Thèse présentée pour l’obtention du grade de Docteur








télécharger 1.09 Mb.
titreThèse présentée pour l’obtention du grade de Docteur
page7/35
date de publication20.03.2018
taille1.09 Mb.
typeThèse
ar.21-bal.com > histoire > Thèse
1   2   3   4   5   6   7   8   9   10   ...   35

2.4.5Deuxième Systémique




La base théorique construite jusqu’ici semble permettre une représentation structurée d’une société de consommation où les grandes surfaces commerciales échangent des flux d’information, de biens et de services avec leur environnement.

L’observation des équilibres économiques de la fin du XIXème siècle permit dans les années cinquante à soixante-dix l’émergence du structuralisme linguistique, puis de la cybernétique, de la théorie de l’information, de la description de systèmes complexes et des concepts d’interrelations et de régulation dans et entre les organisations.
Ces travaux sont généralement appelés aujourd’hui “première systémique” pour marquer l’évolution qu’apporte la “deuxième systémique”.
La prise en compte dans les années 90 de ces orientations épistémologiques descriptives et qualitatives a relancé, presque refondé cette systémique qu’il est convenu d’appeler systémique de deuxième génération [Durand, 2002].

Cela permit aux chercheurs des "sciences dures" comme l’ingénierie et la gestion d’apporter leurs outils de modélisation aux sciences humaines [Donnadieu, 2002].


2.4.6Ordre et Chaos



Avec la communication, la base de cette évolution qui ne remet pas en cause les travaux précédents reste la notion de système ouvert, qui sera approfondie avec la notion de “structure dissipative” qui ajoutera aux caractéristiques fondamentales des systèmes l’autonomie et l’auto-organisation [Prigogine, 1999].

En partant de la thermodynamique des phénomènes irréversibles, il s’avère que la bifurcation des systèmes au-delà d’un seuil qui s’éloigne de l’équilibre rend le système instable (chaotique). Le retour à un certain ordre (rappelant des structures cristallines comme les structures dissipatives) est parfois possible mais dans un autre état (structures dissipatives) stabilisé par le flux dissipatif.

Le temps modifie donc la structure de la matière. “Einstein a cru à un déterminisme absolu de l'univers régi par la théorie de la relativité générale, mais il croyait aussi au rôle créateur de l'imagination” [Gerzso, 1995], ce qui est le contraire du déterminisme.

Le temps, comme facteur de probabilité, joue un rôle déclencheur au point d’équilibre et détruit le paradigme déterministe. “En bref, nous avons montré que pour les systèmes instables, les lois fondamentales doivent se formuler au niveau statistique et conduisent ainsi à des solutions nouvelles irréductibles à des trajectoires classiques ou à des fonctions d'ondes quantiques” [Gerzso, 1995].

Ainsi les progrès réalisés par Prigogine et qui lui ont valu le Prix Nobel de Chimie en 1977 montrent que la science abandonne le déterminisme, que les systèmes ouverts capables d’auto-organisation ne peuvent être que probabilisés et que les certitudes sont des illusions.

La modélisation de tout système économique ou de gestion est généralement pensée à un instant précis. L’essence dynamique des systèmes ne permet qu’une approche probabiliste des échanges de flux entre acteurs, notion difficile à intégrer dans des modèles de management qui se conçoivent plus facilement figés. La description et les mesures des résultats de campagnes marketing, dans cette perspective systémique, ne devraient se faire que sous forme de probabilité qui rendrait mieux compte de la dynamique réelle des organisations.


2.4.7Systèmes complexes



2.4.7.1Définition




La théorie du système général [Bertalanffy, 1973], popularisée en France par les ouvrages de référence de Le Moigne [1990] est une rupture avec la vision traditionnelle de l'analyse et de la modélisation issue de la méthode analytique cartésienne. La discussion sur ce qu'est un système est encore sûrement ouverte.
Il y a plusieurs définitions de ce qu'est un système. Elles insistent sur les notions d'interrelations et de totalité auxquelles J. Ladrière apporte celle de complexité [Durand, 2002, p.8], reprise également par E. Morin qui lui ajoute celle d'organisation en parlant d'une "unité complexe organisée" [Morin, 1977, p.105]. Cette évolution de la définition d'un système en traduit la difficulté. L'ajout de l'adjectif "complexe", lui-même non défini ne la clarifie pas et E. Morin revient à une définition d'un système qui fait la synthèse des notions précédentes en évitant le terme complexe :
“Unité globale organisée d’interactions entre éléments, actions ou individus”. [Morin, 1977, p.102]
Cette référence à une "unité globale" permet d'envisager des sous-unités, donc des sous-systèmes, qui seront utilisés dans les modélisations.

