Actions

I-Space

De GBLL, TAL, ALAO, etc.

Cet article est une ébauche
Pour l'améliorer : Il y a beaucoup de choses sur le modèle de Boisot. Un bon point de départ peut être le chapitre dans Collision and collaboration qui fait une présentation récente du modèle tel qu'il a été appliqué ensuite au LHC


Présentation du modèle

Le modèle de Boisot, aussi appelé I-Space ou Information Space, est un modèle de classification des systèmes d’information. C’est ainsi une théorie du transfert de la connaissance. Ce modèle a été créé par Max Boisot, anthropologue et économiste en 1995. Ce modèle divise les systèmes d’information en quatre catégories :

  • Les systèmes d’information codifiés, qui sont facilement stockés et transmissibles sous forme écrite ou numérique.
  • Les systèmes d’informations tacites, qui sont difficilement transmissibles puisqu’on retrouve ce type de système d’information au niveau des relations et des personnes.
  • Les systèmes d’information formels, qui sont basés sur des règles ou des procédures écrites.
  • Les systèmes d’information informels, qui découlent des interactions informelles entre les personnes (Belanger, 2015).

Ce modèle met en exergue la manière dont la combinaison et l’intégration de ces 4 catégories de systèmes d’information permettent à une entreprise ou à une organisation d’avoir des processus efficaces. En s’appuyant sur les propriétés de ces différents types de systèmes d’informations et en comprenant comment ils interagissent dans l’I-Space, il est possible d’améliorer les processus de prise de décision et de résolution de problèmes. Max Boisot utilise la métaphore d’un cube pour décrire les flux d'information au sein d’une population d’individus au sein d’une entreprise ou d’une organisation. Ce cube tridimensionnel est constitué des dimensions suivantes (ISolution, 2023):

  • De non codifié à codifié;
  • Du concret à l'abstrait;
  • Du non diffusé à diffus;

Présentation de l'auteur

Max Henri Boisot (11 novembre 1943 - 7 septembre 2011) est un architecte britannique et consultant en gestion. Il était également professeur de gestion stratégique à l'école de commerce ESADE de Barcelone. Max Henri Boisot a notamment été connu pour ses idées sur l'économie de l'information (où il théorise une économie basée sur l’industrie de l’information), l'espace d'information et de l'apprentissage social qui est développé en dessous.

Explications du modèle

Le modèle de Boisot aussi appelé l’Information Space, montre comment l’information extraite d’un environnement complexe est transformée en nouvelle connaissance par un cycle d’apprentissage social (Habib, 2010). Le cycle d’apprentissage social ou “Social Learning Cycle” est un cycle qui permet de comprendre comment les individus apprennent entre eux Social Learning Cycle.

Un modèle divisé en six phases

Pour revenir au modèle de Boisot, la modélisation du processus de création et de transfert de connaissances se fait au travers de six grandes phases (Habib, 2010):

1) Le scanning

Cette phase consiste en une analyse de de l’environnement et d’en extraire des informations concrètes jugées intéressantes. La « sagesse » est acquise à partir de données généralement disponibles ou diffusées.

2) La codification

La codification permet de sélectionner et de structurer les informations extraites lors de la phase de scanning afin de limiter au maximum l’incertitude, les anomalies et les paradoxes. Cette codification permet notamment de faciliter la résolution de problèmes dans une organisation (ISolution, 2023).

3) L'abstraction

La phase d’abstraction est une phase de généralisation de l’application de la nouvelle connaissance à des situations multiples et plus spécifiques dans l’organisation. Elle mesure le nombre de catégories conceptuelles et perceptuelles nécessaires pour comprendre la connaissance. Plus le nombre de de catégories requises est faible, plus le phénomène est considéré comme « général », et son degré d’abstraction est élevé. On différencie notamment les perceptions qui créent des catégories concrètes, des concepts qui créent des catégories abstraites. Néanmoins, on observe qu’en pratique les catégories concrètes et perceptives s’interceptent (Boisot, Cox, 1999).

4) La diffusion

Cette phase de diffusion de la nouvelle connaissance – validée, codifiée et abstraite – est une phase de transfert au plus grand nombre de personnes dans et en dehors de l’organisation. Elle mesure le pourcentage d’une population donnée (individus, groupes, entreprises, etc.) pour lesquels un élément d’information est pertinent et accessible dans une période donnée. Pour une population partageant une orientation vers une information commune, Boisot qualifiera un champ de données. Ainsi, plus le pourcentage de cette population peut avoir accès à une information, plus son degré de diffusion est élevé (Boisot, Cox, 1999).

5) L'absorption

La phase d’absorption est une phase où la nouvelle connaissance qui vient d’être diffusée via son utilisation est intériorisée par la communauté. Les idées nouvellement codifiées sont appliquées à une variété de situations générant de nouvelles expériences d'apprentissage au fur et à mesure que les connaissances sont absorbées et produisent un comportement appris et deviennent ainsi non codifiées ou tacites (ISolution, 2023). L'absorption peut être freinée par les habitudes et le biais cognitif de confirmation. Le cerveau humain a tendance à rechercher en priorité les informations qui confirment sa manière de penser, et à négliger tout ce qui pourrait la remettre en cause (Vorms, 2021).

