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

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

Préambule Etudiant en Diplôme d Etude Approfondie (DEA) en Management et Technologie des Systèmes d Information (MATIS) durant l année 2003-2004, 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

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

Table des matières CHAPITRE 1. INTRODUCTION...5 1.1 MOTIVATION...5 1.2 PROBLEMATIQUE...6 1.2.1 Cadre général...6 1.2.2 Question de recherche...7 CHAPITRE 2. LES ONTOLOGIES DANS LES SYSTEMES D INFORMATION...9 2.1 PRINCIPES ET DEFINITIONS...9 2.1.1 Principes...9 2.1.2 Définitions...9 2.2 ROLE DES ONTOLOGIES...11 2.2.1 Modularité et réutilisabilité des connaissances...11 2.2.2 Communication...12 2.3 DIFFERENTES METHODOLOGIES DE CONCEPTION DES ONTOLOGIES...13 2.4 LES LANGAGES ET FORMALISMES UTILISES POUR REPRESENTER DES ONTOLOGIES...14 2.5 LES APPLICATIONS UTILISANT DES ONTOLOGIES...16 2.6 STRUCTURES CONCEPTUELLES : DE L ONTOLOGIE AU RAISONNEMENT...17 2.6.1 Structures Conceptuelles...17 2.6.2 Graphes Conceptuels (GC)...17 CHAPITRE 3. ETAT DE L ART SUR L UTILISATION DE CONNAISSANCES DANS LA GENERATION DES INTERFACES...19 3.1 INTERFACES POUR DES DOCUMENTS VIRTUELLES ADAPTATIFS...19 3.1.1 Composition automatique de documents hypermédia adaptatifs...19 3.1.2 Modèle d hypertexte adaptatif...22 3.1.3 Modèle d hyperlivres virtuels pour favoriser l apprentissage collaboratif...23 3.2 GENERATION AUTOMATIQUE D INTERFACE A BASE DE MODELE...24 3.3 INTERFACES DE RECHERCHE D INFORMATION A BASE DE CONNAISSANCES...25 3.4 INTERFACE POUR LA COLLECTION EN LIGNE DE MUSEUMFINLAND...26 CHAPITRE 4. METHODOLOGIE DE RECHERCHE...27 4.1 LA METHODE MILE (MILANO LUGANO EVALUATION METHOD)...27 4.2 IDENTIFICATION DES TACHES COGNITIVES...29 CHAPITRE 5. EVALUATION DE QUATRE INTERFACES DE COLLECTIONS EN LIGNE DE MUSEES...31 5.1 RESULTATS DES EVALUATIONS...32 5.2 PRESENTATION DU «TIMELINE OF ART HISTORY»...33 CHAPITRE 6. PROPOSITION D UN MODELE D INTERFACE : L HYPERMUSEE...41 6.1 CONTEXTE ET OBJECTIF DU MODELE...41 6.1 STRUCTURE DE L HYPERMUSEE...42 6.3 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...82 4

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

1.2 Problématique 1.2.1 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

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. 1.2.2 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

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

Chapitre 2. Les ontologies dans les systèmes d information 2.1 Principes et définitions 2.1.1 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.» 2.1.2 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

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

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 2.2.1 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

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. 2.2.2 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

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

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

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

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

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 2.6.1 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. 2.6.2 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

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

Chapitre 3. Etat de l art sur l utilisation de connaissances dans la génération des interfaces 3.1 Interfaces pour des documents virtuelles adaptatifs 3.1.1 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

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

Par applications successives de l'ensemble des règles, le système met en relation un ensemble de BI qualifiées avec les ontologies pédagogiques et du domaine. C'est cette qualification qui lui permet de pouvoir associer les concepts des deux ontologies afin de composer un plan didactique. Ce sont bien les deux ontologies considérées conjointement qui permettent la composition du cours. La Figure 4 synthétise le principe cette approche. Figure 4. Présentation du principe général du fonctionnement du prototype 21

Ce principe présente certains avantages. L'application de différentes stratégies pédagogiques est possible. Le document final est cohérent puisque la qualification des BI à l'aide de l'ontologie du domaine en valide la sémantique. De plus la mise à jour de la base de données est simple car il suffit de rajouter une description dans la base sans se préoccuper des liens avec les données existantes. En effet, s'il y a des liens entre les BI, ceux-ci sont conceptuels et sont retrouvés grâce aux opérations de base des graphes conceptuels. Ce n'est pas le cas pour des bases de données hypertextuelles pour lesquelles la définition des hyperliens doit être précisée ce qui implique une connaissance globale de la base de données. Enfin, durant la consultation d'un cours, le système mémorise les adresses visitées par l'apprenant. De cette façon, un cours interrompu et régénéré tient compte des BI déjà visitées et ne les intègre pas dans le nouveau cours. 3.1.2 Modèle d hypertexte adaptatif Dans [Wu 01] les auteurs proposent un modèle d hypertexte adaptatif qui comprend un modèle du domaine (domain model), un modèle de l utilisateur (user model) et des règles d adaptation (adaptation model consisting of adaptation rules). Le modèle du domaine est un réseau sémantique formé des concepts du domaine et de relations entre ces concepts. Ce modèle sert essentiellement à définir des règles d adaptation, en fonction, par exemple, des concepts connus ou maîtrisés de l utilisateur. Les concepts sont des objets avec des identifiants uniques. Un concept représente une information abstraite pour le domaine d application. Le modèle de l utilisateur représente les relations entre l utilisateur et le modèle de domaine. Les règles d adaptation définissent, à la fois, le processus de génération des présentations adaptatives et la mise à jour du modèle de l utilisateur. La Figure 5 présente la structure générale des couches qui composent ce modèle d hypertexte adaptatif. Figure 5. Structure générale des couches du modèle d hypertexte adaptatif 22

3.1.3 Modèle d hyperlivres virtuels pour favoriser l apprentissage collaboratif Falquet et Ziswiler, dans [Falquet 03], propose un modèle pour la création, la gestion et la visualisation d hyperlivres virtuels. Les fragments constituent le contenu informationnel de base de l hyperlivre. Les fragments peuvent être liée entre eux par des liens typés. Le modèle est composé d une base de données de fragments réutilisables qui est connectée à une ontologie de domaine et à une structure d hyperlivre. Il existe une séparation nette entre la partie structurelle (représentation de l information) et la spécification de l interface de lecture et d écriture (documents d interface). La partie structurelle représente les relations existant entre fragments et entre l'ontologie de domaine et les fragments. La partie dynamique d'interface décrit l'assemblage des fragments pour produire les documents de lecture. L ontologie de domaine donne 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. Cette ontologie est utilisée pour indexer ou qualifier les fragments. Ce modèle contient aussi un langage de spécification d interface pour la génération d hypertextes avec des points de vue différents à partir du contenu d un hyperlivre. La structure d'hyperlivre est composée des classes représentées sur le diagramme de classes de la Figure 6. Figure 6. Classe de la structure d hyperlivre Le typage des liens entre concepts et fragments permet de qualifier un fragment non seulement en indiquant de quoi il parle mais également de préciser de quelle nature est sa relation avec le concept. Ces liens typés jouent un rôle crucial dans l'inférence de liens pertinents entre fragments lors de la génération des documents d'interface. L'idée étant de remplacer les liens directs entre fragments par des liens inférés à partir des liens entre les fragments et l'ontologie et des relations de l'ontologie. 23

