Knowledge Engineering vs Knowledge Management : quelles différences ?

Le Knowledge Engineering et le Knowledge Management s’intéressent tous les deux aux connaissances d’une organisation.

Ils ne poursuivent pourtant pas exactement les mêmes objectifs.

Le Knowledge Management cherche principalement à favoriser la création, le partage, la conservation et la circulation des connaissances entre les personnes.

Le Knowledge Engineering cherche davantage à représenter les connaissances sous une forme suffisamment explicite pour qu’un système informatique puisse les stocker, les interroger, les appliquer ou les utiliser pour produire une réponse.

La différence peut être résumée ainsi :

Le Knowledge Management organise la circulation des connaissances dans l’organisation. Le Knowledge Engineering organise leur représentation dans les systèmes.

Ces deux disciplines sont complémentaires. Une organisation peut avoir besoin du Knowledge Management pour transmettre l’expertise entre les collaborateurs, puis du Knowledge Engineering pour transformer une partie de cette expertise en base de connaissances, ontologie, graphe ou système d’intelligence artificielle.

Ce que vous allez comprendre

À la fin de cette page, vous saurez :

• définir le Knowledge Management ;
• définir le Knowledge Engineering ;
• comprendre leurs objectifs respectifs ;
• distinguer leurs méthodes et leurs outils ;
• identifier les métiers concernés ;
• savoir dans quelles situations utiliser l’une ou l’autre approche ;
• comprendre comment elles peuvent être combinées.

Qu’est-ce que le Knowledge Management ?

Le Knowledge Management, ou gestion des connaissances, désigne l’ensemble des méthodes utilisées pour créer, organiser, partager, transmettre et préserver les connaissances d’une organisation.

Il cherche notamment à répondre à des questions comme :

• comment éviter la perte de savoir lors d’un départ ?
• comment faciliter le partage entre les équipes ?
• comment retrouver rapidement une information utile ?
• comment diffuser les bonnes pratiques ?
• comment permettre aux nouveaux collaborateurs d’apprendre plus rapidement ?
• comment créer une culture de collaboration ?

Le Knowledge Management s’intéresse fortement aux personnes, aux pratiques et aux processus organisationnels.

Les objectifs du Knowledge Management

Les principaux objectifs comprennent :

• préserver la mémoire de l’organisation ;
• faciliter le partage des connaissances ;
• encourager la collaboration ;
• transmettre les bonnes pratiques ;
• réduire les silos ;
• accélérer l’intégration des nouveaux collaborateurs ;
• éviter la répétition des erreurs ;
• améliorer la prise de décision ;
• valoriser l’expertise interne.

Les outils du Knowledge Management

Le Knowledge Management peut utiliser :

• des wikis ;
• des bases documentaires ;
• des intranets ;
• des communautés de pratique ;
• des forums internes ;
• des espaces collaboratifs ;
• des retours d’expérience ;
• des programmes de mentorat ;
• des formations ;
• des annuaires d’experts ;
• des procédures de capitalisation.

Ces outils facilitent principalement la communication et le partage entre les personnes.

Qu’est-ce que le Knowledge Engineering ?

Le Knowledge Engineering, ou ingénierie des connaissances, consiste à recueillir, structurer, représenter et exploiter les connaissances dans un système informatique.

Il cherche notamment à répondre à des questions comme :

• quels sont les concepts importants du domaine ?
• comment sont-ils reliés ?
• quelles règles doivent être appliquées ?
• quelles exceptions existent ?
• comment représenter une expertise ?
• comment permettre à un système de produire une conclusion ?
• comment fournir des connaissances vérifiées à un LLM ?

Le Knowledge Engineering travaille donc davantage sur la formalisation.

Les objectifs du Knowledge Engineering

Les principaux objectifs sont :

• expliciter une expertise ;
• définir un vocabulaire commun ;
• représenter les concepts et les relations ;
• formaliser les règles métier ;
• construire une base de connaissances ;
• créer une ontologie ;
• construire un graphe de connaissances ;
• permettre des inférences ;
• améliorer un système RAG ;
• rendre les réponses plus explicables.