6) L'impact

Cette dernière phase consiste en l’impact de la nouvelle connaissance sur les pratiques, les règles, les valeurs, les schémas de croyances, les modèles de comportement et les normes du groupe ou de la communauté. Cet impact a lieu au fur et à mesure que la connaissance, initialement abstraite, devient concrète.

Ces différentes phases forment un mouvement cyclique dans l’Information Space en fonction de la nature de la connaissance en jeu : non codifiée vs codifiée, abstraite vs concrète, non diffusée vs diffusée (cf. Figure 1).

Figure 1: Le modèle I-Space de Boisot (1995)
















"Boisot considère ainsi que l’emplacement du phénomène le long de la dimension de la diffusion se fait en fonction de deux choses :

  • La première est le degré de couplage entre deux agents de traitement des données (qui composent un champ de donnée (Kauffman, 1993),
  • La seconde est son degré de codification et d’abstraction (Kauffman, 1993)." (Boisot, Cox, 1999).

Illustration du modèle de Boisot au travers d'un exemple

Par exemple, si l’on considère un réseau de processeur de données collaborant entre eux dans une entreprise de traitement de données, dans lequel chaque processeur est lui-même un réseau de neurones ou de puces (collaborant également entre eux). Chaque processeur de données peut appréhender les évènements du monde extérieur en invoquant un nombre distinct de catégories, chacune opérant à différents degrés de discrimination. Ainsi, quand le nombre de catégories invoquées est élevé, le degré de discrimination sera faible (car on ne sélectionne pas de catégories particulières), et la taille de l’entreprise sera importante. Dans certains cas, des régions entières du réseau de l’entreprise sont mises à contribution, tandis que dans d’autres cas seule une cellule est mise en jeu. Le nombre de catégories invoquées est une mesure de l’abstraction : au plus le nombre de catégories activées est faible, au plus la pensée impliquée est abstraite. Dans une même catégorie, la taille du réseau activé par un stimulus est une mesure de la codification : au plus le nombre de réseaux activés est grand, au plus le niveau de codification pour lequel le processus prend part sera bas (Boisot, Cox, 1999).


Modélisation dans l'I-Space

Les cycles d’apprentissage social sont les résultats d’interactions entre individus au sein de groupes de tailles diverses. Etant donné que chacun peut appartenir à plusieurs groupes, chacun développe donc différents aspects du cycle d’apprentissage avec plus ou moins d’intensité. Par exemple, une société qui développe ses propres codes aura un cycle plutôt sur la gauche. A l’inverse, un groupe voulant se développer autour d’une idéologie aura plus de mal à accepter des informations émergeant de manière imprévisibles (cad non diffuses). Ainsi, son cycle se positionnera plus vers la droite. Il est aussi possible de considérer les cultures dans l’I-Space. En effet, chaque culture est différente et est constituée de plusieurs individus. Chacun peut participer à différentes cultures: nationale, organisationnelle, religieuse... Certaines cultures dites à fort contexte vont avoir peu de structure et le transfert d’informations se fera par petits groupes et face à face. L’absorption des informations par la communauté se fait en connaissance de principes et mœurs propre à la communauté. A l’invere, les communautés dites à faible contexte vont avoir une structure très définie afin de pouvoir facilement et efficacement communiquer des informations dans de gros groupes. Voici un exemple de différentes communautés dans l’I-Space:


Picture2.jpg
Picture3.jpg

Bibliographie

[1] Jonathan Mougin. Vers un outil de modélisation des processus de transfert de connaissance . Sciences de l’ingénieur. Université Grenoble Alpes, 2018. https://theses.hal.science/tel-01818447v1/document

[2] BOOK, Bélanger, Christian, Apprentissage collectif, innovation et fonctions territorialisées de soutien au développement: définition, dimensions et influence 2015/09/01, SN  - 978-2-923095-70-7- . Disponible à : https://www.researchgate.net/publication/317648514_Apprentissage_collectif_innovation_et_fonctions_territorialisees_de_soutien_au_developpement_definition_dimensions_et_influence 

[3] HABIB Johanna, « La dynamique de création de connaissances dans les processus d'innovation : Analyse comparée de quatre études de cas dans le secteur de la santé électronique », Systèmes d'information & management, 2010/4 (Volume 15), p. 93-140. DOI : 10.3917/sim.104.0093. URL : https://www.cairn.info/revue-systemes-d-information-et-management-2010-4-page-93.htm

[4] Social Learning Cycle, article de Léa ISSA, Elizabeth CREUSOT et Alexandra PARMENTIER, 2023.

[5] VORMS Marion, « Bayes et les biais. Le « biais de confirmation » en question », Revue de métaphysique et de morale, 2021/4 (N° 112), p. 567-590. DOI : 10.3917/rmm.214.0567. URL : https://www-cairn-info.docelec.insa-lyon.fr/revue-de-metaphysique-et-de-morale-2021-4-page-567.htm

[6] BOISOT Max, NORDBERG Markus. A conceptual framework: The I-Space. Oxfort University Press Premium.

[7] Max Boisot, Benita Cox,The I-Space: a framework for analyzing the evolution of social computing,Technovation,Volume 19, Issue 9,1999,Pages 525-536, ISSN 0166-4972, (https://www.sciencedirect.com/science/article/pii/S0166497299000498)