De La Modelisation A L'exploitation Des Documents A Structures Multiples. (From Modeling To Exploitation Of Multistructured Documents)

Avec l'evolution des nouvelles technologies de l'information et de la communication, les documents papier ont laisse la place aux documents numeriques. On considere de plus que le document n'est plus vu comme un tout, ni comme un bloc monolithique, mais comme un ensemble organise d'entites. Exploiter ces documents revient a identifier et retrouver ces entites. Ces dernieres sont reliees par des relations permettant de donner une « forme » au document. Plusieurs types de relations peuvent apparaitre, de sorte a ce que plusieurs « formes » d'un meme document emergent. Ces differentes materialisations d'un meme document sont liees a des usages differents d'un meme document et sont primordiales pour une gestion optimale et partagee des fonds documentaires. Les travaux presentes dans cette these visent a faire face aux defis de representation des differentes materialisations d'un document au travers de la representation de ses entites et de leurs relations. Si ces materialisations sont traduites par des structures, les enjeux concernent la representation des documents a structures multiples. Nos travaux portent essentiellement sur la modelisation, l'integration et l'exploitation des documents a structures multiples : (1) Proposition d'un modele de documents multistructures. Ce modele integre deux niveaux de description : un niveau specifique permettant de decrire chaque document au travers des entites qui le composent et un niveau generique permettant de definir des typologies de documents au travers du regroupement de structures similaires. (2) Proposition des techniques d'extraction de structure (implicite ou explicite) d'un document (niveau specifique) et de classification de cette structure par rapport a des structures communes (niveau generique). L'algorithme de classification propose integre un calcul d'une distance dite « structurelle » (comparaison d'arbres et de graphes). Cette demarche de classification est associee a une demarche de verification de la « cohesion » des classes et de reorganisation eventuelle des classes perturbees. (3) Proposition de techniques d'exploitation des documents a partir de leurs structures et de leur contenu : (a) une recherche de documents qui permet de restituer des granules documentaires selon des criteres de recherches bases sur la ou les structures et/ou le contenu ; (b) une analyse multidimensionnelle qui consiste a analyser et visualiser les informations documentaires selon plusieurs dimensions (de structures et/ou de contenu). Pour valider nos propositions, nous avons developpe un outil d'aide a l'integration et a l'analyse de documents a structures multiples, intitule MDOCREP (Multistructured DOCument REPository). Cet outil assure d'une part, l'extraction et la classification des structures de documents, et d'autre part, l'interrogation et la restitution multidimensionnelle des documents a partir de leurs differentes structures.