1.
j [email_address] Blog: « PLEXUS LOGOS CALX » Quelques publications: SLIDESHARE JEAN ROHMER

2.
<ul><li>De l’Intelligence Artificielle au Calcul Littéraire: </li></ul><ul><li>Pourquoi j’ai zappé le Web Sémantique </li></ul><ul><li>Jean Rohmer </li></ul><ul><li>Ecole Supérieure d’Ingénieurs Léonard de Vinci </li></ul><ul><li>« Les Rencontres du Web des Données » </li></ul><ul><li>14 Octobre 2011 Salle Triangle Musée Pompidou </li></ul><ul><li>Organisées par Alexandre Monnin et Gautier Poupeau </li></ul>

3.
Je parle en tant que chercheur, programmeur et utilisateur de mes développements Je fais de l’informatique depuis 44 ans Je suis déçu par l’évolution de l’informatique Depuis 40 ans on n’a presque rien trouvé de neuf en logiciel Le logiciel n’est pas réductible à de l’ingénierie J’essaie de construire des Amplificateurs d’Intelligence J’écris du contenu sémantique chaque jour depuis 1997 Le nœud du problème est le langage: langage de programmation et langage naturel

4.
Etymologiquement, programmer veut dire « écrire à l’avance » Le futur n’est pas écrit, donc la programmation n’a pas de futur La programmation n’a pas de passé: on a oublié les meilleurs langages (Lisp, APL, Prolog) et l’Intelligence Artificielle des années 80. Il est très difficile de développer des applications intelligentes avec les langages à la mode On a oublié ce qu’était une application intelligente « Software Engineering » est une contradiction dans les termes Il y a deux sortes de langages de programmation: ceux faits pour programmer les machines (à la mode), ceux faits pour résoudre des problèmes difficiles (oubliés)

5.
Le langage naturel est très structuré Seul les humains comprennent le langage naturel Comprendre le langage naturel demande un effort personnel dont n’a idée aucune machine Nous ne savons pas comment nous comprenons la structure complexe du langage naturel Nous ne savons pas expliquer à une machine comment comprendre le langage naturel L’homme essaie depuis toujours d’inventer des langages calculables

6.
Ce qu’une machine sait représenter, elle ne sait pas le comprendre Une connaissance hors de la tête de quelqu’un, ça ne veut rien dire Nous ne sommes pas assez intelligents pour fabriquer une machine aussi intelligente que nous

7.
MESOPOTAMIE V1

8.
MESOPOTAMIE V2

9.
Mésopotamies <ul><li>On ne sait pas mieux faire d’applications intelligentes qu’il y a 20 ans ( 5300 ans ?) </li></ul><ul><li>On a moins de temps et moins d’argent </li></ul><ul><li>En pratique, des organismes très haut de gamme et très cruciaux pour la collectivité ne font que du Excel à la main </li></ul>

11.
HISTOIRE <ul><li>Antiquité </li></ul><ul><li>Moyen-âge </li></ul><ul><li>Descartes et Leibniz </li></ul><ul><li>Logique Mathématique </li></ul><ul><li>Intelligence Artificielle des années 80-95 </li></ul><ul><li>Idéliance dans les année 95-05 </li></ul><ul><li>Grands Projets Défense / Renseignement / Sécurité </li></ul><ul><li>Calcul Littéraire </li></ul>

13.
PAOLO ROSSI: « I filosofi e le macchine » (Feltrinelli, 2002) « La nascita della scienza moderna » (Laterza, 1997) Editi o riediti con il Mulino: « Clavis universalis » (1983), « Il passato, la memoria, l’oblio » (1991, premio Viareggio 1992), « Un altro presente » (1999), « Francesco Bacone » (2004), « Speranze » (2008). Frances A. Yates: The Art of Memory

14.
(Peter Matussek:) Giulio Camillo (1480 - 1544) was as well-known in his era as Bill Gates is now. Just like Gates he cherished a vision of a universal Storage and Retrieval System , and just like Microsoft Windows, his 'Theatre of the Memory' was, despite constant revision, never completed. Camillo's legendary Theatre of Memory remained only a fragment, its benefits only an option for the future. When it was finished, the user - so he predicted - would have access to the knowledge of the whole universe

15.
RAMON LLUL (1232 -1316) Arbor Scientiae: Ontologies Universelles Combinatoires « une lecture directe de l’alphabet que le Créateur a gravé dans les choses »

