Knowledge Management - Méthode OCSIMA
Gestion des Connaissances

Méthode OCSIMA et la Problématique d'une Direction Générale

Toute Direction Générale recherche des solutions à sa problématique, elle a un (ou des) objectif(s) précis, et la prise en compte de celui-ci doit être le point de départ de toute définition de stratégie. Dans le paragraphe Rôle du Management, nous rappelons qu'un critère de succés d'un projet KM réside dans le 'sponsoring' de la Direction Générale, et l'analyse de son objectif est le meilleur moyen de l'obtenir.

1 - fixer l'Objectif, exemples : augmenter la qualité des produits, fidéliser la clientèle, capitaliser l'expertise (papy boom), diminuer le Turnover, prévenir une délocalisation.

=>

2 - identifier (analyse de l'objectif et sa décomposition en attributs, critéres et métriques) et sélectionner les Connaissances stratégiques afférentes

=>

3 - choisir le Support Informatique et favoriser leur déploiement grâce à un Management Approprié (collaboration, coaching).

D'oú le nom Méthode OCSIMA

Méthode OCSIMA =
Études sur les Connaissances + Connaissances de la Problématique d'une Direction Générale

Études Gestion des Connaissances

Le chapitre Études Gestion des Connaissances présente quelques résultats d'expériences dans ce domaine.

Le premier document Dimensions de la Gestion des Connaissances, (Knowledge Management vous présente les trois dimensions d'un Projet de Gestion des Connaissances : - les différents types de connaissances (connaissances explicites, connaissances tacites ou implicites, collectives, individuelles) et leur recensement (Knowledge Engineering ou analyse des connaissances); - le support informatique, gestion des connaissances étant pris dans le sens restreint de gestion de base de données (Knowledge Management <-> Data Base Management) (intra-net, groupware, workflow, outils dédiés, indexation / recherche, Case Based Reasoning, ...) ; - l'implication du management (fixer l'objectif de l'entreprise pour identifier des connaissances afférentes et sélectionner parmi celles-ci les connaissances stratégiques, être le sponsor du projet, favoriser l'exploitation des connaissances : coaching, travail collaboratif, vérifier la protection des connaissances).

Le document DiaBC (Diagnostic Basé sur les Cas), présente une méthode de recensement d'une base de cas, une solution pour la "capitalisation d'expertise" et le "storytelling". Le document Thésaurus décrit une application de diffusion / recherche de connaissances : adjonction d'un thésaurus (dictionnaire hiérarchisé XML) à l'outil (ouvert) d'indexation / recherche Lucene.

Acquisition, Représentation et Recherche de Connaissances

Il est difficile de parler de Gestion de Connaissances sans évoquer leur acquisition, représentation et recherche. Vous trouverez sur le sous-site Études IA des pages sur différents aspects de ce sujet :

• Langage XML, ce langage est de plus en plus utilisé pour la diffusion d'informations (flux de news au format RSS), l'indexation recherche des meta data, la diffusion de connaissances (car facilement transformable sous différents formats) ;
• Case Based Reasoning : technique utilisée principalement pour les systèmes d'aide au diagnostic et pour la "capitalisation d'expertise" ;
• Systèmes Multi-Agents : ils sont appelés à être de plus en plus utilisés pour la recherche d'informations (veille et Intelligence économique) ;
• Raisonnement Approximatif (Fuzzy Reasoning) : associé à la Théorie des Nécessité / Possibilité il forme un cadre unifié pour la représentation des connaissances sémantiques "vagues";
• Acqusition Automatique de Connaissances : Q-Learning, une des techniques d'apprentissage,
• Recherche Sémantique de Connaissances : une page (en cours de développement) présentant nos études récentes.

Voir notre schéma de l'Entreprise Apprenante, source d'enrichissements personnels, de raisons d'apprécier son ambiance de travail, de motivations à la collaboration, de diminuer le turnover, de favoriser l'innovation ...