (onto) être et

(logo) science, discours ou études. Les premiers travaux dans ce domaine ont été rapporté à la

philosophie antique, en particulier à Aristote, qui associait la notion d‟Ontologie à la

philosophie première, également appelée métaphysique (Figure 2. 13 ) Cette ontologie permet

de représenter l‟être ainsi que les différentes situations associées aux multiples manifestations

de l‟être décrites par un certain nombre de catégories telles que la substance, la quantité, la

qualité, etc.


- 57 -

Figure 2. 13 Ontologie de l’être selon Aristote [Psyché et al., 2003]

McCarthy a été le premier dans le milieu de l‟intelligence artificielle à s‟intéresser aux

ontologies de la philosophie, afin de construire des théories logiques de systèmes

d‟intelligence artificielle, en affirmant que, pour pouvoir construire des systèmes intelligents

fondés sur la logique, on devait construire une ontologie du monde afin d‟énumérer tout ce

qui existe [Psyché et al., 2003].

Le terme ontologie a commencé à se répandre au début des années 90. Une première

définition est donnée dans [Neches et al., 1991] : « Une ontologie définit les termes et les

relations comportant le vocabulaire d‟un domaine aussi bien que les règles afin de combiner

les termes et les relations pour définir les extensions pour le vocabulaire ».

La définition la plus référencée et aussi la plus synthétique est sans doute celle de [Gruber,

1992]: « une ontologie est une spécification explicite d‟une conceptualisation ». Pour lui, une

ontologie est définie comme étant un ensemble de définitions, de primitives, de

représentations de connaissances spécifiques au contenu : classes, relations, fonctions et

constantes d‟objet.

Sujet

L‟Être L‟Étant Catégorie

L‟étant se site en

plusieurs minières

(Aristote)

Se maintient stable lors des

changements de l‟être (subsist en elle-même)

Autres

caractéristiquesSubstance

(Ousia)

Dépendent de

l‟essence (ne subsistent pas

en elle-même)

Substance

Première (Ousia Prôté)

Constitue la base

des substances

Substance

Seconde(Ousia Deutera)

Posture

Possession

Agir

Étant

affecté par

(pâtir)Temps

Lieu

Relation

Qualité

Quantité

EssentielleAccidentelles

(Transitoires)

S S

S

S

S

S

S

S

S

SS

S

S

R

R

R R

I

leurs

manifestations

dans le monde

sont décrites par

est décrit

à l‟aide des

Sont dites de/

existent dans une

(dépendent de )


- 58 -

En 1997, [Borst, 1997] modifia légèrement la définition de Gruber en énonçant : « Une

ontologie est définie comme étant une spécification formelle et explicite d‟une

conceptualisation partagée ».

Ces deux définitions ont été expliquées dans [Studer et al., 1998] comme suit :

Conceptualisation réfère à un modèle abstrait d‟un phénomène dans le monde, en

ayant identifié les concepts appropriés à ce phénomène,

Explicite signifie que le type de concept utilisé et les contraintes liées à leur usage sont

définis explicitement,

Formelle réfère au fait que l‟ontologie peut être traduite en langage interprétable par

une machine,

Partagée réfère au fait qu‟une ontologie capture la connaissance consensuelle, c‟est-à-

dire non réservée à quelques individus, mais partagée par un groupe ou une

communauté.

Les ontologies représentent une nouvelle technologie dans le but d‟améliorer l‟organisation,

la gestion et la compréhension de l‟information. Dans [INTEROP, 2004], une ontologie est

définie comme un modèle conceptuel d‟information qui décrit « les choses qui existent » dans

un domaine : les concepts, les propriétés, les faits, les règles et les relations. Une ontologie

agit comme un modèle de référence normalisé pour soutenir l‟intégration de l‟information et

le partage des connaissances.

Notons que, dans le domaine de l‟entreprise, l‟élaboration d‟une ontologie d‟entreprise a été

explorée par plusieurs chercheurs dans les années 90, notamment aux Etats-Unis et au

Canada. Les travaux les plus connus sont [IDEAS, 2003] :

« Enterprise Ontology », développé par AIAI Edinburgh University ;

« Enterprise Process Handbook » développé par le MIT ;

« TOVE » (Toronto Virtual Enterprise) développé par l‟université de Toronto ;

Les travaux sur la modélisation de la connaissance et processus (KIF, PIF/PSL) avec

la contribution majeure de Stanford University ;

« SymEnterprise », recherches effectuées par le LEKS du IASI-CNR.

Ces recherches ont pour objet la définition et l'organisation de la connaissance au sujet de

l‟ensemble des activités d‟une entreprise (processus, organismes, stratégies, vente, etc.).


- 59 -

2.4.2.1 Contenu d‟une ontologie

Une ontologie fournit les moyens d‟exprimer les concepts d‟un domaine en les organisant

hiérarchiquement et en définissant leurs propriétés sémantiques dans un langage de

représentation des connaissances formel favorisant le partage d‟une vue consensuelle sur ce

domaine entre les applications informatiques qui en font usage [Bourigault, 2004]. Définir des

concepts et les relier entre eux par des relations sémantiques correspond au premier niveau

d‟une ontologie, le modèle conceptuel, inspiré des réseaux sémantiques, et plus encore des

graphes conceptuels de Sowa [Sowa, 2000].

[Handschuh, 2005] présente une définition formelle d‟une ontologie (O) comme suit :

O = <C, P, R, A, I>

Avec :

C, P, R, A, I : cinq éléments disjoints représentant respectivement, les concepts, les propriétés,

les relations, les axiomes et les instances,

Une ontologie contient donc tous les éléments nécessaires pour décrire de manière formelle

un ensemble de connaissances. Les éléments nécessaires pour effectuer cette description

sont les : Concepts, Propriétés, Relations, Axiomes et Instances spécifiés dans [Gomez-Perez

99a], basé sur [Gruber 93] :

Les concepts

Aussi appelés termes ou classes de l‟ontologie, ils représentent les objets de base de la

construction ontologique. Ils correspondent donc aux abstractions pertinentes du domaine du

problème retenues en fonction des objectifs qu‟on se donne et de l‟application envisagée pour

l‟ontologie. Les concepts constituent les constituants centraux d‟une ontologie. Selon

[Gomez-Perez, 1999b], il est possible de les classifier selon plusieurs dimensions:

Niveau d‟abstraction (concrets ou abstraits),

Atomicité (élémentaires ou composés),

Niveau de réalité (réelle ou fictive).

Les Propriétés

Les propriétés sont des éléments qui permettent de caractériser et de distinguer les instances

d‟une classe. Comme les classes, les propriétés possèdent toujours un identifiant et une

définition comportant une partie textuelles et une partie formelle. Les propriétés peuvent être


- 60 -

fortement typées, i.e., associées à un domaine et un co-domaine précis qui permettent

respectivement de spécifier les classes susceptibles d‟initialiser une propriété et de contraindre

les domaines de valeurs des propriétés. Une propriété peut prendre ses valeurs soit dans des

types simples, soit dans des classes. Le terme propriété regroupe donc les notions parfois

distinguées (par exemple dans le modèle entité-association) d‟attribut et d‟association.

Les relations

Elles représentent un type d‟interactions entre deux ou plusieurs concepts. Des exemples de

relation sont subclass-of ou encore connected-to. Ces relations nous permettent de capturer la

structuration ainsi que l‟interaction entre les concepts, ce qui permet de représenter une

grande partie de la sémantique de l‟ontologie.

Axiomes

Elles représentent des propositions définies comme toujours vraies. Ils permettent de

combiner des concepts, des relations et des fonctions pour définir des règles d‟inférences et

qui peuvent intervenir, par exemple, dans la déduction, la définition des concepts et des

relations, ou alors pour restreindre les valeurs des propriétés ou les arguments d‟une relation.

Instances ou individus

Elles représentent des éléments singuliers véhiculant les connaissances à propos du domaine

du problème.

Il est à noter que la formalisation de la sémantique que nous allons présenter dans le chapitre

3 est cohérente avec la technique de représentation d‟ontologie présentée ci-dessus. Cette

cohérence est nécessaire pour pouvoir comparer un concept d‟un modèle d‟entreprise avec

celui qui lui correspond dans l‟ontologie.

2.4.2.2 Spectre de couverture des ontologies

Actuellement, le terme « ontologie » est de plus en plus utilisé, tout en se référant à des objets

assez différents comme montré dans la Figure 2. 14 :

Des systèmes d‟information aussi simples que des catalogues sont considérés par

certains auteurs comme des ontologies.

Légèrement plus complexe, l‟ontologie peut être basée sur un ensemble de textes en

langue naturelle sur lesquels on établit des correspondances de chaînes de caractères,


- 61 -

Les glossaires, permettant de classer les termes référencés constituent également une

ontologie. Un glossaire est étymologiquement un recueil des glosses, c‟est-à-dire de

termes étrangers ou rares associés à leurs définitions et centrés sur un domaine dont il

détaille les termes techniques spécifiques. Exemple : glossaire d‟informatique, de

médecine, de biochimie etc.

Figure 2. 14 Spectre de couverture des ontologies [Smith et Welty, 2001]

Les thésaurus peuvent être considérés comme des glossaires plus évolués. Un

thésaurus est un ensemble structuré de termes d‟un vocabulaire qui sont organisés de

manière conceptuelle et reliés entre eux par des relations sémantiques. Un thésaurus

est donc un ensemble organisé de termes choisis pour leur capacité à faciliter la

description d‟un domaine et à harmoniser la communication et le traitement de

l‟information. Chaque terme, appelé descripteur, est aussi peu ambigu que possible et

est préféré à des termes voisins ou synonymes, les non descripteurs, pour tous les

échanges significatifs. En pratique, le thésaurus forme un répertoire alphabétique pour

l‟analyse du contenu, le classement et donc l‟indexation de documents, sachant que

dans de nombreux cas, les thésaurus proposent également une définition des termes

utilisés.

Les taxinomies ainsi que les systèmes à base de frames, largement utilisés dans la

représentation des connaissances, peuvent être également perçus comme des

ontologies. Le mot taxinomie vient du grec « taxis » (rangement), et de « nomos »

(loi). Il s‟agit de la partie de la biologie visant à établir une classification systématique

Complexité

Sans raisonnement automatique Avec raisonnement automatique

Un catalogue

Un ensemble de

fichiers texte

Un glossaire

Un thésaurus

Une collection

de taxonomies

Une système

de frames

Un ensemble

d‟axiomes

Une ontologie est …


- 62 -

des êtres vivants. Le Petit Larousse [Le Petit Larousse, 2004] définit la taxinomie

comme étant :

» L‟étude théorique des bases, lois, règles, principes d‟une classification,

» Une classification d‟éléments.

Le terme taxonomie fut inventé, sous cette orthographe, par Augustin Pyrame de Candolle []

pour définir la théorie des classifications. L‟orthographe fut corrigée en taxinomie par Émile

Littré mais l‟autre forme reste pourtant très répandue. Pour ce qui est des frames ou cadres

conceptuels, ce sont des structures de données qui peuvent décrire des connaissances. Les

Frames sont organisés en classes et en sous-classes. Il y a donc ici une hiérarchie entre les

classes qui contiennent les sous-classes qui héritent des propriétés (attributs) des classes.

Les systèmes à base de connaissance utilisant des axiomes de la logique du premier

ordre, d‟ordre supérieur, la logique modale, la logique des descriptions représentent

les ontologies les plus complexes.

Bien qu‟ils soient disparates, les artefacts précédents présentent quelques points communs qui

sont pour l‟essentiel la nécessité de mettre en œuvre une classification partagée des concepts

manipulés. Par conséquent, le rôle des ontologies peut être :

L‟acquisition et la représentation des connaissances,

La recherche et l‟extraction des connaissances : inférer la connaissance qui est

pertinente face à la requête de l‟utilisateur,

Le partage et l‟intégration des connaissances : intégration des différentes sources

d‟information,

La gestion des connaissances,

La simplification du dialogue homme/machine.

De manière générale, ces différents artefacts peuvent être regroupés en quatre catégories qui

sont : les glossaires, les taxonomies, les thésaurus et les ontologies formelles. Nous allons voir

dans le chapitre 4, comment elles s‟intègrent dans le développement de la sémantique en

modélisation d‟entreprise.


- 63 -

2.4.2.3 Complémentarité entre les ontologies et la modélisation d‟entreprise

Les définitions données sur la modélisation d‟entreprise (chapitre 1) et les ontologies que

nous avons présentées ci-dessus nous permettent de conclure qu'il existe un lien entre ces

deux domaines de recherche. Au commencement nous pouvons affirmer que tous les deux ont

comme but de représenter un domaine sous forme de modèle. Plus particulièrement, la

recherche en ontologie dans le domaine d'entreprise se concentre principalement sur

l'identification et la description de concepts d'entreprise tandis que la recherche en

modélisation d‟entreprise traite également la définition de concepts mais se concentre sur les

langages de modélisation et la construction de modèles utilisant ces langages. Ainsi nous

pouvons dire qu'un recouvrement possible entre la modélisation d‟entreprise et les ontologies

est l‟identification et la définition de concepts (Figure 2. 15) [Zouggar et al., 2008a].

Un deuxième niveau d‟analyse laisse constater que les modèles conceptuels développés en

modélisation d‟entreprise sont principalement sous forme graphique, donc non formels, et ne

permettent pas de capturer avec précision la sémantique des concepts. Par contre les

techniques de construction des ontologies nous permettent de décrire les concepts de façon

formelle et laisse ainsi définir mieux leur sémantique.

Figure 2. 15 Élément commun entre la modélisation d’entreprise et les ontologies

Développement des langages

Création de modèle d’entreprise

Fo

rma

lis

ati

on

De

sc

rip

tio

n

Modèle d‟entreprise

Ontologie

Identification des

concepts

Création de l’ontologie

Domaine de la

modélisation

d‟entreprise

Domaine des

ontologies


- 64 -

La différence peut être également constatée dans le contenu des modèles. En effet, les

modèles d'entreprise représentent la structure ou les processus de l'entreprise tandis qu‟une

ontologie permet seulement d‟organiser les concepts utilisés et de définir les relations entre

eux. En d'autres termes, une ontologie en modélisation d‟entreprise ne peut pas être

considérée comme modèle d'entreprise dans le sens où il n'existe pas de langage de

modélisation associé à l'ontologie qui permettrait la construction du modèle (modèle qui

représente le fonctionnement de l‟entreprise et pas uniquement les concepts utilisés).

Les Ontologies peuvent donc être utilisées à deux niveaux de la modélisation d‟entreprise et

par deux groupes qui interviennent dans le processus de modélisation. Le premier étant expert

en modélisation d‟entreprise, et le deuxième groupe est celui qui possède des connaissances

sur l‟entreprise (Figure 2. 16).

Ainsi, l‟expert en modélisation d‟entreprise va utiliser une ontologie de modélisation

d‟entreprise qui va lui permettre d‟identifier les concepts du modèle sous-jacents à la

modélisation. Pour ce qui est de l‟expert entreprise, il va se baser sur une ontologie décrivant

l‟entreprise elle-même, ou son domaine d‟activité pour décrire les concepts du modèle.

Figure 2. 16 Utilisation des ontologies dans la modélisation d’entreprise

Il existe des exemples d‟ontologies utilisées à ces deux niveaux :

PSL comme étant une ontologie d‟un langage de modélisation,

TOVE et Enterprise Ontology comme étant des ontologies de domaine.

2.5 CONCLUSION

Nous avons voulu dans ce chapitre explorer les concepts liés à notre notre problématique à

savoir : la sémantique, les modèles d‟entreprise et la formalisation.

