Le rôle des ontologies de domaine dans la conception des interfaces de navigation pour des collections en ligne de musées: évaluations et proposition

Transcription

1 Le rôle des ontologies de domaine dans la conception des interfaces de navigation pour des collections en ligne de musées: évaluations et proposition Mémoire de DEA en Management et Technologies des Systèmes d Information (MATIS) Kaveh BAZARGAN <bazarga7@etu.unige.ch> Directeur : Professeur Gilles FALQUET Groupe Interface des Systèmes d Information (ISI) Centre Universitaire d Informatique (CUI) Université de Genève Suisse Juin 2004

2 Préambule Etudiant en Diplôme d Etude Approfondie (DEA) en Management et Technologie des Systèmes d Information (MATIS) durant l année , j ai réalisé mon travail de DEA au sein du groupe de recherche Interfaces des Systèmes d Information (ISI), dirigé par le Professeur Gilles Falquet. Ce groupe de recherche fait partie du Département de Système d'informations de la faculté des Sciences économiques et Sociales, et du Centre Universitaire d Informatique (CUI) de l Université de Genève en Suisse. Le Professeur Gilles Falquet a été mon directeur de mémoire. Ce mémoire de DEA a été pensé comme l amorce d une réflexion approfondie en vue d une thèse de doctorat dans le même axe de recherche. 2

3 Remerciements Je souhaite remercier le Professeur Gilles Falquet pour avoir accepter de me suivre dans l'élaboration de ce mémoire. Je lui suis particulièrement reconnaissant pour sa patience, son aide précieuse, sa disponibilité et ses nombreuses suggestions tout au long de ma recherche. Merci à toutes les personnes de l équipe Interface des Systèmes d Information qui ont participé de près à l évolution de mon travail de mémoire. Merci surtout à Jean-Claude Ziswiler et Said Radhouani. Merci à Nicolas Arni-Bloch pour ces conseils à propos de la présentation et de la mise en page de ce rapport. J aimerais également exprimer toute ma reconnaissance à mes parents pour m avoir transmis la passion de la recherche et l art de la persévérance dans l apprentissage en toute circonstance. 3

4 Table des matières CHAPITRE 1. INTRODUCTION MOTIVATION PROBLEMATIQUE Cadre général Question de recherche...7 CHAPITRE 2. LES ONTOLOGIES DANS LES SYSTEMES D INFORMATION PRINCIPES ET DEFINITIONS Principes Définitions ROLE DES ONTOLOGIES Modularité et réutilisabilité des connaissances Communication DIFFERENTES METHODOLOGIES DE CONCEPTION DES ONTOLOGIES LES LANGAGES ET FORMALISMES UTILISES POUR REPRESENTER DES ONTOLOGIES LES APPLICATIONS UTILISANT DES ONTOLOGIES STRUCTURES CONCEPTUELLES : DE L ONTOLOGIE AU RAISONNEMENT Structures Conceptuelles Graphes Conceptuels (GC)...17 CHAPITRE 3. ETAT DE L ART SUR L UTILISATION DE CONNAISSANCES DANS LA GENERATION DES INTERFACES INTERFACES POUR DES DOCUMENTS VIRTUELLES ADAPTATIFS Composition automatique de documents hypermédia adaptatifs Modèle d hypertexte adaptatif Modèle d hyperlivres virtuels pour favoriser l apprentissage collaboratif GENERATION AUTOMATIQUE D INTERFACE A BASE DE MODELE INTERFACES DE RECHERCHE D INFORMATION A BASE DE CONNAISSANCES INTERFACE POUR LA COLLECTION EN LIGNE DE MUSEUMFINLAND...26 CHAPITRE 4. METHODOLOGIE DE RECHERCHE LA METHODE MILE (MILANO LUGANO EVALUATION METHOD) IDENTIFICATION DES TACHES COGNITIVES...29 CHAPITRE 5. EVALUATION DE QUATRE INTERFACES DE COLLECTIONS EN LIGNE DE MUSEES RESULTATS DES EVALUATIONS PRESENTATION DU «TIMELINE OF ART HISTORY»...33 CHAPITRE 6. PROPOSITION D UN MODELE D INTERFACE : L HYPERMUSEE CONTEXTE ET OBJECTIF DU MODELE STRUCTURE DE L HYPERMUSEE MODELE D INTERFACE DE L HYPERMUSEE...44 CHAPITRE 7. CONCLUSION ET PERSPECTIVES...46 BIBLIOGRAPHIE...48 ANNEXE 1. LA COLLECTION DU MUSEE DU LOUVRE...54 ANNEXE 2. LA COLLECTION DU MUSEUM OF THE HISTORY OF SCIENCE...66 ANNEXE 3. LA COLLECTION DU MUSEE NATIONAL D ART MODERNE...71 ANNEXE 4. LA COLLECTION DU METROPOLITAN MUSEUM OF ART

