PRÉLIMINAIRES

I. Note à l’étudiant et guide de lecture

Ce manuel est un instrument de production scientifique. Il rompt avec la simple transmission de savoirs théoriques pour devenir un guide opératoire, conçu pour transformer une intuition technique en une contribution de recherche validée et publiable. Chaque chapitre est structuré comme un module d’action, liant directement les concepts épistémologiques aux défis concrets de l’écosystème numérique congolais, de la fintech à Kinshasa à l’agritech au Kivu. L’objectif est de forger une compétence unique : la capacité à concevoir et exécuter un projet de recherche en informatique de A à Z.

II. Compétences visées et débouchés professionnels en RDC

L’ambition de cette Unité d’Enseignement est de produire des profils immédiatement opérationnels pour les secteurs à haute valeur ajoutée. Au-delà des compétences académiques, il s’agit de répondre aux besoins précis du marché congolais : les incubateurs technologiques en quête de directeurs R&D, les sociétés minières optimisant leur logistique par des logiciels propriétaires, ou les banques développant des algorithmes de scoring de crédit. L’étudiant maîtrisera la chaîne complète, de la formulation d’une problématique à la rédaction d’un rapport technique. Il deviendra un ingénieur-chercheur capable de piloter l’innovation.

III. Positionnement de l’UE dans le cursus de Génie Logiciel

Cette UE constitue la pierre angulaire du passage de l’état de développeur à celui d’architecte de solutions. Elle articule les savoirs techniques acquis en programmation, bases de données et réseaux avec la rigueur méthodologique de la recherche scientifique. Le cours fournit le cadre formel pour aborder des problèmes complexes, non plus en appliquant des solutions existantes, mais en en inventant de nouvelles, adaptées aux spécificités de la RDC. L’étudiant apprendra à justifier scientifiquement ses choix de conception, une compétence indispensable pour tout futur chef de projet ou doctorant.

PARTIE 1 : FONDEMENTS ÉPISTÉMOLOGIQUES ET PROBLÉMATISATION

Chapitre I. De l’Idée au Problème Scientifique

I.1 Distinction entre Problème Technique et Question de Recherche

Fondamentale pour l’ingénieur, la distinction entre un bug et une lacune scientifique structure toute démarche d’innovation. Un problème technique, comme la lenteur d’une application de mobile money, appelle un correctif. Une question de recherche interroge les fondements de cette lenteur dans le contexte des réseaux 3G congolais et vise à créer un nouvel algorithme de synchronisation. Ce chapitre outille l’étudiant pour transformer les frustrations techniques locales en questions de recherche pertinentes. Il forgera la capacité à élever un défi opérationnel au rang de problématique scientifique.

I.2 Sources d’Inspiration : Veille Technologique et Besoins Locaux

Une connaissance approfondie des dynamiques du terrain est le véritable gisement des sujets de recherche à impact. Ce module enseigne les techniques de veille stratégique pour identifier les signaux faibles, non pas dans les publications académiques, mais dans les réalités socio-économiques de la RDC. Il s’agit d’analyser les ruptures dans la chaîne logistique du cobalt ou les besoins non satisfaits en télémédecine à Bukavu. L’étudiant apprendra à cartographier les problèmes locaux pour y déceler des opportunités de recherche originales et financables.

I.3 La Méthode PICOC pour la Formulation de la Problématique

Acronyme mnémotechnique structurant, le modèle PICOC (Population, Intervention, Comparison, Outcome, Context) est un outil de précision pour sculpter une question de recherche. Il contraint le chercheur à définir sans ambiguïté son champ d’action. Le chapitre applique cette méthode à des cas concrets, comme l’évaluation d’un nouveau système d’information pour les PME de Matadi. L’étudiant y développera une rigueur chirurgicale. Il sera capable de formuler une problématique si précise que le protocole expérimental en découlera presque naturellement.

I.4 Critères de Faisabilité : Évaluation des Ressources et du Contexte

Face aux contraintes matérielles, une idée brillante peut rester lettre morte. Ce segment introduit une grille d’analyse pragmatique pour évaluer la faisabilité d’un projet de recherche en contexte congolais. Il s’agit de confronter l’ambition scientifique aux ressources disponibles : puissance de calcul, accès aux données, temps humain et budget. L’analyse porte sur des cas réels, comme le développement d’une IA pour la REGIDESO avec un accès intermittent aux données de consommation. L’étudiant forgera une compétence d’auto-évaluation, cruciale pour garantir l’aboutissement de ses travaux.

