Quelle sémantique ?

8Si on veut représenter des connaissances, interpréter des contenus, quelle conception de la sémantique et du sens doit-on adopter ? Nous avons deux objectifs ou contraintes : d’une part, être capable d’expliciter le sens d’un contenu, d’autre part, rendre exploitable cette explication par un traitement informatique.

9Plusieurs approches sont possibles.

• Une approche psychologique, où le sens d’un terme est la représentation mentale qu’on en a. S’entendre sur une même chose revient à en avoir la même représentation mentale. On retrouve souvent cette approche dans les sciences cognitives, où le sens serait « dans la tête », comprendre le cerveau permettant alors de saisir ce qu’il pense.
• Une approche linguistique, où le sens d’un terme consiste dans sa paraphrase en d’autres termes. Cette approche se retrouve en linguistique, en sémiotique, notamment la sémiotique des cultures de F. Rastier, qui reprend le paradigme différentiel [1].
• Une approche ontologique, où le sens d’un terme repose sur l’objet qu’il désigne ou peut désigner. Cette approche représentationaliste renvoie à la contrainte d’avoir une conception de ce qui existe ou peut exister dans le monde pour comprendre ce que signifient les énoncés d’une langue.
• Une approche formaliste, que l’on doit en partie au Cercle de Vienne, qui soutient que le sens d’un terme ou d’un énoncé est sa forme logique, l’essentiel n’étant pas ce que désigne (ontologique) ou évoque (psychologique) ou paraphrase (linguistique) un énoncé, mais sa forme syntaxique. En particulier, cette forme syntaxique doit s’expliciter dans les formalismes de la logique mathématique si l’on veut avoir une expression qui reflète fidèlement la sémantique. Autrement dit, exprimer le sens d’un contenu revient à le traduire dans un formalisme logique.

Splendeurs et misères d’un Web formel

10Pour le dire de manière abrupte, le formalisme est une impasse comme paradigme mais s’avère fécond quand il est mobilisé de manière locale, dans des contextes particuliers et maîtrisés. C’est une impasse, car pour réussir dans l’absolu et dans tous les cas, il faudrait que la sémantique fût formelle dans sa nature même et qu’il n’y eût donc pas d’exception à la formalisation du sens. Or, il y a un conflit entre l’holisme du sens et le mécanisme de la syntaxe. Le sens d’un texte dépend de son contexte, le sens d’un paragraphe dépend aussi du texte dans lequel il s’intègre, le sens d’un mot du paragraphe qui le contient, etc. : le sens va du global au local, de la compréhension globale vers l’analyse. Or, le formalisme opère de manière inverse : le sens d’une formule logique se construit à partir du sens de ses parties, allant du local au global. Dans la formule p v q (p ou q), on sait calculer sa valeur de vérité à partir de celles de p et de q. Mais dans une phrase, il ne suffit pas de comprendre tous les mots pour en saisir le sens. Autrement dit, le fonctionnement du sens dans le cadre de la logique est opposé à son fonctionnement dans un contexte linguistique ou sémiotique. Il est donc impossible de réduire l’un à l’autre.

11Mais le formalisme peut être un outil très efficace pour caractériser un objet et les traitements qu’on peut lui appliquer. Par exemple, la notion de « typage » permet de définir un comportement propre à une catégorie d’objet, et la formalisation spécifie la nature et la portée de leur combinaison. C’est la raison pour laquelle la terminologie a évolué, passant insensiblement du web sémantique au web des données, voire au web des objets : autrement dit, le formalisme cesse d’être un paradigme pour devenir un outil permettant de spécifier la nature et le comportement des ressources du Web.

12Dans cette perspective, il convient, en fonction des domaines, de caractériser les objets considérés et de définir les formalismes adéquats pour les manipuler et les gérer. Cela conduit à une explosion des formats et des formalismes qui donne le vertige au néophyte mais aussi aux concepteurs des systèmes, car chaque domaine recèle ses spécificités, incompatibles avec celles des autres.

13C’est pourquoi un enjeu important pour l’avenir du web sémantique reste, outre la distribution des données, leur hétérogénéité. En lieu et place d’une formalisation homogénéisant les données, les efforts portent sur la représentation des différences et des calculs propres à celles-ci.

