Donnée, information et connaissance : quelles différences ?

Une donnée, une information et une connaissance ne désignent pas la même chose.

Ces trois notions sont pourtant fréquemment confondues, notamment dans les domaines de l’intelligence artificielle, de la gestion documentaire, de l’analyse de données et du Knowledge Engineering.

Une entreprise peut posséder des millions de données sans réellement comprendre ce qu’elles signifient. Elle peut également accumuler des milliers de documents sans disposer d’une véritable base de connaissances.

La différence essentielle repose sur le niveau d’interprétation :

une donnée représente un élément brut ;
une information correspond à une donnée replacée dans un contexte ;
une connaissance permet d’interpréter cette information, de la relier à d’autres éléments et éventuellement d’agir.

Comprendre cette progression est indispensable pour construire un système capable d’exploiter des connaissances.

Ce que vous allez comprendre

À la fin de cet article, vous saurez :

distinguer une donnée d’une information ;
comprendre ce qui transforme une information en connaissance ;
identifier le rôle du contexte et de l’interprétation ;
différencier connaissance explicite et connaissance tacite ;
comprendre pourquoi une collection de documents n’est pas automatiquement une base de connaissances ;
relier ces concepts au fonctionnement des systèmes d’intelligence artificielle.

Qu’est-ce qu’une donnée ?

Une donnée est une représentation élémentaire d’un fait, d’une mesure, d’un événement ou d’un objet.

Elle peut prendre différentes formes :

un nombre ;
un mot ;
une date ;
une valeur booléenne ;
une image ;
une coordonnée géographique ;
un identifiant ;
une mesure enregistrée par un capteur.

Exemples :

38,5
Toulouse
12 juillet 2026
504
Philippe

Présentés seuls, ces éléments sont difficiles à interpréter.

La valeur 38,5 peut représenter :

une température corporelle ;
un prix ;
une distance ;
un pourcentage ;
une durée ;
une mesure industrielle.

La donnée existe, mais sa signification reste indéterminée.

Une donnée n’est pas nécessairement numérique

Le mot « donnée » est souvent associé à des chiffres ou à des tableaux. Pourtant, une donnée peut être textuelle, visuelle ou sonore.

Les éléments suivants peuvent également être considérés comme des données :

Le client a appelé trois fois.

Une photographie d’un composant endommagé.

L’enregistrement audio d’un entretien avec un expert.

Une phrase extraite d’un contrat.

Une donnée est donc moins définie par sa forme que par sa fonction : elle constitue un élément qui peut être conservé, transmis, comparé ou traité.

Qu’est-ce qu’une information ?

Une information est une donnée interprétée dans un contexte.

Prenons la donnée suivante :

38,5

Elle devient une information lorsque son sens est précisé :

La température corporelle du patient est de 38,5 °C.

Le contexte indique maintenant :

ce qui est mesuré ;
l’unité utilisée ;
la personne concernée ;
la nature de la mesure.

Autres exemples :

Donnée	Information
`504`	Le serveur a renvoyé une erreur HTTP 504
`Toulouse`	Le client réside à Toulouse
`12 juillet 2026`	Le contrat expire le 12 juillet 2026
`120`	Le stock contient encore 120 unités
`3`	Le client a contacté le support trois fois

La contextualisation transforme une donnée isolée en un élément compréhensible.

Le rôle du contexte

Le contexte peut comprendre :

une unité de mesure ;
une date ;
une personne ;
un lieu ;
une source ;
une catégorie ;
une situation ;
un objectif ;
une relation avec d’autres données.

Sans contexte, une donnée peut être ambiguë.

Prenons l’exemple suivant :

Apple

Cette donnée peut désigner :

une entreprise technologique ;
une marque ;
le mot anglais correspondant à « pomme » ;
un produit ;
une valeur contenue dans une base de données.

Dans un système de connaissances, cette ambiguïté doit être levée.

Il faut préciser à quelle entité le terme fait référence et comment cette entité est reliée aux autres éléments du système.

Cette opération appartient au domaine de la représentation des connaissances.

Qu’est-ce qu’une connaissance ?

Une connaissance permet d’interpréter une information, de la relier à une situation et d’en tirer une conclusion ou une action.

Reprenons l’information :

La température corporelle du patient est de 38,5 °C.
Elle devient exploitable lorsqu’elle est reliée à une connaissance :
Chez un adulte, une température corporelle de 38,5 °C correspond généralement à un état fébrile.
Le système peut alors produire une conclusion :
Le patient présente probablement de la fièvre.

La connaissance permet donc de passer de la description à l’interprétation.

Exemple complet

Donnée

Information

Le site internet a renvoyé une erreur HTTP 504.

