Thèse soutenue

Modèle de Gestion des Risques Informationnels en Système d'Intelligence Economique

FR  |  
EN
Auteur / Autrice : Olufade Falade Williams Onifade
Direction : Odile ThiéryAdénike Osofisan
Type : Thèse de doctorat
Discipline(s) : Sciences de l'information et de la communication
Date : Soutenance le 28/04/2010
Etablissement(s) : Nancy 2 en cotutelle avec University of Ibadan
Ecole(s) doctorale(s) : Ecole doctorale Langages, Temps, Sociétés (LTS) (Nancy-Metz)
Partenaire(s) de recherche : Laboratoire : LORIA - Laboratoire lorrain de Recherche en Informatique et Applications - UMR 7503
Jury : Président / Présidente : Eric Boutin
Examinateurs / Examinatrices : Samuel Adesoye Ajila, Gérald Duffing, Fabrice Papy

Résumé

FR  |  
EN

La subjectivité des estimations et des perceptions, la complexité de l’environnement, l’interaction entre sous-systèmes, le manque de données précises, les données manquantes, une faible capacité de traitement de l’information, et l’ambiguïté du langage naturel représentent les principales formes d’incertitude auxquelles les décideurs doivent faire face lorsqu’ils prennent des décisions stratégiques à l’aide de systèmes d’intelligence économique. Cette étude utilise un paradigme de « soft computing » pour identifier et analyser l’incertitude, que nous associons à la notion de facteurs de risque d’information. Pour cela, nous proposons un modèle de rapprochement exploitant des ontologies, ainsi qu’un modèle baptisé « FuzzyWatch » fondé sur la logique floue. Nous avons modélisé le processus de prise de décision depuis la définition du problème jusqu’à la réponse à la question : « est-il raisonnable de décider ? ». Un diagramme causal d’Ishikawa permet de prendre en compte les facteurs intangibles dans cette approche. Le cadre de référence du rapprochement de connaissances a été prévu pour faciliter le partage et la réutilisation de connaissances entre les utilisateurs et la machine. En complément, les facteurs intangibles, les émotions, les ambiguïtés du langage naturel sont pris en compte à l’aide de fonctions d’appartenance floues. Les outils de la logique floue ont été également utilisés au niveau des ontologies (« FuzzOntology »). Au niveau du processus de recherche d’information, l’introduction d’une fonction de mise en correspondance floue, appelée « FuzzyMatch », améliore le taux de rappel et subséquemment le processus d’intelligence économique. Le modèle « Fuzzontologique » autorise une prise en compte flexible de facteurs intangibles et incertains, offrant ainsi un moyen de traiter l’ambiguïté du langage naturel. FuzzyMatch permet de réduire les problèmes de données manquantes. A l’aide de ces modèles, le processus de décision en intelligence économique bénéficie d’une réduction des risques liés à l’information lors du processus de recherche.