Pour conclure…

14Le web sémantique naît de la nécessité d’adjoindre des connaissances supplémentaires aux contenus pour améliorer leur traitement. De ce point de vue, il s’intègre en droit avec les autres perspectives du web 1.0 et 2.0. À condition cependant que le Web ne soit pas seulement composé d’applications s’échangeant des données sans utilisateurs, devenant ainsi une gigantesque base de données, mais permette à des utilisateurs d’intervenir en tant que sujets interprétants, complétant ainsi les traitements localisés mais affinés d’outils sémantiques. •

URI, HTTP et HTML au cœur du Web originel

19Trois notions fondamentales sont à l’origine et au cœur de l’architecture du Web originel.

20La première de ces notions est l’URL [*] ou plus exactement l’URI. Ce dernier est un format d’identifiants uniques permettant de nommer et indiquer n’importe quelle ressource sur le Web. Si de plus cet identifiant donne un chemin d’accès pour obtenir une représentation de cette ressource, alors on parle d’URL, les fameuses adresses web que tout le monde connaît maintenant, même si à l’origine elles n’étaient pas destinées à être manipulées directement par les usagers; par exemple « http://www.inria.fr » est l’URL de la page d’accueil de l’Inria.

21La deuxième notion fondamentale est le protocole HTTP qui permet notamment, à partir d’une adresse URL, de demander une représentation de la ressource identifiée et localisée par cet URL et d’obtenir en retour soit les données de cette représentation, soit des codes d’erreur indiquant un problème rencontré, comme la célèbre erreur 404 qui indique que la page demandée n’a pas été trouvée.

22La troisième notion fondamentale est HTML, le langage de balisage utilisé pour représenter, stocker, mettre en forme et publier les pages web.

23Rappeler ces trois notions fondamentales du Web est d’autant plus important que le web de données repose lui aussi sur les deux premières notions pour identifier le sujet des données échangées (URI) et transférer les données (HTTP).

24Mêmes mécanismes de nommage et de communication donc, mais le langage de balisage ne peut plus être identique puisqu’il ne s’agit plus d’échanger des documents destinés à être immédiatement visualisés par un utilisateur, mais des données.

25Historiquement, les premiers changements du langage ont commencé par la bonne pratique de séparer le contenu et la forme dans les pages, notamment avec le langage de feuilles de style CSS (1996 [2]) qui, pour les pages web, permet d’extraire et de factoriser la mise en forme pour ne laisser dans le HTML que la structure documentaire. Cette tendance à la structuration va réellement s’incarner et prendre son essor dans une nouvelle famille de langages quand, en 1998, est émise la première recommandation de XML. Là où HTML proposait un langage textuel d’échange de documents dits semi-structurés, XML propose un format textuel d’échange de documents et données structurés. Ce nouveau standard permet de définir des langages de balisage pour échanger, notamment sur le Web, des données structurées en arbres.

26Moyennant le respect de règles simples, XML permet à chacun de définir sa structure, son balisage, et de les échanger dans un format textuel utilisable par les machines et lisible pour l’humain si besoin est. XML offre un format non propriétaire et ouvert assurant l’interopérabilité, la portabilité et l’extensibilité des données et de leur structure. De nombreuses technologies ont été développées autour de et avec XML, et cette « galaxie » fournit aujourd’hui un format pour de multiples langages, mais aussi des moyens de validation, d’interrogation et de transformation. XML facilite aussi la réutilisation, la migration, la pérennité, et l’indépendance aux médias et au domaine.

27Les URI et XML vont alors fournir les fondations de la nouvelle pile des standards du web sémantique, représentée en figure 1 et que nous allons parcourir.

RDF pour décrire les données, SparQL pour les retrouver

28Dès la première conférence sur le Web [3], Tim Berners-Lee explique que réduire le Web à un espace documentaire avec des liens entre les documents, c’est ne prendre en considération qu’un seul plan de la problématique. L’utilisateur ne parcourt pas le Web de façon aléatoire, il mobilise les modèles qu’il a du monde. Si on arrive à comprendre ces modèles, à les représenter même partiellement et à les lier à des ressources, on peut alors espérer améliorer nos interactions avec le Web. C’est ce que le W3C appelle le web sémantique, et il faudra dix ans pour en concevoir les standards.