17.
RESEAU SEMANTIQUE ET LOGIQUE DU 16 EME SIECLE DANS LA CATHEDRALE DE GRENADE MODELISANT LA SAINTE TRINITE

18.
IDEE D’UNE CONTINUITE ENTRE MÉMOIRE / CONNAISSANCE / LOGIQUE / RAISONNEMENT AUTOMATIQUE BRUNO (1548-1600) BACON (1561-1626) COMENIUS (1592-1670) DESCARTES (1596 -1650) LEIBNIZ (1646-1716)

19.
DESCARTES ET LEIBNIZ <ul><li>PROJET D’UNE LANGUE UNIVERSELLE CALCULABLE </li></ul><ul><li>ETROITEMENT ASSOCIEE A DES ONTOLOGIES UNIVERSELLES </li></ul><ul><li>AVEC DES MECANISMES « COMBINATOIRES » </li></ul><ul><li>VOIR AUSSI LE CONTEMPORAIN PIERRE LEVY AVEC LE LANGAGE IEML </li></ul>

20.
Descartes <ul><li>« établir un ordre entre toutes les pensées, … de même qu ’il y en a un établi entre les nombres » </li></ul><ul><li>« cette langue aiderait au jugement , lui représentant si distinctement les choses qu ’il lui serait presque impossible de se tromper » </li></ul><ul><li>« je tiens que cette langue est possible … mais n ’espérez jamais la voir en usage … sauf au Paradis Terrestre … » </li></ul>

21.
Leibniz <ul><li>« quoique cette langue dépende de la vraie philosophie, elle ne dépend pas de sa perfection » </li></ul><ul><li>« à mesure que la science des hommes croîtra, cette langue croîtra aussi » </li></ul><ul><li>« alors raisonner et calculer sera la même chose » </li></ul>

22.
GRANDES REALISATIONS IA DES ANNEES 1980-1995 <ul><li>Programmation en LISP et PROLOG </li></ul><ul><li>Systèmes Experts </li></ul><ul><li>Ingénieurs de la Connaissance </li></ul><ul><li>Méthode KADS </li></ul><ul><li>Tous les projets en « K » </li></ul><ul><li>Plan« 5 ème Génération » Japonais </li></ul><ul><li>Interrogation des bases de données en langage naturel </li></ul><ul><li>Programmation par contraintes </li></ul><ul><li>S’est terminé par l’ « AI Winter » </li></ul><ul><li>Assez différent de l’IA d’aujourd’hui (statistiques, apprentissage automatique, optimisation combinatoire, business rules) </li></ul>

23.
LANGAGES LISP (1962) ET PROLOG (1972) STUPIDEMENT IGNORES AUJOURD’HUI

24.
LES SYSTEMES A BASE DE CONNAISSANCES DES ANNES 1980 LA DERNIERE TENTATIVE REUSSIE DE FAIRE DES APPLICATIONS « INTELLIGENTES »

25.
METAPEDIA (1988 1992) 150 000 ARTICLES ENCYCLOPEDIQUES MODELISES EN RESEAUX SEMANTIQUES MULTIUTILISATEURS

26.
METAPEDIA: 70 STATIONS DE TRAVAIL EN RESEAU POUR EXPERTS ET COGNITICIENS

27.
OPEN KADS (1990) ATELIER DE GESTION DE CONNAISSANCES BIEN PLUS PUISSANT QUE PELLET PROTEGE RACER And CO

28.
CORAIL: INTERROGATION DE BASES DE DONNEES EN LANGAGE NATUREL (1990)

29.
RAMSES: GESTION DE CRISE DES JO ALBERTVILLE 1992 / MODELISATION DES CONNAISSANCES / SYSTÈME EXPERT / LANGAGE NATUREL / PLANIFICATION

30.
SACHEM (1989-1995) <ul><li>Conduite des Hauts-Fourneaux </li></ul><ul><li>Le plus grand système expert au monde </li></ul><ul><li>25 Millions d’Euros </li></ul><ul><li>Modélisation Objet des Connaissances </li></ul><ul><li>Méthode de modélisations des connaissances: KADS (et origine de OWL) </li></ul><ul><li>Une approche encyclopédique de la Sidérurgie (« le Savoir Fer ») </li></ul>

