ANALYSE ET CONCEPTION DES

SYSTÈMES D’INFORMATION
&
BASES DE DONNÉES

Réalisé par Pr. Khalid ZEBBARA

Année universitaire : 2023/2024

 OBJECTIFS

 Initier les étudiants à l’analyse et conception des

Systèmes d’Information en utilisant Merise
• comprendre les objectifs de la méthode MERISE et les différents
niveaux de sa démarche,

• connaître le vocabulaire spécifique de la méthode,

• discerner la complémentarité des approches de type systémique

et analytique,

• savoir formaliser les modèles conceptuel et organisationnel de

MERISE,

• identifier les rôles et responsabilités des différents acteurs

impliqués dans le processus de conception.
2
PLAN DU COURS

 Partie I : Analyse et Conception d’un système

d’information

 Fondements théoriques d’un SI

 Méthodologie MERISE

 Partie II : Initiation aux Systèmes de Gestion de

Bases de Données

3
Partie I : Analyse et conception d’un système
d’information

 Fondements théoriques d’un SI

4
TERMINOLOGIE

 Un Système : est un ensemble d’éléments,

matériels ou humains, transformant des
éléments en entrée en éléments en sortie, et dont
la modification d’un composant entraîne la
modification d’une partie, ou de l’ensemble du
système.

Entrée Sortie

Système 5
TERMINOLOGIE

 L’information

•Ensemble complexe, composé de données décrivant

une activité : formes écrite (textes, nombres ...),
picturales (graphiques, dessins, photos, vidéos ...) et
sonores.

•Ces données sont matérialisées sur des supports

(papier, écrans, bandes magnétiques, disquettes, CD
...).

6
TERMINOLOGIE

 Analyse : processus d’examen de l’existant

 On s’intéresse en général à un domaine d’activité
de l’entreprise :
Vente
Production
Logistique
Finance
RH…..

 On prend en compte les besoins de l’utilisateurs

 On définit le problème à résoudre (fonctionnalités 7

et qualités attendues
TERMINOLOGIE

 Conception
Processus de définition de la future application
informatique
 On définit une solution informatique :

• Structuration des données

• Organisation des traitements

• Définition des postes de travail

• Choix techniques : matériels, langages de

programmation, logiciels de gestion de données 8

(SGBD),…
SYSTÈME D’INFORMATION - DÉFINITION

 Un système d'Information (SI): l'ensemble des éléments

(moyens techniques , humains, etc) participant :

•à la gestion,
•au traitement,
•au transport ,
•à la diffusion,

de l'information au sein de l'organisation.

9
TERMINOLOGIE

10
RÔLE D’UN SYSTÈME D’INFORMATION

 Produire les informations légales réclamées par

l'environnement

 Déclencher les décisions programmées

 Fournir des informations aux décideurs pour aider à

la prise de décisions non programmées

 Coordonner les tâches en assurant les

communications au sein du système organisationnel
11
COMMENT RÉALISER UN SYSTÈME
D’INFORMATION ?
Les techniques et démarches classiques du Génie Logiciel :

•Analyse de l’existant et des besoins de l’utilisateur.

•Conception du système et du logiciel.

•Réalisation : traduction des algorithmes dans un langage

choisi.

•Tests du logiciel : vérification et validation du logiciel et

tests de non régression.

•Exploitation : utiliser le logiciel une fois installé.

•Maintenance : correction des erreurs, ajouts de 12

fonctionnalité, amélioration
ANALYSE ET CONCEPTION DE SYSTÈME
D’INFORMATION

Que faut-il pour analyser, concevoir…?

On doit :
• avoir une vision abstraite du fonctionnement,
• garantir les délais, la pertinence, l’efficacité,
• faciliter la maintenance,
• prolonger la durée de vie,
• …

Nous avons, donc, besoin :

• de modèles,
• de méthodologie.
13
 MODÈLE…C’EST QUOI ?

 Unmodèle : une représentation abstraite, d’une partie du

monde réel, exprimée dans un langage de représentation.