Le recours aux systèmes ou systémique ambitionne de fournir des outils de modélisation qui permettent non pas d'exhiber explicitement des structures, mais de dégager une intelligibilité permettant de comprendre dans son ensemble le système étudié. Ces outils de modélisation sont conçus au sein du paradigme de la complexité (voir §2.3.4.2) pour servir une méthodologie qui essaie de comprendre les structures et articulations des systèmes. “L'intelligibilité ne mutile pas la vision des systèmes, tout en en conservant la complexité” [Ermine, 2003, p.123].


2.4.7.2Champ d’application




C’est toujours la création et la gestion des moyens, l’élaboration des stratégies, la rentabilité des actions qui orientent les recherches dans ce domaine. Pour établir les fondamentaux nécessaires aux Sciences de Gestion, une “Epistémologie de la connaissance praticable” est souhaitable [ David, 2001, chapitre 4]. Cette fracture épistémologique existe depuis l’origine des recherches en stratégie d’entreprise entre ”ordre et chaos”, c’est-à-dire l’opposition d’une logique positiviste des outils analytiques traditionnels (segmentation, SWOT, matrices BCG et son dérivé du Centre Français de Marketing Stratégique de l’ADETEM, modèle cinq forces de Porter, benchmarking, matrice atouts-attraits et opportunité-risques de McKinsey, Arthur D. Little, modèle systémique des apports-contraintes-exigences, etc.) à “une approche interprétative indispensable en situation d’incertitudes fortes” qui recourt à “un processus ouvert dans lequel il s’agit d’écouter, de converser avec des clients, des experts, pour interpréter et discerner les nouvelles possibilités qui surgissent des interactions” [Martinet, 2001 a].
Cet auteur décrit le besoin d’un “cadre conceptuel à même de guider les processus cognitifs et organisationnels”. Il perçoit bien que positivisme et constructivisme ne pourront seuls faire émerger “les articulations créatives, les combinaisons et les intégrations novatrices”. En disant que la stratégie doit se situer près du “systémier” (sic) il conclut son article sur une ouverture. Il ne parle pas de structure, de complexité ni de systèmes mais il suggère ces pistes et justifie toute réflexion sur la pensée complexe et la systémique qui en découle.


2.4.7.3Propriétés des systèmes




La première propriété d’un système est la complexité que l’on peut appréhender, entre autres, par le nombre des liaisons, les aléas dus à l’environnement, l’ordre et le désordre, le besoin de variété, l’organisation en niveaux ou en réseaux. On pourrait même remplacer, de façon trop réductrice d’un point de vue sémantique, le substantif "système" par "complexité". Rien n’empêche que l’on parle par exemple de "Complexité économique" mais une autre acception de "complexe" d’après son origine (de plectere : lier, ficeler, qu’on retrouve dans plexus) va dans le sens d’inhibition (souffrir d’un complexe).

Les réseaux de liens tressés dans et autour de quelque chose donnent étymologiquement cette impression de paralysie empêchant l’action.

L’histoire des mots accompagne l’histoire des hommes. La structuration du langage fournit aussi ce que F. Braudel appelle des “cadres mentaux de longue durée”.

Le Moigne parle dans sa définition du système d’un "objet actif et stable". Le qualificatif "stable" apporte un biais dans la définition alors qu’un système est plutôt une "Unité globale organisée" comme le dit E. Morin, ce qui laisse la possibilité d’étudier le phénomène essentiel des changements d’états des systèmes. En voulant fermer un système comme étant un élément stable a priori, le risque est de retomber dans la segmentation fermée, si caractéristique de la rigidité (certains diront la rigueur) de nombreuses pratiques managériales.
La néguentropie, définie ci-dessus aux paragraphes 2.3.4.2 comme la capacité d’un système à gagner en ordre par apport d’information, est une autre des principales caractéristiques des systèmes.

De cette capacité à l’entropie/néguentropie découlent d’autres propriétés telles que la conservation, l'ouverture (un système évolue et échange toujours des flux avec son milieu, son environnement), la totalité (un système n'est pas réductible à la somme de ses éléments et l’agencement des relations - matière, énergie, information - forme une nouvelle unité), la rétroaction (les composants d'un système ne sont pas en relation unilatérale ou causale, il y a la plupart du temps des interactions et des boucles de rétroaction), l'équifinalité (dans un système circulaire, les évolutions ne sont pas tant déterminées par les conditions initiales que par la nature du processus lui même où les paramètres du système).