Expert

Modélisation d‟entreprise

Expert

Entreprise

Modèle d‟entreprise

Ontologie de

modélisation

d‟entreprise

Ontologie de

domaine


- 65 -

Pour la sémantique, l‟étude a permis à travers le triangle sémiotique l‟attribution aux concepts

deux éléments qui lui sont essentiels à savoir le signifiant qui représente la syntaxe ou le mot

par lequel le concept est identifié, et le signifié qui représente la sémantique et le sens du

concept. Une classification des relations sémantiques a été donné, elle nous servira de base

pour définir et formaliser les conflits sémantiques en modélisation d‟entreprise.

L‟étude de la gestion des connaissances a permis de trouver le type de sémantique exploitée

dans chaque mode de conversion du modèle SECI. Une comparaison entre ce modèle et le

processus de création des modèles d‟entreprise nous a conduits à définir les différents degrés

de formalisation de la sémantique dans chaque étape de ce processus. Cela nous a amené à

bien déterminer les points que nous voulons traiter dans ce manuscrit, à savoir : (1) assurer la

présence de la sémantique dans les modèles d‟entreprise et (2) minimiser le rôle de l‟homme

dans l‟interprétation et la compréhension de ces derniers. Pour y répondre, nous avons

proposé deux approches de formalisation :

La théorie des langages qui a pour objectif de comprendre le fonctionnement des

langages, d'un point de vue mathématique. Dans le cadre de notre travail nous nous

sommes intéressés essentiellement aux notations terminologiques afin de pouvoir

apporter une rigueur mathématique dans la formalisation de la sémantique. L‟objectif

étant d‟assurer une présence sémantique cohérente à tous les niveaux des modèles

d‟entreprise.

Les ontologies qui ont pour objectif de conceptualiser et de formaliser des

connaissances partagées. La représentation des ontologies par un ensemble de classes,

de propriétés, de relations, d‟axiomes et d‟instances, va nous permettre de comparer et

d‟associer un concept d‟un modèle d‟entreprise avec celui qui lui correspond dans

l‟ontologie en vue de minimiser les interventions de l‟homme dans la compréhension

des modèles d‟entreprise.

Chapitre 3 : Proposition d‟un algorithme pour caractériser les conflits sémantiques

- 67 -

3 CHAPITRE 3

PROPOSITION D‟UNE APPROCHE POUR CARACTÉRISER

LES CONFLITS SÉMANTIQUES

Au cours des chapitres précédents, nous avons mis en évidence la nécessité d‟intégrer à la

modélisation d‟entreprise une sémantique explicite. En effet, la présence d‟une sémantique

cohérente et explicite servira la modélisation d‟entreprise et renforcera les modèles qui en

découlent afin de réduire le plus possible les multiples interventions de l‟analyste. Par

analyse du processus de conversion des connaissances, il a été possible de mettre en exergue

l‟importance d‟une sémantique à chacune des étapes. Le modèle d‟entreprise assimilé à ce

processus requiert également une définition explicite de la sémantique au niveau de la

création des modèles.

Les différents domaines d‟études support à notre recherche ont également été présentés au

chapitre 2, à savoir, la théorie des langages et les ontologies que nous comptons exploiter à ce

stade.

Ce troisième chapitre est par conséquence consacré à la formalisation de la sémantique en se

basant sur les concepts et notations de la théorie des langages, mais aussi à la formalisation

des relations sémantiques pouvant exister entre deux concepts utilisés dans deux contextes ou

domaines différents.

Cette formalisation nous amènera à la recherche d‟une approche permettant l‟identification

des relations sémantiques entre concepts et à la résolution des conflits sémantiques

responsables des ambiguïtés que peuvent rencontrer les utilisateurs pour la compréhension

d‟un modèle d‟entreprise.

3.1 FORMALISATION DE LA SÉMANTIQUE DES MODÈLES D‟ENTREPRISE

Nous avons précisé dans le chapitre précédent que nous nous intéressons à la sémantique du

point de vue linguistique, cela sous entend la recherche du sens que peut renfermer chaque

élément d‟un modèle d‟entreprise, sachant que chaque élément peut être considéré comme

concept.

3.1.1 LES CONCEPTS

Les études sur le concept sont très nombreuses depuis une trentaine d‟années, motivées par la

linguistique d‟une part, les avancées de l‟intelligence artificielles et de la psychologie d‟autre


- 68 -

part. Ces études de recherches n‟ont pas toujours été réalisées de façon coordonnées, mais

actuellement les sciences cognitives tendent de les regrouper dans le but d‟étudier et de

comprendre les mécanismes de la pensée humaine, animale ou artificielle.

Le concept, ou notion, ou idée est le résultat d‟une opération de l‟esprit qui fait que nous

plaçons tel objet dans tel catégorie et non dans l‟autre [Thiry, 1998].

Un concept est généralement défini par trois parties : un terme, une intention et une extension

[Depecker, 2002].

Le terme (nom) correspond à l‟identité du concept,

L‟intention du concept, contient la sémantique du concept exprimée en termes de

propriétés et d‟attributs, de règles et de contraintes,

L‟extension du concept, regroupe les objets manipulés à travers le concept ; ces objets

sont appelés instances du concept.

L‟extension et l‟intention permettent respectivement de doter le concept d‟une sémantique

référentielle (celle imposée par son extension) et d‟une sémantique différentielle (celle

imposée par son intention) [Bachimont, 2000]. Il est possible d‟associer aux concepts un

certain nombre de propriétés qui peuvent porter aussi bien sur l‟extension que sur l‟intention ;

on peut citer, principalement et sans prétendre à aucune exhaustivité, celles présentées dans

[Füster, 2002] :

La généricité : un concept est générique s‟il n‟admet pas d‟extension. Par exemple, la

vérité est un concept générique,

L‟identité : un concept porte une propriété d‟identité si cette propriété permet

d‟identifier les instances de ce concept. Par exemple, le numéro de l‟étudiant constitue

une propriété d‟identité pour le concept d‟étudiant,

La rigidité : un concept est rigide si toute instance de ce concept reste instance dans

tous les mondes possibles. Par exemple, humain est un concept rigide, étudiant est un

concept non rigide,

L‟anti-rigidité : un concept est anti-rigide si toute instance de ce concept est

essentiellement définie par son appartenance à l‟extension d‟un autre concept. Par

exemple, étudiant est un concept anti-rigide car l‟étudiant est avant tout un humain,


- 69 -

L‟unité : un concept est un concept unité si, pour chacune de ses instances, les

différentes parties de l‟instance sont liées par une relation qui ne lie pas d‟autres

instances de concepts. Par exemple, les deux parties d‟un couteau, manche et lame

sont liées par une relation « emmanché » qui ne lie que cette lame et ce manche.

En plus des propriétés d‟extension et d‟intention qui sont considérées comme le moyen de

représenter le sens des concepts, ces derniers s‟organisent selon certains ordres, en fonction

des relations qu‟ils entretiennent entre eux [Depecker, 2002].

Dans notre recherche de formalisation de la sémantique des concepts des modèles d‟entreprise

et en se référant au triangle sémiotique [Ermine, 2003], un concept, qui est aussi un signe,

peut être représenté selon le triangle sémiotique à trois dimensions :

Syntaxique : qui représente l‟expression linguistique du concept, pouvant l‟apparenter

au « mot » ou « terme ».

Sémantique : qui représente le sens que peut porter le concept.

Pragmatique : qui représente l‟impact du signe sur ceux qui l‟utilisent.

Dans le tétraèdre sémiotique de FRISCO [Falkenberg et al, 1998], l‟axe pragmatique est

considéré comme le domaine qui entour le concept.

Nous proposons ici notre propre définition du concept : un concept est la perception associé à

un mot donnée dans un contexte précis. La sémantique du concept s‟apparente alors à la

perception véhiculée par ce concept.

3.1.2 LA SÉMANTIQUE

La sémantique étant l‟étude scientifique du sens ou de la signification des mots, il faut donc

définir comment représenter le sens des concepts utilisés en modélisation d‟entreprise.

Dans un premier temps, nous pouvons être tentés par l‟utilisation de « définitions » des mots

représentant les concepts que nous pouvons trouver dans les dictionnaires généralistes ou

spécialisés. La définition étant un discours rationnel qui enchaîne des concepts plus clairs que

le concept qu'il explicite, il existe un risque que la sémantique des concepts utilisés dans la

définition ne soit pas complète. Dans ce cas, il faut continuer à les définir, auquel cas ce

processus peut se répéter sans possibilité de pouvoir définir la sémantique.


- 70 -

Nous nous sommes dès lors orientés vers d‟autres moyens de représentation des sens des

concepts. Pour cela nous avons utilisé les propriétés d‟intension et d‟extension des concepts,

également leur organisation et interaction pouvant exister entre eux.

La sémantique d‟un concept peut alors être représentée par un couple de propriétés et de

relations :

Propriétés : elles représentent les éléments qui constituent et définissent le concept.

Relations : elles représentent l‟interaction entre deux ou plusieurs concepts et

permettent de capturer la structuration.

Une fois le contenu d‟un concept (couple : mot (syntaxe) et sémantique) déterminé et la

représentation du sens identifiée à travers des propriétés et des relations, nous pouvons

débuter la formalisation mathématique. En effet, cette phase de formalisation est une

première approche permettant de lever les ambiguïtés relatives aux concepts, par une

attribution claire, concise et mathématique des concepts en maintenant une sémantique

explicite.

3.1.3 LA FORMALISATION

Afin d‟énoncer clairement notre formalisation, nous avons estimé important d‟introduire dés à

présent les différentes notations utilisées tout au long des prochaines sections de ce chapitre.

Les notations utilisées sont les suivantes :

: Opérateur d‟appartenance.

: Signifie que l‟élément appartient à l‟ensemble .

: Opérateur d‟inclusion.

: Signifie que l‟ensemble A est inclus dans l‟ensemble B.

: Opérateur d‟inclusion.

: Est l‟intersection des ensembles et

: Opérateur d‟égalité

: Signifie qu‟il y a exactement les même éléments dans que dans , nous

pouvons donc écrire : .

: Désigne l‟équivalence logique.


- 71 -

: désigne le nombre d'éléments de l‟ensemble A.

Ici, nous allons expliquer quelques éléments qui vont être utilisés dans la formalisation, à

savoir :

L‟ensemble des concepts : est l‟ensemble comprenant tous les concepts utilisés dans

un domaine précis. Cela veut dire que nous pouvons avoir plusieurs ensembles de

concepts en fonction des différents domaines étudiés.

L‟ensemble des mots : est l‟ensemble des mots pouvant être composé à partir de

l‟alphabet.

Le langage : est l‟ensemble des mots composant le langage utilisé.

Un concept peut être vu comme un couple (Mot, Sémantique), noté :

Avec :

, est un concept appartenant à l‟ensemble des concepts noté .

, est le mot associé à et appartenant au langage .

, est la sémantique associée à , avec :

» . étant le mot associé au concept

» , sont les propriétés du concept .

3.2 FORMALISATION DES CONFLITS SÉMANTIQUES

L‟un des problèmes majeurs de la modélisation d‟entreprise, comme évoqué précédemment,

est sans doute le problème des ambigüités pouvant exister concernant les concepts du modèle

d‟entreprise en question. Ceci nous amène donc à réfléchir sur les relations éventuellement

existantes entre les différents concepts d‟un modèle. Étudier ces relations nous semble

pertinent car leur analyse permettra de lever l‟opacité des liens sémantiques pouvant exister

par un décryptage explicite et formalisé mathématiquement.

Dans cette partie nous allons présenter les différentes relations sémantiques identifiées entre

deux concepts en vue de dégager celles qui présentent un conflit sémantique. En effet, les

conflits sémantiques sont intéressants à identifier car ils pourraient être responsables des


- 72 -

ambigüités, confusion et incompréhension survenant durant l‟utilisation d‟un modèle

d‟entreprise. Une attention particulière leur est adressée.

La formalisation mathématique de ces relations est une étape nécessaire avant de procéder à

une proposition plus poussée à travers l‟algorithme proposée ultérieurement

3.2.1 RELATIONS ET CONFLITS SÉMANTIQUES

L‟absence d‟une sémantique bien définie (la synonymie et l‟homonymie) entre les concepts

en fonction du contexte de leur utilisation est de problèmes de compréhension et d‟utilisation,

ce qui peut générer des conflits sémantiques.

Les relations sémantiques ont été définies dans [Kavouras, 2003], elles sont représentées dans

le tableau ci-dessous (Tableau 3. 1).

Équivalence Synonymie

Complétude Spécialisation

Chevauchement Chevauchement

Homonymie Disjonction

Tableau 3. 1 Relations sémantiques entre deux concepts (adapté de [Kavouras 2003])

Le tableau précédent considère deux concepts et , qui appartiennent à deux domaines

différents représentés respectivement par leurs ensembles de concepts et avec :

La recherche de relations sémantiques entre et s‟est faite en combinant leur syntaxe

( , ) et leur sémantique . En effet nous pouvons avoir pour la syntaxe deux cas

possibles, à savoir l‟égalité de et de ou bien leur différence.

Concernant la sémantique, en plus de l‟égalité et la différence entre , il peut y avoir le

cas où l‟un des ensembles est inclus dans l‟autre mais aussi le cas où il existe une intersection

entre les deux. Toutes ces combinaisons donnent lieu à sept relations sémantiques :


- 73 -

L‟équivalence : lorsque deux concepts s‟écrivent de la même façon, ont les mêmes

propriétés et sont en relation avec les même concepts.

La synonymie : lorsque deux concepts différents du point de vue de la syntaxe

(écriture différente) ont les mêmes propriétés et sont en relation avec les mêmes

concepts.

La complétude : lorsque deux concepts s‟écrivent de la même façon, ont pour l‟un des

concepts, des propriétés et des relations qui soient des généralisations par rapport à

ceux de l‟autre concept.

La spécialisation : lorsque deux concepts différents du point de vue de la syntaxe ont

pour l‟un des concepts, des propriétés et des relations qui sont des spécialisations par

rapport à ceux de l‟autre concept.

Le chevauchement : lorsque deux concepts ont la même écriture ou qu‟elles soient

différente, mais dont les propriétés et les relations de l‟un ne sont pas complètement

différentes ou exactement les mêmes de celles de l‟autre concept.

L‟homonymie : lorsque deux concepts s‟écrivent de la même façon, dont les propriétés

et les relations de l‟un sont complètement différentes de celles de l‟autre concept.

La disjonction : lorsque deux concepts différents du point de vue de la syntaxe, dont

les propriétés et les relations de l‟un sont complètement différentes de celles de l‟autre

concept.

Dans le cadre de conflits sémantiques de données, [Goh et al, 1995] identifie trois catégories

principales d'hétérogénéités sémantiques:

Des conflits de confusion : où la donnée apparaît avoir le même sens alors qu'il n'en

est rien.

Des conflits de mesure : quand différents systèmes mesurent la même valeur.

Des conflits de nomination : quand les noms de schémas diffèrent significativement du

fait de la présence d'homonymes ou de synonymes.

[Kavouras, 2003] propose plusieurs causes qui peuvent générer ces hétérogénéités

sémantiques et qu'il résume en deux points, à savoir :

Différence de couverture (niveau de détail).


- 74 -

Différence de classification (conceptualisation).

Dans le cadre de notre étude, nous nous intéressons à l‟identification des relations

sémantiques pouvant exister entre deux concepts. Elles sont représentées dans le Tableau 3. 2.

Nous considérerons qu‟il n‟existe de conflits sémantiques que dans le cas où il y a

chevauchement entre deux concepts. En effet, si la relation identifiée entre deux concepts

et est assimilée à une relation d‟équivalence, ceci amène une information supplémentaire

qui confortera le processus de compréhension.