33.
AI WINTER <ul><li>Sur les rasons de l’AI Winter, voir </li></ul><ul><li>http://www.dfki.uni-kl.de/~sauermann/2006/05/17_talkjeanrhomer/rohmer-ai-pastpresentandfuture.PDF </li></ul><ul><li>Je me réchauffe avec IDELIANCE </li></ul><ul><li>1993 … </li></ul><ul><li>Conçu par Sylvie Le Bars ( www.arkandis.com ) et Jean Rohmer </li></ul><ul><li>Implémenté principalement par Jean Rohmer, Stéphane Jean, Denis Poisson </li></ul><ul><li>Actuellement propriété de Thales, qui en permet l’utilisation non commerciale sur simple demande </li></ul>

34.
IDELIANCE <ul><li>S’est d’abord appelé: </li></ul><ul><li>ORCCA : « Online Resources for Corporate Citizens Action » </li></ul><ul><li>Et aussi: </li></ul><ul><li>IDECRITURE </li></ul><ul><li>MÉMOIRE PERSONNELLES </li></ul>

35.
IDELIANCE 1993 …

36.
PAS DE DEFINITION DE MODELE A PRIORI MAIS EMERGENCE DES STRUCTURES SEMANTIQUES PAR UN OUTIL DE DECOUVERTE / APPRENTISSAGE A PARTIR D’ENONCES SUJET / VERBE / COMPLEMENT INVERSES / CATEGORIES ENTRES A LA MAIN OU IMPORTES DEPUIS DES DONNEES STRUCTUREES IDELIANCE

37.
<ul><li>NOMBREUX OUTILS D’EXPLOITATION DE L’INFORMATION: </li></ul><ul><li>GRAPHES </li></ul><ul><li>OPERATIONS SUR LES GRAPHES </li></ul><ul><li>TABLEAUX DE BORD </li></ul><ul><li>REQUETES </li></ul><ul><li>IMPORT: EXCEL, RELATIONNEL, XML </li></ul><ul><li>EXPORT: EXCEL, WORD, XML, SIG </li></ul><ul><li>LIAISON AVEC LE SYSTEME D’INFORMATION GEOGRAPHIQUE GEOCONCEPT </li></ul>IDELIANCE

40.
GRAPHE « QUOI-ENTRE »

43.
EXTRACTION SEMANTIQUE ASSISTEE

44.
FORMAT SVC

45.
FORMAT SVC I

46.
Format SVCI <ul><li>(Dès l’origine dans IDELIANCE) </li></ul><ul><li>Pierre / habite à / Marseille </li></ul><ul><li>Marie / travaille à / SNCM </li></ul>

47.
Format SVCI <ul><li>(Dès l’origine dans IDELIANCE) </li></ul><ul><li>Pierre / habite à / Marseille / E45 </li></ul><ul><li>Marie / travaille à / SNCM / E657 </li></ul><ul><li>E45 / parce que / E657 / E10 </li></ul><ul><li>Max / dit que / E10 / E 123 </li></ul><ul><li>Max dit que Pierre habite à Marseille parce que Marie travaille à SNCM </li></ul>

48.
GRANDS PROJETS Défense / Sécurité / Renseignement UNE DOUCE ILLUSION PARTAGEE DES PHYSICIENS AUX DECIDEURS VIA LES CHARLATANS

50.
CONSTATS <ul><li>AI WINTER </li></ul><ul><li>1% des gens acceptent IDELIANCE </li></ul><ul><li>Illusions </li></ul><ul><li>Charlatans </li></ul><ul><li>Que faire ? </li></ul><ul><li>Sortir de l’immédiateté </li></ul><ul><li>Réfléchir </li></ul><ul><li> Théorie Des Deux Trous Noirs </li></ul>

51.
SEMANTIC NETS PRODUCTION SEMANTIC NETS MANAGEMENT SEMANTIC NETS ANALYSIS CAPTURE AND MERGE HETEROGENEOUS SOURCES OF INFORMATION INTO AN UNIFIED HUMAN READABLE FORMAT NAVIGATE, QUERY VISUALIZE, UPDATE, DESIGN, RESTRUCTURE, PUBLISH DEDUCTION, ANALOGY, CLASSIFICATION, DISCOVERY, WEAK SIGNS DETECTION ASK MORE INFORMATIONS FROM SOURCES ENRICH SEMANTIC NETS WITH ANALYSIS RESULTS A A A Continuous Collective Process From Data to Knowledge

52.
IT COSMOLOGY: DICTATURE OF TWO BLACKHOLES LBH : LITTERATUS Black Hole CBH: CALCULUS Black Hole PLAIDEURS COMPTABLES KM SQL XML WEB 2.0 Semantic WEB A.I.  Blasted Out! Realm of DOCUMENTS Realm of PROGRAMS Forbidden zone! « dispute » « compute » Object Oriented Languages

