Information et savoir

Feghhi (1998) <ref name="Feghhi">FEGHHI, J. 1998: Informations- und Metainformationsbedarf für die forstliche Planung im Hinblick auf ein Wald-Informationssystem. Beih. Schweiz. Z. Forstwes. Nr. 85, Zürich.</ref> signale la confusion qui existe dans l’utilisation des termes ‘données’, ‘information’ et ‘savoir’. Afin de clarifier leur signification respective, il les situe dans une relation hiérarchique en partant de l’hypothèse qu’un terme représente l’élément de base à partir duquel les éléments du niveau supérieur sont formés. Les données correspondent à des faits, des caractéristiques d’un objet, d’un concept, d’un système ou, formulé de façon plus générale, d’une entité. L’information est le résultat de la structuration et de l’organisation de ces données qu’il devient possible d’analyser et de synthétiser. D’un point de vue pratique, une information représente une réponse utile à une question concrète (Zehnder, 1998) <ref>ZEHNDER, C. A. 1998: Informationssysteme und Datenbanken. Stuttgart, vdf Hochschulverlag AG, Zürich.</ref>. Le savoir correspond à une conviction justifiée et véridique (‘justified true belief’ <ref>Si l’unité phytosociologique’ est une Galio odarati-Fagetum typicum, alors la proportion maximum de résineux est de 75%. Cette recommandation sur la sylviculture à pratiquer dans une unité phytosociologique en est une parmi d’autres formulées par un groupe d’experts (BGU, 1998).</ref> <ref>BGU 1998: Vegetationskundliche Grundlagen für den Unterricht in Waldbau an der ETH Zürich. Waldgesellschaften der kollinen und montanen Stufe, Zürich, Institut für Wald- und Holzforschung, Fachbereich Waldbau, ETH Zürich, Zürich.</ref> ). En ce sens, il implique un jugement de valeur. L’information entre dans le domaine du savoir à partir du moment où la personne qui en prend connaissance est convaincue de manière justifiée de sa véracité. Dans la perspective de la définition de Zehnder, le savoir représente un type particulier d’information qui a l’avantage de pouvoir être utilisé dans différents cas.

Les informations et le savoir dont la personne dispose pour prendre ses décisions correspondent à la perception qu’elle se fait de la réalité ou, plus spécifiquement, aux modèles qu’elle établit à partir de sa perception d’une partie de la réalité (Fegghi, 1998 <ref name="Feghhi">FEGHHI, J. 1998: Informations- und Metainformationsbedarf für die forstliche Planung im Hinblick auf ein Wald-Informationssystem. Beih. Schweiz. Z. Forstwes. Nr. 85, Zürich.</ref> , qui cite Baetge et Fischer, 1989) . Un modèle est une abstraction, une simplification d’une partie de la réalité jugée significative. La difficulté est de définir ce qui est significatif de ce qui ne l’est pas ou qui l’est moins, et de définir le degré d’abstraction souhaité. Les modèles peuvent être descriptifs (=> information), comme par exemple la description verbale d’un peuplement, ou explicatifs (=> savoir).

Une autre distinction se fait entre les modèles fonctionnels et ceux qui ne le sont pas. Un modèle fonctionnel représente des processus (physique, chimique). Un exemple de modèle non fonctionnel est la représentation de la compétition entre différents arbres d’un peuplement au moyen de leur position respective. Cette manière de procéder est beaucoup plus simple qu’une modélisation qui prend en compte les flux de nutriments et d’eau, ainsi que de leur allocation aux différents arbres en présence. Ces processus sont d’ailleurs généralement inaccessibles à l’expérience (Franc et al., 2000) <ref>FRANC, A., GOURLET-FLEURY, S., PICARD, N. 2000: Une introduction à la modélisation des forêt hétérogènes. ENGREF, Nancy.</ref>.

Une autre distinction intéressante est celle entre les modèles analytiques et les modèles logiques. Le premier type de modèles à l’avantage de permettre la représentation mathématique de relations complexes entre différents éléments d’un système. Ce type est utilisé par exemple en recherche opérationnelle (OR pour ‘operation research’) où il met en relation de cause à effet les variables influençables (décisionnelles) et incontrôlables avec les performances jugées significatives d’un système. Les modèles logiques représentent des relations de type binaire. Ils peuvent faire appel au savoir d’un expert du type ‘si …, alors’. La recommandation par des experts de la proportion maximale de résineux tolérable à long terme dans une unité phytosociologique en est un exemple<ref>FEGHHI (1996) reprend une citation de SCHMOLDT et RAUSCHER (1996) issue du travail de GIERE (1984)</ref> . Ces modèles sont particulièrement intéressants en sylviculture où l’expérience et l’observation ont une place importante dans l’acquisition du savoir.

Wierzbicki et al. (2000) <ref>WIERZBICKI, A. P., MAKOWSKI, M. et al. 2000: Model-based decision support methodology with environmental applications. Kluwer Academic Publishers, Dordrecht.</ref> proposent aussi de faire une distinction entre les modèles se rapportant à la réalité du système étudié (‘substantive model’, ci-après modèles substantifs) et ceux se rapportant aux préférences du décideur (‘preferential model’, ci-après modèle préférentiel). Le modèle d’utilité multiattributs (‘multi-attribute utility model’) est un exemple de modèle préférentiel. Un tel modèle consiste à comparer pour chaque alternative définie préalablement l’utilité de celle-ci par rapport aux autres alternatives en fonction des objectifs fixés. Le calcul de cette utilité intègre la pondération du décideur de manière à refléter son jugement de valeur (Lexer, 2000) <ref>LEXER, M. J. 2000: Ein multi-attributives Nutzenmodell zur Unterstützung der waldbaulichen Entscheidungsfindung dargestellt am Beispiel sekundärer Fichtenwälder. Forstwissenschaftliches Centralblatt 119: 377-394.</ref>.

Voir aussi

• Détermination des besoins en information
• Qualité de l'information et métainformations

Notes et références

<references/>