Process Mining

Le Process Mining est une technique de Data Mining s’appuyant sur l’analyse de fichiers journaux. Il s’agit d’une méthode de gestion des processus qui permet d’examiner les processus d’affaires et d’iden­ti­fier des po­ten­tiels d’op­ti­mi­sa­tion.

Le Process Mining regroupe les tech­niques du domaine du Business Process Ma­na­ge­ment servant à analyser les processus d’affaires. Il s’agit de méthodes d’analyse de processus basées sur des données qui mettent l’accent sur l’analyse de journaux d’évé­ne­ments, des in­for­ma­tions con­cer­nant les dif­fé­rentes étapes des processus en­re­gis­trées dans des systèmes in­for­ma­tiques. Les ap­pli­ca­tions de Process Mining utilisent des al­go­rithmes de Data Mining spé­ci­fiques sur les fichiers des journaux et les données de mouvement afin d’iden­ti­fier des tendances et des modèles. L’objectif est de mieux com­prendre les processus d’affaires concernés afin de les rendre plus efficaces.

Dans le domaine de la recherche, le Process Mining est également appelé « Automated Business Process Discovery » (ABPD) et décrit les tech­niques servant à créer, évaluer et élargir les modèles de processus. Dans ce cadre, le manifeste de la Fouille de Procédé de l’IEEE Task Force on Process Mining distingue trois types de tech­niques de Process Mining :

• Discovery (iden­ti­fi­ca­tion) : les tech­niques de Process Mining du type « Discovery » sont utilisées pour iden­ti­fier les processus et établir des modèles de processus.
• Con­for­mance (contrôle de la con­for­mité) : les tech­niques de Process Mining du type « Con­for­mance » per­met­tent d’évaluer la con­for­mité des modèles de processus existants par rapport à des données actuelles.
• En­han­ce­ment (extension) : les tech­niques de Process Mining du type « En­han­ce­ment » sont utilisées pour élargir les modèles de processus existants.

Le Process Mining associe des tech­niques issues des domaines du Data Mining et de la Com­pu­ta­tio­nal In­tel­li­gence (CI) à la mo­dé­li­sa­tion et à l’analyse des processus. Un processus est décrit comme une suite d’étapes opé­ra­tion­nelles lo­gi­que­ment reliées entre elles et pouvant être en­re­gis­trées en tant qu’évé­ne­ments.

L’ensemble des tech­niques de Process Mining s’appuient sur des données évé­ne­men­tielles en­re­gis­trées dans des fichiers journaux qui pré­sen­tent les évé­ne­ments dans un ordre chro­no­lo­gique et peuvent être attribués aussi bien à une étape qu’à une instance du processus.

Le résultat de ce type de Process Mining est gé­né­ra­le­ment un modèle de processus. Dans un processus de fa­bri­ca­tion, un tel modèle peut par exemple être obtenu à partir des ho­ro­da­tages indiquant à quel moment un produit est passé par telle phase de fa­bri­ca­tion.

Parmi les tech­niques de pré­sen­ta­tion usuelle pour les modèles de processus, on trouve :

• le BPMN (Business Process Model and Notation),
• les CPE (Chaînes de Processus Évé­ne­men­tiels),
• les dia­grammes de flux,
• le modèle HIPO,
• les ASC (Analyses de la Structure de Com­mu­ni­ca­tion),
• les réseaux de Petri,
• les MOS (modèles d’Objets Sé­man­tiques),
• l’UML (Unified Modeling Language),
• le BPEL (WS-Business Process Execution Language).

Les tech­niques de Process Mining du type « Con­for­mance » servent à la va­li­da­tion des modèles de processus. S’il existe déjà un modèle de processus, il est re­com­mandé de le comparer ré­gu­liè­re­ment aux nouvelles données des journaux d’évé­ne­ments afin de s’assurer que le modèle cor­res­ponde à la do­cu­men­ta­tion de processus réels. Dans ce cadre, on utilise des tech­niques de Process Mining per­met­tant de comparer le modèle de processus existant avec des données évé­ne­men­tielles actuelles afin de dé­ter­mi­ner des dif­fé­rences entre le modèle et la réalité. Le résultat d’un tel contrôle de la con­for­mité est un diag­nos­tic per­met­tant d’émettre des af­fir­ma­tions sur la qualité du modèle de processus. Un contrôle de la con­for­mité peut aussi bien être utilisé sur des modèles de processus des­crip­tifs que normatifs.

