voici un rapport sous le thème de le système d'information décisionnel préparé par : FATIHA BANIX,nabil madich et ER-RHIF IMANE

1. 1
Université Sultan Moulay Slimane
Faculté Polydisciplinaire
Beni Mellal.
Master : Management des ressources humaines
Module : Système d’information et communication
Travail à rendre sous thème :
« Le système
d’information
décisionnel»
Proposée Par:M. FalihNoureddine
RéaliséesPar :BENNIKS FATIHA
ER-RHIF IMANE
MADICH NABIL

2. 2
Table des matières
I- Introduction aux systèmes d’information décisionnels ......................................................... 3
1-1 L’évolution de l’informatique décisionnelle.......................................................................... 3
1-2 Définition de système d’information décisionnel................................................................... 4
1-3 les fonctions de système d’information décisionnel................................................................ 5
II- Les composants du système d’information décisionnels.......................................................... 6
2-1 Les Sources de données ....................................................................................................... 6
2-2 ETL.................................................................................................................................... 7
2-3 Data-warehouse................................................................................................................... 9
2-4 Les outils d’analyse et de visualisation.................................................................................13
III- La sécurité des systèmes d’information.............................................................................. 17
BIBLIOGRAPHIE :.................................................................................................................. 19

3. 3
I- Introduction aux systèmes d’information décisionnels
1-1 L’évolution de l’informatique décisionnelle
L’évolution des affaires des entreprises mettait les utilisateurs face à diverses besoins, l’un de
gestion et l’autre des transactions ou des opérations élémentaires qui ont devenu de plus en
plus complexe, on parle des systèmes opérationnels ayant pour objectif de la saisie de
données, leur traitement et la production en sortie de résultats prenant dans un premier temps
la forme de documents opérationnels. Cet objectif de production des données n’a pas pu
répondre aux besoins évolutifs des utilisateurs qui demandent d’autres fonctionnalités qui se
manifestent dont le besoin d’analyse des données à des fins décisionnels.
La prise de décision nécessite beaucoup de réflexions et de données générer par les systèmes
opérationnels, donc il y avait une procédure à respecter pour réussir cette démarche de
capitalisation des informations. D’abord les premiers systémes décisionnels appelaient
infocentre sont apparu en 1980 pour combler le vide en matière de la prise de décision des
premiers systèmes décisionnels qui ont connu des difficultés, trop de consommation des
ressources due aux opérations d’analyse de données, ce qui influence la performance des
systèmes opérationnels peu de consommation des ressources dans le même serveur. L’arrivée
de l’infocentre a pour objectif de séparer les deux systèmes afin de garder la rapidité des
systèmes opérationnels dans deux environnements distincts. Mais ses systèmes comme les
autres premiers systèmes ont des limites, parmi lesquels des infocentres de données sont non
historiées.
L’avancement des technologies de l'information et de la communication (base de données,
ordinateur multiprocesseurs, PC, réseaux locaux, internet, logiciels d’interrogation,
de fouille de données, etc.). Ont permis de faciliter la prise de décision des entreprises. La
historisation des données des systèmes opérationnels ou des données viennent de l’extérieur
dans des entrepôts de données seront la base d’analyse de la situation actuelle de l’activité,
anticiper les risques futurs et avoir une idée anticipatrice de l’environnement et de la
concurrence.
L’évolution des
systèmes
décisionnels :
Source : Mémoire de fin d’études, Pour l’obtention du diplôme d’Ingénieur d’Etat en Informatique, FILALI
ABDERRAHMANE, KEDJNANE SOFIANE

4. 4
1-2 Définition de système d’information décisionnel
A – Définition
Les systèmes décisionnels sont dédiés au management de l’entreprise pour aider au
pilotage de l’activité. Le recours a l’historique des données de l’entreprises permet aux
décideurs d’avoir une vision transversale de l’entreprise, les SID permettent une vision
transversale de l’établissement grâce à des informations en provenance de différents métiers
(comptabilité, finance, GRH…). Ils stockent les informations de manière spécifique et
permettent ainsi des analyses poussées sur des thématiques précises pour déterminer la
meilleure décision à prendre. Entièrement dédié au pilotage de la performance, le SID met en
œuvre une grande richesse de fonctions : tableaux de bord pré-formatés, analyse
multidimensionnelle, simulation…
B – Les Requêtes
Grace aux systèmes d’information décisionnels on peut lancer des requêtes spécifiques
permettant d’extraire des informations pertinentes à la prise de décision par exemple :
- Quel est le nombre des salariés qui ont été recrutés en 2015 ayant statut de technicien ?
- Quel est le montant des achats par catégorie et par région ?
Schéma d’une requête :