Connaissance

Une erreur HTTP 504 signifie généralement qu’un serveur intermédiaire
n’a pas reçu une réponse suffisamment rapide du serveur distant.

Action possible

Vérifier le serveur distant, les délais d’exécution et la configuration du proxy.

La connaissance rend l’information utilisable dans un contexte opérationnel.

Le modèle donnée, information, connaissance

La progression peut être représentée ainsi :

Donnée
  ↓ contextualisation
Information
  ↓ interprétation
Connaissance
  ↓ application
Décision ou action

Une donnée répond principalement à la question :

Qu’a-t-on enregistré ?

Une information répond à la question :

Que signifie cet élément dans cette situation ?

Une connaissance répond à la question :

Comment faut-il interpréter cette information et que peut-on en déduire ?

Exemple dans le commerce électronique

Données

Produit : 1328
Stock : 2
Ventes sur 7 jours : 16
Délai fournisseur : 14 jours

Informations

Le produit 1328 possède deux unités en stock.
Seize unités ont été vendues pendant les sept derniers jours.
Le fournisseur nécessite quatorze jours pour effectuer une livraison.

Connaissance

Le rythme de vente actuel indique que le stock sera probablement épuisé avant la prochaine livraison.

Décision

Déclencher rapidement une nouvelle commande ou suspendre temporairement la promotion du produit.

La connaissance ne se trouve pas dans une seule donnée. Elle résulte de la combinaison de plusieurs informations et d’une règle d’interprétation.

Exemple dans la formation

Données

Participant : Marie
Formation demandée : Niveau avancé
Compétence actuelle : Niveau débutant

Informations

Marie souhaite suivre une formation avancée.
Son niveau actuel est débutant.

Connaissance

La formation avancée exige une maîtrise du niveau intermédiaire.

Conclusion

Marie ne possède pas encore le prérequis nécessaire.

Cette conclusion peut être produite par un système expert ou par une base de connaissances contenant des règles explicites.

Une connaissance contient des relations

Une connaissance ne correspond pas seulement à une définition.

Elle peut également décrire une relation :

Une formation développe une compétence.

Une entreprise emploie une personne.

Un médicament traite une maladie.

Un composant appartient à une machine.

Ces relations peuvent être représentées dans un graphe de connaissances.

Exemple :

Marie
  └── possède la compétence → SEO

SEO
  └── appartient au domaine → Marketing numérique

Marie
  └── travaille pour → Entreprise Alpha

La structure permet de naviguer entre les connaissances et de répondre à des questions complexes.

Une connaissance peut prendre la forme d’une règle

Certaines connaissances sont représentées sous forme de conditions.

SI la température est supérieure à 38 °C
ALORS le patient présente un état fébrile.

SI le stock est inférieur au seuil minimal
ET si le délai fournisseur dépasse la durée de stock restante
ALORS déclencher une alerte de réapprovisionnement.

SI une personne possède la compétence A
ET si la compétence A est un prérequis de la formation B
ALORS cette personne peut s’inscrire à la formation B.

Ces règles permettent à un système de produire des conclusions à partir de faits.

Ce mécanisme relève du raisonnement symbolique.

Connaissance explicite et connaissance tacite

Toutes les connaissances ne sont pas directement formulées.

La connaissance explicite

Une connaissance explicite peut être écrite, décrite ou codifiée.

Exemples :

une procédure ;
un manuel ;
une règle ;
une définition ;
un tableau ;
une norme ;
une fiche technique ;
une formule.

Elle peut généralement être intégrée plus facilement dans une base de connaissances.

La connaissance tacite

Une connaissance tacite repose sur l’expérience, les habitudes, les perceptions ou le savoir-faire d’une personne.

Exemples :

reconnaître un bruit inhabituel dans une machine ;
identifier un client hésitant ;
percevoir qu’un texte juridique présente une ambiguïté ;
adapter un geste technique à une situation particulière ;
savoir qu’une procédure officielle ne fonctionne pas toujours dans la pratique.

Cette connaissance est plus difficile à formaliser.

Elle doit souvent être recueillie par :

des entretiens ;
l’observation ;
l’analyse de cas ;
la comparaison de décisions ;
l’explicitation des critères implicites.

Cette question est développée dans l’article consacré à la connaissance tacite et explicite.

Comment une connaissance est-elle acquise ?

Dans un projet de Knowledge Engineering, les connaissances peuvent provenir de plusieurs sources.

Les experts

Les spécialistes d’un domaine possèdent des connaissances issues de leur formation et de leur expérience.

Les documents

Les procédures, rapports, normes, contrats, manuels et articles contiennent des connaissances explicites.

