Modélisation et implémentation d'un système décisionnel pour la gestion du personnel à la RVA Kananga

I

REPUBLIQUE DEMOCRATIQUE DU CONGO
MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET UNIVERSITAIRE

UNIVERSITE SAINT LAURENT DE KANANGA

« USLKA »

B.P.70 KANANGA

FACULTE DE SCIENCES INFORMATIQUES

« Modélisation et implémentation d'un système
décisionnel pour la gestion du personnel à la Régie
des Voies Aériennes de Kananga ».

Présenté par KABEYA ILUNGA Paulin

Mémoire présenté et défendu en vue de l'obtention du Grade de Licencié en Sciences Informatiques.

Option : Conception de système d'information et programmation Avancée

Octobre 2021

EPIGRAPHE

« Il faut appeler science que l'ensemble des recettes qui réussissent
toujours. Tout le reste est littérature, car la science n'a pas de patrie ».

Paulin KABEYA ILUNGA

IN MEMORIAM

A vous cher père François ILUNGA, chère mère
Marthe BUKAWU et très chère grand-mère
Madeleine KABEDI, que la terre de nos
ancêtres avait arraché si tôt, vos souvenirs
innombrables marquants ne m'ont pas laissé
indifférent, de là où vous êtes, sachez que votre
semence a porté des fruits. Je ne saurai vous
oublier.

Paulin KABEYA ILUNGA

III

DEDICACE

A ma charmante épouse Jeannette MBOMBO

En témoignage de nos moments de liesse, de fraternité, d'amour et des épreuves difficiles qu'on a pu surmonter ensemble et de tout ce qu'on a partagé et qu'on partagéra toujours ensemble. Ton soutien moral, matériel

et financier ainsi que ta compréhension ont toujours été présents aux
moments les plus difficiles.

Aucun mot, aucune dédicace ne saurait exprimer mon respect, ma
gratitude, pour m'avoir laissé la liberté du choix, pour avoir eu confiance

en moi.

Je vous rends hommage par ce modeste travail en guise de ma
reconnaissance éternelle et mon infini amour.

Paulin KABEYA ILUNGA

IV

REMERCIEMENTS

Le développement de tout homme implique des longues années du dur labeur aux cours desquelles, il recherche par les expériences vécues avec les autres et dans un silence antérieur à pénétrer le mystère de son être pour acquérir certaine maturité et donner un sens à son existence.

Dans notre pèlerinage et plus précisément durant l'élaboration de notre mémoire de fin de cycle, des nombreuses personnes ont jouées des rôles actifs, certaines par leurs conseils et dévouements, d'autres par leurs soutiens moraux que matériaux.

Ainsi, au moment où nous publions notre mémoire, nous nous sentons redevable envers eux. C'est pourquoi nous voudrons nous acquitter de l'agréable devoir d'exprimer toute notre reconnaissance à tous ceux qui de loin ou de prêt ont contribué à donner à cette dissertation sa forme actuelle.

Nos remerciements à notre Directeur le Professeur Pierre KAFUNDA KATALAY pour son entière disponibilité, son aide inestimable et ses conseils, sans lesquels ce mémoire n'aurait pu aboutir.

Nous remercions de tout coeur le co-directeur de ce mémoire en la personne de l'Ingénieur Cédrick MUAMBA Muya pour ses différentes remarques et orientations dans l'élaboration; qu'il trouve ici l'expression de nos sentiments de gratitude.

Nous remercions également aussi les membres du Comité de Gestion de l'Université Saint Laurent de Kananga pour le suivi, disponibilité, leurs précieux conseils et remarques constructives tout au long de nos cinq années d'études.

Que tous les enseignants de l'USLKA qui ont contribué à notre formation, le long de ces cinq années trouvent ici l'expression de ma gratitude et plus particulièrement l'Assistant Pierrot MUKENDI ainsi que les Chefs des travaux Anaclet TSHIKUTU et Nobla TSHILUMBA.

Mes remerciements s'adressent au professeur Laurent LUMU NGALAMULUME Tu es l'être le plus cher sur terre, toi qui a pris la place d'un parent et qui a toujours su être à mon écoute et me réconforter au moment opportun ; à tes encouragements et tes prières qui m'ont toujours soutenue et guidé ; ta bonté, ton honnêteté, ta générosité et tes grandes qualités humaines demeurent pour moi le meilleur exemple à suivre.

A ma jolie soeur Ivette KABEDI, mes chers frères Serge KAYEMBE et Jean-Pierre TSHITENGE ; nul mot ne saurait exprimer l'amour, la tendresse et l'attachement que j'ai pour vous. Je vous dédie ce travail en témoignage de l'amour et des liens de sang qui nous unissent. Puissions-nous rester unis dans la tendresse et fidèles à l'éducation que nous avons reçue.

V

Mes remerciements s'adressent aussi plus particulièrement à mes Oncles : Martin MADIMBA LUKUSA et Hubert BEYA pour leur soutien moral, matériel et financier ; que le bon Dieu vous bénisse.

Mes remerciements à mes meilleurs amis : Emmanuel KABIENA, Joseph NTUMBA, Jean KAYIMUSUMBA et Michel BITANGALO, je vous dis que la cohorte est atteinte.

Je remercie également mes compagnons, collaborateurs et collaboratrices : Josée-Lyska NTUMBA, Christine TSHILANDA, Angel MBUYI et Christophe KALONGA.

Je ne peux clore cette page sans remercier mes camarades de lutte : Achille MALUNDU et Judith TSHIBOLA eux qui ont souffert ensemble avec moi.

Que toute personne qui de loin ou de près à contribuer à mes études trouve ici l'expression de ma gratitude.

Paulin KABEYA ILUNGA

VI

SIGLES

CUBE : Schéma Multidimensionnel

DGRKOC : Direction Générale des Recettes du Kasaï Occidental

DW : Data Warehouse

ECD : Employé de Courte Durée

EFA : Employé de Fonction Auxiliaire

ELD : Employé de Longue Durée

ETL : Extraction Transformation an Loading

GKN : Général Kinshasa Company

HDD : Hard Drive Disk

HOLAP : Hybrid On Line Analytic Processing

MCD : Modèle Conceptuel de Données

MLD : Modèle Logique de Données

MOA : Maîtrise d'Ouvrage

MOE : Maître d'oeuvre informatique

MOLAP : Multidimensinnel On Line Analytic Processing

MPD : Modèle Physique de Données

OLAP : On Line Analytic Processing

OLTP : On Line Transaction Processing

OMG : Object Management Group

OMT : Obect Modeling Technique

OOSE : Object Oriented Software Engineering

PC : Personnal Computer

PV : Procès-Verbal

RAM : Radom Access Memory

ROLAP : Relational On Line Analytic Processing

RVA : Régie des Voies Aériennes

SABENA : Société Anonyme Belge pour l'Exploitation de la Navigation Aérienne

SARL : Société à Résponsabilité Limitée

SGBD : Système de Gestion de Base de Données

SID : Système d'Information Décisionnel

UML : Unified Modeling Language

VII

LISTE DE FIGURES

Figure 1 : Architecture Générale d'un système décisionnel

Figure 2: schéma en étoile

Figure 3: schéma d'un modèle en flocon

Figure 4: Exemple de schéma multidimensionnel

Figure 5: Architecture d'un Data Mart

Figure 6 : Architecture ROLAP

Figure 7: Architecture MOLAP

Figure 8 : Architecture HOLAP

Figure 9: Arbre de décision construit à partir de l'attribut âge

Figure 10 : Arbre de décision finale

Figure 11 : graphe connexe

Figure 12 : Arbres

Figure 13 : arborescence

Figure 14 : Diagramme de cas d'utilisation de la gestion du personnel

Figure 15 : diagramme de séquence de cas d'utilisation engager

Figure 16 : diagramme d'activité de cas Engager

Figure 17 : diagramme de séquence lister personnel

Figure 18 : diagramme d'activité lister personnel

Figure 19 : diagramme de séquence modifier_personnel

Figure 20 : diagramme d'activité modifier personnel

Figure 21 : diagramme de classe de la gestion du personnel

Figure 22 : SQL Server

Figure 23 : Microsoft SQL Server Management Studio

Figure 24 : création de la base de données

Figure 25 : nouvelle base de données

Figure 26 : table

Figure 27 : Business Intelligence

Figure 28 : Assistant Source de données

Figure 29 : Gestionnaire de connexion

Figure 30 : Assistant source de données

Figure 31 : Sélection des tables

Figure 32 : création dimensions

Figure 33 : création de cube

VIII

LISTE DE TABLEAUX

Tableau 1 : Différence entre SGBD et entrepôts de données

Tableau 2 : compare les caractéristiques des systèmes

Tableau 3: le processus du datamining.

Tableau 4: les taches et technique du datamining.

Tableau 5: exemples pratiques

Tableau 6: Liste des matériels existants

Tableau 7: Autres matériels

Tableau 8 : Dictionnaire de données

Tableau 9 : Identification Engager personnel

Tableau 10 : identification de Lister personnel

Tableau 11 : identification de modifier personnel

1

0. INTRODUCTION GENERALE

C'est lorsque la fumée des annonces se dissipe et lorsque le tapage médiatique s'apaise que l'on peut voir, éventuellement, les projets se mettre en place. L'innovation arrive sur le terrain au moment où elle quitte la scène.

La raison d'être d'un Système d'Information Décisionnel est l'établissement de ponts entre opérations et stratégie, entre automatisation et conduite, entre détail et synthèse, entre situation et évolution. On lui demande, en quelque sorte, de faire le grand écart entre des notions indépendantes ou opposées. On peut se demander pourquoi un tel besoin apparaît aujourd'hui avec une telle ampleur.

En réalité, l'information décisionnelle est une notion ancienne ; l'idée de Système d'Aide à la Décision (Decision Support System) est en effet âgée d'un bon quart de siècle. Elle est donc largement plus ancienne que toutes les techniques auxquelles on l'associe aujourd'hui. Elle a toutefois fondamentalement évolué depuis sa naissance. Cette évolution a été rendue possible, mais non pas provoquée, par l'innovation technologique.

En particulier, l'expansion actuelle des entrepôts de données découle presque directement des nouvelles caractéristiques de l'« écosystème » dans lequel vivent les organisations. Dans un univers marqué par des phénomènes de déréglementation et de mondialisation, même si la portée de ces phénomènes a été jusqu'à présent largement exagérée, la compétition et le changement imposent un nouveau cadre de prise de décisions et une nouvelle conception de la stratégie. Cette nouvelle donne et affecte en premier lieu les entreprises intervenant dans les secteurs les plus concurrentiels, pour lesquelles l'adaptation au changement est une question de survie immédiate.

Le modèle du commandement central, de l'automatisation et du contrôle a posteriori, qui correspondait à l'environnement plus stable des précédentes décennies, n'est pas assez souple pour ce nouveau contexte.

C'est aujourd'hui la logique de la détection avancée et de l'adaptation rapide qui tend à prévaloir, de manière inégale mais réelle. Tout ceci implique nécessairement une redistribution de la responsabilité décisionnelle. Il en résulte une gigantesque dissémination de l'information décisionnelle et un foisonnement de projets aussi variés dans leur envergure que dans leur contenu.

Un modèle de données sans données ne serait bien entendu qu'une coquille vide. A la problématique de la modélisation succède donc naturellement celle de l'alimentation. Or l'alimentation d'un entrepôt de données décisionnel n'est pas qu'un problème de connectique et de transfert physique. C'est même le problème politique, conceptuel et architectural le plus délicat du système, et le plus susceptible de décider de la réussite d'un projet.

Le marché met progressivement à notre disposition un certain nombre d'outils et de composants susceptibles de jouer un rôle dans la construction des solutions décisionnelles. Nous croyons utile de résumer ici les grandes alternatives technologiques.

2

Enfin, il nous a semblé indispensable de présenter le présent travail sur « la modélisation et l'implémentation d'un système décisionnel pour la gestion du personnel à la RVA Kananga ».

0.1. Choix et intérêt du sujet 0.1.1. Choix du sujet

Nous avons choisi ce sujet pour deux raisons :

Aider les décideurs de la Régie des Voies Aériennes du Kasaï Central d'avoir toutes les données nécessaires à la prise de décision en un temps réduit et d'éviter les erreurs dans l'analyse et l'interprétation de données ;

La seconde réside sur l'obligation qu'à tout étudiant de présenter et défendre un mémoire à la fin du deuxième cycle en Informatique afin de faire la liaison des théories apprises dans notre formation à la pratique.

0.1.2. Intérêt du sujet

Ce mémoire présente pour nous un triple intérêt :

? Il nous permet d'obtenir le grade de Licencié en Sciences Informatiques dès qu'il est défendu et accepté ;

? Pour la RVA Kasaï Central, cette étude permettra d'améliorer son système de

gestion du personnel et surtout dans la prise de décisions par les décideurs ; ? Pour les futurs chercheurs qui embrasseront le domaine du système décisionnel, c'est

un document de référence.

0.2. Etat de la question

Dans cette partie, il nous convient de signaler que nous n'avons pas la présentation de faire de ce mémoire une originalité scientifique personnelle d'autant plus certains de nos prédécesseurs ont déjà abordé ce sujet d'une manière ou d'une autre. Parmi eux, voici ceux qui ont retenu notre attention :

? MANKAMBA YANKUMBA Jean-Luc, UKA 2015-2016 : « Mise en place d'un système décisionnel basé sur le Data Mart et l'arbre de décision pour le recrutement du personnel à la DGRKOC » ; il s'est penché sur les problèmes liés à la gestion du personnel en général et en particulier sur la gestion des recrutements.

Quant à nous, nous allons nous basés sur « la modélisation et l'implémentation d'un système décisionnel pour la gestion du personnel à la RVA Kananga », tout en se focalisant sur la gestion de recrutement, de congé ainsi que la retraite du personnel de cette Régie des Voies Aériennes.

3

0.3. Problématique et hypothèses 0.3.1. Problématique

La problématique se présente dans toute recherche scientifique comme un ensemble des préoccupations que posent un chercheur et qui nécessite des réponses dès que l'on descend sur terrain. Cela étant, elle est définie comme l'ensemble des questions que l'on se pose devant un constat que soulève une étude ou une recherche pour arriver à la vérité.¹

Ainsi, notre problématique se résume en ces termes :

? Le déploiement d'un système décisionnel pour la gestion du personnel pourra-t-il

aider les décideurs de la RVA Kasaï Central à prendre des bonnes décisions ? ? La gestion du personnel tenue manuellement donne-t-elle satisfaction?

? Comment le système décisionnel peut-il contribué à l'amélioration de la prise de décision ?

0.3.2. Hypothèses

Les hypothèses sont définies comme des suppositions liées à un phénomène donné dont on veut se proposer de vérifier si elle est pertinente ou non à travers la mise en oeuvre de diverses méthodes de recherche.²

Les hypothèses sont des propositions des réponses provisoires émises par le chercheur comme fil conducteur qui seront infirmées ou affirmées.³

Nous pensons que le déploiement d'un système décisionnel pour la gestion du personnel constituera une solution pour pallier aux difficultés majeures dans la prise de décisions par les décideurs; il permettra à la RVA de se doter d'un outil rentable pour un bon rendement car il consiste au déploiement de Cube afin de manipuler les données et fouiller ces dernières pour la prise de décisions en un temps très court.

De ce qui concerne la gestion du personnel tenue manuellement, elle ne donne pas satisfaction du fait qu'elle présente quelques erreurs, plus de lourdeur et lenteur dans la prise de décisions.

D'où, le système décisionnel contribuera à l'amélioration de la prise de décisions par les décideurs dès qu'il est mis en place, car il mettra les données nécessaires à la disposition des décideurs à un temps réduit pour que les bonnes décisions soient prises.

0.4. Méthodes et techniques 0.4.1. Méthodes

La méthode est un ensemble des principes, des règles et d'opérations intellectuelles permettant d'analyser les données collectées en vue d'atteindre les résultats.⁴

1 MALENGA M. ; Notes de cours d'initiation à la Recherche Scientifique, G1 Informatique, USLKA, 2016-2017, inédit

2 MUKADI C. ; Notes de Cours de Méthodes de Recherche Scientifique, G2 Informatique, USLKA, 2017-2018, inédit

3 GRAWITZ M. ; Les méthodes des Sciences Sociales, Paris, édition Dalloz, 1955, p.10

4 FREYSSINET J. ; Méthode de recherche en Sciences Sociales, éd.Mont Chrétien, Paris, 1997, p.12

4

En outre, la méthode est un ensemble ordonné des principes et règles permettant de comprendre la structure fonctionnelles de l'institution et avoir une idée sur son organisation interne.⁵

Pour bien mener notre étude, nous avons recourus aux méthodes suivantes:

Méthode analytique: qui nous a permis à faire l'analyse des faits. Cette méthode va de l'effet aux causes. Hélas! Comme elle ne suffisait pas, nous avons fait appel à deux autres méthodes;

La méthode historique: celle-ci nous a permis de connaitre l'origine des événements du fait qu'elle est une méthode descriptive, sa démarche est parfois chronologique. Et enfin;

La méthode structurale: qui a consisté à connaitre les relations que l'élément entretien avec la structure. Ces principes opératoires consistent à identifier un phénomène ou une entité sociale à étudier et ensuite analyse ce phénomène ou entité dans sa totalité.

0.4.2. Techniques

En vue de récolter les données nécessaires dans Régie et correspondantes à notre problématique, nous nous sommes référer aux techniques ci-dessous:

? Technique d'interview: elle nous a servi à interviewer les agents de la place avec une série des questions plus détaillées et face auxquelles des réponses nous ont été données et ont aidées à l'élaboration de ce mémoire;

? Technique documentaire: celle-ci nous a aidés plus dans la récolte de données utiles et fiables tout en lisant les ouvrages et les archives ayant trait aux faits qui causent le disfonctionnement dans la gestion du personnel;

? Technique d'observation: cette dernière nous a permis quant à elle d'observer le déroulement des activités faisant l'objet de notre étude.

0.5. Objectif de la recherche

Notre objectif est d'apporter des solutions nouvelles pour la modélisation et le développement d'entrepôts. Face à la profusion d'informations hétérogènes, la conception et le développement de systèmes décisionnels adaptés s'avèrent primordiaux. Le cadre applicatif de notre mémoire de fin de cycle se situe dans le domaine décisionnel notamment sur «Le déploiement d'un système décisionnel pour le gestion du personnel au sein de la Régie des Voies Aériennes de Kananga».

Par ailleurs, les applications décisionnelles (et plus généralement toutes les applications décisionnelles) utilisent fréquemment des données temporelles. Malgré l'intérêt que portent les décideurs aux évolutions des données, les systèmes commerciaux actuels n'intègrent pas l'historisation des données dans les entrepôts. En outre, peu de travaux de recherche sur les entrepôts traitent de cet aspect. C'est ainsi que notre étude est d'une grande importance car les résultats obtenus à la fin pourraient aider le service du

5 GRAWITZ M. ; Op.cit, p.14

5

personnel de la RVA à adopter des nouvelles stratégies dans la prise de décisions sur la gestion du personnel.

Enfin, le présent mémoire apportera une solution à la modélisation d'un système décisionnel qui prendra en compte les problèmes difficiles à gérer et trouver une solution voulue. C'est ainsi que dans le cadre de notre formation spécifique entant que concepteur

de système d'information, celui-ci facilitera à la communauté scientifique à pouvoir identifier les problèmes similaires à celui que nous tentons de résoudre ici pour y trouver

des solutions dans un court délai.

0.6. Délimitation de la recherche

Vu que le terrain de recherche est trop vaste, il est impérieux que chaque chercheur limite ses recherché dans le temps et dans l'espace.

a) Dans le temps: notre étude va de 2020 à 2021, l'année 2020 est choisie comme point de départ de nos recherches et 2021 comme l'année de fin de nos investigations, ou soit une année de recherches.

b) Dans l'espace: elle porte sur la Régie des Voies Aériennes Central précisément dans le service Administratif, Financier et Commercial ayant en charge la gestion du personnel.

La raison majeure qui nous a amené à faire ce choix sur la gestion du personnel se justifie qu'entend que chercheur, certaines observations sur la RVA nous ont prouvés qu'elle a les difficultés dans la gestion à ce qui concerne le personnel.

0.7. Subdivision du travail

Hormis l'introduction et la conclusion générale, ce mémoire portera sur cinq chapitres à savoir:

? Chapitre premier qui abordera les Généralités sur le Système Décisionnel (e Business);

? Chapitre deuxième qui portera sur les entrepôts de données (Data Warehouse); ? Chapitre troisième qui parlera de Datamining ;

? Chapitre quatrième qui traitera sur la présentation du cadre d'étude et spécification de besoins ;

? Chapitre cinquième qui chutera par l'implémentation de la Solution.

6

CHAPITRE I : GENERALITES SUR LES SYSTEMES DECISIONNELS

I.0. Introduction

Toute entreprise qui veut atteindre des performances est censée prendre des décisions rationnelles en se basant sur un système décisionnel. La faillite de bon nombre d'entreprises est due au manque d'un personnel qualifié, à une mauvaise gestion et à une prise de décisions non adéquate.

I.1. Présentation du décisionnelle

Avant de rentrer dans des considérations techniques, il est bon de faire un point sur ce qu'est le décisionnel et ce que ce terme sous-entend. Pour faire très simple, l'informatique décisionnelle recouvre tous les moyens informatiques destinés à améliorer la prise de décision des décideurs d'une organisation. Cette définition pose trois nouvelles questions :

? Qu'est-ce qu'un décideur ?

? Qu'est-ce qui peut permettre d'améliorer la prise de décision ?

? Quels sont les moyens informatiques disponibles ?