Les outils du Knowledge Engineering

Le Knowledge Engineering peut utiliser :

• des glossaires ;
• des taxonomies ;
• des thésaurus ;
• des ontologies ;
• des graphes de connaissances ;
• des moteurs de règles ;
• des bases de connaissances ;
• des index vectoriels ;
• des outils RDF et OWL ;
• des langages de requête comme SPARQL ;
• des LLM ;
• des architectures RAG et GraphRAG.

Ces outils cherchent à rendre les connaissances exploitables par des systèmes.

Comparaison générale

Knowledge Management	Knowledge Engineering
Organise le partage des connaissances	Formalise les connaissances
S’intéresse fortement aux personnes	S’intéresse fortement aux modèles
Facilite la collaboration	Facilite l’exploitation informatique
Utilise des communautés et des documents	Utilise des ontologies, règles et graphes
Cherche à transmettre	Cherche à représenter
Travaille sur les pratiques	Travaille sur les structures
Améliore la circulation de l’expertise	Rend l’expertise interrogeable
Peut rester peu formel	Nécessite souvent une formalisation
Vise l’apprentissage organisationnel	Vise les systèmes de connaissances

Une différence de niveau de formalisation

Le Knowledge Management peut fonctionner avec une documentation relativement libre.

Exemple :

Compte rendu d’expérience
Guide de bonnes pratiques
Forum d’entraide
Interview d’un expert

Le Knowledge Engineering cherche à transformer une partie de ce contenu en structure.

Exemple :

Concept :
Incident critique

Définition :
Incident bloquant totalement le service sans solution de contournement.

Règle :

SI le service est totalement bloqué
ET si aucune solution de contournement n’existe
ALORS l’incident est critique.

La connaissance devient alors exploitable par un moteur de règles.

Exemple : départ d’un expert

Imaginons qu’un technicien très expérimenté quitte une entreprise.

Approche Knowledge Management

L’organisation peut :

• organiser des entretiens ;
• enregistrer des démonstrations ;
• créer des guides ;
• mettre en place un mentorat ;
• organiser des ateliers ;
• documenter les retours d’expérience.

L’objectif est de transmettre l’expertise aux collègues.

Approche Knowledge Engineering

L’organisation peut ensuite :

• identifier les concepts ;
• formaliser les règles de diagnostic ;
• représenter les symptômes et les causes ;
• construire une base de cas ;
• créer un graphe de connaissances ;
• relier les procédures aux produits ;
• construire un assistant.

L’objectif est de rendre une partie de l’expertise exploitable par un système.

Exemple : support technique

Une entreprise possède de nombreux documents de support.

Knowledge Management

Il peut organiser :

• la documentation ;
• les retours d’incidents ;
• les communautés de techniciens ;
• les échanges entre niveaux de support ;
• les procédures de mise à jour.

Knowledge Engineering

Il peut représenter :

Incident → concerne → Produit

Incident → présente → Symptôme

Symptôme → peut indiquer → Cause

Cause → traitée par → Procédure

Le système peut ensuite recommander une procédure adaptée.

Exemple : formation interne

Knowledge Management

L’organisation peut créer :

• un catalogue ;
• des parcours ;
• des communautés d’apprentissage ;
• des retours d’expérience ;
• un système de mentorat.

Knowledge Engineering

Elle peut représenter :

Personne → possède → Compétence

Formation → développe → Compétence

Poste → exige → Compétence

Certification → valide → Compétence

Le système peut ensuite recommander un parcours personnalisé.

Knowledge tacite et explicite

Les deux disciplines s’intéressent à la différence entre connaissance tacite et connaissance explicite.

