2.1. Acquisition des connaissances et mémoires collectives (Rose Dieng-Kuntz)

2.1.1. Ingénierie des connaissances

1L’ingénierie des connaissances offre des concepts, des modèles et des méthodes pour :

• analyser la création et l’utilisation des connaissances individuelles ou collectives dans différents contextes ;

• guider l’acquisition des connaissances à partir de sources humaines ou via l’inter-. prétation des productions (en particulier les documents) matérialisant leurs connaissances ;

• modéliser ces connaissances ;

• les formaliser et les exploiter dans des systèmes informatiques permettant d’assister des acteurs humains dans leurs activités individuelles ou collectives.

2Les années 1990 avaient été marquées par les méthodes de modélisation des connaissances telles que KADS et KOD, par les travaux sur la réutilisabilité des « méthodes de résolution des problèmes » (« problem-solving methods »), ou sur des bases de connaissances formelles. Mais de nouveaux cadres de modélisation, désormais centrés sur les utilisateurs ou les organisations, ont été proposés. Les recherches sur les ontologies (visant à spécifier de manière consensuelle les concepts manipulés au sein d’une communauté et leurs relations) se sont nettement amplifiées et influencent même les communautés « Bases de Données », « Ingénierie éducative » et « Systèmes multiagents ». En revanche, les méthodes de résolution des problèmes ont connu une nette baisse d’intérêt ; cependant, elles pourraient connaître un regain d’intérêt grâce aux services du Web.

2.1.2. Vers des systèmes d’assistance guidés par les usages

3Désormais, les recherches ne visent plus à développer des systèmes à base de connaissances mais plutôt des systèmes informatiques permettant d’assister des acteurs humains dans leurs activités individuelles ou collectives (les mémoires organisationnelles ou les collecticiels en sont des exemples) et prenant en compte les usages et les contextes humains et organisationnels des connaissances.

4L’importance des documents et des textes comme sources de connaissances ou comme traces/témoins de connaissances est désormais reconnue. Les liens se sont renforcés ou établis avec d’autres disciplines telles que la terminologie comme en témoigne la collaboration fructueuse au sein du groupe TIA (Terminologie et Intelligence Artificielle) dont la méthodologie inspire désormais de nombreuses recherches sur l’acquisition de ressources termino-ontologiques à partir de textes. Les progrès dans les outils de TALN (traitement automatique de la langue naturelle) ou dans les technologies du Web sémantique ont permis des avancées intéressantes : divers travaux exploitent des outils linguistiques ou statistiques, des approches sociolinguistiques ou des techniques d’apprentissage pour l’acquisition de connaissances à partir de corpus textuels. Si les approches purement automatiques sont considérées comme un Graal difficile à atteindre ou sont rejetées du fait de leur ignorance des usages et des contextes des utilisateurs, des méthodes semi-automatiques permettent d’assister les humains (sources de connaissances, annotateurs, etc.) grâce à des outils traitant de larges volumes de textes. Les technologies du Web sémantique ou des approches coopératives sont exploitées pour l’indexation ou l’annotation de documents, éventuellement multimédia, internes à une organisation ou en provenance du Web. Des liens se sont également noués autour de thèmes aussi divers que la conception, le raisonnement à partir de cas, les systèmes multiagents, l’ingénierie éducative... Les modèles et méthodes d’ingénierie des connaissances ont été appliqués dans des domaines variés tels que la médecine, la biologie, les transports, l’accidentologie, le domaine juridique, l’architecture, le calcul scientifique, le traitement d’images.

2.1.3. Mémoires collectives

5Au sein d’une organisation voire entre plusieurs organisations, des individus, des groupes structurés ou des communautés informelles échangent, partagent, créent des connaissances. La gestion des connaissances (« knowledge management ») requiert la prise en compte des individus, des organisations dans lesquelles ils interagissent et des outils technologiques pouvant aider à cette gestion des connaissances. Comment préserver la mémoire collective ainsi créée à l’échelle des groupes, des communautés ou des organisations ? Deux approches sont possibles : certains chercheurs considèrent le problème de la mémoire collective comme un problème de recherche à part entière tandis que d’autres le considèrent comme une application particulière d’autres thèmes de recherche. L’approche de construction d’une mémoire organisationnelle (ou mémoire d’entreprise) privilégie les besoins de capitalisation de connaissances et repose souvent sur des techniques d’ingénierie des connaissances. Le positionnement de la mémoire organisationnelle par rapport à la notion plus large de gestion des connaissances ou par rapport à la gestion des compétences a été éclairci. Les spécialistes de la gestion, du management, des sciences sociales, de la psychologie/ergonomie cognitives, des sciences de l’information, de l’ingénierie des connaissances, du raisonnement à partir de cas, des systèmes multiagents commencent progressivement à se rapprocher pour mettre en œuvre des recherches pluridisciplinaires. Notons en outre la diversité des scénarios étudiés : mémoire de projet interne à une organisation ou à une multiorganisation, mémoire de formation à des fins éducatives, mémoire de communauté, mémoire d’expériences, cartographie des compétences, veille stratégique, technologique ou scientifique, aide au travail collaboratif...

Évolution des travaux sur la mémoire collective

6Nous pouvons souligner des avancées récentes sur les points suivants :

• La diversité des organisations étudiées : il y a quelques années, seules les entreprises classiques étaient étudiées. Maintenant, outre les grands groupes, des recherches portent sur les mémoires des PME ou des administrations (le e-government), sur les notions d’entreprise étendue/virtuelle ou de communauté de pratique/d’intérêt/professionnelle. Une telle communauté informelle est considérée comme un vecteur privilégié de partage de connaissances.

• La prise en compte des connaissances tacites : comme le soulignait Nonaka, les processus d’apprentissage organisationnel reposent sur des processus de conversion entre connaissances explicites et connaissances tacites, aux niveaux individuel, collectif et organisationnel. Les connaissances tacites ayant la plus grande valeur ajoutée, les recherches pour tenter de les capturer sont de plus en plus nombreuses.

• L’exploitation des technologies du Web sémantique pour la construction de mémoires organisationnelles (mémoires d’entreprise ou mémoires de communautés) : l’engouement actuel pour le Web sémantique a permis de diffuser l’intérêt de l’exploitation de XML, des ontologies et des approches « Web sémantique organisationnel » pour la mémoire organisationnelle. Le fait de se restreindre à une organisation permet des hypothèses simplificatrices par rapport au Web ouvert. En outre, la mémoire d’entreprise ou d’une communauté est une excellente application pour tester les technologies récentes proposées pour le Web sémantique. D’autre part, certains scénarios de gestion des connaissances tels que la veille stratégique, scientifique ou technologique peuvent reposer sur le Web ouvert.

• Les ontologies : leur rôle pour la mémoire organisationnelle a été approfondi et ces ontologies peuvent être aussi bien un composant de la mémoire organisationnelle qu’une référence permettant d’indexer les éléments de la mémoire et d’améliorer la recherche d’information dans la mémoire ou la navigation dans la mémoire. Les interfaces permettant l’exploration de telles ontologies ou de la mémoire qu’elles permettent d’indexer doivent cacher à l’utilisateur final la complexité de ces ontologies. Ces interfaces doivent être personnalisées et si possible adaptées au profil de l’utilisateur et à son contexte (même si ce dernier est parfois difficile à prévoir par le concepteur de la mémoire). Une collaboration avec les spécialistes de l’interaction humain-machine s’avère indispensable à ces fins.

• Les approches coopératives : considérant que l’objectif premier de la gestion des connaissances est d’améliorer la coopération entre humains au sein d’une organisation ou entre plusieurs organisations, certains travaux privilégient les collecticiels et visent par exemple une intégration de méthodes de modélisation des connaissances avec des modèles issus du CSCW (Computer Supported Collaborative Work). Sont aussi analysés les modes de coopération au sein de communautés de pratique ayant une structure plus souple et informelle que des entreprises structurées. Les différences entre communautés d’intérêt, communautés d’action et communautés professionnelles sont étudiées. Certains chercheurs soulignent que seul un web socio-sémantique peut assurer au Web un véritable rôle d’aide à la coopération entre humains.

