La Semantic Web Company est une entreprise viennoise spécialisée, comme son nom l’indique, dans la mise en œuvre des technologies du web sémantique. Dans un billet de blog publié le 26 juin et titré « Dans un proche avenir, les moteurs de recherche basés sur des thésaurus seront généralisés »  SWC publie le résultat d’une étude sur le thème des vocabulaires contrôlés, menée en mai-juin 2011 auprès de plus de 150 intervenants dans 27 pays.

A la première question, « Pensez-vous que les entreprises et autres organisations peuvent grandement bénéficier de l’utilisation du Linked Data ? », la réponse est clairement OUI.

Une question corollaire révèle également que  les organisations de toutes tailles ont globalement la même opinion sur le Linked Data. Seules 14 répondants sur 158 considèrent que le Linked Data est un phénomène de niche. On peut globalement dire que plus de 90% des participants pensent que la plupart ou tout au moins certaines organisations peuvent bénéficier du Linked Data.

Les réponses à la seconde question, « Pensez-vous que les moteurs de recherche qui utilisent des thésaurus afin d’améliorer les résultats seront généralisés ? » sont étonnantes : les deux tiers des participants pensent que la recherche basée sur des thésaurus est déjà ou deviendra dominante dans un avenir proche.

Enfin, les réponses à la question  « Quelle est l’importance de l’utilisation de normes comme SKOS pour les vocabulaires contrôlés ? » parlent d’elles-mêmes.

Plus des trois quarts des participants à l’enquête sont convaincus que des standards comme SKOS sont importants pour leur travail quotidien. Deux ans après l’adoption du nouveau standard SKOS en août 2009, il peut être considéré comme adopté puisque 48,7% des répondants ont déclaré que SKOS est « très important » et 29,1% le désignent comme « pertinent ».

En synthèse de cette étude, on peut dire que la communauté du web sémantique a fait un excellent travail pour convaincre les utilisateurs de vocabulaires contrôlés de tirer avantage de SKOS et du Linked Data. Pour autant, seulement 3 à 5% des interrogés sont informés de l’existence de SparQL considéré comme un outil utile pour construire des API standard autour des vocabulaires contrôlés, afin de réduire les coûts d’implémentation de systèmes d’organisation des connaissances.

Antidot a pris cette orientation il y a plus de 5 ans…

Aujourd’hui, de nombreux articles et conférences sont consacrés aux apports industriels du web sémantique et nous nous en réjouissons.

Car cela fait de nombreuses années qu’Antidot a décidé d’intégrer à ses technologies les standards du web sémantique. Dès 2005, alors même que ces standards étaient encore en discussion au sein du W3C, et après avoir participé à des projets de recherche sur ces sujets, nous sommes allés résolument de l’avant, car nous étions convaincus  que l’amélioration de la qualité des résultats fournis par un moteur de recherche passerait notamment par l’utilisation de thésaurus et de vocabulaires contrôlés.  Ainsi, dès 2007, nous avons mis en œuvre SKOS et RDF dans des projets industriels, par exemple pour le moteur de recherche de petites annonces du groupe PagesJaunes.

Mais bien au delà des apports évidents de l’utilisation des vocabulaires contrôlés et plus largement des référentiels,  notre engagement s’est également porté sur le Linked Data car nous pensons que la consolidation des données internes de l’entreprise avec des données externes démultiplie la valeur de l’information et donc son efficacité pour l’utilisateur. Ces deux points (référentiels et Linked data) sont d’ailleurs liés puisque les référentiels jouent un rôle clés dans le maillage de l’information et servent de pivot pour articuler les données issues de sources diverses.

… et nos choix sont validés par des projets industriels

C’est sur la base de ces travaux, passés de la R&D à l’application concrète, que notre produit phare, le moteur de recherche Antidot Finder Suite, supporte depuis des années les ontologies et thésaurus décrits selon les formalismes OWL et SKOS.