Chapitre II. Construction de l’État de l’Art et Positionnement Théorique

II.1 Stratégies de Recherche Bibliographique Systématique

Sous l’angle de l’exhaustivité, la recherche documentaire est une science. Ce module expose les protocoles de recherche systématique sur les bases de données académiques majeures (IEEE Xplore, ACM Digital Library, Scopus). L’accent est mis sur la construction de requêtes booléennes complexes et l’utilisation de stratégies d’expansion et de filtrage pour capturer la littérature pertinente sur des sujets de niche, comme l’optimisation des réseaux ad hoc pour la communication dans les sites miniers isolés du Katanga. L’ingénieur maîtrisera les outils pour bâtir une bibliographie exhaustive.

II.2 Analyse Critique et Synthèse de la Littérature

L’analyse critique des sources est l’acte qui sépare le compilateur du chercheur. Il ne s’agit pas de résumer, mais de déconstruire les articles pour évaluer la validité de leur méthodologie, la robustesse de leurs résultats et la portée de leurs conclusions. Ce chapitre fournit une méthode pour cartographier les controverses, identifier les écoles de pensée et repérer les consensus. En appliquant cette grille aux études sur la cybersécurité des plateformes de paiement mobile en Afrique, l’étudiant apprendra à rédiger une synthèse qui justifie sa propre contribution.

II.3 Utilisation des Outils de Gestion Bibliographique (Zotero, Mendeley)

D’une efficacité redoutable, les logiciels de gestion bibliographique sont les alliés indispensables de la recherche moderne. Ce module est un atelier pratique centré sur la maîtrise de Zotero. L’objectif est d’automatiser entièrement le processus de collecte, d’annotation et de citation des références scientifiques. L’étudiant apprendra à créer une base de données personnelle, à l’annoter collaborativement et à générer en un clic une bibliographie conforme aux standards internationaux (IEEE, APA). Il gagnera en productivité et en rigueur pour ses futurs rapports et articles.

II.4 Identification du ‘Research Gap’ et Formulation des Hypothèses

Point d’orgue de l’état de l’art, l’identification de la “lacune de recherche” est le moment eurêka du chercheur. C’est l’espace non exploré où la contribution originale devient possible. Ce chapitre enseigne à systématiser cette découverte en analysant les limites explicitement mentionnées par les auteurs ou les contradictions entre études. À partir de ce “gap”, comme le manque de modèles de prédiction du trafic pour les carrefours de Kinshasa, l’étudiant apprendra à formuler des hypothèses claires, testables et falsifiables.

Chapitre III. Paradigmes et Méthodologies de Recherche en Informatique

III.1 Paradigmes Positiviste, Interprétatif et Critique en Génie Logiciel

Hérités des sciences sociales, les paradigmes épistémologiques façonnent la nature même de la preuve scientifique. Le paradigme positiviste, dominant en informatique, vise la mesure objective de la performance d’un algorithme. L’approche interprétative, elle, cherche à comprendre l’usage d’un logiciel par les communautés locales, comme l’adoption d’une application de santé à Mbuji-Mayi. Ce chapitre arme l’étudiant pour choisir et justifier le paradigme le plus pertinent pour sa question de recherche, une compétence fondamentale pour la crédibilité de ses travaux.

III.2 Méthodes Quantitatives : Expérimentation, Simulation et Enquête

La quantification de la performance est au cœur du génie logiciel. Ce module détaille la conception d’un protocole expérimental rigoureux : définition des variables, constitution des groupes de contrôle, et analyse statistique des résultats. L’accent est mis sur l’application pratique, comme la mise en place d’un test A/B pour comparer deux interfaces d’une application e-commerce destinée au marché congolais. L’étudiant sera capable de concevoir et mener une expérimentation dont les résultats sont statistiquement significatifs et donc scientifiquement défendables.

III.3 Méthodes Qualitatives : Étude de Cas, Ethnographie et Théorie Ancrée

Pour comprendre les usages et les contextes, les chiffres ne suffisent pas. Ce segment explore les méthodes qualitatives, essentielles pour analyser l’interaction homme-machine. L’étude de cas permet d’analyser en profondeur l’implémentation d’un système ERP dans une entreprise de la place. L’ethnographie permet d’observer comment les commerçants du marché de la Liberté s’approprient les paiements par QR code. L’étudiant apprendra à collecter et coder des données non structurées (entretiens, observations) pour produire des connaissances riches sur les facteurs d’adoption technologique.