I.2. Définition d'un système décisionnel

Les systèmes décisionnels sont un ensemble de technologies destinées à permettre aux collaborateurs d'avoir accès et de comprendre les données de pilotage plus rapidement, de telle sorte qu'ils prennent des décisions meilleures et plus rapides pour enfin atteindre les objectifs de leur organisation. Les systèmes décisionnels dans leur version la plus complète. ⁶

1.2.1. La notion de décideur

Sous le modèle du taylorisme et jusque dans les années 1890, les organisations étaient organisées de manière pyramidale. Les décisions étaient prises au sommet de la pyramide et les ordres étaient transmis de manière descendante et unilatérale à tous les niveaux opérationnels. Dans ce type d'organisation, les décideurs étaient seulement les dirigeants de l'organisation.

Ce type d'organisation était efficace tant que le marché était localisé et qu'il suffisait de produire pour vendre. Depuis, nous sommes confrontés à une complexité grandissante du marché liée :

? À la mondialisation : les concurrents sont plus nombreux, plus innovants, mieux armés.

⁶ KAFUNDA KATALAYI JP, Entrepôts des données, L2 informatique option Gestion, cours inédit, U.K.A 2015-2016.

7

? À une modification des comportements d'achats : l'organisation se doit d'être centrée client. En effet, les Produits sont de plus en plus personnalisés (on parle de one-to-one).

? Au fait que le monde va de plus en plus vite : le critère de délai de livraison ou de disponibilité de l'information7 jours sur 7, 24h sur 24 associé à la mondialisation et la personnalisation du besoin client, démultiplie la complexité de l'écosystème de l'organisation.

Cette logique, facile à comprendre dans un cadre commercial, s'applique dans tous les domaines de l'entreprise. La prise de décision ne peut plus être centrale, celle-ci doit être déléguée. Du fait, dans une entreprise moderne, tout cadre devient un décideur de terrain et dispose d'une autonomie relative. C'est cette explosion du nombre de décideurs qui pose un gros problème à :

? L'informatique, qui se voit démultiplier le nombre de demandes de rapports et d'extraction de données.

? La direction, qui a besoin d'outils pour manager ses décideurs : de la cohérence est nécessaire afin que les décisions prises à tous les niveaux de l'entreprise, le soient en accord avec la stratégie d'entreprise.

1.2.1.1. Les facteurs d'amélioration de la prise de décision

Généralement, on présente les trois facteurs de prise de décision comme étant :

o La connaissance et l'analyse du passé ;

o La représentation du présent ;

o L'anticipation du futur.

Les informations permettant d'appréhender ces facteurs peuvent être de deux natures différentes :

a) Les informations quantitatives : ce sont toutes les données chiffrées telles que les montants, quantités, pourcentages, délais...

b) Les informations qualitatives : ce sont toutes les informations non quantifiables telles qu'un commentaire accompagnant un rapport, des mécontentements, un sentiment, une directive, une nouvelle procédure...

Ces facteurs n'ont pas le même sens suivant le type de décideur. Leurs horizons fonctionnels et temporels sont trop différents pour être traités de manière uniforme. Les décideurs stratégiques ont besoin d'une vision à 360° de leur organisation. S'ils ont besoin d'une évaluation régulière de leur politique, ils travaillent surtout sur l'anticipation de l'avenir. Ils ont besoin de projections chiffrées internes et externes à l'organisation (données quantitatives), mais aussi de beaucoup de données qualitatives remontant du terrain : commentaires, comptes rendus. La conviction repose sur des chiffres, mais aussi sur

8

l'appréhension et la compréhension d'un contexte et d'un climat interne ou externe à l'organisation.

Les décideurs tactiques sont souvent les plus grands demandeurs d'outils décisionnels, car ils sont comprimés entre des décideurs stratégiques, qui leur demandent des évaluations de leur politique, et des décideurs de terrain, parfois très nombreux, qu'il faut cadrer et suivre. Ces décideurs tactiques ont besoin d'une parfaite compréhension du passé, travaillent peu avec le présent, mais se doivent de travailler avec des prévisions pour recadrer leur politique. Les données chiffrées sont bien évidemment essentielles, encore faut-il que les différents systèmes s'accordent entre eux. Les décideurs opérationnels travaillent surtout avec le présent : il leur faut des données opérationnelles brutes instantanées. L'analyse du passé relève surtout d'un suivi opérationnel pour vérifier l'adéquation avec les objectifs. L'anticipation de l'avenir relève de la fourniture de données opérationnelles en amont du service.

1.2.1.2. L'informatique décisionnelle

L'informatique décisionnelle couvre toutes les solutions informatisées pour améliorer la prise de décision des décideurs dans l'organisation. Dans ses débuts, l'informatique décisionnelle s'est contentée tout d'abord de dupliquer les bases de données des systèmes de gestion, afin d'isoler les requêtes d'analyse de données des requêtes opérationnelles. Les requêtes d'analyse étant souvent très lourdes, l'objectif était surtout de préserver les performances des systèmes opérationnels. Ensuite cette base de données dédiée aux requêtes et à l'analyse a progressivement muté et s'est organisée.

Partant du constat qu'il est difficile de croiser des données contenues dans des bases de données distinctes, le plus simple a été de regrouper ces données éparses. Le concept de la base unique pour centraliser les données de l'entreprise est plus que jamais d'actualité. Il s'agit du concept d'entrepôt de données (ou Data Ware house). S'il est plus simple d'analyser ces données une fois qu'elles sont dans l'entrepôt de données, il n'en reste pas moins qu'il faut tout de même remplir l'entrepôt de données l'extraction et le croisement des données des différents systèmes opérationnels puis le chargement dans l'entrepôt de données, ont fait émerger des outils dédiés à cette tâche, avec des concepts métiers qui leur sont propres : les outils d'ETL (Extract Transform Load).

Si au début, les requêtes d'analyses portaient sur une base relationnelle (dites OLTP pour On Line Transaction Processing), le concept de base multidimensionnelle (dites OLAP pour On Line Analytical Processing) s'est démocratisé fin des années 90. Ce concept de bases de données offrait des performances très largement supérieures aux bases OLTP pour répondre à des requêtes d'analyse. Ces bases OLAP se sont alors couplées avantageusement avec l'utilisation de l'entrepôt de données. En effet, elles offraient à la fois un environnement plus performant, mais permettaient également aux utilisateurs finaux de bénéficier d'une interface simplifiée d'accès aux données, beaucoup plus intuitive qu'une base de données OLTP. On parle alors de méta-modèle.

9

L'ensemble des moyens informatiques et techniques destiné à améliorer la prise de décision est appelé système décisionnel ou encore Système Informatique d'Aide à la Décision (SIAD).

I.3. Historique des systèmes décisionnels

La prise de décision est un problème essentiel qui préoccupe les gestionnaires des entreprises. Cette prise de décision passe par la modélisation de différents problèmes qu'ils rencontrent dans la gestion d'où la nécessité d'un modèle basé sur l'arbre de décision.

De nos jours pour qu'une entreprise puisse bien marcher, elle doit avoir besoin d'outils d'aide à la décision. Ces outils permettront alors aux dirigeants de bien prendre des décisions. Ces décisions concernent tous les services de cette entreprise. Le système décisionnel englobe tous les services de l'entreprise ainsi que leurs informations.

Les systèmes décisionnels travaillent comme des systèmes opérationnels sur de gros volumes de données.

La décision concerne tous les départements de l'entreprise : finances, ressources humaines, ventes, et la direction générale. Les applications utiles dans le processus de prise de décision sont nombreuses, et déjà présentes dans le système d'information des entreprises.

I.4. L'informatique décisionnelle

L'informatique décisionnelle désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données, matérielles ou immatérielles d'une entreprise, en vue d'offrir une aide à la décision et de permettre aux dirigeants de prendre des stratégies pour l'entreprise et d'avoir une vue d'ensemble de l'activité traitée au sein de l'entreprise⁷.

En général ce type d'applications utilise un entrepôt de données pour stocker des données provenant de plusieurs sources hétérogènes et fait appel à des traitements par lots pour la collecte de ces informations.

I.5. Définition d'un système décisionnel (Business intelligence)

Un système est un ensemble de technologies destinées à permettre aux collaborateurs d'avoir accès et de comprendre les données de pilotage rapidement, de telle sorte qu'ils prennent une décision meilleure a temps, résultant d'un processus comportant le choix conscient entre plusieurs solutions en vue d'atteindre un objectif précis.

7 P.F. Drucker, « Managing in a Time of Great Change (The Post-Capitalist Executive) », Penguin 1995.

8 G.A. Gorry et M.S. Scott-Morton, « A framework for management information systems », Sloane Management Review 1971, p.15.

10

Un système décisionnel permet de répondre aux questions suivantes :

y' Que s'est-il passé ? (tableau de bord) ;

y' Pourquoi cela s'est-il passé ? (analyse) ;

y' Que va-t-il se passé ? (prédiction) ;

y' Que se passe-t-il en ce moment ? (aide opérationnelle) ;

y' Que devrait- il se passer ou que faire ? (prise de décision ou entrepôt actif).

I.5.1 Architecture de systèmes décisionnels⁸

L'architecture générale d'un système décisionnel se décompose en trois processus : extraction et intégration, organisation et interrogation.

Le processus d'extraction et intégration, situé les sources de données et l'entrepôt est responsable de l'identification des données dans les diverses sources internes et externes dans l'extraction de l'information et de la préparation et de la transformation (nettoyage, filtrage, etc..) des données à l'intérieur de l'entrepôt, nous trouvons le processus d'organisation. Il est responsable de la structuration des données par rapport à leur niveau de granularité (agrégats).

Différents outils permettent de réaliser l'analyse des données, pour les différents utilisateurs de l'entreprise.

Figure 1 : Architecture Générale d'un système décisionnel

Les sources de données sont nombreuses, variées, distribuées et autonomes. Elles peuvent être internes (bases de production) ou externes (Internet, bases des partenaires) à l'entreprise.

11

L'entrepôt de données est le lieu de stockage centralisé des informations utiles pour les décideurs. Il met en commun les données provenant des différentes sources et conserve leurs évolutions.

Les magasins de données sont des extraits de l'entrepôt orientés sujet. Les données sont organisées de manière adéquate pour permettre des analyses rapides à des fins de prise de décision.

Les outils d'analyse permettent de manipuler les données suivant des axes d'analyses. L'information est visualisée au travers d'interfaces interactives et fonctionnelles dédiées à des décideurs souvent non informaticiens (directeurs, chefs de services,...).

I.6. Les différents éléments constitutifs du système décisionnel I.6.1 Les sources de données :

Les sources de données sont souvent diverses et variées et le but est de trouver des outils et en fin de les extraire, de les nettoyer, de les transformer et de les mettre dans l'entrepôt de données. Ces sources de données peuvent être de fichiers de type Excel, des bases de données opérationnelles d'une entreprise ou fichiers plats.

I.6.2 L'entrepôt de données :

Il est le coeur du système décisionnel et demande une analyse profonde de la part de maitre d'ouvrage.

La conception d'un data warehouse diffère de la conception d'une base de données relationnelles.

En effet, alors que les bases de données relationnelles tendant le plus souvent à être normalisées, les bases des données multidimensionnelles, elles sont normalisées en respectant le modèle en étoile ou en flocon.⁹

I.6.3. Le service OLAP ou serveur d'analyse

Le serveur OLAP est opposé à OLTP et a pour but d'organisé les données à analyser par domaine ou par thème et d'en ressortir des résultats pertinents pour le décideur. Les résultats sont obtenus par différents algorithmes de datamining (fouille de données) du serveur d'analyse. Ces résultats peuvent amener l'organisation à prendre de très bonnes décisions en vue d'améliorer le rendement de leurs entreprises.

9 Bertino E., Ferrari E., Guerrini G., Merlo I., "Extending the ODMG Object Model with Composite Objects", OOPSLA'98, Vancouver (Canada), 1998, p.56

12

I.7. Les fonctionnalités d'un système décisionnel

Les besoins des utilisateurs peuvent être regroupés en quatre catégories : Simuler, analyser les données, réduire des états de gestion, suivre et contrôler.

1°) Simuler

? Gestion de modèles de calcul (calculs automatiques d'ensemble de données complexe en fonction de paramètre par l'utilisateur et de règles de gestion)

Exemple d'utilisation : élaboration de business plan ; ? Elaboration collaborative ;

EX : l'élaboration budgétaire.

2°) Analyse de données

Fonctionnalité OLAP (établissement d'analyse dynamique multidimensionnelle avec possibilité de trié, filtrer, zoomer a l'intérieure de données) ;

EX : chiffre d'affaire.

Fonctionnalités avancées de datamining, ensemble des techniques statistiques sophistiquées permettant de faire apparaitre des corrélations, des tendances et des prévisions.

3°) Produire des Etat de gestion

Fonctionnalités de reporting raquetteurs permettant de produire de façon simple et rapide, des tableaux de données incorporant des calculs plus ou moins sophistiquées. 4°) 4°) Suivre et contrôler

Elaboration de tableau de bord produit et diffusion automatiquement à fréquence régulière de tableaux de bord regroupent des données hétérogènes.

EX : production de tableaux de bord graphique à destination de responsables opérationnels·

Emission d'alerte génération conditionnelle de message sur différents supports (email, sms,...) plus ou moins complexes en fonction de la configuration de données.

Nous avons constaté que l'ensemble de ces fonctionnalités sont rarement mise en place dans une entreprise.

Les mises en oeuvre sont en outre souvent réalisées par domaine fonctionnel(les ventes, achats,...). Par ailleurs, il n'existe pas de produit couvrent l'ensemble de ces fonctionnalités.

13

Chaque progiciel en fonction de son origine et du positionnement que souhaite lui donner son éditeur est plus au moins avancé sur l'un ou l'autre thème.

Il est donc crucial de déterminer précisément ses besoins présent et future, ainsi que les contraintes liées à son organisation ou à son activité avant de choisir une solution.

I.8. Les apports des systèmes décisionnels

Dans beaucoup de nos entreprises ; il est difficile d'expliquer aux dirigeants que l'on doit parfois dépenser beaucoup d'argent pour analyser et manipuler des données existant dans le système d'information de l'entreprise¹⁰.

Les apports de systèmes décisionnel sont aussi défais réels. Ils peuvent être classés en deux catégories.

? L'amélioration de l'efficacité de la communication et de la distribution des informations de pilotage ;

? L'amélioration du pilotage des entreprises résultant de meilleures décisions à prendre plus rapidement ;

Si le premier point est aisément compréhensible, présente peu de risque de mise en oeuvre et pose peu de problème d'évaluation ce n'est clairement pas en revanche une source de gains significative. Il sera difficile le plus souvent de justifier les couts d'un projet sur cette seule promesse.

La seconde catégorie a nettement plus de potentiel de gains. Mais il faut bien reconnaitre que le risque de ne pas atteindre les objectifs initiaux sont réels sans parler d'énormes difficultés d'évaluation des bénéfices escomptés.

Les bénéfices de ce type le plus souvent cités sont les suivants :

y' Unicité des chiffres, une seule vérité acceptée par tous ;

y' Meilleure planification ;

y' Amélioration de la prise de décision ;

y' Amélioration de l'efficacité des processus ;

y' Amélioration de la satisfaction des clients et des fournisseurs ;

y' Amélioration de la satisfaction des employés.

10 S. Kelly, « Data Warehousing - The Route to Mass Customization », John Wiley & Sons 1996, p.13.

14

I.9. Les Enjeux De L'informatique Décisionnelle

De nos jours, les données applicatives métier sont stockées dans une ou plusieurs bases de données relationnelles ou non relationnelles. Ces données sont extraites, transformées et chargées par un outil de type ETL.

Un entrepôt de données (data warehouse) peut prendre la forme d'un data Mart. En règle générale, le data warehouse globalise toutes les données applicatives de l'entreprise tandis que les data Marts, généralement alimentés à partir des données du data warehouse sont des sous-ensembles d'information concernant un métier particulier de l'entreprise.

I.10. Les fonctions essentielles de l'informatique décisionnelle

Un système d'information décisionnel assure quatre fonctions fondamentales, à savoir : la collecte, l'intégration, la diffusion et la présentation des données. A ces quatre fonctions s'ajoute une fonction de contrôle du système d'information décisionnelle lui-même, l'administration.¹¹

a) Collecte

La collecte est l'ensemble des taches consistant à détecter, sélectionner, extraire et à filtrer les données brutes issues des environnements pertinents compte tenu du périmètre du système d'information décisionnel (SID).

Les sources de données internes ou externes étant souvent hétérogène tant sur le plan technique que sur le plant sémantique, cette fonction est la plus délicate à mettre en place dans un système décisionnel complexe. Elle s'appuie notamment sur les outils d'ETL.

Cette alimentation utilise les données sources issues des systèmes transactionnels de production, le plus souvent sous forme de compte rendu, d'inventaire ou compte rendu d'opération qui est le constat au fil du temps des opérations (achats, ventes, écriture, comptable), le film de l'activité de l'entreprise ; compte rendu d'inventaire ou compte rendu de stock qui est l'image photo prise a un instant donné (à une fin de période, mois, trimestre) de l'ensemble du stock (les clients, les contrats, les commandes). La fonction de collecte joue également au besoin un rôle de recodage. Une donnée représentée différemment d'une source à une autre impose le choix d'une représentation unique pour les futures analyses.

11 Bret F., Teste O., "Construction Graphique d'Entrepôts et de Magasins de Données", INFORSID'99, La Garde (France), Juin 1999.

15

b) Intégration

L'intégration consiste à concentrer les données collectées dans un espace unifié, dont le socle informatique essentiel est l'entrepôt.

Élément central du dispositif, il permet aux applications décisionnelles de bénéficier d'une source d'information commune, homogène, normalisée et fiable, susceptible de masquer la diversité de l'origine des données.

Au passage les données sont épurées ou transformées par un filtrage et une validation des données en vue du maintien de la cohérence d'ensemble (les valeurs acceptées par les filtres de la fonction de collecte mais susceptibles d'introduire des incohérences de référentiel par rapport aux autres données doivent être soit rejetées, soit intégrées avec un statut spécial).

Une synchronisation (d'intégrer en même temps ou à la même date de valeur des événements reçus ou constatés de manière décalée ou déphasée).

Une certification (pour rapprocher les données de l'entrepôt des autres systèmes légaux de l'entreprise comme la comptabilité ou les déclarations réglementaires).

C'est également dans cette fonction que sont effectués éventuellement les calculs et les agrégations (cumuls) communs à l'ensemble du projet. La fonction d'intégration est généralement assurée par la gestion de métadonnées, pour l'interopérabilité entre toutes les ressources informatiques, des données structurées (bases de données accédées par des progiciels ou applications), ou des données non structurées.

c) La diffusion ou la distribution

La diffusion met les données à la disposition des utilisateurs, selon des schémas correspondant au profil ou au métier de chacun, sachant que l'accès direct à l'entrepôt ne correspondrait généralement pas aux besoins d'un décideur ou d'un analyste. L'objectif prioritaire est de segmenter les données en contextes informationnels fortement cohérents, simples à utiliser et correspondant à une activité décisionnelle particulière.

Alors qu'un entrepôt de données peut héberger de centaines ou de milliers de variables ou indicateurs, un contexte de diffusion raisonnable n'en présente que quelques dizaines au maximum.

Chaque contexte peut correspondre à un DataMart, bien qu'il n'y ait pas de règles générales concernant le stockage physique.

12 Chaudhuri S., Dayal U., "An Overview of Data Warehousing and OLAP Technology", ACM SIGMOD Record, 26(1), 1997, p.112

16

Très souvent, un contexte de diffusion est multidimensionnel, c'est-à-dire modélisable sous la forme d'un hyper cube, il peut alors être mis à disposition à l'aide d'un outil OLAP.¹²

Les différents contextes d'un même système décisionnel n'ont pas tous besoin du même niveau de détail.

De nombreux agrégats ou cumuls, n'intéressant que certaines applications et n'ayant donc pas lieu d'être gères en tant qu'agrégats communs par la fonction d'intégration, relèvent donc de la diffusion.

Ces agrégats peuvent être, au choix, stockés de manière persistante ou calculés dynamiquement à la demande.

On peut distinguer trois questions à élucider pour concevoir un système de reporting : À qui s'adresse le rapport spécialisé ? (choix des indicateurs a présenter, choix de la mise en page)

? Par quel trajet ? (circuit de diffusion type workflow pour les personnes, circuits de transmission télécoms pour les moyens) ;

? Selon quel agenda ? (diffusion routinière ou sur événement prédéfini).

d) Présentation

Cette quatrième fonction, la plus visible pour l'utilisateur, régit les conditions d'accès de l'utilisateur aux informations. Elle assure le fonctionnement du poste de travail, le contrôle d'accès, la prise en charge des requêtes, la visualisation des résultats sous une forme ou une autre.

Elle utilise toutes les techniques de communication possibles comme les outils bureautiques, raquetteurs et générateurs d'états spécialises, infrastructure web, télécommunications mobiles, etc.

e) Administration

C'est la fonction transversale qui supervise la bonne exécution de toutes les autres; elle pilote le processus de mise à jour des données, la documentation sur les données et sur les métadonnées, la sécurité, les sauvegardes, la gestion des incidents.

17

I.11. Définition des Modèles de Données Décisionnels

Un modèle de données s'applique généralement à une application ou à un ensemble d'applications dont le périmètre et la définition sont arrêtés en amont du projet. Ceci est valable pour toute application informatique. Mais ce principe d'applique d'une manière particulière dans les projets décisionnels.

Consommateur de données et producteur d'informations, un SID est nécessairement un dispositif à double face puisque :

? Il combine des données d'origines diverses, généralement opérationnelles ;

? Il met des données à disposition selon des objectifs informationnels.