3.2 Génération automatique d interface à base de modèle Dans [Puerta 97] l auteur décrit le modèle Mobi-D (Model-Based Inteface Designer), un environnement interactif complet qui permet de réaliser des conceptions orientées utilisateurs grâce à une méthodologie de développement d interface à base de modèle. Le modèle Mobi-D sert essentiellement à effectuer une conception d interface structurée et automatisée à partir de modèles abstraits (par exemple : modèle de domaine ou modèle de tâches) pour obtenir des modèles concrets (par exemple : modèle de présentation ou modèle de dialogue). Le modèle d interface fait office d une base de connaissances au sujet de la conception des interfaces. Le modèle Mobi-D contient aussi une autre base de connaissances à propos de directives et de conseils opérationnels pour la conception d interface. Toutes ces bases de connaissances ont pour objectif d automatiser la conception des interfaces et de venir en aide au développeur. Les composants de l architecture du modèle Mobi-D sont représentés dans la Figure 7. Figure 7. L architecture du modèle Modi-D pour le développement d interface à base de modèle 24

3.3 Interfaces de recherche d information à base de connaissances ALTAVISTA <www.altatavisat.com> offre une interface de recherche d information par «répertoire». Le répertoire d'altavista contient des sites Web revus par des rédacteurs et organisés par catégories de thème. On peut utiliser le répertoire si l on est intéressé par un thème spécifique mais que qu on ne sait pas exactement ce que l on cherche ou que l on souhaite voir les sites de meilleure qualité (qui ont fait l objet d une sélection) sur ce thème. Lorsque qu on sélectionne un lien de catégorie, AltaVista nous indique ce qui suit : Une hiérarchie échelonnée de recherche (Accueil > Catégorie > Sous-catégorie), Une liste de sous-catégories. On peut cliquer sur ces catégories afin d'explorer plus en profondeur notre thème, Une liste de site Web appartenant à la catégorie actuelle. Des rédacteurs humains les ont choisis car ils correspondaient le mieux à chaque catégorie spécifique. YAHOO <www.yahoo.com> propose aussi un «Guide Web» qui se présente sous la forme d une interface de navigation par rubriques et sous-rubriques thématiques pour faire des recherches sur le Web. DMOZ - ODP (Open Directory Project) <www.dmoz.org> est le plus grand projet d annuaire public édité par des rédacteurs humains et géré par Netscape. Des évaluateurs volontaires passent en revue des sites Web et les classent par sujet. L interface de recherche d information de l ODP est organisée par catégories et sous-catégories thématiques. La Figure 8 présente un aperçu des catégories de la page d accueil du projet ODP. Figure 8. Liste des catégories du projet ODP GOOGLE <www.google.com> possède un «annuaire» qui intègre la technologie de la recherche Google avec les pages de l'odp afin de créer une interface utile pour trouver de l'information sur le Web. L'annuaire Google est particulièrement utile quand nous ne sommes pas sûr de savoir comment limiter notre recherche à une seule catégorie. L'annuaire nous aide à comprendre comment les sujets dans un domaine spécifique sont liés et peut suggérer des termes de recherche utiles. Il peut également nous donner une idée de la portée d'une catégorie donnée. 25

3.4 Interface de la collection en ligne de MuseumFinland Hyvonen [Hyvonen 04] présente une vue d'ensemble de l interface de MuseumFinland <http://museosuomi.cs.helsinki.fi> du point de vue de l utilisateur et du musée. Il justifie comment l'utilisation des ontologies et les technologies du Web sémantiques s'avère être utiles pour la construction des interfaces de navigation hypertextes pour des collections de musées en ligne. Hyvonen explique que l utilisation des ontologies de domaine dans le modèle d interface de MuseumFinland a de nombreux avantages à la fois pour les conservateurs et les utilisateurs de la collection en ligne du musée : Définitions exactes. En employant des ontologies, les musées peuvent définir les concepts utilisés en cataloguant d'une manière précise et compréhensible par la machine. Connaissances et ontologies. Les ontologies fournissent des moyens pour faire des références exactes au monde externe. Par exemple, l'ontologie des lieux (villages, villes, pays, etc...) et l'ontologie des d'acteurs (personnes, compagnies, etc...) permettent de faire des références à des connaissances extérieures à la collection du musée. Enrichissement automatique de contenu. Les définitions des classes pour les ontologies ainsi que les relations entre les classes offre un enrichissement sémantique automatique des données des collections. Services intelligents. Les Ontologies peut être employé comme base pour des services intelligents à l'utilisateur tels qu un moteur de recherche sémantique ou un système de recommandation. 26

Chapitre 4. Méthodologie de recherche 4.1 La méthode MiLE (Milano Lugano Evaluation Method) La méthode MiLE (Milano Lugano Evaluation Method) [Blas 02] est basé sur une combinaison de méthodes d inspections (c.-à-d. un expert qui explore systématiquement une interface) et des essais empiriques (c.-à-d. des utilisateurs qui emploient réellement l'application, sous les conseils et l'observation des experts en matière d utilisabilité). Selon la nature des tâches, deux aspects sont pris en compte dans cette méthode : I. Les Tâches Abstraites, TA en bref, utilisé pour l'inspection. Elles sont une liste d'actions génériques (génériques du fait elles peuvent être appliquées à une étendue des applications large) capables de mener l'inspecteur par le labyrinthe des différentes parties d une application. La méthode MiLE fournit à des inspecteurs des directives qui appellent leur attention sur les dispositifs les plus appropriés de l'application. II. Les Tâches Concrètes, TC en bref ; elles sont une liste d'actions spécifiques (spécifiques du fait elles sont définies pour une application simple) que des utilisateurs doivent d'exécuter tout en explorant l application demande d'essai empirique. Les TA, utilisés pour l inspection sont le centre de notre travail, et nous n'explorerons pas les TC relatifs aux actions spécifiques. Une contribution de la méthode MiLE est de mettre en valeur le besoin de séparer différents niveaux d'analyse: technologie, navigation, contenu, graphique et d autres encore. Afin de faciliter l inspection, une bibliothèque des tâches abstraites doit être préparée pour chaque niveau, dans une première phase, en établissant la méthode. Les TA sont une image de la connaissance des experts en matière de chaque niveau. Pour quelques niveaux (par exemple graphique ou navigation), les tâches abstraites peuvent être généralement indépendantes du domaine spécifique d'application; pour d'autres niveaux (par exemple contenu) nous prenons différentes tâches selon le domaine d'application (c.-à-d., tâches spécifiques pour le domaine de acquis culturel, pour le domaine d'e-commerce, et ainsi de suite). Ainsi, certains des dispositifs (tels que la navigation ou la disposition) d'une application peuvent être examinés en grande partie indépendamment d'un domaine spécifique d'application; d'autres dispositifs, tels que le contenu ou les fonctions offertes aux utilisateurs, exigent un schéma différent d'évaluation pour chaque domaine d'application. Afin d'explorer les fonctions et le contenu pour les sites Web de musée un groupe spécifique d experts (groupe de Bologne) a été créé, avec une association entre le «Politecnico di Milano» et «Istituto Beni Culturali», une organisation régionale dirigeant des activités dans le domaine du patrimoine culturel. Le groupe se compose de conservateurs de musées (musée d archéologie, musées d art moderne et d art contemporain et galeries d'art), d'experts en matière de communication dans le domaine des musées, et des chercheurs en nouvelles technologies de l information dans le domaine du patrimoine culturel. La première étape du groupe de Bologne a était d'identifier les principaux composants d'un site Web générique de musée. Un grand nombre de sites Web de musées a été analysé à 27

