La gestion des connaissances produites au cours des activités au sein des organisations joue un rôle important dans leur développement et leur succès. La formalisation de ces connaissances sous forme de graphe de connaissance d’activités (Activity Knowledge Graph : AKG) permet de représenter et de réutiliser ces connaissances pour résoudre des problèmes et prendre des décisions tactiques ou stratégiques. Cependant, les graphes de connaissance d’activités sont difficiles à interpréter par des cadres, car ils disposent d’une structure complexe due aux interconnexions des activités, ressources partagées. De plus, les AKGs sont spécifiques aux domaines d’activités des organisations.
Pour faciliter l’interprétation des graphes de connaissance d’activités, cette étude propose une approche basée sur la détection de communautés. Cette approche repose sur trois étapes : (1) un pré-traitement pour adapter l’AKG à l’algorithme de Louvain, (2) l’application de l’algorithme de Louvain pour la détection de communautés et (3) un post-traitement pour intégrer les communautés détectées à l’AKG.
Un cas d’étude dans le domaine de l’enseignement illustre l’applicabilité de notre approche, et les résultats démontrent la simplicité obtenue dans la compréhension des connaissances représentées par le graphique de connaissance d’activités

Graphe de connaissance, graphe de connaissance d’activité, détection de communauté, algorithme de Louvain