Après la révolution de la machine mécanique commencée au 18° siècle, les entreprises sont rentrées en fin du 20° siècle dans celle de la révolution de l’information. Des masses toujours plus grandes de données sont collectées sur notre économie et le monde en général, compilées et traitées par les ordinateurs pour être ensuite absorbées par les travailleurs de l’information.
Maintenant commence la révolution de la connaissance.
Dans la chapelle Sixtine décorée par Michel-Ange, Dieu
dans son nuage en forme de cerveau, apporte la connaissance à Adam.
Distinguer données, information, savoirs et connaissance
Pour clarifier le discours et ce qui suit, tout en évitant de s’enfoncer dans des débats philosophiques éternels sur la nature des choses, nous posons les définitions suivantes :
- Donnée : toute séquence de chiffres ou lettres ou graphique, exprimable avec une série de symboles.
- Exemple : « 123 » , « Jean Dupont », « rouge », « α²>β-γ »
- On peut considérer des ensembles de données (ex : ensemble des prénoms, …)
- Sens : relation entre une donnée et un objet du monde réel ou du monde des idées humaines. On parlera alors de l’interprétation d’une donnée. Exemples :
- « rouge » est la couleur d’une fraise, ou bien « rouge » désigne la qualité (mauvaise) des comptes d’une entreprise.
- « mou » désigne la dureté d’un objet, ou le caractère d’une personne.
- « dsklqdsfjdq_RTYAzklfbdjb » n’a pas de sens.
- etc.
- Information : une séquence de données dont l’interprétation par un humain a un sens :
- exemples : [‘chien’, « Médor’, ‘méchant’], [« voiture », « couleur », « rouge »]
- Les informations peuvent être assemblées pour produire de nouvelles informations.
- Le traitement des données et des informations est mécanisable (par ordinateur).
- Fait : un fait est un événement dans le monde réel, et auquel on peut faire référence avec au moins une information. Exemples :
- « fin de la seconde guerre mondiale en 1945 » :: [ ‘seconde guerre mondiale’, ‘fin’, ‘1945’].
- « la durée de la rotation de la Terre autour du Soleil est de 365 jours »
- Axiomes : ces éléments sont dans le pur monde des idées et sont des vérités admises a priori, dans un contexte.
- Inférences et règles d’inférence : Les règles d’inférence permettent de générer des inférences à partir de d’informations, d’axiomes ou d’inférences. Alors que la géométrie planaire se déduit des 5 axiomes d’Euclide, les géométries non linéaires se déduisent des 4 premiers axiomes.
- Savoirs : un savoir est un collection de faits, d’axiomes et d’inférences. Les savoirs bénéficient d’une formalisation codée, et peuvent être collectés et traités par ordinateur.
- Connaissance : désigne le sous-ensemble des savoirs accessible à une personne ou un groupe de personnes à un instant donné. La connaissance est dans le cerveau des individus. La transmission et l’appropriation de la connaissance est le défi de la formation.
Les ordinateurs sont des machines construites pour traiter des données. Le codage de savoirs permet le traitement approprié par des algorithmes d’informations, pour produire des informations et inférences nouvelles à partir des informations existantes. De façon générale (selon le théorème de Gödel), un algorithme ne permet pas de mécaniser le traitement des règles d’inférence propre à cet algorithme.
Le cerveau ne fonctionne pas comme un ordinateur. Sa capacité de traitement d’informations codées est très limitée. La connexion au réel et la capacité d’interprétation sont des capacités intrinsèquement humaines pour le (un long…) moment.
Une façon simple de comprendre la différence entre savoirs et connaissances est de considérer un cours de mécanique quantique :
- On peut facilement savoir où est le livre de cours, on peut disposer du livre dans sa bibliothèque, on peut avoir feuilleté le livre pour en regarder quelques pages : il s’agit de savoirs.
- Connaitre le contenu du cours, savoir en expliquer des points d’une autre façon que la présentation qui a été faite, résoudre des problèmes grâce à son contenu représente de la connaissance.