• L’exploitation de textes : d’une part, les textes jouent le rôle de sources de connaissances à partir desquelles pourra être construite une mémoire organisationnelle, d’autre part, les documents (textuels ou multimédia) peuvent constituer des composants de cette mémoire. De ce fait, le rapprochement entre d’une part, ingénierie des connaissances et d’autre part, terminologie a également bénéficié aux travaux sur la mémoire collective. Par exemple, les approches « Web sémantique d’entreprise » reposant sur des ressources annotées sémantiquement par rapport à des ontologies peuvent exploiter des outils de traitement automatique de la langue naturelle et des méthodes basées sur la linguistique de corpus pour construire de telles ontologies et de telles annotations.

• La prise en compte de multiples points de vue : le problème ancien de la multiexpertise continue d’être approfondi par le biais de la gestion de multiples modèles d’expertise, de multiples ontologies ou de multiples points de vue – thèmes qui ont remplacé les travaux sur l’acquisition des connaissances à partir de multiples experts. Une mémoire collective doit pouvoir intégrer de multiples points de vue (éventuellement contradictoires) et différents contextes. De même, l’exploitation de systèmes multiagents est de plus en plus fréquente : architecture multiagents pour la mémoire d’entreprise, agents intelligents coopérant pour gérer une mémoire distribuée, pour y rechercher de l’information ou pour la dissémination proactive d’information vers les utilisateurs en fonction de leurs centres d’intérêt.

2.1.4. Modèles, méthodes et outils pour la mémoire collective

7Des modèles tels que les places de marché ou des modèles de coopération entre entreprises ont été établis. Par rapport à des démarches coûteuses de modélisation des connaissances, de nouveaux types de modèles utiles pour la mémoire organisationnelle ont été étudiés : modèle de compétences individuelles ou collectives, utiles pour la cartographie des compétences, etc. Le lien entre gestion des connaissances et gestion des compétences a d’ailleurs été approfondi.

8Des retours d’expériences de méthodes telles que MKSM, REX, SAGACE appliquées à de vrais problèmes industriels ont permis d’évaluer ces méthodes et de les faire évoluer. Ainsi MASK est une évolution de MKSM grâce à l’intégration de deux autres dimensions : l’intelligence économique et l’innovation. Afin de mieux prendre en compte les usages, des approches participatives de co-conception par les développeurs, les intéressés (« stakeholders ») et les représentants des intéressés sont de plus en plus prônées. L’approche scénarios de Carroll est de plus en plus utilisée pour les phases de détection des besoins et d’évaluation d’une mémoire d’entreprise.

9Outre le foisonnement d’outils industriels dits « outils de knowledge management » commercialisés (et offrant en général des fonctionnalités de gestion documentaire, de recherche d’information ou de gestion de workflows), les laboratoires de recherche développent des outils basés sur les technologies du Web sémantique, sur l’exploitation d’outils de TALN, sur les collecticiels, sur le raisonnement à partir de cas ou sur les systèmes multiagents.

2.1.5. Un peu de prospective

10Au niveau national comme international, les thèmes les plus vivants et les plus fructueux depuis quelques années et probablement dans le futur sont : les ontologies, l’acquisition de ressources termino-ontologiques à partir de textes, le Web sémantique et la gestion des connaissances. En ce qui concerne les ontologies, le Web sémantique et les textes, nous invitons le lecteur à se référer aux chapitres correspondants. Nous nous focaliserons donc plutôt sur les mémoires collectives.

11Le rapprochement entre disciplines devrait aboutir à de véritables collaborations et plusieurs problèmes importants vont être approfondis :

• L’aide à l’innovation et à la création de connaissances dans une organisation : ces travaux pourront s’appuyer sur les modèles proposés par les chercheurs en management ;

• La maintenance et l’évolution dynamique d’une mémoire organisationnelle ;

• La multiplicité des points de vue et des contextes à prendre en compte dans la mémoire ;

• Le besoin d’accès contextuel et mobile à la mémoire : le besoin d’accès à la mémoire dans des contextes très variés des utilisateurs, par exemple depuis des PDAs ou autres équipements permettant la mobilité des utilisateurs ;

• Les problèmes d’évaluation de la mémoire : évaluation tant quantitative via des métriques que qualitative via les approches centrées utilisateurs ou centrées intéressés ;

• Le problème des communautés de pratique/d’intérêt/d’action/professionnelles et de la coopération et de l’apprentissage au sein de telles communautés informelles ;

• Le problème des interfaces utilisateurs ergonomiques.

12Du fait de l’effervescence autour du Web sémantique, de vrais exemples industriels d’ontologies (et plus seulement des exemples jouets) vont apparaître et rendre l’approche « Web sémantique d’entreprise » aussi attractive pour les entreprises que pour les communautés.

13De nouveaux scénarios de mémoire collective seront étudiés. Un lien avec les historiens qui étudient eux aussi la mémoire collective devrait être amorcé. Il est essentiel de poursuivre des approches approfondissant les modèles cognitifs des utilisateurs (dans leurs activités individuelles ou collectives), les modèles organisationnels ou économiques pertinents, tout en s’appuyant sur les récentes avancées technologiques : le Web sémantique, les services Web sémantiques, les architectures de la Grille (Grid), voire à plus long terme l’informatique ubiquitaire (« ordinateur vestimentaire »).

14Évaluation, évolution dynamique, contexte, multiples points de vues, aide à la coopération, hétérogénéité, distribution et interfaces utilisateurs semblent les problèmes les plus importants à approfondir pour les mémoires organisationnelles.

2.1.6. La France dans le paysage européen

15Les Français ont été pionniers au niveau méthodologique dans les années 1990 grâce aux méthodes KOD, MKSM, REX, SAGACE... En outre, la communauté française a établi des liens entre chercheurs et industriels via des groupes de travail ou des clubs (par exemple, le club CRIN ou le club Gestion des Connaissances) qui ont permis aux chercheurs de s’appuyer sur une meilleure compréhension des problèmes concrets des entreprises. Les scénarios d’application ainsi élaborés ont permis de mieux cibler le cadre de leurs recherches.

16Les chercheurs français de diverses disciplines (aussi bien management qu’ingénierie des connaissances) ont publié des ouvrages de synthèse sur la gestion des connaissances. On peut également souligner les participations à des projets européens (IST, Eureka) – participations qui devraient être poursuivies voire renforcées. Enfin, certains membres de la communauté française sont très actifs au niveau de l’animation de la communauté scientifique internationale (via l’organisation de « workshops » ou d’écoles d’été), ce qui leur permet de suivre de près l’évolution des travaux au niveau international, voire de l’influencer.

17Le 6^e programme cadre de recherche de la Commission européenne souhaite explicitement atteindre la « société de la connaissance » et accorde une place importante aux thèmes de recherche liés aux technologies de la connaissance, ce qui est un atout pour renforcer les collaborations sur ce thème au niveau de l’Europe.

18Cependant, malgré les collaborations pluridisciplinaires bilatérales, il existe peu de conférences pluridisciplinaires réunissant effectivement les chercheurs des différentes communautés. Enfin, rares sont les équipes qui réunissent en leur sein les trois compétences leur permettant de traiter les trois dimensions essentielles des mémoires organisationnelles : Humain, Organisation et Technologie. Le soutien à de tels projets pluridisciplinaires est indispensable car seule une vision holistique permettra d’aboutir à des solutions utiles, utilisables et utilisées.

2.1.7. Références

Références générales

19Baumard P., 1996, Organisations déconcertées : La gestion stratégique de la connaissance, Paris, Masson.