? Par rapport aux sources de données qui l'alimentent, le data warehouse est sous-tendu par un modèle fédérateur ou intégrateur. Mais ce modèle n'est pas directement représentatif des points de vue informationnels - éventuellement multiples et changeants des utilisateurs du SID. Or le SID ne vaut que pour les restitutions informationnelles qu'il offre. Le véritable modèle de données décisionnel est donc celui qui reflète la mise à disposition ou encore la diffusion des données, et non leur concentration.

Cette mise à disposition se conçoit par domaines, sachant que le périmètre d'un domaine décisionnel ne coïncide pas avec les frontières d'une application de production.

Un domaine applicatif concerne un utilisateur ou un ensemble cohérent d'utilisateurs, et implique un vocabulaire commun et une manière commune d'appréhender l'information. C'est en quelque sorte l'univers du discours.

Quelles que soient les modalités de conduite de projet et les éventuels raccourcis qui seront pris à certaines étapes, le Modèle Conceptuel des Données (MCD) du domaine d'application est un passage obligé.

Les modèles dérivés du MCD (MLD et MPD) sont ensuite élaborés en liaison étroite avec la technique, selon une démarche fortement tributaire des produits. Quant au MCD lui-même, rappelons que sa structure ne dépend que de la sémantique des données et de la vue qu'en ont les utilisateurs. L'analyste doit par conséquent résister à deux sortes d'influences pernicieuses qui pèsent, à divers degrés, sur tous les projets :

? les structures opérationnelles dans lesquelles le SID puise ses données ;

? les modalités de fonctionnement des outils de gestion et de présentation.

Les seules bases sur lesquelles il convient de s'appuyer pour spécifier les objectifs du SID sont les vues externes des utilisateurs. Ces vues doivent donc être collectées et intégrées dans le modèle.

18

Un SID comporte donc en réalité au moins deux Modèles Conceptuels de Données. L'un des deux représente l'intégration des sources opérationnelles à partir desquelles s'alimente le système. Il se conçoit et se normalise selon une démarche traditionnelle de génie logiciel50, qui n'a pas lieu d'être développée ici. L'autre, celui que nous examinons dans ce chapitre, correspond à la structure informationnelle destinée à supporter les requêtes des utilisateurs. C'est le MCD de diffusion. C'est ce dernier qui représente la structure selon laquelle l'information doit être mise à disposition ; il constitue la spécification fonctionnelle du SID¹³.

La collecte des vues est une affaire de conduite de projet, dont nous n'ignorons pas la difficulté pratique. La qualité de cette collecte auprès des utilisateurs est cependant un facteur critique de succès, et on ne peut pas en faire l'économie sans prendre un gros risque.

De point de vue de la modélisation proprement dite, l'intégration des vues n'est pas une simple opération de juxtaposition. Elle passe par une normalisation.

Les normes d'intégration du MCD, dans un domaine décisionnel, reposent sur les principes fondamentaux suivants :

Compte tenu de la nature consultative et non transactionnelle des applications, la structure des vues externes se déduit directement des requêtes des utilisateurs, et non des connexions opérationnelles possibles entre les entités ;

A l'intérieur d'un domaine, il existe un ou plusieurs sous-ensembles de vues liées entre elles par certains critères de cohérence sémantique et structurelle. C'est sur l'identification et la validation formelle de ces sous-ensembles, appelés contextes, que repose toute la démarche de construction du MCD ;

Une requête décisionnelle a pour objet d'établir un rapprochement non programmé entre des entités conceptuelles plus ou moins nombreuses. De ce fait, les résultats attendus sont systématiquement déterminés par des associations51. La structure des vues reflète celle des associations possibles. Chaque vue a pour élément central une association autour de laquelle gravitent deux ou plusieurs entités, et correspond à une représentation des informations sous forme de tableau à deux ou plusieurs dimensions ;

La liste exhaustive des requêtes possibles n'est jamais figée. Celle des vues qui en découlent ne l'est donc pas non plus. La normalisation du MCD doit permettre d'anticiper et d'intégrer automatiquement dans chaque contexte le plus grand nombre possible de « vues probables » d'après la structure des « vues connues » ; Entre deux entités intervenant dans une même vue, il doit exister un et un seul chemin de navigation sémantique, et ce chemin doit être le plus court possible.

13 Groupe EVOLUTION. F. Bret. T. Cruanees. I. Guessarian. E. Metais. M-C. Rousset. S. Schwer. O. Teste. G. Zurfluh, Ingénerie des systèmes d'information , édition HERMES, 2001, p.38

19

Conclusion partielle

Dans ce chapitre, nous avons traité les généralités sur les systèmes décisionnels (Business Intelligence) ; avons défini l'informatique décisionnelle, l'architecture de systèmes décisionnels et ses différents enjeux avec leurs fonctions ; et avons abordé les systèmes décisionnels qui sont des systèmes qui permettent aux décideurs des entreprises de prendre des décisions optimales et importantes pour une meilleure gestion des leurs entreprises. Le chapitre suivant abordera les notions de l'entrepôt de données et son fonctionnement.

14 Jarke M., Lenzerini M., Vassiliou Y., Vassiliadis P., "Fundamentals of Data Warehouses", Ed. Springer Verlag, ISBN 3-540-65365-1, 1999, p.187

20

CHAPITRE II: LE DATA WAREHOUSE

II.1. Introduction

Les entrepôts des données intègrent des informations en provenance de différentes sources, souvent reparties et hétérogènes ayant pour objectif de fournir une vue globale de l'information aux analystes et aux décideurs.

La construction et la mise en oeuvre d'un entrepôt de données représentent une tâche complexe qui se compose de plusieurs étapes.

La première est l'analyse des sources de données et l'identification des besoins des utilisateurs, la deuxième correspond à l'organisation des données à l'intérieur de l'entrepôt. En fin, la troisième sert à établir divers outils d'interrogation, d'analyse, et de fouille de données.

Chaque étape présente des problèmes spécifiques. Ainsi, par exemple, lors de la première étape, la difficulté principale consiste en l'intégration des données, de manière à ce qu'elles soient de qualité pour leur stockage. Pour l'organisation, il existe plusieurs problèmes comme la sélection des vues à matérialiser, le rafraichissement de l'entrepôt, la gestion de l'ensemble de données courantes et historisées.

En ce qui concerne le processus d'interrogation, nous avons besoin des outils performants et conviviaux pour l'accès et l'analyse de l'information.

II.2. Définition d'un data warehouse (DW)¹⁴

Un entrepôt de données est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d'un processus d'aide à la décision. Nous détaillons ces caractéristiques :

? Orientées sujet : les données des entrepôts sont organisés par sujet plutôt que par application, par exemple, une chaine de magasins d'alimentation organise les données de son entrepôt par rapport aux ventes qui ont été réalisées par produit et par magasin, au cours d'un certain temps.

? Intégrées : les données provenant de différentes sources doivent être intégrées, avant leur stockage dans l'entrepôt de données. L'intégration, c'est à dire la mise en

correspondance des formats, permet d'avoir une cohérence de l'information.

15 Samos J., Saltor F., Sistrac J., Bardés A., "Database Architecture for Data Warehousing: An evolutionary Approach", DEXA'98, Vienna (Austria), 1998, p.72

21

? Non volatiles : à la différence des données opérationnelles, celles de l'entrepôt sont permanentes et ne peuvent pas être modifiées .le rafraichissement de l'entrepôt consiste à ajouter de nouvelles données, sans modifier ou perdre celles qui existent.

? Historisées :la prise en compte de l'évolution des données est essentielle pour la prise de décision qui, par exemple, utilise des techniques de prédication en s'appuyant sur les évolutions passées pour prévoir les évolutions futures.

II.2.1. Objectif Du Data Ware house

L'atout principal d'une entreprise réside dans les informations qu'elle possède. Les informations se présentent généralement sous deux formes : les systèmes opérationnels qui enregistrent les données et le Data Ware house. En bref, les systèmes opérationnels représentent l'emplacement de saisie des données, et l'entrepôt de données l'emplacement de restitution¹⁵.

Ainsi voici les objectifs fondamentaux du data warehouse :

Rendre accessibles les informations de l'entreprise : le contenu de l'entrepôt doit être compréhensible et l'utilisateur doit pouvoir y naviguer facilement et avec rapidité. Ces exigences n'ont ni frontières, ni limites. Des données compréhensibles sont pertinentes et clairement définies. Par données navigables, on n'entend que l'utilisateur identifie immédiatement à l'écran le but de ses recherches et accède au résultat en un clic.

Rendre cohérente les informations d'une l'entreprise : les informations provenant d'une branche de l'entreprise peuvent être mise en corrélation avec celles d'une autre branche. Si deux unités de mesure portent le même nom, elles doivent alors signifier la même chose. A l'inverse, deux unités ne signifiant pas la même chose doivent être définie différemment. Une information cohérente suppose une information de grande qualité. Cela veut dire que l'information est prise en compte et qu'elle est complète.

Constituer une source d'information souple et adaptable : l'entrepôt de données est conçu dans la perspective de notifications perpétuelle, l'arrivé de question nouvelles ne doit bouleverser ni les données existantes ni les technologies. La conception de Data Mart distincts composant un entrepôt de données doit être répartie et incrémentielle.

16 AHMED T., MIQUEL M., LAURINI R., « Continuous data warehouse : concepts, challenges and potentials », Proc. of the 12th International Conference on Geoinformatics, 2004, p. 157-164.

22

Représenter un bastion sécurisé qui protège la capitale information : l'entrepôt de données ne contrôle pas seulement l'accès aux données, mais il offre à ses gestionnaires une bonne visibilité des utilisations.

Constituer la base décisionnelle de l'entreprise : l'entrepôt de données recèle en son sein les informations propres à faciliter la prise de décisions.

II.2.2. Les Composants de base du Data Warehouse¹⁶

a) Le système source : système opération d'enregistrement, dont la fonction consiste à capturer les transactions liées à l'activité.

b) Zone de préparation des données : ensemble des processus qui nettoient, transforment, combinent, archivent, suppriment les doublons, c'est-à-dire prépare les données sources en vue de leur intégration puis de leur exploitation au sein du Data Warehouse. La zone de préparation des données ne doit offrir ni service des requêtes, ni service de présentation.

c) Serveur de présentation : machine cible sur laquelle l'entrepôt de données est stocké et organisé pour répondre en accès direct aux requêtes émises par des utilisateurs, les générateurs d'état et les autres applications.

d) Data Mart : sous-ensemble logique d'un Data Warehouse, il est destiné à quelques utilisateurs d'un département.

e) Entrepôt de données : source de données interrogeable de l'entreprise. C'est tout simplement l'union des Data Marts qui le composent. L'entrepôt de données est alimenté par la zone de préparation des données. L'administrateur de l'entrepôt de données est également responsable de la zone de préparation des données.

f) OLAP (On Line Analytic Processing) : Activité globale de requêtage et de présentation de données textuelles et numériques contenues dans l'entrepôt de données ; style d'interrogation et de présentation spécifiquement dimensionnel.

g) ROLAP (Relational OLAP) : ensemble d'interface utilisateur et d'applications donnant une vision dimensionnelle des bases de données relationnelles.

h) MOLAP (Multidimensional OLAP) : ensemble d'interface utilisateur et d'applications dont l'aspect dimensionnel est prépondérant.

i) Application utilisateur : ensemble d'outils qui interrogent, analysent et présente des informations répondant à un besoin spécifique. L'ensemble des outils minimal se compose d'outil d'accès aux données, d'un tableur, d'un logiciel graphique et d'un

23

service d'interface utilisateur, qui suscite les requêtes et simplifie la présentation de l'écran aux yeux de l'utilisateur.

j) Outil d'accès aux données : client de l'entrepôt de données.

k) Outil de requête : types spécifique d'outil d'accès aux données qui invite l'utilisateur à formuler ses propres requêtes en manipulant directement les tables et leurs jointures.

l) Application de modélisation : type de client de base de données sophistiqués doté de fonctionnalités analytiques qui transforment ou mettent en forme les résultats obtenus ; on peut avoir :

? les modèles prévisionnels, qui tentent d'établir des prévisions d'avenir ;

? les modèles de calcul comportemental, qui catégorisent et classent les comportements d'achat ou d'endettement des clients ;

? la plupart des outils de Data mining.

m) Métadonnées : toutes informations de l'environnement du Data Warehouse qui ne constituent pas les données proprement dites.

II.3. Caractéristiques d'un Data Warehouse¹⁷

Un Data Warehouse est une base de données conçue pour l'interrogation et l'analyse plutôt que le traitement de transactions. Il contient généralement des données historiques dérivées de données transactionnelles, mais il peut comprendre des données d'autres origines.

Les Data Warehouse séparent la charge d'analyse de la charge transactionnelle. Ils permettent aux entreprises de consolider des données de différentes origines.

Au sein d'une même entité fonctionnelle, le Data Warehouse joue le rôle d'outil analytique.

En complément d'une base de données, un Data Warehouse inclut une solution d'extraction, de transformation et de chargement (ETL), des fonctionnalités de traitement analytique en ligne (OLAP) et de Data mining, des outils d'analyse client et d'autres applications qui gèrent le processus de collecte et de mise à la disposition de données.

17 INMON W.-H., Building the data warehouse, QED Publishing Group, 1992, p.57.

24

II.4 Entrepôts et Bases de données

Dans l'environnement des entrepôts de données, les opérations, l'organisation des données, les critères de performance, la gestion des métadonnées, la gestion des transactions et le processus de requêtes sont très différents des systèmes de bases de données opérationnels.

Par conséquent, les SGBD relationnels orientés vers l'environnement opérationnel, ne peuvent pas être directement transplantés dans un système d'entrepôt de données.

Les SGBD ont été créés pour les applications de gestion de systèmes transactionnels. Par contre, les entrepôts de données ont été conçus pour l'aide à la prise de décision. Ils intègrent les informations qui ont pour objectif de fournir une vue globale de l'information aux analystes et aux décideurs.

Le tableau suivant résume les différences entre les systèmes de gestion de bases de données et les entrepôts de données.

	SGBD	Entrepôts de données
Objectifs	Gestion et production	Consultation et analyse
Utilisateurs	Gestionnaire de production	Décideurs, analystes
Taille de base	Plusieurs giga-octets	Plusieurs téra-octéts
Organisation de données	Par traitement	Par métier
Types de données	Données de gestion (courantes)	Données d'analyse (résumées, historisées)
Requêtes	Simples, prédéterminées, données détaillées	Complexes, spécifiques, agrégations et group by
Transactions	Courte et nombreuse, temps réel	Longues, peu nombreuses

Tableau 1 : Différence entre SGBD et entrepôts de données II.4.1 Rôle d'un entrepôt de données

Le rôle primordiale d'un data warehouse apparait ainsi évident dans une stratégie décisionnelle. L'alimentation du data warehouse en est la phase la plus critique.

En effet, importer des données inutiles en portera de nombreux problèmes, cela consommera des ressources système et du temps. De plus, cela rendra le service d'analyse plus lent. Autre point à prendre en compte est la périodicité d'extraction des données ;

25

effectivement, le plus souvent, les opérations de collecte de données sont couteuses en ressource pour la base accédée.¹⁸

II.4.2 Systèmes transactionnels et systèmes décisionnels

Les Système de Gestion de Base de Donnée (SGBD) ont été créés pour gérer de grands volumes d'information contenus dans les différents systèmes opérationnels qui appartiennent à l'entreprise.

Ces données sont manipulées en utilisant des processus transactionnels en ligne, .parallèlement à l'exploitation de l'information contenue dans ces systèmes opérationnels, les dirigeants des entreprises ont besoin d'avoir une vision globale concernant toute cette information pour faire des calculs prévisionnels, des statistiques ou pour établir des stratégies de développement et d'analyses des tendances.

	Système transactionnel	Système décisionnel
Données	Exhaustives, courantes, dynamiques	Résumées historiques statiques
	Orientées applications	Orientées sujets (d'analyse)
Utilisateurs	Nombreux	Peu nombreux
	Varies (employés, directeurs)	Uniquement les décideurs
	Concurrentes	Non concurrentes
	Mises à jour et interrogations	Interrogations
	Requêtes prédéfinies	Requêtes imprévisibles et complexes
	Réponses immédiates	Réponses moins rapides
	Accès à peu d'informations	Accès à des nombreuses informations

Tableau 2 : compare les caractéristiques des systèmes

II.4.3 Différence entre le système OLTP et le Data warehouse

Les Data Warehouse et les Systèmes OLTP (On Line Transaction Processing) répondent à besoins très différents. Les Data Warehouse conçu pour prendre en charge des interrogations ad hoc. La taille du Data Warehouse n'est pas connue à l'avance. Par conséquent, celui-ci doit être optimisé pour offrir de bonnes performances dans le cadre d'opérations d'interrogation très diverses. Les systèmes OLTP prennent généralement en

18 Dayal U., Blaustein B. T., Buchmann A. P., Chakravarthy U. S., Hsu M., Ledin R., McCarthy D. R., Rosenthal A., Sarin S. K., Carey M. J., Livny M., Jauhari R., "The HiPAC Project: Combining Active Databases and Timing Constraints", ACM SIGMOD Record, 17(3), Chicago (Illinois, USA), 1988, p.312-322

26

charge des opérations prédéfinies. Les applications peuvent être réglées ou conçues spécifiquement pour ces opérations.

Un Data Warehouse est mise à jour régulièrement par les processus ETL (Extraction, Transformation and Loading), un système de chargement de données en masse soigneusement défini et contrôlé. Il n'est pas mise à jour directement par les utilisateurs. Dans les systèmes OLTP, les utilisateurs exécutent régulièrement des instructions qui modifient les données de la base. La base de données OLTP est à jour en permanence et elle reflète l'état actuel de chaque transaction¹⁹.

Les Data Warehouse utilisent souvent des schémas dénormalisés ou partiellement dénormalisés (tels que le schéma en étoile) pour optimiser les performances des interrogations. A l'inverse, les systèmes OLTP ont souvent recours à des schémas totalement normalisés pour optimiser les performances des opérations de mise à jour, d'insertion et de suppression, et pour garantir la cohérence des données. Il s'agit là des différences générales, elles ne doivent pas être considérées comme des distinctions strictes et absolues.

De manière générale, une interrogation portant sur un Data Warehouse balaye des milliers voire des millions de lignes. En revanche, une opération OLTP standard accède à quelque enregistrement seulement.

Le Data Warehouse contient généralement des données correspondant à plusieurs mois ou années. Cela permet d'effectuer des analyses historiques. Les systèmes OLTP contiennent généralement des données quelque semaine ou mois. Ils conservent uniquement des données historiques nécessaires à la transaction en cours.

II.4.4 La problématique de l'entreprise

L'entreprise construit un système décisionnel pour améliorer sa performance, elle doit décider et anticiper en fonction de l'information disponible et capitaliser sur ses expériences.

Entreprise : est une organisation dotée d'une mission et d'un objectif métier. Elle doit sa raison d'être et /ou sa pérennité au travers de différent objectifs (sécurité, développement, rentabilité ...). Par voie de conséquence, cette organisation humaine est dotée d'un centre décision.

? Rôle de décideur : il peut être le responsable de l'entreprise, le responsable d'une fonction ou d'un secteur. Il est donc celui qui engage la pérennité ou la raison d'être de l'entreprise. Pour ces raisons, il doit s'entourer de différents moyens lui

19 R. Kimball, L. Reeves, M. Ross, W. Thornthwaite, Concevoir et déployer un data warehouse, Eyrolles, Paris, 2000, page 79

20 Matthias Jarke, Thomas List, Jörg Köller, The Challenge of Process Data Warehousing, 26th International Conference on Very Large Databases, Caire, Egypt, 2000, p.112

27

permettant une prise de décision la plus pertinente. Parmi ces moyens, les Data Warehouse ont une place primordiale.

II.4.5 La Modélisation dimensionnelle et la Modélisation Entité/Relation

a) Modélisation Entité/Relation : est une discipline qui permet d'éclairer les relation microscopique entre les données. Dans sa forme la plus artistique, elle permet de supprimer toute redondance de données. Ceci apporte de nombreux avantages au niveau du traitement des transactions, qui deviennent alors très simples et déterministes.

b) Modélisation dimensionnelle : est une méthode de conception logique qui vise à présenter les données sous une forme standardisée intuitive et qui permet des accès hautement performants. Elle adhère totalement à la dimensionnalité ainsi qu'à une discipline qui exploite le modèle relationnel en le limitant sérieusement. Chaque modèle dimensionnel se compose d'une table contenant une clé multiple, table des faits, et d'un ensemble de tables plus petite nommées, tables dimensionnelles.

Chacune de ces dernières possède une clé primaire unique, qui correspond exactement à l'un des composants de la clé multiple de la table des faits. Dans la mesure où elle possède une clé primaire multiple reliée à au moins deux clés externes, la table des faits exprime toujours une relation n, n (plusieurs-à-plusieurs).

II.4.6. Relation entre la modélisation dimensionnelle et la modélisation entité/relation

Pour mieux appréhender la relation qui existe entre la modélisation dimensionnelle et la modélisation entité/relation, il faut comprendre qu'un seul schéma entité/relation se décompose en plusieurs schémas de table des faits.

La modélisation dimensionnelle ne se met pas à son avantage en représentant sur un même schéma plusieurs processus qui ne coexistent jamais au sein d'une série de données et à un moment donné. Ce qui le rend indûment complexe. Ainsi, la conversion d'un schéma entité/relation en une série de schémas décisionnels consiste à scinder le premier en autant de sous-schémas qu'il y a de processus métier puis de les modéliser l'un après l'autre. La deuxième étape consiste à sélectionner les relations n, n (plusieurs-à-plusieurs) contenant des faits numériques et additifs (autres que les clés) et d'en faire autant de table des faits²⁰.