5 Chapitre 1. Introduction 1.1 Motivation Les collections sont identifiées comme capitaux principaux, et peut-être la raison d être des musées, des bibliothèques et des archives. Aujourd hui, la nature de ces capitaux ainsi que leurs raisons d'être sont remises en question. Repenser les procédures de gestion de l'information, comprendre et exploiter la vraie valeur de ces capitaux, sous forme de catalogue en ligne, est un défi important pour des organismes tels que des musées. La dernière version (2001) du Statuts du Conseil International des Musées [ICOM] donne une définition du musée : «Le musée est une institution permanente, sans but lucratif, au service de la société et de son développement, ouverte au public et qui fait des recherches concernant les témoins matériels de l'homme et de son environnement, acquiert ceux-là; les conserves, les communique et notamment les expose à des fin d'études, d'éducation et de délectation. Outre les "musées" désignés comme tels sont admis comme répondant à cette définition : i. les sites et monuments naturels, archéologiques et ethnographiques et les sites et monuments historiques ayant la nature d'un musée pour leurs activités d'acquisition, de conservation et de communication des témoins matériels des peuples et de leur environnement ; ii. les institutions qui conservent des collections et présentent des spécimens vivants de végétaux et d'animaux telles que les jardins botaniques et zoologiques, aquariums, vivariums ; iii. les centres scientifiques et les planétariums ; iv. les galeries d'art à but non lucratif ; v. les réserves naturelles, les instituts de conservation et galeries d'exposition dépendant des bibliothèques et des centres d'archives ; les parcs naturels ; vi. vii. viii. ix. les organisations nationales, régionales ou locales de musée, les administrations publiques de tutelle des musées tels qu'ils sont définis plus haut ; les institutions ou organisations à but non lucratif qui mènent des activités de recherche en matière de conservation, d'éducation, de formation, de documentation et d'autres liées aux musées et à la muséologie ; les centres culturels et autres institutions ayant pour mission d'aider à la préservation, la continuité et la gestion des ressources patrimoniales tangibles et intangibles (patrimoine vivant et activité créative numérique) ; toute autre institution que le Conseil exécutif, sur avis du Comité consultatif, considère comme ayant certaines ou toutes les caractéristiques d'un musée, ou donnant à des musées et à des professionnels de musée les moyens de faire des recherches dans les domaines de la muséologie, de l'éducation ou de la formation.» 5

6 1.2 Problématique Cadre général Dans une recherche sur l utilisabilité des sites Web de musées, Cunliffe [Cunliffe 02] écrit que les musées sont probablement idéalement placés en tant que des fournisseurs d information pour le Web, puisqu'ils possèdent typiquement une grande quantité de contenu de haute qualité, qu ils détiennent souvent les droits pour diffuser ce contenu, et ont finalement une réputation établie pour la qualité de l'information, des points de vues objectifs et de l autorité au niveau scientifique. Les visites virtuelles des musées en ligne sont également devenues populaires depuis l apparition des sites Web de musée [Gilbert 01]. Hertzum [Hertzum 98] a identifié trois problèmes caractéristiques dont souffrent les sites Web de musée : 1. La majorité des sites Web de musées ont été développées sans notion claire de ce qu ils devraient réaliser comme outils pour aider les utilisateurs dans leurs tâches. Ainsi, il y a de fortes chances que l on ne puisse pas réutiliser ce qui a déjà été fait; 2. Les sites Web de musées n'ont pas été évalués pour découvrir s'ils correspondaient aux besoins des utilisateurs ; 3. Le matériel contenu dans les sites Web de musées tend à reproduire le matériel contenu dans les musées physiques plutôt qu'à le repenser, étant donné les nouvelles possibilités offertes par les nouvelles technologies pour construire de nouveaux outils de visites. Davies [Davies 02] recommande aussi une approche centrée utilisateur pour le développement des sites Web de musées. Il soulève notamment des problèmes aux niveaux des interfaces pour les collections de musées en ligne. De nombreuses interfaces de navigation thématiques pour des collections de musées en ligne ont vu le jour ces dernières années. La solution retenue, dans la plupart des cas, est une approche par index, thèmes ou catégories. Les objets des catalogues sont présentés de manière hiérarchique et linéaire en utilisant des index, des thèmes et des sous thèmes. Cette solution utilise une approche statique qui utilise les métaphores traditionnelles de musée telles que des étiquettes d'objet, des graphiques, des images et des textes. Cette solution favorise une seule lecture thématique des objets d une collection et limite ainsi le potentiel des collections numériques. Contextualiser les objets selon des idées ou des connaissances plutôt que les taxonomies physiques et fonctionnelles présente un nouveau genre de paradigme. Il s agit là d interfaces qui permettent d exploiter non seulement le potentiel des relations contenues dans les bases de données des musées mais aussi d en créer d autres qui n existent pas en tant que telles. Cameron [Cameron 02] indique que l une des pistes à explorer pour concevoir de telles interfaces peut ce baser sur l utilisation des ontologies de domaine. Il souligne aussi que l utilisation des ontologies de domaine peut faciliter la réutilisation de l information dans la conception des interfaces pour les collections des musées en ligne. Selon Nanard [Nanard 98], la réutilisation est un problème stratégique pour la réduction des coûts et l amélioration des 6