La connaissance tacite repose sur :

• l’expérience ;
• l’intuition ;
• les habitudes ;
• la perception ;
• le jugement ;
• les savoir-faire difficiles à verbaliser.

La connaissance explicite peut être exprimée dans :

• un document ;
• une règle ;
• une procédure ;
• un schéma ;
• une base de données.

Rôle du Knowledge Management

Il crée les conditions permettant aux personnes de partager leur expérience.

Exemples :

• communautés ;
• mentorat ;
• ateliers ;
• observation ;
• retours d’expérience.

Rôle du Knowledge Engineering

Il cherche à formaliser les éléments utiles.

Exemples :

• concepts ;
• règles ;
• relations ;
• critères ;
• exceptions ;
• cas.

Knowledge Manager et Knowledge Engineer

Le Knowledge Manager

Ses missions peuvent inclure :

• développer une culture de partage ;
• animer des communautés ;
• organiser la documentation ;
• faciliter la collaboration ;
• identifier les experts ;
• organiser la transmission ;
• mesurer l’utilisation des ressources.

Le Knowledge Engineer

Ses missions peuvent inclure :

• conduire des entretiens d’acquisition ;
• définir les concepts ;
• construire une taxonomie ;
• concevoir une ontologie ;
• formaliser des règles ;
• construire un graphe ;
• tester une base de connaissances ;
• connecter les connaissances aux systèmes d’IA.

Le métier est présenté dans Knowledge Engineer : missions et compétences.

Knowledge Management et intelligence artificielle

Le Knowledge Management moderne peut utiliser l’IA pour :

• résumer des documents ;
• recommander des contenus ;
• retrouver un expert ;
• classer des ressources ;
• générer des synthèses ;
• faciliter la recherche.

Mais l’IA ne résout pas automatiquement les problèmes de gouvernance.

Il faut toujours déterminer :

• quelles sources sont valides ;
• qui peut les modifier ;
• qui peut y accéder ;
• quelles versions sont actives ;
• comment les erreurs sont corrigées.

Knowledge Engineering et intelligence artificielle

Le Knowledge Engineering fournit à l’IA :

• un vocabulaire contrôlé ;
• une base de connaissances ;
• des relations vérifiées ;
• des règles métier ;
• des sources ;
• des contraintes ;
• des métadonnées.

Il devient particulièrement important dans les architectures associant Knowledge Engineering, RAG et LLM.

Une architecture commune

Les deux disciplines peuvent être combinées ainsi :

Experts et communautés
          ↓
Partage et documentation
          ↓
Knowledge Management
          ↓
Acquisition et validation
          ↓
Knowledge Engineering
          ↓
Base de connaissances
          ↓
RAG, graphe, règles ou assistant

Le Knowledge Management alimente le processus humain.

Le Knowledge Engineering construit la couche technique.

Quand utiliser le Knowledge Management ?

Il est prioritaire lorsque le problème concerne :

• la collaboration ;
• la transmission ;
• la culture ;
• les silos ;
• l’intégration ;
• le partage ;
• la mémoire organisationnelle.

Quand utiliser le Knowledge Engineering ?

Il devient prioritaire lorsque le système doit :

• appliquer des règles ;
• relier plusieurs entités ;
• comprendre un vocabulaire ;
• construire une recommandation ;
• expliquer une conclusion ;
• alimenter un assistant métier ;
• vérifier une cohérence.

Quand utiliser les deux ?

Les deux approches sont particulièrement utiles lorsque :

• une expertise risque d’être perdue ;
• les documents sont nombreux ;
• les pratiques sont hétérogènes ;
• un assistant IA doit être construit ;
• les connaissances doivent être validées ;
• la transmission humaine et l’automatisation sont nécessaires.

Exemple de projet combiné

Objectif :

Réduire le temps de traitement des incidents techniques.

Knowledge Management

1. créer une communauté de support ;
2. organiser les retours d’expérience ;
3. documenter les incidents ;
4. identifier les experts ;
5. améliorer les procédures.

