Évolution et Transformation automatisée de modèles de Systèmes d’Information: Une approche guidée par l’Analyse Formelle de Concepts et l’Analyse Relationnelle de Concepts

De nos jours, l’évolution rapide des besoins dus à l’innovation technique, la concurrence, la réglementation, etc. conduit de plus en plus à décrire le cadre d’étude par des modèles conceptuels, métiers, etc. pour faciliter l’évolution du fonctionnement des systèmes informatiques. Actuellement, l’Ingénierie Dirigée par les Modèles (IDM) propose des outils permettant de transformer ces modèles en applications ou en systèmes d’information qui, bien évidemment, doivent évoluer comme les systèmes réels qu’ils sont sensés représenter. Généralement, le développement d’une application s’effectue en plusieurs phases qui constituent le cycle de développement du logiciel.Plusieurs équipes de nature différente contribuent aux différentes phases. Des intervenants, experts des domaines étudiés, produisent des modèles traduisant leur perception propre du système.Ainsi, les différentes perceptions des intervenants au cours de la phase d’analyse d’un système d’information donneront lieu à des modèles représentant des sous-systèmes spécifiques qu’il faudra ensuite réunir pour obtenir l’intégralité du modèle du système d’information étudié. L’objectif essentiel de la thèse est de concevoir et d’implémenter dans un atelier de génie logiciel les mécanismes et les transformations consistant d’une part à extraire le Plus Grand Modèle Commun, modèle factorisant les concepts communs à plusieurs modèles sources et, d’autre part, à proposer aux concepteurs une méthodologie de suivi de l’évolution de la factorisation des modèles sources.Pour réaliser la factorisation, nous avons mis en œuvre l’Analyse Formelle de Concepts (AFC) et l’Analyse Relationnelle de Concepts (ARC), méthodes d’analyse des données utilisées en Ingénierie Dirigée par les Modèles et basées sur la théorie des treillis. Dans un ensemble d’entités décrites par des caractéristiques, ces deux méthodes extraient des concepts formels qui associent un ensemble maximal d’entités à un ensemble maximal de caractéristiques partagées. Ces concepts formels sont structurés dans un ordre partiel de spécialisation qui les munit d’une structure de treillis. L’ARC permet de compléter la description des entités par des relations entre entités.La première contribution de la thèse est une méthode d’analyse de l’évolution de la factorisation d’un modèle basée sur l’AFC et l’ARC. Cette méthode s’appuie la capacité de l’AFC et de l’ARC à faire émerger au sein d’un modèle des abstractions thématiques de niveau supérieur, améliorant ainsi la sémantique des modèles. Nous montrons que ces méthodes peuvent être aussi employées pour suivre l’évolution du processus d’analyse avec des acteurs. Nous introduisons des métriques sur les éléments de modélisation et sur les treillis de concepts qui servent de base à l’élaboration de recommandations s’appuyant sur une expérimentation dans laquelle nous étudions l’évolution de la factorisation des 15 versions du modèle de classes du système d’information SIE-Pesticides. Ces versions ont été établies en phase d’analyse au cours de séances avec un groupe variable d’experts du domaine.La seconde contribution de la thèse est une étude approfondie du comportement de l’ARC sur des modèles UML. Nous montrons l’influence de la structure des modèles sur les temps d’exécution, la mémoire occupée, le nombre d’étapes et la taille des résultats au travers de plusieurs expérimentations sur les 15 versions du modèle SIE-Pesticides. Pour cela, nous étudions plusieurs configurations (choix d’éléments de modélisation et de relations entre eux dans le méta-modèle) et plusieurs paramètres (choix d’utiliser les éléments non nommés, choix d’utiliser la navigabilité). Des métriques sont introduites pour guider le concepteur dans le pilotage du processus de factorisation et des recommandations sur les configurations et paramétrages à privilégier sont faites. Nous étudions également les modèles en tant que graphes au travers de plusieurs indicateurs tels que la densité ou le degré.La dernière contribution est une nouvelle approche pour assister la factorisation intermodèles dont l’objectif est de regrouper au sein d’un modèle unique l’ensemble des concepts communs à différents modèles sources conçus par des experts ayant des points de vue différents sur le système. Ce modèle unique que nous appelons Plus Grand Modèle Commun permet de capitaliser la connaissance commune à plusieurs experts. Cette factorisation est basée sur l’Analyse Formelle de Concepts et les concepts formels sont classés à l’aide d’un arbre de décision. Outre le regroupement des concepts communs, cette analyse produit de nouvelles abstractions généralisant des concepts thématiques existants. Nous appliquons notre approche sur les 15 versions du modèle SIE-Pesticides. L’ensemble de ces travaux s’inscrit dans un cadre de recherche dont l’objectif est de factoriser des concepts thématiques au sein d’un même modèle et de contrôler par des métriques la profusion de concepts produits par l’AFC et surtout par l’ARC. Ces contributions et la robustesse des recommandations seront prochainement validées et consolidées en reproduisant l’expérimentation sur les différents modèles du projet de Système d’information pour la gestion du personnel et des étudiants de l’Université de Djibouti dont le but est de regrouper tous les modèles des systèmes d’information scolaires et universitaires des différentes institutions de la République de Djibouti.The rapidly changing needs among other things due to technical innovation, competition and regulation often leads to describe the context for the study of conceptual models in information systems to facilitate the evolution of operating systems. The development of these models is carried out in several phases during which several working teams of different nature, providing each participant’s perception of the system to be built is limited to the part of his area of specialization. It must then reconcile the different perceptions.The main objective of the thesis is to design mechanisms to obtain a share of the model factoring concepts common to several models and, secondly, to provide designers with a methodology for monitoring the evolution of factorization.To perform the factorization, we have implemented the Formal Concept Analysis (FCA) and Relational Concepts Analysis (RCA), which are methods of analysis based on the theory of lattice data. In a set of entities described by features, both methods extract formal concepts that combine a maximumof entities to a maximumset of shared characteristics together. These formal concepts are structured in a partial order of specialization that provides with a lattice structure. The RCA can complement the description of the entities by relationships between entities.The first contribution of the thesis is a method a model for analyzing the evolution of the factorizationbased on the FCA and the RCA. This method builds the capacity of the AFC and the RCA to emerge in a model of thematic abstractions higher level, improving semantic models. We show that these methods can also be used to monitor the analytical process with stakeholders. We introduce metrics on the design elements and the concept lattices which are the basis for the development of recommendations. We conduct an experiment in which we study the evolution of the 15 versions of the model class of information-Pesticides EIS system.The second contribution of this thesis is a depth study of the behavior of the RCA on UML models. We show the influence of model structure on different variables studied (such as execution time and memory used) through several experiments on 15 versions of the EIS-Pesticides model. For this, we study several configurations (choice of elements and relations in the meta-model) and several parameters (choice of using unnamed elements, choice of using airworthiness). Metrics are introduced to guide the designer in managing the process of factoring and recommendations on the preferred configurations and settings are made.The last contribution is a approach to inter-model factorization to group in a model all the concepts common to different source models designed by different experts. In addition to the consolidation of common concepts, this analysis produces new abstractions generalizing existing thematic concepts. We apply our approach on 15 versions of the model EIS-Pesticides. All this work is part of a research framework which aims to factor thematic concepts within a model and control metrics by the profusion of concepts produced by the FCA and especially by RCA