La troisième étape consiste à dénormaliser toutes les autres tables en table non séquentielle dotées de clés uniques qui les relient directement aux tables des faits. Elles deviennent ainsi des tables dimensionnelles. S'il arrive qu'une table dimensionnelle soit

Les deux types d'objet les plus courants dans les schémas de Data Warehouse multidimensionnels sont les tables de faits et les tables de dimension.

28

reliée à plusieurs tables des faits, nous représentons cette table dimensionnelle dans les deux schémas et dirons des tables dimensionnelles qu'elles sont conformes d'un modèle à l'autre.

II.4.6.1 Avantages de la modélisation dimensionnelle

Le modèle dimensionnel possède un grand nombre d'avantages dont le modèle entité/relation est dépourvu.

Premièrement, le modèle dimensionnel est une structure prévisible et standardisée. Les générateurs d'états, outils de requête et interfaces utilisateurs peuvent reposer fortement sur le modèle dimensionnel pour faire en sorte que les interfaces utilisateurs soient plus compréhensibles et que le traitement soit optimisé.

La deuxième force du modèle dimensionnel est que la structure prévisible du schéma en étoile réside aux changements de comportement inattendus de l'utilisateur. Toutes les dimensions sont équivalentes.

La troisième force du modèle dimensionnel réside dans le fait qu'il est extensible à loisir pour accueillir des données et des besoins d'analyse non prévus au départ. Ainsi, il est possible d'accomplir :

o Ajouter des faits nouveaux non prévus initialement ;

o Ajouter des dimensions totalement nouvelles ;

o Ajouter des attributs dimensionnels nouveaux non prévus initialement ;

o Décomposer les enregistrements d'une dimension existante en un niveau de détail plus fin à partir d'une date déterminée.

II.5. Schémas d'un Data Warehouse

Un schéma est un ensemble d'objets de la base de données tels que les tables, des vues, des vues matérialisées, des index et des synonymes. La conception du schéma d'un Data Warehouse est guidée par le modèle des données source et par les besoins utilisateurs.

L'idée fondamentale de la modélisation dimensionnelle est que presque tous les types de données peuvent être représentés dans un cube de données, dont les cellules contiennent des valeurs mesurées et les angles les dimensions naturelles de données. Nos conceptions peuvent comporter plus de trois dimensions. Techniquement, il faudrait parler d'hyper cube, bien que le terme cube de données ait été adopté par le métier.

A. Les objets d'un schéma de Data Warehouse

29

? Tables des faits : une table de faits comprend généralement des colonnes de deux types : celles qui contiennent des faits numériques (souvent appelés indicateurs) et celles qui servent de clé étrangère vers les tables de dimension. Une table de faits peut contenir des faits détaillés ou agrégées. Les tables contenant des faits agrégés sont souvent appelées tables agrégées. une table de faits contient généralement de faits de même niveau d'agrégation. La plupart des faits sont additifs, mais ils peuvent être semi-additifs ou non additifs. Les faits additifs peuvent être agrégés par simple addition arithmétique. C'est par exemple le cas des ventes. Les faits non additifs ne peuvent pas être additionnés du tout. C'est le cas des moyennes. Les faits semi-additifs peuvent être agrégés selon certaines dimensions mais pas selon d'autres.

? Tables des dimensions et hiérarchies : une dimension est une structure comprenant une ou plusieurs hiérarchies qui classe les données en catégories. Les dimensions sont des étiquettes descriptives fournissant des informations complémentaires sur les faits, qui sont stockées dans les tables de dimension. Il s'agit normalement de valeurs textuelles descriptives. Plusieurs dimensions distinctes combinées avec les faits permettant de répondre aux questions relatives à l'activité de l'entreprise. Les données de dimension son généralement collectées au plus bas niveau de détail, puis agrégées aux niveaux supérieurs en totaux plus intéressants pour l'analyse, ces agrégations ou cumuls naturels au sein d'une table de dimension sont appelés des hiérarchies. Les hiérarchies sont des structures logiques qui utilisent les niveaux ordonnées pour organiser les données. Pour une dimension temps, par exemple, une hiérarchie peut agréger les données selon le niveau mensuel, le niveau trimestriel, le niveau annuel. Au sein d'une hiérarchie, chaque niveau est connecté logiquement aux niveaux supérieurs et inférieurs. Les valeurs des niveaux inférieurs sont agrégées en valeurs de niveau supérieur.

a) Le Schéma en Etoile

Le schéma en étoile peut être le type le plus simple de schéma de Data Warehouse, il est dit en étoile parce que son diagramme entité/relation ressemble à une étoile, avec des branches partant d'une table centrale. Un schéma en étoile est caractérisé par une ou plusieurs tables de faits, très volumineuses, qui contiennent les informations essentielles du Data Warehouse et par un certain nombre de tables de dimension, beaucoup plus petites, qui contiennent chacune des informations sur les entrées associées à un attribut particulier de la table de faits. Une interrogation en étoile est une jointure entre une table de faits et un certain nombre de table de dimensions. Chaque table de dimension est jointe à la table de faits à l'aide d'une jointure de clé primaire à clé étrangère, mais les tables de dimension ne sont pas jointes entre elles.

Les schémas en étoile présentent les avantages suivants : ils fournissent une correspondance directe et intuitive entre les entités fonctionnelles analysées par les utilisateurs et la conception du schéma. Ils sont pris en charge par un grand nombre d'outils

Le principal avantage du schéma en flocons est une amélioration des performances des interrogations due à des besoins réduits en espace de stockage sur disque et la petite

30

décisionnels. La manière la plus naturelle de modéliser un Data Warehouse est la représenter par un schéma en étoile dans lequel une jointure unique établit la relation entre la table de faits et chaque table de dimension. Un schéma en étoile optimise les performances en contribuant à simplifier les interrogations et à raccourcir les temps de réponse.

Les schémas en étoile présentent néanmoins quelques limites. La table centrale peut devenir très volumineuse, sa taille maximale étant déterminée par le produit des nombres de lignes des tables de dimension. En outre, les tables de dimension ne sont plus normalisées. Elles sont donc plus volumineuses et plus difficiles à tenir à jour car elles contiennent beaucoup de données dupliquées.

Figure 2: schéma en étoile

b) Le Schéma en Flocon

Les schémas en flocons normalisent les dimensions pour éliminer les redondances. Autrement dit, les données de dimension sont stockées dans plusieurs tables et non dans une seule table de grande taille. Cette structure de schéma consomme moins d'espace disque, mais comme elle utilise davantage de tables de dimension, elle nécessite un plus grand nombre de jointures de clé secondaire. Les interrogations sont par conséquent plus complexes et moins performantes.

Dans un schéma en flocon, cette même table de faits, référence les tables de dimensions de premier niveau, au même titre que le schéma en étoile.

La différence réside dans le fait que les dimensions sont décrites par une succession de tables (à l'aide de clés étrangères) représentant la granularité de l'information. Ce schéma évite les redondances d'information mais nécessite des jointures lors des agrégats de ces dimensions.

Cette figure présente un schéma multidimensionnel pour les ventes qui ont été réalisées dans les magasins pour les différents produits au cours d'un temps donné (jour)

31

taille des tables de dimension à joindre. Le principal inconvénient de ce schéma est le travail de maintenance supplémentaire imposé par le nombre accru de tables de dimension.

Figure 3: schéma d'un modèle en flocon

c) Schéma multi dimensionnel (CUBE)

Dans le modèle multidimensionnel, le concept central est le cube, lequel est constitué des éléments appelés cellules qui peuvent contenir une ou plusieurs mesures. La localisation de la cellule est faite à travers les axes, qui correspondent chacun a une dimension.

La dimension est composée de membres qui représentent les différentes valeurs.

Figure 4: Exemple de schéma multidimensionnel

32

II.6 Le Data Mart II.6.1 Introduction

Un DataMart est un sous-ensemble d'un entrepôt de données; il est généralement exploité dans les entreprises pour restituer des informations ciblées sur un métier spécifique, constituant pour ce dernier un ensemble d'indicateurs à vocation de pilotage de l'activité et d'aide à la décision. Un DataMart, selon les définitions, est issu ou fait partie d'un Data Warehouse, et en reprend par conséquent la plupart des caractéristiques.

II.6.2 Les définitions

Le DataMart est un ensemble de données ciblées, organisées, regroupées et agrégées pour répondre à un besoin spécifique à un métier ou un domaine donné. Il est donc destiné à être interrogé sur un panel de données restreint à son domaine fonctionnel, selon des paramètres qui auront été définis à l'avance lors de sa conception.

De façon plus technique, le DataMart peut être considère de deux manières différentes, attribuées aux deux principaux théoriciens de l'informatique décisionnelle, bill inmon et Ralph Kimball :

? Définition d'inmon : le DataMart est issu d'un flux de données provenant du Data Warehouse. Contrairement a ce dernier qui présente le détail des données pour toute l'entreprise, il a vocation à présenter la donnée de manière spécialisée, agrégée et regroupée fonctionnellement.

? Définition de Kimball : le DataMart est un sous-ensemble du Data Warehouse, constitue de tables au niveau détail et à des niveaux plus agrèges, permettant de restituer tout le spectre d'une activité métier. L'ensemble des DataMarts de l'entreprise constitue le Data Warehouse.

II.6.3 La place du datamart dans l'entreprise

Le DataMart se trouve en toute fin de la chaine de traitement de l'information. En règle générale, il se situe en aval d'un Data Warehouse plus global à partir duquel il est alimenté, dont il constitue en quelque sorte un extrait.

Un DataMart forme la principale interaction entre les utilisateurs et les systèmes informatiques qui gèrent la production de l'entreprise (souvent des ERP).

Dans un DataMart, l'information est préparée pour être exploitée brute par les personnes du métier auquel il se rapporte. Pour ce faire, il est appelé a être utilise via des logiciels d'interrogation de bases de données (notamment des outils de reporting) afin de renseigner ses utilisateurs sur l'état de l'entreprise à un moment donné (stock) ou sur son activité (flux).

33

La préparation de la donnée pour une utilisation directe, inhérente au DataMart, peut revêtir plusieurs formes. Il faut noter que toutes représentent une simplification par rapport au niveau de données inferieur ; on peut citer pour exemple : L'agrégation de données : le DataMart ne contient pas le détail de toutes les opérations qui ont eu lieu, mais seulement des totaux, repartis par groupements.

a) Le retrait de données inutiles : le DataMart ne contient que les données qui sont strictement utiles aux utilisateurs. L'historisation des données : le DataMart

contient seulement la période de temps qui intéresse les utilisateurs.

II.6.4 Datawarehouse Et Datamart

La première étape d'un projet busines intelligent est de créer un entrepôt central pour avoir une vision globale des données de chaque service. Cet entrepôt porte le nom de DataWarehouse.

On peut également parler de DataMart, si seulement une catégorie de services ou métiers est concernée.

Par définition, un DataMart peut être contenu dans un DataWarehouse, ou il peut être seulement issu de celui-ci.

II.6.5. Architecture d'un Datamart

Système transactionnel

Figure 5: Architecture d'un Data Mart

II.6.6. Data Warehouse versus Data Mart

Les Data Marts représentent de toute évidence une réponse rapide aux besoins des différents départements de l'entreprise. Leur coût moindre et leur facilité d'emploi permettent une implémentation rapide et un retour à l'investissement presque immédiat. Il faut toutefois être prudent lorsque des Datamarts sont ainsi crées pour plusieurs divisions.

34

Ces dernières utilisent souvent des représentations différentes de certains concepts de gestion. Par exemple, les départements finances et marketing peuvent tous deux effectué un suivi des ventes réalisées par l'entreprise, mais défini différemment ce concept. Plus tard, si un employé du marketing a besoin de recueillir certaines informations à partir du Data Marts des finances, l'entreprise sera confrontée à un problème. Par conséquent, une vision unifiée est nécessaire même pour concevoir des Datamarts par département.

II.7 Les Serveurs OLAP (On-Line Analytical Processing)

Les données opérationnelles constituent la source principale d'un système d'information décisionnel. Les systèmes décisionnels complets reposent sur la technologie OLAP, conçue pour répondre aux besoins d'analyse des applications de gestion²¹.

Nous exposons dans la suite les divers types de stockage des informations dans les systèmes décisionnels.

II.7.1 Les Serveur ROLAP (Relational Olap)

Figure 6 : Architecture ROLAP

Dans les systèmes relationnels OLAP, l'entrepôt de données utilise une base de données relationnelle. Le stockage et la gestion de données sont relationnels. Le moteur ROLAP traduit dynamiquement le modèle logique de données multidimensionnel m en modèle de stockage relationnel r, la plupart des outils requièrent que la donnée soit structurée en utilisant un schéma en étoile ou un schéma en flocon de neige.

La technologie ROLAP a deux avantages principaux :

21 Frank Ravat, Olivier Teste, Gilles Zurfluh : Modélisation et extraction de données pour un entrepôt objet, Université Paul Sabatier (Toulouse III), IRIT (Institut de Recherche en informatique de Toulouse), équipe SIG, Toulouse, France 2001, page 47

35

1) Elle permet la définition de données complexes et multidimensionnelles en utilisant un modèle relativement simple.

2) Elle réduit le nombre de jointures à réaliser dans l'exécution d'une requête.

Le désavantage est que le langage de requêtes tel qu'il existe, n'est pas assez puisant ou n'est pas assez flexible pour supporter de vraies capacités d'OLAP.

II.7.2 Le Serveur MOLAP (Multidimensional OLAP)

Les systèmes multidimensionnels OLAP utilisent une base de données multidimensionnelle pour stocker les données de l'entrepôt et les applications analytiques sont construites directement sur elle. Dans cette architecture, le système de base de données multidimensionnel sert tant au niveau de stockage qu'au niveau de gestion des données. Les données des sources sont conformes au modèle multidimensionnel, et dans toutes les dimensions, les différentes agrégations sont pour le calculées pour des raisons de performance.

Figure 7: Architecture MOLAP

Les systèmes MOLAP doivent gérer le problème de données clairsemées, quand seulement un nombre réduit de cellules d'un cube contiennent une valeur de mesure associée.

Les avantages des systèmes MOLAP sont bases sur les désavantages des systèmes ROLAP et elles représentent la raison de leur création. D'un cote, les requêtes MOLAP sont très puissantes et flexibles en termes du processus OLAP, tandis que, d'un autre cote, le modèle physique correspond plus étroitement au modèle multidimensionnel. Néanmoins, il existe des désavantages au modèle physique MOLAP. Le plus important, a notre avis, c'est qu'il n'existe pas de standard du modèle physique.

36

II.7.3 Les Serveur HOLAP (Hybrid Olap)

Un système HOLAP est un système qui supporte et intègre un stockage des données multidimensionnel et relationnel d'une manière équivalente pour profiter des caractéristiques de correspondance et des techniques d'optimisation donc c'est l'ensemble des deux serveurs MOLAP et ROLAP.

Dans la figure 7, nous montrons une architecture en utilisant les types de serveurs ROLAP et MOLAP pour le stockage de données.

Figure 8 : Architecture HOLAP

Nous traitons une liste des caractéristiques principales qu'un système HOLAP doit

fournir :

a) La transparence du système : Pour la localisation et l'accès aux données, sans connaître si elles sont stockées dans un SGBD relationnel ou dimensionnel. Pour la transparence de la fragmentation.

b) Un modèle de données général et un schéma multidimensionnel global : Pour aboutir à la transparence du premier point, tant le modèle de données général que le langage de requête uniforme doivent être fournis. Etant donné qu'il n'existe pas un modèle standard, cette condition est difficile à réaliser.

c) Une allocation optimale dans le système de stockage : Le système HOLAP Doit bénéficier des stratégies d'allocation qui existent dans les systèmes distribués tels que : le profil de requêtes, le temps d'accès, l'équilibrage de chargement.

d) Une réallocation automatique : Toutes les caractéristiques traitées ci-dessus changent dans le temps. Ces changements peuvent provoquer la réorganisation de la distribution des données dans le système de stockage multidimensionnel et relationnel, pour assurer des performances optimales.

37

Actuellement, la plupart des systèmes commerciaux utilisent une approche hybride. Cette approche permet de manipuler des informations de l'entrepôt de données avec un moteur ROLAP, tandis que pour la gestion des DataMarts, ils utilisent l'approche multidimensionnelle.

II.7.4. Les différents outils OLAP

a) Multidimensionnel OLAP (MOLAP)

Il est plus facile et plus cher à mettre en place, il est conçu exclusivement pour l'analyse multidimensionnelle avec un mode de stockage optimisé par rapport aux chemins d'accès prédéfinis.

MOLAP repose sur un moteur spécialisé, qui stocke le data dans format tabulaire propriétaire (Cube). Pour accéder aux données de ce cube, on ne peut pas utiliser le langage de requête sql, il faut utiliser une API spécifique.

b) Relationnal OLAP (ROLAP)

Il est plus facile et moins cher à mettre en place, il est moins performant lors des phases de calculs. En effet, il fait appel à beaucoup de jointure et donc les traitements sont plus conséquents.

Il superpose au-dessus des SGBD/R bidimensionnels un modèle qui représente les données dans un format multidimensionnel.

ROLAP propose souvent un composant serveur, pour optimiser les performances lors de la navigation dans les données. Il est déconseillé d'accéder en direct à des bases de données de production pour faire des analyses tout simplement pour des raisons des performances.

c) Hybride OLAP (OLAP)

Est une solution hybride entre les deux (MOLAP et ROLAP) qui recherche un bon compromis au niveau du cout et de la performance.

HOLAP désigne les outils d'analyse multidimensionnelle qui récupèrent les données dans de bases relationnelles ou multidimensionnelles, de manière transparente pour l'utilisateur.

Ces trois notions se retrouvent surtout lors du développement des solutions. Elles dépendent du software et hardware. Lors de la modélisation, on ne s'intéresse qu'à concevoir une modélisation orientée décisionnelle, indépendamment des outils utilisés ultérieurement.

38

Conclusion partielle

Dans ce chapitre, nous avons traité l'entrepôt de données et le data mart. Nous avons donnés l'architecture d'un entrepôt de données et celle du data mart. Nous avons expliqué les différents composants qu'il intègre, les types de données et les différents outils pour arriver à la visualisation de l'information ; avons décrit les différents modèles multidimensionnels pour la construction d'un entrepôt de données, ainsi que les différentes opérations pour la manipulation des données multidimensionnelles et le parallélisme entre le deux, nous avons présenté l'apport de DataMart dans les entreprises. Le chapitre suivant abordera les notions sur le data mining et l'arbre de décision.

22 Y. Zhuge, H. Garcia-Molina, J. Hammer, J. Widom, "View Maintenance in a Warehousing Environment", SIGMOD Record, San Jose (USA), 1995, p.87

39

CHAPITRE III : LE DATA MINING ET ARBRE DE DECISION III.0 Introduction

Le terme datamining est souvent employé pour désigner l'ensemble des outils permettant à l'utilisateur d'accéder aux données de l'entreprise, de les analyser. Nous retiendrons ici le terme de data mining aux outils ayant pour objet de générer des informations riches à partir des données de l'entreprise, notamment des données historiques, de découvrir des modèles implicites dans les données.²²

Ces outils peuvent permettre par exemple à un magasin de dégager des profils de client et des achats types et de prévoir ainsi les ventes futures. Ils permettent d'augmenter la valeur des données contenues dans le DataWarehouse.

Les outils d'aides à la décision, qu'ils soient relationnels ou OLAP, laissent l'initiative à l'utilisateur, de choisir les éléments qu'il veut observer ou analyser .Au contraire ,dans le cas du datamining ,le système a l'initiative et découvre lui-même les associations entre données ,sans que l'utilisateur ait à lui dire de rechercher plutôt dans telle ou telle direction ou à poser des hypothèses .

Il est alors possible de prédire l'avenir, par le comportement d'un client, et de détecte, dans le passé, les données inusuelles, exceptionnelles.

Ces outils ne sont plus destinés aux seuls experts statisticiens mais doivent pouvoir être employés par des utilisateurs connaissant leur métier et voulant l'analyser, l'explorer.

Seul un utilisateur connaissant le métier peut déterminer si les modèles, les règles, les tendances trouvées par l'outil sont pertinentes, intéressantes et utiles à l'entreprise. Nous pourrions définir le datamining comme une démarche ayant pour objet de découvrir des relations et des faits, à la fois nouveaux et significatifs, sur de grands ensembles de données.

Le terme datamining signifie littéralement forage de données dont le but est de pouvoir extraire un élément : la connaissance.

Ces concepts s'appuient sur le constat qu'il existe au sein de chaque entreprise des informations cachées dans le gisement de données. Nous appellerons datamining l'ensemble des techniques qui permettent de transformer les données en connaissances. L'exploration se fait sur l'initiative du système, par un utilisateur métier, et son but est de remplir l'une des tâches suivantes : Classification, estimation, prédiction, regroupement par similitudes, segmentation (cautérisation), description et, dans une moindre mesure, l'optimisation.

40

III.1 Objectifs Du Data Mining23

Les objectifs du Data Mining peuvent être regroupés dans trois axes importants:

1. Prédiction (What-if) : consiste à prédire les conséquences d'un événement (ou d'une décision), se basant sur le passé.

2. Découverte de règles cachées : découvrir des règles associatives, entre différents événements (Exemple : corrélation entre les ventes de deux produits).

3. Confirmation d'hypothèses : confirmer des hypothèses proposées par les analystes et décideurs, et les doter d'un degré de confiance.

