Abhatoo - Centre Nationale de Documentation

L’extraction de connaissances dans les bases de données (ECD), également appelée fouille de données, « désigne le processus non trivial d’extraction d’information implicite, précédemment inconnue et potentiellement utile ». La fouille de données est un domaine de recherche en plein essor visant à exploiter les grandes quantités de données collectées chaque jour dans divers domaines d’application de l’informatique.
Ce domaine pluridisciplinaire est issu de l’intelligence artificielle, des statistiques et des bases de données.
Dans ce travail, nous nous intéressons au problème de l’extraction des règles d’association en introduisant de nouveaux algorithmes et approches d’aide à la décision multicritère. D’une manière générale, une règle d’association est une implication conditionnelle entre des ensembles d’attributs binaires appelés items.
L’extraction de telles règles est décomposée en deux étapes principales, à savoir l’extraction des itemsets fréquents et la génération des règles d’association à partir de ceux-ci. Dans la majorité des approches existantes dans la littérature, l’extraction des règles d’association présente trois difficultés majeurs, à savoir ; la qualité des règles extraites, l’aspect spatiale de données et le temps de réponse des algorithmes d’extraction.
Pour surmonter ces difficultés, nous proposons dans cette thèse l’intégration de l’analyse multicritère au processus d’extraction des règles d’association pour l’analyse de la qualité. Ensuite, afin de prendre en considération l’aspect spatiale de données, et plus précisément l’estimation des distances métriques, nous avons proposé l’utilisation de la logique floue. Nous avons proposé également une intégration de l’algorithme FP-growth dans un environnement du Big Data pour l’extraction des règles d’association dans les bases de données massives.
En plus, en vue de tester concrètement l’apport des solutions proposées, nous avons conçu et développé un prototype logiciel constitué de trois interfaces interactives.
La première intitulée interface ARM, est une interface web dédiée à l’extraction des règles d’association. La deuxième interface, intitulée interface MCDA, est une interface web dédiée à l’analyse de qualité des règles d’association extraites. Quant à la dernière, intitulée Time Series Forcasting, est une interface web dédiée à la prédiction des accidents routières en termes du nombre de blessures et décès. Ces interfaces interactives d’exploration de données ont été développées en utilisant le langage R et rshiny. En fin, les expérimentations menées sur quelques bases de données relatives aux accidents routières au Maroc montrent la faisabilité notable de nos contributions.