La méthode NIAM : modéliser les flux en supply chain

NIAM : Modéliser la connaissance métier avec rigueur et clarté

Qu’est-ce que NIAM ?

La méthode NIAM (Natural language Information Analysis Method) est une approche de modélisation conceptuelle des systèmes d’information, développée dans les années 1970 par Sjir Nijssen. Ca n’est pas nouveau et pourtant… ce n’est pas rencontré aussi souvent que cela le mériterait. Elle repose sur une représentation factuelle des informations, en utilisant des phrases en langage naturel pour décrire les relations entre entités. NIAM est également connue sous le nom de modèle relationnel binaire, car elle exprime les relations sous forme de binômes (deux entités liées par un fait) .

L’objectif principal de NIAM est de capturer la sémantique des données de manière précise et non ambiguë, en impliquant les experts métier dans le processus de modélisation. Cela permet de créer des modèles conceptuels compréhensibles par les utilisateurs non techniques, facilitant ainsi la validation et la communication des exigences . NIAM se présente comme un véritable traducteur entre le métier et l’IT.

Pourquoi utiliser NIAM dans la supply chain ?

Dans le contexte de la supply chain, la complexité des processus et la diversité des acteurs impliqués rendent la modélisation des informations particulièrement délicate. Et ce d’autant plus avec la digitalisation massive du secteur et l’interopérabilité croissante nécessaire entre les différents logiciels métiers (WMS, TMS, APS, GMAO, etc…).

NIAM offre plusieurs avantages pour relever ces défis :

• Clarté sémantique : en utilisant le langage naturel, NIAM permet de décrire les processus métier de manière accessible et précise. Surtout pour des non informaticiens.
• Détection des incohérences : la formalisation des règles métier facilite l’identification des contradictions ou des lacunes dans les spécifications.
• Alignement métier-IT : en impliquant les experts métier dans la modélisation, NIAM favorise une meilleure compréhension mutuelle entre les équipes fonctionnelles et techniques.
• Flexibilité : la méthode s’adapte aux évolutions des processus et des réglementations, ce qui est essentiel dans un environnement logistique en constante mutation.

Les principes fondamentaux de NIAM

NIAM repose sur plusieurs concepts clés :

Faits binaires :

• les informations sont exprimées sous forme de faits reliant deux entités TOUJOURS au moyen d’une phrase courte. Par exemple : “Un client passe une commande”.

Types d’objets lexicaux (LOT) et non lexicaux (NOLOT) :

• les LOT représentent des entités nommées (par exemple, “client”, “produit”), tandis que les NOLOT représentent des concepts abstraits (par exemple, “commande”).

Contraintes :

• NIAM permet de spécifier des contraintes d’unicité, de totalité, d’inclusion, d’exclusion, etc., pour assurer l’intégrité des données.

Représentation graphique :

• les faits et les contraintes sont représentés sous forme de symboles interagissant entre eux, facilitant la visualisation et la compréhension du modèle.

Sur ce point, Blogistics vous recommande le lien ci-après “la méthode NIAM et son symbolisme” présentée par Henri HABRIAS.

Exemple au travers du concept de ‘collectivité locale’

Illustration avec le cas d’un projet de base de données territoriale conçu pour un département.

La conception initiale de la réflexion utilisait des tables telles que :

• Commune
• Élus
• Circonscription
• Canton

Problème : chaque type de collectivité était traité comme un objet distinct, rendant la base difficilement interrogeable et non évolutive (par exemple pour intégrer les communautés d’agglomération).

Grâce à NIAM, la réflexion est inversée :

• Gap est une commune
  “Commune” est une valeur et donc un LOT. Mais quel est le NOLOT ?

On pose la question : comment nomme-t-on une commune ou un département ?

• Réponse : une Collectivité Locale.

Alors, on formalise :

Collectivité Locale dont la commune a pour nom Gap

Collectivité Locale dont le département a pour nom Hautes Alpes

Cela permet de créer une structure générique, évolutive, qui peut accueillir de nouvelles entités (métropoles, intercommunalités…) sans modifier la logique du modèle.

On conserve ainsi la cohérence sémantique du système et une ouverture fonctionnelle sans explosion des tables.

Cet exemple montre la puissance du raisonnement NIAM : partir uniquement des faits exprimés en phrases claires, validés par les utilisateurs, pour bâtir un modèle conceptuel robuste, évolutif et libre de tout biais technique initial.

En substance

La méthode NIAM offre des outils puissants pour modéliser les systèmes d’information supply chain de manière rigoureuse et compréhensible. Dans le domaine de la supply chain, où la précision des informations et la clarté des processus sont essentielles, ces approches permettent de construire des modèles robustes, facilitant la communication entre les parties prenantes et l’adaptation aux évolutions du métier.

Et surtout, NIAM met en avant la maitrise de la formulation sémantique AVANT la solution technique.

Et cette méthode permet aussi d’éviter certains oublis… une commande produit un BL… en revanche un BL peut contenir plusieurs commandes (s’il y a des reliquats)… et selon le moment où cette question est posée, la structure informatique de la base de données ne sera pas nécessairement la même.

Pour les non initiés à cette méthode, de déjà essayer de reformuler chaque idée en phrase courtes à lire dans les 2 sens peut déjà être un allié précieux. Notamment dans le cadre des ateliers fonctionnels menés avec le client pour les projets IT.

Par Bruno & Pierre