En considérant le serveur de base données ou le serveur d'entrepôt de données, le Data mining est considéré comme un client riche de ces deux serveurs. Notons que le client serveur est un mode de dialogue entre deux processus, l'un appelé client qui sollicite des services auprès de l'autre appelé serveur, par envoie des requêtes (send request en anglais). Après avoir lancé une requête par rapport au fait à analyser, le client data ming applique des méthodes ou procédures sur les données obtenues, afin d'obtenir les informations nécessaires pour la prise de décision. Ces procédures ou méthodes, sont classées en deux catégories : Apprentissage non supervisé et l'apprentissage supervisé en dehors de ces deux s'ajoute l'autre qui est l'apprentissage automatique.

a) Apprentissage non supervisé

Elle consiste à mettre en évidence les informations cachées par le grand volume de données, en vue de détecter dans ces données des tendances cachées. Les techniques utilisées sont : La segmentation (Clustering en anglais), L'analyse à composante principale, l'analyse factorielle de correspondance.

b) Apprentissage supervisé

L'apprentissage supervisé consiste à extrapoler des nouvelles connaissances à partir de l'échantillon représentatif issu de l'apprentissage non supervisé. Les techniques utilisées sont : Les réseaux de neurones, le SVM, l'arbre de décision, les réseaux de bayes, etc.

c) Apprentissage automatique

L'apprentissage automatique (machine learning en anglais), un des champs d'étude de l'intelligence artificielle, est la discipline scientifique concernée par le développement, l'analyse et l'implémentation de méthodes automatisables qui permettent à une machine (au sens large) d'évoluer grâce à un processus d'apprentissage, et ainsi de remplir des tâches

23 ADIBA .M, Entrepôts de données et fouille de données, Paris 2002, p.19

41

qui sont difficiles ou impossible d'être réalisées par des moyens algorithmiques plus classiques.

Des systèmes complexes peuvent être analysés, y compris pour des données associées à des valeurs symboliques (ex: sur un attribut numérique, non pas simplement une valeur numérique, juste un nombre, mais une valeur probabilisée, c'est-à-dire un nombre assorti d'une probabilité ou associé à un intervalle de confiance) ou un ensemble de modalités possibles sur un attribut numérique ou catégoriel.

L'analyse peut même concerner des données présentées sous forme de graphes ou d'arbres, ou encore de courbes (par exemple, la courbe d'évolution temporelle d'une mesure ; on parle alors de données continues, par opposition aux données discrètes associées à des attributs-valeurs classiques).

Le premier stade de l'analyse est celui de la classification, qui vise à « étiqueter » chaque donnée en l'associant à une classe.

III.1.1. Processus Du Datamining

Le datamining est un processus méthodique : une suite ordonnée d'opérations aboutissant à un résultat.

Le data ming est décrit comme un processus itératif complet constitué de quartes divisées en six phases qui sont représenté dans le tableau suivant :

PROCESSUS DU DATAMINING
Acteur	Etapes	Phases
Maitre d'oeuvre	Objectifs	1. Compréhension du métier :
	2. Compréhension des données
	Traitements	4 .Modélisation
		5.Evaluation de la modélisation
Maître d'ouvrage	Déploiement	6. Déploiement des résultats de l'étude

Tableau 3: le processus du datamining.

a) Compréhension du Métier :

Cette phase consisté à :

? Enoncer clairement les objectifs globaux du projet et les contraintes de l'entreprise.

42

· Traduire ses objectifs et ses contraintes en un problème de data mining

· Préparer une stratégie initiale pour atteindre ces objectifs.

b) Compréhension des données Cette phase consiste à :

Recueillir les données, utiliser l'analyse exploratoire pour se familiariser avec les données, commencé à les comprendre et imaginer ce qu'on pourrait en tirer comme connaissance. Evaluer la qualité des données, Eventuellement, sélectionner des sous-ensembles intéressants.

c) Préparation des données

Cette phase aide à préparer, à partir des données brutes, l'ensemble final des données qui va être utilisé pour toutes les phases suivantes :

· Sélectionner les cas et les variables à analyser, réaliser si nécessaire les transformations de certaines données, réaliser si nécessaire la suppression de certaines données.

d) Modélisation

La phase de la modélisation consiste à :

· Sélectionner les techniques de modélisation appropriées (pouvant être utilisées pour le même problème) calibrer les paramètres des techniques de modélisation choisies pour optimiser les résultats ;

· Eventuellement revoir la préparation des données pour l'adapter aux techniques utilisées.

e) Evaluation de la modélisation

· Pour chaque technique de modélisation utilisée, évaluer la qualité (la pertinence) des résultats obtenus ;

· Déterminer si les résultats obtenus atteignent les objectifs globaux identifiés pendant la phase de compréhension du métier ;

· Décider si on passe à la phase suivante (le déploiement) ou si on souhaite reprendre l'étude en complétant le jeu de données.

f) Déploiement des résultats obtenus

Cette phase est externe à l'analyse du datamining .Elle concerne le maître d'ouvrage. Prendre les décisions en conséquence des résultats de l'étude de data mining.

· Préparer la collecte des informations futures pour permettre de vérifier la pertinence des décisions effectivement mis en oeuvre.

43

III.1.2. Les Tâches Du Datamining

Contrairement aux idées reçues, le Data Mining n'est pas le remède miracle capable de résoudre toutes les difficultés ou besoins de l'entreprise cependant, une multitude de problèmes d'ordre intellectuel, médical, économique peuvent être regroupés, dans leurs formalisations, dans l'une des tâches suivantes :

1. Classification ;

2. Estimation ;

3. Prédiction ;

4. Discrimination ;

5. Segmentation.

III.I.2.1. Les Tâches Et Technique Du Datamining

TACHES	TECHNIQUE
Classification	L'arbre de décision
	Le raisonnement par cas
	L'analyse de lien
Estimation	Le réseau de neurones
Prédiction	L'analyse du panier de la ménagère
	Le raisonnement base sur le mémoire
	L'arbre de décision
	Les réseaux de neurones
Extraction de connaissance	L'arbre de décision

Tableau 4: les taches et technique du datamining.

En outre, hormis ces quelques techniques et tâches du datamining, nous signalons qu'il existe d'autres que nous n'avons pas énumérez dans notre travail.

44

III.2. Arbre de décision

III .2.1. Introduction à l'arbre de décision

Un arbre de décision est une structure qui permet de déduire un résultat à partir de décisions successives. Pour parcourir un arbre de décision et trouver une solution, il faut partir de la racine. Chaque noeud est une décision atomique.²⁴

Proche en proche, on descend dans l'arbre jusqu'à tomber sur une feuille. La feuille représente la réponse qu'apporte l'arbre au cas où l'on vient de tester.

a) Début à la racine de l'arbre

Descendre dans l'arbre en passant par les noeuds de test, la feuille atteinte à la fin permet de classer l'instance testée. Très souvent on considère qu'un noeud pose une question sur une variable, la valeur de cette variable permet de savoir sur quels fils descendre. Pour les variables énumérées, il est parfois possible d'avoir un fils par valeurs, on peut aussi décider que plusieurs variables différentes mènent au même sous arbre.

Pour les variables continues, il n'est pas imaginable de créer un noeud qui aurait potentiellement un nombre de fils infini, on doit discrétiser le domaine continu (arrondis, approximation), donc décider de segmenter le domaine en sous-ensembles. Plus l'arbre est simple, et plus il semble techniquement rapide à utiliser.

En fait, il est plus intéressant d'obtenir un arbre qui est adapté aux probabilités des variables à tester. La plupart du temps un arbre équilibré sera un bon résultat.

Si un sous arbre ne peut mener qu'à une solution unique, alors tout ce sous arbre peut être réduit à sa simple conclusion, cela simplifie le traitement et ne change rien au résultat final.

III.2.2. Définition

Un arbre de décision est un outil d'aide à la décision et à l'exploration de données. Il permet de modéliser simplement, graphiquement et rapidement un phénomène mesuré plus ou moins complexe. Sa lisibilité, sa rapidité d'exécution et le peu d'hypothèses nécessaires a priori expliquent sa popularité actuelle.²⁵

III.2.3. Caractéristiques et Avantages

La caractéristique principale est la lisibilité du modèle de prédiction que l'arbre de décision fourni, et de faire comprendre ses résultats afin d'emporter l'adhésion des décideurs.

24 VINCENT GUIJARRO, Les Arbres de Décisions L'algorithme ID3, lile, 2006, p.16

25 RAKOTOMALALA. : Graphes d'induction apprentissage et data mining, hermès, 2000.THESE, p.43

26 KANGIAMA LWANGI Richard : Extraction des connaissances a partir d'un entrepôt des données à l'aide de l'arbre de décision application aux données médicales, UNIKIN 2010-2011.

45

Cet arbre de décision a également la capacité de sélectionner automatiquement les variables discriminantes dans un fichier de données contenant un très grand nombre de variables potentiellement intéressantes. En ce sens, constitue aussi une technique exploratoire privilégiée pour appréhender de gros fichiers de données.

III.2.4. Algorithme ID3

L'algorithme ID3 a été développé à l'origine par ROSS QUINLAN. C'est un algorithme de classification supervisé. C'est-à-dire il se base sur des exemples déjà classés dans un ensemble de classes pour déterminer un modèle de classification. Le modèle que produit ID3 est un arbre de décision. Cet arbre servira à classer de nouveaux échantillons. Il permet aussi de générer des arbres de décisions à partir de données. Imaginons que nous ayons à notre disposition un ensemble d'enregistrements ayant la même structure, à savoir un certain nombre de paires attribut ou valeur. L'un de ses attributs représente la catégorie de l'enregistrement. Le problème consiste à construire un arbre de décision qui sur la base de réponses à des questions posées sur des attributs non cible peut prédire correctement la valeur de l'attribut cible. Souvent l'attribut cible pend seulement les valeurs vrai, faux ou échec, succès.

III.2.5. Principes

Les principales idées sur lesquels repose ID3 sont les suivantes :

Dans l'arbre de décision chaque noeud correspond à un attribut non cible et chaque arc a une valeur possible de cet attribut. Une feuille de l'arbre donne la valeur escomptée de l'attribut cible pour l'enregistrement testé décrit par le chemin de la racine de l'arbre de décision jusqu'à la feuille. (Définition d'un arbre de décision). Dans l'arbre de décision, à chaque noeud doit être associé l'attribut non cible qui apporte le plus d'information par rapport aux autres attributs non encore utilisés dans le chemin depuis la racine. (Critère d'un bon arbre de décision). L'entropie est utilisée pour mesurer la quantité d'information apportée par un noeud. (Cette notion a été introduite par Claude Shannon lors de ses recherches concernant la théorie de l'information qui sert de base à énormément de méthodes du datamining).²⁶

Algorithme

Entrées : ensemble d'attributs A; échantillon E; classe c

Début

Initialiser à l'arbre vide;

Si tous les exemples de E ont la même classe c

46

Alors étiqueter la racine par c;

Sinon si l'ensemble des attributs A est vide

Alors étiqueter la racine par la classe majoritaire dans E;

Si non soit a le meilleur attribut choisi dans A;

Étiqueter la racine par a;

Pour toute valeur v de a

Construire une branche étiquetée par v;

Soit Eav l'ensemble des exemples tels que e(a) = v;

ajouter l'arbre construit par ID3 (A-{a}, Eav, c);

Fin pour Fin sinon

Fin sinon

Retourner racine;

Fin

III.2.6. Exemple Pratique d'un Algorithme ID3

Pour introduire et exécuter "à la main" l'algorithme ID3 nous allons tout d'abord considérer l'exemple ci-dessous: Une entreprise possède les informations suivantes sur ses clients et souhaite pouvoir prédire à l'avenir si un client donné effectue des consultations de compte sur Internet.

Client	Moyenne des montants	Age	Lieu de Résidence	Etudes supérieures	Consultation par internet
1	Moyen	Moyen	Village	Oui	Oui
2	Elevé	Moyen	Bourg	Non	Non
3	Faible	Age	Bourg	Non	Non
4	Faible	Moyen	Bourg	Oui	Oui
5	Moyen	Jeune	Ville	Oui	Oui
6	Elevé	Agé	Ville	Oui	Non
7	Moyen	Agé	Ville	Oui	Non
8	Faible	Moyen	Village	Non	Non

Tableau 5: exemples pratiques

Log (P (C[ville)))

47

Ici, on voit bien que la procédure de classification à trouver, qui à partir de la description d'un client, nous indique si le client effectue la consultation de ses comptes par Internet, c'est-à-dire la classe associée au client.

o Le premier client est décrit par (M : moyen, Age : moyen, Résidence : village, Etudes : oui) et a pour classe Oui.

o Le deuxième client est décrit par (M : élevé, Age : moyen, Résidence : bourg, Etudes : non) et a pour classe Non.

Pour cela, nous allons construire un arbre de décision qui classifie les clients. Les arbres sont construits de façon descendante. Lorsqu'un test est choisi, on divise l'ensemble d'apprentissage pour chacune des branches et on

Réapplique récursivement l'algorithme.

H(C[Lieu) = -P (bourg). (P (C[bourg) log (P (C[bourg)) + P (C [bourg)

a) Choix du meilleur attribut : Pour cet algorithme deux mesures existent pour choisir le meilleur attribut : la mesure d'entropie et la mesure de fréquence:

b) L'entropie : Le gain (avec pour fonction il'entropie) est également appelé l'entropie de Shannon et peut se réécrire de la manière suivante :

Pour déterminer le premier attribut test (racine de l'arbre), on recherche l'attribut d'entropie la plus faible. On doit donc calculer H(C[Solde), H(C[Age), H(C[Lieu), H(C[Etudes), où la classe C correspond aux personnes qui consultent leurs comptes sur Internet.

H(C[Solde) = -P (faible).(P (C[faible) log(P (C[faible)) + P (C [faible) log(P (C[faible)))-P (moyen).(P (Cmoyen) log(P (Cmoyen)) + P (Cmoyen) log(P (Cmoyen)))-P (eleve).(P (C[eleve) log(P (C[eleve)) + P (C[eleve) log(P(C[eleve)))H(C[Solde)

H(CSolde) = -3/8(1/3.log(1/3) + 2/3.log(2/3)-3/8(2/3.log(2/3) + 1/3.log(1/3) -2/8(0.log (0) + 1.log(1)

H (C[Solde) = 0.20725

H(C[Age) = -P (jeune).(P (C[jeune) log(P (C[jeune)) + P (C [jeune) log(P (C[jeune)))-P (moyen).(P (C[moyen) log(P (C[moyen)) + P (C [moyen) log(P (C[moyen)))-P (age).(P (C[age) log(P (C[age)) + P (C[age) log(P (C[age)))

H(C[Age) = 0.15051

Log (P (C[bourg)))-P (village).(P (C[village) log(P (C[village)) + P (C [village) log(P (C[village)))-P (ville).(P (C[ville) log(P (C[ville)) + P (C[ville)

48

H(C[Lieu) = 0.2825

H(C[Etudes) = -P (oui).(P (C[oui) log(P (C[oui)) + P (C [oui) log(P (C[oui)))

-P (non).(P (C[non) log(P (C[non)) + P (C[non) log(P (C[non))) H(C[Etudes) = 0.18275 Le premier attribut est donc l'âge (attribut dont l'entropie est minimale). On obtient l'arbre suivant :

Age

Jeune moyen âgé

Consultation ? Consultation

Figure 9: Arbre de décision construit à partir de l'attribut âge

Pour la branche correspondant à un âge moyen, on ne peut pas conclure, on doit donc recalculer l'entropie sur la partition correspondante.

H(C|Solde) = -P (faible).(P (C|faible) log(P (C|faible)) + P (C |faible) log(P

(C|faible)))-P (moyen).(P (C|moyen) log(P (C|moyen)) + P (C|moyen)

Log (P (C|moyen)))-P (eleve). (P (C|eleve) log(P (C|eleve)) + P (C|eleve) log(P

(C|eleve)))

H(C|Solde) = -2/4(1/2.log(1/2) + 1/2.log(1/2)-1/4(1.log(1) + 0.log(0)

-1/4(0.log (0) + 1.log (1)

H (C|Solde) = 0.15051

H(C|Lieu) = -P (bourg).(P (C|bourg) log(P (C|bourg)) + P (C |bourg) log(P

(C|bourg)))-P (village).(P (C|village) log(P (C|village)) + P (C |village) log(P

(C|village)))-P (ville).(P (C|ville) log(P (C|ville)) + P (C|ville) log(P (C|ville)))

H (C|Lieu) = 0.30103

H (C|Etudes) = -P (oui).(P (C|oui) log(P (C|oui)) + P (C |oui) log(P (C|oui)))

-P (non). (P (C|non) log(P (C|non)) + P (C|non) log(P (C|non))) H(C|Etudes) = 0

L'attribut qui a l'entropie la plus faible est « Etudes ».

49

L'arbre devient alors :

Figure 10 : Arbre de décision finale

L'ensemble des exemples est classé et on constate que sur cet ensemble d'apprentissage, seuls deux attributs sur les quatre sont discriminants.

III.3 Concepts Théoriques Sur Le Graphe

III.3.1. Définition : Un graphe G est un couple G=(X, U), X est un ensemble non vide et au plus dénombrable.

Nota : X est un ensemble fini, les éléments de x X sont appelés les sommets ou noeuds. U = une famille d'éléments du produit cartésiens X€X .

Les éléments de U=(x,y) , x,y X, sont appelés : soit des arcs lorsqu'on tient compte de l'orientation, soit les arêtes lorsqu'on ne tient pas compte de l'orientation.²⁷

III.3.2. Graphe connexe a) Définition :

Un graphe est connexe si l'on peut atteindre n'importe quel sommet à partir d'un sommet quelconque en parcourant les différentes arêtes.

Exemple : soit G=(X, U) qui est un graphe connexe

Figure 11 : graphe connexe

27 MANYA NDJADI, Recherche opérationnelle, G3 informatique option Gestion, cours inédit, U.K.A 2013-2014.

Figure 13 : arborescence

50

U6 U5

U7

U8

EX :

U4

U3

U1 U2

III.3.2. Arbres et arborescence

1. Arbres

a) Définition : Un arbre est un graphe connexe sans cycle. C'est-à-dire dont on peut atteindre n'importe quel sommet à partir d'un sommet quel- conque en parcourant différents arêtes et ses arêtes ne coïncide pas.

EX :

Figure 12 : Arbre

2) Arborescence

a) Définition : une structure qui permet de déduire un résultat à partir de décision successive.

Soit G=(X, U) on dit que le sommet rX est une racine de G si V X, (avec xr) un chemin de r à x .c'est -à -dire un arbre ayant une racine.

51

Conclusion partielle

Dans ce chapitre nous avons présenté le datamining avec ses différentes méthodes, tâches, techniques et nous avons fait un briefing sur la notion relative à la théorie de graphe. Nous avons aussi construit un arbre de décision ou nous nous somme basé sur l'attribut âge et l'étude pour la démonstration. Le chapitre suivant aborder a les notions sur présentation du cadre d'étude et spécification de besoins.

52

CHAPITRE IV : PRESENTATION DU CADRE D'ETUDE ET SPECIFICATION

DE BESOINS

VI.1. La Présentation Cadre d'étude VI.1.1. Situation géographique

La Régie des Voies Aériennes de Kananga se trouve dans la ville de Kananga et dans la commune du même nom, plus précisément à l'Est de la ville. Elle est bornée au nord par la cité Mulombodi (Fondateur de l'Eglise Christ-Roi), au sud par la localité Kabanza, à l'Est par la rivière Lungandu et à l'Ouest par le marché Laurent Désiré KABILA communément appelé Tshiambandiba

VI.1.2. Historique

En 1928 une circonscription urbaine est érigée au nord de la Gare. La même année la SABENA « Société Anonyme Belge pour l'Exploitation de la Navigation Aérienne » établit une piste d'atterrissage à l'emplacement actuel de l'institut Kananga I (ex Athénée Royal de Luluabourg).

Mais le véritable aérodrome comme le premier pour la ville de Kananga a vu jour en 1940 à l'actuelle Radio Télé Nationale Congolaise (ancienne la Voix du Congo) sous gérante de l'aéronautique civile. En 1941, le nouvel aérodrome fut érigé à l'Oasis par l'OACI sur la rive droite de la route Kananga-Mbuji-Mayi. La piste de cet endroit demeura inopérationnelle pendant un temps, l'érosion l'ayant ravagé.

En 1972 l'entreprise qui s'appelait « aéronautique civile » a changé de dénomination pour adopter l'appellation « Régie des Voies Aériennes », R.V.A. en sigle depuis le 21 février 1972.

Au niveau du siège national de la Régie des Voies Aériennes, un programme fut mis en place, celui d'assurer la sécurité des aéronefs qui exploitent ses aéroports en vue de développer le transport aérien. L'exécution de programme à Kananga fut confiée aux 3 sociétés de construction qui sont affectées à ces travaux à partir du mois de mai 1975 jusqu'au Janvier 1976.

Il s'agissait de la Générale de Kinshasa Company (GKN) sous le commandement de SIR FREDERIC SNOU de l'International Limited London (pour les travaux de construction) et la société Plessy Services LTD wey Bridge (pour les travaux de balisage de la piste).

Ces travaux qui ont duré pratiquement 9 mois, permirent à l'Aéroport National de Kananga d'être compté parmi les aéroports capables de pouvoir supporter les poids des gros porteurs tels que DC-8, Boeing 707, 727, 737 et Iloshin, car sa piste qui fut de 200 m de longueur sur 30 m de largeur, était passé à 2200m de longueur et 45 m de largeur, cette piste pouvait désormais recevoir les aéronefs la nuit ou quand il fait mauvais temps sans inquiétude. (Les explications du chef du personnel lors de l'entretien)

53

Lors de l'assemblée générale extraordinaire du septembre 2014, il a été décidé de la transformation de la forme de la Société par Action à Responsabilité Limitée (SARL) en nouvelle forme de Société Anonyme Unipersonnelle, selon que le droit OHADA n'admet pas la SARL de l'ancienne forme du droit congolais.

