Méthode de Recherche en Informatique

Tshikutu Anaclet Bikengela

To cite this version:

Tshikutu Anaclet Bikengela. Méthode de Recherche en Informatique. Licence. Méthode de Recherche
en Informatique, France. 2024, pp.47. �hal-04527885�

HAL Id: hal-04527885

https://hal.science/hal-04527885v1
Submitted on 31 Mar 2024

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
METHODE DE RECHERCHE
EN INFORMATIQUE
Par Le Doctorant TSHIKUTU Bikengela Anaclet
TBA N

Mars 2024
 Objectifs du Cours
Ce cours d'initiation à la recherche scientifique en
informatique permet aux étudiants de prendre
connaissance de diverses conceptions de la
science et de la recherche en informatique. Il
permet aussi à l'étudiant de maîtriser les notions
utiles pour l'élaboration d'un projet de recherche,
la rédaction et la critique de publications.

Doctorant TBA N Spécialiste en Machine Learning et Data

2
Mining
 Objectifs du Cours
Éléments importants d'une bonne communication
scientifique. Caractérisation de la recherche en
informatique. Ressources bibliographiques et
publications. Maîtrise de la terminologie.
Problématique et définition d'un projet de
recherche. Gestion, organisation et réalisation
d'un projet de recherche. Éthique et propriété
intellectuelle. Notion de philosophie des sciences.
Doctorant TBA N Spécialiste en Machine Learning et Data
3
Mining
 Objectifs du Cours
Repérer les types de problèmes rencontrés dans la
recherche scientifique en informatique, savoir
utiliser une méthode scientifique pour résoudre
un problème de recherche; connaître les grandes
étapes d'un travail de recherche en informatique.

Doctorant TBA N Spécialiste en Machine Learning et Data

4
Mining
 Contenu du Cours
Définition de la méthode scientifique. Types de problèmes abordés
dans la recherche en informatique : développement d'un logiciel ou
d'un prototype, étude de synthèse, étude expérimentale, exercice de
modélisation, question théorique. Méthodologie associée. Grandes
étapes de la recherche : choix du sujet, revue de littérature, contexte,
problématique, objectifs de la recherche, méthodologie choisie,
résultats obtenus, contribution, critique du travail de recherche et
réflexion sur les travaux futurs et les perspectives. Recherche
bibliographique et utilisation d'outils reliés. Initiation à la rédaction
d'articles scientifiques. Éthique, intégrité. Propriété intellectuelle.

Doctorant TBA N Spécialiste en Machine Learning et Data

5
Mining
 Plan du Cours
CHAPITRE 1 : NOTIONS ESSENTIELLES ET CONCEPTS CLEFS DE LA RECHERCHE SCIENTIFIQUE

CHAPITRE 2 : REDACTION SCIENTIFIQUE

CHAPITRE 3 : Premier Pas avec LATEX

Doctorant TBA N Spécialiste en Machine Learning et Data

6
Mining
CHAPITRE 1 : NOTIONS ESSENTIELLES ET
CONCEPTS CLEFS DE LA RECHERCHE
SCIENTIFIQUE

Doctorant TBA N Spécialiste en Machine Learning et Data

7
Mining
[1] DÉFINITION

Le travail de recherche est la construction d’un "objet

scientifique". Il permet à l’auteur de :
• Explorer un phénomène
• Résoudre un problème
• Questionner ou réfuter des résultats fournis dans des
travaux antérieurs ou une thèse
• Expérimenter un nouveau procédé, une nouvelle
solution, une nouvelle théorie
• Appliquer une pratique à un phénomène
• De décrire un phénomène
• Expliquer un phénomène
[1] DÉFINITION

