Il existe un logiciel du groupe SIMILE dont on n’entend peu parler, et pour cause puisqu’il ne sert à rien. Ce logiciel c’est Welkin.

Welkin propose la vision dynamique d’une ontologie au format RDF. Utilisez-le, essayez le, et vous vous poserez certainement la question : à quoi çà sert ? A rien en fait, en tout cas a priori.

Mais, tout en reconnaissant que cet outil ne servait à rien, je n’arrêtais pas de l’utiliser. Pourquoi donc ?
Pourquoi être irrésistiblement attiré par quelque chose dont on reconnaît l’inutilité ?

Peut-être Welkin serait-il une forme de kaléidoscope ontologique : un kaléidoscope c’est beau et çà ne sert à rien. Qui passerait une demi-heure à regarder un kaléidoscope ? C’était pourtant mon cas avec Welkin.

Deux hypothèses :

• il y a un certain plaisir à manier la souris sur un modèle de connaissance représenté graphiquement et dynamiquement. Comme le chat a sa pelote de laine, le knowledge worker a sa pelote RDF.

• il y a un sentiment d’étrangeté à voir cette pelote de connaissance, tel un astronaute regardant la terre vue de l’espace pour la première fois. Là ou la terre est objectivée dans toute son envergure pour l’astronaute, l’ontologie est objectivé dans sa totalité spatialisée avec Welkin.

Mais il y a un autre facteur qui m’est apparu, c’est que mon intérêt, dans l’utilisation de Welkin, venait également en partie du fait que je connaissais l’ontologie. J’en connaissais le coprs, son corpus, puisque c’est moi qui l’avait faite.

Je retiens donc de cette petite expérience, qu’il est très important de jouer et d’essayer des logiciels avec ses propres données. C’est vraiment là que l’intérêt du logiciel prend tout son sens.

La preuve avec Welkin : on passe du temps sur un logiciel qui ne sert à rien, mais pour lequel on éprouve un intérêt inattendu dès lors qu’il s’agit de ses propres données.

Bien sûr c’est l’inattendu qui ici mériterait investigation. Car cet inattendu c’est un peu le nouveau visage du même : c’est notre corpus mais vu différemment, sous un autre angle, comme une nouvelle vue de l’esprit.

Related posts:

1. SAAS & SAAP sont dans un bateau Lisant une note d’Aurélien Pelletier, je m’aperçois que les acteurs...

C’est d’abord parce qu’il est destiné à être utilisé par les machines, non par les hommes. Il est destiné à être utilisé par des machines car il repose sur les logiques descriptives dont le formalisme permet de faire du calcul. Attardons-nous quelques instants sur ces logiques descriptives qui sont au coeur même des démarches « sémantiques ».

Une logique basée sur le calcul des prédicats est trop pauvre car elle ignore la notion de contextualité, c’est la raison pour laquelle, en matière d’ingénierie des connaissances, les logiques descriptives ont pris le dessus. Elles ont la prétention – c’est ce que dénote l’adjectif « descriptives »- de s’appuyer sur une représentation contextualisée des éléments qui la composent. Et pour ce faire, les logiques descriptives se proposent de regrouper les connaissances dans leur contexte d’application. Pour répondre à cette contextualisation de la connaissance, a été mis en place les Frames (Cadres). Je n’insisterai pas plus là dessus car la programmation orientée objet est issue de cette représentation des connaissances par des Frames (entités, classes, attributs, méthodes,…)
Une représentation des connaissances ( ou Base de connaissances, ou ontologie) est la somme des T-Box et des A-Box :

• Les A-Box: sont les assertions concernant les instances . Elles contiennent des connaissances quelconques sur les instances.
• Les T-Box: sont les connaissances terminologiques concernant les classes. Les T-Box contiennent des formules logiques qui caractérisent les classes , c’est le lieu même des logiques descriptives, que l’on appelle aussi parfois les logiques terminologiques.

A partir de là, on peut dire que :

• Raisonnement A-Box = moteurs d’inférence généraux
• Raisonnement T-Box = les méthodes DL (Logiques Descriptives) à proprement parler.

Le Web tel qu’il est à présent, mais de moins en moins, ne propose pas de sémantique formelle, cela signifie qu’aucun calcul ne pouvait avoir lieu. C’est la raison pour laquelle on a rajouté la norme XML permettant de rajouter des méta-données aux documents. Mais cela ne suffisait pas, il a fallut rajouter la norme RDF (Ressource Description Framework) proposant une syntaxe de triples en XML ( Objet A -> Relation -> Objet B). Cela ne suffisait pas non plus, aussi a-t-on rajouté RDFS (RDF Schema) qui propose une extension pour structurer les tags XML en classes, propriétés, etc. Finalement, en février 2004, le W3C a proposé la norme OWL (Web Ontology Language), dernière étape de la normalisation permettant aux logiques descriptives de pourvoir enfin opérer.

Trois normes OWL sont actuellement proposées :

• OWL Lite : c’est la version la plus simple.
• OWL DL : c’est la version la plus importante puisqu’elle correspond aux enjeux de la DL (logiques descriptives).
• OWL Full : son intérêt est pour l’instant plutôt théorique.

