WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

L’intelligence artificielle. Outil de la gestion des connaissances.


par Jamal ELMAHDALI
Ecole de Management de Grenoble - Mastère spécialisé en management des systèmes d'information 2018
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Table des matières

Remerciements 1

Résumé 2

Table des matières 3

Table des figures 5

Liste des tableaux 5

1 INTRODUCTION GENERALE 6

1.1 Contexte de l'étude 7

1.1.1 Etat des lieux 7

1.1.2 Les bases documentaires IT 7

1.2 Problématique 8

1.2.1 Questions de recherche 8

1.3 Méthodologique 9

1.3.1 Revues de littératures 9

1.3.2 Entretiens 9

2 GESTION DES CONNAISSANCES ET CLASSIFICATION 11

2.1 La gestion des connaissances 11

2.1.1 Définition du KM 11

2.1.2 La connaissance 12

2.1.3 Création et transfert de la connaissance 13

2.2 Gestion documentaire 14

2.2.1 Outils et méthodes 14

2.2.2 Classification de documents 16

2.2.3 Accès à l'information 16

2.2.4 Métadonnée 17

2.3 Etiquetage manuel 17

2.4 Conclusion 18

3 L'INTELLIGENCE ARTIFICIELLE ET LA CLASSIFICATION DE DOCUMENTS 19

3.1 L'intelligence artificielle 19

3.1.1 Différentes définitions 19

3.1.2 Historique de l'intelligence artificielle 19

3.1.3 L'intelligence artificielle est déjà là ! 20

3.1.4 Enjeux pour les entreprises 21

3.2 Les domaines de l'intelligence artificielle 22

3.2.1 Les approches 23

4

3.2.2 Les sous-domaines de l'intelligence artificielle 23

3.3 La classification de document 25

3.4 Le traitement automatique du langage naturel 25

3.5 Le Machine Learning 26

3.5.1 Les modes d'apprentissage et les types de problèmes à résoudre 27

3.5.2 Les étapes du Machine Learning supervisé 27

3.5.3 Les données 29

3.5.4 Les algorithmes utilisés en Machine Learning 30

3.5.5 Algorithmes adaptés à la classification de document textuel 32

3.5.6 La mesure des performances du modèle 33

3.5.7 Leviers d'ajustement 35

3.6 Spécificités de la classification de texte 37

3.6.1 Etapes du pré-traitement des données textuelles 37

3.7 Outils 40

3.8 Conclusion 41

4 ENTRETIENS 42

4.1 Aspect projet 42

4.1.1 Quelle méthode de projet choisir ? 42

4.1.2 Phase de cadrage 42

4.1.3 Quels sont les rôles et compétences nécessaires ? 43

4.1.4 Comment définir la qualité du livrable ? 43

4.1.5 Comment estimer l'opportunité ? 43

4.1.6 Quels sont les principaux risques ? 44

4.1.7 Faut-il prévoir une MCO particulière ? 44

4.2 Aspect technique 45

4.2.1 Comment préparer les données ? 45

4.2.2 Choix de l'algorithme 45

4.2.3 Validation et régularisation du classifieur 46

4.2.4 Outillage 46

4.3 Conclusion 47

5 RECOMMANDATIONS SYNTHÉTISÉES 48

6 CONCLUSION 50

BIBLIOGRAPHIE 52

ANNEXE 58

5

Table des figures

FIGURE 1- INTERDISCIPLINARITE DE LA GESTION DES CONNAISSANCES (DALKIR, 2013) 12

FIGURE 2 - PYRAMIDE DIKW (ERMINE, ET AL., 2012) 12

FIGURE 3 - MODELE SECI (NONAKA, ET AL., 2000) 13

FIGURE 4 - CYCLE CONNAISSANCE-INFORMATION (BLUMENTRITT & JOHNSTON, 1999) 14

FIGURE 5 - INTEGRATION DE LA GESTION DOCUMENTAIRE DANS L'ECM (KATUU, 2012) 15

FIGURE 6 - CYCLE DE VIE DU DOCUMENT (CABANAC & AL, 2006) 16

FIGURE 7 - ADOPTION DE L'IA PAR LES ENTREPRISES (MIT, 2017) 21

FIGURE 8 - CHAMPS DE L'IA (VILLANUEVA & SALENGA, 2018) 23

FIGURE 9 - L'IA : UNE INTERCONNEXION D'APPLICATIONS, DE DOMAINES ET DE METHODES (SEE, 2016) 24

FIGURE 10 - LA CLASSIFICATION, A LA CROISEE DES CHEMINS DE L'IA 25

FIGURE 11 - LES DEUX PHASES DE L'APPRENTISSAGE AUTOMATIQUE (CHAOUCHE, 2018) 26

FIGURE 12 - ETAPES DE MODELISATION D'UN CLASSIFIEUR 28

FIGURE 13 - IMPORTANCE DES DONNEES PAR RAPPORT AUX ALGORITHMES (BANKO ET BRILL - 2001) 29

FIGURE 14 - EXEMPLE DE MATRICE DE CONFUSION ACCOMPAGNEE DE LA F-MESURE (F1) (AWS, S.D.) 35

FIGURE 15 - CONSEQUENCES DU SOUS-APPRENTISSAGE ET DU SUR-APPRENTISSAGE SUR LE TAUX D'ERREUR (AL-BEHADILI, ET AL.,

2018) 35

FIGURE 16 - PROCESSUS DE MODELISATION D'UN CLASSIFIEUR (OSISANWO, 2017) 36

FIGURE 17 - PRE-TRAITEMENT DES DONNEES TEXTUELLES 37

FIGURE 18 - ETAPES DU PRE-TRAITEMENT DES DONNEES TEXTUELLES (OSISANWO, 2017) 38

FIGURE 19 - COMPARAISON DES MLAAS DE AWS, MS, GOOGLE ET IBM (ALTEXSOFT, 2018) 40

FIGURE 20 - AZURE ML TEXT CLASSIFICATION WORKFLOW (ABDEL-HADY, 2015) 40

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Entre deux mots il faut choisir le moindre"   Paul Valery