Néguentropie

Le "désordre informationnel" est donc défini par une augmentation d'entropie d'un système. Inversement, un apport d'information, qui fournit de " l'organisation informationnelle " correspond à une augmentation de la néguentropie du système. La notion de néguentropie est donc liée inéluctablement à la notion d'organisation d'un système, elle même liée à la notion d'information. C'est ainsi que s'organise, dans une relation tripartite information-néguentropie-organisation la vision complexe d'un système du point de vue informationnel (Figure 3).
Morin [2005] est parvenu à dégager une vision complexe de l'information et permet de mieux appréhender sa nature.





Figure 3 Le triangle d'interactions de l'information dans un système selon E. Morin

La néguentropie est un caractère fondamental, intrinsèque à un système, une sorte de propriété essentielle qui fait qu'un système est ou devient un système perçu comme tel [Morin, 2005, p.37]. L'information naît d'un processus organisationnel qui se développe à partir d'interactions événementielles, aléatoires (cette sorte de "hasard nécessaire" dans la création de l'être vivant ou de l'univers). Elle se constitue en même temps que le système développe des capacités de mémorisation et de programmation. Elle arrive alors au stade où s'établit une équivalence potentielle entre néguentropie et information, telle qu'on peut l'imaginer à travers la formulation de Shannon [1976].

La transformation d'information en néguentropie se fait via la production d'événements organisateurs : des informations sont générées par le système qui "suscite des événements, précisément pour annuler ou contrecarrer les événements perturbateurs qui, sans cesse, arrivent de l'extérieur ou surgissent de l’intérieur. L'information génère de l'événement, le transforme en ordre et organisation" [Morin, 1986].
Cette transformation ne peut avoir lieu qu'à partir d'un phénomène de communication, qui fait que l'information est "bien" transmise (E. Morin parle d'information générative et d'information circulante comme de deux moments de l'information). C'est une expérience perceptible quotidiennement : un système se régule (s'organise) globalement par l'intermédiaire de la création/transmission d'informations. C'est par exemple le cas dans un système de carrefours routiers (comprenant les structures, les acteurs humains et technologiques) régulé par des feux de circulation. La communication d’une marque peut aussi facilement entrer dans ce cadre.
Cette analyse en trois points de vue, néguentropie-information-organisation, replace tout système informationnel dans une perspective complexe qui lui donne profondeur et richesse. En une période souvent décrite comme l’ère ou la société de l’information, elle en montre effectivement le caractère organisateur dans le système, caractère évaluable, voire calculable, par la néguentropie du système.
Spécificité systémique, introduction de la connaissance :

L’accès à l’information et son assimilation passe par l’apprentissage qui lui même mène à la connaissance. On peut donc lier systémique et connaissance. La réciproque, faisant de la connaissance le résultat d’une approche de la complexité (avec des outils abordés au § 2.4.8), est vraie aussi et très adaptée à notre environnement d’aujourd’hui. Le pont qui se construit, presque au sens chimique pour unir très fortement des atomes, entre complexité et connaissance, n’est pas qu’une construction sémantique, il permet de traverser des difficultés épistémologiques. La recherche scientifique devant aboutir à augmenter les connaissances, utilise la pensée complexe issue d’une évolution (Aristote, d’Occam, Descartes, Comte, Bachelard, Saussure, Morin, ...) épistémologique. Les outils méthodologiques utilisés dans ce but proviennent également du même paradigme. Cela donne à cette démarche une cohérence très forte qui peut produire des modèles stables.

Typologie des Systèmes 

De nombreux auteurs cherchent à organiser la représentation des systèmes, à en dresser une liste.

Cela se présente parfois comme une taxonomie [Le Moigne, 1990; Durand, 2002] ou sous forme d’échelle allant du plus simple au plus complexe [Boulding, 1956, p.9], ou encore dans une approche téléologique avec des systèmes à état, à but, à apprentissage, à décideurs multiples [Lesourne, 1982], ou en décrivant les processus suivis [Forrester, 1993].
Ces classifications posent cependant un problème méthodologique majeur. Elles tendent vers une segmentation cartésienne de ce qui serait un “domaine des systèmes”. La pensée complexe (Cf. §2.3.4.2) est beaucoup plus puissante dans une approche structuraliste. On évitera par conséquent tout essai de normalisation ou d’adaptation typologiques au secteur économique étudié.
Ces descriptions correspondent cependant à un réel besoin. Les questions de pratique quotidienne ont besoin de méthodes et si cette classification était possible, cela faciliterait le travail des praticiens. A un problème donné, il suffirait de chercher dans le catalogue des systèmes pour avancer. C’est en utilisant des outils que les acteurs travaillent et mieux vaut déterminer quels sont les bons outils de la systémique plutôt que se perdre dans des typologies de la complexité.


