L’Ecole doctorale : Ecole Doctorale de l’Institut Polytechnique de Paris
et le Laboratoire de recherche SAMOVAR – Services répartis, Architectures, Modélisation, Validation, Administration des Réseaux
présentent
l’AVIS DE SOUTENANCE de Monsieur Ali NOUR ELDIN
Autorisé à présenter ses travaux en vue de l’obtention du Doctorat de l’Institut Polytechnique de Paris, préparé à Télécom SudParis en :
Informatique
« Un cadre complet pour la gestion à faible code des processus centrés sur les données »
le JEUDI 5 JUIN 2025 à 14h00
à
C06
9 Rue Charles Fourier 91000 Évry-Courcouronnes
https://webconf.imt.fr/frontend/rooms/clw-gd3-n80-c57/join
Membres du jury :
M. Walid GAALOUL, Professeur, Télécom SudParis, FRANCE – Directeur de these
Mme Daniela GRIGORI, Professeure, Paris-Dauphine University, FRANCE – Rapporteur
M. François CHAROY, Professeur, University of Lorraine, FRANCE – Rapporteur
Mme Amel BOUZEGHOUB , Professeure, Telecom SudParis, FRANCE – Examinateur
M. Peter FETTKE, Professeur, Deutsches Forschungszentrum für Künstliche Intelligenz, ALLEMAGNE – Examinateur
M. Benjamin DALMAS , Ingénieur de recherche, Bonitasoft, FRANCE – Co-encadrant de these
M. Denin CONAN, Maître de conférences, Télécom SudParis, FRANCE – Examinateur
M. Jonathan BAUDOT, Ingénieur, Inria, FRANCE – Examinateur
« Un cadre complet pour la gestion à faible code des processus centrés sur les données »
présenté par Monsieur Ali NOUR ELDIN
Résumé :
La gestion moderne des processus métier exige de plus en plus une intégration unifiée de la logique des flux de contrôle, de la gestion des données et d’une vérification rigoureuse afin de maintenir l’efficacité opérationnelle, la fiabilité et l’adaptabilité dans des environnements commerciaux en constante évolution. Les entreprises doivent gérer des processus diversifiés et complexes, nécessitant des outils avancés capables de traiter les subtilités liées à l’intégration des données et de fournir une visualisation claire des interactions entre les données et les activités des processus. L’évolution constante des exigences commerciales impose des solutions de gestion des processus agiles et adaptables, capables de s’adapter rapidement aux changements sans compromettre la précision ou la cohérence opérationnelle.Malgré les avancées dans les technologies de modélisation des processus métier, les analystes et les parties prenantes non techniques continuent de faire face à des défis importants. Ces difficultés proviennent principalement des exigences complexes d’intégration des données et de la nature ambiguë des descriptions de processus en langage naturel, entraînant souvent des malentendus, des erreurs et une communication inefficace entre les équipes métier et informatiques. De plus, les outils traditionnels de vérification manquent souvent de rigueur pour valider efficacement les processus, causant ainsi des erreurs d’exécution, des incohérences et des difficultés à maintenir la conformité réglementaire.En réponse à ces défis, cette thèse présente un cadre complet de gestion des processus métier centrée sur les données et à faible code, nommé DF-BPMN(Data-Flow Business Process Model and Notation). Le DF-BPMN étend la norme BPMN largement adoptée en intégrant explicitement la logique des flux de contrôle avec les exigences détaillées des flux de données, créant ainsi une représentation cohérente qui réduit significativement les erreurs d’exécution et les mauvaises configurations. Cette approche unifiée améliore la clarté, facilite la maintenance et augmente la fiabilité globale.Une innovation majeure de ce cadre est l’intégration de techniques avancées de traitement automatique du langage naturel(NLP), notamment les grands modèles de langage(LLM), permettant la transformation automatique des descriptions textuelles des processus en modèles DF-BPMN exécutables. Cette capacité simplifie considérablement la modélisation des processus, réduit les ambiguïtés et améliore la collaboration entre les analystes métier et les équipes techniques. L’interface graphique du DF-BPMN facilite davantage la conception visuelle et la gestion des processus, validant automatiquement les modèles pour identifier et résoudre de manière proactive les problèmes potentiels dès les premières phases de développement.La pertinence pratique, la validité et l’efficacité du DF-BPMN ont été évaluées au travers de recherches empiriques et d’études de cas dans