En revanche, si une relation est assimilée à une relation de chevauchement entre deux

concepts, il devient difficile de conclure sur la nature du lien réellement existant entre

concepts. Une ignorance des similitudes et des dissemblances provoquera alors ce que nous

nommons un conflit sémantique.

3.2.2 FORMALISATION

Dans cette partie nous allons formaliser les relations pouvant exister entre les syntaxes et

entre les sémantiques de deux concepts et pour ensuite formaliser les relations

sémantiques. Pour cela nous considérons que :

) et

Identifier la relation entre les syntaxes de deux concepts revient à comparer les mots qui les

représentent :

,

» si

» si n‟est pas vérifiée.

Identifier la relation entre les sémantiques de deux concepts revient à comparer les propriétés

et les relations qui les représentent :


- 75 -

» si

avec :

» si n’est pas vérifiée.

» si

avec :

et

» si

» si

Avec :

Pour formaliser les relations sémantiques entre les concepts, nous allons définir un ensemble

booléen tel que .

Les relations sémantiques sont définies comme étant des fonctions booléennes représentées

dans le tableau suivant :


- 76 -

Tableau 3. 2 Formalisation des relations sémantiques

3.3 ALGORITHME DE CARACTÉRISATION DES CONFLITS SÉMANTIQUES

Après avoir proposé des formalisations pour les concepts et les relations sémantiques

(Tableau 3. 3), nous allons à ce stade en faire l‟usage en vue de proposer un algorithme dont

l‟objectif est de caractériser les conflits sémantiques entre deux concepts, utilisés dans des

contextes différents et amenés à être comparés pour identifier un lien sémantique possible.

Pour cela, l‟algorithme se base sur trois étapes principales :

Relations sémantiques Formalisation

Équivalence : noté

Synonymie : noté

Complétude : noté

Spécialisation : noté

Chevauchement : noté

Homonymie : noté

Disjonction : noté


- 77 -

Identifier les relations sémantiques existantes entre deux concepts c1 et c2 appartenant

respectivement à deux langages L1 et L2.

Calculer le degré de chevauchement.

Spécifier la relation de chevauchement.

m1 = m2 m1 ≠ m2

s1 = s2 Eq Syn

s1 ≠ s2

Cpl Spé

Chv Chv

Hom Disj

Tableau 3. 3 Synthèse des relations sémantiques

Cet algorithme, une fois appliqué, peut conduire à deux situations :

Le conflit sémantique a été caractérisé : Il s‟agit de la situation dans laquelle les

relations sémantiques identifiées entre les deux concepts sont autres que les relations

de chevauchement.

Le conflit sémantique n‟a pas été caractérisé : Il s‟agit de la situation dans laquelle il

existe un chevauchement sémantique entre les deux concepts. Cette situation

génératrice de conflits et responsable des potentielles ambigüités doit être considérée

par rajout d‟informations pouvant lever le conflit sémantique.

3.3.1 PRINCIPE DE L‟ALGORITHME

Le principe de l‟algorithme de caractérisation des conflits sémantiques est d‟identifier les

relations sémantiques existantes entre deux concepts par la comparaison de leurs syntaxes et

de leurs sémantiques.

Une fois l‟identification effectuée, et dans le cas où le chevauchement est avéré, il devient

impératif de procéder à des opérations de séparations et de rapprochement des concepts afin

de savoir s‟il est possible de spécifier la relation sémantique vers une équivalence (Eq, Syn ,


- 78 -

une hiérarchie (Cpl, Spé) ou une opposition2 (Hom, Disj) dans le but d‟éliminer le conflit

sémantique.

Le choix de séparer ou de rapprocher les concepts se fera par le calcul du degré de

chevauchement entre eux.

L‟algorithme proposé comporte trois étapes avec la possibilité de s‟arrêter à la première:

Identification des relations sémantiques

Calcul du degré de chevauchement

Spécification de la relation de chevauchement

3.3.1.1 Identification des relations sémantiques

La formalisation proposée dans la section précédente de ce chapitre nous permettra

d‟identifier les relations sémantiques. En effet, nous allons dans un premier temps considérer

deux langages utilisant des concepts définis avec une syntaxe et une sémantique.

L‟identification des relations entres deux concepts appartenant chacun à un langage se fera

par une comparaison entre la syntaxe (mot) et entre la sémantique de ces concepts. Le résultat

sera ensuite rapporté au Tableau 3. 2 à partir duquel la relation sera identifiée.

3.3.1.2 Calcul du degré de chevauchement

Le calcul du degré de chevauchement nous aidera à choisir, dans le cas d‟une relation de

chevauchement, l‟une des deux stratégies de résolution du conflit (rapprocher ou séparer les

concepts). Cela revient à donner une priorité en commençant par l‟une des opérations dans le

but d‟optimiser l‟algorithme.

Le chevauchement entre deux concepts est identifié lorsque les intersections entre les

ensembles des propriétés et/ou celles des relations ne sont pas vides (Figure 3. 1). Deux

concepts se chevauchent si l'intersection entre les ensembles des propriétés n'est pas vide et

l'intersection entre les ensembles des relations n'est pas vide.

Il faut donc évaluer le degré de chevauchement pour savoir s‟il est important ou faible,

sachant que :

2 Dans la théorie sémiotique, l‟opposition est considérée comme étant le cas où un concept ne peut être mis à la

place d‟un autre, sous peine de changer radicalement le sens de l‟énoncé.


- 79 -

Plus il y a d'éléments communs entre les deux ensembles plus le degré de

chevauchement est important,

Moins il y a d'éléments communs entre les deux ensembles plus le degré de

chevauchements est faible.

Pour calculer ce degré de chevauchement, nous allons comparer pour chaque intersection

(propriétés, relations) le nombre d‟éléments dans l‟intersection avec celui de l‟ensemble

comprenant le moins d‟éléments.

Figure 3. 1 Chevauchement sémantique

Nous définissons le degré de chevauchement, entre deux concepts et , sous deux

dimensions :

Par rapport à l‟intersection des ensembles des propriétés, noté : d° chv/p (c1, c2)

Par rapport à l‟intersection des ensembles des relations, noté : d° chv/r (c1, c2)

Le calcul se fera à l‟aide des équations suivantes :

Le résultat du degré de chevauchement varie entre 0 et 1 avec deux tendances :

Les valeurs se rapprochant de 1 : le chevauchement entre les deux concepts par

rapport aux relations (par rapport aux priorités) est important.

s1

s2

p2r2

(m2,δ)p1

α γ β

ω

(m1, λ)

r1


- 80 -

Les valeurs se rapprochant de 0 : le chevauchement entre les deux concepts par

rapport aux relations (par rapport aux priorités) est faible.

Ces deux degrés de chevauchements permettront de faire l‟arbitrage et décider de la priorité à

donner au rapprochement ou à la séparation des ensembles. En effet, pour un chevauchement

important, le rapprochement des deux ensembles semble plus judicieux à explorer en premier

lieu. Par contre, pour un faible chevauchement, il faudrait alors commencer par séparer les

deux ensembles.

Les combinaisons possibles par rapport aux deux valeurs des degrés de chevauchement

peuvent être résumées dans le tableau suivant :

Tableau 3. 4 Combinaisons possibles pour le calcul du degré de chevauchement

Pour les cas (1), (2) et (3), nous recommandons de commencer par séparer les

ensembles, parce que le chevauchement est faible pour les deux ensembles (propriétés,

relations).

Pour les cas (12), (13) et (14), nous recommandons de commencer par rapprocher les

ensembles, parce que le chevauchement est important pour les deux ensembles

(propriétés, relations).

Pour les autres cas : (4), (5), (6), (7), (8), (9), (10) et (11), les valeurs des deux degrés

de chevauchement étant en opposition (chevauchement faible pour un des ensembles

et important pour l‟autre), nous n‟avons aucun élément nous permettant de choisir une

des opération. Il faut donc choisir arbitrairement de commencer par une des

opérations.

d° chv/p (c1, c2)

d° chv/r (c1, c2)

0 < 0.5 ≥ 0.5 1

0 Séparer (1) Rapprocher/Séparer

(4)

Rapprocher/Séparer

(5)

< 0.5 Séparer (2) Séparer (3) Rapprocher/Séparer

(6)

Rapprocher/Séparer

(7)

≥ 0.5 Rapprocher/Séparer

(8)

Rapprocher/Séparer

(9) Rapprocher (12) Rapprocher (13)

1 Rapprocher/Séparer

(10)

Rapprocher/Séparer

(11) Rapprocher (14)


- 81 -

3.3.1.3 Spécification de la relation de chevauchement

Dans le Tableau 3. 1, nous avons présenté les relations sémantiques existantes entre deux

concepts.

En se référant aux relations sémantiques d‟équivalence, d‟hiérarchie et d‟opposition données

dans [Galmiche, 1991], nous pouvons faire un parallèle. Cela nous permet de regrouper les

relations sémantiques en quatre catégories (Tableau 3. 5).

Équivalence (synonymie, équivalence)

Hiérarchie (spécialisation, complétude)

Chevauchement

Opposition (homonymie, disjonction)

Tableau 3. 5 les relations sémantiques selon [Galmiche, 1991]

Figure 3. 2 Spécification du chevauchement

Le but de cette étape de l‟algorithme est de faire évoluer la situation de chevauchement entre

deux ensembles, vers l‟équivalence (synonymie, équivalence) la hiérarchie (spécialisation,

complétude) ou l‟opposition (homonymie, disjonction). Cela par le rapprochement ou la

séparation de ces ensembles. Cependant le chevauchement peut encore apparaître après ces

deux opérations (Figure 3. 2).

s1

s2

s1s2

s1

s2

s1

s2

Hiérarchie


- 82 -

3.3.2 ÉTAPES DE L‟ALGORITHME DE CARACTÉRISATION DE CONFLITS SÉMANTIQUES

Nous allons considérer pour cet algorithme deux langages et . Soit et deux

concepts appartenant respectivement à et avec :

Les étapes de l‟algorithme sont synthétisées dans la Figure 3. 3.

Figure 3. 3 Algorithme proposé pour la caractérisation des conflits sémantiques

Avant de présenter ces étapes, nous allons définir quelques procédures utilisées dans

l‟algorithme, à savoir la comparaison, le rapprochement, la séparation de deux concepts et

l‟intervention sur la définition des concepts :

Comparer c1 et c2

Calcul du degré de chevauchement

Séparer

FIN

Non

Non Oui

Oui

chevauchement

chevauchementIntervention sur la

définition du concept

(1), (2), (3)

Comparer c1 et c2

Rapprocher

chevauchement

Comparer c1 et c2

chevauchement

Rapprocher

Comparer c1 et c2

Séparer

Comparer c1 et c2

Non

Non

OuiOui


- 83 -

3.3.2.1 Comparer deux concepts (c1, c2)

La comparaison de deux concepts (c1, c2) a pour objectif de déterminer la relation sémantique

les définissant. La comparaison se fera en agissant sur les deux éléments qui les composent et

qui sont, le mot et la sémantique.

Pour cette procédure, nous commencerons par comparer m1 et m2, ensuite s1 et s2. En se

basant sur le résultat et en s‟appuyant sur le Tableau 3. 2, dans lequel les relations

sémantiques ont été formalisées, nous pouvons identifier la relation sémantique entre c1 et c2.

3.3.2.2 Rapprocher deux concepts (c1, c2)

Le rapprochement de deux concepts se fera en agissant sur les deux ensembles qui le

constituent :

Rapprocher les deux concepts en agissant sur l‟ensemble des propriétés : le principe

est de rechercher pour chaque concept c, associé au mot x qui n‟appartenant pas à

l‟intersection des deux ensembles de propriétés, une relation d‟équivalence, de

synonymie, de spécialisation ou de complétude avec un concept c‟, associé au mot x‟,

tel que les deux éléments x et x‟ n‟appartiennent pas au même ensemble de propriété.

Si l‟une des relations est vérifiée, alors nous déplaçons x et x‟ vers l‟intersection des

deux ensembles de propriétés et nous le noterons y (Figure 3. 4). Ceci est exprimé par

la formalisation suivante :

Pour tous trouvés, avec tel que :

Déplacer et vers


- 84 -

Figure 3. 4 Rapprochement de deux concepts en agissant sur l’ensemble des propriétés

Rapprocher les deux concepts en agissant sur l‟ensemble des relations : le principe est

le même que pour le rapprochement en agissant sur l‟ensemble des propriétés. Le

nouvel élément qui représentera x et x‟ par la relation sémantique trouvé entre c et c‟,

sera noté z‟ (Figure 3. 5). Cela est exprimé par la formalisation suivante :

:

Pour tous trouvés, avec tel que :

Déplacer et vers

Figure 3. 5 Rapprochement de deux concepts en agissant sur l’ensemble des relations

p2

p1

x

z

x’

Si Eq (c, c’) ou Syn (c, c’) ou

Spé (c, c’) ou Cpl (c, c’)

c’=(x’, s’)

c=(x, s)

y

r2

(m2,y’)z

(m1, y)

r1

c1=(m1, s1)c2=(m2, s2)

c=(y, s)c’=(y’, s’)

c est en relation avec c1

dans le modèle

c’ est en relation avec c2

dans le modèle

Si Eq (c, c’) ou Syn (c, c’) ou

Spé (c, c’) ou Cpl (c, c’)

z’


- 85 -

3.3.2.3 Séparer deux concepts (c1, c2):

La séparation de deux concepts se fera en agissant sur les deux ensembles qui le constituent :

Séparer les deux concepts en agissant sur l‟ensemble des propriétés : le principe est de

rechercher pour chaque élément x, associé au concept cn, et appartenant à

l‟intersection des deux ensembles de propriétés, une relation d‟homonymie entre deux

concepts c et c‟, appartenant respectivement à C1 et C2 et qui soient associés tous les

deux au même élément x. Si la relation est vérifiée, alors x est exclu de l‟intersection

et inclus dans chacun des deux ensembles de propriétés. Nous les noterons y, y‟

(Figure 3. 6). Ceci est exprimé par la formalisation suivante :

Pour tous c, trouvés, avec tel que :

Exclure de

Figure 3. 6 Séparation de deux concepts en agissant sur l’ensemble des propriétés

Séparer les deux concepts en agissant sur l‟ensemble des relations : le principe est le

même que pour le rapprochement en agissant sur l‟ensemble des relations. Les

nouveaux éléments qui représentent x par la relation d‟homonymie trouvé entre c et

c‟, seront noté (m1, z) et (m2, z‟) (Figure 3. 7). Ceci est exprimé par la formalisation

suivante :

p2

p1

kz

Si Hom (c, c’)

c’=(y’, s’) / y’=x

cn=(x, sn)

xy y’c=(y, s) / y=x


- 86 -

Pour tous c, trouvés, avec tel que :

Exclure de

Figure 3. 7 Séparation de deux concepts en agissant sur l’ensemble des relations

3.3.2.4 Intervenir sur la définition des concepts

Cette procédure consiste à alerter les utilisateurs sur la difficulté à trouver une relation

sémantique entre les concepts c1 et c2. Cela est peut être dû à une erreur d‟écriture lors de leur

définition ou au manque d‟informations sur les propriétés et les relations. Dans les deux cas

l‟intervention est nécessaire afin de corriger les erreurs pour le premier cas et de rechercher de

nouvelles données (si elles existent) pour le deuxième cas.

Maintenant que les deux procédures de rapprochement et de séparation sont définies, nous

pouvons présenter les étapes de l‟algorithme :

Étape 1 : identifier la relation sémantique entre c1 et c2

Pour cette étape, nous allons comparer les deux concepts afin d‟identifier la relation

sémantique en se basant sur le Tableau 3. 2.