29Au-dessus de ce web structuré, on construit donc un web de données liées grâce au langage RDF (1999, 2004), première brique des standards du web sémantique qui recouvre à la fois un modèle et plusieurs syntaxes, dont une en XML, pour publier des données à propos de tout et n’importe quoi sur le Web. Il permet à quiconque de décrire des ressources, notamment du Web, comme par exemple l’auteur, la date de création, le titre et les droits de diffusion d’un film. RDF est au web de données ce que HTML était au web documentaire dans sa métaphore initiale : le langage dans lequel on décrit, représente et relie des ressources à échanger sur le Web. En jouant sur les mots, on peut dire qu’en lieu et place du langage hypertexte HTML, le langage RDF est un langage « hyper data cube » [4].

Les principales recommandations

Les principales recommandations

30RDF respecte l’architecture du Web et notamment réutilise le mécanisme des URI pour identifier les ressources décrites et déclarer explicitement toute relation entre elles. De telles déclarations peuvent provenir de n’importe quelle source sur le Web et être fusionnées avec d’autres, ouvrant ainsi des perspectives d’intégration de données à l’échelle mondiale. Utilisant et réutilisant les URI, n’importe qui peut dire n’importe quoi sur n’importe quel sujet ou ajouter à ce qui a déjà été dit ; et ainsi de suite. RDF n’offre pas seulement un modèle de graphe pour publier et lier des données sur le Web, il fournit également un modèle de données partagé servant de fondation à d’autres standards construits au-dessus de lui pour permettre l’interrogation (SparQL), l’intégration (RDFa et GRDDL) et le raisonnement (RDFS, OWL, 2004) sur les données. On peut ainsi tisser un graphe mondial distribué où chaque n œud, chaque valeur et chaque arc peut être typé pour mieux en fixer la signification et identifier les traitements pouvant lui être appliqués.

31Le protocole HTTP est aussi exploité dans cette architecture du web de données et notamment à travers deux aspects importants : les codes de retour du protocole qualifiant le résultat d’une requête et le mécanisme de négociation de contenus (coneg).

32Les codes de retour permettent de faire la différence entre des ressources informationnelles et non informationnelles. Si un URL identifie une image de la Tour Eiffel sur le Web, on obtient normalement, en réponse à une requête, une copie de cette image accompagnée du code HTTP 200 (OK) indiquant que tout s’est bien passé. Dans le monde du web de données, on peut en déduire que l’URL identifie une ressource informationnelle disponible sur le Web. Si maintenant un URL identifie la Tour Eiffel en elle-même, on obtiendra classiquement, en réponse à la requête, un code de redirection HTTP 303 (see other) accompagné d’un autre URL que l’on nous invite à visiter. On en déduira que l’URL identifie une ressource non informationnelle qui n’est pas disponible sur le Web (impossible de faire passer la Tour Eiffel à travers le Web) mais que l’on peut trouver des données décrivant cette ressource à l’URL indiqué en retour. En d’autres termes, on nous indique que l’objet existe mais qu’il n’est pas disponible sur le Web et qu’une ressource informationnelle le décrit ailleurs.

33La description d’une ressource obtenue à la suite d’un accès normal ou d’une redirection peut de plus faire l’objet d’une négociation de contenu. Ce mécanisme permet d’adapter, au profil du client en faisant la demande, la représentation d’une ressource servie. Ainsi, pour un même URL, un navigateur web pourra se voir servir une version HTML en français ou en anglais en fonction de sa configuration tandis qu’un autre applicatif se verra proposer une version RDF qu’il aura la possibilité d’intégrer à sa propre base de données. Avec les mécanismes de redirection et de négociation de contenu, on voit à quel point l’architecture du web de données est imbriquée dans celle du Web classique.

34Au-dessus de RDF, XML, URI et HTTP, la recommandation SparQL fournit trois outils importants pour l’échange des données : un langage de requête sur des graphes RDF permettant de spécifier le type de données recherchées ; un format XML pour représenter les résultats d’une requête ; un protocole pour soumettre une requête à un serveur distant et recevoir les résultats, notamment à travers le protocole HTTP.