III.4 La ‘Design Science Research’ (DSR) comme Méthodologie Centrale en Génie Logiciel

Spécifique à l’ingénierie, la Design Science Research (DSR) est une méthodologie qui légitime la construction d’un “artefact” (algorithme, modèle, logiciel) comme une contribution scientifique à part entière. Elle structure la recherche autour d’un cycle itératif de construction et d’évaluation. Ce chapitre présente la DSR comme le cadre idéal pour les projets de fin d’études en génie logiciel en RDC, en l’appliquant à la création d’une plateforme de traçabilité du café du Kivu. L’étudiant saura structurer son développement logiciel comme une démarche de recherche rigoureuse.

PARTIE 2 : CONCEPTION ET EXÉCUTION DU PROTOCOLE EXPÉRIMENTAL

Chapitre IV. Conception du Protocole Expérimental

Le design expérimental classique, hérité des sciences dures, montre ses limites en génie logiciel. La complexité des interactions homme-machine et la non-reproductibilité stricte des environnements utilisateurs invalident souvent les approches factorielles pures. Ce chapitre oppose à cette rigidité les designs quasi-expérimentaux et les études de cas, mieux adaptés à l’évaluation des systèmes logiciels. En se basant sur des scénarios de test d’applications de m-payment à Kinshasa, l’étudiant forgera la compétence de structurer un protocole expérimental valide et contextualisé, capable de mesurer l’efficacité réelle d’un algorithme.

IV.1 Définition des Variables, Hypothèses et Métriques de Performance

Une définition rigoureuse des variables indépendantes, dépendantes et de contrôle constitue le socle de toute expérience. Ce segment se concentre sur la traduction d’une hypothèse de recherche en métriques quantifiables et observables : temps de réponse, consommation CPU, ou taux d’erreur utilisateur. L’étudiant apprendra à instrumenter un code source pour capturer ces données, en appliquant ces techniques à l’évaluation de la performance d’une application de cartographie foncière pour la gestion des conflits au Kivu, garantissant ainsi une mesure objective de l’efficacité.

IV.2 Designs Expérimentaux Factoriels et Fractionnaires

Face à la multiplicité des paramètres influençant un logiciel, les plans factoriels permettent d’étudier simultanément leurs effets et interactions. Ce sous-chapitre détaille la construction de ces plans, ainsi que les techniques fractionnaires pour réduire le coût expérimental sans sacrifier la pertinence statistique. L’apprenant appliquera cette méthode pour optimiser les temps de réponse d’une base de données d’un site e-commerce à Lubumbashi, en testant les configurations de serveur, les stratégies d’indexation et les algorithmes de cache pour identifier la combinaison la plus performante.

IV.3 Designs Quasi-Expérimentaux et Études de Cas

Lorsque la randomisation des sujets ou des conditions est impossible, les designs quasi-expérimentaux offrent une alternative rigoureuse. Ce module explore les méthodologies d’étude de cas unique ou multiple, idéales pour analyser un phénomène complexe dans son contexte naturel. L’étudiant apprendra à structurer une étude de cas pour évaluer l’adoption d’une nouvelle plateforme de e-learning à l’Université de Goma, en collectant des données qualitatives et quantitatives pour comprendre les facteurs de succès et d’échec dans un environnement non contrôlé.

IV.4 Validation de la Conception : Biais et Validité Interne/Externe

La robustesse d’une conclusion scientifique dépend directement de la validité de la conception expérimentale. Cette section outille l’étudiant pour identifier et neutraliser les biais potentiels : effet de sélection, maturation, ou instrumentation. Une attention particulière est portée à la distinction cruciale entre validité interne (la causalité est-elle bien établie ?) et externe (les résultats sont-ils généralisables ?). L’objectif est de permettre au chercheur de garantir que les tests d’une application fintech à Kinshasa produisent des conclusions applicables à Bukavu ou Matadi.

