Le Web sémantique, un vaste terrain d'applications encore à défricher

Alors que le Web 2.0 initie les internautes à un nouveau modèle de contenu, de services et d'applications en ligne, le Web sémantique, vaste projet démarré en 1999 par le W3C, pourrait en révolutionner la perception. Son concept : structurer par des mots-clés ainsi que des annotations (meta-données) chaque donnée afin d'en extraire un champ sémantique et de les relier logiquement entre elles. Soit, plus concrètement, traduire la connaissance ainsi que la logique en langage informatique, capable d'être compris par une machine. Fi des pages web, bienvenu dans un monde d'automatisation de la représentation de la connaissance et des données intelligentes. Techniquement, la structure de base du Web sémantique repose sur une combinaison de principes, eux-mêmes convertis en termes informatiques. A la base, le XML qui fournit la grammaire générale au processus. Les annotations des données et les méta-données, traduites en RDF (RDF (Resources Description Framework), forment la couche du dessus, qui, grosso modo, décrit les ressources. Enfin, enveloppe logique qui englobe la couche précédente, l'ontologie, qui, schématiquement, décrit les descriptions. L'ontologie est représentée par le langage OWL (Web Ontology Langage - voir également "Owl, solution pour le Web sémantique") qui "permet d'ajouter des contraintes logiques qualifiantes", précise Xavier Lacot, consultant en architecture technique chez Clever Age. Ces trois langages forment l'ossature de base. Restent enfin SKOS (Simple Knowledge Organisation System) et Topic Maps qui de leur côté regroupent un ensemble de langages et de bonnes pratiques destinés à simplifier la représentation de thésaurus (qui hiérarchise les vocabulaires spécialisés et délivre des informations connexes) et vocabulaires (ensemble de termes définissant un sujet), dans un environnement de Web sémantique. Du web aux services sémantiques Le Web sémantique et ses technologies "transformeront toutes les données du monde en une gigantesque base de données", raconte Tim Berners-Lee dans son livre "Weaving the web" publié en 1999. Aujourd'hui, sept après sa conceptualisation, le Web sémantique ne trouve d'applications que dans quelques services en ligne, souvent étiquetés Web 2.0. C'est notamment le cas des réseaux sociaux, qui par le truchement d'ajout aux pages HTML de quelques balises dites "sémantiques", également baptisées microformats (voir l'article sur l'état des technologies en vigueur), parviennent à automatiser les relations entre individus. Ou encore dans les systèmes de "Tags Clouds", qui autorisent l'internaute d'ajouter des mots-clés à ses photos, par exemple, afin d'en faciliter l'accès et l'indexation. Autre exemple, plus axé autour du Web participatif, le wiki sémantique (Le sémantique Wiki expliqué sur Wikipédia), qui donne la possibilité aux internautes d'ajouter des mots-clés et des méta-données aux pages créées par le système de wiki. Et enrichir ainsi l'information et son indexation. Plus transparent pour l'utilisateur, le principe des bureaux sémantiques, encore au stade expérimental, s'appuie sur un transfert des technologies du Web sémantique, au poste de travail. Leur but : "s'inspirer des SOA en fournissant des prototypes de services sémantiques via des API", commente Stéphane Laurière en charge du projet Nepomuk chez Mandriva. Calendrier, gestion d'agenda, stockage, annotations, indexation et surveillance automatique font partie de l'attirail de services fourni par Nepomuk, projet de desktop sémantique social. "Il s'agit de faire communiquer des outils venant d'autres technologies, par le biais de plug-in. Et cela en tâche de fond." Le système s'adosse à une ontologie basée sur PIM (Personal Information Management - application de gestion d'informations personnelles, utilisée notamment dans Outlook). L'idée est de "fournir un extracteur qui convertit les données au format de cette ontologie", précise Stéphane Laurière. L'ontologie pour décrire les processus métiers Côté entreprise, le champ d'application des technologies qui entourent le Web sémantique demeure, quant à lui, réduit. Encore boudé par les décideurs (voir l'avis d'expert). "Certains éditeurs, spécialisés dans la manipulation de thésaurus et de bases de connaissances, se sont lancés sur le créneau, mais leurs solutions sont encore marginales, et