Ajoutons des schémas avec RDFS et OWL…

35Reposant sur les deux premières briques que sont RDF et SPARQL, le web de données peut être vu comme la première phase de déploiement massif du web sémantique. En effet, doté d’un modèle de données (RDF) et d’un langage d’interrogation (SparQL), il peut déjà être mis en œuvre (comme le montre l’initiative du LOD, qui promeut la mise en ligne de données libres), en utilisant essentiellement URI, HTTP, RDF et (si possible) SparQL et en respectant un ensemble de règles simples connu sous le nom des 5 étoiles :

36

* les données sont sur le Web sous licence libre
* * idem + les données sont explicites et structurées
* * * idem + les données sont dans un format non propriétaire
* * * * idem + des URL sont utilisés pour identifier sujets et objets
* * * * * idem + les données sont liées à d’autres données

37Afin de ne pas découpler artificiellement les contenus du web sémantique de ceux du Web classique et parce que beaucoup de données sont actuellement enterrées dans des pages web nécessitant une réextraction pour quiconque veut les réutiliser, RDF est complété par deux recommandations :

• RDFa qui est une syntaxe pour injecter du RDF dans une page web, de manière à favoriser l’extraction de données présentes dans une page (par exemple indiquer où se trouvent les données « titre » et « auteur » pour un livre dans une page de catalogue).
• GRDDL qui est une approche duale permettant d’indiquer dans un document XML ou XHTML une transformation qui, appliquée au document, en extrait les données en RDF.

38Le premier niveau dit des schémas légers est celui de RDFS, qui permet de déclarer et de décrire les types de ressources manipulées (appelées classes, comme par exemple les livres, les films, les personnes, etc.) et les types de relation entre ces ressources (appelées propriétés, comme par exemple « a pour auteur », « a pour acteur », « a pour titre », etc.). Ainsi RDFS nous offre la possibilité de définir des vocabulaires utilisés dans les graphes RDF et d’en nommer les primitives avec des URI : nommer les classes de ressources existantes ; nommer les types de relations existant entre les instances de ces classes et donner leurs signatures, à savoir le type de ressources qu’elles connectent ; organiser ces types dans des hiérarchies. On peut alors utiliser ces signatures et les hiérarchies de types de ressources et de relations pour automatiser des déductions, par exemple déduire qu’une ressource du type « roman » est aussi du type « livre ». Comme il est possible de fournir une adresse URI pour les types, RDFS permet de déclarer le squelette taxonomique d’un schéma dans un langage et avec des identifiants universels échangeables et réutilisables, de façon à assurer l’interopérabilité des systèmes.

39Au-dessus de RDFS, la recommandation OWL est une extension en trois fragments d’expressivité croissante : OWL Lite, OWL DL et OWL Full. Les deux premières couches de l’extension sont basées sur une famille de langages appelée les logiques de description, qui rendent possibles des déductions supplémentaires telles que la vérification de la cohérence d’un schéma, la classification automatique des types afin de générer des hiérarchies, ou l’identification automatique du type d’une ressource basée sur ses propriétés. OWL permet la définition des classes en énumérant leur contenu ou par union, intersection, complément et disjonction avec d’autres classes. Il permet également la caractérisation des propriétés (restriction de leur valeur ou de leur cardinalité) et la spécification de leurs caractéristiques algébriques (symétrique, transitive, fonctionnelle, fonctionnelle symétrique, propriété inverse). Enfin, OWL fournit des primitives pour la gestion des équivalences entre différents schémas et entre les différentes versions d’un schéma. En regard de RDFS et OWL, notons aussi Skos (2009) qui est lui-même un vocabulaire RDF pour représenter, partager et lier sur le web des systèmes d’organisation des connaissances plus terminologiques tels que les thésaurus, lexiques, et systèmes d’index.

40La dernière brique recommandée dans l’architecture du web sémantique est la norme RIF (Rule Interchange Format) qui sert à échanger des règles d’inférence sur le Web et, en particulier, sur le web sémantique. Là où OWL adopte une approche et une notation logiques, RIF propose de représenter et d’échanger des connaissances de déduction sous la forme de règles de production : « SI une hypothèse est vraie, ALORS une conclusion peut être ajoutée ». Par exemple, si une personne a écrit une thèse sur le séquençage du génome alors cette personne peut être rangée dans la classe des docteurs et on peut ajouter la génétique parmi ses centres d’intérêt. RIF se compose aussi de plusieurs langages avec différentes expressivités (Core, BLD, PRD).