Pour donner un exemple très simple de leur utilisation, c’est grâce à un thésaurus de couleurs nativementexprimé en SKOS, qu’un site marchand vendant des articles textiles et utilisant AFS@Store pourra proposer un vêtement « kaki » à un utilisateur cherchant du « vert » et ceci même si le mot « kaki » ne figure pas explicitement dans la fiche produit :

Autre exemple chez un client institutioneld’Antidot, avec l’AFPA : le moteur de recherche mis en place sur le site web de l’organisme en charge de la formation professionnelle des adultes – www.afpa.fr – intègre le thésaurus Formacode® 2008 pour réaliser une extension sémantique entre le code ROME de l’ANPE et les offres de  formation proposées par l’AFPA :

Cette intégration au moteur de recherche du thésaurus métier, formalisé en SKOS, permet de catégoriser automatiquement toute l’offre de formation et d’y donner accès de manière plus intuitive pour les utilisateurs, qui s’expriment naturellement avec leurs propres mots.

Au-delà de ces deux exemples impliquant la mise en œuvre de vocabulaires contrôlés, Antidot considère que les standards du web sémantique constituent désormais un apport majeur pour mieux

• produire automatiquement des métadonnées sémantisées et standardisées au format RDF, à partir de différentes sources dont on collecte les données qui sont ensuite automatiquement agrégées et dynamiquement articulées ;
• restituer ces données sous forme d’une information nouvelle, enrichie, orientée usage et utilisateur, qui peut être exposée dans la logique du Linked Data.

C’est pour cela que nous avons lancé il y a quelques mois notre solution Antidot Information Factory qui permet de construire et d’exploiter des chaînes de captation et transformation des données pour une mise en relation intelligente des informations disponibles. AIF a rendu possible de grandes réalisations, comme la plateforme ISIDORE du CNRS – TGE Adonis qui apporte un accès unifié à plus d’un million de publications produites par la recherche française en sciences humaines et sociales, et qui constitue à ce jour un des plus grands projets Open Data français.

D’autres projets de grande ampleur, qui tirent parti de façon industrielle des thésaurus, et plus largement du web sémantique et de l’approche du Linked Data, sont en phase de développement chez nos clients et seront mis en production dans les prochains mois. Ces réalisations emblématiques démontrent tout le bien fondé de notre approche technologique, nous ne manquerons pas de vous les présenter le moment venu !

Ces rencontres professionnelles du web sémantique s’articulaient autour de 2 journées complémentaires de conférences et de tutoriels. Elles ont rassemblé plus d’une centaine de participants, issus du secteur associatif, du monde académique et de la recherche, de grandes entreprises et de PME innovantes.

Le premier jour, Gautier Poupeau, consultant chez Antidot et membre du comité de programme, participait à la conférence de presse, en compagnie des représentants du W3C, de la BBC, de l’INRIA, et de Logilab.

L’après-midi, Jérôme Mainka, co-fondateur et directeur de la recherche  d’Antidot, est intervenu pour présenter le sujet “Moteurs de recherche et Web Sémantique” – voir sur Slideshare – télécharger le PPT (5,3 Mo).

Le lendemain, Gautier Poupeau a co-animé 2 tutoriels :

• le matin, “RDFa, comment insuffler un peu d’intelligence à une page Web ?” en compagnie d’Ivan Herman, en charge du Semantic Web au W3C – voir sur slideshare – télécharger le PPT (2,8 Mo)
  RDFa, comment insuffler un peu d’intelligence à une page Web ?

  Voir toutes les présentations publiées par Antidot.
• l’après-midi, “SPARQL, comment illuminer vos mashups en consommant les données du Linked Data ?” avec Alexandre Passant du DERI – voir sur slideshare – télécharger le PPT (3,6 Mo).
  SPARQL, comment illuminer vos mashups en consommant les données du Linked Data ?

  Voir toutes les présentations publiées par Antidot.

De l’avis des participants, qui durant les 2 journées ont commenté en direct sur Twitter, les présentations et tutoriels étaient de très bon niveau et les échanges  enrichissants.