5. 5
C- Données-> Information -> Connaissance
Le système d’information décisionnel a pour objectif de transformer les données stockées dans les
Data Warehouse en informations, puis en connaissances.
Source : Analyse et conception d’un outil d’aide à la décision quant à la sélection d’un système de gestion de
la connaissance,Corinne Bourgeois
1-3 les fonctions de système d’information décisionnel
Un système d’information décisionnel assure quatre fonctions fondamentales : la collecte des
données, l’intégration, la diffusion et la présentation et enfin l’administration.
Collecte : La collecte (parfois appelée datapumping) est l’ensemble des tâches consistant à
détecter, à sélectionner, à extraire et à filtrer les données brutes issues des bases de
production. Les sources de données, étant souvent hétérogènes, cette fonction est la plus
délicate à mettre en place. La collecte des données se font donc à l’aide d’outils de type ETL
(extract-transform-load pour extraction-transformation-chargement).
Intégration : L’intégration consiste à concentrer les données collectées dans un espace unifié
: l’entrepôt de données. Élément central du dispositif, il permet aux applications
décisionnelles de bénéficier d’une source d’information commune, homogène, normalisée et
fiable, susceptible de masquer la diversité de l’origine des données.
Diffusion et présentation : La diffusion met les données à la disposition des utilisateurs,
selon des schémas correspondant au profil ou au métier de chacun, sachant que l’accès direct
à l’entrepôt de données ne correspondrait généralement pas aux besoins d’un décideur ou d’un
analyste. L’objectif prioritaire est de segmenter les données en contextes informationnels
fortement cohérents, simples à utiliser et correspondant à une activité décisionnelle
particulière.

6. 6
Administration : C’est la fonction transversale qui supervise la bonne exécution de toutes les
autres. Elle pilote le processus de mise à jour des données, la documentation sur les données,
la sécurité, les sauvegardes et la gestion des incidents.
II- Les composants du système d’information décisionnels
2-1 Les Sources de données
La prise de décision se base sur les données venant soit des systèmes opérationnels, soit des
données externes à l’entreprise :
A- Les systèmes opérationnels :
Chaque entreprise possède des applications de production des données pour gérer les activités
quotidiennes, les ventes, les achats, factures, salariés…, ses données alimentent le Data
Warehouse, il convient de mentionner qu’il faut bien choisir les données essentielles à la prise
de décision.
B- Les sources externes
Les données générées par les systèmes opérationnels ne sont pas suffisantes pour prendre des
choix stratégiques, le recours à des enquêtes sur le marché, la supervision des choix des
concurrents, la protection des données, le recours à des études, la collecte des données auprès
des bases de données externes, L’analyse PESTEL de l’environnement …, ces données
doivent figurer avec les données internes dans le Data Warehouse.
Schéma des sources des données :

7. 7
2-2 ETL
Les phases du processus E.T.L. représentent la mécanique d’alimentation du Data
Warehouse. Ainsi elles se déroulent comme suit :
Source : http://www.datasciencecentral.com/profiles/blogs/10-open-source-etl-tools
A- L’extraction des données
« L’extraction est la première étape du processus d’apport de données à l’entrepôt de
données. Extraire, cela veut dire lire et interpréter les données sources et les copier dans
la zone de préparation en vue de manipulations ultérieures. » [Kimball, 2005].
Les politiques d’extraction des données :
Push : dans cette méthode, la logique de chargement est dans le système de
production. Il " pousse " les données vers la zone de préparation quand il en a
l'occasion. L'inconvénient est que si le système est occupé, il ne poussera jamais les
données.
Pull : contrairement de la méthode précédente, le Pull " tire " les données de la source
vers la zone de préparation. L'inconvénient de cette méthode est qu'elle peut
surcharger le système s'il est en cours d'utilisation.
Push-pull : c'est la combinaison des deux méthodes. La source prépare les données à
envoyer et indique à la zone de préparation qu'elle est prête. La zone de préparation
va alors récupérer les données.

