SGBD – S5

Chapitre 1 – Introduction aux systèmes

d’information et bases de données
 Plan du Chapitre :

1 Terminologie
2 Système d’information
3 Bases de Données et SGBD
 Informatique

Science qui s'intéresse au Traitement Automatique de l'Information.

Science qui vise à résoudre les Problèmes d'Automatisation des Opérations de Traitement.
Science qui a pour objectif l'Automatisation du Traitement de l'Information.
 Information
On qualifie d'information toute donnée traitée que le système nerveux est capable d'interpréter pour se
construire une représentation de son environnement afin d’interagir correctement avec lui.
L’information possède un sens.

Exemple 1 : Exemple 2 :
( Code à barres) ( Dessin technique)
La prise des décisions stratégiques nécessite des
informations à forte valeur ajoutée.

Informations à faible valeur ajoutée Informations à moyenne valeur Informations à fortes valeur ajoutée
(Gestion tactique) ajoutée (indicateurs du tableau de bord de gestion)
(Gestion opérationnelle) (Gestion stratégique)
-Solvabilité de l’entreprise
-Situation concurrentielle de l’entreprise dans le marché
Les montants des factures Chiffre d’affaires réalisé
- Pouvoir de l’entreprise vis-à-vis ses clients et ses
Les salaires des employés La masse salariale
fournisseurs.
Les achats de l’entreprise
-Taux de progressions annuels de l’entreprise.
Les opérations de maintenance
 Donnée
Dans les technologies de l’information, une donnée est une description (modélisation)
élémentaire, souvent codée, d'une réalité.
Les données peuvent être conservées et classées sous différentes formes : numérique,
alphabétique, image, sons, etc.
Une donnée peut ne pas avoir un sens
Différences entre information et donnée
• Une information a un sens.
• Une donnée n’a pas obligatoirement un sens.
• Données + Outil de traitement (cerveau ou machine de traitement)  Information

Exemples:
• Le code barres d'un produit est une donnée, le nom et le prix du produit sont des informations. le
décryptage du code pour obtenir le nom du produit nécessite un système de traitement d’image.
• Impact de l’information
Le développement d’une information à forte valeur ajoutée requière une masse importante des opérations de traitement.

 L’information à forte valeur ajoutée assure :

• Une meilleurs connaissance de l’environnement interne et externe ;
• Une meilleur prévision dans des environnements instables ;
• Un avantage concurrentiel dans des marchés à forte concurrence ;
• Une prise de décision efficace assurant des situations avantageuses.

 Plusieurs secteurs font appel aux technologies de traitement et d’analyse de l’information :

• Secteur boursier et marchés financiers : Prévision de l’évolution des prix des actions par traitement des indicateurs du marché.
• Secteur de recherche et développement : Prévision du comportement des systèmes en fonction de leurs environnements.
• Secteur de renseignement et sécurité : Prévision des risques en traitant les informations concernant le comportement des
individus.
2- Système d’information
 • Système
Un système est décrit comme un ensemble d’éléments en
interaction entre eux et avec l’environnement, dont l’objectif est de
transformer des éléments d’entrée en des éléments de sortie.
• Composantes d’un Système
• Système Décisionnel (Traitement et prise de décision)
• Système d’Information (Collecte, stockage et livraison)
• Système Opérant (Exécution des décisions)
CONCEPT DE SYSTEME D’INFORMATION

Le système de pilotage est le siège de l’activité décisionnelle

Ce système de pilotage a pour mission de conduire

l'organisation vers des objectifs qui lui sont fixés, et de vérifier
que ces objectifs ont bien été atteints. Et ceci par un contrôle
permanant du SO

Exemple ENCG : les décisions prises par le système de pilotage:

- le nombre d'élèves qui seront admis chaque année à l'école
- le seuil d'admissibilité.
- la définition des programmes des études,
- la définition des modalités d'examen
- le règlement interne.
- création de nouvelles filières, les ouvertures de postes de recrutement, les
investissements en matériel et en logiciel, … etc.
13
 • Système d’information
• C’est un ensemble de ressources qui permet de Collecter, Stocker,
Traiter et Diffuser l'information.
* On signifie par ressources, les ressources humaines, matériels… (Personnel, archives, ordinateurs, logiciels…)

Quelques performances d'un système d’information

 Non redondance de l’information;

 Rapidité et simplicité d’accès;
 Optimisation…
• Les Composantes d’un Système d’information
• Formes de classement et d'organisation de l'information dans les systèmes
d’informations.