20Boughzala I., Ermine J.-L., 2004, Management des connaissances en entreprise, Paris, Hermès, « coll. Technique et Scientifique des Télécommunications ».

21Dieng-Kuntz R., Corby O., Gandon F., Giboin A., Golebiowska J., Matta N., Ribière M., 2005, Knowledge Management : Méthodes et outils pour la gestion des connaissances, 3^e éd., Dunod.

22Ermine J.-L., 2003, Les systèmes des connaissances, Paris, Hermès.

23Nonaka I., 1994, « Dynamic theory of organizational knowledge création », Organizational Science, 5 (1), p. 14-37, Feb 1994.

Références spécialisées

24Bachimont B., 2004, « Arts et sciences du numérique : ingénierie des connaissances et critique de la raison computationnelle », habilitation à diriger des recherches de l’Université de technologie de Compiègne, 12 janvier 2004.

25Chartlet J., Zacklad M., Kassel G., Bourigault D. (dir.), 2000, Ingénierie des connaissances, évolutions récentes et nouveaux défis, Paris, Eyrolles.

26Gómez-Pérez A., Corcho O., Fernandez-Lopez M., Ontological Engineering : With Examples from the Areas of Knowledge Management, E-Commerce and Semantic Web, Springer, Sériés : « Advanced Information and Knowledge Processing ».

27Zacklad M., Grundstein M. (dir.), 2001, Ingénierie et capitalisation des connaissances, Paris, Hermès.

2.2. Linguistique de corpus et traitement automatique de la langue (Jean-Marie Pierrel)

28Le traitement automatique des langues (TAL) et la linguistique de corpus sont devenus, au cours des dernières années, des domaines clés pour répondre aux besoins de notre société en termes d’analyse et d’exploitation de gisements d’information, le plus souvent sous forme textuelle, et aujourd’hui largement disponibles en particulier sur le Web (Pierrel 2000). Une analyse de l’évolution de la linguistique au cours du dernier demi-siècle montre que sa confrontation avec l’informatique et les mathématiques lui a permis de se définir de nouvelles approches. C’est ainsi qu’au-delà d’une simple linguistique descriptive s’est développée une linguistique formelle, couvrant aussi bien les aspects lexicaux que syntaxiques ou sémantiques, qui tend à proposer des modèles s’appuyant sur une double validation, explicative d’un point de vue linguistique, opératoire d’un point de vue informatique. Par ailleurs, la disponibilité de ressources textuelles électroniques de grande taille (corpus, bases de données textuelles, dictionnaires et lexiques) et les progrès de l’informatique, tant en matière de stockage que de puissance de calcul, ont créé, au cours des années 1990, un véritable engouement pour les approches statistiques et probabilistes sur « corpus » (Habert et al., 1995). Ainsi se structura petit à petit un nouveau champ de recherche : la linguistique de corpus (Habert et al., 1997) permettant au linguiste d’aller au-delà de l’accumulation de faits de langue et de confronter ses théories à l’usage effectif de la langue. Parallèlement, les besoins applicatifs ont conduit à de nombreux travaux en TAL.

29Aujourd’hui, traitement automatique des langues et linguistique de corpus structurent un nouveau champ disciplinaire aux finalités multiples, en particulier :

• modélisation de la langue, de sa structure et de son usage conduisant la linguistique à des exigences d’opérationnalité effective sur les formes d’usage de la langue, par opposition aux exemples construits, encore trop souvent utilisés en linguistique ;

• mise en place d’applications concrètes : indexation et accès à l’information, résumé de textes, extraction de connaissances, dialogue homme-machine, par exemple.

30Ces études et recherches en TAL et en linguistique de corpus nécessitent de plus en plus l’usage de vastes ressources linguistiques : textes et corpus, si possible annotés, dictionnaires, outils de gestion et d’analyse de ces ressources. Le coût de réalisation de telles ressources justifie pleinement des efforts de normalisation et de mutualisation pour permettre à la communauté de recherche de bénéficier, pour le français, de ressources comparables à celles existant pour d’autres grandes langues tel l’anglais.

31Par ailleurs, ce champ de la linguistique de corpus et du TAL est porteur d’enjeux incontournables pour une meilleure connaissance et modélisation de la langue mais, aussi pour nous permettre de progresser vers une véritable exploitation du contenu informationnel le plus souvent sous formes langagières ou textuelles, ou de valider, échanger et confronter nos résultats en TAL.

2.2.1. Quels ressources et corpus pour l’étude des langues aujourd’hui ?

Corpus textuels

32Le premier type de ressources indispensables pour le développement de nombreuses études sur la langue, son analyse et son traitement, concerne les corpus textuels et les corpus d’exemples. Leur rôle est en effet central pour permettre la construction de modèles. Cette activité de modélisation a comme objectif premier de proposer, parfaire et évaluer des modèles opératoires ou des théories linguistiques représentatifs de l’usage effectif de la langue. Il s’agit le plus souvent de faire émerger des invariants ou, au contraire, des comportements particuliers d’entités linguistiques. Si pendant longtemps ce type d’activités a pu se satisfaire des connaissances intrinsèques sur la langue qu’a le chercheur, les besoins de validation objective du monde scientifique nécessitent de plus en plus le maniement de vastes ensembles d’exemples attestés. La question fondamentale est alors de savoir comment recueillir des données fiables sur l’usage effectif de la langue. Le Web est aujourd’hui une source importante d’extraction de corpus, mais on peut à juste titre s’interroger sur la fiabilité des ressources textuelles qu’on y trouve ! Deux travers de taille caractérisent les textes disponibles sur le Web :

• Leur qualité est souvent très discutable. Sans parler des nombreuses fautes qui demeurent dans bien des textes disponibles sur la toile, on y retrouve un mélange de textes de formes, de genres, de niveaux de langue ou d’époques très disparates, incompatible avec la nécessité de travailler sur des corpus homogènes de référence pour pouvoir tout à la fois construire des modèles pertinents, les valider et les confronter.

• La pérennité de leur disponibilité n’est pas toujours assurée. Le propre du Web est de fournir des informations en constante évolution et, dans le cadre de projets de recherche, leur durée de vie est souvent inférieure à celle des projets qu’elles sous-tendent, ce qui rend très souvent impossible des comparaisons objectives de résultats.

33La question de la qualité et de la disponibilité de corpus de référence reste donc importante pour notre domaine de recherche. Pour s’en convaincre, il suffit d’analyser certains projets nationaux ou internationaux. Ainsi en France le projet « technolangue », lancé par le ministère français de la recherche et des nouvelles technologies, indiquait parmi ses quatre thèmes d’appel à proposition un volet sur les ressources linguistiques dont l’objectif était de stimuler la production, la validation et la diffusion de ressources linguistiques pour répondre aux besoins minimaux pour l’étude de la langue française, favoriser la réutilisabilité de ces ressources et diminuer le coût du « ticket d’entrée » dans le secteur. Le nombre de projets soumis sur ce volet, en association entre des chercheurs et des industriels, montre l’importance de ce thème. Les besoins sont en effet très diversifiés : que ce soit en termes de types de textes (littéraires, scientifiques ou techniques, mono et multilingues), ou en termes d’usages (industriels, professionnels ou grand public), la nécessité de vastes corpus normalisés, annotés et validés s’impose.

Dictionnaires et lexiques

34Le second type de ressources concerne les dictionnaires et les lexiques. Bon nombre des arguments développés ci-dessus peuvent aussi s’appliquer à ce domaine. Or aucun traitement automatique de la langue ne peut se passer du niveau lexical, et la disponibilité de ressources de ce type est unanimement reconnue comme indispensable pour la plupart des traitements. Là encore les besoins sont très divers dans un contexte mono ou multilingue : dictionnaires spécialisés et dictionnaires généraux de langue, lexiques techniques ou bases terminologiques, par exemple.