De ces quelques rappels, nous pouvons préciser les points suivants :

1. Les normes n’apparaissent pas par hasard, elles sont non seulement le fruit d’un consensus (entre les différentes parties prenantes : celles du monde de l’entreprise et dans une moindre mesure des universités) mais elles sont surtout là pour répondre à un impératif et à une exigence. En l’occurrence, pour les sciences de l’information et les technologies cognitives, il s’agit de pouvoir opérer et calculer sur les supports numériques.
2. Mais cela ne suffit pas : on ne procède pas à des normalisations où à des efforts de recherche importants si l’enjeu n’en vaut pas la chandelle. Quel est donc l’enjeu ? Il s’agit de dégager un consensus et d’agréger des représentations de l’information afin d’accélérer le contrôle de l’esprit et de la mémoire.
3. Cette logique s’exerce dans l’entreprise dans un but de rationalisation et d’efficience : c’est le cas dans les méthodes de développement ou dans les architectures informatiques qui ont les premières mis en oeuvre les standards du Web Sémantique (Java, XML, Web Services, ..), mais aussi dans les démarches management des connaissances (Bases de connaissances, capitalisation, partage des connaissances, …)
4. Mais c’est aussi et surtout une logique qui vise directement un tout autre objectif : relancer la consommation, par tous les moyens, j’ai bien dit « par tous les moyens ».

Epilogue :
Bien sûr, cette conclusion peut sembler abusive. Surtout pour toi, lecteur, qui est partie prenante de la démarche. Peut-être jugeras-tu la chute péremptoire et paranoïaque. Mais combien de personnes sur terre sont aussi instruites que toi ? Ceux qui vivent dans la misère symbolique vont se faire tirer comme des lapins par ce processus, par cette gigantomachie.

Related posts:

1. Houston, we’ve got a problem Sacrées Logiques Descriptives, on n’a décidément pas fini d’en parler...
2. Positionnement du web sémantique et du web 2.0 Les vieux démons du management des connaissances La plupart des...
3. Un monde ouvert Les Logiques Descriptives, celles utilisées pour faire des calculs d’inférence...

Voici un petit guide pour ceux qui veulent mettre en place une ontologie. Ce n’est bien sûr pas la seule façon de procéder, mais c’est celle que je trouve la plus pertinente.

Cette approche provient, entre autres, des travaux de Bruno Bachimont, Raphaël Troncy et Nathalie Aussenac-Gilles.

1. D’abord bien définir l’objectif de l’ontologie et comment son utilisation permettra d’atteindre ces objectifs.

2. Une ontologie est une représentation formelle des éléments, et de leurs relations, constitutifs d’un domaine de connaissance. L’ontologie n’est pas la représentation et la modélisation de l’expertise, ou des processus cognitifs de quelques personnes, c’est la modélisation d’un domaine qui correspond à un champ de pratique.

3. Il faut tout d’abord identifier les éléments de l’ontologie : pour cela travaillez avec des personnes ayant différents profils, mais qui tous ont une pratique dans le domaine de connaissance choisi.

4. S’il existe un corpus documentaire sur le sujet, aidez-vous de différents outils de traitement automatique des langues (par exemple SYNTEX pour repérer les éléments candidats, UPERY pour le regroupement de contexte et YAKWA pour le repérage de relations). Voir à ce sujet l’approche Terminae, qui émane du groupe « Terminologie et Intelligence Artificielle ».

5. Maintenant il va falloir fixer tout çà ensemble, et c’est la que c’est le plus dur. Pour ma part je suggère la méthodologie présentée par Bruno Bachimont, mise en place lors du projet MENELAS, qui vise à contraindre l’utilisateur à un engagement sémantique, en introduisant une normalisation sémantique des termes manipulés dans l’ontologie.

6. Il faut ensuite veiller à donner une signification précise aux termes de l’ontologie. Pour cela, il faut utiliser la sémantique différentielle de François Rastier pour laquelle le sens est intra-linguistique : il se construit par des relations d’opposition entre les unités du système linguistique. Les traits sémantiques qui déterminent le sens des termes sont appelés sèmes. Il y a deux sèmes :
-> les sèmes génériques qui permettent de regourper les unités entre elles.
-> les sèmes spécifiques qui permettent à une unité de se distinguer de celles avec qui on l’a regroupée.

7. Mais comme le sens est toujours fortement dépend du contexte, le mécanisme qui interprète l’attribution des sèmes aux termes doit être contrôlé. Le contrôle de cette interprétation est la normalisation sémantique.

8. La normalisation sémantique se met en place grâce à quatre principes :
->le principe de communauté avec le père
-> le principe de différence avec le père
-> le principe de différence avec la fratrie
-> le principe de communauté avec la fratrie
Les termes ainsi obtenus après être passés par la normalisation sémantique deviennent des primitives d’une taxinomie.

9. L’étape suivante va être la formalisation des connaissances. En liant les notions avec un ensemble de référents dans le monde on va donner une sémantique extensionelle qui va devenir une ontologie référentielle, composée de concepts qui vont agir comme des primitives formelles.

10. A présent il faut opérationnaliser les connaissances. Il s’agit pour cela de munir les concepts présents dans l’ontologie référentielle d’une signification en termes d’opération informatique. Cela donne l’ontologie computationnelle recherchée.

Pour vous outiller dans cette démarche utilisez DOE (Differential Ontology Editor). Puis reprenez le résultat de vos travaux avec Protégé pour finir le travail avec cet editeur de l’université de Stanford.

Pour exploiter votre ontologie il vous faudra :
-> une solution pour stocker l’ontologie (par exemple SESAME)
->une solution pour interroger et inter-agir avec l’ontologie ; c’est le moteur d’inférence.
Il y a deux catégories de moteurs d’inférence, ceux qui sont des langages et API programmables d’un côté (TRIPLE, KAON1, JENA2). Et de l’autre des raisonneurs généralement développés autour des logiques de description (FACT, RACER)

Related posts:

1. Stocker une ontologie J’ai déjà parlé de la confusion entre les logiques fermées...
2. Ontologie et équation logique L’ontologie informatique se laisse bien souvent, dans ses aspirations, aveugler...
3. Un monde ouvert Les Logiques Descriptives, celles utilisées pour faire des calculs d’inférence...