cette fin. Le modèle résultant est une synthèse du contenu et des dispositifs trouvés dans ces sites Web de musées. Plus d une centaine de composants élémentaires, organisés en trois groupes principaux, ont été identifié. Les groupes en question sont les suivantes : A. Présentation du site : informations générales au sujet du site Web; B. Présentation du musée: contenu et fonctions se rapportant à un musée existant ; C. Le musée virtuel: contenu et fonctions exploitant le potentiel du Web. Les TA sont classifiés selon deux dimensions: I. La portée (scope) ; II. La nature (concerne). Les valeurs possibles pour la portée de la tâche sont les suivantes: a. Simple; b. Complexe; c. Général. Les valeurs possibles pour la nature de la tâche sont les suivantes: a. Pratique (l utilisateur veut trouver des informations utiles); b. Opérationnelle (l utilisateur veut faire quelque chose); c. Cognitive (l utilisateur souhaite apprendre quelque chose). Le Tableau 1 donne une vue synthétique de ce qui précède : SIMPLE COMPLEXE GENERAL Pratique Chercher le calendrier d ouverture des salles et des expositions Organiser une visite au musée à l avance Obtenir une idée de l organisation générale du musée Opérationnelle Acheter un billet Faire une réservation pour une visite en groupe avec un guide Obtenir une idée de toutes les offres pour des visites en groupe Cognitif Trouvez une oeuvre spécifique et sa description Trouvez toutes les oeuvres d un gendre particulier Obtenir une vue d'ensemble des collections du musée Tableau 1. Quelques exemples de TA (Tâches Abstraites) 28

4.2 Identification des tâches cognitives Une étude de Dufresne [Dufresne 96] met en relief une série de phénomènes qui entourent l apprentissage d un visiteur d une collection de musée, en particulier, les rôles joués tantôt par l information que le visiteur tire de l objet, tantôt par celle qu élabore son dynamisme créateur en comparant un objet avec d autres objets et en essayant de placer l objet dans un contexte à l aide de connaissances. Ceci éclaire la complexité de l apprentissage, et même temps la forme que prend l interaction du visiteur avec les objets d une collection. Cette étude nous fournit donc une information pour évaluer les interfaces de collections de musée en ligne afin de découvrir dans quelle mesure elles permettent d aider le visiteur à optimiser cette interaction. Une interaction optimiser est une interaction qui permet au visiteur de faire une expérience d apprentissage, riche en acquisitions variées qui contribuent à son développement. Pour effectuer les évaluations des interfaces Web des collections de musées en ligne, nous avons décidé de prendre en considération sept tâches de nature cognitives (Tableau 2). Tâche Description de la tâche cognitive Nature (portée) de la tâche T1 Obtenir une vue d'ensemble des collections du musée Générale T2 Trouvez une oeuvre spécifique et sa description Simple T3 T4 Trouvez toutes les oeuvres d'un gendre particulier Mettre en relation une oeuvre avec un contexte à l aide de connaissances Complexe T5 T6 T7 Mettre en relation une oeuvre avec d'autres oeuvres S'orienter d'une oeuvre vers une autre oeuvre Comparer des oeuvres entre elles Tableau 2. Description des tâches cognitives en relation avec l utilisation de l interface d une collection de musée en ligne Ce tableau figure aussi dans les annexes de ce rapport de manière à simplifier le travail du lecteur qui désir le consulter pour se rappeler de la description des tâches dans la suite de sa lecture. 29

Nous pouvons considérer les tâches cognitives T1 à T7 comme des cas d utilisation relatifs à l utilisation d une interface Web pour visiter la collection d un musée en ligne (Figure 9). Figure 9. Diagramme de cas d utilisation [visiter la collection du musée] pour évaluer les interfaces des collections en ligne des musées 30

Chapitre 5. Evaluation de quatre interfaces de collections en ligne de musées Notre échantillon se compose de quatre sites Web de musée qui disposent d un catalogue en ligne d objets et d œuvres relatives aux collections ouvertes au public. Les musées en question sont : i. Le musée du Louvre - Paris, France <URL : http://www.louvre.fr> ii. iii. iv. The Institute and Museum of the History of Science - Florence, Italie <URL: http://galileo.imss.firenze.it> Le Centre Gorge Pompidou - Paris, France <URL : http://www.cnac-gp.fr> The Metropolitan Museum of Art - New York, Etats-Unies <URL: http://www.metmuseum.org> Il y a trois limitations à notre méthode de recherche : 1) nous étudions uniquement un échantillon de quatre interfaces de collections de musées, 2) notre évaluation se limite aux sept tâches de nature cognitives T1 à T7, 3) nous avons exclu les essais empiriques à l aide d utilisateurs visitant les collections. 31

5.1 Résultats des évaluations Le détail des évaluations des interfaces se trouve dans les annexes de ce rapport. En règle générale, les tâches cognitives T1 à T3 sont réalisables à l aide de toutes les interfaces de collection de musée en ligne de notre échantillon. La tâches T4 et T5 ne sont pas réalisable en règle générale. La tâche T6 est uniquement réalisable à l aide un plan interactif des salles du musée car les salles présentent un sous-ensemble des œuvres selon une certaine logique. La tâche T7 peut être réalisé à l aide des interfaces qui offrent des fonctions de personnalisation tels que des outils pour sélectionner des objets et de les mettre dans une galerie personnelle. L exemple du TOAH du Metropolitan Museum of Art nous fournit un exemple d outil pour une interface de collection en ligne qui permet de réaliser toutes les tâches cognitives définies and la section précédente. Le Tableau 3 présente un résumé des résultats. Tâche cognitive T1 : Obtenir une vue d'ensemble des collections du musée T2 : Trouvez une oeuvre spécifique et sa description T3 : Trouvez toutes les oeuvres d'un gendre particulier T4 : Mettre en relation une oeuvre avec un contexte à l aide de connaissances T5 : Mettre en relation une oeuvre avec d'autres oeuvres T6 : S'orienter d'une oeuvre vers une autre oeuvre T7 : Comparer des oeuvres entre elles Nombre d objets exposés dans le musée Nombre d objets dans la collection en ligne Le Louvre Site Web des collections de musées en ligne The Le Centre IMHS Gorge The Metropolitan Pompidou 5/5 5/5 5/5 5/5 5/5 5/5 5/5 5/5 5/5 5/5 5/5 5/5 1/5 3/5 1/5 5/5 1/5 2/5 1/5 5/5 3/5 3/5 3/5 5/5 2/5 1/5 2/5 3/5 30000? 55000 2000000 29000? 54400 6500 Tableau 3. Résultats des évaluations des interfaces des collections suivant une échelle de mesure (1/5 = faible, 2/5 = assez bien, 3/5 = bien, 4/5 = très bien, 5/5 = excellent) Selon Davies [Davies 02] il est important de donner à l'utilisateur d un catalogue de musée en ligne l'occasion de se comporter conceptuellement de la même manière qu il se comporterait dans le vrai environnement d un musée. Gilbert [Gilbert 01], de son côté, mais l accent sur l expérience vécu par l utilisateur face à l interface d une catalogue de musée en 32