41In fine, la clé de voûte de l’architecture du web de données est la même que celle du Web classique : le standard des URI. Cependant, à la différence du web documentaire où les relations se tissent entre des ancres dans les documents hypertextes, les relations sont des liens typés (identifiés par des URI) entre des ressources quelconques (elles aussi identifiées par des URI) sur le web de données. En reposant sur le nommage par des URI, l’échange par HTTP, RDF comme modèle de graphe de descriptions et de liens et des schémas partagés avec ces mêmes standards, les recommandations du web sémantique dessinent une architecture informatique pour l’interconnexion universelle de sources de données. Le déploiement actuel de la galaxie RDF est un fait historique pour le domaine de la représentation des connaissances. En effet, bien que de nombreux langages de représentation des connaissances préexistaient à RDF lorsque celui-ci a commencé à être spécifié en 1998, aucun d’entre eux n’avait atteint son niveau de visibilité qu’il connut dans les dix années qui suivirent.

Des appellations différentes pour de multiples facettes

42Ce qui rend parfois difficile l’abord du domaine, c’est que l’initiative dans laquelle il s’inscrit est présentée sous des appellations différentes qui semblent privilégier, pour chacune d’elles, un aspect particulier de l’architecture globale :

• le « web de données » (web of data) insiste sur la possibilité qui nous est offerte d’ouvrir les silos de données de toutes tailles, depuis l’application individuelle de notre carnet d’adresses jusqu’aux immenses bases de génomique, et de les échanger, de les relier, de les mélanger selon nos besoins ;
• l’expression « données ouvertes liées » (linked open data) met l’accent sur l’opportunité d’exploiter des données ouvertes dans nos applications et rappelle qu’une grande valeur ajoutée réside dans l’utilisation et la réutilisation des URI pour joindre des assertions de différentes provenances mais portant sur un même sujet ;
• le « gigantesque graphe global » (Global Giant Graph) remet en perspective ces milliers de liens entre données distribués sur le Web et le fait que, à travers les points de jointure que sont les URI, la structure de données qu’ils tissent est un graphe d’envergure mondiale ;
• enfin, le « web sémantique » (semantic web) met en avant la possibilité d’échanger les schémas de nos données et la sémantique associée afin d’enrichir la gamme des traitements automatiques qui peuvent leur être appliqués.

Identifier, décrire, relier

53Un URI est, comme son nom l’indique, un « identifiant de ressource ». Une ressource pouvant être absolument n’importe quoi, on peut donc traduire URI par « identifiant d’une chose » réelle, imaginaire, concrète, abstraite, individuelle ou générale : une personne, une organisation, un lieu, un événement, ou encore un concept dans un vocabulaire. Ainsi identifiée, la « chose » peut être décrite formellement et mise en relation avec d’autres ressources identifiées de même, en utilisant les logiques de description et en particulier la famille des standards RDF. Ces descriptions peuvent utiliser des syntaxes et formats variés, et ne préjugent en rien de l’utilisation fonctionnelle de la connaissance ainsi constituée.

Accéder aux représentations

54Si l’URI est de type HTTP, il constitue alors un moyen d’accès à des représentations de la chose identifiée. Cet accès peut utiliser l’interface familière du navigateur web, ou des requêtes effectuées par des applications. La représentation obtenue dépendra des paramètres du dialogue client-serveur, à travers un processus appelé négociation de contenu. Pour un client de type navigateur, on obtiendra une page HTML dont la langue ou les options d’accessibilité dépendent des préférences du client, par exemple une version en français pour une application mobile ne supportant pas les images. Un client demandant des données structurées au format RDF/ XML obtiendra une description dans ce format si elle existe. Dans l’architecture du web sémantique, ce dernier est la représentation de référence, une description formelle de ce qui est identifié par l’URI.

55On voit bien ici une différence qualitative importante avec le concept originel de l’URL qui exprime la localisation d’un document accessible en ligne (page HTML, document PDF, image JPG, etc.). Dans ce Web 1.0, le document est premier et en principe pérenne, on y accède par une adresse comme dans une bibliothèque. L’URL est typiquement moins stable que le document que l’on déplace au gré des réorganisations des sites. Dans le web sémantique, c’est au contraire l’entité identifiée par son URI qui est pérenne, le contenu de la description pouvant varier avec le temps et les détails du dialogue client-serveur. Le document à contenu fixe devient un cas particulier.