8. 8
Source : ETL (Extract,Transform and Load) Extraction, Transformation et Chargement BENTALBA
Salah Eddine «Consultant IT »
B- La transformation des données :
La transformation est la seconde phase du processus. Cette étape, qui du reste est très
importante, assure en réalité plusieurs tâches qui garantissent la fiabilité des données et leurs
qualités. Ces tâches sont :
Dé-normalisées : dans un DW (Data Warehouse), avoir des doublons n'est pas important,
avoir un schéma en troisième forme normale est même déconseillé. Il faut que les données
apparaissent là où elles doivent apparaître.
Nettoyées : dans un système de production, les utilisateurs entrent les données. Les risques
d'erreurs sont là : entrer la rue au lieu du pays, écrire Canoda au lieu de Canada. Ces erreurs
ont des répercussions directes sur les analyses (les commandes avec Canoda comme pays ne
feront pas partie des commandes faites au Canada). Il faut pouvoir détecter et corriger ces
erreurs.
Contextualisées : imaginez un système de production où les informations sur l'activité du
personnel sont enregistrées, et un système de RH ou les informations personnelles,
comptables des employés sont stockées. Un entrepôt de données possède une vision
universelle, un employé est un employé, et il n'y aura qu'une seule dimension "Employé" avec
toutes les informations le concernant.
Chargées en DW : c'est l'étape la plus complexe, il s'agit ici d'ajouter les nouvelles lignes,
voir si des lignes ont été modifiées et faire une gestion d'historique, voir si des lignes ont été
supprimées et le mentionner dans l'entrepôt, tout en faisant attention de ne pas charger des
données en double.

9. 9
Cette opération se solde par la production d’informations dignes d’intérêt pour l’entreprise
et de et sont donc prêtes à être entreposées
Source :http://grim.developpez.com/articles/concepts/etl/
C- Le chargement des données
C’est la dernière phase de l’alimentation d’un entrepôt de données, le chargement est une
étape indispensable. Elle reste toute fois très délicate et exige une certaine connaissance des
structures du système de gestion de la base de données (tables et index) afin d’optimiser au
mieux le processus.
2-3 Data-warehouse
A- Qu’est-ce qu’un Data Warehouse
Bill Inmon définit le Data Warehouse, dans son livre considéré comme étant la référence
« Le Data Warehouse est une collection de données orientées sujet, intégrées, non
volatiles et évolutives dans le temps, organisées pour le support d’un processus d’aide à
la décision. »
Les paragraphes suivants illustrent les caractéristiques citées dans la définition d’Inmon.
Orienté sujet :le Data Warehouse est organisé autour des sujets majeurs de
l’entreprise,contrairement à l’approche transactionnelle utilisée dans les systèmes
opérationnels, qui sont conçus autour d’applications et de fonctions telles que : cartes
bancaires, solvabilité client…, les Data Warehouse sont organisés autour de sujets majeurs de
l’entreprise tels que : clientèle, ventes, produits…. Cette organisation affecte forcément la
conception et l’implémentation des données contenues dans le Data Warehouse. Le contenu
en données et en relations entre elles diffère aussi. Dans un système opérationnel, les données

10. 10
sont essentiellement destinées à satisfaire un processus fonctionnel et obéit à des règles de
gestion, alors que celles d’un Data Warehouse sont destinées à un processus analytique.
Intégrée :le Data Warehouse va intégrer des données en provenance de différentes
sources.Cela nécessite la gestion de toute incohérence.
Evolutives dans le temps :Dans un système décisionnel il est important de conserver les
différentes valeurs d’une donnée, cela permet les comparaisons et le suivi de l’évolution des
valeurs dans le temps, alors que dans un système opérationnel la valeur d’une donnée est
simplement mise à jour. Dans un Data Warehouse chaque valeur est associée à un moment
« Every key structure in the data warehouse contains - implicitly or explicitly -an element of
time » [Inmon, 2000].
Non volatiles :c’est ce qui est, en quelque sorte la conséquence de l’historisation
décriteprécédemment. Une donnée dans un environnement opérationnel peut être mise à jour
ou supprimée, de telles opérations n’existent pas dans un environnement Data Warehouse.
Organisées pour le support d’un processus d’aide à la décision :Les données du
DataWarehouse sont organisées de manière à permettre l’exécution des processus d’aide à la
décision (Reporting, Data Mining…).
B- Structure des données d’un Data Warehouse
Le Data Warehouse a une structure bien définie, selon différents niveaux d’agrégation
et de détail des données. Cette structure est définie par Inmon[Inmon, 2000] comme suit :
Source : Mémoire de fin d’études,Pour l’obtention du diplôme d’Ingénieur d’Etat en Informatique, FILALI
ABDERRAHMANE, KEDJNANE SOFIANE