ligne. Il affirme que la conception d une interface de qualité doit nécessairement inclure des outils pour faciliter l interaction du visiteur avec le catalogue en offrant systématiquement des connaissances pour ajouter du contexte aux objets. Peacock [Peacock 04] souligne aussi l importance de la contextualisation des objets relatifs aux collections des musées en ligne. L exemple du TOAH nous fournit un exemple d outil qui permet de réaliser toutes les tâches cognitives (Annexe 5) définies and la section précédente. 5.2 Presentation du «Timeline of Art History» Le Timeline of Art History (TOAH) <www.metmuseum.org/toah> permet une exploration chronologique, géographique, et thématique de l'histoire de l'art au niveau du monde, illustré tout particulièrement par les œuvres du Metropolitan Museum of Art. Les oeuvres d'art dans la collection de la métropolitaine célèbrent la créativité humaine de partout dans le monde et de toutes les ères. Le TOAH place la collection du musée dans un contexte chronologique, géographique, et thématique cohésif. Chaque image est accompagnée du matériel de support et peut être agrandie pour un examen minutieux plus étroit. La structure de base du TOAH est chronologique et géographique. Chaque page du TOAH inclut l'art représentatif de la collection du musée, d'un diagramme des périodes de temps, d'une carte de la région, d'une vue d'ensemble, et d'une liste d'événements principaux. Les timelines, accompagnés de la carte du monde, et des cartes régionales, fournissent un contour linéaire de l'histoire d'art, et permettent à des visiteurs de comparer et contraster l'art de autour du globe à tout moment dans l'histoire. Les «Special Topics» dans du TOAH se concentrent sur des thèmes spécifiques dans l'histoire d'art. Elles couvrent des sujets tels que les mouvements et les périodes artistiques, les emplacements archéologiques, les empires et les civilisations, les thèmes et les concepts récurrents, les médias tels que la peinture, la sculpture, et la céramique, et les artistes. Les «Special Topics» démontrent des facettes du développement des civilisations et incluent les cartes additionnelles, la photographie architecturale d'emplacement. Chaque page a des liens aux thèmes et aux timelines relatifs. Les Figures 10 à 23 décrivent les différentes fonctionnalités offertes par le TOAH. Le TOAH offre un total de six rubriques pour accéder au objets de la collection en ligne du musée: i. Accueil (Home), ii. Cartes (Maps), iii. Timeline (Ligne du temps), iv. Special Topics (Sujets particuliers), v. Object Pages (Pages des objets), vi. Indexes (Indexes). 33

Figure 10. Détail des outils fourni par l interface du «Timeline of Art History» : HOME Figure 11. Détail des outils fourni par l interface du «Timeline of Art History» : MAPS 34

Figure 12. Détail des outils fourni par l interface du «Timeline of Art History» : TIMELINE Figure 13. Détail des outils fourni par l interface du «Timeline of Art History» : SECIAL TOPICS (1/2) 35

Figure 14. Détail des outils fourni par l interface du «Timeline of Art History» : SPECIAL TOPICS (2/2) Figure 15. Détail des outils fourni par l interface du «Timeline of Art History» : OBJECT PAGES > OBJECT 36

Figure 16. Détail des outils fourni par l interface du «Timeline of Art History» : OBJECT PAGES > DESCRIPTION Figure 17. Détail des outils fourni par l interface du «Timeline of Art History» : OBJECT PAGES > ENLARGEMENT 37

Figure 18. Détail des outils fourni par l interface du «Timeline of Art History» : OBJECT PAGES > VIDEO Figure 19. Détail des outils fourni par l interface du «Timeline of Art History» : INDEXES > SUBJECT 38

Figure 20. Détail des outils fourni par l interface du «Timeline of Art History» : INDEXES > ARTIST Figure 21. Détail des outils fourni par l interface du «Timeline of Art History» : INDEXES > ACCESSION NUMBER 39

Figure 22. Détail des outils fourni par l interface du «Timeline of Art History» : INDEXES > SPECIAL TOPICS Figure 23. Détail des outils fourni par l interface du «Timeline of Art History» : INDEXES > SITE MAP 40

Chapitre 6. Proposition d un modèle d interface : l hypermusée 6.1 Contexte et objectif du modèle Faisons l hypothèse que l on dispose de la collection en ligne d un musée d histoire des sciences dans lequel figurent des objets (instruments scientifiques). Cette collection en ligne propose une interface de type standard. Chaque objet est identifié par un numéro d inventaire et possède une notice descriptive qui contient les champs documentaires suivants: 1. dénomination de l objet, 2. photographie de l objet, 3. nom du fabricant, 4. lieux de fabrication, 5. date de fabrication, 6. description de l objet. Dans cette interface standard, il est possible d interroger l ensemble de la collection en ligne grâce à un formulaire Web. Un champ d interrogation dans le formulaire Web correspond à un champ documentaire relatif à une notice d objet. Ainsi, l utilisateur peut interroger la base de donner de la collection ou visualiser les objets de la collection en parcourant toutes les notices de façon linéaire. Lorsqu une notice est visualisée par un utilisateur, l interface ne propose pas de liens hypertextes vers d autres notices qui possèdent des champs documentaires qui ont des valeurs semblables. L utilisateur a deux possibilités : a) faire une nouvelle recherche en fonction des champs documentaires relatifs aux notices des objets, b) suivre les notices de façon linéaire (classification alphabétique ou numérologique). Notre objectif est de spécifier un modèle d interface, basé sur des ontologies, pour enrichir une telle collection en ligne. Le modèle d interface que nous voulons proposer doit fournir une solution pour permettre à l utilisateur d accomplir les tâches cognitives suivante: T4 : mettre en relation un objet avec un contexte et des connaissances, T5 : mettre en relation un objet avec d'autres objets, T7 : comparer des objets entre eux sous l angle des usages. Le modèle d hypermusée qui va suivre s inspire du modèle d hyperlivre proposé par Falquet et Ziswiler dans [Falquet 03]. La spécification du modèle est séparée en deux parties : I. une partie structurelle qui représente les relations existant entre les objets du catalogue et entre les ontologies de domaine et les objets du catalogue, II. une partie dynamique/d'interface qui décrit l'assemblage des objets du catalogue et des concepts issus des ontologies pour produire les pages d interface. 41

6.1 Structure de l hypermusée Une ontologie de domaine donne une représentation formelle des concepts du domaine étudié ainsi que des différentes relations qui lient ces derniers. Dans le cadre d un musée d histoire des sciences qui dispose d une collection d instruments scientifiques, nous proposons d intégrer quatre ontologies de domaine dans notre modèle : I. Une ontologie des activités de nature scientifiques (ontologie d activités), II. Une ontologie qui inclue des savants ainsi que leurs découvertes scientifiques en fonctions des époques (ontologie historique), III. Une ontologie des différents pays du monde en fonction des continents (ontologie géographique), IV. Une ontologie de définitions techniques qui contient les unités et sous-unités du Système International du Bureau International des Poids et des Mesures (ontologie du S.I.) La partie structurelle d'un hypermusée est un ensemble d'objets qui sont des instances des classes de la structure d'hyperlivre. Les deux classes O-OBJ-Link et OBJ-OBJ-Link sont des classes associatives (associations) qui représentent les liens entre les ontologies de domaine et les objets du catalogue et entre les objets du catalogue eux-mêmes. La catégorie d'un objet de catalogue indique la nature du contenu de sa notice d information, elle est indépendante du rôle que peut jouer l objet du catalogue vis à vis d'un concept ou d'un autre objet de catalogue. Le typage des liens entre concepts et objets du catalogue permet de qualifier un objet du catalogue non seulement en indiquant de quoi il relève mais également de préciser de quelle nature est sa relation avec le concept. Les types de liens que l'on trouve entre les objets du catalogue et les concepts sont, entre autres : - inventeur : l objet a été inventé par un savant nommé par le concept, - fabriquer en : l objet a été fabriquer dans un pays nommé par le concept, - époque : l objet a été fabriqué dans un siècle nommé par le concept, - usage : l objet permet de réaliser une activité nommée par le concept, - type : l objet est un type d instrument nommé par le concept. Ces liens typés jouent un rôle crucial dans l'inférence de liens entre objets du catalogue lors de la génération des documents d'interface. L'idée étant de fabriquer des liens entre objets du catalogue par des liens inférés à partir des liens entre les objets du catalogue et les ontologies et des relations des ontologies. La Figure 24 donne un aperçu d un fragment du modèle et montre comment l on peut obtenir des liens dérivés en parcourant des liens et des relations entre concepts. 42