 Ce langage peut être :

 formel : ayant une syntaxe et une sémantique bien

définies comme
• la logique du premier ordre ou,
• un langage informatique,
•…
 Semi-formel : notation graphique normalisée.
14
 Informel : description en langage naturel.
 MODÈLE…POURQUOI ?
Les principales motivations sont (Vernadat, 2000) :

- comprendre et analyser la structure et le fonctionnement de

l’entreprise ;
- prévoir (de manière fiable) le comportement et les
performances des processus opérationnels avant leur
implantation ;
- choisir la (ou les) meilleure(s) alternative(s) d'implantation ;

- identifier les risques d'implantation à gérer ;

- justifier
les choix d'implantation sur des critères liés aux
ressources et aux coûts (méthodes de comptabilité par activités,
par exemple) ;
- bâtir une vision commune du fonctionnement de l’entreprise 15
et la communiquer facilement au plus grand ensemble possible
du personnel.
 MÉTHODOLOGIE…POURQUOI ?

 Formalisation claire et complète du problème

informationnel.
 Maîtrise de la résolution du problème par l’utilisation de
critères objectifs pour évaluer les solutions.

 Construction de SI pertinents, complets, cohérents, fiables

flexibles et adaptatifs.

 Évaluation du SI à tout moment de son cycle de vie.

 Faciliter la coopération entre concepteurs, informaticiens,

gestionnaires, utilisateurs.

 Rigueur dans l’élaboration de la solution.

16
 Réduire les coûts et les délais.
MÉTHODOLOGIE…EXEMPLES

 MERISE : Méthode d’Etude et de Réalisation Informatique pour

les Systèmes d’Entreprises (Tardieu, 83).

 AXIAL : analyse et conception des systèmes d’informations

assistés par logiciel (IBM, 86).

 SSADM : Structured Systems Analysis and Design Method

(CCTA, 80).

 SADT : Structured Analysis and Design Technique (Softech, 77).

 RUP : Rational Unified Process. (IBM, 2003).

17
Partie I : Analyse et conception d’un
système d’information

 Méthodologie MERISE

18
 ORIGINES

 Développée à l’initiative du Ministère de l’Industrie, par

une SSII, le centre d’études techniques de l’équipement et
des universitaires (1977). Plusieurs versions (Merise,
Merise 2, Merise Objet…).
 Libre de droits.
 Vise les SI construits autour de BD relationnelles.
 Encore utilisée aujourd’hui en France même si
concurrencée par UML.
 Souvent utilisée partiellement (données uniquement).
 Pas exportée en dehors des pays francophones. Autres
méthodes similaires ailleurs (SSADM – ‘Structured
System Analysis and Design Method’ - en GB). 19
FONDEMENTS

La méthode MERISE décrit les différentes informations d’une

entreprise ou de tout type d’organisme sous forme de trois
découpages :

 Communication
Les échanges ou la communication sont des flux entre systèmes,
notamment des flux d'informations ou messages.

 Traitement.
Les traitements des messages, flux d'informations, décrivent les
tâches à effectuer à la réception ou pour l'émission d'un flux
d'informations.

 Données.
La structure de mémorisation des informations est représentée sous
une forme qui permet un passage aisé vers les "enregistrements 20
informatiques".
FONDEMENTS
Merise propose une démarche à 4 niveaux

Conceptuel

Quoi et avec
quelles
organisationnel
données

Qui et quand Logique

Avec quoi?
Physique

Comment?
21
LE NIVEAU CONCEPTUEL,

 définit les fonctions réalisées dans l'organisme. Il

répond à la question QUE FAIT L'ORGANISME ? Il
est déterminé par son activité.

 A ce niveau, on ne se préoccupe pas de l’organisation

du travail ni du matériel utilisé.

22
LE NIVEAU ORGANISATIONNEL

 Il consiste à répondre à la question QUI ?, OU ?,

QUAND ?

 C’est à ce niveau que sont intégrés les critère

d’organisation de travail.

 On tient compte (ou on propose) des choix

d’organisation de travail comme la répartition des
traitements entre l’homme et la machine, le mode de
fonctionnement (temps réel, temps différé).
23
 LE NIVEAU LOGIQUE

 C’est la forme que doit prendre l'outil informatique pour

être adapté à l'utilisateur, à son poste de travail.

 La maquette des enchaînements d'écran et la réponse à

la question AVEC QUOI ? Ou plus exactement AVEC
L'AIR DE QUOI ? Le niveau logique est indépendant de
l'informatique spécifique, des langages de
programmation ou de gestion des données.

24
LE NIVEAU PHYSIQUE

 Le dernier niveau, le plus variable, est l'outil

informatique lui-même, les fichiers,

 les programmes. AVEC QUOI ? Ce niveau est appelé

niveau physique.