Le Process Mining couvre de nombreux aspects dif­fé­rents :

• pers­pec­tive du flux de contrôle : un Process Mining portant sur le flux de contrôle vise à présenter la chro­no­lo­gie des activités au sein d’un processus sous forme de modèle de processus (par exemple sous la forme d’un réseau de Petri, d’un diagramme d’activité UML, ou d’un modèle CPE ou BPMN).
• pers­pec­tive or­ga­ni­sa­tion­nelle : un Process Mining avec une pers­pec­tive or­ga­ni­sa­tion­nelle met en évidence comment les personnes et les systèmes in­for­ma­tiques sont reliés les uns aux autres du fait de leur par­ti­ci­pa­tion à un processus d’affaires. Il définit et compare des profils d’activité et des rôles. Le résultat d’une telle analyse est un réseau social per­met­tant de vi­sua­li­ser le réseau de relations.
• pers­pec­tive si­tua­tion­nelle : un Process Mining avec une pers­pec­tive si­tua­tion­nelle sert à l’analyse d’instances de processus in­di­vi­duelles. Ces instances sont décrites et ca­té­go­ri­sées en fonction de leurs pro­prié­tés. La clas­si­fi­ca­tion est effectuée selon les valeurs de données en­re­gis­trées pour l’instance de processus concernée, par exemple en fonction des acteurs impliqués.
• pers­pec­tive tem­po­relle : un Process Mining avec une pers­pec­tive tem­po­relle passe en revue les moments absolu et relatif ainsi que la fréquence des évé­ne­ments. Pour ce type de Process Mining, il est in­dis­pen­sable que tous les journaux d’évé­ne­ments soient dotés d’un ho­ro­da­tage. Grâce à des analyses de ce type, il est possible de réaliser des si­mu­la­tions per­met­tant de tirer des con­clu­sions sur les modèles, les tendances et les obstacles dans le dé­rou­le­ment du processus. Il est ainsi possible d’iden­ti­fier des en­gor­ge­ments dans la chaîne de processus.

Dans la pratique, le Process Mining est aujourd’hui avant tout utilisé pour iden­ti­fier le flux de contrôle. L’accent est mis sur des tech­niques de Process Mining du type « Discovery » avec une pers­pec­tive axée sur le flux de contrôle, qui per­met­tent d’iden­ti­fier la chro­no­lo­gie logique des dif­fé­rentes étapes du processus et de les comparer avec l’état cible souhaité.

L’IEEE a développé le modèle de cycle de vie L* pour servir de modèle de référence dans l’ap­pli­ca­tion des tech­niques de Process Mining. Ce modèle divise le dé­rou­le­ment des projets de Process Mining en cinq phases :

Le Process Mining peut être utilisé dans tous les domaines où des in­for­ma­tions dé­tail­lées sur les dif­fé­rentes étapes des processus d’affaires concernés sont col­lec­tées à l’aide de systèmes in­for­ma­tiques et en­re­gis­trées de façon durable. Il est par exemple adapté lorsque des en­tre­prises :

• traitent des flux de travail à l’aide de systèmes de gestion de flux de travail,
• opèrent des tran­sac­tions à l’aide de systèmes ERP,
• gèrent des demandes d’as­sis­tance via un système de tickets,
• ga­ran­tis­sent la qualité de trai­te­ments médicaux via des parcours de trai­te­ment cliniques.

Le Process Mining convient ainsi à une uti­li­sa­tion dans le commerce de détail et l’OEM, dans le secteur bancaire, le dé­ve­lop­pe­ment, la dis­tri­bu­tion ou les as­su­rances pour améliorer des processus d’affaires comme les processus de commande, les processus de fa­bri­ca­tion ou les flux fi­nan­ciers.

Les prin­ci­paux domaines d’ap­pli­ca­tion des tech­niques de Process Mining sont la gestion des flux de travail et la gestion des con­nais­sances. Par ailleurs, les con­nais­sances acquises via les projets de Process Mining peuvent être utilisées lors du dé­ve­lop­pe­ment de systèmes d’as­sis­tance.