11. 11
Données détaillées : ce sont les données qui reflètent les événements les plus récents,
fréquemment consultées, généralement volumineuses car elles sont d’un niveau détaillé.
Données détaillées archivées : anciennes données rarement sollicitées, généralement
stockées dans un disque de stockage de masse, peu coûteux, à un même niveau de détail que
les données détaillées.
Données agrégées : données agrégées à partir des données détaillées.
Données fortement agrégées : données agrégées à partir des données détaillées, à un niveau
d’agrégation plus élevé que les données agrégées.
Meta données : ce sont les informations relatives à la structure des données, les méthodes
d’agrégation et le lien entre les données opérationnelles et celles du Data Warehouse. Les
métadonnées doivent renseigner sur :
Les transformations nécessaires,
C- Modélisationet conceptiondu Data Warehouse
Les deux approches les plus connues dans la conception des Data Warehouse sont :
 L’approche basée sur les besoins d’analyse,
 L’approche basée sur les sources de données,
Aucune des deux approches citées n’est ni parfaite, ni applicable à tous les cas. Toutes
deux doivent être étudiées pour choisir celle qui s’adapte le mieux à notre cas.
Quelque soit l’approche adoptée pour la conception d’un Data Warehouse, la
définition de celui-là reste la même. En étant un support d’aide à la décision, le Data
Warehouse se base sur une architecture dimensionnelle.
- Approche « Besoins d’analyse »
Le contenu du Data Warehouse sera déterminé selon les besoins de l’utilisateur final. Cette
approche est aussi appelée « approche descendante » (Top-Down Approach) et est illustrée
par R. Kimball grâce à son cycle de vie dimensionnel comme suit :

12. 12
Source : Mémoire de fin d’études,Pour l’obtention du diplôme d’Ingénieur d’Etat en Informatique,
FILALI ABDERRAHMANE, KEDJNANE SOFIANE
- Approche « Source de données »
Le contenu du Data Warehouse est déterminé selon les sources de données. Cette approche
est appelée : Approche ascendante (Bottom-up Approach).
Illustration de l’approche « Source de données » grâce au cycle dedéveloppement du DW de
Inmon[Inmon, 2002].
- Approche mixte
Une combinaison des deux approches appelée hybride ou mixte peut s’avérer
efficace. Elle prend en considération les sources de données et les besoins des utilisateurs.
Cette approche consiste à construire des schémas dimensionnels à partir des
structures des données du système opérationnel, et les valider par rapport aux besoins
analytiques. Cette approche cumule les avantages et quelques inconvénients des deux
approches déjà citées, telles que la complexité des sources de données et la difficulté quant à
la détermination des besoins analytiques.

13. 13
Source : Mémoire de fin d’études,Pour l’obtention du diplôme d’Ingénieur d’Etat en Informatique,
FILALI ABDERRAHMANE, KEDJNANE SOFIANE
D- Architecture d’un Data Warehouse
Après avoir exposé et défini chacun des éléments constituant l’environnement d’un Data
Warehouse, il serait intéressant de connaitre le positionnement de ces éléments dans une
architecture globale d’un Data Warehouse :
Source : http://sig2010.esrifrance.fr/SIG_et_datawarehouse.aspx
2-4 Les outils d’analyse et de visualisation
Après la constitution du Data Warehouse la phase suivante est l’exploitation du Data
Warehouse se fait par le biais d’un ensemble d’outils analytiques développés autour du Data
Warehouse. Donc cette étape nécessite l’achèvement du développement, ou de la mise en
place, de ces outils qui peuvent accomplir les fonctions suivantes:

14. 14
A. Requêtage ad-hoc :
Le requêtage ad-hoc reste très fréquent dans ce type de projet. En effet, les utilisateurs
de l’entrepôt de données, et spécialement les analystes, seront amenés à interagir avec le DW
via des requêtes ad-hoc dans le but de faire les analyses requises par leurs métiers et,
d’élaborer aussi, des rapports et des tableaux de bords spécifiques.
L’accès à ce genre de service peut se faire via différentes méthodes et outils.
Cependant, les spécialistes en la matière préconisent de laisser la possibilité à l’utilisateur de
choisir les outils qui lui paraissent les plus adéquats.
B. Reporting :
Destiné essentiellement à la production de rapports et de tableaux de bord, « il est la
présentation périodique de rapports sur les activités et résultats d'une organisation, d'une
unité de travail ou du responsable d'une fonction, destinée à en informer ceux chargés de les
superviser en interne ou en externe, ou tout simplement concernés par ces activités ou
résultants ».
Ces outils de Reporting ne sont pas, à proprement parler, des instruments d'aide à la
décision, mais, lorsqu’ils sont utilisés de manière appropriée, ils peuvent fournir une
précieuse vue d’ensemble.
Les rapports sont alors crées par le biais d’outils de Reporting qui permettent de leur
donner un format prédéterminé. Les requêtes sont constituées lors de l’élaboration des
rapports qui seront ensuite diffusés périodiquement en automatique ou ponctuellement à la
demande.
C. Analyse dimensionnelle des données( OLAP) :
L’analyse dimensionnelle est sans doute celle qui exploite et fait ressortir au mieux les
capacités de l’entrepôt de données par le croisement des données issues de plusieurs
dimensions. Le but par l’analyse dimensionnelle est d’offrir aux utilisateurs la possibilité
d’analyser les données selon différents critères afin de confirmer une tendance ou suivre les
performances de l’entreprise.
La modélisation dimensionnelle permet cela. Elle consiste à considérer un
sujet d’analyse comme un cube à plusieurs dimensions, offrant des vues en tranches ou des
analyses selon différents axes.C’est d’ailleurs pour cela que le choix de la solution doit se
faire au préalable, selon les besoins en utilisation, la taille de l’entrepôt et les moyens
techniques disponibles.

15. 15
Source : (Collection DCG intec 2013-2014) Victor ALBORS, Laurence
ALLEMAND, Laurent BOKSENBAUM, Philippe GERMAK-UE 118 Systemes
d’information de gestion série 4-Cnam Intec (2013)
- Vocabulaire :
Un cube représente un ensemble de mesures organisées selon un ensemble de dimensions.
Une dimension est un axe d’analyse c’est-à-dire une base sur laquelle seront analysées les données.
Ex : le temps. Une dimension possède des instances, également appelées Membres. Chaque membre
appartient à un niveau hiérarchique. Il s’agit du principe de granularité. EX :’2009’ est membre de la
dimension ‘temps’ du niveau hiérarchique ‘année’. Une mesure est l’élément de donnée que l’on
analyse. Ex : nombre de ventes. Enfin, un fait représente la valeur d’une mesure (indicateur) selon un
membre de chacune des dimensions.
- La navigation dans les données
Une fois que le serveur OLAP a construit le cube multidimensionnel « ou simulé ce
cube selon l’architecture du serveur », plusieurs opérations sont possibles sur ce dernier
offrant ainsi la possibilité de naviguer dans les données qui le constituent. Ces opérations de
navigation « Data Surfing » doivent être, d’une part, assez complexes pour adresser

16. 16
l’ensemble des données et, d’autre part, assez simples afin de permettre à l’utilisateur de
circuler de manière libre et intuitive dans le modèle dimensionnel.
Afin de répondre à ces attentes, un ensemble de mécanismes est exploité, permettant
une navigation par rapport à la dimension et par rapport à la granularité d’une dimension.
´
Le « Slicing » et le « Dicing » sont des techniques qui offrent la possibilité de faire
des tranches « trancher » dans les données par rapport à des filtres de dimension bien précis,
se classant de fait comme des opérations liées à la structure « se font sur les dimensions ». La
différence entre eux se manifestent dans le fait que :
Le Slicingconsiste à faire une sélection de tranches du cube selon des prédicats et
selon une dimension « filtrer une dimension selon une valeur » [Chouder, 2008].
Le Dicing, quant à lui, peut être vu comme étant une extraction d’un sous cube.
Drill-down & Roll-up : Ces Méthodes, appelées aussi « forage vers le bas/vers le haut », sont
les méthodes les plus répandues pour une navigation dans un entrepôt de données. Elles
consistent à représenter les données du cube à niveau de granularité inférieur, dans le cas du
« Drill-down », ou un niveau supérieur, c’est le « Roll-up » En somme ses deux opérations de
contrôler le niveau de détail des données du cube.
D. Tableaux de bord :
Les tableaux de bord sont un outil de pilotage qui donne une vision sur l’évolution
d’un processus, afin de permettre aux responsables de mettre en place des actions correctives.
« Le tableau de bord est un ensemble d’indicateurs peu nombreux conçus pour
permettre aux gestionnaires de prendre connaissance de l’état et de l’évolution des systèmes
qu’ils pilotent et d’identifier les tendances qui les influenceront sur un horizon cohérent avec
la nature de leurs fonctions » [Bouquin, 2003].
Cette forme de restitution a la particularité de se limiter à l’essentiel, c'est-à-dire la
mise en évidence de l’état d’un indicateur par rapport à un objectif, tout en adoptant une
représentation graphique de l’information.
E. Data Mining :
Le Data Mining est une composante essentielle des technologies Big Data et les
techniques d’analyse de données volumineuses. Il s’agit là de la source des Big Data
Analytics, des analyses prédictives et de l’exploitation des données.
En règle générale, le terme Data Mining désigne ne l’analyse de données depuis
différentes perspectives et le fait transformer ces données en informations utiles, en
établissant des relations entre les données. Ces informations peuvent ensuite être utilisées par
les entreprises pour augmenter un chiffre d‘affaires ou pour réduire des couts. Elles peuvent
également servir à mieux comprendre une clientèle afin d’établir de meilleures stratégies
marketing.