Pérennité, stabilité et autorité

56Dans le monde ouvert du web sémantique, n’importe qui peut dire n’importe quoi sur n’importe quel sujet, mais c’est le propriétaire du nom de domaine qui contrôle la description de l’entité accessible via son URI. Si les URI du web sémantique n’ont pas toujours été au départ définis par des sources reconnues, et sont encore trop souvent publiés sans garantie de stabilité ni de pérennité, on voit aujourd’hui de plus en plus d’organismes qui font autorité commencer à publier des URI de référence pour les entités de leur domaine d’expertise : les administrations pour leurs services et textes de référence, les bibliothèques pour leurs fonds et vocabulaires, les biologistes pour les espèces vivantes, etc.

57Un vaste chantier qui ne fait que commencer ! •

La simplicité des microformats

60Issus d’une communauté indépendante en ligne, les microformats [6] sont apparus les premiers. Ils se caractérisent par leur simplicité et leur compatibilité avec toutes les versions de HTML, puisqu’ils reposent sur l’idée d’une normalisation de la valeur des attributs HTML « class » et « rel » pour décrire explicitement la sémantique du message au sein du code. La communauté a « normalisé » des microformats pour exprimer les données d’une carte de visite ou d’un CV, des recettes de cuisine, des événements, des coordonnées géographiques, etc. Or, en réutilisant des attributs HTML, les microformats les détournent de leurs usages initiaux, confondant alors structure de la page web et structure du message. De plus, la mise au point et le succès d’un nouveau microformat dépendent de son acceptation par la communauté et de son adoption par un grand nombre d’acteurs.

La rencontre avec le web sémantique

61Dans la mesure où la volonté de représenter les données contenues dans une page web entre en résonance avec les objectifs du web sémantique, ces deux mondes étaient faits pour se rencontrer. Initiés en 2004 et aboutis sous la forme d’une recommandation en 2008 [7], les travaux sur RDFa (RDF – in – attributes) visent à exprimer des triplets RDF directement au sein de la page web encodée en HTML. Pour ce faire, RDFa s’appuie sur des attributs HTML existants (« rel », « rev », « content », « href », « src »), introduit de nouveaux attributs (« about », « property », « ressource », « datatype », « typeOf ») et définit des règles de traitement pour extraire des triplets suivant l’agencement de ces attributs au sein de la page. Son grand avantage réside dans sa généricité, puisqu’il est possible de réutiliser n’importe quelle ressource déjà exprimée sur le Web, ainsi que n’importe quelle ontologie ou vocabulaire RDF.

62Néanmoins, la généricité de RDFa s’est faite au détriment de sa simplicité et son implémentation concrète s’est avérée complexe. Il est de plus limité à XHTML, version XML de HTML. Pour dépasser ces limites, deux solutions concurrentes sont en discussion au W3C : les microdata [8] portés par le groupe de travail HTML5, et RDFa 1.1 [9] porté par le groupe de travail RDFa. La différence entre les deux spécifications repose essentiellement sur les rapports plus ou moins proches avec le monde RDF.

63Malgré ce paysage instable, des acteurs majeurs du Web ont lancé plusieurs initiatives (Google Rich Snippet, Open Graph Protocol, Schema.org) qui démontrent l’intérêt de ces syntaxes pour améliorer les interactions entre leurs propres services et le reste du Web. Néanmoins, la multiplication de syntaxes, de vocabulaires souvent spécifiques à chaque initiative et leur incompatibilité mutuelle peuvent poser problème. C’est pourquoi des discussions sont en cours au W3C pour faire converger ou au moins rendre interopérables ces différentes solutions. •

Des ontologies pour tous les goûts

69Au delà des langages de représentation, un certain nombre d’ontologies, généralement petites, se sont imposées pour couvrir à peu près tous les domaines : de la description d’un profil utilisateur (Foaf) à son activité sur un réseau social (OGP) ou sur un système documentaire collaboratif (Sioc) ; de la notice bibliographique (DublinCore) à la description de produits (GoodRelations), des actualités (rNews) ou des événements (Lode) ; de la culture (Cidoc) aux sciences de la vie et à la médecine (UMLS).

70La multiplication des ontologies impose leur catalogage. Plusieurs portails sont ainsi apparus pour référencer ces ontologies et fournir des exemples d’utilisation. Signalons à ce stade deux initiatives intéressantes : le vocabulaire Voaf qui permet de décrire les dépendances entre les ontologies du web sémantique et le jeu de données Lov [10] associé ; et le service prefix.cc qui permet de trouver le vocabulaire le plus populaire pour un préfixe donné. À terme, l’objectif est de pouvoir trouver automatiquement quelle ontologie est à la fois largement utilisée et couvre au mieux un besoin donné. Un tel service est en cours de développement dans le projet Datalift [11].