7 méthodes de conceptions et de développement des hypermédias. Dyson [Dyson 01], recommande la réutilisation des connaissances comme moyen d amélioration des interfaces. Mei [Mei 04] confirme que, traditionnellement, les musées numériques ont excessivement tendance à se concentrer sur l organisation d expositions thématiques sans se préoccuper du potentiel que les objets peuvent avoir pour favoriser l apprentissage de nouvelles connaissances par les utilisateurs. Il justifie, par ailleurs, dans quelle mesure et sous quelles conditions l ajout de nouvelles connaissances à un catalogue en ligne favorise la réutilisation. Sugumaran [Sugumaran 02] explique dans quelle mesure l inclusion de connaissances à propos du monde réel, organisées selon des domaines d applications, à des données d un système existantes permet de rendre l interface de ce système plus «intelligent». Il propose d utiliser les ontologies de domaine, contenant des concepts et des relations à propos d un domaine d application, pour capturer des connaissances issus du monde réel Question de recherche L exposition représente, et de loin, le moyen de communication le plus important du musée. Elle peut être considérée comme un système culturel qui produit du sens. Les objets sont les éléments fondamentaux de ce moyen de communication fascinant. Les milliers d objets qui entourent chaque individu constituent le point de départ de nos réflexions muséologiques. Ces objets n ont d importance que dans leur rapport avec l homme et la société. Mais ils ne font pas que nous entourer, ils sont également conservés, pour leur fonction d usage ou pour les valeurs qui leur sont attribués. Le catalogage des collections d un musée ou d une institution chargée de la conservation du patrimoine est une oeuvre de longue haleine. La base de données, preuve de l aboutissement d un tel travail, est de fait un réservoir de connaissances inépuisable, mais c est aussi un objet technique complexe. L accès aux informations qu elle renferme nécessite des compétences spécifiques. De nombreux responsables de telles banques de données, que ce soit dans le secteur public ou privé, s interrogent actuellement sur la manière dont il serait possible de simplifier son utilisation pour favoriser l apprentissage. Comment en effet permettre au grand public de parcourir un catalogue en ligne ou une base de données sans avoir le langage du spécialiste du musée. Les apports de la recherche sur les ontologies de domaine et de la mise en forme de l information, ainsi que ceux des interfaces de navigations hypertextes liées aux bases de données permettent d envisager le parcours d un catalogue en ligne sous différents angles. En tant que sources d informations, les musées ne peuvent plus considérer l objet conservé comme une finalité ; ils se doivent d offrir des vues contextuelles. Il faut donc créer de nouveaux outils permettant à l utilisateur naviguer dans une collection et de faire des liens entre des objets et des connaissances. Pour cela, la collection en ligne d un musée numérique doit progressivement abandonner une interface Web avec un point de vue uniquement orienté objet pour une vue contextuelle des collections. En effet, isoler un objet de son contexte, c est lui faire courir le risque de la perte du sens. 7

8 Dans quelle mesure peut-on utiliser les ontologies de domaine pour fabriquer de nouvelles interfaces pour visiter les collections des musées en ligne afin de favoriser la réalisation des tâches utilisateur et l apprentissage de nouvelles connaissances? Dans un premier temps, l objectif est de découvrir, à travers un état de l art, comment des ontologies de domaine et des connaissances peuvent intervenir dans des modèles de conception d interfaces. Ensuite, au travers de l évaluation méthodologique d un échantillon de quatre interfaces de collections en ligne de musées, on cherche à monter dans quelle mesure des modèles d interfaces basés sur des connaissances sont plus efficaces que les modèles d interfaces standard (en fonction des possibilités que ces interfaces offrent aux utilisateurs pour la réalisation de tâches cognitives spécifiques). Enfin, c est principalement autour d un modèle d interface basée sur le modèle des hyperlivres, l HyperMusée, qu est menée notre réflexion pour évoluer vers une proposition d un modèle d interface pour des collections en ligne de musées. 8

9 Chapitre 2. Les ontologies dans les systèmes d information 2.1 Principes et définitions Principes Pour introduire une définition formelle des ontologies, il est utile de connaître les principes d une ontologie exposés par Sowa [Sowa 98]. Ces lignes reflètent le point de vue de leur auteur, et ne peuvent pas être admises comme définition formelle. Cependant, elles peuvent éclairer le lecteur dans sa compréhension de ce qu est une ontologie. «Le but d une ontologie est l étude de catégories de concepts qui existent ou peuvent exister dans certains domaines. Le résultat de cette étude, appelé une ontologie, est un catalogue de types de choses qui existent dans un domaine d intérêt D par la perspective d une personne qui utilise un langage L pour parler de D. Les types de cette ontologie représentent les prédicats, significations, concepts, et types de relations du langage L lorsqu il est utilisé pour décrire ou discuter certains aspects du domaine D. Une logique non interprétée comme le calcul de prédicats, les graphes conceptuels ou KIF (Knowledge Interchange Format), est ontologiquement neutre. Elle n impose pas de contraintes sur le domaine traité, ni sur la façon de le caractériser et de le traiter. Par elle-même, une logique ne dit rien sur rien, mais la combinaison de cette logique avec une ontologie engendre un langage qui permet de traduire les relations entre les entités du domaine étudié.» Sowa définit ensuite une ontologie informelle comme étant spécifiée par un catalogue de types soit indéfinis, soit définis par des instructions en langage naturel. Uschold soulignent l intérêt de telles représentations intermédiaires plus structurées que des descriptions en langage naturel, mais moins formelles que des descriptions en langage formel [Uschold 95]. Ces représentations permettent la communication entre les non-techniciens et les spécialistes de la conception des systèmes. Par opposition, «une ontologie formelle est spécifiée par un ensemble de noms correspondant à des concepts, et un ensemble de types de relations ordonnés selon les relations types sous type. Les ontologies formelles sont ensuite distinguées par la façon dont les sous-types sont différentiés de leurs super-types : une ontologie axiomatisée les distingue par des axiomes et des définitions en langage formel comme certaines logiques ou certains langages informatiques traduisibles en logique ; une ontologie basée sur les prototypes les différencie par comparaison avec un membre typique, un prototype, pour chaque sous-type. Les grandes ontologies mélangent souvent les deux approches: les axiomes et définitions sont utilisés en mathématique, physique et en science en général, les prototypes sont plus couramment utilisés pour les plantes, les animaux, et les sujets de la vie courante.» Définitions Le terme ontologie est issu du domaine de la philosophie de la connaissance. Il désigne l ensemble des concepts d un domaine ainsi leurs relations. En Intelligence Artificielle [Smith 01], le terme ontologie désigne une organisation des concepts d un domaine. Concrètement, un ontologie est une bibliothèque de termes ou des définitions de concepts, qui décrivent la structure de l information pour un domaine donné ou une activité particulière, tel qu'un 9