53.
Moins de critique littéraire, moins de calcul scientifique Plus de critique scientifique, plus de calcul littéraire Fabriquer un Excel Littéraire Fabriquer un PowerPoint Sémantique Faire faire du calcul aux gens d’en haut Donner de la matière littéraire aux gens d’en bas Rêver un Foucault programmeur de « l’Archéologie du Savoir » Rêver un Spinoza programmeur Rêver un Wittgenstein programmeur

54.
SOFTWARE CRISIS The major cause of the software crisis is that the machines have become several orders of magnitude more powerful! As long as there were no machines, programming was no problem at all When we had a few weak computers, programming became a mild problem Now we have gigantic computers, programming has become an equally gigantic problem Edsger Dijkstra 1968

55.
L’informatique technique est un mélange d’académisme, de bricolage, de marketing, de mode, de religions, de sectes Le management méprise l’informatique, les jeunes s’en détournent Les professionnels se barricadent dans un jargon technique repoussant et font du racket « payez, et nous nous occupons de tout » (intégration, externalisation, cloud computing) On n’arrive pas à utiliser la puissance du hardware pour rendre le software plus simple « L’interconnexion des silos d’information par des Web Services conduit à des systèmes cauchemardesques » (Pierre Col, 11/10/ 2011) L’INFORMATIQUE TECHNIQUE EST UNE TARTE AU CITRON MERINGUEE: DEFINITIVEMENT FIGEE

56.
ESSAYONS AUTRE CHOSE! PAS DE DOCUMENTS PAS DE BASES DE DONNEES PAS DE PROGRAMMES PAS D’ONTOLOGIES PAS DE MODELES PAS DE LOGIQUE FORMELLE PAS DE GRAMMAIRES PAS DE FORMATS LANGAGE NATUREL EMERGENCE DISCIPLINE GEOMETRIE ALTERITE SYMETRIE INTERACTION RESPONSABILITE LOCALITE EDUCATION MOINS D’INGENIERIE INCULTE PLUS D’UTILISATION RESPONSABLE⌈

57.
CLAIM <ul><li>Natural Language is the Ultimate Open Source Standard. </li></ul><ul><li>Natural language exists for « more than » 100000 years </li></ul><ul><li>Natural Language will exist in 2120 </li></ul><ul><li>Which Computer Format (like XML) will exist in 2120 ? </li></ul>

58.
<ul><li>De la PRO-grammation </li></ul><ul><li>À l’IM-PRO-grammation </li></ul><ul><li>Feriez-vous confiance à un accompagnateur de voyage qui ne saurait pas IM-PRO-viser ? </li></ul>

59.
Tim Berners-Lee: The Web is now philosophical engineering Staline: Les écrivains sont les ingénieurs de l’âme Les ontologies sont produites par les ingénieurs du sens Les ingénieurs ne doivent pas fabriquer du sens Les ingénieurs doivent fabriquer des instruments de mise en contact / osmose avec l’information Le Web Sémantique, c’est l’Intelligence Artificielle sans les applications Le grand mérite du Web Sémantique à la W3C est de poser la question « Pourquoi ça ne marche pas »

60.
Tim Berners-Lee a commencé le Web car il savait le faire Tim Berners-Lee a commencé le Web Sémantique car il ne savait pas le faire

61.
FREE LIBRE OPEN LOGICIELS DONNEES

62.
NET = NEXUS = NŒUD = NASSE = RETS = RESEAU = FILET

63.
Triplet RDF URI

64.
MY NAME IS TIM !

65.
A quoi bon LIBERER les données si c’est pour les LINKER à des URI dès leur sortie de prison ? LIBRE OU LIE, il faut choisir! N’échangeons pas une prison locale contre une prison mondiale Les URI ne sont pas des identifiants, mais des adresses, des lieux (donc des URL) dans l’unique mémoire mondiale Les URI sont dans l’orbite du Trou Noir du Calcul Une information est un énoncé et non un identifiant Un énoncé a physiquement une adresse L’atome de sens c’est l’énoncé et non l’identifiant

66.
<ul><li>On ne peut pas faire de systèmes ouverts avec des technologies fermées </li></ul><ul><li>On ne peut modéliser des données libres avec des à-priori d’ingénierie technique </li></ul><ul><li>Par définition, l’intelligence artificielle ne peut être invisible </li></ul><ul><li>Il ne faut pas cacher la technologie, il faut faire des technologies visibles </li></ul><ul><li>Le seules données vraiment structurées sont celles liées à l’argent, aux chiffres </li></ul><ul><li>Les chiffres se passent très bien d’URI </li></ul><ul><li>Les chiffres sont leurs propres URI </li></ul><ul><li>Les données les mieux structurées se passent d’URI </li></ul><ul><li>Toutes les données non structurées sont très structurées (PPT, EXCEL, Langage Naturel, Document) </li></ul><ul><li>Toutes les données structurées sont très peu structurées </li></ul>