35Si, une fois de plus, la toile offre des réponses diversifiées à ce besoin, nombre de questions demeurent, concernant tout à la fois la qualité, la richesse, la couverture et la disponibilité de telles ressources. Il suffit pour s’en convaincre d’analyser les réponses que l’on peut obtenir après une interrogation de la toile à partir, par exemple, de « dictionnaire + langue française » ! Nous sommes pour notre part convaincu qu’il importe de développer et partager des ressources de ce type et c’est cette conviction qui nous amena à proposer une version informatisée du Trésor de la Langue Française (ATILF 2004 ; www.tlfi.fr) et d’en dériver un lexique ouvert des formes fléchies du français (540 000 formes issues de 68 000 lemmes : www.atilf.fr/morphalou).

Des outils de traitements partagés

36Un troisième type de ressources, complément des deux précédents, concerne les outils de traitement de la langue. Deux types d’outils méritent une attention toute particulière :

• Les outils de gestion et d’exploitation des ressources textuelles, lexicales ou dictionnairiques. Que seraient en effet des ressources textuelles ou dictionnairiques du type de celles envisagées ci-dessus sans les logiciels d’exploration de ces ressources ?

• Les outils de base de traitement de la langue. Indispensables pour permettre à une équipe de recherche ou de développement de proposer des avancées sur tel ou tel point spécifique, ils doivent devenir disponibles pour notre langue, ce qui permettrait d’éviter de réinventer sans cesse la roue dans des domaines tels que la lemmatisation, la conjugaison ou l’étiquetage morphosyntaxique.

37Une fois de plus on ne peut que noter, tout en le regrettant, le manque de disponibilité d’outils fiables et généraux de ce type. Faute de cette disponibilité, la première tâche d’une équipe de recherche ou de développement travaillant sur des ressources linguistiques et plus généralement sur la langue consiste souvent, aujourd’hui, à re-développer de tels outils !

2.2.2. Les enjeux actuels de la linguistique de corpus

Œuvrer à une meilleure connaissance et modélisation de notre langue, de son lexique, de sa structure et de son fonctionnement

38La modélisation, qui est au cœur de toute activité de recherche, tant en informatique qu’en linguistique, a pour but premier, dans notre domaine, de proposer ou parfaire des théories linguistiques et des modèles informatiques qui soient tout à la fois opératoires et valides d’un point de vue de l’usage de la langue. Pendant longtemps, pour atteindre ces objectifs de modélisation de la langue (informatique et/ou linguistique) et faire émerger des invariants ou, au contraire, des comportements particuliers d’entités linguistiques, la recherche s’est appuyée sur les connaissances qu’a le chercheur de cet objet multiforme qu’est la langue (aux niveaux phonétique, phonologique, morphologique, syntaxique ou sémantique). Aujourd’hui, que cela soit en informatique ou en linguistique, l’accent est mis de façon plus forte sur l’usage effectif de la langue tel qu’il peut être analysé à travers l’exploitation de vastes corpus textuels représentatifs d’un domaine applicatif ou plus généralement d’un usage nouveau tel qu’il apparaît sur le Web. Ce courant fut initié dès la fin des années 1960 en lexicographie à travers le projet de dictionnaire du Trésor de la Langue Française, aujourd’hui disponible sous forme électronique (www.tlfi.fr), premier dictionnaire de langue se fondant sur une méthodologie systématique d’analyse des usages effectifs des mots de notre langue à travers l’exploitation d’une vaste base de données textuelles dont le but premier était de fournir, à travers des concordances, des données organisées aux rédacteurs du dictionnaire. Cette base de données textuelles, enrichie et mise à jour, a donné naissance à Frantext (www.atilf.fr/frantext), sans aucun doute le plus grand corpus diachronique sur la langue française (220 millions d’occurrences de mots, soit plus de 1,5 milliard de caractères), support aujourd’hui de nombreuses recherches en linguistique de corpus.

39Au cours des dernières années, parmi les résultats les plus remarquables, il convient de noter ceux obtenus aux niveaux lexical et terminologique (création de lexiques multilingues), morphologique et morphosyntaxique (en particulier étiquetage morphosyntaxique de textes pour lever des ambiguïtés de formes telle portes, substantif ou verbe), ou syntaxique (analyse syntaxique robuste d’énoncés) ainsi que leur exploitation, soit comme prétraitement pour un accès au contenu de données textuelles, soit comme aide à l’enseignement des langues assisté par ordinateur.

Vers une véritable exploitation du contenu informationnel le plus souvent sous formes langagières et textuelles

40Les aspects d’acquisition, de gestion, de structuration, d’analyse et d’interprétation, de modélisation et d’exploitation des informations et connaissances, pour la plupart sous formes langagières et textuelles, sont au centre des grands débats du monde de la recherche ou de l’économie. La linguistique de corpus et le TAL (ou ingénierie des langues) sont ainsi devenus des domaines clés répondant aux besoins actuels de notre société de l’information. Les principales activités visées sont les industries de la langue, l’édition numérique, la veille technologique, mais aussi la gestion de patrimoines scientifiques et techniques (IST), industriels (mémoire d’entreprise), linguistiques ou culturels et leurs exploitations à travers les vastes réseaux aujourd’hui disponibles et de plus en plus accessibles à chacun de nous. À ce niveau, les résultats les plus marquants concernent l’usage de méthodes statistiques pour la détermination ou la sélection de thèmes (pour faciliter l’accès au contenu) ou de genres textuels (pour une classification automatique de textes). Pour l’avenir, l’un des domaines les plus importants concerne sans aucun doute les modélisations sémantiques et les procédures d’accès au contenu telles qu’elles émergent aujourd’hui dans ce que l’on appelle le Web sémantique et qui contribuent à l’amélioration des accès aux informations scientifiques, techniques et culturelles le plus souvent sous formes textuelles.

La normalisation incontournable pour échanger et confronter des données et résultats sur le fonctionnement de la langue

41L’analyse et le traitement informatique de la langue est en effet aussi un outil indispensable aux recherches en linguistique pour échanger des données structurées sur les langues (données brutes, annotées, alignées – dans le cadre de recherches multilingues ou des résultats d’analyses codés dans un format normalisé, comme par exemple XML. L’une des caractéristiques essentielles de la recherche, à laquelle la linguistique et le TAL n’échappent pas, est en effet cette nécessité de permettre à la communauté scientifique de pouvoir échanger, évaluer, confronter et reproduire des résultats de recherche ou d’analyse. Cela nécessite le développement et l’usage de normes pour les ressources linguistiques et textuelles. La communauté française est fort bien placée en ce domaine : dans le cadre du comité technique 37 de l’ISO, le sous-comité dédié aux ressources linguistiques et à leur normalisation est présidé par un Français, et dans le cadre de la Text Encoding Initiative, consortium international qui définit des recommandations de codage de ressources textuelles (www.tei-c.org), la France, à travers une coopération entre plusieurs laboratoires, est devenue le centre européen support de cette initiative.

2.2.3. Un devoir vis-à-vis du traitement de notre langue

42Nous disposons en France d’équipes de recherche de qualité en linguistique de corpus et en TAL et, s’il est vrai qu’un des objectifs premiers de la linguistique reste de rechercher des invariants sur le fonctionnement des diverses langues, il est nécessaire, pour permettre au français de rester présent dans ce champ fortement internationalisé, de poursuivre le développement de recherches, outils et ressources liés plus spécifiquement à notre langue. Il apparaît donc naturel de développer en France des études plus spécifiques sur la langue française, pour elle-même (la langue étant fortement liée aux notions de culture et de communication d’une société), en interaction avec des langues partenaires (pour faciliter les échanges entre sociétés différentes), mais aussi pour permettre au français de rester présent, à côté de la langue dominante qu’est aujourd’hui l’anglais, dans le plus grand nombre de champs applicatifs de notre société de l’information (gestion d’informations et accès par le contenu, traduction assistée par ordinateur, industries de la langue, etc.). C’est, nous semble-t-il, l’un des enjeux incontournables pour les années à venir si l’on souhaite maintenir et renforcer l’usage du français dans un contexte de mondialisation de plus en plus marqué.