Figure 24. Fragment du modèle HyperMusée 43

6.3 Modèle d interface de l hypermusée L'interface de l hypermusée est un hypertexte formé de noeuds et de liens hypertextuels dérivés à partir d objets du catalogue, des concepts d ontologies de domaine ainsi que des liens hypertextuels : - inventeur, - fabriquer en, - époque, - usage, - type. Une spécification d'interface est composée d'un ensemble de schémas de noeuds qui peuvent être instanciés pour produire les noeuds et liens réels de l'interface. Un modèle d interface est composé de : - pages, - liens, - l inférence de liens. La composition des pages d'interface est spécifiée à la fois par les relations existant dans l hypermusée (partie structurelle de la composition) et par des règles de sélection et d'assemblage exprimées dans les schémas de noeuds (partie dynamique). Une spécification d expression de chemin est composée de : - type de lien, - direction de lien, - type de nœud (concept ou objet du catalogue). Une instance d expression de chemin est composée d un chemin dans le graphe de l hypermusée qui satisfait toutes les spécifications d une expression de chemin. Par rapport à un objet du catalogue, un concept donné dans le graphe de l hypermusée peut être de type immédiat ou étendu selon l absence ou la présence d un concept intermédiaire entre l objet du catalogue et le concept en question: - concept immédiat [selon une ontologie K] lié à un objet O ; < CC.immédiat [K] (O) > : - il n existe pas de concept intermédiaire entre l objet du catalogue et le concept donné, Exemple : «XVII ième siècle» CC.immédiat [Historique] (Thermomètre à mercure) & «G.D. Fahrenheit» - concept étendu [selon une ontologie K] lié à un objet O ; < CC.étendu [K] (O) > : il existe au moins un concept intermédiaire entre l objet du catalogue et le concept donné. 44

Exemple : «Découverte de l élément chimique mercure» CC.étendu [Historique] (Thermomètre à mercure) & «A.L. Lavoisier» Pour permettre à l utilisateur d accomplir la tâche cognitive T4 (mettre en relation un objet avec un contexte et des connaissances), nous définissons deux types de contextes en fonction de la position des objets du catalogue par rapport à leurs concepts immédiats et étendus respectifs : - contexte immédiat liée à un objet O ; < CTXT.immédiat [*] (O) > : l ensemble des concepts immédiats [selon toutes les ontologies de domaine du modèle] liés à l objet, Exemple : «Mesurer température», CTXT.immédiat [*] (Thermomètre à mercure) «XIIème siècle», «A.L. Lavoisier», «Allemagne» - contexte étendu lié à un objet O ; < CTXT.étendu [*] (O) > : l ensemble des concepts [selon toutes les ontologies de domaine du modèle] étendus liés à l objet. Les expressions ci-dessous montrent comment il est possible d effectuer des inférences de liens entre des objets du catalogue pour effectuer les tâches T5 et T7. Exemples pour la tâche T5 : - Télescope --- fabriquer en Allemagne fabriquer en --- Thermomètre à mercure - Baromètre --- époque XVI ième siècle époque --- Télescope Exemples pour la tâche T7 : Hodomètre --- usage mesurer longueur --- part-of mesurer grandeur géométrique ---- part-of mesurer part-of --- mesurer grandeur physique part-of --- mesurer masse usage --- balance 45

Chapitre 7. Conclusion et perspectives Il nous semble que les musées sont seulement au commencent d un long chemin dont l aboutissement est de découvrir ce qu est le potentiel réel l'internet pour leurs collections. Avec l augmentation considérable du nombre d'utilisateurs des collections de musées en ligne, la demande pour des contenus de qualités ainsi que des outils pour rendre ces contenus accessibles de manière pertinente augmentent aussi. Ces outils doivent notamment permettre de d ajouter de la connaissance au collections existantes afin de produire du savoir utile à la fois pour les visiteurs et les conservateurs. Afin que les musées puissent relever ces défis, il faut reconsidérer nos approches à la façon dont nous créons, organisons et présentons l'information des collections. Des catalogues en ligne ou des visites virtuelles des collections sont que des moyens pour communiquer de l information et ne doivent par être considéré comme une fin en soi. Une perspective centrée utilisateur exige une révision des méthodes de conception de base de données et d'interface pour les données de collections et un nouveau type d approche pour faciliter construction de la connaissance et du savoir plutôt que la transmission l'information brute. Les collections en ligne des musées numériques ne doivent pas d'exister uniquement en tant que données inertes obtenues par les mécanismes de recherche d information. Nous devons fournir des outils aux utilisateurs pour explorer, comparer les objets des collections et les reliés à des connaissances. Plusieurs musées ont commencé à aborder ces issues. Les projets tels que le «Timeline of Art History» du Metropolitan Museum of Art démontre avec succès qu il est possible de construire des outils d interface pour associer les collections en ligne et des connaissances d ordre historiques, géographiques et scientifiques. Cependant, le potentiel de ces types d initiatives dépend avant tout de la manière dont elles sont soutenues par les bases de données des musées. Par l intermédiaire de cette recherche, nous avons cherché à évaluer quelques interfaces de collections en ligne de musées et de proposer des pistes de recherche pour pouvoir relier les objets d une collection en ligne entre eux et à des connaissances. Le but ultime est de créer des interfaces plus riches orientées utilisateurs et pas simplement un catalogue en ligne conçus, essentiellement, pour l'usage interne des musées. Nous avons montré que des méthodes basées sur des ontologies peuvent fournir une base pour mettre en rapport les objets d un catalogue en ligne et des connaissances et permettre à l utilisateur de bâtir un savoir. Un modèle d interface tel que l HyperMusée présenté dans ce rapport permettrait de présenter les objets d un catalogue de musée à la fois sous forme d une collection d objets en ligne mais aussi comme réseau d associations avec des concepts et des connaissances sous la forme d ontologies de domaine. Les utilisateurs pourraient ainsi, non seulement visiter les collections d un musée suivant leurs intérêts en fonction des indexes d objets, mais aussi à travers d autres dimensions de connaissances telles que des événements historiques, des lieux géographiques ou des domaines d activités scientifiques. 46