Comparer c1 et c2

» Si Chv (c1, c2) aller à l‟étape 2.

r2(m2,y’)

(m1, y)r1

c=(x, s) / x=zc’=(x, s’) / x=z’

x

Si Hom (c, c’)

(m1, z)(m2,z’)


- 87 -

» Sinon aller à FIN.

Étape 2 : calculer le degré de chevauchement (Tableau 3. 4)

Le calcul du degré de chevauchement se fera par les équations présentées à la section 3.3.1.2,

et le résultat sera comparé au Tableau 3. 4 afin de déterminer les procédures à suivre pour les

étapes suivantes.

Calculer d° chv/p (c1, c2)

Calculer d° chv/r (c1, c2)

» Si (1), (2) ou (3), aller à l‟étape 3.

» Sinon aller à l‟étape 4.

Étape 3 : donner la priorité à la séparation

À ce niveau, la priorité a été donnée à la séparation des concepts, mais si le chevauchement

persiste il faut rapprocher. Si après les deux opérations, les concepts sont toujours en

chevauchement il faut faire une intervention sur la définition des concepts.

Séparer c1 et c2

Comparer c1 et c2

» Si Chv (c1, c2) rapprocher c1 et c2

Comparer c1 et c2

Si Chv (c1, c2) aller à « Intervention sur la définition du

concept ».

Sinon aller à fin


Étape 4 : donner la priorité au rapprochement

Si la priorité est donnée au rapprochement des concepts, et si le chevauchement persiste après

cette opération, il faut procéder à leur séparation. Une intervention sur la définition des

concepts sera nécessaire si les deux opérations n‟ont pas réussi à spécifier le chevauchement.

Rapprocher c1 et c2

Comparer c1 et c2


- 88 -

» Si Chv (c1, c2) séparer c1 et c2

Comparer et

Si Chv (c1, c2) aller à « Intervention sur la définition du

concept ».

Sinon aller à fin


L‟algorithme proposé comprenant les quatre étapes a comme objectif d‟identifier les relations

sémantiques entre deux concepts et de spécifier la relation de chevauchement si elle existe.

Son application dans le développement de la sémantique en modélisation d‟entreprise sera

exposée dans le chapitre 4.

3.4 EXEMPLE

Pour mieux comprendre l‟approche proposée précédemment, nous allons présenter une

application simplifiée sur le concept « Activité » utilisé dans les langages IDEFx et GRAI.

Avant de procéder à l‟application nous allons donner quelques informations sur ce concept

dans chacun des contextes choisis.

3.4.1 L‟ACTIVITÉ IDEF0

Le langage IDEF0 [IDEF0, 1993] permet de représenter les aspects fonctionnels d‟un

système. Il propose, en effet, de décrire un système par les activités qu'il réalise, ainsi que les

objets échangés entre ces activités. Ce langage est avant tout un langage de communication

d'idées et adopte pour cela une syntaxe simple.

Les activités sont graphiquement représentées par un rectangle. Celles-ci possèdent des flux

d'échange qui ont une fonction différente selon la position de leurs points de connexion : les

entrées à gauche, les sorties à droite, les contrôles en haut, et les mécanismes en bas (Figure 3.

8).

Une activité s'interprète de la manière suivante : « une activité transforme des entrées (input I)

en sorties (output O), à partir de directives de contrôle (control C), en s'appuyant sur les

potentialités des mécanismes (mechanism M) :

Les entrées représentent les objets qui vont être transformés par l'activité. Il s'agit d‟un

objet qui peut être de nature matérielle ou informationnelle.


- 89 -

Les sorties décrivent les objets produits par l'activité. Elles peuvent être constituées

d'objets produits ou modifiés, ainsi que des rebuts générés par la transformation.

Les contrôles représentent des informations qui contraignent l'exécution de l'activité

mais ne sont pas modifiés par elle. Il s'agit de règles, de directives, d'objectifs, etc.

Les mécanismes décrivent les moyens nécessaires à la réalisation de l'activité. Ils sont

constitués des ressources humaines et matérielles.

Figure 3. 8 Activité IDEF0

3.4.2 L‟ACTIVITÉ GRAI

Les réseaux GRAI représentent le fonctionnement de tout ou une partie d‟un centre de

décision selon les concepts du modèle GRAI (modèle des activités d‟un centre de décision)

[Roboam, 1993].

Une Activité est une partie du comportement d‟un centre de décision. Une activité a un

caractère dynamique et fournit une ou des entités.

Il existe deux types d‟activités :

L‟activité d‟exécution est une activité donnant la même valeur au résultat pour les

mêmes valeurs des entités convergentes (déclencheur et support). Exemple : activité

gérée complètement par une règle, procédure, programme, etc.

L‟activité de décision est une activité pouvant donner plusieurs valeurs au résultat

pour les mêmes valeurs des entités convergentes. Exemple : décision

Pour notre application, nous allons utiliser une représentation simplifiée de l‟activité GRAI

(Figure 3. 9) [Vallespir et Doumeingts, 2006].

Figure 3. 9 Activité GRAI

ActivitéSortie (O)

Contrôle (C)

Entrée (I)

Mécanisme (M)

Activité

Sortie

Support

Déclencheur


- 90 -

Le Support est une entité nécessaire au déroulement de l‟activité

Le Résultat est une entité produite par l‟activité

Le Déclencheur est une entité nécessaire au déroulement de l‟activité et dont la mise à

disposition déclenche l‟activité

3.4.3 APPLICATION DE L‟ALGORITHME DE CARACTÉRISATION DES CONFLITS SÉMANTIQUES

Comme le montre la Figure 3. 10, nous cherchons à identifier la relation sémantique entre les

deux concepts « activité » utilisés dans IDEF0 et GRAI.

Figure 3. 10 Exemple

Avant d‟appliquer l‟algorithme nous allons identifier et définir les éléments de notre exemple

nécessaires à son déroulement.

IDEF0 GRAI

c1= (activité, ((activité, fonction),

entrée, sortie, contrôle, mécanisme)))

m1= (a, c, t, i, v, i, t, é)

s1= ((activité, fonction), entrée, sortie,

contrôle, mécanisme)

c2= (activité, ((activité, centre

décision), déclencheur, sortie,

support)))

m2= (a, c, t, i, v, i, t, é)

s2= ((activité, centre décision),

déclencheur, sortie, support)

Tableau 3. 6 Informations sur les éléments de l’exemple

Activité

Entrée

Sortie

Contrôle

Mécanisme

FonctionActivité

Déclencheur

Sortie

Support

Centre décision

Activité

Sortie

Contrôle

Entrée

Mécanisme

Activité

Sortie

Support

Déclencheur


- 91 -

Étape 1 : comparer les deux concepts

m1= (a, c, t, i, v, i, t, é)

m2= (a, c, t, i, v, i, t, é)

m1= m2

s1 s2 ≠ Ø

» Nous sommes dans une situation de chevauchement, il faut donc aller à

l‟étape 2.

Étape 2 : calculer le degré de chevauchement

p1= (entrée, sortie, contrôle, mécanisme)

p2= (déclencheur, sortie, support)

r1= (activité, fonction)

r2= (activité, centre décision)

p1 p2 ≠ Ø et card (p1) = 4, card (p2) = 3, card (p1 p2) = 1

r1 r2 = Ø

d° chv/p (c1, c2) = 1/3 = 0.33

d° chv/r (c1, c2) = 0

Si nous comparons ces résultats par rapport au Tableau 3. 4, nous nous trouvons dans le cas

(1), il faut donc aller à l‟étape 3, qui consiste à séparer les deux concepts.

Étape 3 : donner la priorité à la séparation

Pour cette étape nous allons commencer par séparer les deux concepts. Dans notre cas nous

allons agir uniquement sur l‟ensemble des propriétés, puisqu‟il n‟y a pas d‟intersection pour

l‟ensemble des relations.

Séparer les deux concepts en agissant sur l‟ensemble des propriétés :

p1 p2 = (sortie)

nous allons maintenant chercher deux concepts c et c‟ avec :

c = (sortie, s) et c appartient à l‟ensemble des concepts utilisés dans le langage GRAI


- 92 -

c‟ = (sortie, s‟) et c‟ appartient à l‟ensemble des concepts utilisés dans le langage

IDEF0

Dans GRAI, le concept sortie est définit de la façon suivante c = (sortie, (objet transformé)).

Pour IDEF0 il est définit : c‟ = (sortie, (objet transformé))

Si nous comparons c et c‟ nous allons trouver une équivalence, donc nous ne pouvons pas

exclure cet élément de l‟intersection. Le chevauchement est toujours présent, il faut donc

passer à au rapprochement des concepts

Rapprocher les deux concepts en agissant sur l‟ensemble des propriétés :

p1= (entrée, sortie, contrôle, mécanisme)

p2= (déclencheur, sortie, support)

Nous allons commencer par rapprocher les propriétés d‟IDEF0 :

x= (entrée, contrôle, mécanisme), il y a donc trois concepts que nous cherchons à inclure dans

p1 p2 :

c1= (entrée, (objet à transformer)).

c2= (contrôle, (contrainte)).

c3= (mécanisme, (ressource)).

Nous devons chercher dans les concepts GRAI trois concepts c‟1, c‟2 et c‟3, avec :

Eq(c1, c‟1), Syn(c1, c‟1), Spé(c1, c‟1) ou Cpl(c1, c‟1).



Dans GRAI les concepts « déclencheur » et « support » sont définis de la façon suivante :

c‟1= (déclencheur, (événement)).

c‟2= (support, (ressource)).

Nous constatons qu‟il y a une synonymie entre les concepts « mécanisme » et « support »,

nous pouvons alors les inclure dans l‟intersection, mais cela n‟est pas suffisant, puisque nous

n‟avons pas trouvé de relations sémantiques entre les concepts restant, il y a donc toujours un

chevauchement.

Rapprocher les deux concepts en agissant sur l‟ensemble des relations :


- 93 -

r1= (activité, (activité, processus))

r2= (activité, (activité, centre décision))

Il y a dans cette partie deux concepts à comparer : « processus » et « centre décision »

Dans IDEF le concept « processus » peut être défini par : c1 = (processus, (pt de décision)).

Pour GRAI, le centre de décision peut s‟écrire de la façon suivante : c2 = (centre décision,

((fonction, niveau), activité de décision, cadre de décision, information)).

La comparaison entre les concepts c1 et c2 ne permet pas d‟identifier de relation sémantique

entre eux, il y a donc toujours chevauchement.

Au final, nous constatons que le concept « activité » GRAI et « activité » IDEF0 sont en

chevauchement, et malgré les opérations de séparation et de rapprochement de ces concepts,

le chevauchement n‟a pas pu être spécifié vers une autre relations sémantique. Cela a pour

conséquence, de ne pas pouvoir situer l‟activité GRAI par rapport à l‟activité IDEF0. En effet,

nous ne pouvons pas conclure si ces deux concepts, sont équivalents ou différents, il faut donc

intervenir sur leurs définitions.

3.5 CONCLUSION

Dans ce chapitre nous avons proposé un algorithme dans le but de caractériser les conflits

sémantiques. Pour cela nous avons commencé par un travail de formalisation basé sur la

terminologie de la théorie des langages.

Nous avons dans un premier temps proposé une définition du « concept » à partir du triangle

sémiotique et nous avons associé pour chaque concept un signifiant et un signifié, le premier

étant le mot ou la syntaxe, et le deuxième représentant la sémantique. Ensuite nous avons

défini cette dernière comme un couple de propriétés et de relations.

Ces définitions proposées, nous nous sommes intéressés à leur formalisation et à partir de là,

nous avons pu formaliser les relations sémantiques pouvant exister entre deux concepts et

nous avons conclu sur l‟existence de conflits sémantiques.

L‟algorithme que nous avons proposé permet de caractériser ces conflits dans un contexte où

nous avons deux concepts utilisés chacun dans un langage particulier. L‟algorithme permet

dans un premier temps d‟identifier la relation sémantique entre les deux concepts dont les

signifiants sont les mots des langages. Ensuite dans le cas un chevauchement entre ces deux

concepts est identifiée l‟algorithme va procéder à des opérations de rapprochement et de


- 94 -

séparation dans le but de retrouver une relation sémantique ne représentant pas un conflit

sémantique, comme l‟équivalence ou la disjonction.

Pour mieux comprendre l‟application de cette algorithme, nous avons proposé à la fin de ce

chapitre un exemple d‟illustration comprenant deux concepts dont le signifiant est le même,

mais utilisé dans deux langages différents. Cet exemple a permis de montrer que l‟algorithme

fonctionne. Néanmoins, lorsque nous constatons un chevauchement malgré les opérations de

rapprochement et de séparation entre les concepts, il est possible de répéter ces opérations à

un niveau plus bas. Ce processus s‟arrêtera lorsque les concepts ne peuvent plus être décrits

en propriétés et en relations.

Chapitre 4 : Proposition d‟une démarche pour le développement de la sémantique

- 95 -

4 CHAPITRE 4

PROPOSITION D‟UNE DÉMARCHE POUR LE

DEVELOPEMENT DE LA SÉMANTIQUE DES MODÈLES

D‟ENTREPRISE

Les précédents chapitres, et particulièrement le premier et deuxième ont permis de mettre en

évidence l‟intérêt de la présence d‟une sémantique explicite en modélisation d‟entreprise ainsi

que le besoin d‟une approche méthodologique pour le développement de cette dernière. Dans

le chapitre 3, les conflits sémantiques responsable d‟ambigüités et entravant la compréhension

des modèles ont été identifiés. Pour répondre à cette problématique, nous avons proposé un

algorithme de caractérisation des conflits sémantiques procédant par étape afin d‟identifier les

relations sémantiques existantes avant de déboucher sur l‟étape qui lève le conflit sémantique.

Dans ce chapitre, nous allons voir comment appliquer l‟algorithme de caractérisation de

conflits sémantiques pour le développement de la sémantique des modèles d‟entreprise. Pour

cela nous allons d‟abord présenter le cadre du développement sémantique constitué de trois

dimensions : (1) la modélisation d‟entreprise, (2) les ontologies et (3) la formalisation.

Une fois le cadre du développement proposé, nous entamons une démarche proposée dans le

but d‟assurer le développement de la sémantique des modèles d‟entreprise. Enfin, nous

discuterons des différents cas d‟application envisageables.

4.1 CADRE SÉMANTIQUE

Le cadre sémantique organise et structure les différents composants à prendre en compte dans

le développement de la sémantique en modélisation d‟entreprise.

La Figure 4. 1 montre le principe de notre cadre sémantique et les dimensions considérées.

Nous représentons les concepts (métier, langage de modélisation d‟entreprise) utilisés dans les

modèles et sur lesquels reposent le développement de la sémantique. L‟utilisation de

référentiels peut être considérée comme une solution à la clarification de la sémantique. En

effet, il devient alors possible de procéder à un rapprochement des concepts du modèle à ceux

des référentiels représentant les connaissances déjà partagées dans le modèle d‟entreprise.

Les référentiels peuvent représenter différents types de connaissances sous divers degrés de

formalisation. En effet, les connaissances peuvent être conceptualisées selon que les concepts

représentés soient génériques ou spécifiques. Cette représentation peut prendre différentes

formes, allant d‟une simple classification à une ontologie formelle.


- 96 -

Figure 4. 1 le cadre sémantique

L‟objet d‟un tel cadre consiste à supporter la mise en correspondance entre le développement

de la sémantique en modélisation d‟entreprise et la représentation des connaissances. Ceci va

nous amener à identifier les différents cas possible du développement de la sémantique.

Le cadre sémantique proposé se compose de trois dimensions, dont la participation sera

énoncée et expliquée :

La modélisation d‟entreprise.

Les ontologies.

La formalisation.