La recherche scientifique est un processus dynamique ou une

démarche rationnelle qui permet d’examiner des phénomènes,
des problèmes à résoudre, et d’obtenir des réponses précises à
partir d’investigations. Ce processus se caractérise par le fait
qu’il est systématique et rigoureux et conduit à l’acquisition de
nouvelles connaissances. Les fonctions de la recherche sont de
décrire, d’expliquer, de comprendre, de contrôler, de prédire des
faits, des phénomènes et des conduites.
Recherche à plusieurs critères
• Différents niveaux de la recherche : description,
classification, explication/compréhension, proposition de
modèles
• Modes d’investigation : quali/quanti/mixte avec études
empiriques, exploratoires, expérimentales, études
qualitatives
• Stratégies de vérification : observation, expérimentation,
enquête, étude de cas
[2]COURANTS DE PENSÉES
• Claude Bernard (1813-1878)
➢ Observation de la réalité est possible sans présupposés ;
➢ Formulation d’une hypothèse (théorie) par la créativité du savant ;
➢ Vérification expérimentale par confrontation de l’hypothèse avec la réalité
(qui a toujours raison).

Inductivisme (raisonnement qui va du particulier au général)

"La meilleure théorie est celle qui a été vérifié par le plus grand nombre des faits."

• Karl Popper 1902-1994

Critère de démarcation entre science et non-science.
Est scientifique ce qui est falsifiable, se soumet à falsification empirique = réfutable par
les faits, possibilité de l’invalider, de la réfuter ou encore de la tester.

• Thomas Kuhn 1922-1996

Existence d’un paradigme, d’une matrice disciplinaire
➢ Généralisations symboliques (= langage commun de la "tribu")
[3]RECHERCHE EN INFORMATIQUE
• L’informatique
➢ Aspects expérimentaux (programmer)
➢ Aspects "sciences sociales" (étude du comportement des utilisateurs)
➢ Aspects théoriques : démontrez qu’un problème est difficile...
➢ Aspect multi-disciplinaire : math-info, info-santé, info-océanographie, ...
• Exemples de recherche en machine learning
➢ Etude de la classification dans un très grand nombre de catégories
➢ Apprentissage de représentations pour des données générés par les
utilisateurs
➢ Apprentissage de distance pour la comparaison d’images et de pages Web
➢ Modèles séquentiels pour la classification multiclasse, sparse et budgétée
➢ Évaluation des systèmes de recommandation à partir d’historiques de
données
[3] PROCESSUS DE RECHERCHE
[3] PROCESSUS DE RECHERCHE
[4] la force d’un sujet de recherche en informatique

Un bon sujet d’informatique est clair, bien défini et facile à

comprendre. Il doit également refléter le but, la portée ou l’objectif
de la recherche. En outre, un sujet de recherche en informatique
solide est dépourvu d’abréviations qui ne sont pas généralement
connues, bien qu’il puisse inclure des termes industriels qui sont
actuellement et généralement acceptés.

Doctorant TBA N Spécialiste en Machine Learning et Data

15
Mining
 Conseils pour choisir un sujet de recherche en informatique
•Remue-méninges. Le brainstorming vous aide à développer différentes idées
et à trouver le meilleur sujet pour vous. Voici quelques-unes des questions
essentielles que vous devriez vous poser : Quelles sont les questions ouvertes
en informatique ? Sur quoi voulez-vous en savoir plus ? Quelles sont les
tendances actuelles en informatique ?

•Choisissez un sous-domaine.
Il existe de nombreux sous-domaines et parcours professionnels en
informatique. Avant de choisir un sujet de recherche, veillez à noter sur
quel aspect de l’informatique vous allez concentrer vos recherches. Il
peut s’agir d’informatique théorique, de culture informatique
contemporaine ou même de sujets de recherche en informatique
distribuée.
Doctorant TBA N Spécialiste en Machine Learning et Data
16
Mining
•L’objectif est de répondre à une question. Lorsque vous
choisissez un sujet de recherche en informatique, vous devez
toujours avoir à l’esprit une question à laquelle vous souhaitez
répondre. Cela vous aide à affiner votre objectif de recherche pour
atteindre des buts clairement définis.
•Il s’agit d’un sujet de recherche auquel on peut répondre à tout
moment.
•Faites une analyse documentaire approfondie. Lorsque vous
commencez un projet de recherche, il est essentiel d’avoir une idée
claire du sujet que vous envisagez d’étudier. Cela implique de faire une
analyse documentaire approfondie pour mieux comprendre ce qui a été
appris sur votre sujet dans le passé.