divers domaines d’application. Les résultats ont montré des améliorations significatives en termes de précision, d’utilisabilité et de compréhension des processus par rapport aux approches traditionnelles. Les études auprès des utilisateurs ont également confirmé la robustesse, la flexibilité et l’intuitivité du DF-BPMN, soulignant particulièrement son potentiel pour une collaboration efficace entre les parties prenantes techniques et non techniques. En définitive, le cadre DF-BPMN améliore sensiblement la clarté des processus, leur facilité de maintenance et leur fiabilité d’exécution. Il comble efficacement le fossé entre complexités techniques et réalités opérationnelles, permettant ainsi aux utilisateurs non techniques et aux analystes de participer activement à la modélisation sophistiquée des processus. Cette thèse contribue donc à l’avancement des méthodologies à faible code, proposant des solutions évolutives et centrées sur les données adaptées aux contextes organisationnels modernes et dynamiques.
Abstract :
Modern business process management increasingly requires a unified integration of control-flow logic, data management, and rigorous verification to maintain operational efficiency, reliability, and adaptability within rapidly evolving business environments. Contemporary businesses grapple with diverse and complex processes, necessitating advanced tools that can handle the intricacies of data integration and provide clear visualization of interactions between data and process activities. The continuous evolution of business requirements demands agile, adaptable process management solutions that seamlessly accommodate changes without compromising accuracy or operational consistency. Despite advances in business process modeling technologies, analysts and non-technical stakeholders continue to face substantial challenges. These difficulties primarily arise from intricate data integration requirements and the ambiguous nature of natural language process descriptions, leading to frequent misunderstandings, errors, and ineffective communication between business and IT teams. Moreover, traditional verification tools often fall short in rigorously validating processes, causing significant issues such as execution errors, inconsistencies, and challenges in maintaining regulatory compliance. In response, this thesis introduces a comprehensive Low-Code Data-Centric Process Management framework, termed DF-BPMN (Data-Flow Business Process Model and Notation). DF-BPMN extends the widely-adopted BPMN standard by explicitly integrating control-flow logic with detailed data-flow requirements, creating a cohesive representation that significantly reduces execution errors and misconfigurations. This unified approach enhances clarity, ease of maintenance, and overall reliability. A pivotal innovation within this framework is the integration of advanced natural language processing (NLP) techniques, specifically Large Language Models (LLMs), enabling the automatic transformation of textual process descriptions into executable DF-BPMN models. This capability significantly simplifies process modeling, reduces ambiguities, and enhances collaborative efforts between business analysts and technical teams. The intuitive graphical interface of DF-BPMN further supports visual design and management of processes, automatically validating models to proactively identify and resolve potential issues early in the development phase. The practical applicability, validity, and effectiveness of DF-BPMN were evaluated through empirical research and case studies across diverse application areas. Findings demonstrated improvements in accuracy, usability, and process comprehension compared to traditional modeling approaches. User studies further confirmed the robustness, flexibility, and intuitiveness of DF-BPMN, particularly emphasizing its potential for effective collaboration between technical and non-technical stakeholders. Ultimately, the DF-BPMN framework significantly enhances process clarity, maintainability, and execution reliability. It effectively bridges technical complexities and operational practicalities, enabling non-technical users and analysts to actively engage in sophisticated process modeling. This thesis thus advances low-code methodologies, offering scalable and data-centric solutions tailored for modern, dynamic organizational contexts.