10 processus de fabrication, un catalogue de commerce, l'assurance, ou la génomique. Les ontologies possèdent des caractéristiques fondamentales. Les ontologies sont formelles. Ceci signifie qu'elles sont exprimées dans une langue qui a une syntaxe clairement définie et base mathématique pour leur signification. Comme les concepts sont exprimés formellement, ils peuvent être traitées par des programmes informatiques. Les «concepts» ou les «objets» qui existent dans des techniques de modélisation traditionnelles (schéma relationnel et UML, par exemple) sont seulement semi formels. Elles ne peuvent donc pas être manipulées automatiquement par des logiciels sans un effort considérable (et coûteux) de programmation de manière à faire ressortir leurs significations. Les ontologies sont lisibles par les humains. Ceci signifie qu'elles peuvent être développés, partagés, et compris non seulement par des programmes informatiques, mais aussi par les communautés d experts de domaine ainsi que des utilisateurs potentiels. Les ontologies sont vastes. Elles sont conçues avec le but d'inclure toute la signification appropriée des concepts liés à un domaine ; pas simplement celles requise pour une application particulière. Cela veut dire que si toute la signification des concepts est capturée par une ontologie, elle peut être comprise, modifiée, et contrôlée par n'importe quel expert de domaine. Les ontologies sont partageables. Ils sont construits sur la base de bibliothèques communes de concepts fondamentaux et sont utilisables à travers de multiples domaines d'application. Ceci facilite la combinaison des ontologies développées séparément pour permettre la communication entre les systèmes d'information qui doivent partager des informations basées sur des concepts communs. Les ontologies peuvent être classifiées en fonction de deux dimensions: leur niveau de détail et leur niveau de dépendance par rapport à une tâche particulière, un point de vue. Plus précisément, Guarino [Guarino 98] propose une classification des ontologies selon leurs niveaux de généralité. Les ontologies de haut niveau (top-level ontologies) décrivent les concepts très généraux comme l'espace, le temps, la matière, les objets, les événements, les actions, etc., qui sont indépendants d'un problème ou d'un domaine d application particulier. Les ontologies de domaine (domaine ontologies) et les ontologies de tâche (task ontologies) décrivent, respectivement, le vocabulaire lié à un domaine générique (comme la médecine, ou les automobiles) ou une tâche ou une activité générique (comme le diagnostic ou la vente), en spécialisant les concepts présentés dans les ontologies de hauts niveaux. Elles donnent une représentation formelle des concepts du domaine étudié ainsi que des différentes relations qui lient ces derniers; elle ne contient pas les concepts pédagogiques, narratifs et structurels [Falquet 04]. Les ontologies d'application (application ontologies) décrivent des concepts dépendant à la fois d'un domaine et d une tâche particulière, qui sont souvent des spécialisations des deux les ontologies relatives. Ces concepts correspondent souvent aux rôles joués par des entités 10

11 de domaine tout en exécutant une certaine activité, comme l'unité remplaçable ou le composant disponible. Ces différents niveaux sont récapitulés dans la Figure 1. Figure 1. Différents types d ontologie selon leur degré de dépendance vis-à-vis d une tâche particulière ou d un point de vue. Les flèches représentent des relations de spécialisation. Par conséquent, une ontologie peut être vue comme une théorie qui distingue les concepts particuliers, c est à dire les objets concrets, physiques, les évènements, les régions, etc., et les concepts universels c est à dire les propriétés, rôles, relations, états, etc. 2.2 Rôle des ontologies Modularité et réutilisabilité des connaissances Les ontologies sont surtout utilisées pour la représentation de connaissance et l application de raisonnements sur ces connaissances. Cependant une ontologie possède des caractéristiques qui, au-delà de cette représentation, favorisent la réutilisation et le partage de données. Déjà en 1991, Gruber insistait sur le rôle que pouvaient tenir les ontologies pour favoriser la modularité et la réutilisabilité dans les systèmes informatiques [Gruber 91]. Gruber souligne les difficultés techniques occasionnées par la conception d ontologies communes. Ces idées ont été beaucoup approfondies et développées dans [Gruber 93 et 95]. Pour lui les systèmes à base de connaissance mettent en place des techniques d interopérabilité basées sur la communication et les opérations à partir de représentations formelles de la connaissance. Ils peuvent souvent être comparés à des agents qui négocient et échangent des connaissances. Trois niveaux de convention sont alors nécessaires : i. Le format de représentation du langage, ii. iii. Le protocole de communication des agents, La spécification du contenu du vocabulaire partagé. C est surtout sur ce dernier point que les ontologies peuvent jouer un rôle intéressant. 11