Doctorant TBA N Spécialiste en Machine Learning et Data

17
Mining
•Faites en sorte que le sujet soit simple et clair. Le sujet
doit refléter la portée et l’objectif de la recherche qu’il
aborde. Il doit également être concis et exempt de mots
ambigus. C’est pourquoi certains chercheurs
recommandent que le sujet soit limité à cinq à quinze mots
substantiels. Elle peut prendre la forme d’une question ou
d’une déclaration.

Doctorant TBA N Spécialiste en Machine Learning et Data

18
Mining
 Thème de recherche
Un thème de recherche est le sujet qu’un chercheur choisit d’étudier. Il peut également
s’agir du titre d’un document de recherche. Il résume la portée de la recherche et
présente l’approche du chercheur à la question de recherche. Elle peut donc
être large ou plus spécifique. Par exemple, un sujet général pourrait être
« Protection des données et blockchain », tandis qu’une variante plus
spécifique pourrait être « Stratégies potentielles pour les questions de
confidentialité dans la blockchain ».

Doctorant TBA N Spécialiste en Machine Learning et Data

19
Mining
Sujets de recherche en informatique

• Filtrage des SPAMS de la messagerie électronique par le

traitement automatique des langages naturels
• Détection multilingue de discours de haine par les réseaux de
neurones profonds
• Conceptualisation d’une ontologie pour conceptualiser les
réponses d’incidents dans un réseau IP.
• Détection et reconnaissance du port correct/incorrect des
masques contre la Covid-19 : application au contrôle d’accès
d’un super marché.
• Étude et Optimisation des ressources des réseaux IoT
• Optimisation des coûts et des performances dans le cloud :
combinaison d’approches d’IA basées ou non sur des modèles
Doctorant TBA N Spécialiste en Machine Learning et Data
20
Mining
 [5] Recherche sur Internet: Moteur de recherche
1. Définition
Un moteur de recherche est un site indexant tous les
autres sites Internet et vous permet de poser une
question ou taper des mots pour faire une recherche.

Doctorant TBA N Spécialiste en Machine Learning et Data

21
Mining
Un moteur de recherche est une application permettant à un utilisateur
d'effectuer une recherche locale ou en ligne, c'est-à-dire de trouver des
ressources à partir d'une requête composée de termes. Les ressources peuvent
notamment être des pages web, des articles de forums Usenet, des images,
des vidéos, des fichiers, des ouvrages, des sites pédagogiques, des
applications, des logiciels open source.
Sur le principe, ils fonctionnent généralement :
• avec une indexation du contenu des sites internet dans une ou plusieurs base de données
de l'exploitant du moteur de recherche, indexation effectuée préalablement à la recherche.
• Ainsi, le moteur restitue, en fonction de ses paramètres (exemple : les différents
algorithmes de recherche de Google) une liste de pages correspondant aux mots
recherchés.

Doctorant TBA N Spécialiste en Machine Learning et Data

22
Mining
Google est si puissant qu’il nous cache les autres
moteurs de recherche. Nous ignorons tout
simplement l’existence de la plupart d’entre eux.
Pendant ce temps, il existe encore un grand
nombre d’excellents moteurs de recherche dans le
monde qui se spécialisent dans les livres, la science
et d’autres informations intelligentes. Gardez une
liste de sites dont vous n’avez jamais entendu
parler.
Doctorant TBA N Spécialiste en Machine Learning et Data
23
Mining
Google Scholar est idéal pour la recherche universitaire. Il vous
permet de trouver des articles de revues savantes, des actes de
conférences, des thèses et des mémoires. Les résultats fournis
par Google Scholar sont souvent plus pertinents et plus fiables
que ceux fournis par les moteurs de recherche ordinaires tels
que Google, Bing ou Yahoo.

Doctorant TBA N Spécialiste en Machine Learning et Data

24
Mining
ERIC (abréviation de educational resources information
center) est un grand moteur de recherche universitaire
spécialisé dans la littérature éducative. Il est produit par
l’Institute of Education Sciences et parrainé par le
ministère américain de l’éducation.