Des compte-rendus de SemWeb Pro ont été publiés, notamment par

• Emmanuelle Bermès de la BNF
• David Larlet

Nous signalons également ces articles de

• Silicon : “Le web sémantique comme future solution de gestion de l’information“
• Clubic : “Retour sur les enjeux du web sémantique“
• L’informaticien : “Le Web sémantique est encore une problématique majeure“
• Collaboratif-Info : “Le Web sémantique, déjà une réalité, pas encore un phénomène de masse“
• 01Net Pro: “Semweb.pro : la France bien positionnée sur le web sémantique“
• LeMagIT : “Semweb Pro : le web sémantique français se cherche encore des entreprises utilisatrices“

Dès à présent nous vous donnons rendez-vous dans un an, pour SemWeb Pro 2012 !

Cet événement a rassemblé, de manière informelle, une trentaine de participants d’horizons divers,  jeudi 16 décembre. Nous remercions l’IRI – Institut de Recherche et d’Innovation du centre Pompidou – d’avoir mis à notre disposition, au cœur de Beaubourg, une salle qui a permis de recevoir ce Meetup dans de très bonnes conditions.

Le thème retenu pour ce premier atelier était “Comment réconcilier le SI legacy et le Web par le Web sémantique ?“, et Christian Fauré, Principal Enterprise Architect chez Cap Gemini et défenseur de longue date du Web sémantique, avait accepté notre proposition de l’animer.

En effet, dans deux récents billets de son blog, titrés “Les technologies relationnelles dans les systèmes d’information” et “Métastabilité et architectures logicielles“, Christian a développé un propos selon lequel il faut distinguer les “technologies de gestion” – en gros, l’informatique de gestion et de production actuelle” et les “technologies relationnelles” – qui sont au cœur du Web. Et il pose la question de savoir en quoi les technologies du Web sémantique peuvent justement permettre de réconcilier ces deux visions.

L’idée était donc de nous réunir en atelier pour échanger autour de ce sujet des “technologies relationnelles” et de l’actualité du web sémantique – sérialisation du RDF, API RDF et RDF comme Hypermedia Type – en essayant de dresser la filiation du Web sémantique avec l’évolution du Web – Web 1.0, Web 2.0 et désormais Web 3.0 – d’une part et les applications traditionnelles du système d’information d’autre part.

Une fois les participants accueillis par un représentant de l’IRI puis par Gautier, Christian a développé le propos déjà publié sur son blog. Il a, dans une première partie, introduit les concepts philosophiques qui sous-tendent sa réflexion en s’appuyant sur les travaux de Bernard Stiegler et de Gilbert Simondon sur la prolétarisation, l’individuation et les systèmes techniques : la grammatisation des relations entre individus s’inscrit dans un milieu technique qui favorise l’individuation (milieu associé) ou pas (milieu dissocié). Pour Christian, les “technologies de gestion” entraînent une désindividuation et donc plutôt la prolétarisation des utilisateurs et même des concepteurs et développeurs de ces systèmes, tandis que les “technologies relationnelles” sont au cœur de l’individuation psychique et collective. Christian considère que le bon concept pour distinguer si une technologie est plutôt “de gestion” ou “relationnelle” est le concept de « métastabilité » appliqué aux architectures logicielles.

Dans le web, la possibilité de feedback introduit la métastabilité : chaque contribution d’un utilisateur est source de feedback sur le service web qu’il utilise et contribue potentiellement à son évolution. Mieux, l’analyse des logs constitue déjà un feedback, alors qu’en technologie de gestion l’analyse des logs ne sert qu’à détecter un bug pour remettre le système logiciel dans un état stable, voire hyper-stable.

Dans les technologies relationnelles, et donc le web, l’itération – qui n’est pas la répétition – devient la norme, et le système entre graduellement en résonance avec ses utilisateurs. En revanche dans les technologies de gestion le système est intégralement spécifié, puis conçu et mis en production avant de passer en maintenance.

Qu’en est-il alors pour les technologies du Web sémantique ? Technologies de gestion ou technologies relationnelles ? La réponse est eu cœur même des interrogations qui accompagnent le Web sémantique depuis 10 ans. En effet, si le Web sémantique s’est d’abord orienté vers l’intelligence artificielle et les systèmes experts qui s’apparentent plutôt aux technologies de gestion, l’émergence depuis 2006 du « Linked Data » ou « Web de données » a permis de réintroduire le Web et les technologies relationnelles dans la réflexion sur le Web sémantique.