25
EXEMPLES
1. Conceptuel
« Le client demande à la compagnie d’assurance d’assurer son
véhicule. La compagnie d’assurance propose un devis. »

2. Organisationnel
« A la réception de la demande, si le client est fiable
(consultation d’un fichier central inter assurances), un
commercial prend contact par téléphone pour une visite à
domicile (après 17 heures) afin d’examiner plus précisément ses
besoins et établir un devis. »

3. Logique
« Le fichier central inter assurances est accessible »

4. Physique 26
« Le fichier est accessible via internet »
STRUCTURATION

Les quatre niveaux d'abstraction s’appliquent à la

communication, aux données et aux traitements => 12 modèles !

27
COURBE DE SOLEIL

28
COURBE DU SOLEIL

29
MODÈLE CONCEPTUEL DE DONNÉES (MCD)

30
LE MODÈLE CONCEPTUEL DE DONNÉES

 Représentation statique, sous forme schématique, du

système d'information analysée à partir de la manière
de parler.

 Objectif
« Définir (identifier) toutes les données utilisées au sein
d’un organisme, les regrouper en ensembles appelés
entités et de lier ces entités par des relations, dans un
modèle définit et compréhensible par toute personne
connaissant le formalisme du MCD. »

 Le MCD répond à la question quoi? 31

LE MODÈLE CONCEPTUEL DE DONNÉES
 Le concept : Entité (individu)
 Représentation d'un objet réel, ayant une existence et
une raison d'être dans le système d'information

 peut être un acteur : client, usine, produit => ayant une

existence intrinsèque.

 peut être un flux : commande, livraison => existe par

l’intermédiaire d’acteurs.

Entité

Ref
Prop_1
Prop_2
32
..
 LE MODÈLE CONCEPTUEL DE DONNÉES
 Les propriétés :

• Une propriété est une donnée élémentaire qui qualifie

l’entité à laquelle elle se rapporte :

• Chaque propriété prend des valeurs qui sont appelées

occurrences de la propriété,

• Chaque propriété a un domaine de définition (ensemble de

valeurs possibles),

• Chaque propriété se rattache toujours à une entité.

33
LE MODÈLE CONCEPTUEL DE DONNÉES

 Identification d’une Entité :

• C’est une propriété (ou ensemble de propriétés)

particulière qui permet d’identifier de façon
unique une occurrence de l’entité.

• Pour être identifiant, les propriétés ne doivent

pas prendre plusieurs fois la même valeur sur
l’ensemble des occurrences de l’entité.

• L’identifiant figure en premier dans la liste des

propriétés .

• Il est souligné. 34
LE MODÈLE CONCEPTUEL DE DONNÉES

 Association (Relation):
• Objet permettant d'associer deux ou plusieurs
entités. Ce lien est nommé et est, par convention,
très souvent un verbe à l'infinitif.
 Exemple

35
LE MODÈLE CONCEPTUEL DE DONNÉES

 Cardinalité
• La cardinalité d'une relation est composé d'un
couple comportant une borne maximale et une
borne minimale, intervalle dans lequel la
cardinalité d'une entité peut prendre sa valeur:

• la borne minimale (0 ou 1) décrit le nombre minimum

de fois qu'une entité peut participer à une relation.

• la borne maximale (1 ou n) décrit le nombre

maximum de fois qu'une entité peut participer à une
relation. 36
LE MODÈLE CONCEPTUEL DE DONNÉES

Exemple

37
LE MODÈLE CONCEPTUEL DE DONNÉES

Type de cardinalités

38
LE MODÈLE CONCEPTUEL DE DONNÉES
 Les cardinalités n’expriment pas une vérité absolue, mais des
choix de conception. Elles doivent correspondre aux règles de
gestion du SI.

 Exemple : État Civil

Mariage monogame (exple : Europe occidentale) :

Homme Femme

Marier 0,1
0,1

39
LE MODÈLE CONCEPTUEL DE DONNÉES
 Les cardinalités n’expriment pas une vérité absolue, mais
des choix de conception. Elles doivent correspondre aux règles
de gestion du SI.

 Exemple : État Civil

Mariage polygame (exple : Musulmans) :

Homme Femme

Marier 0,1
0,4

40
LE MODÈLE CONCEPTUEL DE DONNÉES
Dimension d’une association

 Une association reliant la même entité type est dite

réflexive (ou récursive ou cyclique).

 Une association reliant deux entités types est dite

binaire.

 Une association reliant trois entités types est dite

ternaire.

