Représentation des données : RDF

3 RDF (Resource Description Framework) se voulait initialement un modèle général de métadonnées, permettant de décrire les caractéristiques des documents du Web. Ce modèle postule que décrire une ressource, c’est renseigner à son sujet une ou plusieurs caractéristiques, c’est-à-dire des propriétés munies de leurs valeurs. L’élément de base de cette description est donc un triplet (ressource, propriété, valeur), que l’on appelle assertion RDF. On dit que la ressource décrite en est le sujet, la propriété renseignée le prédicat et la valeur de cette propriété l’objet. Le sujet et le prédicat sont identifiés par des URIs (Uniform Resource Identifier) ou des IRIs (Internationalized Resource Identifier). L’objet peut être une ressource identifiée par un URI/IRI ou une valeur littérale, comme un nombre ou une chaîne de caractères.

4 Rappelons ce que sont les URIs/IRIs, qui servent à identifier les ressources [3]. À côté de leur forme la plus connue, l’URL (Uniform Resource Locator), élément essentiel du Web, on trouve l’URN (Uniform Resource Name) qui identifie les ressources sans nécessairement donner leur chemin d’accès, tout en respectant un certain format. L’IRI peut comporter des caractères Unicode, donc issus de n’importe quel système d’écriture, à la différence de l’URI qui n’admet qu’un sous-ensemble des 128 caractères de l’Ascii, mais qui est plus facile à manipuler dans le contexte actuel des protocoles du Web.

5 Au fil du temps, du fait de l’extrême généralité de ce modèle, la portée de RDF a évolué : en 1999, on y voyait un « mécanisme de description des ressources » constituant une « base pour traiter les métadonnées » ; en 2004, on le définit comme un « cadre pour représenter les informations sur le Web », conçu pour « permettre à n’importe qui de faire des déclarations sur n’importe quelle ressource ». Une recommandation de 2014 précise que « tout peut être une ressource, y compris des objets physiques, des documents, des concepts abstraits, des nombres et des chaînes de caractères ». RDF peut donc être utilisé pour exposer sur le web de données la description de pages ou sites web, de documents, d’images fixes ou animées, mais aussi de personnes, de produits, d’événements, de lieux ou de concepts via leurs avatars dans le monde virtuel et grâce au pouvoir de nommer que confère l’utilisation des URIs/IRIs pour désigner ou dénoter les ressources. Créer un URI/IRI revient à donner existence à une ressource qui pourra ainsi jouer son rôle dans des assertions RDF : tout ce qui est identifié par un URI/IRI peut être sujet ou objet d’une assertion.

6 À un même sujet peuvent être associés plusieurs couples (prédicat, objet). Le sujet d’une assertion peut aussi devenir objet d’une autre assertion. L’objet d’une assertion peut devenir sujet d’une autre assertion, s’il est identifié par un URI/IRI. Il peut aussi être objet de plusieurs assertions. Le prédicat, puisque muni d’un URI/IRI, peut devenir sujet et/ou objet d’assertions à son tour. Tout cela fait que le modèle se prête à la construction de graphes où les sujets et les objets sont des nœuds et les prédicats des arcs. Au-delà de la représentation graphique qui est ainsi suggérée, cette notion permet de s’appuyer sur la théorie des graphes pour développer les outils informatiques permettant l’exploitation des jeux de données RDF ou datasets.

7 La notation (ou sérialisation) de RDF peut être réalisée en XML, mais d’autres formats, plus compacts ou mieux adaptés à certains usages ont fait leur apparition. Un certain nombre d’entre eux ont été entérinés par le W3C : Turtle pour une meilleure lisibilité, N-Triples et N-Quads pour plus de simplicité, JSON pour une intégration plus facile à des programmes.

8 XML, on le rappelle ici brièvement, est un format normalisé de documents numériques d’usage très général, qui se veut indépendant des plates-formes informatiques. Il permet, en suivant des règles simples et largement diffusées, de mettre en évidence la structure des documents et d’y étiqueter l’information qu’ils contiennent. Avec ce format, les frontières entre documents et bases de données s’estompent : une base de données peut être vue comme un document et inversement.

Spécification des modèles de données : RDF Schema et OWL

9 Pour guider et uniformiser la description des ressources en RDF, il est souvent intéressant de spécifier (c’est-à-dire à la fois de contraindre et de documenter) les moyens descriptifs utilisables, ou « vocabulaires ». On peut le faire avec RDF Schema (ou RDFS), qui permet de déclarer des propriétés, de les organiser en hiérarchie et de spécifier leur signature en termes de domaine et de portée. Le domaine d’une propriété est l’ensemble des types de ressources, ou classes, qui peuvent fournir les sujets des assertions où cette propriété est le prédicat ; et sa portée est l’ensemble des classes qui peuvent fournir les objets de ces assertions. Cela suppose de pouvoir déclarer des classes et leur hiérarchie, ce que RDF Schema permet aussi. RDF Schema se situe à la charnière entre la modélisation de données (il y a une parenté évidente avec la modélisation objets) et la représentation des connaissances : une hiérarchie de classes est le premier pas vers une ontologie [4] et autorise certaines formes de raisonnement automatisé, surtout des inférences simples sur les classes. On parle alors de lightweight ontologies ou ontologies légères.

10 OWL (Web Ontology Language) prend le relais de RDF Schema là où l’on a besoin de rendre compte plus en détail de la structuration conceptuelle d’un domaine d’application, en définissant formellement les classes au moyen d’expressions logiques et en enrichissant la description des propriétés. On peut décrire des objets individuels ou instances en les rangeant dans les classes et en spécifiant les valeurs des propriétés pertinentes dans leur cas. Parmi les primitives de OWL figurent des moyens de déclarer équivalentes des classes ou des propriétés, et de tenir pour identiques des individus ; ce qui est précieux pour assurer l’interopérabilité des applications. Des mécanismes de raisonnement permettent d’enrichir automatiquement les ontologies OWL en opérant des inférences sur les définitions assertées des classes et propriétés.

Raisonnement sur les données : RIF (Rule Interchange Format)

11 Les parties de l’architecture consacrées à la logique et au raisonnement sont moins développées. Dans l’article de 2001 qui a popularisé l’idée du web sémantique [5], on peut lire : « Pour que le web sémantique fonctionne, les ordinateurs doivent avoir accès à des collections structurées d’informations et d’ensembles de règles d’inférence qu’ils peuvent utiliser pour parvenir à un raisonnement automatisé ». Une règle d’inférence, typiquement de forme « si P alors Q », sert à produire une nouvelle proposition à partir d’assertions existantes [6]. Il existe une grande variété d’approches de ces règles, fondées sur différentes formes de logique : le W3C en cite une dizaine. Après avoir entamé la spécification de son propre langage de règles, SWRL (Semantic Web Rule Language), il a finalement choisi avec RIF de ne pas prendre parti et de spécifier un formalisme « pivot » pour noter les règles issues de ces différentes approches, tout en assurant l’interfaçage avec OWL et RDF.