• Système d’information classique : Archive

• Ensemble de fichiers numériques (Word, Excel….)
• Nouveaux systèmes d’informations (utilisant des Base de Données):
• ERP (Entreprise ressources planning) ou PGI (Progiciel de gestion intégré)
• Système informatique (Data Processing System)

• C'est l'ensemble des ressources assurant l'automatisation du traitement de l'information.

• C’est la partie informatique du système d’information, composée de matériels, logiciels,

réseaux et procédures d’utilisation.

Un système assurant le traitement de l'information sera amené obligatoirement à :

1- Acquérir les éléments à traiter à travers une interface de communication.
2- Stocker sur un support les éléments en attente du traitement .
3- Mener les opérations de traitement demandées.
4- Diffuser le résultat du traitement sur une interface de communication.

Unités de traitements

Information
Information

Interface Interface
H/M H/M
E/S Unités de stockage E/S
• Les Composants d’un Système informatique

• 1. Carte mère
• 2. Processeur / CPU
• 3. Stockage
• 4. Périphérique
• 5. Dispositif d’entrée

•
 3. Bases de Données et Systèmes de
Gestion des Bases de Données (SGBD)
• Base de données (DB):

Une base de données est un ensemble structuré et organisé de données, cette ensemble peut
être consulté par des utilisateurs ou par des programmes. Un système d’information peut
être formé par plusieurs bases de données.
• Système de Gestion de Base de Données

Un système de gestion de bases de données est un ensemble de logiciels qui permettent de

gérer et manipuler des bases de données (Création des bases, suppression des bases,
modification et consultation des bases).

Exemple des SGBD :

 Oracle ;
 Microsoft Acces ;
 MySQL
Relation entre SGBD, BD et SI

Système de Permet de construire

Bases de
gestion de
Données
BD

Système
d'information
Synthèse du chapitre
Entités
Attributs
Clés primaires
Relations
Cardinalités
Système
CIR
Système décisionnel
Archive
Système d'information Fichier MCD
BD Audit et collecte
Système d'opérant Merise
Modélisation Tables
UML MLD
Alimentation

Exploitation
MPD
 CHAPITRE 2 – MODÉLISATION PAR LA MÉTHODE MERISE- MODÈLE
CONCEPTUEL DE DONNÉES

– S5

Pr. Ayoub GACIM Année Universitaire 2021/2022

 Plan du Chapitre

1 Introduction à la Méthode Merise

2 Structure du Modèle conceptuel de données
3 Développement du MCD
1. Introduction à la Méthode MERISE
• Etapes de développement d’un système d’information:

• Collecte des données.

• Modélisation et implantation des bases.
• Alimentation des bases.
• Exploitation des bases…
 • Objectif de la méthode Merise :
• Modéliser la structuration des données dans un système d’information sous la forme
d’une base de données.

Cela consiste à concevoir et développer un nouveau modèle ou architecture capable d’accueillir les données en
circulation dans un système d’information. Cette structure doit donner au nouveau système d’information des
niveaux de performance suffisants afin d’offrir au système décisionnel une information sûre est actualisée.

Une telle restructuration facilite la classification, l’exploitation et le traitement des données nécessaires au bon
fonctionnement de tout système (Entreprises, Hôpitaux, Universités……).
Méthode Merise

MERISE est une méthode d’analyse des systèmes d’information. Elle permet de modéliser et
concevoir une structure de base de données capable d’accueillir les données nécessaires au bon
fonctionnement d’un système. L’application de la méthode passe par trois niveaux d’abstraction :

• Niveau Conceptuel -> Modélisation Conceptuelle de Données

• Niveau Logique -> Modélisation Logique de Données
• Niveau Physique ->Modélisation Physique de Données
2. Structure du Modèle Conceptuel de Données
Pour appliquer la méthode merise, la première étape consiste à développer un modèle conceptuel de
données. Le MCD regroupe les données gérées par le (SI) dans des entités reliées par des relations.