Afin d exploiter au maximum le potentiel des catalogues de musées en ligne, il est essentiel de trouver de nouvelles méthodes et de nouveaux outils pour ajouter du contexte, de la signification et de la valeur aux données brutes des collections de sorte à les immerger dans des connaissances pour permettre aux utilisateurs de bâtir un savoir. Peut-être qu en procédant de cette manière nous réussiront à données une second vie à des objets qui sont à la fois exposés dans les musées mais aussi d autres qui sont dans les réserves des musées et que le grand public n a jamais l occasion de voir. Le modèle d interface HyperMusée, basé sur des ontologies de domaine, permettrait de valoriser le capital informationnel des objets contenus dans un catalogue de musée. De plus, un tel modèle pourrait assurer la réutilisation efficace d'information en permettant à des conservateurs de travailler plus efficacement en identifiant rapidement les liens entre un objet particulier des contextes de connaissances en fonction de leurs choix. Nous envisageons de poursuivre cette recherche par l approfondissement du modèle HyperMusée et l implémentation du modèle en utilisant le langage LAZY, présenté par Falquet et al. dans [Falquet 99], qui est un langage déclaratif pour la spécification de vues hypertextuelles sur les bases relationnelles. 47

Bibliographie [Blas 02] N. D. Blas, M. P. Guermand et al. - Evaluating The Features of Museum Websites: (The Bologna Report). In Museum and the Web 2002 Proceedings. Pittsburgh: Archives and Museum Informatics. Available at: <http://www.archimuse.com/mw2002/papers/diblas/diblas.html> [Boksenbaum 93] C. Boksenbaum, B. Carbonneill, Ollivier Haemmerlé, T. Libourel - Conceptual Graphs for Relational Databases. Lecture Notes in AI N 699, Conceptual Graphs for Knowledge Representation, Guy W. Mineau, Bernard Moulin, John F. Sowa (Eds.), Proceedings ICCS 93, Quebec City, Canada, Springer-Verlag, August 1993. [Brusilovsky 98] P. Brusilovsky et al. - Methods and Techniques of Adaptive Hypermedia. In Adaptative Hypertext and Hypermedia. Kluwer Academic Publishers, Netherlands, pp. 1-43, 1998. [Cameron 02] F. Cameron - World of Museums: Wired Collection - the Next Generation. Museum Management and Curatorship, Vol. 19, No. 3, pp.309-315, 2002. [Chen 99] Weiqin Chen and Riichiro Mizoguchi. Communication Content Ontology For Learner Model Agent in multi-agent Architecture. Workshop on Ontologie for Intelligent Educational Systems, Ninth International Conference on Artificial Intelligence in Education, AI-ED'99, Le Mans, France, July 19-23th, 1999. Available at: <http://www.ei.sanken.osaka-u.ac.jp/aied99/aied99-onto.html> [Crampes 00] M. Crampes and S. Ranwez - Ontology-Supported and Ontology-Driven Conceptual Navigation on the World Wide Web. In Proceedings ACM Hypertext 2000. San Antonio, USA, 2000. [Cunliffe 01] D. Cunliffe, E. Kritouk and D. Tudhoet - Usability Evaluation for Museum Web Sites. Museum Management and Curatorship, Vol. 19, No. 3, pp.229-252, 2001. [Davies 02] R. Davies - Overcoming Barriers to Visiting: Raising Awareness Of, and Providing Orientation and Navigation To, A Museum and its Collections Through New Technologies. Museum Management and Curatorship, Vol. 19, No. 3, pp.283-295, 2001. 48

[Devedzic 99] V. Devedzic. ITS Ontology Engineering: Borrowing from Design Patterns. Workshop on Ontologies for Intelligent Educational Systems, Ninth International Conference on Artificial Intelligence in Education, AI-ED 99, Le Mans, France, July 19-23th, 1999. Available at: <http://www.ei.sanken.osaka-u.ac.jp/aied99/aied99-onto.html> [Dufresne 96] C. Dufresne-Tasse - Réexaminer l apprentissage du visiteur pour améliorer sa relation avec l objet muséal. ICOM/CECA (Comité pour l éducation et l action culturelle), Cahier d étude, pp. 10-11, Octobre 1996. Available at : <http://icom.museum/study_series_pdf/2_icom-ceca.pdf> [Dyson 00] [Ehrlich 97] M. C. Dyson and K. Moran - Informing the Design of Web Interfaces to Museum Collections. Museum Management and Curatorship, Vol. 18, No. 4, pp.391-406, 2000. K. Ehrlich and W. J. Rapaport. A Computational Theory of Vocabulary Expansion. Proceedings of the 19th Annual Conference of the Cognitive Science Society, Stanford University, Mahwah, NJ: Lawrence Erlbaum Associates, pp. 205-210, 1997. [Falquet 99] G. Falquet, L. Nerima and J. Guyot - Languages and Tools to Specify Hypertext Views on Databases. In The World Wide Web and Databases. P. Atzeni, A. Mendelzon, G. Mecca (eds.), LNCS vol. 1590. Springer, 1999. Available at: <http://cui.unige.ch/isi/reports> [Falquet 03] G. Falquet and J.-C. Ziswiler - A Virtual Hyperbooks Model to Support Collaborative Learning. AIED 2003 Supplemental Proceedings. Sydney, Australia, July 2003. Available at: <http://cui.unige.ch/isi/reports> [Fensel 98] D. Fensel, S. Decker, M. Erdmann, and R. Studer. Ontobroker: How to make the WWW Intelligent. Research report, Institute AIFB, in Proceedings KAW98, the 11th Banff Knowledge Acquisition for Knowledge-Based System Workshopresearch report, Banff, Kanada, April 1998. Available at: <http://www.aifb.uni-karlsruhe.de/wbs/broker/ontobroker.html> [Gilbert 01] J. K. Gilbert and S. Stocklmayer - The Design of Interactive Exhibits to Promote the Making of Meaning. Museum Management and Curatorship, Vol. 19, No. 1, pp.41-50, 2001. 49

[Gruber 91] [Gruber 93] [Gruber 95] T. R. Gruber. The Role of Common Ontology in Achieving Sharable, Reusable Knowledge Bases. In Proceedings of the Second International Conference Principles of Knowledge Representation and Reasoning, (KR & R-91), J. Allen, R. Fikes, and E. Sandewall (Eds.), Morgan Kaufmann Publishers: San Mateo, CA, pp.601-602, 1991. T. R. Gruber. A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition, Vol.5, No. 2, pp.199-220, 1993. T. R. Gruber. Toward Principles for the Design of Ontologies Used for Knowledge Sharing. Revision of paper presented at the international workshop on Formal Ontology, Padova, Italy, March 1993, in Special issue of the International Journal of Human-Computer Studies, Vol. 43, N 5-6, Nicola Guarino and Roberto Poli (Eds.), 1995. [Gruninger 95] [Gruninger 96] [Guarino 97a] M. Grüninger and M. S. Fox. Methodology for the Design and Evaluation of Ontologies. Workshop on Basic Ontological Issues in Knowledge Sharing, IJCAI, Montreal, 1995. M. Grüninger. Designing and Evaluating Generic Ontologies. Proceedings of the Workshop on Ontological Engineering, European Conference on Artificial Intelligence, Budapest, pp. 53-65, 1996. N. Guarino. Some Organizing Principles for a Unified Top-Level Ontology. Revised version of a paper appeared at AAAI 1997 Spring Symposium on Ontological Engineering, LADSEBCNR Int. Rep., February 1997. Available at: <http://www.ladseb.pd.cnr.it/infor/ontology/papers/ontologypapers.html> [Guarino 97b] N. Guarino. Semantic Matching: Formal Ontological Distinctions for Information Organization, Extraction, and Integration. In Information Extraction: A Multidisciplinary Approach to an Emerging Information Technology, SCIE 1997, M. T. Pazienza (Eds.), Springer Verlag, pp. 139-170, 1997. Available at: <http://www.ladseb.pd.cnr.it/infor/ontology/papers/ontologypapers.html> [Guarino 98] N. Guarino - Formal Ontology and Information Systems. In Proceedings of FOIS 98, Trento, Italy 6-8 June 1998. Amsterdam, ISO Press, pp. 3-15, 1998. Available at: < http://www.loa-cnr.it/papers/fois98.pdf> [Hertzum 98] M. Hertzum - A review of museum web sites: in search of user-centred design. Archives and Museum Informatics, N. 12, pp. 127-138, 1998. 50