Malgré tout, le Web sémantique reste encore une promesse. En effet, l’enjeu du web sémantique aujourd’hui, afin de s’accomplir pleinement en tant qu’ensemble de  technologies relationnelles, est de se « socialiser » c’est-à-dire de ne pas se contenter d’être un « web des machines », avec un fort déséquilibre entre l’écriture de « données liées », qui se limiterait à un back-office, tandis que les utilisateurs seraient cantonnés à de la consultation en mode « lecture » dans le front-office.  Ceci s’inscrit dans un mouvement général du web qui se déplace vers l’utilisateur. Ce mouvement étant soutenu par les développeurs d’applications, comment amener les développeurs au web sémantique ?

En effet, Christian remarque que, De plus, de par la métastabilité inhérente au Web, le processus de normalisation d’une technologie du Web succède toujours  à son adoption. Or la normalisation des technologies du Web sémantique a jusqu’à maintenant suivi un chemin inverse, via des “propostions”, ce qui pourrait expliquer en partie les difficultés rencontrées. Comment alors, dans ces conditions, assurer la « socialisation » du Web sémantique, sa dissémination auprès des développeurs et, au-delà des concepteurs et développeurs, comment amener au web sémantique chaque utilisateur du Web, et de façon véritablement contributive ?

Afin de répondre à ces questions, Christian a esquissé pour finir quelques pistes techniques en posant les questions suivantes :

• Peut-on développer avec des langages fonctionnels des applications mettant en œuvre RDF, sans perdre la richesse du graphe ?
• Quelle sérialisation pour RDF ? XML est-il incontournable ?
• Opportunité d’une API pour RDF ? L’API n’est-elle pas déjà HTTP ?
• Faut-il faire de RDF un Hypermedia Type ?
• Comment faire décoller l’usage de SparQL ?

Les échanges entre les participants ont été animés et parfois presque vifs. Moi qui suis encore au début de ma courbe d’apprentissage sur le web sémantique, j’en ai retenu les points suivants, que vous pouvez évidemment compléter ou discuter en commentaires de ce billet :

• L’Union Européenne a approuvé une roadmap pour favoriser la publication massive de données publiques suivant les principes du Linked Data.
• La question de la maturité des outils de stockage des données a été au cœur de plusieurs interventions sur les problématiques de montée en charge, de maintenance ou même de modèles sous-jacents pour le stockage (SGBDR classique avec éventuellement l’implémentation des standards en cours de réflexion au W3C sur le sujet : R2RML ou direct mapping,  column store…)
• Le bénéfice premier et fondamental du web sémantique, c’est le partage de données : plus il y aura de données partagées via le web sémantique et plus il pourra y avoir de créativité autour de ces données : la publication en RDF peut créer un effet de réseau, et la valeur de ce réseau de données pourrait croître exponentiellement.
• Le premier vecteur de diffusion du web sémantique et de RDF sera peut-être le e-commerce, car s’il existe une information que les entreprises sont prêtes à publier c’est bien leur catalogue. On constate d’ailleurs les progrès rapides de RDFa / GoodRelations, désormais adoptés par les grands acteurs car le secteur du commerce en ligne voit un intérêt de business immédiat. Ainsi par exemple la description complète d’un produit technique comme une chaudière peut nécessiter de décrire plusieurs centaines ’attributs : un graphe RDF le permet.

En conclusion, il a été rappelé que, si ce premier Meetup a été mis sur pied par Gautier et Antidot, qui en organisera un par trimestre, chaque participant peut évidemment s’impliquer en proposant des thèmes et en prenant en charge l’organisation de prochains ateliers : le champ à défricher est très vaste, et toutes les énergies sont à mobiliser !

J’en profite d’ailleurs pour mentionner une autre initiative très intéressante, avec cet événement qui aura lieu les 16 et 17 janvier à Paris : la conférence SemWep.Pro 2011 vous propose une journée de conférence et une journée de tutoriels destinées à faire se rencontrer les acteurs du Web Sémantique, tant du côté de la communauté scientifique que des industriels.

PS : Merci à Gautier, qui a pris le temps de me relire et d’ajouter de nombreux liens fort utiles.