Chapitre V. Collecte et Gestion des Données Empiriques

Les principes FAIR (Findable, Accessible, Interoperable, Reusable), formalisés en 2016, constituent le standard international pour la gestion des données de recherche. Ce chapitre délaisse l’abstraction pour une mise en œuvre pragmatique de ces quatre piliers dans le contexte du génie logiciel. Comment structurer les logs d’exécution, les traces d’utilisateurs et les résultats de benchmarks pour garantir leur pérennité et leur partage ? En appliquant ces règles à la gestion des données issues de capteurs IoT dans les mines du Lualaba, l’étudiant forgera la compétence de construire un pipeline de données robuste et éthique.

V.1 Techniques d’Instrumentation et de Journalisation (Logging)

Au cœur de la collecte de données automatisée, l’instrumentation du code source permet de capturer le comportement d’un logiciel en temps réel. Cette section enseigne l’insertion stratégique de points de journalisation (logs) pour enregistrer les événements critiques, les erreurs et les métriques de performance sans impacter significativement l’exécution. L’étudiant mettra en œuvre des frameworks de logging pour surveiller une application de gestion de stock pour les PME de Matadi, apprenant à générer des données exploitables pour le débogage et l’analyse de performance post-déploiement.

V.2 Conception de Sondages et Questionnaires (Échelle de Likert)

Pour quantifier l’expérience utilisateur ou la perception d’un système, les questionnaires structurés sont un outil indispensable. Ce module se focalise sur la conception de sondages valides, en particulier l’utilisation correcte des échelles de Likert et des différentiels sémantiques. L’apprenant élaborera un questionnaire pour évaluer la facilité d’utilisation d’une application mobile de services publics destinée aux citoyens de Kinshasa, en s’assurant que les questions sont non-biaisées, claires et permettent une analyse statistique rigoureuse des attitudes des utilisateurs finaux.

V.3 Éthique de la Collecte : Anonymisation et Consentement Éclairé

Sous l’angle de la responsabilité légale et morale, la collecte de données sur des sujets humains impose des contraintes strictes. Cette section aborde les techniques d’anonymisation et de pseudonymisation pour protéger l’identité des participants, conformément aux standards internationaux de protection des données. L’étudiant rédigera un formulaire de consentement éclairé pour une étude sur l’usage des réseaux sociaux par les jeunes à Mbuji-Mayi, garantissant la transparence du processus de recherche et le respect absolu de la vie privée des participants.

V.4 Bases de Données de Recherche et Protocoles de Nettoyage

Une connaissance approfondie des techniques de stockage et de préparation des données est fondamentale avant toute analyse. Ce sous-chapitre présente les méthodes pour structurer les données brutes dans une base de données de recherche et appliquer des scripts de nettoyage pour traiter les valeurs manquantes, les aberrations et les incohérences. L’étudiant construira un script Python utilisant la librairie Pandas pour nettoyer et préparer un jeu de données de transactions issues du secteur informel de Goma, le rendant apte à une analyse statistique fiable.

Chapitre VI. Analyse Quantitative et Qualitative des Données

L’opposition stérile entre analyse quantitative et qualitative a longtemps freiné la recherche appliquée en informatique. Ce chapitre tranche ce débat en démontrant la supériorité des approches mixtes pour une compréhension holistique des phénomènes. Comment corréler les statistiques d’usage d’une application (le ‘quoi’) avec les verbatim d’entretiens utilisateurs (le ‘pourquoi’) ? En analysant le déploiement d’une application de télémédecine en RDC, l’apprenant structurera une méthodologie de triangulation des données. Il sera capable de transformer des données brutes en insights stratégiques exploitables.

VI.1 Statistique Descriptive et Inférentielle (Tests T, ANOVA)

L’analyse statistique transforme les données brutes en informations interprétables. Cette section couvre les statistiques descriptives pour résumer les données (moyenne, médiane, écart-type) et les statistiques inférentielles pour tester les hypothèses (test t de Student, ANOVA). L’étudiant appliquera ces tests pour comparer statistiquement les temps d’exécution de deux algorithmes de tri sur un jeu de données volumineux, lui permettant de conclure avec un niveau de confiance défini lequel est le plus performant dans un contexte d’infrastructure réseau à faible bande passante en RDC.

VI.2 Analyse Thématique et Codage des Données Qualitatives

D’origine sociologique, l’analyse thématique est une méthode puissante pour identifier des motifs récurrents dans des données textuelles comme les entretiens ou les commentaires. Ce module guide l’étudiant à travers le processus de codage (ouvert, axial, sélectif) pour extraire des thèmes significatifs à partir d’un corpus de texte brut. L’apprenant analysera des transcriptions d’entretiens avec des agriculteurs du Kongo Central sur leurs besoins en information météorologique, afin de définir les fonctionnalités clés d’une future application mobile agricole.

