Gouvernance des connaissances¶
Capitaliser, structurer et diffuser les connaissances dans une direction technique — du knowledge management classique aux assistants IA.
graph LR
A["Capital"] --> B["Capitalisation"]
B --> C["Referentiels"]
C --> D["Outils"]
D --> E["KM et SI"]
E --> F["Maturite"]
F --> G["IA"] Ce que vous allez apprendre¶
À la fin de ce tutoriel, vous serez capable de :
- Distinguer connaissances tacites et explicites et choisir une stratégie de capitalisation
- Concevoir une taxonomie et un référentiel de connaissances à l'échelle d'une DSI
- Évaluer et déployer des outils de knowledge management adaptés a votre contexte
- Intégrer la gestion des connaissances dans les rituels DevOps et SRE
- Mesurer la maturité KM d'une organisation et justifier l'investissement
- Exploiter l'IA (RAG, embeddings, LLM) pour la recherche et la capitalisation
- Éviter les pieges classiques (outil sans méthode, documentation morte, obsolescence)
Prérequis¶
| Prérequis | Détail |
|---|---|
| Management et direction technique | Section précédente (recommande) |
| Expérience en DSI | Avoir géré ou contribue à de la documentation technique |
Parcours¶
| Section | Contenu |
|---|---|
| Capital intellectuel et connaissances | DIKW, Nonaka SECI, tacite vs explicite |
| Stratégies de capitalisation | Hansen, communautés de pratique, REX |
| Referentiels et ontologies | Taxonomies, OWL/SKOS, catalogues de données |
| Outils et plateformes | Wikis, knowledge bases, graphes de connaissances |
| KM et cycle de vie SI | ADR, runbooks, post-mortems, rituels DevOps |
| Mesure et maturité | APQC, CMMI, indicateurs, ROI de la capitalisation |
| IA et gestion des connaissances | RAG, embeddings, search semantique, risques |