 Une association reliant n entités types est dite n-aire. 41

LE MODÈLE CONCEPTUEL DE DONNÉES
Exemple : association ternaire

42
LE MODÈLE CONCEPTUEL DE DONNÉES
 Règles de description du schéma conceptuel
entité/association :

• Un nom ne peut être utilisé qu’une seule fois,

• Toute entité possède au moins une caractéristique de
référence,
• Toutes les cardinalités sont indiquées sur les liens,
• Chaque caractéristique n’a qu’une seule valeur pour une
entité donnée,
• La valeur d’une caractéristique dépend directement de
l’entité,
• Toute information redondante doit être supprimée
43
LE MODÈLE CONCEPTUEL DE DONNÉES

 Exemples

44
 LE MODÈLE CONCEPTUEL DE DONNÉES
 Exemples

45
LE MODÈLE CONCEPTUEL DE DONNÉES

 Exemples : Gestion d’un département

46
LE MODÈLE CONCEPTUEL DE DONNÉES

 Les étapes du réalisation d’un MCD

• Dictionnaire des données

• Épuration (polysèmes et synonymes)
• Détermination des entités
• Détermination et affectation des propriétés
• Recensement des associations (avec,
éventuellement, les propriétés non encore
affectées
• Détermination des cardinalités
• Vérification et normalisation du modèle
47
LE MODÈLE CONCEPTUEL DE DONNÉES

 Dictionnaire de données

• Le recensement des informations et de leurs catégories

permet de constituer le Dictionnaire des Données (ou Lexique
des Données).

• Il s’agit d’un tableau recensant l’ensemble des informations

rencontrées lors de l’analyse préalable ou permettant de
répondre aux objectifs du système d’information et
mentionnant parfois la classification de l’information, son
mode de représentation ainsi que sa longueur .

48
LE MODÈLE CONCEPTUEL DE DONNÉES

 L’information

•L'information ou la donnée est un "renseignement" ou une

"connaissance » élémentaire désignée à l'aide d'un mot ou d'un
groupe de mots et prenant des valeurs.

•Pour une automatisation réussie, l’information devra être cernée

et classifiée de manière très précise et devra également pouvoir
être représentable dans le SI.

49
LE MODÈLE CONCEPTUEL DE DONNÉES
 Classification de l’information

• les informations élémentaires : on ne peut pas inventer sa valeur.

Pour pouvoir s’en servir, on doit connaître sa valeur ( exemple : le
nom d’un employé ).

• les informations paramètres : un paramètre est une rubrique dont

la valeur est constante et prévisible. On peut estimer que sa valeur
est connue et la même pour tout et pour tous ( exemple : un taux de
TVA connu et identique pour tous les articles ).

• les informations calculées ou résultantes : elles sont obtenues par

un traitement arithmétique ou logique.

• les informations composées : informations obtenues par50

composition d’informations élémentaires
LE MODÈLE CONCEPTUEL DE DONNÉES
 Mode de représentation

Il s’agit ici de déterminer de quel type seront les données

utilisées par le programme
• alphabétique pur
• alphanumérique
• numérique
• date
• logique Booléen …

 Longueur
On détermine par la même occasion la taille de l’information.
51
LE MODÈLE CONCEPTUEL DE DONNÉES
 Constitution du dictionnaire de données

• On attribue un nom (normalisé de préférence) pour chacune

des informations identifiées.

• On attribue des codes pour les entités évidentes

Exemple : Code_Client pour Client ; Code_Repr pour
représentant

• On y inscrira également les contraintes d’intégrité (par

exemple les limites minimales et maximales d’une donnée ),
les règles de calcul pour les informations calculées et la
description des informations composées. 52
LE MODÈLE CONCEPTUEL DE DONNÉES
Exemple :

53
LE MODÈLE CONCEPTUEL DE DONNÉES
Nom Signification Type Long Nature Règle de
calcul/contraintes
d’intégrité
NBon Numéro bon N 4 Elémentaire
de commande
date Date de AN 8 Elémentaire jj/mm/aa
commande
Code_client Code client N 4 Elémentaire A créer
client Nom client AN 50 Elémentaire
adresse Adresse client A 100 Composé N°+rue+ville+co
de postale
Ref Reference N 4 Elémentaire
produit
produit Libellé produit A 50 Elémentaire
Quantité Quantité N 4 Elémentaire Entier >0
commandé
PU Prix unitaire N 4 Elémentaire 999999,99 54
montant montant N 6 Calculé Quantité*PU
LE MODÈLE CONCEPTUEL DE DONNÉES

Phase 1 : Éliminer les synonymes et les polysémes.