67.
LES SEULES DONNEES LIBRES SONT LES DONNEES SOUS FORME NATURELLE

68.
Au commencement sont les énoncés Les (id) entités émergent des énoncés et non l’inverse On ne peut pas porter une entité à la connaissance de quelqu’un sans faire au moins deux énoncés Si l’atome est l’énoncé, on pourra se passer des documents dans le futur Si l’on n’a plus de documents, on n’a plus besoin de métadonnées Les métadonnées sont des énoncés comme les autres Non au monde carcéral des documents enserrés dans des rets de métadonnées enchaînées à des URI !

69.
Dans un ordinateur, ne mettons que des énoncés Information is the System Usage is the Architect Practice alterity to alter IT Le Web 1.0 permet de lire facilement des choses écrites difficilement Le Web 2.0 permet d’écrire facilement des choses difficiles à lire Quand il s’agit de travailler, on retourne à Excel et à PowerPoint Faire un Web qui facilite et amplifie l’écriture, la lecture et le TRAVAIL / LA REFLEXION = Web 3.0!

70.
Les ordinateurs, ont besoin de formats et de modèles Les humains détestent les formats et les modèles Le Software Engineering et la Programmation sont des bureaucraties de gestion de formats et modèles Les formats et modèles informatique ne sont pas biodégradables; ils s’accumulent et polluent Les formats sont manipulés en cachette du public par des travailleurs spécialisés appelés programmeurs Il est difficile et couteux de démanteler les centrales à formats ( = les applications), et de recycler les formats Des organisations mondiales essaient d’imposer des formats et modèles standard J’ai choisi le langage naturel comme format standard

71.
Une ontologie est un ensemble d’énoncés comme les autres Un dictionnaire, un tableau Excel, un thésaurus … sont des ensembles d’énoncés comme les autres On a le droit de vouloir faire des ontologies au sens du W3C à condition de savoir que c’est impossible Faites les ontologies qui vous sont utiles sous la forme humaine que vous préférez Traduisez ces ontologies en énoncés en langage naturel Mélangez cette ontologie avec d’autres énoncés en langage naturel Faites du calcul littéraire sur les ensemble d’énoncés

72.
Seule l’altérité, et non l’ontologie peut résoudre le problème de l’identité

73.
Ne mettez pas d’ingénieurs dans la boucle Faites vous-même tout le travail sur le sens et le contenu Il ne faut pas informatiser les sciences humaines, il faut humaniser l’informatique C’est aux ingénieurs de construire l’appareil C’est aux autres de l’utiliser

74.
DEMOGRAPHY, REPRESENTATION, COMPUTERS natural language formal logic user acceptance computer capabilities

75.
<ul><li>Ne pas dire: « faire une machine humanoïde qui comprend le sens » </li></ul><ul><li>Dire: « mettre dans les machines des informations humaines» (cf injecter des cellules saines dans un organisme malade) </li></ul><ul><li>Programmer la machine pour en faire un instrument qui met l’utilisateur en osmose avec les informations humaines </li></ul><ul><li>Augmenter la surface de contact entre les gens et les formes naturelles </li></ul><ul><li>Enaction ? </li></ul>

76.
Calcul sur des Réseaux Sémantiques

78.
MERGE MANY SOURCES INTO AN UNIQUE SEMANTIC NETWORK OF MEETINGS, PEOPLE, PLACES, DATES ... MEETING B MEETING C MEETING D MEETING A Paris London Munich Sept 23 Oct 17 John A. Kees C. Theo Z. Jamel B. Fred L. Hans X. Sven F. Marco L. From web mining From database From Humint From Jane ’s files

79.
Mapping of an Organisation via a Journey from Informations to Intelligence Raw Informations About Organisation XXX Intelligence Report About Organisation XXX

80.
LITTERATUS CALCULUS FUNDAMENTALS INFERON : minimal and autonomous sentence in natural language INTERLOGOS : set intersection (words) of two INFERONS ARGOS : a subgraph of INFERONS and their INTERLOGOS

