Donnée, information, connaissance et sagesse

Les données, les informations, les connaissances et la sagesse ont fait l’objet de nombreuses définitions et théories. Les quatre termes sont souvent utilisés de manière interchangeable, bien qu’ils soient de nature distincte. Nous définissons et illustrons ces termes du point de vue des systèmes d’information.

Les données sont des faits bruts et peuvent être dépourvues de contexte ou d’intention. Par exemple, une commande d’ordinateurs est une donnée. Les données peuvent être quantitatives ou qualitatives. Les données quantitatives sont numériques, c’est-à-dire le résultat d’une mesure, d’un comptage ou d’un autre calcul mathématique. Les données qualitatives sont descriptives. Le « rouge écarlate », la couleur d’un pot de peinture, est un exemple de donnée qualitative. Un chiffre peut aussi être qualitatif : si je vous dis que mon chiffre préféré est 5, il s’agit d’une donnée qualitative, car elle est descriptive, et non le résultat d’une mesure ou d’un calcul mathématique.

Les informations sont des données traitées qui possèdent un contexte, une pertinence et une finalité. Par exemple, les ventes mensuelles calculées à partir des données de ventes quotidiennes recueillies pour l’année écoulée sont des informations. L’information implique généralement la manipulation de données brutes pour obtenir une indication de l’ampleur, des tendances ou des modèles dans les données, tout en visant un but précis.

Les connaissances dans un certain domaine sont les croyances ou les perceptions humaines concernant les relations entre les faits ou les concepts pertinents pour ce domaine. Par exemple, la relation conçue entre la qualité des marchandises et les ventes est une connaissance. La connaissance peut être considérée comme une information qui facilite l’action.

Une fois que nous avons mis nos données en contexte, que nous les avons agrégées et analysées, nous pouvons les utiliser pour prendre des décisions pour notre organisation. Nous pouvons dire que cette consommation d’informations produit des connaissances. Ces connaissances peuvent être utilisées pour prendre des décisions, définir des politiques et même susciter l’innovation.

Les connaissances explicites font généralement référence aux connaissances qui peuvent être exprimées en mots ou en nombres. En revanche, les connaissances tacites comprennent les idées et les intuitions, et sont difficiles à transférer à une autre personne par le biais de simples communications.

De toute évidence, lorsque des informations ou des connaissances explicites sont capturées et stockées dans un ordinateur, elles deviendront des données si le contexte ou l’intention sont absents.

La dernière étape de l’échelle de l’information est le passage de la connaissance (en savoir beaucoup sur un sujet) à la sagesse. On peut dire que quelqu’un a de la sagesse lorsqu’il peut combiner ses connaissances et son expérience pour parvenir à une compréhension plus profonde d’un sujet. Il faut souvent de nombreuses années pour acquérir la sagesse sur un sujet particulier et cela demande de la patience.

Modèle DICS

Le modèle DICS défini les données, les informations, les connaissances et la sagesse comme étant un processus par lequel on passe de données simples à de l’information, pour ensuite aller vers la connaissance et peut-être atteindre la sagesse. Le graphique présenté plus haut établit le lien entre la complexité des relations (axe relationnel) et la compréhension (axe cognitif). Les données possèdent très peu de relation. Conséquemment, notre compréhension en est très faible et elles sont peu utiles. C’est en mettant en relation différentes données que nous obtenons de l’information. Il s’ensuit que notre compréhension du sujet s’accroît. En résumé, plus nous montons dans l’axe relationnel, plus notre niveau de compréhension augmente.

Prenons par exemple le chiffre 3. Sans contexte, celui-ci procure très peu d’utilité. Il n’y a aucune relation à faire donc la compréhension est très basse. Une fois en contexte, cependant, on obtient le prix du café dans une brûlerie, soit 3$/kg de café. Nous avons mis en relation le chiffre 3 avec le symbole “$” et l’unité du kilogramme afin de monter dans l’axe relationnel et ainsi augmenter notre compréhension. Ceci correspond à une information puisqu’on répond à la question « Combien coûte le café ? ». Si nous voulons passer à la connaissance, nous devons mettre plusieurs informations ensemble. Ceci nous permet d’obtenir les rapports de ventes ainsi que les résultats financiers de la brûlerie. Nous répondons donc à la question « Comment vont les ventes ? » ou « Comment va l’entreprise financièrement ? ». Finalement, pour passer à la dernière étape, soit la sagesse, nous devons utiliser notre jugement ou notre éthique afin de prendre une décision. Par exemple, prenons l’éventualité où nous prévoyons changer un certain café pour un café avec la certification biologique. La raison pour laquelle nous prenons la décision de passer au café biologique ou pas correspond à notre éthique et répond à la question « Pourquoi ? ». Il s’agit là de sagesse.

Les mégadonnées (Big Data)

Presque tous les logiciels nécessitent des données pour faire quelque chose d’utile. Par exemple, si vous modifiez un document dans un outil de traitement de texte tel que Microsoft Word, le document sur lequel vous travaillez est la donnée. Le logiciel de traitement de texte peut manipuler les données : créer un nouveau document, dupliquer un document ou modifier un document. Voici d’autres exemples de données : un fichier de musique MP3, un fichier vidéo, une feuille de calcul, une page Web, une publication sur les réseaux sociaux et un livre électronique.

Récemment, le terme “Big Data” a attiré l’attention de tous les types d’organisations. Ce terme fait référence à des ensembles de données tellement volumineux que les technologies de traitement de données conventionnelles n’ont pas la puissance suffisante pour les analyser. Par exemple, Walmart doit traiter des millions de transactions clients chaque heure à travers le monde. Le stockage et l’analyse d’une telle quantité de données dépassent la puissance des outils traditionnels de gestion des données. Comprendre et développer les meilleurs outils et techniques pour gérer et analyser ces grands ensembles de données est un problème que les gouvernements et les entreprises tentent de résoudre.

Bases de données

L’objectif de nombreux systèmes d’information est de transformer des données en informations afin de générer des connaissances pouvant être utilisées pour la prise de décision. Pour ce faire, le système doit être capable de prendre des données, de permettre à l’utilisateur de les mettre en contexte et de fournir des outils d’agrégation et d’analyse. Une base de données est conçue à cette fin.

Gestion des connaissances

Nous terminons cette section par une brève discussion sur le concept de gestion des connaissances (Knowledge Management). Toutes les entreprises accumulent des connaissances au cours de leur existence. Certaines de ces connaissances sont écrites ou enregistrées, mais pas de manière organisée. Une grande partie de ces connaissances ne sont pas écrites ; elles sont plutôt stockées dans la tête des employés. La gestion des connaissances est le processus de création, de formalisation de la capture, d’indexation, de stockage et de partage des connaissances de l’entreprise afin qu’elle puisse bénéficier des expériences et de la compréhension qu’elle a acquises au cours de son existence.