12 Le partage et l échange de données entre agents exigent le respect de certaines propriétés [Guarino 97b]. Pour l auteur le rôle clef d une ontologie en extraction d information est d établir l accord entre le descripteur recherché et les données. Pour Sowa, une ontologie permet de définir les mots d un langage naturel, les prédicats utilisés dans les calculs de prédicats, les types de concepts et de relations des graphes conceptuels, les classes d un langage orienté objet ou les champs des tables d une base de données relationnelle [Sowa 00]. Or la plupart de ces méthodologies sont connues et utilisées parce qu elles favorisent l échange et la réutilisation de connaissances Communication Il existe trois types de communication dans un projet : communication homme-homme, homme-système ou entre les différents modules du système. Ces trois types possèdent tous des caractéristiques particulières qui engendrent certains problèmes auxquels les ontologies peuvent apporter des solutions. La communication entre humain pose surtout des problèmes quand les acteurs de cette communication ne sont pas du même domaine et ne parlent donc pas forcément le même langage. La réutilisation, le partage de connaissance et d ontologies, suppose que plusieurs utilisateurs soient d accord sur les ontologies partagées. Martin propose d aider les spécialistes de l ingénierie de la connaissance en utilisant la terminologie définie dans WordNet comme base de la communication, car c est un standard [Martin 95]. Une fois que les acteurs humains d un projet sont d accord sur une ontologie, la communication avec le système se fait naturellement, en utilisant cette ontologie. De plus l adaptation des ontologies à la description de textes en langage naturel, semi-structurés [Klein 00] améliore la communication dans le sens machine-homme. Les ontologies peuvent également être utilisées pour harmoniser la communication entre différentes applications ou entre différents agents [Chen 99]. Cette idée, également présente dans les publications de Gruber [Gruber 95], repose souvent sur une ontologie du domaine. Pourtant Chen veut aller plus loin en dotant les agents d une connaissance sur une ontologie de tâche indépendante du domaine. Pour synthétiser, on peut dire que si le rôle principal d une ontologie est de favoriser le partage et la réutilisation de la connaissance, il faut cependant distinguer plusieurs types d utilisation qui entraînent des besoins différents: Une ontologie peut être utilisée comme un répertoire dans lequel on stocke et organise des connaissances et des informations. Elle peut concerner des données simples, standardisées dans un domaine particulier ou bien des données distribuées; En acquisition de connaissance, les ontologies rassemblent les définitions des termes d un domaine ce qui permet à plusieurs acteurs de communiquer sans ambiguïté; L ontologie doit également contenir certaines définitions qui permettent d assurer la consistance de la base de connaissance et son utilisation correcte; Les ontologies se justifient souvent par la volonté de réutiliser la connaissance pour la construction de nouvelles applications ; 12

13 Enfin, une ontologie peut être utilisée comme la base d un langage de représentation des connaissances. 2.3 Différentes méthodologies de conception des ontologies La construction d une ontologie suppose certaines obligations qui découlent du choix d utiliser certains concepts plutôt que d autres pour représenter un phénomène. Ce sont les exigences ontologiques. C est une tâche capitale dans la construction des ontologies puisque de la sélection de ces exigences découlent toutes les autres étapes de détermination du langage de connaissance et de construction de la base. Après s être mis d accord sur la définition et l utilité des ontologies, certains travaux de recherche ont tenté de définir une ontologie formelle qui soit une ontologie de haut niveau, définissant les propriétés ontologiques qui caractérisent les concepts utilisés dans une ontologie [Guarino 97a][Sowa 95]. Cette ontologie permettrait de disposer de principes, de théories et de méthodologies pour la construction d ontologies plus spécifiques. Des recherches concernant la méthodologie de conception d ontologies ont été proposées, mais elles semblent peu utilisées. C est donc un mélange d introspection et de créativité personnelle qui permet de construire une ontologie [Guarino 97a et 97b]. De plus la définition d'une ontologie formelle de haut niveau reste très philosophique et est controversée comme l explique Mizoguchi : plusieurs utilisateurs des ontologies réagissent de façon négative à une ontologie de haut niveau dont devrait dépendre leurs ontologies car ils ne pensent pas qu une ontologie indépendante d une application soit utile [Mizoguchi 98]. Motta souligne la difficulté de concevoir une ontologie même pour un spécialiste du domaine [Motta 00]. Les auteurs passent en revue plusieurs types d approches dont l approche descendante (Top-Down) de [Sowa 95], l approche ascendante (Bottom-Up) de [Van der Vet 98] et l approche mixte (Midddle-Out) de [Uschold 96] (Purpose Driven). La construction d une ontologie n est donc pas clairement définie : il n existe pas de cycle de vie, de méthodologies et de techniques pour cette construction. Gomez-Perez propose une méthode : lister l ensemble des concepts d un domaine, conceptualiser un ensemble de relations intermédiaires entre ces concepts, implémenter le modèle, et évaluer [Gomez-Perez 96]. Ces idées reprennent un plan d action plus complet, qu avait exposé Mike Uschold l année précédente [Uschold 95]. Pour lui la conception d ontologie comporte les étapes suivantes : Identification du sujet ; Construction de l ontologie : saisie, codage et intégration ; éventuelle des ontologies existantes ; Evaluation ; Et documentation. Cependant si ces travaux rendent compte de ce qu il faut faire pour construire une ontologie, ils restent très vagues sur comment on peut le faire. Malgré certaines méthodes proposées, comme par exemple les patrons de conception proposés dans [Devedzic 99], il reste difficile de construire des ontologies, l étape la plus longue étant sans doute le recensement, que l on voudrait exhaustif, de tous les concepts d un domaine. Ehrlich [Ehrlich 97] considère le vocabulaire d un document et étudie la possibilité d enrichir le vocabulaire du système en déduisant le sens des mots nouveaux à partir du contexte où le mot est utilisé. 13