C'est une Société Anonyme qui est l'équivalente de l'ex SARL.

VI.1.3. Statuts juridiques

La Régie des Voies Aériennes a été initialement créée par Ordonnance-Loi n°72/013 du 21 février 1972 comme entreprise publique à caractère technique et commercial et dont les statuts ont été fixés par l'Ordonnance n°78-200 du 05 mai 1978 en application de la loi n°78-02 du 6 janvier 1978 portant dispositions générales applicables aux entreprises publiques.

Elle a été transformée en Société Commerciale de forme « Société par Actions à Responsabilité Limitée » dont l'Etat est l'unique actionnaire aux termes des articles 4 et 5 de la Loi n°08/007 du 7 juillet 2008 portant dispositions générales relatives à la transformation des entreprises publiques du Décret n°09/12 du 24 avril 2009 portant liste des entreprises publiques transformées en sociétés commerciales, Etablissements publics et services publics pris en exécution de la Loi n°08/007 du juillet 2008 susdite.

Elle est régie par les statuts dressés, notariés et publiés au journal officiel de la République Démocratique du Congo numéro spécial du 29 Décembre 2010, 5^ème Année.

Au cours de l'assemblée générale extraordinaire de la Régie des Voies Aériennes tenue à Kinshasa le 06 septembre 2014, le président de ladite assemblée a expliqué aux participants la mise en harmonie des statuts de l'entreprise publique avec le droit OHADA rend obligatoire la transformation de la forme actuelle de Société par Actions à Responsabilité Limitée (SARL) pour remplacer par une des formes sociales prévues par l'acte uniforme relatif au droit des sociétés commerciales et du groupement d'intérêt économique. (PV de l'assemblée générale extraordinaire de l'actionnaire unique tenue à Kinshasa le 06/09/2014 :4)

VI.1.4. Objet social de la R.V.A.

La société a pour objet :

? De concevoir, de construire, d'aménager, d'exploiter et de développer les aéroports ainsi que leurs dépendances en République Démocratique du Congo ;

? De fournir en République Démocratique du Congo et à l'étranger, dans ses domaines de compétence tout service technique, toute prestation de nature industrielle, commerciale ou intellectuelle relatif aux opérations et à l'exploitation des aéroports notamment les services d'assistance au sol, de lutte contre l'incendie et tout autre service spécifié par la réglementation internationale ;

? D'assurer la conception, la mise en oeuvre, la gestion et le contrôle de l'espace aérien à travers des installations et services ayant pour l'objet :

? Les télécommunications aéronautiques ;

? Les aides à la navigation et à l'atterrissage ;

? La surveillance de l'espace et trafic aériens ;

54

? Le contrôle de la circulation aérienne, l'information en vol et l'alerte ;

? La gestion des flux de trafic aérien, la production et la fourniture des informations de météorologie aéronautique, aussi bien pour la circulation en route que pour l'approche et l'atterrissage sur les aérodromes et aéroports relevant de sa gestion ; et

? L'information aéronautique.

+ De vendre tous les services et prestations, d'en fixer le prix, d'en percevoir les montants et, le cas échéant, d'en modifier les tarifs au titre de redevances aéronautiques et extra-aéronautiques ; et plus généralement de recouvrer tous autres revenus par son activité sociale ;

+ De créer, de déposer, d'acquérir, de vendre, d'échanger, de céder ou d'exploiter, directement ou indirectement, tous actifs mobiliers et immobiliers, ainsi que tous brevets, licences, procédés et marques de fabrique, et en concéder toutes les licences d'exploitation.

VI.1.5. La durée de la R.V.A

La durée de la société est fixée à quatre-vingt-dix-neuf ans à compter de la date de son immatriculation au registre de commerce et du crédit mobilier, sauf dissolution anticipée ou prorogation décidée par l'Assemblée Générale de l'Etat Actionnaire.

En cas de prorogation de la durée de la société, un an au moins avant la date de son expiration, l'Actionnaire Unique devra être consulté par le conseil d'administration à l'effet de décider si la société doit être prorogée. A défaut de convocation par l'organe précité, l'Actionnaire Unique peut demander en justice la désignation d'un mandataire de justice chargé de provoquer ladite consultation.

La modification de la durée de la société, la prorogation de la société comme sa dissolution anticipée sont décidées par l'Assemblée Générale de l'Etat Actionnaire Unique.

VI.1.6. Les rôles de la R.V.A

Généralement, aucun pays ne peut manquer un aéroport ou un aérodrome. Mais cela n'exclut pas à signaler que malgré l'existence de ceux-ci, ils jouent les différents rôles selon les diverses provinces.

Il conviendrait de reconnaitre que la Régie des Voies Aériennes ayant le monopole de tous les aéroports et aérodromes officiels du pays, son rôle demeure prépondérant dans la mesure où son fief apporte à la ville de Kananga beaucoup d'avantages sur plusieurs plans. Elle joue plusieurs rôles sur la ville de Kananga qui sont :

V' Rôle technique ;

V' Rôle économique ;

V' Rôle social ;

V' Rôle politique ou stratégique ;

V' Rôle humanitaire.

55

VI.1.7. Projet d'avenir de la R.V.A

Dans l'avenir, il y a des prévisions pour le rallongement et l'agrandissement de l'actuelle piste d'atterrissage pour avoir une nouvelle piste d'atterrissage de l'aéroport national de Kananga qui sera du type international.

Cependant, l'aéroport du type international aidera la communauté Centre-Kasaïenne à leur ravitaillement en marchandises et autres choses qui viendront directement d'outre-mer ou d'autres continents.

56

VI.1.8. Organisation Et Fonctionnement VI.1.8.1. Organigramme de la R.V.A

COMMANDEMENT D'AEROPORT

SECRETARIAT

STAFF COODINATION

SERVICE MOYENS
GENERAUX

SERVICE
TECHNIQUE

SERVICE ADMINISTRATIF,
FINANCIER ET COMMERCIAL

SERVICE CIRCULATION
AERIENNE

SERVICE SURETE ET
FACILITATION

BUREAU FINANCIER

BUREAU

NAVIGATION AERIENNE

BUREAU

CIRCULATION

BUREAU ANTI-INCENDIE

BUREAU STATISTIQUE

BUREAU

TELECOMMUNICATI

BUREAU

COMMERCIAL

BUREAU

ADMINISTRATIF

BUREAU MEDICAL

BUREAU CHARROI AUTOMOBILE

BUREAU

ENTRETIE N

BUREAU

ELECTRICITE ET BALISAGE

BUREAU TELECOMS NAVAIDS

BUREAU POLICE

BUREAU

FACILITATION

Source : R.V.A/Kananga, les documents internes du secrétariat

57

VI.1.8.2. Fonctionnement de la RVA

1. Commandement d'aéroport

Il est le premier service ayant une préséance sur tous les autres services au sein de l'aéroport. Tous les autres services sont obligés à lui faire leurs rapports en vue d'une harmonisation.

Par commandement d'aéroport, il faut entendre la direction d'aéroport. Ce changement d'appellation est dû au fait qu'au début, un aéroport était géré par un Directeur d'aéroport qui devait être administratif ou technicien

Depuis un certain temps vers les années nonante, le terme commandement d'aéroport est resté le seul dont on se sert. Car, un commandant d'aéroport doit obligatoirement être un ingénieur en aviation civile pour une mise en application des règles de la navigation aérienne adoptées par l'aéronautique civile et l'organisation de l'aviation civile internationale

2. Staff coordination

C'est un service qui, en absence du commandant d'aéroport, a le devoir de prise de décision sur n'importe quel problème survenu à l'aéroport. Il contient 3 coordinateurs dont un responsable appelé Chef Staff-coordination qui est secondé par ses deux collègues.

Ce service joue le rôle de maximisation de recettes au moyen de contrôle sur les accès, l'embarquement, le domanial, le terrain nu, etc. bref sur les taxes aéronautiques et extra-aéronautiques pour faire rapport à la hiérarchie. De ce fait, les coordonnateurs sont toujours au tarmac en vue de veiller sur les embarquements. Ils restent au bureau dans le souci de surveiller les entrées pour prendre à l'objectif de leur service.

3. Secrétariat

C'est une cellule qui joue le rôle de communication entre le service du personnel et le commandement d'aéroport. Il s'occupe aussi des tâches suivantes : les appels téléphoniques entrants et sortants, la saisie de courriers, l'organisation de déplacement et de réunions, l'accueil de visiteurs. Son rôle d'interface ne se limite pas non seulement au niveau interne de l'entreprise mais va plus loin au niveau extérieur.

4. Le service administratif, financier et commercial

Ce service supervise 4 bureaux qui sont : administratif, financier commercial et médical. Le chef de ce service est appelé chef de service Administratif, Finances et commercial en abrégé SAFCO. Nous comprendrons son fonctionnement à travers les bureaux sous sa dépendance.

58

+ Bureau administratif

Ce bureau est chargé d'harmonisation de différents rouages et s'occupe essentiellement d'établir le rôle des congés annuels, circonstanciels, les bons de consultation, le contrôle des présences et des absences, tenue des dossiers administratifs du personnel, prépare les sanctions, les dossiers du pensions, enregistre le décès et naissance. Il traite généralement tous les problèmes liés aux ressources humaines.

+ Bureau de financier

C'est un bureau qui s'occupe de la gestion des recettes et des dépenses. Tout ce qui est produit comme recettes est gardé dans ce bureau mais à dépenser sur ordre du commandant d'aéroport suivant le programme établi par lui et le chargé de finances.

+ Bureau commercial

C'est le bureau générateur des recettes en dollars et francs congolais. Il tire ses redevances sur l'embarquement, route, stationnement, etc.

+ Bureau médical

C'est un bureau qui assure le suivi médical de salariés et conseille l'entreprise. Il est encore là pour la prévention des risques professionnels. Il veille sur la santé de salariés et conseille l'employeur sur l'ensemble de problématiques liées aux conditions de travail.

5. Service de circulation aérienne

Comme l'indique la structure organique, la circulation aérienne est le service purement technique qui justifie l'importance de la RVA du fait qu'elle se préoccupe surtout de la sécurité aérienne, la navigation, l'anti-incendie, sécurité aéronautique et transmission aéronautique.

+ Bureau circulation aérienne

Ce bureau remplit le rôle de garantir la sécurité des aéronefs dans l'espace aérien, son fonctionnement est assuré par les contrôleurs de trafic aérien dont la plupart sont ressortissants de l'ISTA (Institut Supérieur de Techniques appliquées). Le lieu de travail des ATC (mot anglais qui signifie Contrôleurs Transports aériens) est la tour de contrôle qui est en contact avec tous aéronefs se trouvant en l'air en vue de leur assurer la sécurité.

+ Bureau navigation

Ce bureau constitue une charnière entre la RVA et les exploitations. Toutes les informations sur les mouvements des aéronefs sont transmises par lui. Il reçoit les plans de vol des exploitants qu'il transmet à la tour de contrôle, tient à jour le relevé des

Il est chargé de gérer tous les matériels roulants de l'entreprise ; ce qui expliquerait l'appartenance des chauffeurs mécaniciens des engins à ce bureau.

59

mouvements aériens, contrôle les documents de bord (licence, certificat de navigabilité etc.), manifeste des passagers, les frets, calcule les redevances atterrissages, route, stationnement à mettre à la disposition de bureau commercial pour facturation. Les agents de ce bureau sont appelés commis piste. Ils ont le pouvoir de contrôler les documents de bord.

? Bureau anti-incendie

Ce bureau est chargé de combattre tout incendie à l'aéroport, il est doté de 2 véhicules anti-incendie laissés par la MONUSCO; ceux-ci peuvent répondre à toute ses préoccupations du fait qu'ils sauvegardent les biens et les vies humaines au sol.

? Bureau télécommunication aéronautique

Bureau vide, il a le rôle de transmettre les messages officiels de service, les heures de décollages ou d'atterrissages des avions d'une entité à une autre à l'intérieur du pays. De ce fait, il fait aussi partie de la sécurité à la navigation aérienne dans la mesure où tout aéronef décollant ou atterrissant à telle ou telle autre entité vers l'autre est attendu à destination avec précision de l'heure prévue de son atterrissage. De même que les personnages officiels dans l'aéronef sont signalés pour une prise de disposition.

? Bureau statistiques

C'est celui qui s'occupe de mouvements des aéronefs y compris la ventilation des passagers, frets ainsi que les bagages y afférents ; pour parvenir à dépister le chiffre réel de passagers, les types d'avions au départ et à l'arrivée et les frets au bout d'un mois, d'une année, etc. suivant la demande.

6. Service moyens généraux

Composé de deux bureaux : celui de l'entretien et celui du charroi automobile. Ce service s'occupe de l'entretien des infrastructures de la RVA ; il s'agit précisément de l'entretien de la piste de l'aéroport, des charrois automobiles, des bâtiments. Il se charge de tous les approvisionnements à la RVA.

? Bureau entretien

Ce bureau s'occupe de l'entretien de l'infrastructure piste et bâtiments de l'entreprise. De ce fait, il commande les peintres, les maçons, les architectes, les nettoyeurs des installations, les ingénieurs en construction.

? Bureau charroi automobile

60

7. Service technique

Composé de 2 bureaux : celui de télécoms navaids qui est vacant pour le moment et celui d'électricité et balisage. Ce service se charge de l'aménagement et réparation des appareils de télécommunication (Orthophonie, radiophonie etc.) tout en veillant à la permanence de l'énergie au niveau de l'aéroport.

? Bureau électricité et balisage

Ce bureau a comme agents : les RTC (radio techniciens contrôle) électriciens qui sont les ingénieurs formés pour la réparation des moteurs et ravitaillement des installations de la RVA en énergie électrique.

? Bureau télécoms navaids

Les agents de ce bureau s'appellent R.T.C / Télécoms. Ils sont également ingénieurs formés en tant qu'électroniciens. Ce sont ceux qui préparent les appareils électriques de télécommunication comme micro, radio etc.

8. Service de sûreté et facilitation

Il est composé de 2 bureaux : ceux de facilitation et de la police. Ce service joue le rôle du maintien de l'ordre dans les installations aéronautiques étant donné que l'aéroport est un endroit stratégique pour une province. C'est ainsi qu'on exige l'identification de toute personne qui désire y accéder.

? Bureau facilitation

C'est un bureau est chargé du protocole de l'entreprise. C'est ce bureau qui s'occupe de l'organisation de fête de l'entreprise, accueil des missionnaires, etc.

? Bureau police

Ce bureau a pour rôle la sécurité des installations aéroportuaires, des biens, des passagers, des visiteurs et des travailleurs.

Source : R.V.A / Kananga, les documents internes du bureau personnel

61

IV.1.8.3. Critique de l'existant

Après notre passage à la RVA Kananga pour mener notre étude, nous avons remarqué les points faibles suivants :

- La gestion du personnel est soumise à une gestion manuelle ; c'est-à-dire, tout ce qui est fait là est manuel ;

- Il n'y a pas un système de gestion de performance du personnel. Ce qui cause une prise de décision hasardeuse pour ce qui concerne leur prise en charge. Avec ce système de performance, la RVA sera capable de savoir les effectifs des agents salariés et non-salariés, les agents éligibles au congé et ceux éligibles à la retraite, ce qui leur sera une source d'inspiration pour les décisions concernant le personnel.

IV.8.4. Proposition de solution

Pour ainsi pallier aux failles constatées et soulevées au point ci-haut, nous proposons les solutions suivantes :

- Par rapport au recrutement de personnel, nous souhaitons mettre en place un système informatique qui va premièrement pallier la difficulté par rapport au temps de traitement des dossiers des agents. La façon de gérer manuellement le recrutement retarde certaines opérations car c'est l'Etre humain qui doit passer au constat des dossiers reçus.

- Nous mettrons également un système de gestion du personnel pour permettre aux gestionnaires de bien prendre des décisions optimales et importantes sur la gestion du personnel.

IV.2. Spécification de besoins

IV.2.1. Source de l'Application

La gestion des agents de la RVA est l'une des tâches effectuées par le Chef du personnel pour la régularisation de la situation administrative des personnels en suivant et respectant la hiérarchie qui existe depuis son recrutement jusqu'à sa retraite.

En général , les gens pensent que tous les agents de la RVA sont fonctionnaires, mais il y a des agents non fonctionnaires ; c'est-à-dire agent non encadré par la RVA ou personnel contractuel tels que l'employé de courte durée (ECD), employé de longue durée (ELD), et l'employé de fonction auxiliaire (EFA).

? Concours direct : les concours directes sont ouverts à tous les agents non fonctionnaires ;

62

a) L'employé de courte durée

Sa décision d'engagement est renouvelée chaque 6 mois ou 12 mois selon le cas dit dans le contrat. Après 6 ans de service, le personnel est intégré et après intégration il effectue un stage pendant 1 an pour devenir fonctionnaire.

b) L'employé de longue durée

C'est une attestation de classification ou engagement directe. Il a une majoration de 10% de son salaire à tous les 2 ans jusqu'à son intégration. Pour accorder la majoration, il faut faire une demande et évaluer par un bulletin individuel de note ou BIN.

c) L'Employé de fonction auxiliaire

Ce personnel est recruté par décision d'engagement. Ce contrat est renouvelé tous les 2 ans ; après 6 ans de service le personnel est devenu intégré et effectue un stage pendant 1 an avant d'être fonctionnaire.

IV.2.2. Gestion de recrutement

Le recrutement est défini comme une action d'embaucher un nouvel personnel pour travailler dans une entreprise, une société, etc. l'objectif principal est de trouver l'agent possédant la compétence et les aptitudes au poste à pourvoir pour le meilleur rendement et pour assurer la survie de l'entreprise.

a) Le mode de recrutement

Les candidats sont recrutés soit : ? Par voie de concours :

- Concours directe ;

- Concours professionnel.

? Par voie d'intégration ; ? Sur titre ;

? Sélection de dossiers.

1. Voie de concours :

63

· Concours professionnels : les concours professionnels sont fixés à tous les agents déjà fonctionnaires.

2. Voie d'intégration : le recrutement par voie d'intégration est réservé aux agents non encadré.

3. Sur titre : le recrutement sur titre est ouvert à tous.

4. Sélection des dossiers : tous personnels aptes physiquement et moralement peuvent participer à la sélection de dossiers. La sélection de dossiers dépend du profil exigé par la RVA.

b) Droits et obligations du fonctionnaire

1. Les droits

Le fonctionnaire a pour droit :

> Les fonctionnaires ont droit conformément aux règles fixées par la loi

pénale et les lois spéciales, à une protection contre les menaces, outrages,

injures ou diffamation quel que soit la cause, sans qu'il ait abus de droit ; > De grever pour la défense de leurs intérêts professionnels.

2. Les obligations

Les agents de la RVA sont tenus aux obligations :

y' De ponctualité, d'assiduité, de plein emploi, d'honnêteté et d'efficacité ; y' De l'exécution des tâches qui lui sont confiées ;

y' D'assurer la marche de son service à l'égard de ses chefs, de l'autorité qui lui a été conférée pour cet objet et de l'exécution des ordres qu'il a donnée.

c) Le poste d'affectation

L'affectation est la désignation du poste de travail d'un fonctionnaire. Le fonctionnaire est affecté à un poste de travail vacant régulièrement et normalement prévu dans l'organigramme par décision règlementaire des supérieurs hiérarchiques.

1) La prise de décision : c'est la date d'entrée dans l'administration ou date d'embauche. Le personnel doit avoir un numéro d'immatriculation et un certificat administratif. Ces 2 pièces justifient que le personnel est dès maintenant fonctionnaire.

2) Le stage : le candidat nommé après concours à un emploi de fonctionnaire est soumis à un stage dont la durée est fixée uniformément à 1 an.

64

d) Le contrat de travail

Normalement le contrat de travail ne se termine que par la mise à la retraite du travailleur ; mais il peut y avoir d'autre arrêt de contrat qui dépend du travailleur.

1) Renouvellement du contrat : le renouvellement du contrat est réservé pour les agents non encadrés de la RVA. A chaque fin du contrat, le renouvellement doit être systématique. Il est fixé à chaque 6 mois.

2) L'intégration : l'intégration est tenue pour les personnels contractuels. Il effectue son service pendant 6 ans consécutifs à compter à la date d'entrée dans l'administration. Si le personnel est devenu fonctionnaire, il doit avoir aussi un certificat administratif ; après 6 ans de prise de service, il fait l'intégration.

Après l'intégration, le personnel réalise un stage dont la durée est fixée à 6 mois. Il y a redoublement de stage si le stage si le stage effectué n'est pas satisfaisant.

3) La titularisation : la titularisation se fait après l'expiration de ce stage. S'il n'y a pas redoublement de stage le personnel est directement titularisé.

IV.2.3. Gestion de Formation

a) Le reclassement : tous les agents de la RVA ayant obtenu des diplômes, titres universitaires ou qualifications professionnelles reconnus par l'Etat Congolais, avant ou en cours de la période d'emploi, est reclassé ou assimilé aux codes des fonctionnaires correspondant à ces diplômes au titre suivant la réglementation en vigueur.

b) L'avancement : l'avancement a lieu au profit de tous les agents de la RVA dépend de l'ancienneté de service.

Il y a deux sortes d'avancement de personnel :

Avancement d'échelon ; Avancement de classe.

1. L'avancement d'échelon : est un profit des agents de l'Etat. Le personnel jouit d'un avancement automatique d'échelon au bout de 2 ans d'ancienneté après la titularisation.