81.
EXAMPLE There are two national airlines having scheduled flights to airport of Tivat Montenegro Airlines has regular flights serving Tivat Airport flights tivat airport airlines Montenegro Airlines opens an Agency in Kotor montenegro airlines airlines

82.
OUR GOAL IS TO REPLACE INFORMATION SYSTEMS, DOCUMENTS, DATABASES BY USERS INTERACTION (WRITE, READ, QUERY, REUSE, ANALYSE, VISUALIZE, NAVIGATE, COMPUTE …) WITH INFERONS

84.
IDELIANCE « IN-BETWEEN »

86.
AZIMUTS <ul><li>Inventé en 1996 par J. Rohmer et Sylvie le Bars </li></ul><ul><li>Puissante généralisation des « facettes » introduites bien plus tard </li></ul><ul><li>Donner les manettes à l’utilisateur </li></ul><ul><li>L’utilisateur va « IM-PRO-grammer </li></ul>

88.
« QUOI-ENTRE » EN CALCUL LITTERAIRE

89.
What are the domains of expertise of Laure which are also known of Polytechnique students?

90.
<ul><li>AZIMUTS: la voie de la liberté </li></ul><ul><li>Première tentative pour donner aux gens le pouvoir de faire du calcul littéraire sans « ingénieurs » </li></ul><ul><li>Supprimer les applications : App-Killer </li></ul><ul><li>User is the Architect </li></ul><ul><li>L’ontologie, c’est l’utilisation de l’information (Karima Rafes) </li></ul><ul><li>C’est l’utilisateur (et non les logiciels ou les données) qui devient libre </li></ul>

91.
SI ON REMPLACE LES ENONCES PAR DES IMAGES ? SI ON REMPLACE LES INTERLOGOS PAR DES INTERSECTIONS D’IMAGES ? SI ON REPRESENTE UNE VIDEO COMME UN LIGNE D’IMAGES, CHACUNE PARTAGEANT DES INTERLOGOS AVEC D’AUTRES IMAGES APPARTENANT A D’AUTRES LIGNES ? VERS DES AZIMUTS SPATIO-TEMPORELS

92.
« Turkey » looks like …. « Become Europe »

93.
FULL LC: MINIMALISM … A: chien means dog B: chat means cat C: dog signifie chien D: cat signifie xxx Find xxx

94.
FULL LC: Power of Symmetry means signifie chien - dog chat xxx cat A: chien means dog B: chat means cat C: dog signifie chien D: cat signifie xxx <ul><li>xxx ~ chat </li></ul><ul><li>cat signifie chat ! </li></ul>

95.
Et même des grammaires …

96.
???

97.
Symétrie (palindromes)

98.
Pratiquer le Calcul Littéraire <ul><li>C’est prendre ses notes sous forme d’inférons (cf Idécriture ) </li></ul><ul><li>En attendant que des outils les exploitent ( cryosémantique ). </li></ul>

99.
Exemple de prise de note <ul><li>Atos Origin a 80% de ses serveurs d'hébergement au Maroc </li></ul><ul><li>Il y a une grande zone d'industrie informatique offshore qui est construite à Fez Maroc </li></ul><ul><li>>Soft Computing </li></ul><ul><li><< organisation </li></ul><ul><li>travaille en data mining </li></ul><ul><li>[Gilles Venturi << Personne] <<+ @ </li></ul><ul><li>> </li></ul><ul><li>>Linedata </li></ul><ul><li>emploie 1200 personnes </li></ul><ul><li><< éditeur de logiciels </li></ul><ul><li>développe des logiciels de [gestion financière, gestion épargne salariale] </li></ul><ul><li>a comme client [BNP,AXA, Société Générale << Organisation] </li></ul><ul><li>emploie [400/250/400/300] personnes en [France,USA,Angleterre,Tunisie] </li></ul><ul><li>> </li></ul><ul><li>L'examen de Certification Microsoft 70-511 coute 140 euros à passer </li></ul>

100.
Altérité ( Alter IT ) <ul><li>Le système d’information dépend de la qualité de ses utilisateurs </li></ul><ul><li>S’entrainer, s’améliorer au calcul littéraire </li></ul><ul><li>S’entrainer, s’améliorer à l’Idécriture </li></ul>

101.
ANGE GARDIEN SEMANTIQUE PERSONET (Pierre Berger)

102.
Pour conclure <ul><li>CONSTRUISONS ENSEMBLE </li></ul><ul><li>LA THEORIE DE L’INFORMATION </li></ul><ul><li>QUI NOUS MANQUE </li></ul>