14 Zweigenbaum [Zweigenbaum 97] propose également un outil qui, à partir d une analyse lexicale permet de repérer les concepts et relations qui caractérisent un domaine et amorce ainsi la définition d une ontologie du domaine ou la modification d une ontologie déjà existante, plus adaptée à l utilisation à venir. Les auteurs mettent en évidence la complémentarité de deux approches: l analyse du corpus et le recours à des connaissances du domaine. Gruninger présentent une méthode pour mettre au point et évaluer les ontologies [Grüninger 95]. La première étape consiste à établir les compétences nécessaires à partir de scénarios existants. Ensuite, la spécification d une ontologie de premier ordre est possible. Dans leur outil, TOVE (TOronto Virtual Entreprise), l ontologie modélise le comportement d une entreprise. L approche adoptée ici peut être rapprochée de celle de Mizoguchi puisque lui aussi favorise la théorie de l action en modélisant son ontologie de tâches pédagogiques [Mizoguchi 96ab]. L évaluation d une ontologie est une étape délicate, aussi bien pour un humain que pour un système automatisé. Dans une application donnée, il est possible de vérifier que le vocabulaire utilisé correspond à celui de l ontologie, mais si cela garantit sa consistance cela ne garantit pas pour autant sa complétude. Une évaluation possible pour une ontologie est d étudier sa réutilisation par différentes applications. Uschold [Uschold 96] détaille les difficultés rencontrées pour convertir une ontologie informelle écrite en langage naturel dans le langage formel Ontolingua. La méthodologie utilisée dans Ontolingua et présentée par Gruber s impose d autant plus qu elle est validée par d autres chercheurs. Mike Uschold écrit : les critères de Gruber pour construire des ontologies sont pertinents et peuvent être intégrés dans toute autre méthodologie. Ces critères sont la clarté, la cohérence, l extensibilité, la minimisation des contraintes de codage, la minimisation des interprétations possibles [Gruber 95]. 2.4 Les langages et formalismes utilisés pour représenter des ontologies ONTOLINGUA est un système qui permet la définition d ontologies portables, i.e. la définition des classes, relations, fonctions, objets et théories dans un langage standard qui est ensuite traduit pour plusieurs types de systèmes. Le formalisme utilisé dans Ontolingua est KIF (Knowledge Interchange Format) qui est un langage proche du Lisp. Gruber introduit la syntaxe et la sémantique utilisées dans KIF dans [Gruber 92 et 93]. Ontolingua permet de traduire des ontologies génériques en LOOM, Epikit et KIF. Directement inspiré par Ontolingua, XOL (XML-Based Ontology exchange Language) favorise les échanges d ontologies [Karp 99]. LOOM (ainsi que son successeur Power-LOOM) est une plate-forme pour la représentation des connaissances et la construction d applications raisonnant sur cette connaissance. Le coeur du système est un classificateur qui utilise le chaînage-avant, l unification sémantique et des technologies orientées objet pour constituer un support déductif. Sur ce support des requêtes sont possibles, à partir de connaissances déclaratives composées de définitions, de règles et de faits. LOOM intègre des fonctionnalités puissantes permettant de raisonner sur un modèle du domaine et permet d éditer, de valider, et d expliquer la structure des modèles utilisés. 14

15 Motta montre combien il est plus facile de compléter une ontologie existante que de partir de rien et utilisent pour leur projet le langage OCML [Motta 00]. Le projet en question, WebOnto est une application Java couplée à un serveur Web qui permet de naviguer et d éditer des modèles de connaissance. OIL (Ontology Inference Layer) se présente comme un langage de la seconde génération du Web, à savoir le Web cultivé. Si les informations disponibles sur l'internet sont longtemps restées des pages HTML écrites à la main, son avenir repose sur des applications intelligentes, des agents, permettant des recherches sémantiques, des sélections et filtrages intelligents des informations. La représentation de la connaissance et les ontologies ont donc un rôle crucial à jouer. Pour ce faire, il faudrait disposer de standards d intégration d ontologie avec les standards existants et à venir du Web. OIL est un langage pour la représentation et l inférence d ontologies, combinant des primitives de modélisation des langages de frame avec la sémantique formelle et les modes de raisonnement des logiques descriptives. Une ontologie est représentée par un conteneur (ontology container) et des définitions ontologiques (ontology definition). OIL est basé sur des formalismes tels que RDF/RDFS et XML, ce qui garantit sa totale compatibilité avec ces formalismes standards ou en cours de standardisation. Les liens existant entre la structure d un document (XML schéma) et la modélisation du domaine couvert par ce document (ontologie) sont étudiés dans [Klein 00] au travers d une comparaison entre OIL et les schémas XML. SHOE (Simple HTML Ontology Extensions) est une extension du langage HTML qui permet aux auteurs de page Web de générer une annotation de leurs documents qui soit compréhensible par une machine. Ce langage peut être utilisé par des agents [Luke 97]. En effet, si le langage HTML est utilisé pour rendre la connaissance facilement lisible par un humain, il n est pas adapté pour permettre cette lisibilité pour un système informatique, et un agent chargé d extraire la sémantique d un document a beaucoup de difficulté à le faire, car les données et leur présentation sont entremêlées. SHOE évite ce problème car c est un langage qui permet d inclure dans les pages Web des données directement lisibles et exploitables par un agent. Sowa est un des pionniers de la recherche sur les structures conceptuelles et les modélisations de connaissance par ces structures ; ses travaux s inspirent de ceux de Peirce. Pour modéliser son ontologie de haut niveau, il a mis au point un formalisme : les Graphes Conceptuels (GC) [Sowa 84]. Un GC est un graphe étiqueté, bi-parti, connexe, fini. Les sommets concepts représentent les entités, attributs, états ou évènements ; chaque sommet est typé. Ces types sont ordonnés dans une structure de treillis orienté du plus spécifique au plus général avec des relations «sorte-de». Les graphes conceptuels seront évoqués plus en détails dans la section suivante. Ils représentent un formalisme souvent utilisé pour la représentation d ontologie et sont à l origine du langage CGIF (Conceptual Graph Interchange Form). CGIF est une représentation concrète des GC dans lequel chaque graphe est traduit dans une représentation logique équivalente. Un des langages les plus utilisés en matière de représentation d ontologies est KIF (Knowledge Interchange Format). KIF est un langage mis au point pour soutenir les échanges de données entre plusieurs applications sur plusieurs ordinateurs. Il possède plusieurs atouts, entre autres : 15