paradoxalement peu orientées Web", commente Xavier Lacot. Reposant sur un écosystème d'outils de développement semblable à une peau de chagrin, les principes, tels que les ontologies, de l'approche sémantique, sont encore mal perçu par les entreprises. "Dans certains cas, le recours aux ontologies dans une système de gestion de la connaissance est pourtant évident", reconnaît Bernard Vatan, consultant en représentation de la connaissance chez Mondeca, société française qui développe ITM, une plate-forme sémantique complète. "Le développement d'une ontologie reste dédié aux entreprises manipulant de gros volume de données, et agit dans ce cas précis comme un fédérateur d'informations, affirme Bernard Vatant. L'ontologie formalise ici leur business, leur processus métier, en décrivant des règles logiques". En gros, il s'agit de se dédouaner d'un système reposant sur une hiérarchisation mécanique de type base de données, pour adopter un système basé sur l'automatisation de la connaissance. Techniquement, assure Bernard Vatan, "il n'y a pas de limite de croissance avec l'ontologie, contrairement aux bases de données. Le serveur d'ontologie devient une couche supplémentaire, connecté par de multiples API. Sa force est qu'il fédère l'information sans la détruire". Par exemple, chez Mondeca, la plate-forme sémantique tisse automatiquement des liens logiques entre des données et des documents de sources hétérogènes, pour en extraire une arborescence de la connaissance. Et pour cela, elle s'appuie sur une ontologie qui décrit les processus métiers, propre à l'entreprise. Bénéfice: gain de temps grâce à une recherche d'informations ultra-contextualisée côté utilisateurs, et enfin, gestion automatisée du savoir pour l'ensemble de l'entreprise, à chaque nouvelle entrée. Quels freins? La faiblesse des ressources en développement n'est pas la seule raison de la lente adoption des technologies liées au Web sémantique par les entreprises. Outre des temps de développements très importants, Bernard Vatan pointe également du doigt le manque de collaboration entre développeurs d'ontologie, pourtant un des fondamentaux à l'origine du Web sémantique. "Dans la pratique, peu d'entreprises aiment à partager et diffuser leurs développements d'ontologies. Les risques peuvent paraître minces sur la totalité du marché, mais repositionné par secteur, l'ontologie peut devenir une arme concurrentielle", explique en substance Bernard Vatan. Et d'ajouter: "Aussi matures que soient les outils, les entreprises se heurtent avant tout à un manque de compétence, qui cantonne les applications sémantiques aux mains d'experts, alors peu nombreux, ainsi qu'à une courbe d'apprentissage raide". En attendant, Bernard Vatan conclut: "il y a des gens qui ont de grandes visions pour le Web sémantique. Dans la pratique, son application reste restreinte, limitée principalement aux applications universitaires". Bien loin du pharaonique concept d'une base de données géante mentionné par Tim Berners-Lee.

Aujourd'hui le Web est constitué de suites de pages Web liées les unes aux autres sous forme arborescente ; les moteurs de recherche se contentent de trouver les mots clés à l'intérieur de ces pages. A l'opposé, le Web sémantique vise à atteindre un Web "intelligent", où des méta-données et informations relationnelles structurées (dits aussi inférences ou prédicats) seraient utilisables par des logiciels de recherche d'information. Le W3C a recommandé deux technologies pour le Web sémantique il y a tout juste un an : RDF (Resource Description Framework) pour la spécification, la syntaxe de description des ressources et informations et Owl (Web Ontology Language), un format de XML avec spécifications pour écrire des ontologies Web (les interrelations entre les meta-données). Les méta-données permettent de réaliser des recherches grâce à un thésaurus qui met en correspondance certains mots ou listes de mots. Néanmoins ces recherches sont limitées et binaires : l'absence d'occurrence du mot rime souvent avec réponse vide ou farfelue. C'est là qu'Owl intervient. Un exemple permettra de comprendre plus facilement le principe : au premier niveau une page Web comporte les méta-données produit = 'joint' et matériau = 'caoutchouc' ; au deuxième niveau on crée les inférences sous forme de triplets attribut-relation-attribut : caoutchouc est fabriqué avec latex ; latex provient