2.4.8Modélisation systémique



2.4.8.1Introduction




La connaissance sur les composantes autres que celles informationnelles ou cognitives dans un système a beaucoup progressé avec les approches globales de la systémique qui ont apporté de nouvelles visions sur les phénomènes de "communication". Il s'agit toujours de communication, mais dans une acception moins réductrice que celle des théories exposées précédemment. Dans un système complexe où différents processeurs sont en relation, il n'est plus possible de distinguer ou de décider des émetteurs, des récepteurs, des canaux indépendants. Chacun échange des informations, des connaissances avec des signes et des conventions à la fois en tant que récepteur, transmetteur ou émetteur informationnel ou sémantique. Il faut donc, pour rendre compte de ce nouvel aspect, décrire les circonstances et le système, " l'orchestre dans lequel la partition de la communication se joue " [Scheflen, 1973], dans lequel les connaissances évoluent. Il n'est donc plus question de se référer à un modèle (génétique) de type transmission d'informations ou de connaissances, mais d'élaborer un modèle de circulation d'informations ou de connaissances [Ermine, 2000].

Les clients, les fournisseurs, les employés du distributeur par exemple, alimentent les flux d’échanges et produisent des connaissances que la modélisation doit pouvoir capter.

Mais avant de passer aux différentes modélisations systémiques de la connaissance, il faut définir comment chercher l’information qui y mène.
La première piste "est de connaître la richesse d’information que les gens ont dans la tête" [Forrester, 1993]. La connaissance de ces informations sur les parties d’un système et sur la quantité d’informations disponibles à différents points d’un système permet au final les prises de décision [Forrester, 1991]. Cette intuition sur l’information connue des individus qui n’en sont pas toujours conscients sera complétée par les concepts de connaissances tacites et de connaissances explicites [Nonaka , 1995, p.69].
Les connaissances de type explicite sont des connaissances produites par les réseaux d’acteurs de la connaissance qui peuvent être converties en informations par une fonction d’externalisation [Ermine, 2006]. En général, on entend souvent par connaissances explicites un sous-ensemble strict de cet ensemble, sans en donner précisément la définition (connaissances “explicitées”, celles qui sont effectivement converties), image de l’externalisation à un instant donné, ce qui introduit une notion de temps.
Les connaissances de type tacite sont produites par les réseaux d’acteurs et ne sont pas de type explicite. Cette définition apparemment tautologique n’est en fait pas simple, et n’a pas été vraiment éclaircie dans les multiples lectures de Nonaka. On peut considérer, comme ci-dessus, les connaissances “explicitées”, notion qui dépend du temps, ou les connaissances “explicitables” (c’est la définition “d’explicite” retenue ici). L’expérience montre facilement que toute connaissance n’est pas explicitable. Il y aurait donc, dans le patrimoine du savoir des connaissances explicitées ou non, explicitables et non explicitables, sans compter les connaissances “enfouies” dans les dispositifs matériels qui ne sont rattachées à aucun acteur ! On ne peut pas non plus, pour donner une définition parallèle aux connaissances de type explicite, dire qu’une connaissance de type tacite est la conversion d’informations en connaissances (par la fonction d’internalisation), ce qui serait beaucoup trop restrictif ! Pour simplifier, on dira donc que les connaissances de type tacite sont celles produites par les acteurs et qui ne sont pas “explicitables”. Il y a donc uniquement deux types de connaissances produites par les acteurs dans le patrimoine des connaissances.

A titre d’exemple de cette formalisation, on peut considérer l’expérience personnelle que possède un chef de rayon d’un hypermarché sur un certain type de promotion comme une connaissance tacite qui peut devenir explicite lorsqu’il va la partager avec d’autres intervenants dans une réunion préparatoire à une nouvelle campagne. Elle se transformera en information lorsqu’elle sera externalisée vers le système d’information et sera alors disponible pour d’autres parties prenantes.


2.4.8.2Processus de modélisation




Dans la théorie du système général, une organisation (en fait tout système) peut être modélisée à des niveaux de détails différents, qui ne rendent pas compte de la même vision de cette organisation.
La modélisation systémique est justifiée en tant que processus [Le Moigne , 1990] (Cf. §2.4.8.3.5) et les grandes étapes de la construction se font par modules chronologiques [Durand, 2002, p.62] :


  • définir le projet

  • dessiner le modèle

  • étudier le comportement du modèle

  • utiliser le modèle



Une fois construits, les modèles utilisés en systémique sont catégorisés d’après la finalité de chacun :


  • modèle cognitif qui donne une représentation d’un système réel comme celui en double hélice de l’ADN, support du code (toujours la théorie de l’information) génétique.