Doctorant TBA N Spécialiste en Machine Learning et Data

25
Mining
www.refseek.com est un moteur de recherche de
ressources académiques. Plus d’un milliard de sources.
https://link.springer.com accès à plus de 10 millions de
documents scientifiques: livres, articles,..
www.pdfdrive.com est le plus grand site Web de
téléchargement gratuit de livres PDF. Réclamez plus de
225 millions de titres.

Doctorant TBA N Spécialiste en Machine Learning et Data

26
Mining
TD:
Énoncé : Un chercheur propose une nouvelle moto
NEW_TBA, avec un nouveau mode de coduire :
avec le télécommande sans guidon. Il pense que ce
dispositif est plus performant et plus précis que
deux modèles concurrents BAJAJA et TVS. Il
voudrait connaitre les améliorations qu’il doit
apporter à l’enjeun pour la rendre plus facile
d’utilisation. Quelles questions un chercheur doit-il
se poser ?
Quelles questions un chercheur doit-il se poser ?
• Quels faits allez vous chercher à démontrer ?
• Quelle expérience proposez-vous ?
• Quelle est la contre expérience ?
• Quelles personnes allez-vous choisir pour faire
les expériences ? Pourquoi ?
• Quels types de mesures allez-vous réaliser ?
Quelles données allez-vous obtenir ?
• Vous décrirez le matériel expérimental dont vous
aurez besoin.
• Quels types de traitements envisagez vous ?
CHAPITRE 2 : REDACTION
SCIENTIFIQUE

Doctorant TBA N Spécialiste en Machine Learning et Data

29
Mining
 2.1. TYPES DE REDACTION SCIENTIFIQUES
Les différents types de documents scientifiques sur base de leur originalité. Dans le domaine
scientifique, il existe 2 types de documents :
a) Les documents primaires
Ce sont les travaux de recherche produits par le chercheur surtout à l’intention des chercheurs.
Il s’agit de :
- Rapports,
- Articles originaux,
- Thèses,
- Livres,
- etc.
b) Les documents secondaires
Ce sont des documents bibliographiques et des commentaires des documents primaires.
Ils comprennent :
Les articles,
Livres reprenant et discutant des découvertes,
Des expériences, réinterprétant les idées dans des articles,
Les rapports type compte-rendu, etc.
Doctorant TBA N Spécialiste en Machine Learning et Data
30
Mining
 2.2. LE PROTOCOLE DE RECHERCHE
2.1. Définition
C’est le plan qui permet au chercheur d’exécuter son travail sans perte de
temps sur les futilités entourant la recherche.
2.2. Disposition du protocole de recherche
Le protocole de recherche dans sa forme finale comprend les
éléments suivants (10) : Page de garde, Table des matières, Liste
d’abréviations, Sommaire (résumé), L’introduction, Revue de la
littérature, Objectifs, Méthodologie (matériels et méthodes) Budget,
Plan de gestion du projet et d’utilisation des résultats, Bibliographie,
Annexe.

Protocole de recherche = projet de recherche + Budget

Doctorant TBA N Spécialiste en Machine Learning et Data Mining 31

 2.3. LE RAPPORT STAGE
C’est un compte rendu des événements vécus pendant le stage. Il décrit le
milieu de stage et le déroulement des activités journalières pendant le stage.
Ce n’est pas un plagia qui décrit la littérature mais une description du travail
effectué sur le lieu de stage, et la manière dont les activités se sont déroulées.
Il comprend :
- Les remerciements
- L’introduction
- Le cadre du stage
- Le déroulement des activités de stage
- Les apports du stage
- La conclusion

Doctorant TBA N Spécialiste en Machine Learning et Data Mining 32

Sa taille est fonction des objectifs assignés par l’institution. Mais la
partie la plus importante du rapport de stage est le déroulement du
stage car elle montre de manière narrative le déroulement des activités et
l’atteinte du nombre d’expériences requises.
Dans la partie qui va suivre, nous allons décrire avec illustration ce qui doit
être placé dans chaque rubrique du rapport de stage.