d'hévéa ; hévéa trouvé en Sierra Leone. Owl permettra au logiciel de recherche de retrouver les liens entre toutes les informations grâce à des ontologies s'appuyant sur les inférences des différentes pages. Cette technologie autorise la recherche et la remontée d'informations sur les joints ou le caoutchouc dans des pages traitant d'autres termes définis dans les inférences. Les relations d'équivalence, d'inégalité ou de négation sont utilisées. Owl autorise les relations de symétrie (si l'hévéa est trouvé en Sierra Léone, alors en Sierra Leone on trouve des hévéas) et la transitivité (si le latex provient de l'hévéa et l'hévéa se trouve en Sierra Leone alors le latex provient de Sierra Leone). Une technique qui rappelle les prédicats et les règles relationnelles utilisés en intelligence artificielle. Rechercher dans de grandes quantités d'informations Owl intéressera donc les éditeurs d'outils de recherche d'information, les sociétés spécialisées en veille, mais aussi, dès que ces agents nouveaux seront en production, tous les concepteurs de sites Internet sous peine de ne plus être référencés. Côté utilisateur final, toutes les industries qui disposent de vastes quantités de données stockées sous forme de documents texte, images, sonores, vidéos, sont intéressés par des correspondances entre fichiers associés à un même produit avec des recherches non intrusives. Pour Paul Vivant, directeur de Digimind, une SSII française spécialisée dans la veille stratégique, « le langage Owl est mature quoiqu'encore assez peu utilisé mais le phénomène devrait prendre de l'ampleur petit à petit, du fait de la recommandation du W3C ». Et Paul Vivant, d'ajouter : « Owl fonctionne réellement : la prochaine version du logiciel de veille de Digimind utilisera Owl et les ontologies ». A faire taire les mauvaises langues qui jugent Owl trop verbeux, entouré de termes très techniques et conceptuels ; bref , trop sémantique !

Pourquoi adopter une technologie quand son écosystème de développement n'est pas adapté? Cette réflexion, qui taraude nombre de décideurs, pourrait s'appliquer au Web sémantique. Car en dépit des larges possibilités (voir papier1) côté applications, le principe souffre encore d'un environnement de développement trop maigre, signe d'un écosystème trop jeune. Pourtant, comme l'estime Bernard Vatan, consultant en représentation de la connaissance chez Mondeca, "le coeur de la technologie est au point. Les outils de développement en place, aussi rares soient-ils, fonctionnent et offrent de bon temps de réponses". Le constat est ainsi simple : les outils du Web sémantique sont opérationnels, mais pas suffisamment mûrs pour attirer l'attention des entreprises et des développeurs. Si les langages OWL et RDF, ossatures de l'approche sémantique, sont, quant à eux, matures - tous deux ratifiés par le W3C en 2004 -, leur implémentation et leur manipulation dans des cadres applicatifs (framework) restent succinctes. Schématiquement, RDF traduit les données en méta-données. OWL doit représenter en langage informatique les ontologies, soit les liaisons logiques qui relient les données entre elles. Sur le segment des frameworks sémantiques, Jena et Sesame, deux cadres applicatifs Java, font office de référence, mais sont peu implémentés. Pour exploiter et manipuler les données, notons SPARQL, un langage de type SQL adapté au tandem RDF / OWL. En "Candidate Recommandation" depuis avril 2006, SPARQL offre la possibilité de créer des requêtes sur les méta-données décrites en RDF. Il est notamment implémenté dans Jena via le processeur ARQ et est supporté dans RAP (RDF API for PHP) qui fournit une API RDF au langage PHP, le plus utilisé du Web. "La familiarité de SPARQL [proche de SQL, ndlr] pourrait par ailleurs faire office d'amorce des technologies sémantiques", commente Bernard Vatant. D'autres langages, moins aboutis, sont actuellement en développement, tels que RQL ou eRQL, mais déjà implémentés dans Jena et Sesame. Des formats pour une transition sémantique en douceur En attendant, le W3C planche concrètement sur des formats transitoires. Leur objectif : pousser les développeurs et les entreprises vers l'adoption des principes du Web sémantique, en expérimentant des formats facilitant la migration à partir de l'existant (comme de xHTML), vers la prise en compte des méta-données. En clair, comment faire du Web sémantique sans