  • modèle décisionnel dont on peut rapprocher les études de cas.

  • modèle normatif dérivé du précédent et très contraignant comme celui des dispositifs de sécurité des centrales nucléaires.

  • modèle prévisionnel prédictif d’une situation future à partir d’états du passé.


2.4.8.3Ontogénèse des Modèles systémiques




La systémique appliquée aux organisations, aux Systèmes d’Information ou à la gestion des connaissances est sortie depuis plus de vingt ans des laboratoires pour participer à des projets très variés et parfois de grande envergure [Van Berten, 2006]. Un bref descriptif des outils théoriques est nécessaire pour pouvoir utiliser leurs apports successifs à l’élaboration d’un nouveau modèle.


2.4.8.3.1 Le Macroscope



Le macroscope n'est pas un outil comme les autres. C'est un instrument symbolique, fait d'un ensemble de méthodes et de techniques empruntées à des disciplines très différentes. Il ne sert pas à voir plus gros ou plus loin, mais à observer ce qui est à la fois trop grand, trop lent et trop complexe pour nos yeux [De Rosnay, 1975].
On peut imaginer, si on dispose d'un tel outil, pouvoir observer et maîtriser, c’est-à-dire gérer, les systèmes sans les réduire ou les mutiler.
Le macroscope de la connaissance représenté à la Figure 4 est une manière de structurer le patrimoine de connaissances d’un système organisé. Il a été décrit, justifié et décliné en une méthode d’ingénierie opérationnelle, la méthode MASK, qui a été utilisée dans des dizaines de projets d’entreprises, parfois très importants [Ermine, 2000].


Figure 4 Le macroscope de la connaissance d'après de Rosnay [1975]
Deux hypothèses sont à la base de la définition de la connaissance selon le macroscope.
La première est l’hypothèse “sémiotique”, à savoir que la connaissance se perçoit comme un signe, qui contient :


  • de l’information (quelle est la forme codée ou perçue du signe reçu ?),

  • du sens (quelle représentation cérébrale l’information engendre-t-elle ?),

  • du contexte (quel environnement conditionne le sens que l’on met sur l’information reçue ?).


L’exemple typique est celui d’une montre qui communique une information codée. Ce code est extrêmement complexe avec son cadran, éventuellement ses aiguilles, ses formes et configurations variées, etc. Les significations diverses (la base étant l’heure!) ainsi transmises dépendent de situations et de contextes potentiellement infinis (rendez-vous, horaires, expériences, suivis de processus, planification...).
La deuxième hypothèse est l’hypothèse “systémique”, à savoir que la connaissance se perçoit comme un système global, avec toujours trois points de vue :


  • la structure, où le système comprend une frontière, des éléments, un réseau de relations et des réservoirs,

  • la fonction, qui utilise des flux, des centres de décision, des boucles de rétroaction, des délais de réponse,

  • l’évolution.


Ainsi, pour décrire une montre, on peut parler de sa fonction (donner l’heure …), de sa structure (boîtier, mécanisme, forme, etc.), de sa position dans l’évolution des techniques d’horlogerie (électrique ou mécanique, digitale, avec aiguilles ou cristaux liquides, à quelle mode elle est rattachée, etc.).
Analyser un système, c’est donc le décrire à travers cet ensemble de points de vue : information, sens, contexte d’une part, structure, fonction, évolution d’autre part. Ces points de vue sont extrêmement liés et souvent confondus. En général, un discours sur un domaine de connaissance, même construit, ne distingue pas ces points de vue et les emmêle inextricablement.
Une analyse fine, qui recoupe notamment de nombreux travaux sur l’analyse de l’information et l’Intelligence Artificielle, permet d’organiser ces points de vue : on part de chacun au niveau “ sémiotique ” qu’on peut ensuite analyser suivant les trois points de vue “ systémiques ”.
L’information, ainsi que la Figure 4 le schématise, se décrit classiquement en termes de données - ou structures de données - (aspect structurel) et de traitements - ou structure de contrôle - (aspect fonctionnel).
Le sens se décrit en termes de réseaux sémantiques (aspect structurel), caractéristique de la structure de la mémoire humaine et de tâches (cognitives) (aspect fonctionnel), caractéristique de la représentation cognitive de l’action chez l’être humain.
Le contexte se représente par une description générale de l’activité (analyse fonctionnelle), et des concepts du domaine (aspect structurel).
Les aspects de l’évolution sont décrits par des informations de type datation (versions, dates, etc.).

L’aspect contextuel se représente par une modélisation de l’historique.

Le sens donné à l’évolution des concepts, des solutions, des objets techniques élaborés au cours du temps dans l’entreprise est représenté par des “ classifications génétiques ” construites a posteriori qu’on appelle des lignées (arbres technologiques, etc.).