Knowledge Engineering

1. définir les concepts ;
2. relier produits, symptômes et causes ;
3. formaliser les règles ;
4. construire une base de connaissances ;
5. connecter un assistant RAG ;
6. tester les recommandations.

Résultat

Les techniciens disposent :

• d’une communauté ;
• d’une documentation ;
• d’une recherche ;
• d’un assistant ;
• de recommandations ;
• de sources vérifiables.

Erreurs fréquentes

Confondre documentation et connaissance structurée

Un ensemble de fichiers ne constitue pas automatiquement une base de connaissances.

Croire que la technologie crée le partage

Un outil collaboratif ne suffit pas si les personnes ne l’utilisent pas.

Formaliser sans impliquer les experts

Le modèle risque de déformer la pratique.

Partager sans gouvernance

Les documents deviennent obsolètes ou contradictoires.

Automatiser trop rapidement

Toutes les connaissances ne peuvent pas être transformées en règles.

Opposer les deux disciplines

Elles répondent à des besoins différents et complémentaires.

À retenir

1. Le Knowledge Management organise la création et le partage des connaissances.
2. Le Knowledge Engineering organise leur représentation informatique.
3. Le Knowledge Management s’intéresse fortement aux personnes et aux pratiques.
4. Le Knowledge Engineering s’intéresse fortement aux concepts, relations et règles.
5. Une documentation n’est pas automatiquement une base de connaissances.
6. Les communautés permettent de faire circuler l’expertise.
7. Les ontologies et graphes permettent de la formaliser.
8. Les deux disciplines contribuent à préserver la mémoire organisationnelle.
9. Le Knowledge Engineering peut alimenter les systèmes RAG et les LLM.
10. Les meilleurs projets associent souvent transmission humaine et structuration technique.

Vérifiez votre compréhension

Quelle est la principale différence ?

Le Knowledge Management organise la circulation des connaissances entre les personnes. Le Knowledge Engineering les représente dans les systèmes.

Le Knowledge Management utilise-t-il des technologies ?

Oui, mais la technologie sert principalement les processus de partage et de collaboration.

Le Knowledge Engineering remplace-t-il le Knowledge Management ?

Non. Une connaissance formalisée ne remplace pas les échanges humains, l’apprentissage et les communautés.

Une base documentaire relève-t-elle du Knowledge Management ?

Elle peut en faire partie. Elle devient davantage un outil de Knowledge Engineering lorsque ses contenus sont structurés en concepts, relations et règles.

Quel métier construit une ontologie ?

Cette mission relève généralement du Knowledge Engineer ou d’une équipe de modélisation des connaissances.

Peut-on utiliser les deux approches dans un projet RAG ?

Oui. Le Knowledge Management organise les sources et leur gouvernance. Le Knowledge Engineering organise leur structure et leur exploitation.

Questions fréquentes

Knowledge Management signifie-t-il gestion documentaire ?

La gestion documentaire en constitue une partie, mais le Knowledge Management couvre également les personnes, les pratiques et la transmission.

Knowledge Engineering signifie-t-il intelligence artificielle ?

Il est lié à l’IA, mais il peut également servir à construire une taxonomie, une base de règles ou un modèle conceptuel sans LLM.

Quel rôle est le plus technique ?

Le Knowledge Engineer possède généralement une dimension technique plus forte.

Quel rôle est le plus organisationnel ?

Le Knowledge Manager travaille davantage sur les processus, les communautés et les pratiques.

Une petite entreprise peut-elle utiliser ces méthodes ?

Oui. Elle peut commencer avec une documentation structurée, un glossaire et quelques règles.

Par quoi commencer ?

Commencez par le problème : partage insuffisant, perte d’expertise, recherche difficile ou besoin d’automatisation.

Continuer

Découvrir le parcours complet de Knowledge Engineering

Comprendre les bases de connaissances

Découvrir le métier de Knowledge Engineer