Eléments du Modèle Conceptuel de Données :

• Entités
• Attributs (Propriétés)
• Clé d’identification (Clé primaire)
• Relations
• Cardinalités
• Contraintes d’intégrité
Réalisation d’un modèle conceptuel par la
décomposition de l’énoncé
L’énoncé doit être simplifié au maximum, la forme standard correspond à la composition suivante :
Sujet …. Verbe ….complément

Exemple
• Les clients achètent des produits
• Une commande est passéepar un client
• Un voyage est effectuépar un train
• Un service traite des dossiers

Pour les propositions du type «A verbe B », A et B désignent deux entités, le verbe indique l’existence d’un lien
(relation) entre ces deux entités.
Pour déterminer les cardinalités de la relation, on cherchera à obtenir la réponse aux questions
suivantes :
• 1. pour un exemplaire de A, combien trouve-t-on d’exemplaires de B, au minimum et au maximum;
• 2. pour un exemplaire de B, combien trouve-t-on d’exemplaires de A, au minimum et au maximum.

Ainsi, la proposition «une commande est passée par un client »sera affinée par la réponse aux
questions :
• 1. Une commande est passée par combien de clients ? (réponse: 1au min à 1au Max)
• 2. Combien de commandes un client peut-il passer? (réponse : 0 où plusieurs).

De même, pour la proposition «un client a une adresse »:

• 1. Un client a combien d’adresses?
• 2. Combien de clients peut-on trouver à une adresse déterminée?
3- Développement du modèle
Conceptuel de Données
Une technique plus précise pour le Développement du MCD se base sur l'analyse des dépendances entre les données à
gérer par le système d'information.
Cette technique permet de réaliser le MCD en analysant uniquement les relations entre les données à gérer (on ne fait plus
référence à une interprétation personnelle). Le processus de développement passe par trois étapes fondamentales.

Etapes de développement du modèle conceptuel :

1 Dictionnaire de données.
2 Analyse des dépendances entre les données.
→ Graphe des dépendances.
3 Elaboration du modèle conceptuel de données.
Dictionnaire de données
Dictionnaire de données
Après avoir auditer le système d’information et collecter toute la documentation en circulation. l’ensemble des
données collectées doivent être regroupées au niveau d’un référentiel unique qui est le dictionnaire de données.

Les Attributs L’entité Type Identifiant

CNE_ETD Etudiant N Oui

Adresse_ETD Etudiant N/T

Date de naissance Etudiant D

_ETD

-Le dictionnaire de données permet de regrouper dans un seul document, l’ensemble des données manipulées par le système
d’information.
-Tableau pour expliquer les types de données.
-Il existe plusieurs façons pour réaliser un dictionnaire de données.
Les informations élémentaires sont des informations dont la valeur n'est pas déductible à partir d’autres
informations (par calcul ou par concaténation).

Dans un SI, une information doit être atomique, c’est-à-dire non décomposable. Par exemple si l’information
Adresse contient « 36, rue de la paix 75000 Paris » celle-ci peut être décomposée en plusieurs informations
élémentaires :

Code Postale – Ville – Adresse

-Il est recommandé d’utiliser des données élémentaires "Atomique" , les données composées peuvent
conduire vers une perte de mémoire par redondances de quelques composantes (Ville par exemple ), et
produire des difficultés lors de l’analyse et l’exploitation des données (exemple : Filtrage par ville ).
Modélisation d’un SI – Méthode Merise

Exemple d’application

■ Une entreprise désire instaurer un système d’information basé sur une

base de données relationnelle pour la gestion de ses projets et ses
activités internes.
■ Les employés sont affectés à des départements différents, chaque
département est dirigé par un responsable. L’entreprise mène plusieurs
projets dans des régions différentes, parmi les employés de l’entreprise,
certains sont affectés à un ou plusieurs projets. Chaque employé
participe dans un projet avec un taux d’occupation fixe.

