Application de l'apprentissage automatique à la veille technologique

Tshibanda, Franck Nkolongo (2025). Application de l'apprentissage automatique à la veille technologique. Mémoire. Rimouski, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 52 p.

PDF Télécharger (4MB) | Prévisualisation

Résumé

RÉSUMÉ : Dans ce mémoire, nous examinons une nouvelle approche méthodologique pour l’application de l’apprentissage automatique à la veille technologique en utilisant les informations provenant de différentes sources, comme les bases de données de brevets, les réseaux sociaux et les bases de données spécialisées. L'objectif de cette recherche est de saisir les dynamiques technologiques et de repérer les opportunités d'innovation dans divers secteurs industriels comme l’industrie du plastique, en utilisant des techniques avancées de traitement automatique du langage naturel (TAL) et des modèles pré-entraînés tels que RoBERTa. Spécifiquement, l'étude se concentre sur la collection et la représentation thématique des données textuelles, en incluant des mesures de similitude afin de repérer les tendances et les avancées. La méthode suggère une approche automatisée pour repérer les technologies brevetées et les opportunités technologiques en tirant parti des différences entre les données structurées (brevets) et non structurées (réseaux sociaux, etc.). Les résultats montrent que cette méthode renforce la surveillance technologique et assiste les entreprises dans l'anticipation des évolutions technologiques, en leur offrant des renseignements essentiels sur les tendances et les avancées. Les conclusions du mémoire portent sur les conséquences pratiques, les contraintes des méthodes actuelles et les perspectives de recherche à venir. -- Mot(s) clé(s) en français : Veille technologique, Apprentissage automatique, Innovation, Opportunités, Industrie du plastique, LDA, BERT. --
ABSTRACT : This thesis examines a new methodological approach for applying machine learning to technological monitoring using information from various sources, such as patent databases, social networks, and specialized databases. This research aims to grasp technological dynamics and identify innovation opportunities in different industrial sectors such as the plastics industry, using advanced natural language processing (NLP) techniques and pre-trained models like RoBERTa. Specifically, the study focuses on the collection and thematic representation of textual data, including similarity measures to identify trends and advancements. The method suggests an automated approach to identify patented technologies and technological opportunities by leveraging the differences between structured data (patents) and unstructured data (social networks, etc.). The results show that this method enhances technological monitoring and assists companies in anticipating technological developments, providing them with essential information on trends and advancements. The conclusions of the thesis focus on the practical implications, the limitations of current methods, and the prospects for future research. -- Mot(s) clé(s) en anglais : Technological Surveillance, Machine Learning, Innovation, Opportunities, Plastics Industry, LDA, BERT.

Type de document :	Thèse ou mémoire de l'UQAR (Mémoire)
Directeur(trice) de mémoire/thèse :	Adda, Mehdi
Co-directeur(s) ou co-directrice(s) de mémoire/thèse :	Echchakoui, Said
Information complémentaire :	Mémoire présenté dans le cadre du programme de maîtrise en informatique en vue de l'obtention du grade de maître ès sciences (M. Sc.).
Mots-clés :	Apprentissage automatique; Veille technologique; Traitement automatique des langues naturelles; Innovations; Matières plastiques - Industrie; LDA; BERT.
Départements et unités départementales :	Département de mathématiques, informatique et génie > Informatique
Date de dépôt :	09 avr. 2025 14:58
Dernière modification :	09 avr. 2025 14:58
URI :	https://semaphore.uqar.ca/id/eprint/3256