2. L'avancement de classe : il se fait après la procédure d'échelon. Le corps des fonctionnaires comprend régulièrement une hiérarchisation et un échelonnement à 4 classes :

? La première classe a trois échelons ; ? La deuxième classe a trois échelons ; ? La principale a trois échelons ;

65

> La classe exceptionnelle a deux échelons.

3. La pension : les fonctionnaires mis à la retraite bénéficient des différents types de pension à compter à la date de prise de service jusqu'à la cessation de service.

IV.2.4. Gestion de congé

Tous les personnels ou agents de la RVA ont un congé qui dure 30 jours chaque année. Les personnels peuvent prendre un congé en fonction de ce qu'il veut ou cela (la prise de congé) dépend de leur choix, c'est-à-dire le nombre de jours de congé et même le temps du congé. La prise de congé dépend aussi de l'état de la société ou de l'entreprise dans laquelle on travaille ; en d'autres termes si l'entreprise ou la société est en pleine activité, on ne peut pas prendre du congé de plus si les autres personnels sont en congé. La prise de congé pour soi est presque impossible. Comme toutes choses, plusieurs facteurs poussent les personnels à prendre un congé tels que dans le domaine de santé, familiale ou autre. A noter que lorsque ces 30 jours sont tous pris ; c'est-à-dire qu'il n'y a plus de congé restant ; le personnel ne peut pas prendre un congé sauf un cas exceptionnel et lorsqu'il y a un reste cela est additionner avec celui de l'année suivante.

IV.2.5. Objectif de l'application

L'objectif de cette application est de mettre à la disposition du Chef de personnel un système permettant :

> D'enregistrer les informations concernant le personnel ;

> De bien suivre les mouvements concernant la retraite du personnel ;

> De connaitre si ce personnel est vraiment un fonctionnaire ou non

fonctionnaire déjà intégré ou pas encore, c'est-à-dire contractuel ;

> De faire les analyses sur la prestation du personnel ;

> De mettre à la disposition des gestionnaires la situation du personnel en un

temps réduit pour permettre une meilleure prise de décision ;

> De prendre toutes les décisions nécessaires pour la meilleure gestion du

personnel.

IV.2.6. Problématique du projet

Les problèmes qui ont motivé à la réalisation de ce projet sont :

· L'inexistence d'un système de gestion du personnel à la RVA : tout est fait manuellement et c'est ce qui entraine un décalage de la gestion dans le traitement des informations ;

· Le chef du personnel ne sait pas le nombre du personnel facilement et aussi toutes les informations concernant son personnel ;

66

? La prise de décision sur la gestion du personnel qui tarde chaque fois qu'on a besoin d'améliorer cette gestion ;

? En cas de décès, le déroulement des différentes procédures dispensent beaucoup de temps par manque de système permettant de gérer son personnel.

a) Liste des matériels existants

Type	Processeur	RAM	HDD	Nombre
PC	Pentium IV 2,4GHZ	512Mb	80Gb	1
	Pentium IV 2,6GHZ	512Mb	80Gb	1
	Pentium IV 2,8	512Mb	80Gb	2
		1Gb	160Gb	1
	Pentium IV 3 GHZ	1Gb	80Gb	1
		1 Gb	160Gb	1
		2Gb	120Gb	1
		2Gb	320Gb	1
	Pentium IV 3,2GHZ	1Gb	120Gb	1
	Dual Core 2GHZ	1Gb	160Gb	1
	Dual Core 2,5GHZ	4Gb	240Gb	1
	AMD Athlon 64 2,2GHZ	2Gb	160Gb	1
TOTAL				14
Portables	AMD Turion 64 1,6GHZ	768Mb	80Gb	1
	Core2 Duo 2GHZ	4Gb	500Gb	3
Total				4
Total Général				18

Tableau 6: Liste des matériels existants

b) Répartition autres matériels

Désignation	Marque	Modèle	Nombre
Onduleur 400VA	SENDON	UPS-600	2
Onduleur 850VA	UPS Technology	Upson	5
Onduleur 1500VA	UPS Technology	Upson	2
Imprimante jet d'encre	HP	D1360	1
Imprimante Laser	EPSON	LQ-2180	1
Imprimante Laser	OKI	Microline 4410	1
Imprimante Laser	LEXMARK	120n	1
Scanneur	Canon	Canoscan lide 100	1
Switch	LINKSYS	Wireless-G	1

Tableau 7: Autres matériels

²⁸ KAFUNDA KATALAYI JP, Entrepôts des données, L2 informatique option Gestion, cours inédit, U.K.A 2015-2016

67

IV.2.7. Les méthodologies des systèmes d'informations

Plusieurs méthodes existent, mais pour notre projet, nous allons utiliser la notation

UML.

a) La notation UML

UML (Unified Modeling Language) est une méthode de modélisation orientée objet développée en réponse à l'appel à propositions lancé par l'OMG (Object Management Group) dans le but de définir la notation standard pour la modélisation des applications construites à l'aide d'objets. Elle est héritée de plusieurs autres méthodes telles que OMT (Object Modeling Technique) et OOSE (Object Oriented Software Engineering) et Booch. Les principaux auteurs de la notation UML sont Grady Booch, Ivar Jacobson et Jim Rumbaugh.

Elle est utilisée pour spécifier un logiciel et/ou pour concevoir un logiciel. Dans la spécification, le modèle décrit les classes et les cas d'utilisation vus de l'utilisateur final du logiciel. Le modèle produit par une conception orientée objet est en général une extension du modèle issu de la spécification. Il enrichit ce dernier de classes, dites techniques, qui n'intéressent pas l'utilisateur final du logiciel mais seulement ses concepteurs. Il comprend les modèles des classes, des états et d'interaction. UML est également utilisée dans les phases terminales du développement avec les modèles de réalisation et de déploiement.

UML est une notation utilisant une représentation graphique. L'usage d'une représentation graphique est un complément excellent à celui de représentions textuelles. En effet, l'une comme l'autre sont ambigus mais leur utilisation simultanée permet de diminuer les ambigüités de chacune d'elle. Un dessin permet bien souvent d'exprimer clairement ce qu'un texte exprime difficilement et un bon commentaire permet d'enrichir une figure.

Il est nécessaire de préciser qu'une notation telle qu'UML ne suffit pas à produire un développement de logiciel de qualité à elle seule. En effet, UML n'est qu'un formalisme, ou plutôt un ensemble de formalismes permettant d'appréhender un problème ou un domaine et de le modéliser, ni plus ni moins. Un formalisme n'est qu'un outil. Le succès du développement du logiciel dépend évidemment de la bonne utilisation d'une notation comme

UML mais il dépend surtout de la façon dont on utilise cette méthode à l'intérieur du cycle de développement du logiciel.²⁸

68

b) Les qualités d'UML

1. Langage standard de fait

UML est reconnu parfois comme un des standards du marché. Deux facteurs ont permis à UML d'accéder à ce statut :

? -Il résulte de la fusion de trois outils préexistant complémentaires qui déjà avaient une audience non négligeable ;

? -Il a bénéficié de la force commerciale d'un éditeur particulièrement offensif : Rational, éditeur de l'outil Rose basé sur UML. Aujourd'hui, Rational est une entité membre d'IBM (depuis début 2003). Rappelons que Rational n'est pas le seul éditeur à oeuvrer dans le monde UML et que certains des outils sont gratuits dans leur version personnelle. Enfin l'utilisation d'UML est libre de droits.

2. Large spectre d'utilisation

Ce langage peut avoir un domaine d'application très étendu et les exemples cités par Dominique Vauquier prouvent qu'UML apporte des bénéfices à toute l'entreprise et pas uniquement à ceux qui s'occupent de son SI.

3. Capacité à décrire en emboîtant les niveaux d'abstraction

Les exemples cités ne seraient pas crédibles si UML ne savait pas gérer les niveaux

d'abstraction habituellement reconnus et hiérarchiser les représentations.

Ainsi, une entité du modèle (que ce soit un processus, une instance, un événement,

un flux) pourra être située dans son niveau hiérarchique :

? Le métier de l'Entreprise (niveau stratégique) ;

? Les blocs fonctionnels, concourant à l'accomplissement de ce métier (niveau

tactique) ;

? Les fonctions (processus), chargées d'une mission identifiée (niveau opérationnel I)

;

? Les activités unitaires (niveau opérationnel II).

4. Méta modèle accessible

Le langage UML donne accès à son méta modèle. Dominique Vauquier ne cite pas cette qualité non négligeable ; je me permets de la signaler. Un méta modèle est une représentation (une modélisation donc) des concepts utilisés par le langage lui-même. Cette représentation permet de théoriser sur l'outil, permet de l'enrichir facilement, permet de dégager des règles de bonne utilisation.

Par exemple, l'un des principes recommandés pour assurer la cohérence entre les diagrammes du modèle se formule ainsi :

y' Toute instance citée dans un diagramme des séquences doit être membre d'une classe citée dans un diagramme des classes ;

y' Toute classe doit avoir une entrée dans le dictionnaire des concepts métier et être citée dans au moins un Cas d'Utilisation. Dès lors qu'on se préoccupe des relations

69

entre les éléments constitutifs du langage, on attaque le méta modèle. Les promoteurs d'UML nous fournissent beaucoup de descriptions sur ses éléments constitutifs, nous permettant de formuler quelques critères qualité.

5. Points forts d'UML

UML est un langage formel et normalisé

· Gain de précision

· Gage de stabilité

· Encourage l'utilisation d'outils

UML est un support de communication performant

· Il cadre l'analyse.

· Il facilite la compréhension de représentations abstraites complexes.

· Son caractère polyvalent et sa souplesse en font un langage universel.

c) Pourquoi et comment modéliser ?

1. Qu'est-ce qu'un modèle ?

Un modèle est une représentation abstraite et simplifiée (i.e. qui exclut certains détails), d'une entité (phénomène, processus, système, etc.) du monde réel en vue de le décrire, de l'expliquer ou de le prévoir. Modèle est synonyme de théorie, mais avec une connotation pratique : un modèle, c'est une théorie orientée vers l'action qu'elle doit servir.

Concrètement, un modèle permet de réduire la complexité d'un phénomène en éliminant les détails qui n'influencent pas son comportement de manière significative. Il reflète ce que le concepteur croit important pour la compréhension et la prédiction du phénomène modélisé, les limites du phénomène modélisé dépendant des objectifs du modèle.

Un modèle est avant tout une représentation abstraite du monde réel. A ce titre, ce n'est pas le monde réel et donc ce n'est pas, exactement le monde réel. Un modèle offre donc une vision schématique d'un certain nombre d'éléments que l'on veut décrire ; un dessin quoi ! On a coutume de dire : « Un dessin vaut mieux qu'un beau discours » ; et bien écoutons et tentons de comprendre nos ancêtres, nos parents ou tout ceux qui ont pu nous répéter cette phrase. Réaliser un modèle c'est avant tout dessiner ce que l'on a compris d'un problème dans une syntaxe précise (la syntaxe UML ou Merise).

Un modèle va donc nous servir à communiquer et échanger des points de vue afin d'avoir une compréhension commune et précise d'un même problème.

2. Les niveaux d'abstractions :

Lorsque l'on a à traiter un problème complexe, il est conceptuellement impossible de l'appréhender d'un seul bloc, dans son ensemble. Notre esprit à besoin de « dégrossir » le problème afin de pouvoir le comprendre pas à pas, petit à petit. Une fois le problème découpé en sous-problèmes de taille plus petite, l'analyse de chacun de ces sous-problèmes nécessite de commencer à en comprendre les grandes lignes puis d'affiner sa compréhension pour enfin comprendre tous les détails.

70

Ce mode de résonnement est à la base même des niveaux d'abstraction que l'on retrouve dans les méthodes comme Merise (niveau conceptuel, niveau logique, niveau physique) ou RUP (niveau fonctionnel, niveau analyse, niveau conception).

Il faut donc bien comprendre la signification de ces niveaux et le nécessaire enrichissement d'un modèle de niveau N par l'analyse de niveau N+1.

3. Pourquoi modéliser ?

Modéliser un système avant sa réalisation permet de mieux comprendre le fonctionnement du système. C'est également un bon moyen de maîtriser sa complexité et d'assurer sa cohérence. Un modèle est un langage commun, précis, qui est connu par tous les membres de l'équipe et il est donc, à ce titre, un vecteur privilégié pour communiquer. Cette communication est essentielle pour aboutir à une compréhension commune aux différentes parties prenantes (notamment entre la maîtrise d'ouvrage et maîtrise d'oeuvre informatique) et précise d'un problème donné.

4. Qui doit modéliser ?

La modélisation est souvent faite par la maîtrise d'oeuvre informatique (MOE). C'est malencontreux, car les priorités de la MOE résident dans le fonctionnement de la plate-forme informatique et non dans les processus de l'entreprise.

Il est préférable que la modélisation soit réalisée par la maîtrise d'ouvrage (MOA) de sorte que le métier soit maître de ses propres concepts. La MOE doit intervenir dans le modèle lorsque, après avoir défini les concepts du métier, on doit introduire les contraintes propres à la plate-forme informatique.

d) Les Diagrammes

UML utilise plusieurs diagrammes mais les plus utilisées sont les suivantes :

1. Diagramme De Cas D'utilisation a. Généralité

Bien souvent, la maîtrise d'ouvrage et les utilisateurs ne sont pas des informaticiens. Il leur faut donc un moyen simple d'exprimer leurs besoins. C'est précisément le rôle des diagrammes de cas d'utilisation qui permettent de recueillir, d'analyser et d'organiser les besoins, et de recenser les grandes fonctionnalités d'un système. Il s'agit donc de la première étape UML d'analyse d'un système²⁹.

Un diagramme de cas d'utilisation capture le comportement d'un système, d'un sous-système, d'une classe ou d'un composant tel qu'un utilisateur extérieur le voit. Il scinde la fonctionnalité du système en unités cohérentes, les cas d'utilisation, ayant un sens pour les acteurs. Les cas d'utilisation permettent d'exprimer le besoin des utilisateurs d'un système, ils sont donc une vision orientée utilisateur de ce besoin au contraire d'une vision informatique.

²⁹ https://www.memoireonline.com

71

Il ne faut pas négliger cette première étape pour produire un logiciel conforme aux attentes des utilisateurs. Pour élaborer les cas d'utilisation, il faut se fonder sur des entretiens avec les utilisateurs.

Les diagrammes des cas d'utilisation identifient les fonctionnalités fournies par le système (cas d'utilisation), les utilisateurs qui interagissent avec le système (acteurs), et les interactions entre ces derniers. Les cas d'utilisation sont utilisés dans la phase d'analyse pour définir les besoins de "haut niveau" du système. Les objectifs principaux des diagrammes des cas d'utilisation sont:

? fournir une vue de haut-niveau de ce que fait le système ;

? Identifier les utilisateurs ("acteurs") du système ;

? Déterminer des secteurs nécessitant des interfaces homme-machine (IHM).

Les cas d'utilisation se prolongent au-delà des diagrammes imagés. En fait, des descriptions textuelles des cas d'utilisation sont souvent employées pour compléter ces derniers et représentent leurs fonctionnalités plus en détail.

b. Éléments des diagrammes de cas d'utilisation :

Les composants de base des diagrammes des cas d'utilisation sont l'acteur, le cas d'utilisation, et l'association.

? Acteur

Un acteur est un utilisateur du système, et est représenté par une figure filaire. Le rôle de l'utilisateur est écrit sous l'icône. Les acteurs ne sont pas limités aux humains. Si le système communique avec une autre application, et effectue des entrées/sorties avec elle, alors cette application peut également être considérée comme un acteur.

? Cas d'utilisation

Un cas d'utilisation représente une fonctionnalité fournie par le système, typiquement décrite sous la forme Verbe+objet (par exemple immatriculer voiture, effacer utilisateur).

Les cas d'utilisation sont représentés par une ellipse contenant leurs noms.

? Association

Les associations sont utilisées pour lier des acteurs avec des cas d'utilisation. Elles indiquent qu'un acteur participe au cas d'utilisation sous une forme quelconque. Les associations sont représentées par une ligne reliant l'acteur et le cas d'utilisation.

IV.3. Conception

Nous entrons maintenant dans la phase de conception y compris les études nécessaires, le dictionnaire de données, les règles de gestion et ensuite les diagrammes de notre projet.

72

IV.3.1. Quelques études nécessaires IV.3.1.1. Etude d'opportunité

Cette étape d'avant-projet permet d'étudier la demande de projet et de décider si le concept est viable. Cette étape a pour enjeu de valider la demande des utilisateurs par rapport aux objectifs généraux de l'organisation.

Elle consiste à définir le périmètre du projet (on parle également du contexte), notamment à définir les utilisateurs finaux, c'est-à-dire ceux qui l'ouvrage est destiné (on parle de ciblage ou profilage). A ce stade du projet il est donc utile d'associer les utilisateurs à la réflexion globale.

Lors de la phase d'opportunité, les besoins généraux de la maitrise d'ouvrage doivent être identifiés. Il est nécessaire de s'assurer que ces besoins correspondent à une attente de l'ensemble des utilisateurs cibles et qu'ils prennent en compte les évolutions probables des besoins.

Dans l'étude d'opportunité aussi on parle des avantages attendus par le projet et ici les avantages attendus par ce projet sont les suivants :

Facilité au niveau du traitement de l'information, c'est-à-dire que toute est faite automatiquement, le traitement devient de plus en plus simple et on a un gain du temps dans le domaine de travail ;

Simplifie le travail du Chef personnel, les mises à jour et les consultations qui sont faite manuellement au paravent sont tous traité par cette application ; L'automatisation de la gestion de personnel permet d'aider le chef personnel ou le service dont elle utilise pour faciliter la gestion, il suffit de cliquer pour effectuer certains traitements dans un minimum de temps.

IV.3.1.2. Etude de faisabilité

D'une manière générale, l'étude de faisabilité occupe une phase importante dans l'étude préalable de la conception d'un grand projet. Dans ce cas cette étude se subdivise en trois parties tels que : la faisabilité organisationnelle et ergonomique, faisabilité technique et faisabilité de la solution de secours.

1. Faisabilité organisationnelle et ergonomique

Pour la faisabilité organisationnelle et ergonomique : la présence de cette application nécessite la disponibilité des personnels occupant cette responsabilité, le personnel aussi a besoin de faire ou suivre des formations pour qu'il deviennent capables de manipuler notre logiciel à créer avec la conception en supposant que nous sommes les formateurs des personnels dans cette situation, et aussi pour pouvoir adapter aux nouvelles technologies, la compréhension des fonctionnements de la Nouvelle Technologie de l'Information et de la Communication (NTIC) est aussi nécessaire pour les personnels.

2. Faisabilité technique

La nécessité du matériel et logiciel est fortement recommandé pour bien exercer le processus du fonctionnement du logiciel que nous allons développer. Nous recommandons vivement à la société de se procurer de ses ordinateurs au nombre de préférence avec des

73

équipements complémentaires afin d'adapter l'automatisation du système. De ce fait, il suffit alors d'installer les logiciels nécessaires pour l'exécution de notre programme surtout notre application qui va répondre principalement les besoins de l'utilisateur. La mise à jour de notre application à créer peut être effectuée soit par le personnel que nous aurons formé, soit par nous-même en parlant donc d'un traitement e maintenance d'une négociation.

3. Faisabilité de la solution de secours

Pour bien sécuriser toutes les données importantes de cette société, il vaut mieux sauvegarder au moins deux exemplaires dans les supports distincts les informations très essentielles. Alors l'utilisation des supports physiques est nécessaire et important car dans ces distincts supports, les données sont alors bien sécurisées. En outre, il est de préférence de sauvegarder les informations dans le flash disque ou dans le CD-ROM ou dans un autre support de sauvegarde autre que le Disque Dur de la machine pour éviter la disparition des informations essentielles de la société car la plupart de ces supports que nous avons cités ci-dessus est très fiable et bien sécurisé.

L'utilisation du système RAID est évidement faisable parce qu'il suffit tout simplement d'acheter ce logiciel avec licence et l'utiliser. Le système RAID est un système avec lequel on utilise deux disques durs et l'utilisation de ce logiciel permet lorsqu'on fait une écriture à l'un des disques les informations sont aussi transmises à l'autre disque. Lorsque l'un des disques est en panne, on récupère les informations à partir de l'autre disque qui se sert d'une sauvegarde et cela permet la récupération rapide des informations au lieu de faire des copies à partir de quelques supports de sauvegarde.

IV.3.2. Dictionnaire de données

Rubrique	Description	Type	Longueur	Etat	Remarque
Im	Immatriculation	N	10	E
Nom	Nom du personnel	A	20	E
Prenom	Prénom du personnel	A	20	E
Sexe	Sexe du personnel	A	6	E
Grade	Grade du personnel	N	18	E
Tel	Téléphone du personnel	N	10	E
Adrs	Adresse du personnel	A	20	E
Code_dipl	Code du diplôme	AN	12	E	A créer
lib_dipl	Libéllé du diplôme	A	10	E	A créer
num_arrt_intgr	Numéro de l'arrêté d'intégration	N	10	E	A créer
date_arrt_intgr	Date de l'arrêté d'intégration	D	8	E	JJ/MM/AA
num_arrt_titu	Numéro arrêté de titularisation	N	10	E	A créer

74

date_arrt_titu	Date de l'arrêté de titularisation	D	10	E	JJ/MM/AA
code_cg	Code du congé	AN	6	E	A créer
pers_cg	Personnel congé	A	20	E	A créer
datedeb_cg	Date de début du congé	D	8	E	JJ/MM/AA
durée_cg	Durée du congé	N	2	E	A créer
datefin_cg	Date de fin congé	D	8	E	JJ/MM/AA
code_aff	Code d'affectation	AN	6	E	A créer
pers_aff	Personnel affecté	A	20	E	A créer
p_origine	Poste d'origine	A	10	E
p_affectation	Poste d'affectation	A	10	E	A créer
code_appartenir	Code appartenir	AN	6	E	A créer
nom_reg	Nom de la région	A	10	E
district	district	A	10	E
Lieu	Lieu	A	20	E	A créer

Tableau 8 : Dictionnaire de données

? Liste des abréviations ? A : Alphabétique ? AN : Alphanumérique ? N : Numérique

? D : Date

? E : Elémentaire

IV.3.3. Les règles de gestion

Les règles de gestion regroupent les contraintes et les liens entre les données. Voici les règles qui nous ont permis :

? RG1 : Le service Personnel gère toutes les données concernant le personnel de la RVA

? RG2 : Ce service veille sur l'information sur le poste, et on prépare les dossiers qui se rapportent à tous les droits et avantages ainsi que les obligations des personnels comme l'avancement, la distinction honorifique, les congés, l'admission à la retraite et aussi la neutralité d'appartenance politique.