Les bases de données

Les données historiques peuvent révéler des régularités, des relations et des exceptions.

L’observation

L’analyse du travail réel permet de découvrir des pratiques qui ne sont pas décrites dans les procédures officielles.

Les systèmes existants

Les règles d’un logiciel ou d’un ancien système expert peuvent contenir une partie de la connaissance métier.

Le processus permettant de recueillir, d’analyser et de formaliser ces éléments est appelé acquisition des connaissances.

Une collection de documents est-elle une base de connaissances ?

Pas nécessairement.

Un dossier contenant des centaines de PDF constitue une collection documentaire. Il contient probablement des connaissances, mais celles-ci restent enfermées dans les textes.

Pour obtenir une véritable base de connaissances, il faut généralement rendre explicites :

les concepts ;
les entités ;
les relations ;
les règles ;
les sources ;
les dates ;
les conditions d’application ;
les exceptions ;
les niveaux de confiance.

Une base de connaissances ne se limite donc pas au stockage de documents.

Elle organise le savoir afin qu’il puisse être recherché, interprété et utilisé.

Données structurées et connaissances structurées

Des données structurées sont organisées selon un format défini.

Exemple :

client_id	ville	chiffre_affaires
102	Toulouse	120000
103	Albi	85000

La structure indique où se trouvent les différentes valeurs.

Cependant, elle n’explique pas nécessairement :

ce qu’est exactement un client ;
comment est calculé le chiffre d’affaires ;
si la ville correspond au siège ou au lieu de livraison ;
quelles règles permettent de classer un client ;
quelles relations existent avec les contrats ou les produits.

Une structure de données facilite le traitement informatique. Une structure de connaissances ajoute une signification explicite.

Cette signification peut être définie dans une ontologie informatique.

Le rôle des ontologies

Une ontologie décrit les concepts d’un domaine et leurs relations.

Exemple :

Client
  ├── particulier
  └── professionnel

Client professionnel
  └── possède → numéro de TVA

Commande
  ├── passée par → Client
  ├── contient → Produit
  └── génère → Facture

L’ontologie ne se contente pas de stocker les valeurs. Elle définit le sens des objets et la manière dont ils peuvent être reliés.

La distinction entre classement et modélisation est détaillée dans l’article Taxonomie ou ontologie : quelles différences ?.

Donnée, information et connaissance dans l’intelligence artificielle

Un système d’intelligence artificielle peut traiter des données sans posséder une compréhension explicite du domaine.

Un modèle statistique peut par exemple apprendre qu’une combinaison de variables correspond fréquemment à une catégorie particulière.

Cependant, cette association ne constitue pas toujours une connaissance explicable ou directement vérifiable.

Les systèmes de Knowledge Engineering cherchent à représenter plus clairement :

les concepts ;
les relations ;
les règles ;
les contraintes ;
les sources ;
les raisonnements.

Cette représentation facilite :

l’explication des résultats ;
la validation par des experts ;
la détection des incohérences ;
la maintenance des connaissances ;
l’intégration de règles métier.

Le cas des modèles de langage

Un grand modèle de langage peut répondre à des questions en utilisant les régularités apprises pendant son entraînement.

Il peut produire une réponse pertinente sans disposer d’une représentation explicite et stable de chaque connaissance utilisée.

Cela entraîne plusieurs difficultés :

les sources ne sont pas toujours identifiables ;
les réponses peuvent varier ;
certaines informations peuvent être inventées ;
les connaissances peuvent être anciennes ;
les règles métier particulières peuvent être ignorées.

Le Knowledge Engineering appliqué aux LLM et au RAG consiste notamment à fournir au modèle :

des sources contrôlées ;
un vocabulaire défini ;
des relations explicites ;
des règles ;
des contraintes ;
des mécanismes de validation.

Le RAG transforme-t-il des documents en connaissances ?

Le RAG, ou Retrieval-Augmented Generation, permet à un modèle de langage de rechercher des passages dans des documents avant de répondre.

Il améliore l’accès à l’information, mais il ne transforme pas automatiquement les documents en connaissances structurées.

Un système RAG classique retrouve souvent des fragments textuels similaires à la question.

Un système fondé sur un graphe peut également représenter :

les personnes ;
les organisations ;
les lieux ;
les concepts ;
les événements ;
leurs relations.

Cette approche est développée dans l’article consacré à GraphRAG.

Différence entre information et connaissance

La frontière entre information et connaissance dépend parfois du contexte.

Une règle connue par un expert peut être considérée comme une connaissance. Une fois écrite dans un document, elle devient également une information transmissible.

La distinction la plus utile est fonctionnelle :

Une information décrit quelque chose. Une connaissance permet de comprendre, d’expliquer, de prévoir ou d’agir.