39
Modélisation d’un SI – Méthode Merise

■ Modèle Conceptuel de données (MCD)

(0,n) (1,n)
(0,1) Employé Participer Projet
(1,1)

Diriger Affecter

Département
(1,1) (1,n)

40
3- Développement du modèle
Conceptuel de Données par
l’analyse des Dépendances
Fonctionnelles

33
Une technique plus précise pour le Développement du MCD se base sur l'analyse des dépendances entre les
données à gérer par le système d'information.
Cette technique permet de réaliser le MCD en analysant uniquement les relations entre les données à gérer (on ne
fait plus référence à une interprétation personnelle). Le processus de développement passe par trois étapes
fondamentales.

Etapes de développement du modèle conceptuel :

1 Dictionnaire de données.
2 Analyse des dépendances entre les données
3 Elaboration du modèle conceptuel de données.

34
Analyse des dépendances fonctionnelles
 Définition d'une dépendance fonctionnelle

Soit P1 et P2 deux attributs, on dit que P1 et P2 sont reliées par une dépendance fonctionnelle (DF), (P2
dépond fonctionnellement de P1) si et seulement si une occurrence (ou valeur) de P1 permet de connaître
une et une seule occurrence de P2.

P1
DF
P2
Exemple : La CIN (P1) et le Nom (P2) sont on dépendance fonctionnelle, la connaissance du N° de la CIN
entraine la connaissance d’un seul Nom, Par contre, un nom peut donner plusieurs N° de CIN.

CIN Nom

CIN NOM
DF

NOM
DF
CIN

NB: La dépendance fonctionnelle peut porter sur la concaténation de plusieurs propriétés

Dépendance fonctionnelle élémentaire.
A et B sont deux attributs en dépendance fonctionnelle élémentaire (DFE) si :

1- A et B sont en dépendance fonctionnelle (A→B)

2- Aucune partie de (A) n’est en (DF) avec (B)

Exemple :
Ref_Produit → Prix_Produit (DFE)
Num_Commande + Ref_Produit → Quantité (DFE)
Num_Commande + Ref_Produit → Prix_Produit (DF)

Num_Client + Nom_Client → Adresse_Client (DF)

Dépendance fonctionnelle élémentaire
directe (DFED)
A et B sont en dépendance fonctionnelle élémentaire directe (DFED) si :

1- A et B sont en dépendance fonctionnelle élémentaire (A→B)

2- Il n’existe aucun attribut (C) tel que (A → C) et (C→ B)
Exemple :

(A)Num_Cmd → (C)Num_Client: DFED

(C)Num_Client →(B)Nom_Client: DFED

Num_Cmd → Nom_Client: Non directe / Indirecte

Transitivité

(A)Num_Cmd → (C)Num_Client →(B)Nom_Client

(A) → (C) (C) → (B)
Matrice des dépendances fonctionnelles
(Par analyse des documents)

L’objectif de graphe des dépendances fonctionnelles

est de déduire les donnés qui sont liées dans le système
d’information. A travers cette matrice on forme des
groupes dans lesquels les données sont dépendantes.
Ces groupements vont permettre de déduire les entités
du modèle conceptuel.

Ce doucement doit être renseigné selon les exigences du client, c’est à lui de déduire les dépendances .
Graphe des dépendances fonctionnelles
N°Facture Référence

Prix_Unitaire
Date_Facture Désignation

N°Client

Nom_Client Adresse_Client Quantité

CP_Client

- Le graphe des dépendances fonctionnelles en représentant les DF par des flèches.

-Sur le graphe des dépendances fonctionnelles, on déduit les associations en cherchant les liens reliant les entités
obtenus.

