1.2 Problématique

Les entrepôts de donnée sont nés au sein des entreprises pour répondre a un besoin crucial d’analyse pour l’aide a la décision. Un entrepôt de données peut être vu comme une grosse base de données modélisée pour accueillir, après nettoyage et homogénéisation, les informations en provenance des différents systèmes de production de l’entreprise. L’un des points-clés de la réussite de l’entreposage réside alors dans la conception du schéma de l’entrepôt qui doit permettre de répondre aux besoins d’analyse pour l’aide a la décision. Il est vrai que la création de l’entrepôt n’est pas un objectif final. L’important, c’est l’exploitation qui s’en suivra. La vocation de l’entrepôt de données est de supporter l’analyse des données. Ainsi, l’entrepôt de données constitue un support pour les outils d’analyse en ligne issus de la technologie OLAP («On-Line Analytical Processing»). Ce sont ces outils qui permettent d’accompagner les décideurs d’une entreprise en leur fournissant une possibilité de naviguer facilement dans les données, et de construire ainsi des informations opératoires. Ainsi l’entrepôt de données permet d’offrir des contextes d’analyses aux utilisateurs pour les aider dans leur prise de décision. Il s’avère alors que les utilisateurs peuvent avoir besoin de contextes d’analyses spécifiques, répondant a des besoins particuliers voire individuels. L’émergence de nouveaux besoins d’analyse individuels fait alors apparaitre la nécessite d’une personnalisation des analyses, qui placerait l’utilisateur au cœur du processus décisionnel. En effet, le processus d’entreposage de données est souvent associe a une idée de technologie centrée utilisateur. Cependant, cette place centrale se limite au fait que l’utilisateur mène son analyse en naviguant dans les données et ce, selon le schéma de l’entrepôt prédéfini. Il est donc intéressant de redonner tout son sens a l’expression «centrée utilisateur». C’est l’un des objectifs de cette thèse. La personnalisation n’est pas un principe nouveau, elle fait l’objet de nombreux travaux dans des domaines tels que la recherche d’informations, les bases de données. Cependant, elle constitue un axe de recherche récent dans le domaine des entrepôtsde données, alors même que les caractéristiques de ces derniers lui sont favorables. En effet, la volumétrie des données connue pour être importante dans les entrepôts de données et le rôle central que joue l’utilisateur dans le processus décisionnel, au niveau de l’analyse en ligne, sont deux éléments qui justifient pleinement le recours a la personnalisation. Il est vrai que le principe général de la personnalisation, dans un contexte de recherche d’informations par exemple, est de fournir, parmi une multitude de résultats possibles, la réponse (qui peut être un ensemble de résultats) qui sera la plus pertinente pour l’utilisateur. Cette personnalisation doit se baser sur des éléments concernant l’utilisateur lui-même : ses préférences, ses habitudes, etc. La conception de magasins de données vise a répondre aux objectifs métiers mais elle ne constitue pas une réponse réelle au besoin de personnalisation. Or, les décideurs qui exploitent les entrepôts de données ont d’importantes connaissances métiers et d’autres connaissances qu’il nous semble intéressant d’exploiter. Ainsi, la question que nous nous posons alors est comment intégrer la connaissance utilisateur dans l’entrepôt de données pour la personnalisation des analyses.