2.2.4. Références

Références générales

43ATILF (ouvrage collectif publié sous le nom du laboratoire) Trésor de la Langue Française informatisé, CNRS Éditions, livre d’accompagnement et CD du texte intégral, version PC, novembre 2004, version Mac OX X, septembre 2005.

44Coandamines A. (dir.), 2005, Sémantique et corpus, Traité IC2, Paris, Hermès-Lavoisier.

45Daille B., Romary L. (dir.), 2001, « Linguistique de corpus », Traitement Automatique des Langues, vol. 42, n° 2, Paris, Hermès.

46Habert B., 1995, « Traitements probabilistes et corpus », Traitement Automatique des Langues, vol. 36, n° 1-2, Paris, Hermès.

47Habert B., Nazarenko A., Salem A., 1997, Les linguistiques de corpus, Paris, Armand Colin.

48Pierrel J.-M. (dir.), 2000, Ingénierie des langues, Traité IC2, Paris, Hermès-Lavoisier.

2.3. Apprentissage, éducation et formation (Nicolas Balacheff)

2.3.1. Motivation

49Les sciences et technologies de l’information et de la communication (STIC), par leur objet même, ont de façon naturelle une contribution particulière à apporter aux dispositifs d’éducation et de formation et plus universellement à l’apprentissage humain. Cette contribution comprend d’une part des outils et des infrastructures favorisant la diffusion et la mutualisation de connaissances, et d’autre part la conception et la réalisation d’environnements informatiques dont la finalité explicite est de susciter et d’accompagner l’apprentissage humain : des « environnements informatiques pour l’apprentissage humain » (EIAH). C’est aux questions scientifiques soulevées par la conception, la réalisation et l’évaluation des EIAH que fut dédiée l’activité du réseau thématique pluridisciplinaire « Apprentissage, éducation et formation » du département STIC du CNRS (2001-2005). Ces questions relèvent de problématiques technologiques, mais aussi sociales et humaines par leurs impacts sur la connaissance, la personne et la société.

50La recherche sur les EIAH est fortement pluridisciplinaire au sein de l’informatique comme elle l’est par ses nécessaires interactions avec d’autres disciplines. Cette caractéristique est marquée depuis les origines par un relatif cloisonnement des problématiques, des méthodes et des approches de la modélisation (pédagogie, psychologie, didactique, informatique et au sein de l’informatique entre IHM, IA, génie logiciel, etc.). Cette richesse d’approches pour saisir un objet complexe a été longtemps un handicap par les difficultés rencontrées pour disposer des outils institutionnels, mais aussi conceptuels, pour soutenir une collaboration fructueuse. Les années 2000, avec la création d’un réseau thématique dédié à ce domaine par le département STIC du CNRS, puis avec le succès du réseau d’excellence Kaléidoscope (80 laboratoires, 23 pays, près de 900 chercheurs) initié et piloté par les laboratoires français, ont vu s’estomper ces difficultés et s’ouvrir un programme de recherche ambitieux tant au plan scientifique qu’à celui des transferts vers la société et le monde industriel.

51L’un des enjeux actuels est de donner à ces recherches des fondements qui apportent les moyens d’un travail scientifique commun dans le champ partagé des EIAH (enjeux pluridisciplinaires), mais préserve cependant la diversité des problématiques (enjeux disciplinaires).

52La recherche sur les EIAH par sa dimension théorique, est en amont d’une ingénierie, mais en interaction profonde avec elle dans sa dimension méthodologique. Au sein de l’informatique, elle requiert la construction et la validation de modèles computationnels de processus didactiques. Le caractère « didactique » tient à ce que chaque EIAH engage de fait une déclaration sur les objets ou les enjeux de l’apprentissage (fût-ce apprendre à apprendre), d’une part, et, d’autre part, appelle la définition de moyens permettant de vérifier la réalisation des objectifs ainsi affichés. De plus l’apprentissage recherché doit être obtenu au terme d’une durée qui soit acceptable aux yeux de celui qui apprend et/ou de l’institution d’enseignement ou de formation, sous les contraintes économiques et technologiques du support choisi.

53Ces problèmes sont clairement à l’interface de l’informatique et des disciplines impliquées dans l’étude des phénomènes d’éducation et de formation (épistémologie, psychologie, pédagogie, didactique, ergonomie, sociologie...), mais cette interface est profonde ; elle demande que soient revisitées bien des questions spécifiques de l’informatique : modélisation des connaissances, du raisonnement, de l’interaction, ergonomie des interfaces etc. L’une des raisons qui peut faire comprendre à quel point cette reprise de thèmes classiques doit être effectivement et activement conduite, c’est que l’utilisateur d’un EIAH est dans une certaine mesure sous le contrôle de la machine – et non l’inverse – au sens où les savoirs et pratiques de référence sont du côté du dispositif formateur. Bien sûr, celui qui apprend dispose de connaissances qui ont fait leurs preuves – y compris dans le domaine visé par l’apprentissage – mais la position d’apprenant signifie la recherche, voulue ou provoquée, d’une évolution de ces connaissances en acceptant la tutelle d’un « connaisseur » de référence (ce que la langue anglaise traduit assez bien par « a knowledgeable other »). C’est pour cela que la question des rétroactions est ici critique.

2.3.2. Enjeux scientifiques et quelques problèmes ouverts

54L’une des composantes essentielles de la conception d’un EIAH est la modélisation de la connaissance, et donc d’un raisonnement. Mais dans ce processus de construction et de mise en œuvre de modèles sous des contraintes de « calcul », d’interaction et de communication, la connaissance est potentiellement transformée. La question de savoir comment peut être étudié ce phénomène, comment les systèmes de représentation mobilisés dans les modèles, les programmes et les interfaces sont évaluables de ce point de vue, est ouverte.

55La relation étroite entre connaissance et représentation soulève la question de la généricité des modèles que l’on peut construire. Il s’agit là d’une question centrale dans la mesure où, du point de vue de la technologie, la généricité est une promesse d’économie de moyens, et de réutilisabilité. Mais, par ailleurs, la spécificité est un gage d’efficacité des systèmes et de leur pertinence dans un procès d’apprentissage. Le rapport entre spécificité et généricité des modèles est en fait une question fondamentale qui doit être abordée comme telle.

56Ce questionnement évoque classiquement, ou en tout cas de façon historiquement dominante, des savoirs identifiés et souvent codifiés. Les savoirs et savoir-faire tacites, les méta-connaissances sur les objets de l’apprentissage comme sur les activités nécessaires pour apprendre, soulèvent, quant à eux, des problèmes spécifiques. Essentiellement associés à des pratiques, ces derniers sont difficiles à modéliser en vue de leur conservation ou de leur reproduction, ils le sont plus encore dans la perspective de la conception d’un EIAH. Mais cette complexité est plus à la portée des EIAH qu’elle ne l’est d’autres moyens de formation. En effet, de la même façon que ces savoirs sont des propriétés émergentes de pratiques, ils peuvent être des propriétés émergentes de systèmes interactifs – notamment, en s’appuyant sur des simulations.

57La référence à la « modélisation de l’apprenant » est une autre composante importante de la recherche sur les EIAH. Elle est présente avec une très grande variété d’acceptions, de la modélisation des processus mentaux aux bilans des compétences attestées d’un utilisateur. La question de savoir quelle théorie du sujet apprenant est nécessaire à la conception d’EIAH est ouverte et est, en fait, faiblement abordée dans une perspective pluridisciplinaire – notamment épistémologique.