Remerciements

Avant tout développement sur cette expérience professionnelle, il apparaît opportun

de commencer ce rapport de stage par des remerciements, à ceux qui nous ont
beaucoup appris au cours de ce stage, et même à ceux qui ont eu la gentillesse de faire
de ce stage un moment très profitable.

Doctorant TBA N Spécialiste en Machine Learning et Data Mining 33

 Introduction
L’introduction est la partie qui semble assez difficile à rédiger. Pour faciliter
sa construction, il convient de rédiger d’abord le reste du travail (en
brouillon) puis revenir sur elle selon le modelé ci-dessous.

a) Annonce du stage (durée, lieu et secteur)

Du [•] au [•], nous avons effectué un stage au sein de [•] (située [•]),[•]. Au cours de ce stage au
département [•], nous avons pu nous intéresser [•].
b. Bref descriptif du lieu de stage et du déroulement du stage
Notre stage au département [•] a consisté essentiellement en [•] Notre maître de stage étant [poste
du maître de stage], j’ai pu apprendre dans d’excellentes conditions [décrire ici les grandes missions
du maître de stage]

Doctorant TBA N Spécialiste en Machine Learning et Data Mining 34

Le cadre du stage :
Ici on donne la description géographique, historique et l’organisation du
travail de la structure de stage : L’Institution [•] regroupe [effectif / nombre]
d’employés (on compte environ [•] employés au sein de [•]), qui sont divisés en [•]
départements, tous sous la direction du [•] :

Les travaux effectués (déroulement)

Au cours de ce stage, nous avons eu l’opportunité de découvrir un métier sous
toutes ses formes et de comprendre de manière globale les difficultés que les [•]
pouvaient rencontrer dans l’exercice [•]. Pour une meilleure compréhension des
tâches que nous avons pu effectuer, il apparaît approprié de traiter en premier
lieu des outils qui étaient mis à notre disposition, puis de traiter de manière
détaillée les tâches que nous avons pu effectuer. Détail des activités exercées par
jour.
Doctorant TBA N Spécialiste en Machine Learning et Data Mining 35
Les apports du stage
Au cours de ce stage, nous avons beaucoup appris. Les apports que nous avons tirés de cette
expérience professionnelle peuvent être regroupés autour de trois idées principales : les
compétences acquises, les difficultés rencontrés et solutions apportées ainsi que la vie en société.

Difficultés rencontrées et solutions apportées

Conclusion

A titre de conclusion, il semble intéressant de mettre en évidence les questions actuelles qui se posent sur
l’avenir de l’industrie de [•], de savoir comment les acteurs vont faire [•]. Au centre de cette question se trouve
naturellement le problème de [•]. En effet, mon stage a été très bénéfique à cet égard : [•]. Il en résultera [•]

La loi du [•] a donné un certain nombre de solutions aux dérives que pourraient prendre le [•]. Pour autant,
plutôt que la [•], un changement de [•] apparaît plus à même à régler [•].

Doctorant TBA N Spécialiste en Machine Learning et Data Mining 36

 2.4. TRAVAIL DE FIN DE CYCLE ET MEMOIRE
Le Travail de fin de cycle est une monographie des rapports des cas le plus
souvent une étude série des cas (description) sanctionnant la fin du premier
cycle. Il vise l’apprentissage d’une forme d’écriture où se rejoignent la
précision, la rigueur et la cohérence d’un propos strictement délimité.
Le TFC se rapporte à un thème précis et délimité. L’étudiant sera initié à la
recherche en faisant preuve de capacité à faire, sous la Direction d’un
encadreur (Corps scientifique ou Académique), l’état de la question choisie ;
il manifestera son aptitude :
- Maitriser la littérature scientifique à cette problématique informatique et à
la traiter de manière informée et cohérente ;
- Utiliser de façon pertinente les outils de recherche en satisfaisant
aux critères scientifiques en vigueur ;
- Argumenter et rédiger de façon correcte, claire et structurée.

