Memoire Online - L’intelligence artificielle. Outil de la gestion des connaissances.

Comment automatiser la classification d'une base
documentaire grâce au Machine Learning ?

Jamal EL MAHDALI

MASTERE SPECIALISÉ

MANAGEMENT DES SYSTEMES D'INFORMATION

DÉCEMBRE 2018

Remerciements

La réalisation de ce mémoire a été possible grâce au concours de plusieurs personnes à qui je voudrais témoigner toute ma reconnaissance.

Je remercie bien sûr mon tuteur école, Alain RIVET, pour ses conseils dans l'approche de cette étude.

Le sujet de l'étude a été proposé par TCS et je tiens à remercier Hervé LEBEL, Manager, et Charles SIMILIA, Directeur de projets pour leur participation.

Mes remerciements vont aussi à tous les professionnels qui ont accepté de partager leur expérience.

Enfin, je suis reconnaissant envers ma famille et mes proches qui m'ont encouragé et soutenu dans cette entreprise. Et je tiens à remercier particulièrement mon épouse pour son soutien et sa patience sans lesquels ce travail n'aurait pu aboutir.

Résumé

Cette étude a pour objectif de proposer une série de recommandations dans le cadre d'un projet pilote, pour automatiser la classification d'une masse importante de documents textuels. Les méthodes utilisées dans ce mémoire sont classiques, à savoir une revue de littérature complétée par une série d'entretiens avec des professionnels.

A l'époque de l'économie de la connaissance, l'enjeu de la gestion des connaissances et en particulier de la gestion d'information est crucial pour les entreprises. L'accès aux documents, support de la connaissance explicite, est de plus en plus difficile pour les utilisateurs, eu égard à l'infobésité galopante et à la structure hiérarchique des bases documentaires étouffées par les strates accumulées au fil des années.

Certaines entreprises profitent des opportunités offertes par la transformation digitale pour basculer leurs bases documentaires, importante partie de leur patrimoine informationnel, vers des solutions cloud de type ECM afin de mieux les gérer. Ces nouveaux outils issus du web 2.0 apportent une multitude de fonctionnalités qui permettent d'accroître la productivité des utilisateurs, en facilitant le transfert des connaissances. L'accès aux informations sur ces outils est facilité par une organisation de la connaissance basée sur l'étiquetage des documents, via la méthode des métadonnées. Ces nouveautés apportent leur lot de changements d'usage qu'il faut gérer avec une stratégie de conduite du changement.

Une autre problématique, plus technique, empêche la faisabilité du projet. D'une part, l'étiquetage de documents est difficilement automatisable, car la complexité de la tâche requiert un système de règles dont le coût ne serait pas justifié. D'autre part, la quantité astronomique de documents à étiqueter n'est pas réalisable manuellement, ce qui mène le projet à une impasse.

Une discipline, très médiatisée ces derniers temps, propose des solutions à ce type de problème, c'est le Machine Learning. Ce domaine a connu des progrès spectaculaires ces vingt dernières années, grâce aux progrès des capacités de calcul et à l'explosion des données disponibles. Ces méthodes sont totalement différentes des solutions classiques, car elles se basent sur une démarche empirique qui consiste à construire une solution qui imite le processus cognitif humain simplement à partir d'exemples.

La littérature est relativement fournie à ce sujet, surtout sur les aspects techniques. Nous avons pu y relever un certain nombre de spécificités propres au traitement de données textuelles, ainsi que d'autres comme l'implication des métiers au point de le faire participer aux tâches de construction de la solution.

Le retour d'expérience des professionnels valide en grande partie les informations issues de la littérature, et complète celle-ci par certaines informations concernant les aspects organisationnels à appliquer dans le cadre de cette démarche.

Nous n'avons pas relevé de contradictions dans cette étude entre la littérature et le monde professionnel, ce qui a facilité la rédaction des recommandations. Ces dernières font un focus sur les méthodes et techniques à privilégier dans le cadre de la modélisation d'une solution de classification automatique de documents.