45
Autres Exemples
Modèle conceptuel de données

CLIENT Facture Produit

# N CLIENT
Nom_Client (1,n) (1,n) Contient (1,n)
(1,1) # N Facture #Référence
Adresse_Cli Concerne -Quantité
Date_Facture Désignation
CP_Client Prix_Unitaire
Ville_Client
4-Extension du Modèle Conceptuel de
Données

54
Plusieurs relations entre deux entités

Diriger

Professeur Département

Affecter

55
Relations ternaires
• Opération de vente

Client Produit

Commander

Fournisseur

Relation N-aires
• Action d’enseignement

Salle Professeur

Enseigner

Matière Groupe

56
Relation réflexive

Mère de Personne Père de

58
Quelques propriétés des structures de
généralisation
Entités définis par spécialisation avec intersection et complet.
• Exemple : «Chaque étudiant doit être membre d’un club au minimum »,il peut être membre dans plusieurs
clubs.

Ensemble disjoint et complet

• Exemple « Un étudiants doit être membre d’un club au minimum, il ne peut pas adhérer à plusieurs club».

61
 CHAPITRE 3 – MODÉLISATION PAR LA MÉTHODE MERISE- MODÈLE
LOGIQUE ET PHYSIQUE

– S5

Pr. Ayoub GACIM Année Universitaire 2021/2022

 Plan du chapitre
1 Modèle Logique de Données
2Modèle physique de données (MPD)
3- Acteurs dans la gestion d’une BD

63
1-Passage au Modèle Logique de
Données (MLD)

64
Exemple d’application

Une entreprise désire instaurer un système d’information basé sur une base de données
relationnelle pour la gestion de ses projets et ses activités internes.
Les employés sont affectés à des départements différents, chaque département est dirigé par un
responsable. L’entreprise mène plusieurs projets dans des régions différentes, parmi les employés
de l’entreprise, certains sont affectés à un ou plusieurs projets. Chaque employé participe dans un
projet avec un taux d’occupation fixe.

65
Modèle Conceptuel de données

(0,n) (1,n)
(0,1) Employé Participer Projet
(1,1)

Diriger Affecter

(1,1)
Département (1,n)

66
 Règle 1
Chaque ENTITÉ se transforme en une TABLE qui possède une clé primaire, les attributs devient des
champs de la table.
Le choix de la clé primaire doit satisfaire les critères d’unicité et d’optimalité.

Table 1 Table 2 Table 3

Département Employé Projet
#D #E #P
Description Nom Contenu
Rue
Ville

67
 Règle 2
Dans le MLD, les relations sont éliminées, elles sont soit remplacées par des tables ou supprimées selon les
cardinalités de la relation.

1- Cas d’une cardinalité (..,n) (..,n)

La RELATION est remplacée par UNE NOUVELLE TABLE, la clé primaire de cette table est une combinaison
des deux clés des tables en relation (Clé artificiel).

MCD (0,n) (1,n)

Employé Participer Projet

Employé Participer Projet

#E #E #P
MLD Nom #P Contenu
Rue Taux d’occupation
Ville

68
 Règle 3 2- Cas d’une cardinalité (..,1) (..,n)
La RELATION est SUPPRIMÉE, l’entité présentant une cardinalité (..,1) est transformée en une table qui
contient une CLÉ ÉTRANGÈRE provenant de l’autre table en relation.
Exemple : (1,1) (1,n)
MCD Employé Affecter Département

Employé Département
#E #D
MLD Nom Description
Rue
Ville
#D

Id_Employé(#E)D-F--> Id_Département (#D)

69
2-Modèle physique de données (MPD)

72
La réalisation du modèle physique, consiste à construire pas à pas la structure de la base données (Composée
de groupement de données dans des tables), en respectant le MLD (plan d’architecture de données).
Cette structure est principalement constituée de tables qui peuvent être assimilées à des listes de valeurs,
chaque table est composée des champs (colonnes) et des enregistrements (lignes), la liaison entre les tables se
fait à travers les clés étrangères.
La réalisation de la structure de la BD se fait à l’aide d’un SGBD en utilisant un langage relationnel ou en
utilisant des interfaces graphiques.

(0,n)
(0,1) Employé Participer
(1,1)

Dirige Affecter
r

(1,n)
Département (1,n) Projet
(1,1)

73