[Hyvonen 04] E. HYVONEN, M. JUMMILA et al. - Finnish Museums on the Semantic Web: The user s Perspective on MuseumFinland. In Museum and the Web 2004 Proceedings. Toronto: Archives and Museum Informatics. Available at: <http://www.archimuse.com/mw2004/papers/hyvonen/hyvonen.html> [ICOM] [Karp 99] International Council Of Museums. Available at: <http://www.icom.org/> P.D. Karp, V.K. Chaudhri, and J.F. Thomere. XOL: An XML-Based Ontology Exchange Language. Technical Note 559, AI Center, SRI International, 333 Ravenswood Ave., Menlo Park, CA 94025, July 1999. Available at: <http://www.ai.sri.com/~pkarp/> [Klein 00] M. Klein, D. Fensel, F. van Harmelen and I. Horrocks. The Relation between Ontologies and Schema-Languages: Translating OIL-Specifications to XML- Schema. In Proceedings of the Workshop on Applications of Ontologies and Problem-solving Methods, 14th European Conference on Artificial Intelligence ECAI-00, Berlin, Germany, August 20-25th 2000. Available at: <http://www.ontoknowledge.org/oil/papers.shtml> [Lee 96] J. Lee, M. Gruninger, Y. Jin, & the PIF Working Group 1996. Process Interchange Format for Sharing Ontologies. ECAI96 Workshop on Ontological Engineering, Budapest, August 1996. [Luke 97] [Martin 95] [Martin 96] S. Luke, L. Spector, D. Rager, J. Hendler. Ontology-based Web Agents.Proceedings of First International Conference on Autonomous Agents, AA-97, 1997. Available at: <http://www.cs.umd.edu/project/plus/shoe/spec.html> P. Martin. Using the WordNet Concept Catalogue and a Relation Hierarchy for Knowledge Acquisition. Proc. of Peirce'95, 4th, International Workshop on Peirce, University of California, Santa Cruz, USA, pp. 36-47, August 18th 1995. P. Martin. Exploitation de graphes conceptuels et de documents structurés et hypertextes pour l'acquisition de connaissances et la recherche d'informations. Thèse de doctorat en informatique, Université de Nice - Sophia Antipolis, octobre 1996. [Mei 04] Q. Mei - A Knowledge Processing Oriented Life Cycle Study from a Digital Museum System In ACMSE 04 Proceedings, pp. 116-121, 2004. 51

[Mizoguchi 96a] R. Mizoguchi, K. Sinitsa, and M. Ikeda. Task Ontology Design for Intelligent Educational/Training Systems. Position Paper for ITS 96 Workshop on Architectures and Methods for Designing Cost-Effective and Reusable ITSs, Montreal, June 1996. Available at: <http://advlearn.lrdc.pitt.edu/its-arch/papers/mizoguchi.html> [Mizoguchi 96a] R. Mizoguchi, K. Sinitsa, and M. Ikeda. Knowledge Engineering of Educational Systems for Authoring System Design (A preliminary results of task ontology design). Presented at EAIED, Lisbon, 1996. Available at: <http://www.cbl.leeds.ac.uk/~euroaied/papers/mizoguchi/> [Mizoguchi 98] R. Mizoguchi. A step Towards Ontological Engineering. Translation of the paper presented at the 12th National Conference on AI of JSAI, pp.24-31, June 1998. Available at: <http://www.ei.sanken.osaka-u.ac.jp/english/step-onteng.html> [Mizoguchi 00] [Motta 00] R. Mizoguchi and J. Bourdeau. Using Ontological Engineering to overcome Common AI-ED Problems. To appear in International Journal of Artificial Intelligence in Education, 11, (2000). E. Motta and S. Buckingham. Ontology-Driven Document Enrichment: Principles, Tools and Applications. To appear in the International Journal of Human-Computer Studies, (2000). [Nanard 98] M. Nanard, J. Nanard and P. Kahn - Publishing Reuse in Hypermedia Design: Golden Rules, Design Patterns and Constructive Templates. In Proceedings of HyperText 98, Pittsburgh, PA, USA. ACM, 1998. [Puerta 97] [Sowa 84] [Sowa 93] A. R. Pureta - A Model-Based Interface Development Environment. IEEE Software Journal, July & August 1997, pp. 41-47. Available at: <http://www.arpuerta.com/pubs/ieee97.pdf> J. F. Sowa. Conceptual Structures : Information Processing in Mind and Machine. Ed. Addison-Wesley, 1984. John F. Sowa. Relating Diagrams to Logic. Lecture Notes in AI N 699, Conceptual Graphs for Knowledge Representation, Guy W. Mineau, Bernard Moulin, John F. Sowa (Eds.), Proceedings ICCS 93, Quebec City, Canada, Springer-Verlag, August 1993. [Sowa 95] J. F. Sowa. Top-Level Ontological Categories. International Journal on Human-Computer Studies, Vol. 43, N 5/6, pp. 669-685, 1995. 52

[Sowa 00] J. F. Sowa. Ontology, Metadata, and Semiotics. In proceedings of the International Conference on Conceptual Structures, ICCS 2000, Darmstadt, Germany, August 14-18th 2000. Available at: <http://www.bestweb.net/~sowa/peirce/ontometa.htm> [Smith 01] B. Smith and C. Wetly - Ontology: Towards a New Synthesis. In ACM Proceedings of FOIS 01, pp. iii-ix, 2001. [Sugumaran 02] V. Sugumaran and V. C. Storey - Ontologies for conceptual modelling: their creation, use, and management. Data & Knowledge Engineering, No. 42, pp. 251-271, 2002. [Uschold 96] M. Uschold. Converting an Informal Ontology into Ontolingua: Some Experiences. A slightly abridged version of this paper appears in the Proceedings of the Workshop on Ontological Engineering held in conjunction with ECAI 96, Budapest, 1996. [Van der Vet 95] [Van der Vet 98] P.E. Van der Vet, P.H. Speel, and N.J.I. Mars. Ontologies for very large knowledge bases in material science: a case study. In Proceedings of Second international conference on building and sharing of very largescale knowledge bases (KB&KS '95), Twente, 1995. P.E. Van der Vet and N.J.I. Mars. Bottom-up Construction of Ontologies. IEEE Transactionson Knowledge and Data Engineering, Vol. 10, N 4, pp. 513-526, 1998. [Wu 01] H. Wu, E. Kort and P. De Bra - Design Issues for General-Purpose Adaptative Hypermedia Systems. In Proceedings ACM Hypertext 2001 Conference. Aarhus, pp. 141-150, 2001. [Zweigenbaum 97] P. Zweigenbaum, J. Bouaud, B. Habert, et A. Nazarenko. Coopération apprentissage en corpus et connaissances du domaine pour la construction d'ontologies. Dans les actes des 1ères Journées Scientifiques et Techniques FRANCIL, Réseau Francophone de l'ingénierie de la Langue de l'aupelf-uref, pp. 501-508, Avignon, avril 1997. Available at: <http://www.biomath.jussieu.fr/~pz/publications/biblio-pierre-pardate/> 53