16 a) sa lisibilité, il est facilement compréhensible par un humain (même si ce n est pas son but premier) ; b) sa facilité à être programmé il est compréhensible par une machine ce qui permet un raisonnement logique ; c) il permet de représenter la méta-connaissance ce qui permet d introduire de nouvelles représentations de connaissance, sans changer de langage. Le projet Plinius [Van der Vet 95] utilise les langages Prolog, Graphes Conceptuels, Ontolingua et les langages de la famille KL-One. Il existe également beaucoup d autres langages comme KADS, IDEF5 et BSDM qui ne sont pas détaillés ici car ils sont moins utilisés. [Uschold 96] présente une série de critères pour choisir le langage le plus approprié à la représentation d ontologie, et en sélectionne trois : Ontolingua, les graphes conceptuels et KADS, parmi lesquels il choisit Ontolingua. 2.5 Les applications utilisant des ontologies Parmi les applications mettant en oeuvre des ontologies, nous avons cité à plusieurs reprises Ontolingua [Gruber 93]. Le projet Protégé est également un projet qui vise la conception d ontologies génériques. Il permet aux experts de certains domaines de construire des systèmes à base de connaissance par la création et la modification d ontologies grâce à des méthodes de résolution de problèmes. A partir de ces ontologies, le système génère des outils d acquisition de connaissance spécifiques. Mizoguchi et son équipe ont également mis au point un éditeur d ontologies pour les membres de la communauté AI-ED (Artificial Intelligence in Education) Comme nous l avons dit la création d ontologie est un exercice délicat. Gruninger [Gruninger 95 et 96] proposent l outil TOVE - TOronto Virtual Entreprise dans lequel des modèles d entreprise peuvent être représentés par des ontologies afin que le système réponde à certaines questions. En effet la tendance actuelle des entreprises est d identifier, de décrire les types de problèmes, sélectionner de nouveaux processus pouvant y apporter des solutions et les évaluer. Mais, cette tâche requiert nombre d acteurs, à tout instant, et leur coopération, à tous les niveaux de la hiérarchie. C est pourquoi il serait avantageux de posséder une modélisation des processus d activités avec une représentation des processus, ressources, produits, qualités, organisation et de disposer ensuite d un outil d aide à la décision. L ontologie utilisée dans PIF (Process Interchange Format) est décrite dans [Lee 96]. Le projet PIF a pour but, par l utilisation d ontologies, de soutenir l échange de modèles de processus et de créer des liens entre eux. Sa syntaxe est celle de KIF. OntoServer est un serveur développé à l université de Karlsruhe qui intègre un dépôt d ontologies, un moteur d inférence et de requêtes et différents traducteurs. OntoServer fournit des systèmes de raisonnement déductif sur les ontologies. Pour pallier un manque concernant l accès intelligent aux données dans la vaste base de données qu est l Internet, l université de Karlsruhe a développé un autre projet Ontobroker qui utilise des ontologies pour annoter les documents sur l'internet et fournit un service de recherche basé sur des ontologies. Ontobroker sert à la fois aux utilisateurs qui cherchent des informations et aux fournisseurs d accès pour 16