VI.3 Outils d’Analyse : R, Python (Pandas, SciPy) et NVivo

La maîtrise des outils logiciels spécialisés est une condition de l’efficacité en recherche. Cette section offre une introduction pratique aux principaux environnements d’analyse : R et Python (avec ses bibliothèques Pandas, SciPy) pour le traitement quantitatif, et NVivo pour l’analyse qualitative assistée par ordinateur. L’étudiant réalisera un projet complet d’analyse de données mixtes sur la performance d’un système d’information sanitaire à Kananga, en utilisant chaque outil pour sa spécialité, démontrant ainsi sa polyvalence technique et sa capacité à choisir le bon outil pour la tâche.

VI.4 Visualisation des Données et Communication des Résultats

Une visualisation efficace des données est un outil de communication et de découverte. Ce sous-chapitre enseigne les principes de la sémiologie graphique pour créer des diagrammes (histogrammes, nuages de points, cartes de chaleur) qui révèlent les structures des données de manière claire et honnête. L’étudiant utilisera des bibliothèques comme Matplotlib ou Seaborn pour visualiser les résultats de ses analyses sur la connectivité internet à travers les provinces de la RDC, forgeant la compétence de présenter des résultats de recherche complexes de manière percutante et accessible.

ANNEXES

A. Guide de Rédaction d’un Protocole de Recherche

La formalisation d’une idée en projet de recherche financable constitue la première épreuve du chercheur. Cette annexe fournit une structure normative, du résumé exécutif au budget prévisionnel, en passant par la justification de la méthodologie et l’analyse des risques. En l’appliquant à un cas d’étude sur l’optimisation logistique pour le e-commerce à Kinshasa, l’étudiant acquiert la capacité de transformer une intuition technique en une proposition de recherche rigoureuse, prête à être soumise aux bailleurs de fonds nationaux et internationaux, démontrant sa viabilité économique et son impact sociétal.

B. Boîte à Outils Statistiques pour l’Expérimentation

Face à la variabilité inhérente aux mesures de performance logicielle, l’intuition ne suffit pas pour valider une hypothèse. Cette section outille le chercheur avec les instruments statistiques essentiels, de l’analyse de variance (ANOVA) aux tests de significativité (t-test, chi-carré), implémentés via des scripts R et Python directement applicables. L’objectif est de permettre à l’étudiant de valider rigoureusement si l’amélioration de performance d’un nouvel algorithme de compression de données pour les réseaux mobiles de Goma est statistiquement significative ou un simple artefact du hasard.

C. Charte Éthique de la Recherche en Informatique

La collecte massive de données utilisateur par les applications fintech émergentes à Lubumbashi impose une vigilance éthique absolue. Cette charte synthétise les principes fondamentaux, de l’obtention du consentement éclairé dans un contexte multilingue à l’anonymisation irréversible des données personnelles, en conformité avec les standards internationaux (RGPD) et les sensibilités locales. L’ingénieur-chercheur forgera ici la compétence cruciale pour concevoir des protocoles de recherche qui respectent la dignité et la vie privée des participants, un prérequis non négociable pour toute étude sérieuse.

D. Répertoire des Conférences et Journaux Scientifiques Pertinents

Une connaissance stratégique des plateformes de publication est un levier de carrière décisif pour le chercheur. Ce répertoire va au-delà d’une simple liste en classifiant les conférences (comme IEEE AFRICON, ICLR) et les journaux par indice d’impact, pertinence thématique et accessibilité pour les chercheurs basés en RDC. L’étudiant apprendra à cibler ses soumissions, à décrypter les appels à communication et à construire une feuille de route de publication réaliste et ambitieuse, maximisant la visibilité et l’impact de ses travaux de recherche.

Lire aussi :

Cours de Statistiques inférentielle et Mathématiques appliquées, master-2, SIM2231

Cours de Algorithmique et programmation, licence-2, ALP1241

Cours de Négociations Climatiques aux Nations Unies, master-1, NCN2121

Cours de Applications Web, licence-2, APW1241

Cours de Gouvernance : cadre institutionnel et processus, master-2, GOU2233

Cours de TFC Mémoire, master-2, MAG2241