Entrepôts, Représentation et Ingénierie des Connaissances
Thèmes de recherche de l'équipe SID

Entrepôts de données ouverts

Notre objectif est de construire des entrepôts de données qui peuvent être enrichis par des informations / connaissances issues d’autres applications ou plus largement provenant du Web. En effet, plusieurs applications (de santé publique, par exemple) nécessitent en plus des données issues de sources locales ou de sources externes des informations complémentaires qui peuvent provenir du Web, l’objectif étant par exemple de prévenir une pandémie au lieu de la constater a posteriori. Pour atteindre ce but, différents verrous scientifiques doivent être levés :

  • intégrer dans le processus d’entreposage une ontologie du domaine étudié afin d’alimenter l’entrepôt avec des informations pertinentes (instances et relations entre instances dans l’ontologie) ;
  • alimenter l’entrepôt avec des données de simulation afin d’affiner des résultats d’analyse ;
  • de manière un peu plus orientée vers les données du Web (réseaux sociaux, blogs, etc.), étudier les entrepôts Web (data webhouses) en utilisant la technologie du Web sémantique combinée avec l’OLAP.

Analyse en ligne collaborative

À l’image du Web, qui est un lieu d’informations et d’échanges qualifié de social, participatif et collaboratif, les applications décisionnelles se doivent de fournir une analyse en ligne pouvant être partagée par plusieurs utilisateurs selon leurs profils. Les utilisateurs ont alors la possibilité d’annoter, de donner leur avis, etc. sur les analyses partagées. Dans ce contexte, nous nous intéressons particulièrement à la problématique posée par ce que l’on peut qualifier d’analyse en ligne collaborative. Plusieurs verrous scientifiques sont alors soulevés dans le but de faciliter le processus de personnalisation et de recommandation d’analyses en ligne collaborative :

  • comment enrichir les modèles d’entrepôt de données et des cubes OLAP par des connaissances utilisateurs (profils, annotations, etc.) ;
  • comment intégrer les annotations personnalisées des différents utilisateurs dans le processus d’analyse en ligne ;
  • comment évaluer la qualité d’une analyse personnalisée dans un tel contexte ?

Informatique décisionnelle dans les nuages

Un autre problème auquel les entreprises sont confrontées est que leurs équipes passent beaucoup de temps à collecter de l’information, à la transformer puis à l’intégrer dans un système décisionnel au détriment de l’analyse, qui est bien sûr l’activité à plus forte valeur ajoutée. Afin de gagner en performance et en compétitivité, il est essentiel de diffuser l’usage de la Business Intelligence (BI) au plus grand nombre d’utilisateurs, afin que chaque décideur (expert ou non) soit en position de prendre les meilleures décisions. Les informations pourraient dans ce cas être accessibles et partagées par le plus grand nombre de collaborateurs, en fonction des rôles de chacun (besoins d’analyse spécifiques, besoins de métadonnées propres à chaque application décisionnelle, contraintes de visualisation, mais aussi droits d’accès, etc.). C’est pourquoi nous nous intéressons à la BI à la demande (BI collaborative), qui doit être capable de fournir un outil d’analyse en ligne pour tous. Au-delà des applications d’entreprise, ce concept doit aussi permettre aux citoyens (ONG, coopératives, associations, particuliers) de s’approprier les outils décisionnels. En plus de partager des données et des informations, nous étudions la question du partage des résultats d’analyse. Cette problématique est nouvelle dans le cadre des entrepôts et de l’analyse en ligne et s’inscrit dans le paradigme de l’informatique dans les nuages (Cloud Computing). L’analyse de données au sein des nuages est d’ailleurs devenu alors un enjeu majeur (Big Data / Big Analytics).