Doctorant TBA N Spécialiste en Machine Learning et Data Mining 37

 Structure
Cette structure est la même pour tous les travaux scientifiques, mais l’ordre
peut dépendre d’une institution à l’autre, d’une faculté à l’autre

a.Page de garde
Elle est la pièce d’identité du travail, Elle comprendra :
Le titre du travail au milieu de la page, qui sera bref et ne
dépassera pas 100 caractères, Le logo de l’Institution et de
l’organisme ou ministère de tutelle, s’il existe
Le nom du candidat et ses encadreurs au bas du titre
« travail présenté et défendu en vue de l’obtention du grade de…
»

Doctorant TBA N Spécialiste en Machine Learning et Data Mining 38

 b. Epigraphe
C’est une citation placée en tête d'un écrit pour en suggérer le sujet
ou l'esprit.
L'épigraphe peut être une citation tirée d’un ouvrage, un
proverbe,…
https://dictionnaire.reverso.net/francais-definition/épigraphe, consulté le 06/05/2019 à 23h07

Dédicace
C’est un manuscrit indiquant la personne très chère à qui on
dédie le travail.

Doctorant TBA N Spécialiste en Machine Learning et Data Mining 39

 Avant-propos
L’avant-propos est l’un des synonymes de préface.
L’avant-propos, comme la préface, a pour objet de donner des indications
utiles sur le plan et le but du livre.
L’avant-propos ne dispense pas toujours d’une introduction.

Préface : vous y indiquez votre parcours et profil, vos expériences et ceux pour qui vous avez
rédigé votre mémoire, avant de passer aux remerciements.
Avant-propos : présentez le sujet et le type de document, les raisons ou motivation à étudier
ce sujet, le but du travail présenté et les difficultés rencontrées.

Remerciement
Il est recommandé vivement de remercier les personnes qui ont contribué à
l’une ou l’autre étape d’élaboration du travail.
Les remerciements commencent une nouvelle page, ils ne doivent pas
dépasser deux pages.
Doctorant TBA N Spécialiste en Machine Learning et Data Mining 40
 Liste des abréviations
La liste des abréviations suivra l’ordre alphabétique. Les abréviations sont
représentées en majuscule. Les symboles mathématiques ne sont pas
des abréviations.
Ex : U , ∑ , cos sin

Liste des tableaux et schémas Il faut référencer vos tableaux

et illustrations.

Doctorant TBA N Spécialiste en Machine Learning et Data

41
Mining
 Introduction

Elle énonce le problème, elle doit répondre à la

structure en entonnoir, c’est-à-dire commencer par
les aspects généraux puis les particuliers

Hypothèse : Une hypothèse est une affirmation non encore validée, qui prédit
une relation entre des variables. C’est une prédiction sur la relation entre un
ou plusieurs facteurs avec le problème étudié et qui se prête à la vérification

En Bref, Elle est constituée de l’amorce, choix du sujet, problématique,

hypothèse, méthodes et techniques utilisées, délimitation du sujet, plan du
travail et le cadre théorique.
Doctorant TBA N Spécialiste en Machine Learning et Data
42
Mining
 Introduction
Elle énonce le problème, elle doit répondre à la structure en entonnoir,
c’est-à-dire commencer par les aspects généraux puis les particuliers
Hypothèse : Une hypothèse est une affirmation non encore validée, qui prédit une relation
entre des variables. C’est une prédiction sur la relation entre un ou plusieurs facteurs avec le
problème étudié et qui se prête à la vérification
a. Conclusion
Elle reprend les faits démontrés sans donner d’opinion ou formuler de
nouvelle(s)
hypothèse(s). Elle indique si le résultat obtenu peut être extrapolé à
l’ensemble de la population d’étude ou doit rester limité au type
d’échantillon recruté pour l’étude.
Ici le chercheur fait ressortir l’information qu’il faut retenir compte tenu
des résultats et de la discussion. Cependant on ne discute plus, on ne
présente plus de nouveau les résultats.

Doctorant TBA N Spécialiste en Machine Learning et Data

43
Mining
 a. Références bibliographiques
Les règles de rédaction des références bibliographiques sont fixées par des organismes
internationaux spécialisés dans le domaine des bibliographies notamment, la Fédération
Internationale des Associations des Bibliothécaires, la Fédération Internationale de
Document, l’Organisation Internationale de Normalisation, etc.

