annuler
Affichage des résultats de 
Afficher  uniquement  | Rechercher plutôt 
Vouliez-vous dire : 
PBessodes
MEGA
MEGA

La modélisation des données est une pratique qui peut paraître étrange aux yeux de profanes. Elle relève d’une alchimie qui a rebuté plus d’un "utilisateur" ou autre "représentant métier". Cependant, même du côté des experts de ce domaine, cet exercice est souvent frustrant, d’une part, du fait de l’absence de méthode universelle garantissant la fiabilité des résultats du processus, et d’autre part de la difficulté existante à maîtriser la lecture d’un modèle de données par ceux censés le valider.

Ces deux difficultés proviennent essentiellement de la volonté de sauter des étapes. Les niveaux d’abstraction de modélisation prônés par MERISE séparaient bien la couche conceptuelle des autres couches, en particulier celle qui permet de définir les structures de données d’implémentation. Aujourd’hui, on passe directement de l’expression de besoins ou autre cahier des charges au modèle de données structure (que l’on continue pourtant d’appeler "modèle conceptuel" …). Il n’est dès lors pas étonnant que certaines parties prenantes n’aient plus la capacité de lecture et d’analyse d’un tel modèle.

Pourtant, nous avons besoin de comprendre les choses avant de les traiter (extraire, calculer, requêter, analyser etc.). Nous avons donc besoin pour cela d’une notation orientée concept et non structure. Cela signifie qu’elle doit permettre de modéliser les différentes notions inhérentes aux concepts à analyser sans préjuger des structures de données qui les mémoriseront dans les systèmes informatiques.

Prenons un exemple : décrivons ce qu’est une voiture. Rien de plus facile apparemment. Est-ce bien sûr ? De quelle voiture parle-t-on ?

  • De celle que vous avez utilisée pour vous rendre au travail ce matin ? (Celle qui fait un petit bruit inquiétant depuis 5 jours)
  • De celle décrite dans le catalogue constructeur et que vous envisagez d’acheter ? (Elle ne tombe jamais en panne)
  • De sa future évolution ? (Connue uniquement par les "designers" de la marque)
  • De celle de vos rêves ? (Elle n’existera probablement jamais)

Toutes ces voiturent existent. On pourrait même dire coexistent, dans le monde réel ou imaginaire, sur le papier, en carton ou en fibre de carbone, dans le présent ou dans le futur. Ce sont toutes des voitures. Et pourtant aucune ne se ressemble. Et à priori, vous ne les décrirez pas de la même façon :

  • "Ma voiture a 5 ans et 65 000 km au compteur".
  • "Cette voiture est un condensé de technologie haut de gamme, fruit de 5 ans de travail et a couté plus d’un un milliard d’euros en R&D"
  • "J’attends la prochaine évolution. Elle devrait avoir une meilleure autonomie".
  • "J’hésite entre la version volante et celle à téléportation".

Alors comment garantir que nous décrivons et partageons bien tous la même chose derrière un même terme lorsque tout le monde le visualise au travers de son prisme personnel ?

La réponse se trouve évidemment dans la modélisation conceptuelle à l’aide d’une notation dédiée.

 

illu-blog-PBS.pngCette notation permet de distinguer le signifiant et le signifié en séparant le concept et le terme (la définition et la chaîne de caractères la représentant).

Cette notation permet aussi d’identifier et de représenter les niveaux d’abstractions sans les mélanger par l’intermédiaire de notions et mécanismes dédiés.

Cette notation permet de représenter les cycles de vie des concepts, de distinguer les caractéristiques génériques de celles liées à un état grâce à des concepts spécialisés "état", "évènement" "période-type" ainsi que la possibilité de les décrire comme tout autre concept.