58Le sujet humain apprenant a des caractéristiques fortes qui en font un utilisateur parfois opportuniste et souvent déconcertant. Aussi concevoir des EIAH requiert-il la recherche de modèles cognitifs et conatifs, adéquats et robustes, et au-delà la modélisation des conditions qui permettent cet apprentissage. La question est alors celle des modèles d’interaction qui permettent d’évaluer de façon précise et sûre les rétroactions qui doivent être apportées pour que l’apprentissage visé ait bien lieu.

59Un système interactif peut être représenté par un schéma du type : [sujet ⟷ objet]. La modélisation de la double flèche « ⟷ », qui suggère l’interaction stricto sensu sous les contraintes de média de communication, est essentiellement dépendante de ce qui se trouve à ses extrémités : le sujet et l’objet ; et de « [] » qui peut être lu comme figurant le contexte de l’interaction.

60La problématique de la modélisation du système [utilisateur ⟷ EIAH] est celle du comportement de ce système vis-à-vis d’un enjeu d’apprentissage. Elle implique la compréhension de l’articulation de la modélisation de la connaissance (à apprendre ou de l’apprenant, au cœur du système et à son interface...) avec la modélisation de l’interaction entre apprenant et système, et celle du lien entre le niveau comportemental et le niveau épistémique. Enfin, cette problématique doit prendre en compte le double phénomène du sujet qui évolue au cours de l’apprentissage et de l’environnement qui lui-même doit évoluer pour accompagner cette évolution. Cette double dynamique est l’un des principaux verrous des recherches actuelles sur les EIAH.

61Une troisième composante fondamentale est la composante sociale. En effet, une caractéristique de l’agent humain, participant à la définition de son rapport à la connaissance, est la constante insertion de son activité dans une dimension sociale rassemblant une grande variété d’agents humains, et notamment parmi eux d’autres apprenants. La prise en compte de cette dimension, qui est au fond celle des savoirs eux-mêmes, a suscité le développement d’une problématique particulière autour des technologies considérées comme supports ou médiateurs des interactions humaines finalisées par un apprentissage. L’interaction entre modélisation des connaissances et modélisation des médias d’interaction, la spécification des fonctionnalités propres à un dispositif étayant l’interaction entre apprenants ou entre apprenants et enseignants ou formateurs, la modélisation des interactions langagières finalisées par un apprentissage ou un enseignement – notamment les argumentations – dans un contexte technologique sont autant de problèmes qui entrent dans le champ de la recherche sur les EIAH.

62La recherche sur les EIAH fait partie de ce que l’on appelle communément la recherche à finalité applicative. En effet, l’enjeu est bien clairement de comprendre, de produire des connaissances et des méthodes, mais on ne peut oublier qu’il ne s’agit pas de viser une compréhension en soi ; la pertinence des produits de la recherche est non seulement justiciable de critères scientifiques internes au domaine, mais encore de critères externes liés à ce que l’on appelle habituellement les « usages ». Cette remarque banale désigne une exigence qui est source de confusion sur la finalité de ces recherches. La perspective, à un terme plus ou moins lointain, de disposer d’un produit ou d’un service peut conduire à privilégier des appréciations qui ont peu de rapport avec une valeur intrinsèque des résultats de la recherche mais qui sont plutôt liées à la loi des marchés (penser, par exemple, à la domination commerciale de tel ou tel système d’exploitation). Aussi est-il essentiel de rappeler que si les produits et les services pour l’éducation et la formation sont un point de mire pour les recherches sur les EIAH, l’objet central de ces recherches en revanche est la construction, la mise en œuvre et la validation de cadres théoriques et de modèles pour la conception et la réalisation de ces environnements.

63Dans le contexte d’une recherche expérimentale, ce qui est le cas de la recherche sur les EIAH, un modèle est un outil dont la place se trouve « entre » théorie et champ expérimental (ou, disons, ce que l’on modélise). Trop souvent ceci est perçu comme une activité de prototypage qui évoluerait pour s’adapter aux « usages » dans un processus empirique d’ingénieries successives. Si une telle approche était poursuivie, le prix à payer serait exorbitant parce qu’il serait alors difficile de capitaliser des savoirs en s’appuyant sur une activité dont l’essentiel resterait implicite, et, pour cette même raison, la communication de résultats serait à peu près impossible. Pour sortir de cette impasse, il faut se souvenir qu’un modèle, dans les sciences expérimentales, n’a pas de signification pris isolément, mais qu’il doit être replacé dans le jeu des relations au sein du quadruplet [problématique, théorie, modèle, champ expérimental], La part de l’empirique peut être réduite ou contrôlée par l’exercice d’une discipline rigoureuse d’explicitation de la problématique, de la théorie et de la constitution du champ expérimental. Les principes de transparence sont fondateurs, la suite appartient au débat contradictoire, à l’exercice de la réplication des travaux et à l’examen critique d’une communauté de recherche sur les productions de ses pairs :

• Quelles sont les problématiques qui donnent du sens aux travaux dans le domaine des EIAH ?

• Que dire des choix théoriques en des termes opérationnels qui permettent la construction de modèles et leur évaluation ?

64Répondre à ces questions, c’est accepter d’aborder le problème des fondements de ces recherches. C’est aussi ne pas se résoudre à simplement projeter ce domaine dans l’une des disciplines qui contribuent à son développement et auxquelles sont empruntés si souvent concepts et méthodes.

65Une problématique scientifique des EIAH part donc du projet de construire des modèles pour permettre le pilotage ou l’étayage d’un apprentissage humain par un dispositif informatique. Les questions qui viennent immédiatement sont celles de la possibilité de la communication et de la validation des modèles, et finalement de leur capitalisation. La question de la validation est difficile, les aspects informatiques et humains (qui incluent l’apprentissage, l’enseignement et les institutions) sont intriqués. La première tâche est de spécifier la complexité et la place de chacun, de même qu’il faut préciser leurs interactions.

• Comment poser et résoudre la question de ce que l’on entend par modèle valide dans le domaine des EIAH ?

66Contraster enjeux scientifiques et enjeux technologiques est une façon de mettre en évidence les problèmes auxquels sont confrontées ces recherches dans la sphère académique en travaillant un domaine à fort potentiel économique et social. Mais sans la production effective d’EIAH ces recherches n’ont pas grand sens, il s’agit donc de trouver un équilibre entre les deux pôles et non d’exclure l’un d’eux. Cette production est rendue particulièrement difficile par au moins deux facteurs : la nécessité de réaliser des prototypes aussi proches que possible de ce que seront les produits, et la difficulté à capitaliser les « briques » qui sont ici et là construites à la faveur d’une thèse ou d’un projet. La construction d’une plate-forme expérimentale distribuée et partagée, au sein du réseau Kaléidoscope, a ouvert une voie concrète pour dépasser ces difficultés. La participation active d’acteurs du monde industriel et de représentants des utilisateurs au sein du réseau (respectivement, l’Academy-Industry Digital Alliance et le Users’ Group), complète cet effort de mutualisation et de capitalisation technologique, pour lui assurer plus de pertinence et plus d’efficacité sociale et économique.

67L’importance qu’il peut y avoir à toujours garder un équilibre entre recherche fondamentale et application, dans le domaine des EIAH, est bien illustrée par l’évolution la plus récente qui est suscitée à la fois par les développements technologiques venant de l’industrie et par les avancées théoriques venant du monde académique. C’est ce dernier qui a montré qu’il fallait dépasser une conception centrée sur l’apprenant pour considérer les interactions entre les apprenants dans des processus d’apprentissage collaboratif (CSCL), et la modélisation des activités au-delà de la connaissance. Mais ce sont les développements industriels les plus récents qui ont stimulé la naissance de problèmes nouveaux articulant apprentissage collaboratif, mobilité et ubiquité, et immersion dans des mondes virtuels ou simulés. Cette convergence est au cœur de l’évolution la plus récente aussi bien au sein du réseau Kaléidoscope, qu’au sein de la communauté internationale, elle sera la source des avancées et innovations de ces prochaines années.