1. le système Harvard : dans le texte, nom de l’auteur et l’année exemple (Mukendi,

2009) et dans la liste des références les auteurs sont classés selon l’ordre alphabétique.

2. Le système Vancouver : dans le texte, le numéro selon l’ordre d’apparition des

citations, et la liste reprend les auteurs selon l’ordre d’apparition. Exemple ….Ebola
sévi à Mweka (1)…..Yambuku est le premier lieu de son apparition (2), si la première
citation est de MUKENDI et le second de ILUNGA, la liste sera faite selon l’ordre
d’apparition c’est-à-dire le premier nom sera MUKENDI et le second ILUNGA.

3. Le système alphabétique numérique : dans les références les auteurs sont classés
selon l’ordre alphabétique et cet ordre permet de numéroter les citations dans le
texte.

Doctorant TBA N Spécialiste en Machine Learning et Data

44
Mining
 Table des matières
Elle peut être placée avant l’introduction pour servir de guide au lecteur du travail, ou à la
fin du travail. Son insertion automatique est recommandée.
Remarques :
Evitez le plagiat !
Au cours de vos études, vous êtes amenés à produire des travaux dans
lesquels vous intégrez des idées émanant d'autrui que vous
découvrez dans la littérature consultée. Reprendre les théories d'autres
auteurs n'est cependant pas sans risque : certains principes doivent être
respectés, sans quoi vous vous exposez à une accusation de plagiat.
Qu'est-ce que le plagiat ?
Le plagiat, c'est l’«Utilisation des écrits d'autrui sans mention d'emprunt».
Le plagiat constitue donc un vol, un pillage d'idées et de théories appartenant
à d'autres : en évitant de mentionner de qui elles émanent, les fraudeurs se les
attribuent donc, au détriment de leurs créateurs.
Doctorant TBA N Spécialiste en Machine Learning et Data
45
Mining
Concrètement, le plagiat, c'est :
"Copier textuellement un passage d'un livre, d'une revue ou d'une page Web
sans le mettre entre guillemets et/ou sans en mentionner la source.
Insérer dans un travail des images, des graphiques, des données, etc.
provenant de sources externes sans indiquer la provenance.
Résumer l'idée originale d'un auteur en l'exprimant dans ses propres mots,
mais en omettant d'en indiquer la source.
Traduire partiellement ou totalement un texte sans en mentionner la
provenance. Utiliser le travail d'une autre personne et le présenter comme le
sien (et ce, même si cette personne a donné son accord)".
En vous rendant coupable de plagiat, vous vous exposez à des sanctions
pouvant aller du simple refus de votre travail à l'ajournement total, voire
même à l'exclusion de l'Institution.

Doctorant TBA N Spécialiste en Machine Learning et Data

46
Mining
Comment éviter le plagiat ?
Le respect de quelques règles suffit. Deux moyens existent : la citation et la paraphrase. La
citation : vous reproduisez les idées de l'auteur
Si vous recopiez ou traduisez des éléments textuels : placez le texte entre guillemets et
accompagnez-le d'une référence bibliographique suffisamment complète pour que votre
source puisse être identifiée aisément (soit au minimum le nom de l'auteur, le titre et la
date). Cette référence peut par exemple être indiquée en entier dans les notes de bas de page
et/ou faire l'objet d'un renvoi dans ces notes vers une bibliographie complète à la fin de votre
travail.
Si vous reprenez des éléments autres que textuels (illustrations, graphiques, données
statistiques,...) : indiquez également la référence bibliographique complète. Ces règles sont
valables quel que soit l'endroit où vous avez découvert l'élément recopié (un livre, un article
de journal, un site Web, une revue électronique,...).
La paraphrase : vous reprenez avec vos propres mots les idées de l'auteur.
La paraphrase consiste à réécrire complètement les passages que vous exploitez, en changeant
le vocabulaire et la structure grammaticale. La paraphrase ne consiste donc pas à traduire au
mot à mot un passage ou à recourir à des synonymes.

Doctorant TBA N Spécialiste en Machine Learning et Data

47
Mining