2.4.8.3.2 Modèle de la "boîte noire"



C’est le modèle le plus simple. Il rend compte d’une organisation active dans son environnement. Un système qui n’échangerait pas avec son environnement serait un système inactif.
L’organisation est vue comme un “processeur de flux”. Elle reçoit des flux en entrée (intrants) et produit des flux en sortie (extrants). En général, on distingue trois types de flux :


  • énergie

  • matière

  • information


On peut diversifier à loisir en parlant de flux financiers, flux cognitifs, etc.
L’organisation (ou l’entreprise) est ainsi vue comme productrice d’un bien, d’un service ou d'une valeur, matérialisés par le flux de sortie et par son activité de transformation du flux entrant.
C’est bien une vision minimum qu’on peut donner d’une organisation, sans avoir une quelconque visibilité sur les sous-systèmes qui sont impliqués dans le processus de transformation



O

Flux entrant

Flux sortant

Figure 5 L’organisation vue comme une boîte noire


2.4.8.3.3 Modèle de la Marguerite



Le modèle de la marguerite, représenté Figure 23, met en évidence le patrimoine de connaissance comme élément central des projets de gestion des connaissances. Il est alimenté par capitalisation des processus de connaissance comme la relation-client ou les études de marché [Ermine, 2000, p.55]. Utilisé dans les entreprises, il est indissociable de sa fonction, qui est une fonction de valeur permettant à chaque activité d’enrichir le patrimoine de connaissance et donc de créer de la valeur. Cette notion sera reprise et développée au paragraphe 4.5.2.


2.4.8.3.4 Modèle de la “division du travail”



Ce modèle est plus applicable aux entreprises industrielles du siècle dernier. Il considère qu’il existe deux sous-systèmes qui gèrent le système de production à l’intérieur de l’organisation :


  • Le système de décision D, qui conçoit et pilote le système de production

  • le système opérant, O, qui réalise le processus de transformation des flux





C’est le modèle classique de la “division du travail” qui sépare la conception des tâches de leur pilotage et de leur exécution opérationnelle. C’est cette vision "taylorienne" de l’organisation qui accompagna la révolution industrielle. Si ce modèle est loin des préoccupations actuelles des Sciences de Gestion, il sert de fondation à la construction des modèles qui se sont bâtis ensuite.


2.4.8.3.5 Modèle informationnel



Evolution du modèle précédent, on ajoute aux deux précédents systèmes celui de l’information.

Modéliser un système complexe c’est d’abord modéliser un système d’actions [LeMoigne, 1990]. La modélisation de l’action complexe se caractérise par la notion générale de processus qui se définit par son exercice et son résultat.
Le modèle informationnel représente ce processus par trois fonctions :


  • la fonction de transfert temporel

  • la fonction de transformation morphologique

  • la fonction de transfert spatial


Ce processus est représenté dans le modèle O I D par les flèches qui relient les systèmes :

Centre Décisionnel, Système d’Information et Système Opérant.



D







I





O


Figure 6 Le modèle informationnel O I D
Deux types d’approches sont possibles pour construire des modèles systémiques [Le Moigne, 1990]. La première, dite heuristique, est un raisonnement par tâtonnements que l’on tient pour plausibles et la deuxième, dite algorithmique est un enchaînement d’opérations logiques validées à l’avance. C’est la première qui est recommandée par Le Moigne.
La systémique faisant une part à l’incertitude, certains auteurs proposent de compléter la terminologie relative à la modélisation systémique en qualifiant la solution des problèmes complexes de "satisfaisante" [Simon, 1958], sachant qu’elle ne peut pas être optimale.

2.4.8.3.6 Modèle du Patrimoine des Connaissances



Dans l’optique de la gestion des connaissances, le modèle O I D (Figure 6) évolue pour que la connaissance puisse être représentée [Ermine, 2000]. La connaissance n'est pas un attribut propre à un des sous-systèmes, elle existe cependant en tant que telle, comme un patrimoine propre au système. Ceci justifie l'hypothèse de l'existence d'un quatrième sous-système qu'on appellera "Système de Connaissance" ou "Patrimoine des connaissances" [Eco, 1984]. Ce sous-système est clairement un système actif.
Il possède deux activités fondamentales :


  • l'activité d'acquisition des connaissances produites



  • l'activité de cognition relative à la transmission de ces connaissances


Le sous-système de la connaissance est vu comme un sous-système actif. Ce processus se traduit classiquement par des flux qui créent des interrelations actives avec les autres sous-systèmes. Ces flux peuvent se classer en deux catégories : ceux qui partent des autres sous-systèmes vers le sous-système de connaissance et correspondent aux activités de compétence (production de connaissance), et ceux qui partent du système de connaissance vers les autres sous-systèmes correspondant aux activités de cognition [Morin, 1986].