4.1.1 LA MODÉLISATION D‟ENTREPRISE

L‟axe de modélisation d‟entreprise identifie les deux catégories de concepts manipulés dans

un modèle d‟entreprise :

Les concepts utilisés dans un langage de modélisation d‟entreprise : Ils sont liés au

langage de modélisation d‟entreprise utilisé pour construire le modèle d‟entreprise. Il

est donc important de conceptualiser ces concepts (méta-modèle) par une ontologie,

puisque le même système peut être modélisé par différents langages de modélisation

d‟entreprise et chacun d‟eux peut avoir ses propres syntaxes, sémantiques et règles.

Glossaire

Taxonomie

Thesaurus

Ontologie

Ontologies générales

Ontologies de domaine

Concepts ME Concepts métier

Ontologies d’application

On

tolo

gie

s

Modélisation d’entreprise


- 97 -

Les concepts liés à l‟entreprise modélisée : Ce sont les concepts qui décrivent le

fonctionnement et les métiers de l‟entreprise considérée.

4.1.2 LES ONTOLOGIES

L‟axe des ontologies définit les niveaux de conceptualisation possibles :

Ontologies générales : Elles décrivent des concepts généraux ou des connaissances de

sens commun sur la production industrielle en général indépendamment d‟un secteur

industriel particulier (Par exemple, l‟ontologie de la production industrielle,

l‟ontologie d‟entreprise).

Ontologies de domaine : Elles fournissent les concepts structurant un domaine et

décrivent les relations entre ces concepts. Elles sont réutilisables au sein d‟un domaine

donné, mais pas d‟un domaine à un autre. Nous pouvons citer par exemple l‟ontologie

du secteur d‟industrie automobile ou une ontologie de modélisation d‟entreprise.

Ontologies d‟application : Elles décrivent les concepts qui dépendent à la fois d‟un

domaine particulier et d‟une tâche particulière comme la vente ou la production. Elles

correspondraient aux rôles joués par les entités de domaine lorsqu‟elles effectuent

certaines activités (Par exemple, l‟ontologie d‟une entreprise donnée ou une ontologie

GRAI).

4.1.3 LA FORMALISATION

L‟axe de formalisation identifie les niveaux possibles de formalisation des connaissances (des

concepts) pouvant être utilisé dans un modèle d‟entreprise. Il se compose de quatre niveaux :

Glossaires : Ce sont des listes de termes avec leurs significations qui sont le plus

souvent exprimées par des énoncés en langue naturelle principalement destinés à des

agents humains.

Taxonomies : C‟est la classification des connaissances qui a pour objet de les décrire

et de les regrouper en entités appelées taxons (familles, genres, espèces, etc.) afin de

pouvoir les nommer et les classer.

Thésaurus : Ils ajoutent aux glossaires la sémantique ressortant des définitions des

relations entre les termes (comme la relation de synonymie). Généralement, ils ne

fournissent pas la structure hiérarchique explicite, bien que celle-ci puisse être déduite

des spécifications de termes plus larges ou plus proches.


- 98 -

Ontologies : C‟est le développement systématique, formel et axiomatique de la

logique des connaissances partagées.

Les axes de formalisation et d‟ontologies constituent l‟espace « référentiel » représentant les

concepts du modèle d‟entreprise pour le développement de la sémantique (Figure 4. 2). Par

exemple, dans le cas d‟une modélisation GRAI du système décisionnel d‟une entreprise

automobile, nous pouvons utiliser un référentiel sous forme d‟une ontologie GRAI (ontologie

d‟application, ontologie) et un autre sous forme d‟un glossaire de l‟automobile (ontologie de

domaine, glossaire). Cette espace doit nous amener à définir la façon adéquate pour appliquer

la démarche en vue du développement de la sémantique.

Figure 4. 2 Espace référentiel pour le développement de la sémantique

4.2 DÉMARCHE POUR LE DÉVELOPPEMENT DE LA SÉMANTIQUE

La démarche que nous proposons est basée sur l‟algorithme de caractérisation des conflits

sémantiques présenté dans le chapitre 3. Elle a comme objectif de définir un ensemble

d‟étapes à suivre afin de procéder de façon structurée et développer la sémantique des


Dans les chapitres précédents, nous avons montré la nécessité de répondre à deux

préoccupations majeures :

Assurer la présence sémantique des concepts manipulés.

Minimiser le rôle de l‟homme dans la compréhension des modèles d‟entreprise.

En se basant sur le cadre sémantique (Figure 4. 1), nous constatons que ces deux problèmes

concernent la dimension de la modélisation d‟entreprise et que les différentes solutions

Glossaire générale des

concepts métier

Modélisation d’entreprise

On

tolo

gie

s


- 99 -

peuvent être élaborées suivant les dimensions des ontologies et de la formalisation. En effet,

nous devons assurer une garantie sémantique, ainsi qu‟une compréhension correcte du modèle

sans l‟aide de l‟analyste particulièrement lorsqu‟il s‟agit des concepts du langage de

modélisation d‟entreprise et des concepts métier utilisés dans les modèles d‟entreprise. Cela

peut être possible en associant ces concepts à des référentiels qui les décrivent, qu‟ils soient

formels ou non.

Nous proposons pour le développement de la sémantique des modèles d‟entreprise la

démarche suivante (Figure 4. 3) :

Identifier les concepts conflictuels dans le modèle d‟entreprise.

Définir la sémantique des concepts identifiés.

Identifier les relations sémantiques.

Associer les concepts. concepts

Figure 4. 3 Démarche pour le développement de la sémantique

4.2.1 IDENTIFIER LES CONCEPTS CONFLICTUELS

Un concept est considéré comme conflictuel, si sa compréhension dépend du contexte

d‟utilisation que ce soit celui de la modélisation d‟entreprise ou celui de l‟entreprise.

Dans le domaine de la modélisation d‟entreprise, l‟identification des concepts conflictuels se

fera de façon manuelle. En effet il est difficile de trouver un automatisme qui décide qu‟un

concept soit conflictuel ou pas.

4.2.2 DÉFINIR LA SÉMANTIQUE DES CONCEPTS IDENTIFÉS.

La sémantique des concepts conflictuels identifiés dans l‟étape précédente, sera définie par

leurs propriétés et leurs relations avec les autres concepts du modèle.

Un ensemble des concepts du modèle sera créé et noté , avec :

est le nombre de concept identifié dans .


- 100 -

est le mot associé au concept .

’ b p f p .

sont les propriétés définissant le concept .

4.2.3 IDENTIFIER LES RELATIONS SÉMANTIQUES

L‟identification des relations sémantiques se fera à l‟aide de l‟algorithme de caractérisation

des conflits sémantiques. Mais avant tout, nous devons identifier les référentiels dans lesquels

nous allons chercher les concepts impliquant des relations sémantiques avec les concepts

conflictuels du modèle. Ces référentiels sont des ontologies existantes, qu‟elles soient

générales, de domaine ou d‟application et qu‟elles soient de différents degrés de

formalisation. Ces référentiels sont définis dans le cadre sémantique par les axes ontologiques

et de formalisation.

Une fois les référentiels identifiés, nous allons définir pour chaque concept conflictuel, des

propriétés et des relations avec les autres concepts du modèle, et nous allons appliquer

l‟algorithme de caractérisation des conflits sémantiques selon les étapes présentées dans le

chapitre 3 (3.3.2).

Cette opération d‟identification des relations sémantiques peut être effectuée de manière

automatique dans le cas où les référentiels sont définis de façon formelle. Dans les autres cas

il est nécessaire de réaliser cette opération manuellement. (Voir le détail dans la partie 4.3).

4.2.4 ASSOCIER LES CONCEPTS

Cette étape consiste à associer les deux concepts identifiés par des relations sémantiques. Il

s‟agit de créer une annotation sur le concept conflictuel en apportant des informations

sémantiques afin d‟améliorer sa compréhension.

Une annotation (ou métadonnée) est une information descriptive facilitant l‟accès, la

recherche et l‟utilisation d‟une ressource [Aubry, 2007].

Dans notre cas elle contiendra les informations suivantes :

Les concepts des référentiels auxquels le concept annoté est lié,

Leurs relations sémantiques,

Une description textuelle qui donne les définitions du concept annoté.


- 101 -

La démarche composée des quatre étapes décrites ci-dessus, est à utiliser dans le cas où nous

cherchons à développer la sémantique pour un modèle d‟entreprise existant. L‟objectif dans

ce cas consiste à améliorer la compréhension du modèle d‟entreprise existant ou à rendre le

modèle interopérable (du point de vue sémantique) avec un autre modèle. La démarche peut

aussi être intégrée à une démarche plus large de la modélisation d‟entreprise. Il est donc

impératif que le développement de la sémantique se réalise au moment de la création du

modèle d‟entreprise. Ceci implique que les acteurs de la mise en œuvre du développement de

la sémantique soient les mêmes que ceux de la modélisation d‟entreprise et ils doivent avoir

comme but de :

Définir les objectifs du développement de la sémantique et valider le modèle,

Appliquer la démarche, collecter, rechercher les informations et définir des solutions,

Fournir les informations nécessaires à la réalisation des différentes étapes de la

démarche.

L‟ensemble de ces acteurs sont réunis au sein de groupes. Nous adoptons les définitions des

groupes telles qu‟elles sont spécifiés dans la méthodologie GRAI. Quatre groupes d‟acteurs

sont identifiés comme le montre la Figure 4. 4.

Figure 4. 4 Les groupes de la méthodologie GRAI [Vallespir et Doumeingts, 2006]

Le groupe de pilotage : il est composé de la direction de l‟entreprise. Son rôle est de

définir les objectifs de modélisation, d‟évaluer et de valider les résultats à la fin du

projet. Ce groupe n‟intervient pas directement dans le processus du développement de

la sémantique

Groupe de spécialistes

(support e l’étude)

Groupe de synthèse

(réalise l’étude)

Groupe de interviewes

(fournit de l’information)

0

Groupe de Pilotage

• Définit les objectifs de l’étude• Oriente l’étude• Évalue les résultats


- 102 -

Le groupe de synthèse : Il est composé de la direction des services de l‟entreprise à

modéliser. Son rôle est d‟assurer le suivi du projet, de contrôler et de valider à chaque

étape les résultats attendus.

Le groupe de spécialistes : Il est composé d‟experts en modélisation d‟entreprise. Son

rôle est de construire le modèle d‟entreprise, et d‟appliquer la démarche pour le

développement de la sémantique

Le groupe des interviewés : Ce groupe est formé du personnel de l‟entreprise

concerné. Il est interviewé par le groupe de spécialistes. Son rôle est de fournir les

informations nécessaires à la modélisation.

Ainsi, la démarche structurée est le composant central de notre approche méthodologique

pour le développement de la sémantique. Elle doit permettre aux modélisateurs d‟aboutir à

l‟intégration d‟une sémantique explicite en modélisation d‟entreprise en suivant les étapes

définies pas à pas. Notre démarche structurée se décompose en six étapes représentées par la

Figure 4. 5.

Figure 4. 5 Démarche structurée pour le développement de la sémantique

Acteurs et planning

Algorithme de caractérisation

de conflits

sémantiques

Définition des besoins

Identifier les concepts conflictuels

Identifier les relations sémantiques

Associer les concepts

Test et validation

Définir la sémantique des concepts identifiés


- 103 -

Définition des besoins

Lors de cette étape, il s‟agit pour le groupe de synthèse d‟identifier de manière précise les

besoins et objectifs du développement de la sémantique des modèles d‟entreprise.

En ce qui concerne les besoins, il s‟agit d‟exprimer le but du développement de la sémantique.

Si le modèle est utilisé en interne par le personnel de l‟entreprise, le développement

sémantique sera réalisé de façon simplifiée. Il ne concernera qu‟un nombre de concepts limité

à déterminer par le groupe de spécialistes. Dans le cas contraire, le développement de la

sémantique concernera un nombre plus important de concepts manipulés par le modèle

d‟entreprise. En ce qui concerne les objectifs de la modélisation avec développement de la

sémantique, l‟entreprise doit présenter des critères sur la mise en œuvre des solutions telle que

le délai, le coût, etc.

Identifier les concepts conflictuels

Cette étape sera réalisée par le groupe des spécialistes. Il s‟agit de déterminer les concepts qui

peuvent générer une mauvaise compréhension du modèle à cause du caractère général ou de

la multitude de sens qui peuvent leur être attribués. L‟expérience des spécialistes peut être un

élément important dans le cadre de l‟identification de ces concepts.


Une fois les concepts conflictuels identifiés, le groupe des spécialistes définira pour chacun

d‟eux un ensemble de propriétés et de relations. Ils se baseront pour cela sur les informations

recueillies au début de la modélisation.


Dans cette étape, le groupe des spécialistes va, dans un premier temps, identifier les

référentiels existants dans l‟entreprise en s‟appuyant sur le cadre sémantique (Figure 4. 1).

Ensuite, en se basant sur l‟algorithme de caractérisation des conflits sémantiques, les relations

sémantiques entre les concepts conflictuels et ceux des référentiels seront identifiées.


Pour associer les concepts, il faut commencer par définir pour chaque concept du modèle

d‟entreprise, ceux qui lui correspondent dans les référentiels, le groupe des spécialistes

construira ensuite une annotation pour chaque concept conflictuel dans laquelle nous pouvons

trouver les informations suivantes :


- 104 -

Concepts et relations sémantiques.

Description : une définition ou des commentaires.

Test et validation

Cette phase consiste pour les groupes des spécialistes et de synthèse à tester les annotations de

chaque concept conflictuel du modèle et vérifier que :

Chaque concept conflictuel du modèle est lié à ceux qui leur correspondent dans les

référentiels.

Les descriptions présentes dans les annotations sont correctes.

Lorsque toutes les annotations ont été testées correctement, le projet du développement de la

sémantique des modèles d‟entreprise doit être validé par le groupe de pilotage.

Toutes ces étapes peuvent donc s‟intégrer au processus de modélisation d‟entreprise comme

le montre la Figure 4. 6.

Figure 4. 6 Intégration du développement de la sémantique dans le processus de création des modèles

A la première étape du processus de création des modèles d‟entreprise, les besoins et objectifs

du développement de la sémantique vont être définis et les informations nécessaires à cette

opération vont être identifiées.

Lors de la construction du modèle préliminaire, les concepts conflictuels seront identifiés en

fonction des objectifs déterminés à l‟étape précédente. La définition de la sémantique de ces

1. Obtenir les informations nécessaires à la modélisation

2. Construction et revue du modèle préliminaire

3. Formalisation du modèle final4. Explication et justification

Définition des besoinsIdentifier les concepts

conflictuels



Test et validation



- 105 -

concepts sera basée sur les informations recueillies et l‟identification des relations

sémantiques se fera de façon manuelle ou automatique, en fonction des référentiels identifiés.

Le modèle final formalisé, les concepts vont être associés aux référentiels par des annotations

afin d‟assurer la sémantique des concepts conflictuels et la compréhension du modèle

d‟entreprise. Le test et la validation de ce dernier sont nécessaires pour vérifier la

modélisation et la sémantique qui lui est associée.

Enfin le modèle d‟entreprise doté d‟une sémantique explicite sera présenté et diffusé afin de

l‟utiliser et de l‟exploiter en fonction des objectifs de la modélisation.

4.3 SCÉNARIOS D‟APPLICATION

Dans cette section nous allons discuter des deux scénarios possibles d‟application de la

démarche proposée dans la section 4.2. Ces deux scénarios couvrent tous les cas possibles

identifiés dans le cadre sémantique présenté à la section 4.1 (Figure 4. 7). Ces deux scénarios

sont :

Référentiels formels, ce sont les ontologies formelles qu‟elles soient générales, de

domaine ou d‟application, qu‟elles concernent les concepts métiers ou ceux du

langage de modélisation d‟entreprise.

