Thèse soutenue

Vers une évaluation intelligente des processus d’affaire pour l’aide à la décision en entreprises

FR  |  
EN
Auteur / Autrice : Nelson Marcelo Romero Aquino
Direction : Hervé PanettoWided Guedria
Type : Thèse de doctorat
Discipline(s) : Automatique, Traitement du signal et des images, Génie informatique
Date : Soutenance le 18/11/2021
Etablissement(s) : Université de Lorraine
Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
Partenaire(s) de recherche : Laboratoire : Centre de recherche en automatique (Nancy)
Jury : Président / Présidente : Henderik Alex Proper
Examinateurs / Examinatrices : Hervé Panetto, Wided Guedria, Grégory Zacharewicz, Walid Gaaloul, Béatrix Barafort, Mario Lezoche
Rapporteurs / Rapporteuses : Grégory Zacharewicz, Walid Gaaloul

Résumé

FR  |  
EN

Les défis auxquels les entreprises sont confrontées au quotidien, tels que la conformité réglementaire, l'adoption de nouvelles technologies ou l'optimisation des coûts, les incitent à mettre en œuvre des initiatives d'amélioration. Comme première étape vers la mise en œuvre de ces initiatives, il est nécessaire d'effectuer des évaluations pour comprendre l'état actuel de l'entreprise en tenant compte de différents aspects tels que la maturité, l'agilité, les performances ou la préparation à la numérisation. Cependant, les évaluations sont coûteuses en termes de temps et de ressources. Spécifiquement lors de l'examen des évaluations qualitatives, telles que les évaluations de maturité ou de capacité, car elles nécessitent souvent la participation d'un ou plusieurs évaluateurs humains pour examiner les documents, effectuer des entretiens, etc. Par conséquent, des moyens d'automatiser ou de semi-automatiser le processus d'évaluation sont essentiels, car ils pourraient réduire l'effort pour l'exécuter. En ce sens, l'objectif de cette thèse est de proposer le Smart Assessment Framework (SAF), un cadre conceptuel fondé sur les concepts de systèmes intelligents capables de fournir un support efficace pour le développement de systèmes permettant d'effectuer des évaluations automatisées dans les entreprises. Le cadre est instancié pour concevoir et développer des systèmes capables d'effectuer une évaluation de la capacité des processus métier à l'aide de deux types de preuves d'évaluation : les données textuelles et les modèles d'entreprise. Pour traiter le premier, une approche hybride basée sur le Deep Learning et l'Ontologie a été conçue; pour traiter ce dernier, une approche basée sur un réseau de neurones graphiques a été définie.