2.3.3. Références

Références générales

68Bruillard E., 1997, Les machines à enseigner, Paris, Hermès.

69Grandbastien M., Labat J.-M. (dir.), 2006, Environnements informatiques pour l’apprentissage humain, Traité IC2, Paris, Hermès, série « Cognition et TI ».

Références spécialisées

70Chartron G., Gauthier G., Grandbastien M., Thivierge R. (dir.), 2005, « Normes et standards pour la formation en ligne », Distances et savoirs, vol. 2, n° 4.

71Crampes M., Bourdeau J. (dir.), 2004, Ontologies pour les EIAH, STICEF, vol. 11.

72Hotte R., Leroux P. (dir.), 2003, Technologies et formation à distance, STICEF, vol. 10.

73Tchounikine P, 2002, « Pour une ingénierie des Environnements Informatiques pour l’Apprentissage Humain », Revue 13 information – interaction – intelligence 2 (1) <www.revue-i3.org>.

2.4. Comprendre et maîtriser la re-documentarisation du monde (Jean-Michel Salaün)

2.4.1. Brutalité des changements

74Progressivement au cours de l’histoire, les documents ont investi l’ensemble des activités des sociétés au fur et à mesure que celles-ci s’ouvraient en s’organisant, mais leurs spécificités techniques n’ont pas été bouleversées. Malgré l’invention de l’imprimerie et ses nombreux perfectionnements qui ont préfiguré, puis accompagné la révolution industrielle, malgré les transformations radicales de la lecture, malgré la diversité des cultures et des contextes, les éléments de base ont été presque inchangés depuis deux millénaires : une inscription sur une feuille et un codex.

75Il a pourtant suffi de quelques années pour que le développement du numérique les modifie brutalement au point que pratiquement plus aucun document contemporain n’échappe à un passage par un support électronique. Le contraste entre la stabilité relative qui a prévalu jusqu’ici et la bascule brutale dans une autre forme est d’une grande violence. Il s’agit rien de moins, en effet, que d’objets qui nous permettent d’affirmer notre identité, de participer à une communauté, de régler nos transactions ou encore maintenir notre mémoire sociale.

76Or, le développement des nouveaux standards, l’invention d’outils, sont réservés à une dialectique entre des experts très pointus et des industriels à l’affût de nouveaux créneaux de rentabilité. Et les succès résultent d’une prise en main très rapide par les usagers, facilitée par le caractère ouvert du réseau et par une diffusion massive et instantanée des informations.

77Ainsi les chercheurs académiques se trouvent souvent débordés par des développements issus d’experts autonomes et d’entreprises réactives. Ce décalage est perceptible aussi bien du côté des STICs où les développements « en chambre » ou en laboratoire se trouvent parfois obsolètes avant même d’avoir pu être proposés aux usagers, que du côté des chercheurs SHS, sollicités a priori pour repérer des besoins et des pratiques et a posteriori pour ajuster les machines aux pratiques inattendues, mais difficilement en phase avec les changements, tellement ils sont rapides.

78Les pouvoirs publics, de leur côté, au mieux accompagnent un mouvement qui leur échappe largement, au pire le subissent. Ils font appel, a posteriori c’est-à-dire quand les mouvements sont irréversibles, aux experts en sciences sociales et humaines pour les aider à définir les meilleures modalités de régulation, avec un succès aléatoire. Il s’installe alors une nouvelle forme de régulation qui se construit sur un consensus atteint à partir d’un forum, permanent et ouvert, et encadré par des agences, des associations, des consortiums souvent auto-institués.

79Un décalage s’est ainsi installé entre une dynamique technico-industrielle, d’autant plus sûre d’elle-même qu’elle peut se prévaloir de succès spectaculaires, un mouvement social spontané et multiforme, et la compréhension et la maîtrise sociale des phénomènes. Sans doute, ce décalage n’est pas exceptionnel et on le retrouverait dans d’autres secteurs et à d’autres moments de l’histoire. Le problème est qu’ici il s’agit du document, autrement dit rien de moins que de notre patrimoine cognitif et culturel, et que la brutalité du changement en fait une rupture plus qu’une évolution ! Le document, trace de l’institutionnalisation, est profondément bousculé et, avec lui, bon nombre de nos repères culturels, sociaux et cognitifs.

80Les manifestations de ce hiatus sont très nombreuses. Pour s’en tenir à quelques illustrations prises dans l’actualité française récente, citons : la polémique entre le président de la BNF et la firme Google, les positions contradictoires des défenseurs de la propriété intellectuelle et des promoteurs des échanges peer to peer, les tenants des systèmes d’archives ouvertes et les éditeurs commerciaux dans la publication scientifique, la « blogosphère » et les atteintes à la vie privée, etc.

2.4.2. Responsabilité des chercheurs

81On pourrait croire qu’il s’agit simplement d’une période transitoire d’adaptation. Mais il se pourrait bien, au contraire, que nous assistions aux prémices de mouvements plus profonds encore à venir. En effet, d’une part les bouleversements technologiques sont loin d’être terminés, d’autre part, l’ensemble de nos pratiques documentaires ne sont pas encore transformées, enfin, et peut-être surtout, seule une part minoritaire et, culturellement, relativement homogène de la population mondiale a été jusqu’ici concernée.

82Les chercheurs scientifiques ont une responsabilité particulière. En effet, d’un côté (STIC), la dynamique de l’innovation peut détourner les chercheurs d’une interrogation, au-delà de quelques grands principes, sur les présupposés ou les conséquences de leurs multiples micro-décisions, comme si la performance se suffisait à elle-même. De l’autre (SHS), ils considèrent souvent la technique comme une « boîte noire » pour prendre une position critique, confortable mais sans effet car venant trop tard. Si on veut éviter les dérives vers des postures d’« apprenti-sorcier » ou de « gourou », les recherches sur les « technologies intellectuelles » doivent au contraire être résolument interdisciplinaires, mariant les sciences et technologies de l’information et de la communication et les sciences humaines dès la définition des problématiques et l’exposé des hypothèses.

83Le réseau thématique pluridisciplinaire « Document et contenus : création, indexation, navigation »1 qui a réuni depuis 2002 plus de 150 chercheurs de disciplines diverses a montré la fécondité des croisements disciplinaires par ses ateliers et ses réflexions collectives. Il a permis de placer les chercheurs français à un niveau de réflexion transdisciplinaire qui a peu d’équivalent ailleurs dans le monde. Aujourd’hui, il est temps de capitaliser les propositions pour les valoriser et les rentabiliser sous forme d’un programme de recherche ambitieux, interdisciplinaire et international.

2.4.3. Repérage des recherches

84Une façon simple de repérer les travaux, souvent pointus et éclatés, sur le document numérique est de les regrouper en trois catégories par rapport à leur angle principal d’approche : le signe ou la forme (F), le texte ou le contenu (T), le médium ou la relation (M)2. Il est apparu au cours de notre travail collectif de réflexion que ce balisage des recherches permettait aussi de préciser la notion de document et, sans doute, mais ce devrait justement être l’objet de recherches à venir, de bâtir une méthodologie pour l’élaboration et l’analyse.

85Un document n’est que la représentation d’une vérité partagée au-delà du chaos (le silence et le bruit), de la cacophonie (la confusion et le sensible) et de l’oubli (l’intime et l’éphémère). Ainsi, les modalités anthropologiques (repérage-perception, forme-signe), intellectuelles (intelligibilité-assimilation, texte-contenu) et sociales (sociabilité-intégration, médium-relation) doivent non seulement être efficientes prises chacune séparément, mais encore être cohérentes entre elles. S’il ne peut être vu ou repéré, su ou compris, lu ou retenu, un document n’est d’aucune utilité. Dans la mesure où il s’agit d’un artefact, on peut même dire qu’il n’existe pas ou plus.