De nom­breuses en­tre­prises ont recours à des tech­no­lo­gies, comme des bases de données, des systèmes ERP ou des systèmes de gestion des con­nais­sances pour sau­ve­gar­der leurs con­nais­sances fac­tuelles. En général, la con­nais­sance des processus n’est pas traitée. Pour ce faire, le Process Mining s’appuie sur des méthodes per­met­tant de rendre explicite une con­nais­sance des processus implicite.

Les systèmes de gestion des flux de travail décrivent les processus d’affaires au niveau formel et au­to­ma­ti­sent la coor­di­na­tion et le contrôle des dif­fé­rentes étapes du processus. Le système fournit aux uti­li­sa­teurs des in­ter­faces uti­li­sa­teur pour la com­mu­ni­ca­tion ainsi que l’accès aux données et aux pro­grammes. La gestion des flux de travail est basée sur des flux de travail modélisés per­met­tant au système d’iden­ti­fier les évé­ne­ments (par exemple la réception d’un document par email) et d’y réagir au­to­ma­ti­que­ment. Cette au­to­ma­ti­sa­tion est basée sur des modèles de processus pouvant être créés, contrôlés et étendus à l’aide de méthodes de Process Mining.

Les tech­niques de Process Mining peuvent être utilisées dans tous les domaines où les étapes in­di­vi­duelles des processus d’affaires sont en­re­gis­trées sous forme de journaux. Les al­go­rithmes issus des domaines du Data Mining et de la Com­pu­ta­tio­nal In­tel­li­gence per­met­tent aujourd’hui d’analyser les données évé­ne­men­tielles complexes et d’en déduire des con­nais­sances sur la façon de concevoir les processus d’affaires de manière plus efficace et sûre.

Le haut degré d’au­to­ma­ti­sa­tion du Process Mining le distingue des tech­niques clas­siques d’éla­bo­ra­tion de modèles d’affaires. L’ex­trac­tion d’in­for­ma­tions portant sur des évé­ne­ments réels issus de l’activité opé­ra­tion­nelle permet aux méthodes de Process Mining de re­trans­crire une image fidèle des flux de processus. Comparé à des tech­niques manuelles, le Process Mining se démarque avant tout par sa rapidité et sa précision. De plus, avec le volume de données croissant que l’on connaît aujourd’hui, un trai­te­ment manuel n’est plus en­vi­sa­geable.

Les vastes fonc­tion­na­li­tés de vi­sua­li­sa­tion cons­ti­tuent un autre avantage des ap­pli­ca­tions de Process Mining pro­fes­sion­nelles. Les modèles de processus sont présentés aux employés qualifiés et aux cadres de direction en fonction de leurs besoins sur des tableaux de bord in­te­rac­tifs per­met­tant une vi­sua­li­sa­tion dynamique des flux des processus et mettant parfois à dis­po­si­tion des outils d’analyse sup­plé­men­taires.

Les en­tre­prises peuvent être con­fron­tées à des dif­fi­cul­tés en matière d’im­plé­men­ta­tion des tech­niques de Process Mining lorsque la base de données à analyser est disparate en raison d’une in­fras­truc­ture in­for­ma­tique hé­té­ro­gène. En l’absence d’une des­crip­tion homogène des évé­ne­ments, les fichiers journaux cor­res­pon­dants doivent tout d’abord être préparés. Cela entraîne un effort sup­plé­men­taire et dans certaines cir­cons­tances une al­té­ra­tion des données, qui ne sont alors plus des données réelles à pro­pre­ment parler.

Par ailleurs, les en­tre­prises sont con­fron­tées à des obstacles tech­niques lors de l’im­plé­men­ta­tion. Le recours au Data Mining s’avère uni­que­ment efficace lorsque les ap­pli­ca­tions con­cer­nées ont accès à tous les systèmes in­for­ma­tiques per­ti­nents. Cela implique des in­ter­faces adaptées et une con­fi­gu­ra­tion la­bo­rieuse des systèmes connectés, qui né­ces­si­tent gé­né­ra­le­ment une col­la­bo­ra­tion étroite avec le four­nis­seur de l’ap­pli­ca­tion de Process Mining.

L’effort d’im­plé­men­ta­tion croît également lorsque les en­tre­prises combinent des ap­pli­ca­tions standard pour la gestion des processus opé­ra­tion­nels avec des outils dé­ve­lop­pés en interne afin d’adapter les premières à leurs besoins in­di­vi­duels.