Référentiels non formels, ce sont les cas des glossaires, taxonomies ou thesaurus,

qu‟ils représentent les concepts généraux, de domaine ou d‟application des métiers de

l‟entreprise ou du langage de modélisation d‟entreprise.

Figure 4. 7 Catégories des référentiels du cadre sémantique

GlossaireTaxonomie

Thesaurus

Ontologie

Concepts ME Concepts métierConcepts ME Concepts métier







Référentiels non formels Référentiels formels


- 106 -

L‟objectif de l‟étude des scénarios d‟application, outre l‟identification des espaces

référentiels, sera de définir les étapes et la démarche de développement sémantique à prendre

en compte pour chacun des espaces référentiels. En effet, pour le cas des ontologies

d‟application, il n‟est pas nécessaire de suivre les quatre étapes de la démarche définies à la

section (4.2). Nous parlerons alors d‟application partielle. Concernant les autres cas, toutes les

étapes seront suivies et nous parlerons alors d‟application complète.

4.3.1 APPLICATION PARTIELLE DE LA DÉMARCHE

Elle concerne les ontologies d‟application, qui ont pour rôle de conceptualiser les

connaissances de la tâche modélisée. Nous allons donc retrouver les mêmes concepts dans le

modèle d‟entreprise et dans les référentiels. En effet, en supposant l‟existence d‟ontologies

formelles d‟application, il n‟est pas nécessaire de rechercher des relations sémantiques

puisque ces ontologies ont été définies en cohérence avec tous les concepts du modèle. Dans

ce cas, les étapes de la démarche concernées sont :

L‟identification des concepts conflictuels : Il va y avoir deux types de concepts

conflictuels, du métier et du langage de modélisation d‟entreprise.

L‟association des concepts : Il suffit de faire des annotations directes entre les

concepts du modèle et ceux des ontologies.

4.3.2 APPLICATION COMPLÈTE DE LA DÉMARCHE

Elle concerne les ontologies générales et les ontologies de domaine qui ont la capacité de

représenter des connaissances proches de la tâche modélisée, il faut donc trouver les relations

sémantiques entre les concepts du modèle d‟entreprise et ceux des référentiels. Le

développement de la sémantique des concepts s‟effectuera alors en suivant les quatre étapes

de la démarche :

Identifier les concepts conflictuels : ils sont de deux types, les concepts conflictuels

métier et les concepts conflictuels du langage de modélisation d‟entreprise,

Définir la sémantique des concepts : pour chaque groupe de concepts conflictuels

(métier, ME) et en fonction des connaissances des experts, les propriétés et les

relations de chaque concept seront définies.

Identifier les relations sémantiques : Une fois les référentiels identifiés, l‟algorithme

de caractérisation des conflits sémantiques fera le lien entre le modèle d‟entreprise et


- 107 -

les référentiels en faisant pour chaque concept conflictuel une recherche de concepts,

dans le référentiel lui correspondant (métier, ME), avec lequel une relation sémantique

peut être identifiée.

Associer les concepts : Une annotation sera créée afin de lier les deux concepts. Elle

sera munie d‟informations nécessaires à la compréhension du concept annoté.

4.3.3 SCÉNARIO 1 : RÉFÉRENTIELS FORMELS

Le tableau suivant décrit les différents cas possibles d‟application de la démarche pour les

référentiels formels.

Concepts métier

Concepts ME

Ontologie

générale

Ontologie de

domaine

Ontologie

d‟application

Ontologie

générale

Application

Complète

Application

Complète

Application

partielle

Application

Complète

Ontologie de

domaine

Application

Complète

Application

Complète

Application

partielle

Application

Complète

Ontologie

d‟application

Application

complète

Application

partielle

Application

complète

Application

partielle

Application

partielle

Tableau 4. 1 Application de la démarche pour les référentiels formels

Nous constatons (Tableau 4. 1) quatre cas où l‟application de la démarche s‟avère complète

pour les deux référentiels et un cas où l‟application est partielle. Dans les quatre autres cas,

l‟application de la démarche est complète pour l‟un des référentiels et partielle pour l‟autre.

Considérons le cas d‟une ontologie de domaine pour les concepts métier et une ontologie

d‟application pour les concepts du langage de modélisation d‟entreprise (Figure 4. 8). Pour ce

scénario, nous avons :

Un modèle d‟entreprise.

Une ontologie formelle de domaine représentant les concepts métier de l‟entreprise

modélisée.


- 108 -

Une ontologie formelle d‟application représentant les concepts du langage de


Figure 4. 8 Scénario des référentiels formels

Pour le développement de la sémantique du modèle d‟entreprise nous allons appliquer la

démarche de façon partielle pour les concepts du langage de modélisation d‟entreprise, et de

façon complète pour les concepts métier.

Concepts du langage de modélisation d’entreprise

L‟identification de ces concepts terminée, il faut les associer à l‟ontologie d‟application des

concepts ME par des annotations.

Les annotations ici sont considérées comme sémantiques, puisqu‟elles vont lier des concepts

d‟un modèle à ceux d‟une ontologie. Les annotations sémantiques sont des annotations

interprétables (ou réutilisables) par un être humain ou des machines dans un contexte donné.

Les annotations consacrées pour être interprétées par des machines sont des annotations

computationellement sémantiques. Celles consacrées à l'utilisation humaine s'appellent les

annotations cognitivement sémantiques. Dans le domaine de Web sémantique, les annotations

sémantiques sont décrites comme annotations qui se rapportent à une ontologie. En d'autres

termes, les annotations sémantiques identifient formellement des concepts et des relations

entre les concepts [Uren et al., 2006].

Euzenat [Euzenat, 2005] formalise l‟annotation sémantique comme étant une relation entre

deux ensembles d‟objets :

L‟ensemble D de documents,

Ontologie d’application des concepts

ME

Ontologie de domaine des

concepts métier

Ontologie d’applicationdes concepts

métier

Ontologie de domaine des concepts ME

Ontologie générale des concepts ME

Ontologie générale des

concepts métier


- 109 -

L‟ensemble C des représentations formelles.

Cette relation définit deux fonctions, avec : d D et c C :

La fonction « annotation » dans le sens : D C, telle que : Annotation (d) = c,

La fonction inverse « Index » dans le sens C D, telle que : Index (c) = d.

Dans notre cas, l‟ensemble D sera remplacé par l‟ensemble des concepts conflictuels du

modèle d‟entreprise et l‟ensemble C sera noté qui représente l‟ontologie d‟application du

langage de modélisation d‟entreprise, nous aurons alors :

et

avec :

» tel que:

» p ’ g ’ pp ME le nombre de

concepts la constituant. Pour chaque concept un signifiant lui sera

associé.

» , représentent respectivement, les propriétés, relations, axiomes et

instances du concept

L‟association des concepts se fera par l‟annotation suivante :

Annotation si

Concepts métier

Toutes les étapes de la démarche de développement de la sémantique vont être suivies comme

décrit dans la section 4.2. Concernant l‟identification des relations sémantiques, le procédé

peut être automatique. En effet, en supposant l‟existence d‟un outil basé sur l‟algorithme de

caractérisation des conflits sémantique, il sera possible dans un premier temps d‟extraire les

informations nécessaires sur les concepts métier du modèle d‟entreprise , ensuite

l‟identification des relations sémantiques se fera par une recherche et une comparaison avec

les concepts de l‟ontologie de domaine métier :

et


- 110 -

avec :

» tel que:

» p ’ g le nombre de

concepts la constituant. Pour chaque concept un signifiant lui sera

associé.

» , représentent respectivement, les propriétés, relations, axiomes et

instances du concept

L‟algorithme va permettre de comparer ci et cj par la recherche de relations entre :

mi et mj,

pi et pj,

ri et rj,

Une fois les relations sémantiques identifiées, l‟association des concepts se fera par des

annotations sémantiques représentant les résultats de l‟algorithme.

4.3.4 SCÉNARIO 2 : RÉFÉRENTIELS NON FORMELS

Concepts métier

Concepts ME

Thesaurus

Taxonomie

Glossaire

général de domaine d‟application

Thes

auru

s

Tax

onom

ie

Glo

ssai

re

général Application

Complète

Application

Complète

Application

partielle

Application

complète

de

domaine

Application

Complète

Application

Complète

Application

partielle

Application

complète

d‟applicat

ion

Application

complète

Application

partielle

Application

complète

Application

partielle

Application

partielle

Tableau 4. 2 Application de la démarche pour les référentiels non formels


- 111 -

Le tableau ci-dessus décrit les différents cas possible d‟application de la démarche pour les

référentiels non formels.

Comme pour le référentiel formel, il existe quatre cas, où l‟application de la démarche est

complète pour les deux référentiels et un cas où l‟application est partielle. Dans les quatre

autres cas, l‟application de la démarche est complète pour l‟un des référentiels et partielle

pour l‟autre.

Considérons le cas d‟un glossaire général pour les concepts métier et un glossaire

d‟application pour les concepts du langage de modélisation d‟entreprise (Figure 4. 8).

Figure 4. 9 Scénario des référentiels non formels

Pour ce scénario, nous supposons que nous avons :

Un modèle d‟entreprise.

Un glossaire comprenant les concepts concernant les concepts du langage de

modélisation d‟entreprise et leurs définitions.

Un glossaire comprenant les concepts génériques métier et leurs définitions.

L‟application de la démarche de développement de la sémantique sera partielle pour les

concepts du langage de modélisation d‟entreprise et complète pour ceux du métier.

Concepts du langage de modélisation d’entreprise

Une fois l‟identification de ces concepts terminée, l‟association entre les concepts du modèle

et ceux du glossaire se fera de façon manuelle, en comparant les mots correspondant aux

concepts conflictuels à ceux correspondant aux concepts du référentiel. Un lien sera créé entre

eux si les deux mots sont identiques.

glossaired’applicationdes concepts

métier

glossaire de domaine des concepts ME

glossaire de domaine des

concepts métier

glossaire général des concepts ME

Taxonomie d’application des concepts

ME

Taxonomied’applicationdes concepts

métier

Taxonomie de domaine des concepts ME

Taxonomie de domaine des

concepts métier

Taxonomie générale des concepts ME

Taxonomie générale des

concepts métier

Thesaurusd’application des concepts

ME

Thesaurusd’applicationdes concepts

métier

Thesaurus de domaine des concepts ME

Thesaurus de domaine des

concepts métier

Thesaurus général des concepts ME

Thesaurus général des

concepts métier

glossaired’application des concepts

ME

glossairegénéral des

concepts métier


- 112 -

Concepts métier

Toutes les étapes de la démarche de développement de la sémantique vont être suivies comme

décrites dans la section 4.2. Contrairement aux référentiels formels, l‟identification des

relations sémantiques se fera de façon manuelle, et une fois les relations sémantiques

identifiées, l‟association des concepts se fera par des annotations représentant les résultats de

l‟algorithme.

4.4 CONCLUSION

Au cours de ce chapitre, nous avons décrit le processus d‟élaboration d‟une démarche support

à la mise en œuvre du développement de la sémantique en modélisation d‟entreprise.

La démarche que nous avons proposée s‟appuie sur un cadre sémantique, qui identifie et

structure le développement de la sémantique en tenant compte de la modélisation d‟entreprise,

des ontologies et de la formalisation. Nous avons également défini l‟espace „référentiel‟

constitué des axes d‟ontologie et de formalisation.

Une démarche composée de quatre étapes permettant de faire le lien entre les éléments de

l‟espace référentiel a été présentée. Nous avons montré qu‟il également possible d‟intégrer la

démarche de développement de la sémantique à celle de la modélisation. En effet, la

définition des besoins et des objectifs du développement de la sémantique s‟effectuera au

moment de la rencontre et des échanges d‟informations entre experts et spécialistes. Pendant

la construction du modèle préliminaire, les spécialistes s‟attachent à identifier et définir la

sémantique des concepts conflictuels du modèle d‟entreprise, à les comparer aux référentiels

choisis afin de déterminer les relations sémantiques. L‟association des concepts du modèle

d‟entreprise à ceux des référentiels s‟effectuera par des annotations, cela correspond au

passage du modèle préliminaire au modèle final. Enfin, le modèle muni d‟une sémantique

explicite sera diffusé pour des utilisations adéquates.

L‟étude des scénarios possibles du développement de la sémantique nous a permis de définir

plusieurs cas que nous pouvons regrouper en quatre parties (Figure 4. 10) :

Les référentiels formels avec application complète de la démarche.

Les référentiels formels avec applications partielle de la démarche.

Les référentiels non formels avec application complète de la démarche.

Les référentiels non formels avec applications partielle de la démarche.


- 113 -

Pour les deux premier cas, l‟étape de « associer les concepts » de la démarche pour le

développement de la sémantique s‟effectuera par des annotations sémantiques, alors que pour

les deux autres cas, des annotations (ou un simple lien) seront suffisants.

Figure 4. 10 Application de la démarche dans le cube sémantique

L‟aspect économique du développement de la sémantique est resté en dehors du cadre de la

présente ; toutefois, il n‟est pas à ignorer. En effet, le coût de mise en œuvre d‟une

application complète de la démarche proposée doit être estimé soigneusement afin d‟évaluer

la faisabilité de son applicabilité industrielle.

Référentiels non formels

Référentiels formels

Application complète de la

démarche

Application partielle de la

démarche

Application complète de la

démarche

Application partielle de la

démarche

Utilisation d’annotations sémantiques

Utilisation d’annotations

Conclusion, limites et perspectives

- 115 -

CONCLUSION, LIMITES ET PERSPECTIVES

Les travaux présentés dans cette thèse s‟inscrivent dans le domaine de la modélisation

d‟entreprise et concernent plus particulièrement le développement de la sémantique des


Dans le premier chapitre nous nous sommes attachés à mettre en évidence la problématique

du développement de la sémantique en modélisation d‟entreprise.

Bien que nombreux, les modèles résultants sont essentiellement présentés sous leur

composante syntaxique sans se soucier de la dimension sémantique qui est indispensable à

une compréhension sans ambiguïté des langages et modèles d‟entreprise.

La modélisation d‟entreprise s‟est avérée être une approche qui répond aux exigences de

l‟entreprise en terme de compréhension de sa structure et de son fonctionnement. Des

améliorations sont, cependant, nécessaires afin de proposer des solutions plus adéquates.

Ainsi, de notre point de vue, le développement de la sémantique représente l‟une des

améliorations potentielle

Le second chapitre s‟est articulé autour de deux parties. Dans la première, nous avons

présenté les concepts (sémantique et relations sémantiques) liés à notre problématique. Nous

avons commencé par énoncer quelques définitions de base, présenter le triangle sémiotique et

introduire les différents degrés de formalisation de la sémantique. Ces éléments se sont avérés

des préalables nécessaires à la définition du concept et de la sémantique donnés dans le

chapitre 3.

Ensuite, nous avons suggéré de procéder à une analyse du parallélisme entre le processus de

création des modèles d‟entreprise et celui de la conversion des connaissances (SECI :

Socialization, Externalization, Internalization, Combination), ceci nous a permis d‟associer

les différents degrés de formalisation de la sémantique aux étapes du processus de

modélisation d‟entreprise. Nous avons alors identifié les étapes dans lesquelles le

développement de la sémantique devient indispensable à une meilleure compréhension des

modèles.

Cette première partie du chapitre nous a amené à identifier les préoccupations liées à notre

problématique, à savoir, assurer la présence de la sémantique dans les modèles d‟entreprise et

minimiser le rôle de l‟homme dans leur interprétation et leur compréhension.