17 améliorer l accès à leurs serveurs. Ontobroker contient une interface de requête, un moteur d inférence, et un «webcrawler» pour scruter la connaissance disponible sur le réseau et chercher des réponses à certaines requêtes. Pour cela un langage de représentation a été mis au point, une sémantique formelle pour l inférence d informations et un langage d annotation pour les auteurs qui souhaitent ajouter des informations ontologiques à leurs pages Web [Fensel 98]. OntoSeek est également destiné à l aide à la recherche d information et utilise pour cela une ontologie linguistique très vaste [Guarino 97b]. 2.6 Structures conceptuelles : de l ontologie au raisonnement Structures Conceptuelles Plusieurs définitions de ce qu est la conceptualisation ont été proposées. Elle peut être présentée comme étant une structure sémantique intentionnelle qui code les règles implicites qui contraignent la structure d une partie de la réalité [Uschold 95] ou bien comme l union d un ensemble d objets existant dans un monde donné et des relations qui existent entre eux [Mizoguchi 00]. Gruber souligne le lien très étroit qui relie ontologies et structures conceptuelles : alors qu un schéma conceptuel définit les relations sur des données, une ontologie définit les termes avec lesquels on représente la connaissance [Gruber 93]. Peirce, outre de nombreux travaux dans des domaines aussi divers que les mathématiques, l astronomie, la chimie, la psychologie, la lexicographie, a mis au point un système de notation en logique du premier ordre : les graphes existentiels (1897). Il souhaitait, grâce à eux, pouvoir exprimer simplement la plupart des primitives de la logique. Bien qu il ait développé une notation graphique pour exprimer ces primitives, il est possible de les exprimer en langage naturel ou en notation [Sowa 00]. Les graphes conceptuels sont fortement inspirés des graphes existentiels, mais se veulent plus facilement lisibles et plus facilement traduisibles en langage naturel Graphes Conceptuels (GC) Pour soutenir une ontologie, une simple hiérarchie de concepts ne suffit pas. Il faut y ajouter une représentation significative des relations et des règles qui régissent cette ontologie. Le monde réel peut souvent être représenté par les différentes entités qui le composent et les relations qui lient ces entités. Pour traduire cette idée, John F. Sowa a mis au point le formalisme des Graphes Conceptuels (GC) [Sowa 84]. Ce formalisme consiste à représenter l environnement dans lequel on se situe sous forme de concepts, reliés entre eux par des relations. Cette approche a l avantage d être facilement abordable et compréhensible, y compris par quelqu un qui n est pas informaticien. L intérêt de ces graphes, réside dans le fait qu ils sont simples et très proches du langage naturel. Les Graphes Conceptuels sont souvent utilisés en représentation des connaissances dans le domaine du traitement du langage naturel, car ils permettent de décrire la sémantique d un texte, sa signification ; mais ils sont également utilisés dans plusieurs autres domaines. La non ambiguïté des GC et leur facilité d utilisation font que ce formalisme est utilisé dans plusieurs applications comme l acquisition des connaissances, la recherche d information et le raisonnement sur la connaissance conceptuelle. La représentation de connaissance sous forme de graphes et les possibilités de raisonner sur cette connaissance ne sont plus à prouver [Sowa 93][Mugnier 96]. Pour plus de détails sur la 17

18 description formelle des GC et un état de l art en français sur les graphes conceptuels le lecteur peut se reporter à [Martin 96]. Le raisonnement possible sur les structures conceptuelles impose de différencier deux types de connaissances : connaissances stockées dans la base de connaissance et connaissance induite [Boksenbaum 93]. Cet article présente aussi la possibilité d exprimer des requêtes incomplètes par des chemins dans les graphes (ce qui n est pas possible avec un modèle relationnel). Un grand nombre de systèmes utilisent les graphes et notamment les graphes étiquetés pour modéliser la connaissance. 18

19 Chapitre 3. Etat de l art sur l utilisation de connaissances dans la génération des interfaces 3.1 Interfaces pour des documents virtuelles adaptatifs Composition automatique de documents hypermédia adaptatifs Un système hypermédia adaptatif est un système hypertexte ou hypermédia qui reflète certaines caractéristiques de l utilisateur dans un modèle utilisateur, et qui applique ce modèle de façon à adapter certains aspects visibles du système à cet utilisateur [Brusilovsky 98]. L adaptation peut être de deux ordres : l adaptation du parcours de lecture au travers de données existantes fixes ou l adaptation du contenu du document lui-même. Concernant l adaptation du parcours de lecture, Brusilovsky synthétise les différentes adaptations possibles dans les hypermédias dans la Figure 2. Figure 2. Différents types d adaptation possibles dans les documents hypermédia selon Brusilovsky Crampes et Ranwez [Crampes 00] proposent deux modèles de documents virtuels. Tous deux font appels à une ontologie de domaine pour indexer les fragments d'information (ressources). Dans le premier cas une stratégie de «chaînage arrière conceptuel» permet de créer des parcours de lecture correspondant aux objectifs du lecteur (décrits en termes de graphes conceptuels). Dans le second cas, une ontologie pédagogique définit des règles pédagogiques qui guident l'assemblage de fragments de manière à produire des documents qui respectent une approche pédagogique définie. Ces règles contraignent en particulier l'ordre d'apparition des informations dans un document. Un moteur d'inférence se charge de générer des documents qui satisfont les règles. 19

20 Le principe de composition d un des prototypes est basé sur l'association de deux ontologies. La détermination de certains objectifs pédagogiques est projetée sur l'ontologie du domaine, afin d'en extraire la partie qui doit être traitée par le document final. Ayant déterminé cette partie de l'ontologie, une recherche d'information est effectuée dans la base de données des Briques d Information (BI). Celles-ci, lorsqu'elles sont sélectionnées sont ordonnées en fonction de règles issues de l'ontologie Pédagogique (OP) et des contraintes sémantiques éventuelles mentionnées dans l'ontologie de Domaine (OD). La Figure 3 récapitule le fonctionnement de l'organisation. Figure 3. Représentation du fonctionnement de l'étape d'ordonnancement 20