L’Ontologie rêvée par les moteurs de recherche

71Le 2 juin 2011, les trois plus gros moteurs de recherche du Web (Google, Yahoo!, Bing) ont conjointement annoncé la sortie de schema.org, un vocabulaire général pour structurer les données des pages web. Cette ontologie est tantôt perçue comme la reconnaissance de l’utilité des technologies sémantiques pour l’indexation des ressources documentaires et leur adoption par les plus grands acteurs du Web, ou comme l’échec de la construction d’ontologies diverses aux dépens d’une seule ontologie monolithique, développée secrètement et sans consensus, pour ne refléter au final qu’une vue parcellaire et biaisée des connaissances. •

Des licences nécessaires mais diverses

107Il est recommandé d’accompagner les données par un contrat de licence, les utilisateurs ayant besoin de savoir d’où viennent les données, si elles ont été modifiées et les modalités de réutilisation autorisées [20].

108Ces contrats de licences organisent le partage des données en évitant, puisque les contrats sont la loi des parties, de s’interroger sur la loi applicable ou sur la mise en jeu de concepts juridiques différents.

109À côté des logiciels libres et des modèles généralistes (licences Creative Commons, par exemple), diverses communautés (informaticiens, chercheurs, musiciens, etc.) ont développé des licences qui répondent à leurs priorités. Ces licences ont pu évoluer dans le temps et se présenter sous de nouvelles versions numérotées, après avoir été améliorées ou adaptées à de nouvelles pratiques ou législations. Ce mouvement, d’abord appliqué aux œuvres, s’est étendu ensuite aux données [21].

Quelle licence choisir ?

110Abandonner tous ses droits, en choisissant une licence comme l’Open Data Commons - Public Domain Dedication & Licence (PPDL), permet de libérer les données mais pas de s’assurer qu’elles restent libres pour bâtir un fonds commun de données, puisque cette licence n’oblige pas les réutilisateurs à partager les résultats obtenus à partir des données exploitées.

111Au contraire, les licences Copyleft forcent le partage. Elles veillent à ce que l’usage de l’ œuvre copiée ou modifiée demeure libre en obligeant l’ œuvre seconde à obéir au même régime, et garantissent ainsi l’existence d’un fonds commun d’œuvres utilisables librement.

112S’il convient, en préalable, de s’assurer que l’on est en mesure de céder tous les droits que la licence va conférer (coauteurs éventuels, droits d’auteur sur les œuvres incorporées), il est utile d’en apprécier l’impact avant d’opter pour l’une d’entre elles. •

Pratiques logistiques et signification référentielle

115Comme nous l’expliquons dans nos précédents travaux [23], les langages logiques utilisés pour la construction des ontologies [24] relève d’une sémantique référentielle qui décrit les objets du monde par un ensemble de propriétés prenant une valeur vraie ou fausse. De cette manière, il est possible de se débarrasser de toute influence exercée par le contexte du terme (le « texte » environnant) comme de celle exercée par la situation d’énonciation et/ou d’interlocution. Cela est possible uniquement quand la signification renvoie :

• à des concepts définis par des mesures physiques associées à des standards universels : masse, dimensions, caractérisation physico-chimique, etc. ;
• à des caractéristiques administratives et institutionnelles apparaissant comme indiscutables à une époque et dans une ère géographique données sous le contrôle d’une autorité administrative publique : patronyme, localisation administrative, taux de change, etc., ou sous le contrôle d’une autorité privée en mesure de contraindre de manière précise la définition et les pratiques de gestion associées à certains items ;
• à des concepts abstraits définis par des axiomatiques formelles dans le domaine des mathématiques ou de la logique mathématique.

Contenus culturels et formalité socio-sémantique

116Quand la relation aux objets et aux personnes ne relève pas de pratiques logistiques liées à leur dimension matérielle mais de pratiques liées à la lecture, à l’évaluation qualitative, au raisonnement juridique, à l’histoire et à la géographie, aux relations sociales, à l’art, aux activités scientifiques dans leurs dimensions inventives, etc., alors le niveau de signification des symboles utilisés dans la communication n’est plus référentiel mais rhétorico-herméneutique [25].