La connaissance : clé de la performance
Une entreprise ne consiste pas en un simple échange de produits/services contre de l’argent. L’entreprise échange avec ses clients un important flux d’informations (notices, mode d’emplois, contrats, paramétrages divers, etc), tout en générant en interne de nombreuses informations liées au fonctionnement de ses organisations. L’entreprise émet aussi vers son environnement des documents divers (publicité, communication institutionnelle, etc), et absorbe aussi de nombreuses données (taux d’intérêt, taux de TVA, etc…).
Les entreprises efficaces ont mis en place des processus de traitement des données optimisant leur activités. Cependant figer ces processus dans un monde en évolution permanente (législation, concurrence, règlementation, fiscalité, matières premières, etc) conduit à une inadaptation progressive et certaine.
Les processus mis en place doivent donc être évalués et adaptés continûment, ce qui est précisément le rôle de l’humain, puisque nous l’avons vu plus tôt, les processus ne peuvent pas s’auto-modifier (sauf en paramétrage marginal). L’adaptation des processus requiert l’acquisition de nouvelles connaissances et la génération de nouvelles règles d’inférence.
Le paradoxe et l’incompatibilité de l’accélération de la connaissance
Les savoirs et informations sont stockés dans les livres et ordinateurs, mais la connaissance est propre à l’individu, à sa compréhension du monde, en fonction des savoirs qui lui ont été transmis. On est ainsi face à un paradoxe et une incompatibilité physique : on voudrait accélérer la gestion des connaissances qui sont dans le cerveau des individus, alors que l’outil performant, l’ordinateur, travaille dans un autre univers lié aux données et à leur transformation.
Il n’y a qu’une seule solution pour accélérer le traitement des connaissances : trouver des bijections efficaces entre connaissances et informations, entre raisonnements et règles d’inférence pour pouvoir d’abord transformer les connaissances en savoirs, calculer grâce aux ordinateurs sur ces savoirs, et retransformer dans l’autre sens ces savoirs en connaissances.
Une difficulté majeure surgit : l’ensemble des connaissances humaines est très vaste et très variée !
La notation, clé de la connaissance
Face à cette variété de connaissances, le premier point à étudier est comment les humains s’y prennent pour communiquer des connaissances entre eux. La communication humaine est un sujet immense qu’il faut restreindre de deux façons.
- Tout d’abord en se restreignant à la communication de connaissances.
- Comme il s’agit de communiquer ultimement avec un ordinateur, il faut trouver une situation de communication atemporelle et aspatiale : les 2 individus ne peuvent communiquer que de façon monodirectionnelle, et par le biais de symboles.
Le mot clé est donc « système de notation » : ensemble de symboles et conventions permettant de reproduire, dans une bijection plus ou moins fidèle, les représentations internes du cerveau. Au cours du temps l’homme a développé des systèmes de notation efficaces pour chaque type de connaissance et de problème. Les notations concernent aussi bien les histoires (livres), que les schémas en physique, les équations en mathématiques, la musique (les notes sur les portées), la notation Benesh en danse, etc.
Les systèmes de notation de la connaissance sont ainsi fondamentaux pour capter, conserver et transmettre la connaissance : les savoirs sont notés dans des formats hétérogènes qui sont liés à la spécificité de l’information qui y est contenue ou à l’historique de sa création.
Après des études très fines sur les systèmes d’écriture, et les mécanismes de transferts des connaissances, nous sommes arrivés à la conclusion que les représentations non linéaires (dessins et graphes) sont beaucoup plus efficaces que le mode « discours » des livres pour stocker des savoirs, mais ils sont surtout beaucoup plus modernes.
Les notations SGH proposent un système de représentation non linéaire et semi-graphique des connaissances. La méthode KM2 associée démontre que cette approche est non seulement efficace, mais permet aussi des grands gains d’énergie et de temps dans des activités de gestion des connaissances pour les étudiants, les chercheurs et de façon plus générale pour tous les professionnels dans leurs multiples activités quotidiennes de traitement et gestion de connaissances.