La connaissance mobilise généralement :

un contexte ;
des relations ;
une expérience ;
des règles ;
une capacité d’interprétation.

Erreurs fréquentes

Considérer que toutes les données ont une signification évidente

Une valeur n’est interprétable que si son unité, son origine et son contexte sont connus.

Confondre documentation et connaissance structurée

Un document peut contenir des connaissances sans permettre à un système de les exploiter directement.

Ignorer les relations

Une liste de concepts ne suffit pas. Les relations permettent de comprendre comment les éléments interagissent.

Négliger les exceptions

Une règle générale peut devenir dangereuse si ses conditions d’application ne sont pas précisées.

Supposer que la connaissance est stable

Les procédures, réglementations et pratiques évoluent. Les connaissances doivent être maintenues.

Croire qu’un LLM sait toujours pourquoi il répond

Un modèle peut produire une réponse correcte sans fournir un raisonnement fiable ou une source identifiable.

Exemple pratique de modélisation

Prenons un service de support technique.

Données disponibles

Produit : Routeur X200
Voyant : rouge
Connexion : absente
Redémarrage : effectué

Informations

Le client utilise un routeur X200.
Le voyant principal est rouge.
La connexion internet est absente.
Le client a déjà redémarré l’appareil.

Connaissances métier

Un voyant rouge peut signaler une perte de synchronisation.

Si le redémarrage ne rétablit pas la connexion,
il faut vérifier la ligne et la configuration réseau.

Représentation possible

Routeur X200
  └── présente → Voyant rouge

Voyant rouge
  └── peut indiquer → Perte de synchronisation

Perte de synchronisation
  └── nécessite → Vérification de ligne

Recommandation

Contrôler l’état de la ligne avant de remplacer le routeur.

Cet exemple montre le passage progressif des observations brutes à une recommandation exploitable.

À retenir

Une donnée est un élément brut ou enregistré.
Une information est une donnée replacée dans un contexte.
Une connaissance permet d’interpréter une information et d’agir.
Une connaissance peut prendre la forme d’un concept, d’une relation ou d’une règle.
Les connaissances peuvent être explicites ou tacites.
Une collection de documents n’est pas automatiquement une base de connaissances.
Le Knowledge Engineering transforme les connaissances en structures exploitables par des systèmes.
Les ontologies, graphes et règles permettent de représenter explicitement le sens.

Vérifiez votre compréhension

Quelle différence existe-t-il entre une donnée et une information ?

Une donnée est un élément isolé. Une information est une donnée dont le contexte et la signification ont été précisés.

Quelle différence existe-t-il entre une information et une connaissance ?

Une information décrit une situation. Une connaissance permet d’interpréter cette situation, d’en tirer une conclusion ou de choisir une action.

Pourquoi une base documentaire n’est-elle pas nécessairement une base de connaissances ?

Parce que les concepts, relations, règles et conditions d’application peuvent rester implicites dans les documents.

Qu’est-ce qu’une connaissance tacite ?

Une connaissance tacite est un savoir issu de l’expérience qui n’est pas toujours formulé explicitement.

Quel est le rôle du Knowledge Engineering ?

Le Knowledge Engineering acquiert, structure, représente et maintient les connaissances afin qu’elles puissent être exploitées par des humains ou des systèmes informatiques.

Questions fréquentes

Une donnée peut-elle devenir une connaissance ?

Une donnée peut contribuer à une connaissance lorsqu’elle est contextualisée, interprétée et reliée à des règles ou à d’autres informations.

Une information est-elle toujours vraie ?

Non. Une information peut être erronée, incomplète, ancienne ou issue d’une source peu fiable.

Une connaissance est-elle toujours certaine ?

Non. Certaines connaissances sont probabilistes, contextuelles ou provisoires. Leur niveau de confiance doit alors être précisé.

Quelle différence existe-t-il entre connaissance et compétence ?

La connaissance correspond à ce qui est compris ou représenté. La compétence inclut la capacité à mobiliser cette connaissance dans une situation réelle.

Une intelligence artificielle possède-t-elle des connaissances ?

Cela dépend du sens donné au terme. Un système peut stocker, représenter ou utiliser des connaissances sans les comprendre de la même manière qu’un humain.

Poursuivre le parcours

La prochaine étape consiste à comprendre pourquoi certaines connaissances sont faciles à documenter tandis que d’autres restent enfermées dans l’expérience des personnes.

Connaissance tacite et connaissance explicite

Vous pouvez également explorer :

Le prochain article logique est « Connaissance tacite et connaissance explicite », avec des liens vers l’acquisition des connaissances, les experts métier et la formalisation.