• Dans le dictionnaire de données brut, on trouvera des synonymes et

des polysémes.

- Un synonyme : deux signifiants pour un même signifié.

Exemple : TVA et Taxe, Code Client et Nclient
On ne gardera qu’un seul nom et on éliminera les autres.
- Un polyséme : un signifiant pour deux signifiés.
Exemple : Nom pour Nom de client et Nom de fournisseurs.
On changera les noms.

• Après cette étape, on obtiendra un dictionnaire des données épuré

des polysémes et des synonymes 55
LE MODÈLE CONCEPTUEL DE DONNÉES

Phase 2 :

• On supprimera les rubriques composées. La suppression des

informations composées se fait par éclatement ou par
concaténation.

• On supprimera également les rubriques calculées.

• On ne conservera que les rubriques élémentaires. On

obtiendra ainsi un

dictionnaires des données élémentaires.

56
LE MODÈLE CONCEPTUEL DE DONNÉES
Nom Signification Type Long Nature Règle de
calcul/contraintes
d’intégrité
NBon Numéro bon N 4 Elémentaire
de commande
date Date de AN 8 Elémentaire jj/mm/aa
commande
Code_client Code client N 4 Elémentaire A créer
client Nom client AN 50 Elémentaire
adresse Adresse client A 100 Composé N°+rue+ville
Ref Reference N 4 Elémentaire
produit
produit Libellé produit A 50 Elémentaire
Quantité Quantité N 4 Elémentaire Entier >0
commandé
PU Prix unitaire N 4 Elémentaire 999999,99
57
montant montant N 6 Calculé Quantité*PU
total Total de la N 8 Calculé Somme des
LE MODÈLE CONCEPTUEL DE DONNÉES
Nom Signification Type Long Nature Règle de
calcul/contraintes
d’intégrité
NBon Numéro bon N 4 Elémentaire
de commande
date Date de AN 8 Elémentaire jj/mm/aa
commande
Code_client Code client N 4 Elémentaire A créer
client Nom client AN 50 Elémentaire
adresse Adresse client A 100 Elementaire concaténation
Ref Reference N 4 Elémentaire
produit
produit Libellé produit A 50 Elémentaire
Quantité Quantité N 4 Elémentaire Entier >0
commandé
PU Prix unitaire N 4 Elementaire 999999,99
58
LE MODÈLE CONCEPTUEL DE DONNÉES
 Dépendance fonctionnelle
On dit que b est en dépendance fonctionnelle (DF) de a si à une valeur
quelconque de la propriété a, on ne peut faire correspondre qu’une seule
valeur au plus de la propriété b.
•Exemple :
Code_produit libellé_produit

Si on connaît une valeur de la propriété code_produit il ne peut lui

correspondre qu’une seule valeur de la propriété libellé produit

La réciproque est fausse :

libellé produit code_produit

n’est pas une DF Si l’on connaît la valeur de la propriété libellé produit , on

ne peut pas en déduire la propriété code_produit, car il peut y avoir des 59
homonymes
LE MODÈLE CONCEPTUEL DE DONNÉES
Deux informations ne sont pas en dépendance fonctionnelle si
la connaissance d'une valeur de la première :

1. ne permet de connaître aucune des valeurs de la seconde

( pas de rapport entre les deux )
Exemple :
la connaissance d'une date de naissance ne permet pas de connaître
une adresse.

2. détermine la connaissance de plusieurs valeurs de la

seconde
Exemple :
la connaissance d'un numéro de facture permet de connaître
plusieurs références d'articles. 60
LE MODÈLE CONCEPTUEL DE DONNÉES

 Dépendance fonctionnelle à source composée

Il peut arriver que ce soit la combinaison de plusieurs attributs

qui permettent de connaître une valeur unique du but.

Exemple : un numéro de facture + un code produit nous donne

la quantité facturée.

(numéro_facture, code_produit) quantité

On parlera de dépendance fonctionnelle à source composée ou

à partie gauche composée (DFPGC).
61
LE MODÈLE CONCEPTUEL DE DONNÉES

 Dépendance fonctionnelle élémentaire

 Une DF, A B, est une dite élémentaire si B est une information

unique, et si A est un ensemble minimum d’informations, c’est à dire
que A est une information unique ou qu’il n’existe pas de sous-
ensemble A’ de
A tel que A’ B.

 Exemple :

- La DF référence_article nom_article est élémentaire.

