Thèse soutenue le 17/12/1997 (Mention Très Honorable avec les félicitations du Jury)

 Le savoir est rendu plus aisément accessible aujourd'hui à travers les flux d'information circulant sur les réseaux d'ordinateurs. L'objectif pour l'usager est alors, dans le cadre de la collecte de ses flux pertinents, de suivre l'actualité de son domaine d'intérêt avec une mise à jour pertinente de ses requêtes d'interrogation. Dans cette optique, nous proposons une modélisation dynamique des flux d'information scientifique et technique fondée sur la détection du bruit constructeur que nous définissons en même temps que le système d'information de l'usager. Nous nous attachons alors à établir une mesure de l'information en fonction de la dynamique d'évolution du domaine qu'elle représente : c'est son pouvoir d'attraction. Il quantifie sa participation à une thématique du flux collecté au temps t. Un seuil plancher propre à chaque période détecte les termes remarquables. La variation de leur pouvoir d'attraction au cours du temps permet alors de les catégoriser. Les termes dont le pouvoir d'attraction reste constant sont le reflet de la stabilité du domaine étudié. Mais ils peuvent être aussi porteurs de changement, leur pouvoir d'attraction varie alors, c'est le bruit constructeur. On distingue donc quatre types de termes remarquables : les stables, les vieillissants, les émergents et les fluctuants. La liste de ces éléments, leur typlologie, la trajectoire de leur pouvoir d'attraction et le lien de similarité thématique calculé entre deux flux consécutifs, sont définis automatiquement par un logiciel développé à cet effet, DynaTools. Ils sont l'empreinte cognitive du domaine d'intérêt de l'usager, ils l'aident à mieux saisir les évolutions en cours et à mettre à jour sa requête d'interrogation pour une nouvelle collecte d'informations pertinentes.

Le logiciel gratuit de textmining Calliope est issu de cette thèse

The search for relevant information is the frame in which we propose to modelling a domain of interest's dynamic pattern represented by scientific and technical information flows. The modelling is based upon the "meaningful noise", that we defined along with the user information system. We will measure the evolution of information packages : the attractive power. This figure aims at quantifying the involvement of an information flow inside a certain domain of interest at a given time. A filter sorts the term which are significant for the construction of the domain over several periods of time ; the evolution of their attraction power defines basic categories of behaviour. The terms with a constant attractive power reflect the stability of the concerned domain. Terms showing a varying attractive power reflect the change within the domain ; they are the meaningful noise. Four basic categories can be differentiated : stable, ageing, emerging and fluctuating. The list of these terms, their attractive power trajectory and the similarity link between successive flows are computed and displayed by a dedicated software tool : DynaTools. They are the "knowledge fingerprint" of the considered domain of interest and help the user to better catch the evolution and refine its iterative requests for collecting relevant information.