2.4.4. Signe/forme

86Dans la première entrée sur le signe ou la forme, trois communautés de chercheurs se croisent sans toujours bien se connaître : les traiteurs d’image, les éditeurs numériques et la communauté du Web. Des travaux du PARC à Palo Alto au consortium W3C, le chemin parcouru en quelques années est impressionnant. Même si les chercheurs sont partis de problématiques différentes, ils convergent nettement aujourd’hui dans la compréhension des structures logiques du document et dans les interrogations sur les formes perceptibles. Les travaux sur l’indexation des documents par le contenu montrent bien cette convergence, que l’on travaille sur l’image, le contenu numérique ou les métadonnées. Le travail principal concerne les formats, au sens informatique, c’est-à-dire des outils de mise en forme aussi bien à partir du document dans sa version historique (ce qu’on appelle classiquement Tiff to XML) que dans le traitement des contenus comportant des métadonnées ou pouvant associer d’autres modalités.

87D’une certaine façon, le numérique a déplacé la question du support du document, qui en assurait la stabilité en fixant l’inscription, vers la problématique de sa structure. L’inscription transformée en signal se déplace d’un support à l’autre et la stabilité du document réside alors dans celle de l’organisation du signal. C’est sur cette base que portent les travaux sur l’indexation dans un contexte de recherche d’information ou de navigation dans des grandes bases documentaires.

88La popularisation de la norme XML marque une étape mais elle laisse encore largement ouverte la problématique de la perception, de la visualisation et de la lecture. En effet, en séparant de façon radicale la structure logique d’un texte de sa représentation visuelle, elle autorise des traitements formels différents pour un même contenu à une échelle inédite. Et, sans toujours s’en rendre compte, ces chercheurs retrouvent des problématiques anciennes des anthropologues (Goody, Olson...), des historiens du livre (McKenzie, Chartier...) ou encore des sémiologues (Véron, Barthes, Eco, Peirce...) pour n’en citer que quelques-uns.

89Nous avons montré qu’un processus de « grammatisation » était en cours, basé sur des appréhensions diverses de la notion de texte. Il paraît indispensable d’approfondir cette problématique en intégrant les réflexions et développements notamment autour de :

• la numérisation des documents existants ;

• l’interpénétration des modes de représentation, écrit, image, son, audiovisuel ;

• la temporalité ;

• les modes de représentation du calcul ou son intégration dans des modes de représentation traditionnels.

2.4.5. Texte/contenu

90La seconde entrée sur le texte (il faut comprendre ce terme dans un sens générique sans référence à un mode d’expression particulier, comme synonyme de contenu) fait se rencontrer les chercheurs en linguistique, en sciences de l’information, en recherche d’information et en ingénierie des connaissances. Le problème principal est de construire des modèles permettant de traiter le contenu des documents, afin de les retrouver, et éventuellement les ré-agencer pour en produire de nouveaux, adaptés à la demande du lecteur et prenant en compte le profil de ce dernier. Il s’agit de produire du sens pour le lecteur en dépassant la confusion de l’accumulation des informations, à partir notamment d’une modélisation de données sur les documents, les métadonnées. Depuis les bases de données bibliographiques jusqu’aux « moteurs » d’aujourd’hui, ici aussi les développements et perfectionnements ont été très rapides.

91Au-delà de la performance des outils, la question posée est celle de la construction des savoirs dans la relation entre les métalangages et les documents eux-mêmes. Celle-ci est posée aussi bien dans la relation entre un lecteur et un texte que dans celle de la « navigation » entre plusieurs textes. Manipuler des ontologies, c’est-à-dire, entre autres, articuler des concepts, n’est pas sans effet sur l’organisation de nos connaissances, particulières à une communauté ou génériques pour une société. Là encore les chercheurs en STIC croisent des préoccupations anciennes, même très anciennes des chercheurs en SHS depuis la philosophie (Aristote...), jusqu’aux sciences de l’information (Otlet...), en passant par les différents courants de la linguistique.

92Ici aussi, bien des questions restent encore ouvertes, par exemple, sur les applications du Web sémantique, sur le repérage des genres de texte, sur les terminologies, les annotations et transversalement sur les possibilités d’évaluation et de comparaison des outils dans un environnement ouvert.

2.4.6. Médium/relation

93La troisième entrée sur le médium comprend trois espaces emboîtés, celui de la construction identitaire (la relation à soi et aux autres), la communication de groupe (communautés d’intérêt, organisations), la publication (médias). Dans chacun de ces espaces, le document joue un rôle essentiel de mémoire, d’organisation, de créativité ou de transmission.

94On trouve principalement dans cette entrée des chercheurs en télécommunication ; c’est qu’ici également les sciences sociales et les sciences de la communication sont majoritaires. Le document y fonde son statut dans une diffusion dépassant l’intime et l’éphémère, en s’articulant avec d’autres dans des collections. Deux pratiques sociales très « normées » se modifient au travers du Web. D’une part, la frontière entre la communication interpersonnelle et la communication « flottante » ou publique, entre correspondance privée et publicité, se déplace et tous les codes sociaux et modalités organisationnelles qui s’y rapportent sont alors ébranlés. D’autre part, illustrées par le préfixe « hyper- » (hypertexte, hypermédia), les relations entre documents se distribuent différemment entre partage et liens, entre mise en ligne et mise en réseau, entre mobilité et ubiquité.

95Suite à ces deux déplacements, la notion de publication, qui s’était stabilisée au cours des siècles, se transforme brutalement et celle de bibliothèque, dont les contours étaient limités par la taille des collections et l’implantation physique et institutionnelle, explose en bibliothèque numérique, centralisée ou distribuée et largement accessible.

96Ici ce qui est en cause c’est le média comme « prothèse ». Et toutes les questions de notre relation aux terminaux, celles des médiations et des métiers afférents et des régulations se posent encore. Le document se trouve souvent d’emblée inclus dans un espace régi par les lois des grands nombres : parce qu’il est mis en relation avec un nombre quasi infini de ses semblables et parce qu’il est potentiellement visible par un nombre infini de lecteurs.

97Sans doute chacune des recherches en cours poursuivra son approfondissement et développera ses expertises. Elles suivront ainsi le mouvement décrit en introduction. Mais si l’on veut sortir de la course aveugle et globalement dangereuse dans laquelle elles sont prises, il est essentiel de notre point de vue d’avancer une méthodologie multidimensionnelle qui puisse prendre en compte avec plus d’acuité et de lucidité les conséquences de l’accumulation des micro-décisions prises. L’objectif est donc de construire un ensemble de méthodes génériques, basées sur les trois entrées décrites (lu-vu-su) permettant la compréhension et le développement cohérent d’outils de construction, manipulation et échanges de documents1.

2.4.7. Références

Références générales

98Batelle J., 2005, The Search : How Google and its Rivais Rewrote the Rules of Business and Transformed Our Culture, Penguin Books.

99Information – Interaction – Intelligence, numéro hors série sur le Web sémantique, 2004. http://www.revue-i3.org/hors_serie/annee2004/index.html.

100Vandendorpe C., 1999, Du papyrus à l’hypertexte. Essai sur les mutations du texte et de la lecture, Montréal, Boréal/Paris, La Découverte.

Références spécialisées

101Pédauque R.T., 2003, « Document : forme, signe et médium, les re-formulations du numérique », 8 juillet 2003, http://archivesic.ccsd.cnrs.fr/sic_00000511.html.

102Pédauque R.T., 2005, « Le texte en jeu, permanence et transformations du document », 7 avril 2005, http://archivesic.ccsd.cnrs.fr/sic_00001401.html.

103Pédauque R.T., « Document et modernités », en cours de discussion, http://rtp-doc.enssib.fr/article.php3?id_article=241.