- 116 -

La recherche de solutions à ces préoccupations nous a amené, dans la deuxième partie du

chapitre à étudier deux approches de formalisation. La première étant la théorie des langages

pour assurer une rigueur mathématique de la formalisation, la deuxième étant les ontologies

afin d‟apporter la sémantique nécessaire à la compréhension des modèles d‟entreprise.

Nous avons également réalisé une comparaison entre la modélisation d‟entreprise et les

ontologies afin de mieux cerner leur lien avec pour conclusion que la technique de

représentation d‟ontologie permet d‟apporter une sémantique formelle à la technique de


Dans le troisième chapitre, nous avons proposé une démarche méthodologique permettant la

caractérisation des conflits sémantiques. Pour cela, nous avons élaboré une formalisation du

concept et sa sémantique et nous avons identifié les relations sémantiques pouvant exister

entre deux concepts ; le chevauchement s‟est avéré être une source d‟apparition de conflit.

Pour appréhender ce problème, nous avons proposé un algorithme permettant dans un

premier temps d‟identifier les relations sémantiques, et ensuite, dans le cas d‟un

chevauchement, l‟algorithme tend à le redéfinir vers une équivalence, une hiérarchisation ou

une opposition par des opérations de séparation et de rapprochement des concepts. Un

exemple d‟application de l‟algorithme a été élaboré à la fin du chapitre pour mieux illustrer

l‟utilisation de l‟algorithme proposé.

Nous avons proposé dans le quatrième chapitre une méthodologie pour le développement de

la sémantique. Nous avons défini un cadre sémantique permettant l‟identification et la

structuration des différents composants à prendre en compte pour développer la sémantique

des modèles d‟entreprise. Ce cadre est constitué de trois dimensions, la première étant la

modélisation d‟entreprise qui identifie les concepts manipulés dans les modèles. La deuxième

dimension concerne les ontologies qui considèrent les connaissances partagées du point de

vue générique, de domaine ou d‟application. Enfin, la troisième dimension qui est la

formalisation, prend en compte les niveaux de formalisation de connaissances possibles. Nous

avons ensuite développé une démarche, basée sur l‟algorithme de caractérisation des conflits

sémantiques, qui consiste à identifier dans un premier temps les concepts conflictuels dans un

modèle, ensuite de chercher dans les référentiels les concepts avec lesquels ils ont des

relations sémantiques, et enfin d‟associer ces concepts par des annotations. En définitive,

nous avons construit une démarche structurée qui pas à pas guide les acteurs dans la

construction d‟un modèle contenant une sémantique explicite. L‟étude des différents

scénarios d‟application de la démarche de développement de la sémantique a permis


- 117 -

d‟identifier quatre groupes (références d‟application formels, références génériques et de

domaine formels, références d‟application non formels et enfin, référence générique et de

domaine non formels) dans lesquelles la démarche s‟appliquera de la même manière.

Limites et perspectives

Les travaux de recherche présentés dans ce mémoire doivent être considérés comme une

approche exploratoire dans le développement de la sémantique en modélisation d‟entreprise.

En effet, le parcours de la littérature scientifique a révélé la rareté des travaux qui traitent la

question des limites de la modélisation d‟entreprise. Le but de notre recherche a précisément

consisté à définir les principes et concepts de base afin de dégager des éléments de réflexions

permettant des développements futurs dans ce domaine.

Beaucoup d‟efforts sont encore à consentir pour faire aboutir cette contribution, à commencer

par l‟implantation de l‟algorithme de caractérisation des conflits sémantiques à travers un

outil permettant une utilisation industrielle effective dans les entreprises. De plus, l‟utilisation

des ontologies n‟est pas sans difficulté du fait de leur non disponibilité ou non accessibilité, il

est donc nécessaire de s‟assurer d‟abord de leur disponibilité pour fiabiliser l‟application

industrielle.

Une autre dimension qui n‟a pas été prise en compte dans ces travaux concerne l‟aspect

économique. En effet, il est nécessaire d‟évaluer le coût de la mise en place du

développement de la sémantique en modélisation d‟entreprise et l‟identification des conflits

sémantiques nécessitant des annotations afin d‟évaluer la faisabilité et la rentabilité.

L‟évaluation économique de l‟approche peut donc être envisagée et intégrée dans la

méthodologie proposée.

Concernant les perspectives de cette recherche, nous pouvons proposer dans un premier temps

d‟affiner la démarche du développement de la sémantique et de l‟expérimenter dans un milieu

industriel afin d‟évaluer les bénéfices apportés aux utilisateurs finaux.

Dans un deuxième temps nous pouvons nous intéresser au cas de la sémantique variable. En

effet, en modélisation d‟entreprise, deux types de sémantiques existent: constante pour les

modèles sur une étape particulière d‟un cycle de vie et variable pour les modèles entre deux

étapes du cycle de vie (Figure 1).

Dans ce dernier cas, un modèle subirait des transformations à travers des opérations sur lui-

même (figure). Chaque modèle (N) possédera un modèle qui le précède (N-1) et un autre qui

lui succède (N+1). Pour pouvoir enregistrer les changements des informations qui ont eu lieu,


- 118 -

nous pouvons recourir aux ontologies et aux techniques d‟annotations sémantiques comme le

montre la figure suivante.

Figure 1 Sémantique variable et ontologies

Notons que ce dernier point a fait déjà l‟objet d‟un développement dans le cadre du réseau

d‟excellence INETROP [Boudjlida et al., 2007] ; [Sarraipa et al., 2007].

Un autre axe de recherche dans le domaine de l‟interopérabilité sémantique peut être

également développé à partir de l‟algorithme de caractérisation des conflits sémantiques.

Ce dernier peut jouer un rôle dans l‟interopérabilité de modèles de même niveau d‟abstraction

ainsi que ceux de différents niveaux d‟abstraction. La figure suivante montre la manière dont

les transformations de modèles s‟opèrent dans le MDI (Model Driven Interoperability)

[Bourey et al., 2006].

L‟exemple de MDI proposé dans la Figure 2 montre l‟interface entre deux modèles utilisés

par deux systèmes différentes.

Figure 2 Exemple de MDI

Algorithme CCS

Modèle CIM1

Modèle PIM1

Modèle PSM1

Modèle CIM2

Modèle PIM2

Modèle PSM2

Modèle Interopérable

CIM


PIM


PSM

Algorithme CCS

CIM

PIM

PSM


- 119 -

Nous pouvons donc énoncer le fort potentiel d‟exploitation de l‟algorithme de caractérisation

des conflits sémantiques, dans l‟identification du modèle interopérable entre deux modèles du

même niveau. L‟algorithme pourrait ainsi identifier les relations entre ces différents concepts

en les associant à des ontologies de référence. L‟algorithme pourrait également être exploité

dans la transformation des modèles d‟un niveau à l‟autre afin de garantir la présence de la

sémantique utilisée à chaque niveau.

Bibliographie

- 121 -

BIBLIOGRAPHIE

A

[AICOSCOP, 1990]

AICOSCOP, Rapport Final du contrat de Recherche MRT FRT N°88.00661, 1990.

[AMICE, 1993]

AMICE CONSORTIUM, « CIMOSA - Open System Architecture for CIM, 2nd

edition », Springer-Verlag, Berlin, 1993.

[Anaya, et al, 2008]

V. Anaya, G. Berio, M. Harzallah, P. Heymans, R. Matulevicius, A.L. Opdahl, H.

Panetto, M. Verdecho, « The Unified Enterprise Modelling Language – Overview

and Further Work », Keynote paper. Proceedings of the IFAC World Congress, pp.

118895-11906, Seoul, Korea, 2008.

[Aubry, 2007]

S. Aubry, « Annotations et gestion des connaissances en environnement virtuel

collaboratif », Thèse de doctorat soutenue à l‟Université de Technologie de

Compiègne, 2007.

B

[Bachimont 2000]

B. Bachimont, « Engagement sémantique et engagement ontologique: conception et

réalisation d'ontologies en ingénierie de connaissances ». In J. Charlet, M. Zachlad,

G; kassel and D. Bourigault editors, Ingénierie des connaissances, évolutions

récentes et nouveaux défis. Paris : Eyrolles, 2000.

[Bateson, 1972]

G. Bateson, « L'écologie de l'esprit, tome 2 », Paris : Seuil, 1972.

[Baylon et Mignot, 2000]

C. Baylon et X. Mignot, « Initiation à la sémantique du langage », Paris : Nathan,

2000.

[Bellinger, 2000]

G. Bellinger, « Data, Information, Knowledge and Wisdom », [en ligne]. Disponible

sur : http://www.outsights.com/systems/dikw/dikw.htm, 2000.

Bibliographie

- 122 -

[Benali, 2005]

M. Benali, « Une modélisation des liens de coopération et des trajectoires

d‟évolution des réseaux d‟entreprises », Thèse de doctorat soutenue à L‟Ecole

Nationale Supérieure des Mines de Saint-Etienne et de l‟Université Jean Monnet,

Saint-Etienne, 2005.

[Bender et Fish, 2000]

S. Bender et A. Fish, « The Transfer of Knowledge and the Retention of Expertise:

The Continuing Need for Global Assignments », Journal of Knowledge

Management, Vol. 4, N° 2, pp.125-137, 2000.

[Bergeron, 1995]

P. Bergeron, « Observations sur le processus de veille et les obstacles à sa

pratique », Argus, Vol. 24, N° 3, pp. 17-22, 1995.

[Bodson, 2004]

C. Bodson, « Termes et relations sémantiques en corpus spécialisés : rapport entre

patrons de relations sémantiques (PRS) et types sémantiques (TS) », Thèse de

doctorat soutenue à la Faculté des Etudes Supérieures, Université de Montréal,

2004.

[Borst, 1997]

W. N. Borst, « Construction of Engineering Ontologies for Knowledge Sharing and

Reuse », Thèse de doctorat soutenue au Center for Telematica and Information

Technology, University of Tweenty, Enschede, NL, 1997.

[Boudjlida et al., 2006]

N. Boudjlida, C. Dong, S. Baïna, H. Panetto, J. Tomas, M-A. Abian, N. Zouggar,

M-J. Nunez, « A practical experiment on semantic enrichment in a homogeneous

environment », deliverable DTG4.1, In Interoperability research for networked

enterprises applications and software network of excellence, IST 508011, 2006.

[Boudjlida et al., 2007]

N. Boudjlida, H. Panetto, S. Baïna, C. Diamantini, J. Krogstie, Y. Lin, J. Sarraipa,

N. Zouggar, A. Hahn, M. Delgado, M-A. Abian, M-J. Nunez, « Experimental

Semantic Enrichment of Enterprise Models for Interoperability and its Practical

Impact », deliverable DTG4.2, In Interoperability research for networked


[Bourey et al., 2006]

J. P Bourey , R. Grangel, G. Doumeingts, A. J. Berre, « Report on model

interoperability », deliverable DTG2.2, In Interoperability research for networked


Bibliographie

- 123 -

[Bourigault, 2004]

D. Bourigault, N. Aussenac-Gilles et J. Charlet, « Construction de ressources

terminologiques ou ontologiques à partir de textes : un cadre unificateur pour trois

études de cas », Revue d‟Intelligence Artificielle, Vol. 18, N° 1, pp. 87-110, 2004.

[Braesch et al., 1995]

Ch. Braesch, A. Haurat et J.M. Beving, « L‟entreprise-système. La modélisation

systémique en entreprise », Paris : Hermès, 1995.

[Butera, 1991]

F. Butera, « La métamorphose de l‟organisation : Du château au réseau », Paris :

Les Editions d‟Organisation, 1991.

C

[Chapurlat et al., 1999]

V. Chapurlat, M. Larnac, E. Lamine et J. Magnier J, « Definition of a formal

analysis framework for existing enterprise modelling approaches », Acts of

conference of ICIMS-NOE, Life cycle approaches to production systems:

management, control, supervision (ASI), Louvain, Belgique, 1999.

[Chen, 2005]

D. Chen, « Modélisation d‟entreprise pour l‟intégration et l‟interopérabilité des

systèmes industriels », Mémoire d‟Habilitation à Diriger des Recherches soutenue à

l‟Université de Bordeaux 1, 2005.

[Chomsky, 1966]

N. Chomsky, « Topics in the Theory of Generative Grammar », In : Sebeok,

Thomas Albert (dir.). Theoretical Foundations. La Haye, Paris : Mouton, 1966.

[Choo, 2006]

C. W. Choo, « The knowing organization : How organizations use information to

construct meaning, create knowledge and make decisions ». New York: Oxford

University Press, 2006.

D

[Davenport et Prusak, 1998]

T. H. Davenport et L. Prusak, « Working Knowledge: How Organizations Manage

What They Know », Boston, MA: Harvard Business School Press, 1998.

[Depecker, 2002]

L. Depecker, « Entre signe et concept : éléments de terminologie générale », Paris,

Presses Sorbonne nouvelle – DL, 2002.

Bibliographie

- 124 -

[De Saussure, 1995]

F. de Saussure, « Cours de linguistique générale », Paris : Payot, 1995.

[Doumeingts, 1984]

G. Doumeingts, « Méthode GRAI : méthode de conception des systèmes en

productique », Thèse de doctorat soutenue à l‟Université Bordeaux 1, 1984.

[Doumeingts et al., 1993]

G. Doumeingts, D. Chen, B. Vallespir, P. Fénié, F. Marcotte, « GIM (GRAI

Integrated Methodology) and its Evolutions - A Methodology to Design and Specify

Advanced Manufacturing Systems ». DIISM 1993, pp. 101-120, Tokyo, Japan,

1993.

[Doumeingts et al., 2001]

G. Doumeingts, Y. Ducq, B. Vallespir et S. Kleinhans, « Production Management

and Enterprise Modelling », Computer in Industry, Vol. 42, N° 2, pp. 245-263,

2000.

[duizabo et Guillaumen, 1996]

S. duizabo et N. Guillaumen, « Les modes de transfert de connaissances dans les

entreprises », Les cahiers du GRES , Université de Paris Dauphine, N°96-02, 1996.

[Durand, 2006]

T. Durand, « L‟alchimie de la compétence », Revue Française de Gestion, Vol. 160

N°32, pp. 261-292, 2006.

E

[Eco, 1988]

U. Eco, « Le Signe. Histoire et analyse d‟un concept », Bruxelles : Labor, 1988.

[El Mhamedi et al., 1997]

A. El Mhamedi, C. Leerch, S. Marier, M. Sonntag et F. Vernadat, « Intégration des

activités non structurées dans la modélisation des systèmes de production »,

Rapport Final, Action Incitative du DSPT8 en Productique, 1997.

[Ermine, 2003]

J.L. Ermine, « la gestion de la connaissance », Paris : Hermès Science Publications -

Lavoisier, 2003.

[Euzenat, 2005]

J. Euzenat, « L'annotation formelle de documents en (8) questions », 16èmes

journées francophones d‟Ingénierie des connaissances, pp. 251-271, 2005.

Bibliographie

- 125 -

F

[Falkenberg et al., 1998]

E.D. Falkenberg, W. Hesse, P. Lindgreen, B.E. Nilsson, J.L.H. Oei, C. Rolland,

R.K. Stamper, F.J.M. Van Assche, A.A. Verrijn-Stuart et K. Voss, « FRISCO - A

Framework of Information System Concepts », The FRISCO Report, IFIP WG 8.1

Task Group FRISCO, 1998.

[Fürst, 2002]

F. Fürst, « Ingénierie ontologique ». Rapport de Recherche, Institut de Recherche en

Informatique de Nantes, 2002.

G

[Galmiche, 1991]

M. Galmiche, « Sémantique linguistique et logique. Un exemple : la théorie de R.

Montague », Paris : Presses Universitaires de France, 1991.