17. 17
III- La sécurité des systèmes d’information
Gestion des risques liés aux TI ou sécurité du SI ?
La sécurité du système d’information est souvent définie à partir de quatre critères
fondamentaux de la valeur d’une information (DICP). :
 la disponibilité (D), en termes de délais et de performance,
 l’intégrité (I), à savoir l’exactitude et l’exhaustivité de l’information, non modifiée
par des tiers non autorisés
 la confidentialité (C) : l’information doit être accessible uniquement aux tiers
autorisés,
 la preuve/contrôle (P), c’est-à-dire à la fois la non-répudiation (impossibilité pour un
acteur de nier avoir reçu ou émis l’information) et l’ "auditabilité" de l’information
(possibilité de contrôler le bon déroulement du processus ayant permis d’obtenir
l’information).
En réalité, ces critères doivent être pris en compte en termes de gestion des risques induits.
Exprimer un risque consiste à décrire son incidence et sa probabilité. La gestion des risques
est un domaine stratégique de la gouvernance des SI.
L’analyse et la gestion des risques permettent d’identifier des objectifs de sécurité. Ces
objectifs de sécurité visent à protéger les actifs de valeur (c’est-à-dire les données ou les
informations stockées, traitées, partagées, transmises ou extraites à partir d'un support
électronique) contre les menaces qui conduisent à la perte, l’inaccessibilité, l’altération ou la
divulgation inappropriée.
Le concept de sécurité peut donc se résumer à l’objectif de sécurité : "la sécurité des systèmes
d'information a pour objectif de protéger les intérêts de ceux qui dépendent des systèmes
d'information et de communication qui délivrent l'information, contre les préjudices
imputables à des défauts de disponibilité, de confidentialité, et d'intégrité.
La sécurité des SI se situe donc au niveau opérationnel et tactique, en réponse aux
risques identifiés au niveau stratégique.

18. 18
Conclusion :
L’évolution des technologies de l’information et de communication a donné l’essor des
systèmes d’information décisionnels, les entreprises avec un ensemble d’outils cherchent de
réunir le maximum d’informations sur leurs activités à des fins stratégiques, la prise de
décision nécessite une base de données sur laquelle on s’appuie pour effectuer des analyses
très poussées ce qui rend la qualité de la prise de décision importante. un système
d’information décisionnel est un avantage compétitif pour les entreprises et son choix
nécessite beaucoup de réflexions, des fonds, des personnes qualifiés…, le processus de
capitalisation des informations passe par un ensemble des étapes comme le schéma suivant
l’indique :
Source : (Collection DCG intec 2013-2014) Victor ALBORS, Laurence ALLEMAND,
Laurent BOKSENBAUM, Philippe GERMAK-UE 118 Systemes d’information de gestion
série 4-Cnam Intec (2013)

19. 19
BIBLIOGRAPHIE :
- (Collection DCG intec 2013-2014) Victor ALBORS, Laurence ALLEMAND, Laurent
BOKSENBAUM, Philippe GERMAK-UE 118 Systemes d’information de gestion série
4-Cnam Intec (2013)
- Propos Les Systémes D'information Décisionnels Michel BRULEY
- Mémoire de fin d’études, Pour l’obtention du diplôme d’Ingénieur d’Etat en
Informatique, FILALI ABDERRAHMANE, KEDJNANE SOFIANE
- http://www.itilfrance.com/index.php?pc=pages/docs/itilv3-03/117-02.inc
- http://www.igm-univ-mlv.fr
- Analyse et conception d’un outil d’aide à la décision quant à la sélectiond’un système
de gestion de la connaissance,Corinne Bourgeois
-http://inforsid.fr/?q=node/23