Mise à jour le 10 janvier 2011 : la vidéo de l’intervention de Christian est disponible via son blog.

Tout d’abord, il y a l’indexation sémantique : celle qui consiste, lors de l’analyse d’un document, à rattacher chaque mot à un concept sous-jacent. Ainsi, par exemple, pour le mot jaguar, il faut déterminer s’il s’agit du félin, de la voiture ou de l’avion. Et ça, c’est compliqué. Tout d’abord, il faut une “liste” de concepts cibles (le sens du truc qui est derrière le mot) pour pouvoir transformer le mot en concept. Il faut donc avoir modélisé tous les concepts… Autant dire que c’est peine perdue : cela sous entendrait que tout le monde pense de la même façon et se représente le monde à l’identique. Ensuite, il ne faut pas se tromper lors de l’analyse : faux amis, ambiguïté… Et d’ailleurs, tout ça est tellement compliqué que ça n’a jamais marché. C’est sans doute une des grandes errances et un Graal illusoire des moteurs de recherche des années 80-90. Les grands acteurs de ce domaine se sont dès lors fixé des objectifs plus modestes, mais dont les résultats sont plus probants : extraction d’entités nommées, data mining, etc.

Puis il y a l’extension sémantique. Là, plus de concepts, mais seulement des vocabulaires : dictionnaires de synonymes, thésaurus, taxinomies. Le principe est simple : élargir la recherche de l’utilisateur exploitant les synonymes (même sens), les hyperonymes (sens plus large : véhicule est hyperonyme de voiture et camion) et les hyponymes (sens plus réduit). Et donc, si l’utilisateur cherche une chemise verte, il est de bon ton de lui remonter aussi des chemises kaki ou émeraude. C’est ça l’extension sémantique : étendre la recherche de l’utilisateur en appliquant des dictionnaires. Et si possible uniquement du vocabulaire spécifique à domaine et à un objectif fonctionnel afin de ne pas introduire de bruit. Cette méthode, associée à des traitements linguistiques de type lemmatisation, a largement pris le pas sur les autres car elle offre à la fois de bonnes performances tout en garantissant un coût de mise en œuvre et de maintenance réduit. C’est d’ailleurs le choix d’Antidot pour AFS.

Je passe à regret aujourd’hui sur l’indexation sémantique latente (LSI : Latent Semantic Indexing) qui est une approche mathématique permettant de générer automatiquement lors de l’indexation l’ensemble des concepts d’un corpus et de les relier à des mots et des documents caractéristiques. Ce sujet intéressant fera très certainement l’objet d’un prochain billet.

J’en arrive enfin au web sémantique. Et c’est certainement là que règne la plus grande confusion. Car contrairement à ce que le mot « sémantique » laisse suggérer, il ne s’agit pas pour les moteurs de recherche de découvrir les concepts et le sens caché des textes. Bien au contraire. Il s’agit d’expliciter manuellement le sens des informations afin que les ordinateurs puissent les exploiter de façon automatique, sans ambigüité et à grande échelle. Prenons un exemple : sur le site web d’un restaurant on trouve l’information “ouvert tous les jours sauf le lundi hors période scolaire”. On note que cette phrase est déjà ambiguë pour un humain (“hors période scolaire” s’applique-t-il à “tous les jours” ou à “sauf le lundi” ?) mais elle est franchement inexploitable en tant que telle par un moteur de recherche qui vient lire cette page. L’idée sous jacente au web sémantique est donc qu’il faut ajouter dans la page web des informations formelles (grâce à des balises invisibles à l’utilisateur) afin que les logiciels de recherche puissent collecter cette information et l’exploiter.

Le web sémantique est très loin de l’indexation sémantique et des promesses de l’intelligence artificielle des années 80. Pas d’analyse du sens caché, pas de réponse miracle à une question exprimée en langage naturel. Mais c’est sans doute en cela qu’il va tenir ses promesses. Et comme l’avoue Tim Berners Lee, le mot web sémantique est mal choisi (par lui même) car sujet à trop d’incompréhension, et il suggère d’employer maintenant l’expression « web of data » : le web des données.

C’est vrai que ça fait moins rêver… mais comme les mots ont un sens, autant le respecter !