[Garric, 2007]

N. Garric, « Introduction à la linguistique », Paris, Hachette Éducation, 2007.

[Genot, 1993]

G. Genot, « Le benchmarking, nouvel outil de management », Revue Française du

Marketing, N° 141, pp. 66-70, 1993

[GERAM, 1999]

GERAM, « GERAM: Generalised Enterprise Reference Architecture and

Methodology », Version 1.6.1, IFIP–IFAC Task Force on Architectures for

Enterprise Integration, 1999.

[Goh et al., 1995]

C.H.Goh, S.E. Madnick et M.D. Siegel, « Ontologies, Contexts, and Mediation:

Representing and Reasoning about Semantics Conflicts in Heterogeneous and

Autonomous Systems », Working Paper, MIT Sloan School of Management, 1995.

[Gomez-Perez, 1999a]

A. Gomez-Perez, « Ontological Engineering: a State of the Art », Expert Update.

British Computer Society, Vol. 2, Nº 3, pp. 33-43, 1999.

[Gomez-Perez, 1999b]

A. Gomez-Perez, « Développements récents en matière de conception, de

maintenance et d'utilisation d'ontologies », Actes du Colloque de Nantes

Terminologie et intelligence artificielle, Vol. 19, pp. 9-20, 1999.

Bibliographie

- 126 -

[Goranson et al. 1997]

T. Goranson, M. Jonson, A. Presley, et H. J. Rogers, « Metric for the agile virtual

enterprise Case Study », Proceedings of the 6th Annual national Agility Conference,

1997.

[Gott, 1996]

A. Gott, « Empowered engineering for the extended enterprise - a management

guide », Cambridge, UK: Cambashi, 1996

[Gruber, 1992]

T. Gruber. « Ontolingua: A mechanism to support portable ontologies »,

Knowledge Systems Laboratory Technical Report KSL-91-66, Stanford University,

version 3.0, CA, 1992.

[Gruber, 1993]

T. Gruber, « A translation Approach to Portable Ontology Specifications »,

Knowledge Acquisition, Vol. 5, N° 2, pp. 199-220, 1993.

[GRP/GT5, 1999]

GRP/GT5, « La Modélisation d‟Entreprise : le point de vue productique »,

document de travail du GRP (Groupement pour la recherche en productique), thème

5 : La modélisation d'entreprise, version 1.1, 1999.

[Guillemette et Cossette, 2006]

L. Guillemette et J. Cossette, « Le processus sémiotique et la classification des

signes », dans Louis Hébert (dir.), Signo [en ligne]. Disponible sur

http ://www.signosemio.com, 2006.

H

[Handschuh, 2005]

S. Handschuh, « Creating Ontology-based Metadata by Annotation for the Semantic

Web », Thèse de doctorat soutenue à l‟Université de Karlsruhe, Allemagne, 2005.

I

[ICAM, 1981]

ICAM, « Integrated Computer Aided Manufacturing (ICAM) Architecture Part II,

Vol.IV – Functional Modelling Manual (IDEF0) », Air Force Material Laboratory,

Wright-Patterson AFB, Ohio 45433, AFWAL-TR-81-4023, 1981.

[IDEAS, 2003]

IDEAS Project Deliverables, WP1-WP7, public reports, 2003.

http://www.signosemio.com/

Bibliographie

- 127 -

[IDEF0, 1993]

IDEF0, « Integration definition for function modeling (IDEF0) », Processing

Standards Publication 183, [en ligne]. Disponible sur:

http://www.idef.com/pdf/idef0.pdf, 1993.

[INTEROP, 2004]

INTEROP, « State of the art and state of the practice including initial possible

research orientations », deliverable D8.1, In Interoperability research for networked


K

[Kavouras 2003]

M. Kavouras, « A unified ontological framwork for semantic integration »,

International Workshop on Next Generation Geospatial Information, Cambridge,

UK, 2003.

[Kueng et Kawalek, 1997]

P. Kueng et P. Kawalek, « Goal-based business process models: creation and

evaluation », Business Process Management Journal, Vol. 3, N° 1, pp. 17-38, 1997.

L

[Le Moigne, 1977]

J.L. Le Moigne, « La théorie du système général. Théorie de la modélisation »,

Paris : Presses universitaires de France, 1977.

[Le Petit Larousse, 2004]

Le Petit Larousse, dictionnaire encyclopédique, Larousse, 2004.

[Lundvall, 2000]

B. A. Lundvall, « Terminologie du savoir », Dans, Lundvall, B.-A. et al. (Eds).

Société du savoir et gestion des connaissances, Paris: OCDE, Centre pour la

rechercher et l'innovation dans l'enseignement, pp. 12-22, 2000.

M

[Masseron, 2002]

M. Masseron, « théorie des langages – les langages », cours université Paris Nord,

institue Galilée, 2002.

Bibliographie

- 128 -

[Mayer, 1990]

R.J. Mayer, « IDEF1x data modeling », A reconstruction of the original Air Force

Wright Aeronautical Laboratory Technical Report developed under the Air Force

contract #F33615-80-C5155. 1990.

[Mayer et al, 1992]

R.J. Mayer, C.P. Menzel, M.K. Painter, P.S. deWitte, T.Blinn et B. Perakath,

IDEF3 Process Description Capture Method, Report AL-TR-1992-0057, Air Force

Systems Command, Wright-Patterson Air Force Base, Ohio 45433, 1992.

[Moradi et al., 2008]

M. Moradi, S. Brunel, B. Vallespir, « Value chain approach to semantic process of

knowledge creation: A perspective from data to capability », 29th McMaster World

Congress, Canada, 2008.

[Moreau, 1975]

R. Moreau, « Introduction à la théorie des langages », Paris, Hachette, 1975.

N

[Neches et al., 1991]

R. Neches, R. Fikes, T. Finin, T. Gruber, R. Patil, T. Senator and W.R. Swartout,

« Enabling Technology for Knowledge Sharing », AI Magazine, Vol. 12, N° 3, pp.

36-56, 1991.

[Nunes, 1994]

P. Nunes, « Formes PME et organisation en réseaux », 3ème Conférence

Internationale de Management Stratégique, Lyon, 1994.

[Nonaka, 1994]

I. Nonaka, « a Dynamic Theory of Organizational Knowledge Creation »,

Organization Science, Vol. 5, N° 1, pp. 14-37, 1994.

[Nonaka et al, 1997]

I. Nonaka, H. Takeuchi et M. Ingham, « La connaissance créatrice - La dynamique

de l'entreprise apprenante », Bruxelles : De Boeck, 1997.

[Nonaka et al, 2000]

I. Nonaka, R. Toyama et N. Konno « SECI, ba and leadership: a unified model of

dynamic knowledge creation », Long Range Planning, Vol. 33, N° 1, pp. 5-34,

2000.

Bibliographie

- 129 -

O

[Ogden et Richards, 1972]

C.K. Ogden et I.A. Richards, « The Meaning of Meaning. A Study of the Influence

of Language upon Thought and of the Science of Symbolism », London: Routledge

and K. Paul, 1972.

P

[Panetto et al., 2004]

H. Panetto, G. Berio, K. Benali, N. Boudjlida, M. Petit, « A Unified Enterprise

Modelling Language for enhanced interoperability of Enterprise Models »,

Proceedings of the 11th IFAC INCOM2004 Symposium, Bahia, Brazil, 2004.

[Perret, 2006]

J. Perret, « Modélisation d‟environnements urbains virtuels », Thèse de doctorat

soutenue à l‟Université de Rennes 1, 2006.

[Petit et Dubois, 1997]

M. Petit et E. Dubois, « Defining an ontology for the formal requirements

engineering of manufacturing systems ». In K. Kosanke and J.G. Nell, editors,

Enterprise Engineering and Integration, Proc. of ICEIMT'97, International

Conference on Enterprise Integration an Modeling Technology, 1997.

[Pourcel et Gourc, 2005]

C. Pourcel et D. Gourc, « Modélisation d'entreprise par les processus : activités,

organisation & applications », Toulouse : Cépaduès, 2005.

[Prince, 1996]

V. Prince, « Vers une informatique cognitive dans les organisations : le rôle central

du langage », Paris : Masson, 1996.

[Psyché et al., 2003]

V. Psyché, O. Mendes, et J. Bourdeau, « Apport de l'ingénierie ontologique aux

environnements de formation à distance », Sciences et Technologies de

l´Information et de la Communication pour l´Éducation et la Formation, Vol. 10,

[en ligne]. Disponible sur : http://sticef.univ-lemans.fr/num/vol2003/psyche-

06s/sticef_2003_ psyche_06s.htm, 2003.

R

[Rastier et al, 1994]

F. Rastier, M.Cavazza et A. Abeillé, « Sémantique pour l‟analyse. De la

Bibliographie

- 130 -

linguistique à l‟informatique », Paris : Masson, 1994

[Roboam, 1991]

M. Roboam, « La Méthode GRAI : Principes, Outils, Démarche et Pratique »,

Suresnes : Aerospatiale, 1993.

[Rothenberg, 1989]

J. Rothenberg, « The Nature of Modeling », Artificial Intelligence, Simulation and

Modeling, New York: John Wiley & Sons, pp. 75-92, 1989.

S

[Sager, 1990]

J. C. Sager, « A Practical Course in Terminology Processing », Amsterdam,

Philadelphia: John Benjamins, 1990.

[Sanchez et al., 1996]

R. Sanchez, A. Heene et H. Thomas, Dynamics of Competence-Based

Competition », Towards the theory and practice of competence-based competion, ,

eds R. Sanchez, A. Heene, H. Thomas, Oxford, England: Elsevier Pergamon, pp. 1-

36, 1996.

[Sarraipa et al., 2007]

J. Sarraipa, N. Zouggar, D. Chen et R. Jardim-Goncalves, « Annotation for

enterprise information management traceability », Proceeding of ASME 2007

International Design Engineering Technical Conferences & Computers and

Information in Engineering Conference, USA, 2007

[Scharmer, 2001]

C. O. Scharmer, « Self-transcending knowledge: sensing and organizing around

emerging opportunities », Journal of Knowledge Management, Vol. 5, N°, 2, pp.

137-151, 2001.

[Simon, 1997]

H. A. Simon, « The Sciences of the Artificial » (3rd ed.), Cambridge, MA: The MIT

Press, 1997

[Smith et Welty, 2001]

B. Smith, and C. Welty, « Ontology: Towards a New Synthesis », Proceedings of

the international conference on Formal Ontology in Information Systems (FOIS'01),

Ogunquit, Maine, USA, 2001.

[Sowa, 2000]

J. Sowa, « Knowledge Representation: Logical, Philosophical and computational

Bibliographie

- 131 -

foundations », Pacific Grove : Brooks Cole Publishing Co., 2000.

[Studer et al., 1998]

R. Studer, R. Benjamins et D. Fensel, « Knowledge Engineering: Principles and

Methods », Data and Knowledge Engineering, Vol. 25, N° 1, pp. 161-197, 1998.

T

[Thiry, 1998]

P. Thiry, « notion de logique », 3e édition, De Boeck université, Bruxelles, 1998.

U

[UEML, 2003]

Unified Enterprise Modelling Language (UEML), European Project, Contract N°

IST 2001-34229, Deliverable 3.1, Annex 1, March 2003.

[Uren et al., 2006]

V. Uren, P. Cimiano, J. Iria, S. Handschuh, M. Vargas-Vera, E. Motta et F.

Ciravegna, « Semantic annotation for knowledge management: requirements and a

survey of the state of art », Journal of Web Semantics, Vol. 4, N° 1, pp.14-28, 2006.

[Uschold et Gruninger, 2002]

M. Uschold, and M. Gruninger, « Creating Semantically Integrated Communities on

the World Wide Web », In Semantic Web Workshop - Invited Talk, Honolulu,

Hawaii, 2002.

V

[Vallespir et al., 1992]

B. Vallespir, C. Merle et G. Doumeingts, « The GRAI Integrated Method : a

technico-economical methodology to design manufacturing systems », In acts of 1st

IFAC workshop on « A cost effective use of computer aided technologies and

integration methods in small and medium sized companies », CIM'92, Vienne,

Autriche, 1992.

[Vallespir et al., 1999]

B. Vallespir, S. Kleinhans, G. Doumeingts, « Enterprise modelling and

performance: part 2. benchmarking of industrial business processes », International

Journal of Business Performance Management, Vol. 1, N° 2, Genève : Inderscience

Publishers, 1999.

[Vallespir et Doumeingts, 2006]

B. Vallespir, G. Doumeingts, « La méthode GRAI », supports de cours Université

Bibliographie

- 132 -

Bordeaux1, 2006.

[Vallespir, 2003]

B. Vallespir, « Modélisation d‟entreprise et architecture de conduite des systèmes

de production », Mémoire d‟Habilitation à Diriger des Recherches soutenue à

l‟Université de Bordeaux 1, 2003.

[Vernadat, 1999]

F. Vernadat, « Techniques de modélisation en entreprise : applications aux

processus opérationnels », Paris : Économica, 1999.

Y

[Yvon et Demaille, 2005]

F. Yvon et A. Demaille, « Théorie des langages », Notes de cours, 2005.

Z

[Zouggar et al., 2008]

N. zouggar, B. Vallespir et D. Chen, « Semantic Enrichment of Enterprise

Modelling supported by Ontologies », Ingénierie des Systèmes d'Information - ISI,

Vol 13, N° 2, pp. 75-95, Paris : Lavoisier, 2008.

[Zouggar et al., 2008a]

N. zouggar, D. Chen et B. Vallespir, « Enterprise modelling and Ontology »,

Proceedings of the 17th IFAC World Congress, International Federation of

Automatic Control, 2008.

Thèse de Nabila Zouggar

Titre :

Contribution au développement de la sémantique en modélisation d‟entreprise

Résumé :

Cette thèse porte sur le développement de la sémantique en modélisation d‟entreprise à travers

un algorithme proposé pour la caractérisation des conflits sémantiques.

L‟étude de l‟existant a révélé que les langages de modélisation d‟entreprise existants

développés depuis plus de vingt ans sont conçus sur une base essentiellement syntaxique. Les

modèles d‟entreprise basés sur ces langages accusent un déficit sémantique conséquent

entravant fortement la compréhension et l‟exploitation de ces modèles. L‟étude approfondie

du processus de création des modèles d‟entreprise et la comparaison faite avec le processus de

conversion des connaissances ont permis de faire la distinction entre les différents conflits

sémantiques en modélisation d‟entreprise et d‟affirmer que ces conflits peuvent être diminués

avec l‟apport d‟une sémantique davantage explicite. Dans cette perspective, une démarche

basant sur un algorithme pour caractériser les conflits sémantiques a été proposée.

Mots clés : Modélisation d‟entreprise, sémantique, conflits sémantiques, formalisation,

ontologies.

Abstract:

This thesis deals with semantic development of enterprise modeling through the proposition

of an algorithm characterizing semantic conflicts.

The study of literature revealed that existing languages of enterprise modeling developed

since more than twenty years have been mainly elaborated on a syntactic basis. Enterprise

models based on these languages have a consequent semantic deficit that strongly prevent

from correctly understanding and using these models. Detailed study of enterprise models

creation process and the comparison made with the knowledge conversion process allowed to

make distinction between various semantic conflicts in enterprise modeling and to affirm that

these conflicts can be decreased with the contribution of a more explicit semantics. From this

point of view, an approach based on an algorithm to characterize the semantic conflicts was

proposed.

Keywords: Enterprise modeling, semantic, semantic conflicts, formalization, ontologies.

Documents

N° d’ordre : 3125 - ori-oai.u-bordeaux1.frori-oai.u-bordeaux1.fr/pdf/2009/ZOUGGAR_NABILA_2009.pdf · 1.3 DOMAINE D’UTILISATION DE LA MODÉLISATION D ... Ontologie de l’être