Le flux de compétences correspond à l'enrichissement progressif du patrimoine de connaissance du système par le biais de ses différents acteurs humains ou ses composants (objets physiques, Systèmes d'Information...). Le flux de cognition correspond à l'appropriation implicite (le plus souvent) ou explicite de ce patrimoine en vue de l'utiliser dans le processus de transformation propre au système.
Le patrimoine de connaissance qu’on désire gérer est la plupart du temps un sous-ensemble de toutes les connaissances produites et utilisées dans l’entreprise. Son identification n’est pas a priori évidente et ne correspond pas toujours à l’idée intuitive que l’on s’en fait. Si par exemple, un service d’une entreprise désire gérer les connaissances qui caractérisent son savoir-faire dans sa manière de produire, le système de référence n’est pas l’unité de production elle-même comme on pourrait le croire dans une approche superficielle. Il comprend toutes les composantes, internes ou externes à l’entreprise, qui participent à l’ensemble des connaissances concernant la production en question. Cela peut aller d’une société qui réalise des études de marché jusqu’aux organismes officiels, nationaux ou internationaux, qui édictent les lois ou réglementations régissant tout ou partie de la production. L’identification de toutes ces composantes est nécessaire pour délimiter le corpus des connaissances que l’on désire gérer (dans notre domaine : connaissance du marché, connaissance juridique...).
Le modèle du patrimoine de connaissance est une extension du modèle O I D, auquel on rajoute un quatrième sous-système K (K pour Knowledge, la connaissance), et des flux le reliant aux autres sous-systèmes (flux cognitifs de compétence et de cognition) comme montré à la Figure 7.
Chacun des trois sous-systèmes O, I et D possède des connaissances propres :


  • le système opérant par le savoir-faire des opérateurs, les savoirs des experts, les connaissances dans les procédés et les instrumentations.




  • le système de décision par sa connaissance de l’environnement extérieur, sa capacité organisatrice.



  • le système d’information par la somme considérable de savoir qui “dort” dans les documents ou les bases de données.


Ces connaissances sont répertoriées dans le patrimoine des connaissances de l’organisation, qui est en interrelation active avec les trois autres sous-systèmes. Dans un sens, le patrimoine des connaissances du système s’enrichit dans le temps par le biais de ses différents acteurs humains ou de ses composants (objets physiques, Système d'Information...). Dans l’autre sens les acteurs s’approprient, le plus souvent implicitement ou explicitement, ce patrimoine en vue de l'utiliser dans le processus de transformation propre au système.
L’intérêt du modèle est de matérialiser le flux des connaissances qui est une production propre de l’Organisation mais qui n’apparaissait pas comme telle. Devant l’importance stratégique croissante de la connaissance, il semble désormais aberrant de ne pas l’intégrer au modèle. Le Patrimoine des connaissances apparaît ainsi comme un “réservoir” où elles s’accumulent.




Figure 7 La vision de l’organisation intégrant les flux de connaissances.


2.4.8.3.7 Le Modèle A I K



La société de la connaissance, l’économie de la connaissance montrent l’importance croissante des acteurs de la connaissance (“Knowledge Workers” en anglais) dans les organisations. Les connaissances tacites sont très souvent considérées comme intimement liées à l’individu, et n’existent pas sans lui. Qui plus est, elle est liée à des groupes d’individus, des communautés de savoir, des communautés de pratiques.

La gestion des connaissances se confond souvent avec la gestion des acteurs de la connaissance, même si ce n’est qu’une partie du problème. Le rôle des réseaux d’acteurs est donc prépondérant, plus que le rôle de décideur ou d’opérateur de l’individu. Dans les organisations complexes et avancées, décisions et opérations sont souvent partagées par les mêmes réseaux d’acteurs. Dans le modèle O I D, on peut donc considérer que les éléments des systèmes “Opérant” et de “Décision” se regroupent en réseaux d’acteurs. Ces réseaux apportent leur savoir-faire pour aider la prise de décision ou les processus opérationnels. Ils créent ainsi de la valeur ajoutée pour l’Organisation.