? RG3 : Chaque personnel doit avoir un classeur de dossier administratif et sur un support électronique.

? RG4 : Toutes les rubriques proposées dans cette base doivent être remplies.

75

> RG5 : Chaque personnel doit avoir et remplir une fiche individuelle de renseignements dans laquelle figure son état civil, sa situation de famille, son état de service, les sanctions positives et les sanctions négatives.

> RG6 : La section situation administrative de la fiche de renseignement figure le grade, son cadre avec le numéro et la date d'arrêté, sa date d'effet et l'indice correspondant.

> RG7 : Tout personnel nouvellement recruté ou nouvellement affecté doit aviser son arrivé en établissant la lettre de prise de service. De même pour ceux qui vont partir doivent établir une lettre de cessation de service.

> RG8 : Tout personnel peut faire une demande d'affectation selon leur choix.

> RG9 : Le grade est identifié par son code, sa classe et son échelon.

> RG10 : Après la période de stage, les avancements suivants sont automatiques à chaque deux an.

> RG11 : Les personnels titularisés commencent par le grade du deuxième classe premier échelon.

> RG12 : Les ELD ou contractuels qui sont récemment titularisés jouissent des anciennetés conservées qui sont comptées de la date de son dernier avancement jusqu'à la date de l'arrêté de titularisation.

> RG13 : Tout personnel a un congé de 30 jours chaque année.

> RG14 : Les congés qui ne sont pas prise seront additionnés avec celle de l'année suivante.

> RG15 : Lorsque la retraite approche le personnel peut prendre toute le reste de son congé

> RG16 : Pour la promotion au grade supérieur il faut se référer à la date d'effet du dernier avancement et la date de promotion.

> RG17 : Les contractuels peuvent être intégrés en corps de fonctionnaires.

> RG18 : Les fonctionnaires doivent être titularisés après un an de stage.

> RG19 : Un fonctionnaire obtient un grade et une catégorie conforme à son niveau d'instruction et son diplôme obtenu.

> RG20 : Une fois intégrée, le personnel doit avoir un grade.

> RG21 : Après le recrutement, tous les personnels contractuels doivent passer en ECD et est engagé au premier contrat.

76

IV.4. La conception de diagrammes

IV.4.1. Diagramme de cas d'utilisation

Figure 14 : Diagramme de cas d'utilisation de la gestion du personnel

1°) Cas d'utilisation « Engager »

Ce cas d'utilisation sert à un engagement; c'est-à-dire le chef du personnel donne les informations du personnel à recruter.

a) Description textuelle

Identification de cas d'utilisation
Nom	Engager
Objectif	Pour pouvoir être parmi les agents de la RVA
Acteur principal	Chef du personnel
Date de création : 29/09/2021	Date de modification : 06/10/2021
Auteur	Paulinsoft
Version	1.0
Description des scénarios
Les préconditions	Pas encore inscrit
Des scénarios nominaux	1.1 Authentification
	1.2 Vérification code
	1.3 Affichage menu
	1.4 Saisie information du personnel
	1.5 Enregistrement
	1.6 Enregistrement accepté

77

Des scénarios alternatifs	Au point 1.3
	2.1 : personnel déjà engagé
	2.2 : engagement annulé
Des scénarios d'exceptions	Au point 1.4
	3.1. Erreur de saisie
	3.2. Formulaire de saisie
Des post conditions	Personnel enregistré dans la base de données

Tableau 9 : Identification de engager

b) Description graphique

1. Diagramme de séquence correspondante

Figure 15 : diagramme de séquence de cas d'utilisation engager

78

2. Diagramme d'activité correspondante

Figure 16 : diagramme d'activité engager

2°) Cas d'utilisation « Modifier personnel »

Ce cas d'utilisation sert pour la modification ; c'est-à-dire faire adapter ce qui est dans le système à la réalité.

a) Description textuelle

	Identification de cas d'utilisation
Nom		Modifier personnel
Objectif		Permet de mettre à jour l'information
Acteur principal		Chef du personnel
Date de création :	29/09/2021	Date de modification : 06/10/2021
Auteur		Paulinsoft
Version		1.0
	Description des scénarios

79

Les préconditions	Pas encore modifié
Des scénarios nominaux	1.1 Nouvelle modification
	1.2 Modification de l'information
	1.3 Validation information
	1.4 Modification terminée
Des scénarios alternatifs	Au point 1.3
	2.1 : personnel déjà modifié
	2.2 : modification annulée
Des scénarios d'exceptions	Au point 1.4
	1.1. Erreur de saisie
	1.2. Formulaire de modification
Des post conditions	Personnel modifié et enregistrement dans la base de données

Tableau 10 : identification de modifier personnel b) Description graphique

1. Diagramme de séquence correspondante

Figure 17 : diagramme de séquence modifier personnel

80

2. Diagramme d'activité correspondante

Figure 18 : diagramme d'activité modification personnel

3°) Cas d'utilisation « Lister_personnel »

Ce cas d'utilisation sert pour lister le personnel ; c'est-à-dire afficher la liste du personnel recherché.

c) Description textuelle

	Identification de cas d'utilisation
Nom		Lister personnel
Objectif		Permet d'afficher la liste de personnel
Acteur principal		Chef du personnel
Date de création :	29/09/2021	Date de modification : 06/10/2021
Auteur		Paulinsoft
Version		1.0
	Description des scénarios

81

Les préconditions	Pas encore lister
Des scénarios nominaux	1.1. Nouveau listage
	1.2. listage de l'information
	1.3. Validation information
	1.4. Listage terminé
Des scénarios alternatifs	Au point 1.3
	2.1 : personnel déjà listé
	2.2 : listage annulé
Des scénarios d'exceptions	Au point 1.4
	1.3. Erreur de saisie
	1.4. Formulaire de modification
Des post conditions	Personnel listé et enregistrement dans la base de données

Tableau 11 : identification de lister personnel d) Description graphique

3. Diagramme de séquence correspondante

Figure 19 : diagramme de séquence modifier personnel

82

4. Diagramme d'activité correspondante

Figure 20 : diagramme d'activité modification personnel

83

IV.4.2. Diagramme de classe

Figure 21 : diagramme de classe de la gestion du personnel

84

Conclusion partielle

Ce chapitre comporter deux parties dont : l'analyse de l'existant et la conception, quant à l'analyse de l'existant nous avons présenté notre cadre de recherche qui est la RVA Kananga et son fonctionnement. Quant à la deuxième partie nous a eu à faire la modélisation à l'aide de Start UML qui nous a faciliter la tâche de concevoir le diagramme de cas d'utilisation, de séquence, d'activité et enfin celui de classe. Le chapitre suivant présentera l'implémentation de notre solution.

85

CHAPITRE V : IMPLEMENTATION DE LA SOLUTION

V.1. Présentation De L'outil

C'est la phase finale de la conception de système d'information. Elle consiste à concevoir un entrepôt de données pour arriver aux traitements souhaités pour les besoins de l'entreprise.

Pour notre mémoire, nous avons choisi SQL Server 2008 comme SGBD afin de stocker nos données qui concernent les personnels de la RVA. Ce choix est justifié par le fait que le modèle relationnel offre la possibilité de manipuler facilement les données rapidement.

V.2. Table de faits

Voici notre table de faits pour l'analyse :

Analyse de la situation du personnel

- Nombre de personnel - Salaires - Date d'integration - Date de titularisation

V.3. Première partie : Système transactionnel (OLTP)

1. Création d'une base de données

Voici comment nous avons procéder pour créer notre base de données :

? Démarrer/SQL Server 2008/SQL Server Management Studio

? Préciser le mode d'accès à votre server (Authentification Windows ou

Authentification SQL server)

? Le nom de votre serveur

? Pour l'authentification SQL server vous devez préciser la connexion (par

exemple sa si on accède au serveur comme administrateur) et votre mot de

passe. Voir la figure suivante :

? Cliquer sur le bouton se conn

86

Figure 22 : SQL Server

On obtient ensuite la figure suivante :

Figure 23 : Microsoft SQL Server Management Studio Création d'une nouvelle base de données :

V' Se positionner le noeud racine de l'arbre. C'est-à-dire sur le noeud base de données

V' Clic droit sur ce noeud base de données

V' Clic sur nouvelle base de données

V' Donner un nom à votre base de données

V' Clic sur le bouton ok

Voici l'acheminement de ces étapes sur les figures suivantes :

87

Figure 24 : création de la base de données

Figure 25 : nouvelle base de données Notre base de données est nommée Gestion_personnel Clic sur le bouton ok

Pour la création des tables on procède de la manière suivante :

? Cliquer sur le symbole + à côté du noeud base de données pour voir tous ses noeuds fils,

? Se positionner sur la base de données Gestion_personnel

88

? Cliquer sur le symbole + à côté de Gestion_personnel ? Clic droit sur le noeud table

? Clic sur nouvelle table

Voir la figure suivante :

Figure 26 : table

V.4. Deuxième partie : Système Décisionnel (OLAP)

Lancer le Business Intelligence Management Studio

Cliquer sur Démarrer/Programme/Sql server 2008/ server Business Intelligence Development Studio

89

Figure 27 : Business Intelligence

Cliquer sur créer projet ou Fichier/Nouveau projet Sélectionner, projet business intelligence

Sélectionner, projet analysis service

Donner un nom à votre projet

V.5. Création Source de données

Clic droit sur source de données/clic sur nouvelle source de données

L'assistant source de données s'affiche

Cliquer sur le bouton suivant

Cliquer sur le bouton nouveau

Cliquer sur ok

90

Figure 28 : Assistant Source de données

Définir le provider (fournisseur)

Prendre Microsoft OLEDB Provider for SQL SERVER

Sélectionner votre base de données

Cliquer sur le bouton suivant

Clic sur nouvelle source de données

91

Figure 29 : Gestionnaire de connexion

Cliquer sur le bouton suivant

92

Figure 30 : Assistant source de données

V.6. Création Vue de données

> Clic droit sur vue des sources de données

> Clic droit sur nouvelle source de données

> Clic sur suivant, suivant

> Désactiver la case créer des relations logique en faisant correspondre les colonnes

> Clic sur suivant

> Sélectionner les tables en cliquant sur le bouton à deux flèches »

> Clic sur suivant

> Clic sur terminer

93

Voir les figures suivantes :

Figure 31 : Sélection des tables

Créer votre vue en glissant à partir de table de fait chaque clé étrangère vers la table de dimension correspondante

Création d'une nouvelle dimension

? Clic droit sur Dimension/nouvelle Dimension

? Clic sur suivant ? Clic sur suivant

? Choisir Temps comme table principale

94

> Définir la hiérarchie (ex : Année/Trimestre/Mois/Date)

Figure 32 : création dimensions

V.7. Création du Cube

> Clic sur droit sur Cubes

> Clic sur nouveau cube

> Clic sur suivant

> Clic sur suivant

> Cocher la case de table de fait

> Clic sur suivant, suivant, suivant, suivant, Terminer

95

Figure 33 : création de cube

Double cliquer sur chacune de dimension et glisser les attributs vers la gauche Exécuter en démarrant le débogage (clic sur le bouton verts ou touche F5) Double clic sur le cube / Clic sur l'onglet navigateur

96

Conclusion partielle

Mieux vaut la fin d'une chose que son commencement dit-on, dans ce chapitre nous avons présenté notre solution informatique qui est l'entrepôt de données dont nous avons abordé le système OLTP et le système OLAP qui nous ont conduit au déploiement du cube afin de matérialiser ce qu'a été notre rêve et notre désir d'aider la RVA afin d'appliquer l'informatique décisionnel pour une meilleure prise de décision.

97

CONCLUSION GENERALE

Nous voici arrivé au terme de notre réflexion scientifique, fruit de nos recherches rendues visibles par ce travail de fin de notre deuxième cycle qui sanctionne la fin de nos études universitaires à l'université Saint Laurent de Kananga (USLKA), dans la faculté de Sciences Informatiques, Option Conception de système d'information et programmation avancée ; travail qui a porté sur la modélisation et l'implémentation d'un système décisionnel pour la gestion du personnel à la Régie des Voies Aériennes de Kananga.

Dans notre travail, nous avons parlé d'abord du système décisionnel qui présente l'ensemble des processus qui permettent de collecter, d'intégrer, de modéliser et de présenter les données.

Nous avons également parlé des entrepôts de données qui constituent le coeur du système décisionnel jouant un rôle référentiel pour l'entreprise puisqu'il permet de fédérer des données souvent éparpillées dans les différentes base de données et nous avons déployé notre entrepôt de données avec le SQL Server 2012.

Quant à la conception, nous avons utilisé le langage de modélisation UML afin de dresser les différents diagrammes nécessaires à notre travail.

De ce qui précède, nous sommes convaincus que l'ensemble des préoccupations soulevées à la problématique de notre travail ont été résolues.

Le but de ce modeste travail est de mettre de mettre en place un système décisionnel afin d'aider le gestionnaire des ressources humaines en particulier le Chef du personnel de la Régie des Voies Aériennes de Kananga d'avoir une vue d'ensemble sur les informations concernant la gestion du personnel.

Notre contribution dans cette étude était de réaliser un entrepôt de données pour la gestion du personnel afin que le Chef du personnel établisse au moment opportun son rapport et prenne des meilleures décisions dans un très bref délai.

Enfin, nous disons à nos chers lecteurs que ce travail étant une oeuvre scientifique et humaine peut avoir des imperfections, ainsi, vos remarques, critiques et suggestions seront les bienvenues pour sa perfection car il reste ouvert.

98

BIBLIOGRAPHIE

A. Ouvrages

1. ADIBA .M, Entrepôts de données et fouille de données, Paris 2002

2. AHMED T., MIQUEL M., LAURINI R., « Continuous data warehouse : concepts, challenges and potentials », Proc. of the 12th International Conference on Geoinformatics, 2004

3. Bertino E., Ferrari E., Guerrini G., Merlo I., "Extending the ODMG Object Model with Composite Objects", OOPSLA'98, Vancouver (Canada), 1998

4. Bret F., Teste O., "Construction Graphique d'Entrepôts et de Magasins de Données", INFORSID'99, La Garde (France), Juin 1999.

5. Chaudhuri S., Dayal U., "An Overview of Data Warehousing and OLAP Technology", ACM SIGMOD Record, 26(1), 1997

6. Dayal U., Blaustein B. T., Buchmann A. P., Chakravarthy U. S., Hsu M., Ledin R., McCarthy

D. R., Rosenthal A., Sarin S. K., Carey M. J., Livny M., Jauhari R., "The HiPAC Project: Combining Active Databases and Timing Constraints", ACM SIGMOD Record, 17(3), Chicago (Illinois, USA), 1988

7. FREYSSINET J. ; Méthode de recherche en Sciences Sociales, éd.Mont Chrétien, Paris, 1997

8. G.A. Gorry et M.S. Scott-Morton, « A framework for management information systems », Sloane Management Review 1971

9. GRAWITZ M. ; Les méthodes des Sciences Sociales, Paris, édition Dalloz, 1955

10. Groupe EVOLUTION. F. Bret. T. Cruanees. I. Guessarian. E. Metais. M-C. Rousset. S. Schwer. O. Teste. G. Zurfluh, Ingénerie des systèmes d'information , édition HERMES, 2001

11. INMON W.-H., Building the data warehouse, QED Publishing Group, 1992

12. Jarke M., Lenzerini M., Vassiliou Y., Vassiliadis P., "Fundamentals of Data Warehouses", Ed. Springer Verlag, ISBN 3-540-65365-1, 1999

13. Matthias Jarke, Thomas List, Jörg Köller, The Challenge of Process Data Warehousing, 26th International Conference on Very Large Databases, Caire, Egypt, 2000

14. P.F. Drucker, « Managing in a Time of Great Change (The Post-Capitalist Executive) », Penguin 1995.

15. R. Kimball, L. Reeves, M. Ross, W. Thornthwaite, Concevoir et déployer un data warehouse, Eyrolles, Paris, 2000

16. S. Kelly, « Data Warehousing - The Route to Mass Customization », John Wiley & Sons 1996

17. Samos J., Saltor F., Sistrac J., Bardés A., "Database Architecture for Data Warehousing: An evolutionary Approach", DEXA'98, Vienna (Austria), 1998

18. VINCENT GUIJARRO, Les Arbres de Décisions L'algorithme ID3, lile, 2006

19. Y. Zhuge, H. Garcia-Molina, J. Hammer, J. Widom, "View Maintenance in a Warehousing Environment", SIGMOD Record, San Jose (USA), 1995

B. Notes de cours et thèses

1. KAFUNDA KATALAYI JP, Entrepôts des données, L2 informatique option Gestion, cours inédit, U.K.A 2015-2016.

2. KANGIAMA LWANGI Richard : Extraction des connaissances a partir d'un entrepôt des données à l'aide de l'arbre de décision application aux données médicales, UNIKIN 20102011.

99

3. MALENGA M. ; Notes de cours d'initiation à la Recherche Scientifique, G1 Informatique, USLKA, 2016-2017, inédit

4. MUKADI C. ; Notes de Cours de Méthodes de Recherche Scientifique, G2 Informatique, USLKA, 2017-2018, inédit

5. RAKOTOMALALA. : Graphes d'induction apprentissage et data mining, hermès, 2000.THESE

C. Webographie

1. https://www.wikipédia.com/système decisionnel/

2. https://www.memoireonline.com

3. https://www.cyberzoide.developpez.com

100

Table des matières

EPIGRAPHE I

IN MEMORIAM II

DEDICACE III

REMERCIEMENTS IV

SIGLES VI

LISTE DE FIGURES VII

LISTE DE TABLEAUX VIII

0. INTRODUCTION GENERALE 1

0.1. Choix et intérêt du sujet 2

0.2. Etat de la question 2

0.3. Problématique et hypothèses 3

0.4. Méthodes et techniques 3

0.5. Objectif de la recherche 4

0.6. Délimitation de la recherche 5

0.7. Subdivision du travail 5

CHAPITRE I : GENERALITES SUR LES SYSTEMES DECISIONNELS 6

I.0. Introduction 6

I.1. Présentation du décisionnelle 6

I.2. Définition d'un système décisionnel 6

I.3. Historique des systèmes décisionnels 9

I.4. L'informatique décisionnelle 9

I.5. Définition d'un système décisionnel (Business intelligence) 9

I.6. Les différents éléments constitutifs du système décisionnel 11

I.7. Les fonctionnalités d'un système décisionnel 12

I.8. Les apports des systèmes décisionnels 13

I.9. Les Enjeux De L'informatique Décisionnelle 14

I.10. Les fonctions essentielles de l'informatique décisionnelle 14

I.11. Définition des Modèles de Données Décisionnels 17

Conclusion partielle 19

CHAPITRE II: DATA WAREHOUSE 20

II.1. Introduction 20

II.2. Définition d'un data warehouse (DW) 20

II.3. Caractéristiques d'un Data Warehouse 23

II.4 Entrepôts et Bases de données 24

II.5. Schémas d'un Data Warehouse 28

II.6 Le Data Mart 32

II.7 Les Serveurs OLAP (On-Line Analytical Processing) 34

Conclusion partielle 38

CHAPITRE III : LE DATA MINING ET ARBRE DE DECISION 39

III.0 Introduction 39

III.1 Objectifs Du Data Mining 40

III.1.1. Processus Du Datamining 41

III.1.2. Les Tâches Du Datamining 43

III.I.2.1. Les Tâches Et Technique Du Datamining 43

101

III.2. Arbre de décision 44

III .2.1. Introduction à l'arbre de décision 44

III.2.2. Définition 44

III.2.3. Caractéristiques et Avantages 44

III.2.4. Algorithme ID3 45

III.2.5. Principes 45

III.2.6. Exemple Pratique d'un Algorithme ID3 46

III.3 Concepts Théoriques Sur Le Graphe 49

Conclusion partielle 51

CHAPITRE IV : PRESENTATION DU CADRE D'ETUDE ET SPECIFICATION DE BESOINS 52

VI.1. La Présentation Cadre d'étude 52

IV.2. Spécification de besoins 61

IV.3. Conception 71

IV.4. La conception de diagrammes 76

Conclusion partielle 84

CHAPITRE V : IMPLEMENTATION DE LA SOLUTION 85

V.1. Présentation De L'outil 85

V.2. SQL SERVER 2008 85

V.3. Première partie : Système transactionnel (OLTP) 85

V.4. Deuxième partie : Système Décisionnel (OLAP) 88

V.5. Création Source de données 89

V.6. Création Vue de données 92

Création d'une nouvelle dimension 93

V.7. Création du Cube 94

Conclusion partielle 96

CONCLUSION GENERALE 97

BIBLIOGRAPHIE 98