117La signification référentielle du web sémantique s’appuie sur des systèmes d’organisation des connaissances (SOC) qui relèvent d’une formalité [26] logicomathématique, tandis que la signification rhétorico-herméneutique s’appuie sur des systèmes qui relèvent d’une formalité sémiotique ou socio-sémantique. Pour les sémioticiens, les langages logico-mathématiques utilisés pour décrire les ontologies ne sont pas des sémiotiques. Dans le jeu d’échec ou l’algèbre, chaque élément d’expression est toujours corrélé au même élément de contenu, la valeur d’un fou étant « d’aller sur plusieurs cases en toutes diagonales (et en toutes diagonales exclusivement au contraire de la reine) » [27]. Par contraste, les langages documentaires comme la très grande majorité des SOC utilisés pour décrire les contenus (réseaux sémantiques, approches à facettes, folksonomies, etc.) sont généralement des systèmes sémiotiques.

118Ainsi, dans les langages documentaires, qui relèvent d’une formalité socio-sémantique, les catégories utilisées pour organiser logiquement les termes du SOC (par exemple terme générique et terme spécifique) procèdent d’une méta-sémiotique, ainsi définie par Sémir Badir [28] : « Les métasémiotiques prennent leur source dans des sémiotiques dotées, pour ainsi dire, d’un plan de contrôle. Grâce à ce plan, chaque élément du contenu trouve à s’adjoindre une expression sous un rapport de dénomination. C’est ce que l’on fait lorsqu’on dit, dans un exemple célèbre exploité par Roland Barthes, que dans telle publicité pour des pâtes françaises les teintes jaunes et vertes sur fond rouge (les couleurs du drapeau italien) signi fient l’italianité [29] « Italianité » est une expression métasémiotique pour désigner la signi fication d’éléments visuels (de couleurs). »

Double interprétation

119Le contrôle catégoriel que la métasémiotique exerce sur les termes n’est pas de même nature que celui exercé par des types sur les objets dans la logique mathématique. Dans une métasémiotique, il faut procéder, pour déterminer si un terme relève ou non d’une catégorie, à une double interprétation en contexte du système des catégories et du système des termes objets. Dans notre article de 2010, nous prenions l’exemple d’un catalogue musical. Pour savoir si « musique bretonne » (terme objet) est bien un « genre musical », « représentatif de » « musique celtique » (trois termes de la métasémiotique), il faut interpréter les notions de « genre musical » (selon la source sonore, le lieu de destination, la durée du morceau, etc.), de « représentatif » (un exemple, un type majoritaire, un prototype, une tendance actuelle, etc.) et la notion de « musique celtique » (par exemple définition géographique ou ethnomusicologique). L’interprétation peut laisser subsister des ambiguïtés ou des sens multiples qui pourront être résolus (ou non) en contexte et être considérés, selon les cas, comme une richesse ou comme un défaut.

120« Musique bretonne », le terme objet doit lui-même être interprété selon le texte ou la situation d’interlocution d’où il émane pour savoir s’il désigne, par exemple, la « musique folklorique bretonne » ou la « musique produite par des artistes bretons ». Dans tous les cas, les choix d’interprétation dépendront d’une intention argumentative ou rhétorique qui correspond à la finalité du SOC, à la logique de conception adoptée par ses auteurs et à celle de l’usage, qui ne sont pas toujours superposées. Les relations entre ces termes dépendront de la langue utilisée, de l’aire culturelle considérée et du domaine d’activité.

121La mise en évidence des niveaux de signification des SOC et des types de formalité associée, logico-mathématique versus socio-sémantique, permet de couper court aux prétentions à la généralisation portées par certains promoteurs enthousiastes des ontologies. Celles-ci peuvent avoir une certaine utilité dans l’informatisation des pratiques logistiques qui correspondent à une dimension importante de l’activité des documentalistes, bibliothécaires et archivistes. Mais, quand les projets d’informatisation visent à assister des activités impliquant une interprétation des contenus, il faut nécessairement se tourner vers d’autres SOC. Par chance, les systèmes socio-sémantiques sont actuellement en pleine mutation. Cette mutation va du renouvellement des approches à facettes jusqu’aux folksonomies en passant par toutes les formes de couplage entre moteur de recherche et SOC susceptibles de fournir des modes d’accès aux contenus conciliant une très large portée et une pertinence garantie par des communautés actives d’annotateurs/taggeurs professionnels et amateurs. •