- La DF (numéro_facture,référence_article) quantité_facturée est
élémentaire.
- La DF (numéro_facture, référence_article) nom_article n’est pas62
élémentaire.
LE MODÈLE CONCEPTUEL DE DONNÉES

 Dépendance fonctionnelle directe

 Une DF Donnée1 Donnée2 est dite directe s'il n'existe pas

une Donnée3 qui engendrerait une dépendance fonctionnelle
transitive de telle sorte que l'on pourrait écrire:
Donnée1 Donnée3 Donnée2

 Exemple : En considérant les DFs

numéro_facture numéro_représentant
et
numéro_représentant nom_représentant
alors la DF
numéro_facture nom_représentant 63
n’est pas directe.
LE MODÈLE CONCEPTUEL DE DONNÉES

 Les formes normales

Un bon schéma entités-associations doit répondre à 9

règles de normalisation, que le concepteur doit
connaître par cœur.

64
LE MODÈLE CONCEPTUEL DE DONNÉES

 Première forme normale (1FN)

Un objet ou une association est en 1FN s'il possède un

identifiant et si aucune propriété n'est à multiples valeurs.

65
LE MODÈLE CONCEPTUEL DE DONNÉES

 Deuxième forme normale(2FN)

Un objet ou une association est en 2FN s'il est en 1FN et si
toutes les DF entre ses propriétés sont élémentaires.
Exemple

66
LE MODÈLE CONCEPTUEL DE DONNÉES

 Troisième forme normale(3FN)

Un objet ou une association est en 3FN s'il est en 2FN et si
toutes les DF entre ses propriétés sont directes.

Exemple :

67
APPROCHE INTUITIVE

Le MCD exprime un ensemble de phrases à travers les

entités et les associations.

Exemple :

La phrase : "les élèves sont gérés par un nom, un prénom

et une adresse"

est modélisée par l’entité "ELEVE" ELEVE

N° élève
Nom
Prénom
Age
Sexe
APPROCHE INTUITIVE

La phrase « lors d'une vacation, une classe suit dans une

salle, un cours enseigné dans une certaine matière » .

Est modélisée par l’association "COURS" :

Elève
Nom Matière
Prénom Cours Matière
N° Salle
Adresse

Vacation
Jour, tranche, horaire
APPROCHE INTUITIVE

Le concepteur du MCD découpe l'univers du discours en petits blocs

exprimés par différentes phrases. (Découpage un peu intuitif, mais
largement conditionné par les règles de gestions).

Par contre :

La démarche relationnelle est différente. Elle propose un discours

complet :

"Lors d'une vacation, une classe composée d'élèves ayant un nom,

un prénom, une adresse suit dans une salle un cours dispensé par
un enseignant ayant un nom, un prénom, une adresse, une
ancienneté, un salaire brut, ... dans une matière dont le nombre
d'heures est fixé par un programme" .
EXERCICE : GESTION D’UNE ÉCOLE
 Dans une école, on veut informatiser le système d'information qui gère les
classes.
 Elaborez un MCD sachant que:
 Un élève est caractérisé par son no. matricule, son nom et prénom, ainsi que
sa date de naissance.
 Une classe est caractérisée par le nom de la classe (p.ex 13CG2) et par une
indication du cycle (valeurs possibles: "inférieur", "moyen", "supérieur").
 Il faudra prévoir de connaître la fréquentation des classes des élèves sur
plusieurs années consécutives.
 Un élève enregistré dans le système fréquente au moins une classe au cours
des années.
 Un professeur est caractérisé par un code interne unique, son nom
et prénom et la matière qu'il enseigne. Nous supposons que71
chaque professeur enseigne une seule matière.
EXERCICE
Une école désire gérer la participation de ses apprentis à divers concours de menuiserie.
Chaque apprenti est encadré par un tuteur de l’école. Dans chaque concours, l’apprenti
doit réaliser un objet qu’il choisit lui-même. Le jury accorde toujours un nombre de
points qui permet d’établir le classement (si 2 apprentis ont le même nombre de points,
ils sont ex-æquo).
On désire connaître les concours auxquels ont participé les apprentis, l’objet réalisé, la
place et le nombre de points qu’ils ont obtenus (NB : pour la place, on ne gère que les
apprentis de l’école).
Les informations collectées sont :
- nom de l’apprenti - prénom de l’apprenti
- nom du tuteur - prénom du tuteur
- nom du concours - lieu du concours
- dotation globale du concours
- date du concours
- nombre de points obtenus
- place obtenue
- nom objet réalisé 72

 Etablir dictionnaire de données et MCD