toucher à la complexité OWL. Optimiste, Xavier Lacot pense qu'"ouvrir son système d'informations au sémantique devrait donc se faire par étapes, en profitant par exemple de l'existence de langages tels que les microformats pour amorcer la transition". Bien moins puissants que RDF, les microformats doivent promouvoir l'approche sémantique "de premier niveau", grâce à leur simplicité d'implémentation. Il s'agit grosso modo de baliser sémantiquement un contenu existant en xHTML. Notons par exemple XFN (XHTML Friends Network) qui formalise par de simples attributs les relations entre individus, comme dans les réseaux sociaux en ligne; hCalendar qui décrit sémantiquement les données du standard iCalendar (échange de données de calendrier); hCard pour les données de vCard; ou rel-tag qui permet de tagguer sur le modèle Technorati. L'un des gros intérêts des microformats est qu'ils sont développés pour être lu "par des humains, d'abord et des machines ensuite". Plus abouti, GRDDL (Gleaning Resources Description from Dialects of Languages), dernier projet du consortium W3C en cours d'élaboration, devrait lui aussi fournir un cadre opérationnel de transition. Ce futur standard doit définir un mécanisme pour extraire et transformer des microformats XML en RDF. Conçue pour une mise en place rapide, GRDDL ne remplacera pas OWL et le recours aux ontologies. Ces dernières, réservés à être comprises d'abord par les machines, définissent un spectre plus large et plus complexe de noeuds entre les données. Les microformats, quant à eux, doivent rester lisibles par les humains. Reste que la "démocratisation" du Web sémantique pourrait alors venir du langage SKOS. "Je crois plus en l'adoption de SKOS pour échanger des données structurées dans les entreprises, car sa structure est moins complexe que OWL. SKOS est l'outil qui va davantage faciliter la migration vers les technologies sémantiques, car elle représente des thésaurus, toute la structure hiérarchique des concepts", analyse Bernard Vatant.

Comment les rouages du web sémantique vont aider les entreprises à manipuler leurs données? L'intérêt principal du couple RDF/OWL est qu'il structure l'information en levant l'ambiguïté et la complexité des champs d'une base de données. Auparavant, la structure des données - l'intelligence que reflète ces mêmes données- reposait sur le bon vouloir du seul administrateur, à travers la création de champs. Par exemple, une famille pouvait être traduite par une colonne ID "père" puis une colonne ID "mère". Une méthode compréhensible uniquement par les francophones et les administrateurs. Avec OWL, on peut par exemple caractériser le lien de filiation. Où en sont les développements? Nous pouvons affirmer que l'offre et les ressources restent rares. Cela est en partie dû à la jeunesse des technologies. Pour autant, il n'existe aucun frein à utiliser les frameworks sémantiques tels que Jena [projet de cadre applicatif Java poussé par HP, NDLR]. Les technologies standards permettant de manipuler les données RDF et OWL , notamment SPARQL et surtout RAP (RDF API for PHP), sont devenues très complètes. Pourtant peu d'entreprises s'y risquent. Existe-t-il un frein à l'adoption du sémantique? Le frein est d'abord un frein de performance: parcourir des données avec un moteur sémantique est moins rapide qu'avec un binaire Oracle, par exemple.[...] Ensuite, intervient la dichotomie entre les souhaits des développeurs et la volonté des décideurs, généralement frileux à les adopter à cause des risques que cela pose [comme le manque de référence ou la jeunesse de l'écosystème, par exemple, NDLR]. Il faut encore les convaincre. Pouvez-vous citer un exemple de projet? Si l'entreprise manipule un volume de données qualifiées, elle est concernée par l'approche sémantique. RDF apporte la pérennité au système, quelque soit le langage. Et l'utilisation des technologies liées au sémantique permet des développements très rapides. On utilise actuellement un moteur sémantique dans un projet de datawarehouse pour une banque. Son objectif, ramener les données métiers, bancaires et des clients et les faire communiquer entre elles par des services web sémantiques. Les développements reposent sur PHP, on utilise RAP, qui nous permet de faire des requêtes sur un fichier RDF. Le secteur des banques est un domaine où les données sont faciles à structurer selon le modèle sémantique.