Cette capacité cognitive des acteurs est soutenue par le Système d’Information (S I), en étroite relation avec les acteurs qui s’approprient de l’information pour la transformer en connaissances opérationnelles ou décisionnelles. Inversement, les acteurs produisent de l’information qui s’accumule dans le Système d’Information s’ils formalisent leurs connaissances et qu’ils les expriment dans ce système.
Ainsi ce dernier modèle d’organisation, appelé A I K [Ermine, 2005], est le plus approprié pour la gestion des connaissances. Il est formé des sous-systèmes d’Information (I), du patrimoine de connaissance (K), et du sous-système des réseaux d’acteurs ou communautés de savoir (A). Le sous-système A est en relation avec I par des flux d’Information qui traduisent l’expression des acteurs quand ils formalisent leurs connaissances, ainsi que l’appropriation d’Information par les acteurs, utile pour créer des connaissances à but soit opératoire soit de décision.

Pour faire le lien avec les sous-systèmes O et D qui disparaissent du modèle, il y a une inclusion naturelle de ces systèmes dans A. Un acteur, dans le processus de transformation de flux de l’Organisation, est nécessairement un acteur qui produit une décision ou une action (la gestion des connaissances en entreprise ne s’intéresse qu’à gérer ce type de connaissance). Elle peut être produite directement par les acteurs ou par l’interaction avec le Système d’Information. Ces flux sont donc propres, non pas à I ou A, mais au système formé par les ensembles I et A.


2.4.9 Systémique et Sciences de Gestion




Le secteur de la grande distribution peut être considéré comme un ensemble complexe de sous-systèmes. Le groupe Carrefour, est présent sur tous les continents et son développement international suit les opportunités qu’offrent les nouvelles règles et possibilités du commerce international.

Ce développement, tant par la taille acquise par le distributeur que par les situations nouvelles de gestion qu’il rencontre, rapproché des mots-clés du §2.4.8.3 (information, sens, contexte, structure, fonction, évolution, énergie, matière, transfert temporel, transformation morphologique, transfert spatial, savoir, experts, procédés, instrumentation, décision, environnement, capacité organisatrice, bases de données, sources, cibles, flux, champs), démontre que l’approche systémique en Sciences de Gestion est particulièrement adaptée à la modélisation des systèmes et sous-systèmes de la grande distribution et de son environnement.

Les termes de cet inventaire brut sont peu manipulés en gestion de la grande distribution. Les chemins empruntés par la connaissance dans ce domaine suivent plutôt les directions données par les variables décrivant les clients (âge, sexe, revenus, récence, fréquence, dépense, etc.) et leurs réponses simples (positives, négatives ou dans une échelle de Likert) pour mesurer des réactions (reconnaissance spontanée, aidée, opinion, etc.) aux campagnes ou pour évaluer l’évolution de la notoriété et de l’image des enseignes. Il ne s’agit pourtant pas d’une dichotomie qui séparerait le domaine en deux parties complémentaires.
Grâce à l’évolution épistémologique, la pensée complexe se refuse, dans son principe, à segmenter un domaine. De plus, comment les variables décrivant “savoir, procédés, flux,…” pourraient être négligées ?

Les outils de modélisation issus des recherches décrites au long de ce chapitre aboutiront à la construction d’un modèle systémique qui fera l’objet du quatrième chapitre, s’attachant à délimiter les pratiques empiriques dans la chaîne de la valeur et les relations de celle-ci avec son environnement.


1   2   3   4   5   6   7   8   9   10   ...   35

similaire:

Thèse présentée pour l’obtention du grade de Docteur iconThèse Pour obtenir le grade de

Thèse présentée pour l’obtention du grade de Docteur iconTHÈse pour l’obtention du diplôme de

Thèse présentée pour l’obtention du grade de Docteur iconTHÈse présentée

Thèse présentée pour l’obtention du grade de Docteur iconThèse Présentée à la Faculté de Pharmacie de Montpellier

Thèse présentée pour l’obtention du grade de Docteur iconThèse de docteur en Pharmacie

Thèse présentée pour l’obtention du grade de Docteur iconThèse de docteur en Pharmacie

Thèse présentée pour l’obtention du grade de Docteur iconLa création d’un nouveau grade de directeur des finances publiques...
«administrateur de 1ère classe», avec éventuellement maintien d’un système de type tour de piste pour l’accès à la 1ere classe. Les...

Thèse présentée pour l’obtention du grade de Docteur iconThèse soutenue publiquement par Sang-Ha suh le 10 Juillet 2006
«avec projection», de cette thèse aux membres du Conseil scientifique et à leurs expliquer pourquoi cette thèse ne devait pas être...

Thèse présentée pour l’obtention du grade de Docteur iconPour l’Obtention Du Diplôme D’Ingénieur D’Etat

Thèse présentée pour l’obtention du grade de Docteur iconListe des contacts pour l’obtention de la carte professionnelle de guide-conférencier








Tous droits réservés. Copyright © 2016
contacts
ar.21-bal.com