L'ontologie expliquée au profane
Un wiki sur le Web Sémantique en Français
Portail référençant des outils Open Source pour le web sémantique
DAML Ontology Library, une bibliothèque d'ontologies
Projet de l'UE d'éducation et d'information aux technologies appliquées du web sémantique
Spécifications du langage SKOS
Spécifications du langage OWL
Spécifications du langage RDF
Traduction française des spécifications de XML Topic Maps
Un wiki sur les microformats en français
Traduction française de l'article de TBL dans The Scientific American (2001) - The Semantic Web
Le wiki d'ontoworld.org

"Un certain nombre de propos qui me sont attribués dans votre dossier sur le Web sémantique en date du 20/02/2007, par ailleurs de grande qualité, nécessitent clarification. Si j'en juge par les retours que j'en ai eus, les propos rapportés semblent contribuer à véhiculer une vision globalement assez négative de l'état de ces technologies et de leur adoption par le marché, vision qu'il ne me semble pas avoir voulu transmettre lors de l'entretien dont ces propos ont été extraits. Tout d'abord le dossier ne parvient pas à éviter l'amalgame entre d'une part la "vision" originale du "Semantic Web" de Tim Berners-Lee, où le savoir de tous sur tout deviendrait interopérable grâce à la sémantique commune permise par les langages RDF, et l'application des mêmes technologies et langages sémantiques dans les mondes plus clos que sont les systèmes d'information d'entreprise, les portails de communauté, les administrations, ou les grands centres de documentation. On est en droit pour toutes sortes de raisons tant techniques que sociales, d'être sceptique sur le réalisme de la vision de Tim Berners-Lee, j'ai pu exprimer un tel scepticisme lors de l'entretien, et dans ce cas ma remarque sur le caractère encore "essentiellement universitaire" du Web sémantique est à lire uniquement dans ce sens-là. Par contre, et c'est le point essentiel que je voudrais clarifier, l'adoption par des entreprises majeures des *technologies et langages sémantiques* est une réalité que nous vivons quotidiennement à Mondeca, et ce depuis plusieurs années, et nos clients sont là pour en témoigner. Les solutions mises en place pour des domaines aussi variés que l'automobile, la presse, l'édition juridique ou le tourisme, montrent la capacité de ces technologies à dépasser les limites et contraintes des solutions utilisant des bases de données classiques, et leur capacité opérationnelle en vraie grandeur dans des environnements de production exigeants en termes de complexité, de performance et de volume de données. Le fait même que les entreprises soient réticentes à partager leurs ontologies, présenté comme un frein dans le dossier, est de fait un signe plutôt positif montrant que les entreprises comprennent que leur vocabulaire métier et sa structuration sémantique est une richesse à exploiter de façon stratégique, richesse sans doute plus précieuse que les données elles-même que ces ontologies permettent de structurer. En bref, la pénétration de ces technologies dans la réalité de l'entreprise est bel et bien en marche. Par ailleurs, et c'est là aussi un point important, la famille des langages sémantiques est nombreuse, et ses membres (RDF, RDFS, OWL, SKOS... ) sont souvent vus à tort comme concurrents. En fait la niche de chacun de ces langages devait se clarifier et cette clarification est maintenant bien avancée. A cet égard les applications d'entreprise sont un excellent terrain de test, et permettent aujourd'hui une vision claire de la place de chacun des composants dans des architectures où ils doivent être vus comme complémentaires. Un autre point capital qu'il me semblait avoir abordé lors de l'entretien mais qui n'apparaît pas dans le dossier et je le regrette, c'est que la mise en place de technologies sémantiques au sein de l'entreprise nécessite un décloisonnement des "silos" traditionnels du savoir, en obligeant tous les acteurs du système d'information à parler le même langage, et donc à expliciter la sémantique de leurs jargons respectifs, à mettre à plat les accords ou désaccords implicites, les approximations et les incohérences, les modes de pensée et de traitement de l'information etc. Cet "audit conceptuel" des données et du langage est parfois douloureux mais toujours bénéfique, il est incontournable pour la transition vers les systèmes sémantiques, mais en même temps ces mêmes systèmes aident à sa réalisation. Nous avons de nombreux retours clients du caractère "gagnant-gagnant" de ce processus. Enfin, en ce qui concerne le Web sémantique proprement dit, il est à noter que de plus en plus de données structurées et libres d'utilisation sont publiés sur le Web par des entreprises, des centres de recherche, des organismes publics, des communautés territoriales ou d'intérêt, souvent par l'intermédiaire de plate-formes collaboratives de type Wiki. Que ces données emploient ou non explicitement les formats "officiels" de la famille RDF, la sémantique explicite ou implicite gouvernant ces données structurées contribue à la "sémantisation" progressive du Web. De telles données sont pour ainsi dire "pré-mâchées" pour des applications qui peuvent facilement les migrer au format RDF et les rendre accessibles par Web Services. Voir par exemple les projets Geonames (http://www.geonames.org/ontology/) pour les données géographiques, ou dbpedia (http://dbpedia.org/docs/) pour les données structurées issues de Wikipedia."