Annexe 1. La collection du musée du Louvre Le musée du Louvre a joué un rôle pionnier sur le média Internet, avec un site accessible au grand public depuis 1995. Il est organisé en dix rubriques, dont les plus visitées sont «Collections» (600 oeuvres en ligne) et «Visite virtuelle» (60 vues panoramiques). L outil Internet est devenu essentiel pour diffuser en France et à l étranger le savoir sur les collections, comme l atteste la fréquentation du site www.louvre.fr qui en 2003, a connu 6,02 millions de visites [Louvre 2003]. Figure 1-1. La page d accueil du musée du Louvre <www.louvre.fr> Figure 1-2. [Tâche T1] La rubrique «Visite virtuelle», premier niveau 54

Figure 1-3. [Tâche T1] La rubrique «Visite virtuelle», second niveau Figure 1-4. [Tâche T1] La rubrique «Collection», premier niveau 55

Figure 1-5. [Tâches T2, T3] La rubrique «Collection», second niveau, (Antiquités orientales et arts d islam), l Iran Figure 1-6. [Tâche T2] Détail d une œuvre de la collection 56

La base Atlas du musée du Louvre La base Atlas regroupe les oeuvres exposées dans les salles du musée du Louvre. Elle comprenait fin 2003 environ 98 % des cartels des oeuvres exposées dans le musée sur un total de 25 000. Elle est utilisée par les internautes avec une moyenne de 2854 recherches par jour, soit un total de 86 780 recherches effectuées entre février et décembre 2003 qui ont donné lieu à 105 118 consultations de fiches sur les oeuvres et 74 632 consultations de fiches sur les salles [Louvre 03]. Actuellement, la base Atlas contient environ 29000 œuvres, soit 98.5 % des œuvres exposées, réparties selon le Tableau 4. Antiquités orientales Arts de l Islam Antiquités égyptiennes Antiquités grecques, étrusques et romaines Objets d arts Sculptures Peintures Arts graphiques Histoire du Louvre et Louvre médiéval Environ 5585 oeuvres Environ 1126 oeuvres Environ 4716 oeuvres Environ 5990 oeuvres Environ 6187 oeuvres Environ 1647 oeuvres Environ 3344 oeuvres Environ 113 oeuvres Environ 136 oeuvres Tableau 4. Répartition des œuvres dans la base Atlas dans les départements du musée du Louvre. Figure 1-7. [Tâches T2, T3] Page d accueil de la base Atlas 57

Figure 1-8. [Tâches T2, T3] Rubrique «Recherche simple»: recherche de l objet «astrolabe» 58

Figure 1-9. [Tâches T5, T6] Résultat de la recherche de l objet «astrolabe» 59

Figure 1-10. [Tâche T1] Détail d un astrolabe Figure 1-11. [Tâches T2, T3] Rubrique «Recherche avancée» 60

Figure 1-12. Rubrique «Recherche avancée», détail du menu «Catégorie d œuvres» Figure 1-13. Rubrique «Recherche avancée», détail du menu «Auteur» 61

Figure 1-14. Rubrique «Recherche avancée», détail du menu «Département» Figure 1-15. [Tâches T2, T3] Rubrique «Par salles», détail d une salle, premier niveau 62

Figure 1-16. [Tâches T5, T6] Rubrique «Par salles», détail d une salle, second niveau 63

Figure 1-17. Rubrique «Par départements», premier niveau Figure 1-18. [Tâches T2, T3] Rubrique «Acquisitions récentes», premier niveau 64

Figure 1-19. [Tâche T7] Exemple d utilisation de l outil «Album» pour comparer des oeuvres 65

Annexe 2. La collection du Museum of The History of Science Figure 2-1. [Tâche T1] La page d accueil du Institute and Museum of The History of Science <http://galileo.imss.firenze.it> 66

Figure 2-2. [Tâche T1] La rubrique «Exhibition Areas» Figure 2-3. [Tâches T1] La rubrique «Animations Index» 67

Figure 2-4. [Tâches T3, T4] La rubrique «Animation Index» Figure 2-5. [Tâches T2, T3] La rubrique «Objects Index» 68

Figure 2-6. [Tâches T2, T3] Rubrique «Search», résultat de la recherche de l objet «astrolabe» 69

Figure 2-7. [Tâches T2, T3, T4, T5, T6] Sélection d un lien dans la liste des résultats de la requête 70

Annexe 3. La collection du Musée National d Art Moderne Figure 3-1. La page d accueil du Centre Gorges Pompidou <www.cnac-gp.fr> Figure 3-2. [Tâche T1] Détail des catalogues en ligne 71

Figure 3-3. [Tâches T2, T3] Rubrique «Recherche par nom d artiste» Figure 3-4. [Tâches T2, T3, T5]Détail d une oeuvre 72

Figure 3-5. [Tâche T1] Détail d une œuvre avec notice en rollover 73

Figure 3-6. [Tâche T4] Rubrique «Recherche par pays de naissance» 74

Figure 3-7. [Tâches T5, T6] Résultat pour «pays de naissance = Suisse» 75

Figure 3-8. [Tâches T2, T3] Rubrique «Recherche par secteur de la collection» 76

Figure 3-9. [Tâches T3, T5, T6] Rubrique «Recherche par type d oeuvres» 77

Figure 3-10. [Tâches T2, T3] Rubrique «Recherche par mots du titre» 78

Figure 3-12. [Tâches T2, T3] Rubrique «Recherche par année de création» 79

Figure 3-12. [Tâche T2, T3] Rubrique «Recherche multicritères» Figure 3-13: Rubrique «Option», premier menu 80

Figure 3-14: Rubrique «Option», second menu Figure 3-15. [Tâche T7] Exemple d utilisation de l outil «dossier de sélection» pour comparer des oeuvres 81

Annexe 4. La collection du Metropolitan Museum of Art Figure 4-1. La page d accueil du Metropolitan Museum of Art <www.metmuseum.org> 82

Figure 4-2. [Tâches T1] La rubrique «Permanente Collection», premier niveau Figure 4-3. [Tâches T1] La rubrique «Permanente Collection», premier niveau 83

Figure 4-4. [Tâches T1] La rubrique «Permanente Collection», second niveau Figure 4-5. [Tâches T2, T3] Détail d une œuvre, premier niveau 84

Figure 4-6. [Tâches T2, T3] Détail d une œuvre, deuxième niveau Figure 4-7. [Tâches T2, T3] Détail d une œuvre, troisième niveau 85

Figure 4-8. [Tâches T2, T3] Détail d une œuvre, zoom sur l image Figure 4-9. [Tâches T2, T3] Outil de recherche dans la collection 86

Figure 4-10. [Tâches T2, T3] Recherche de l objet astrolabe dans la collection Figure 4-11. [Tâches T2, T3] Résultat de la recherche de l objet astrolabe dans la collection 87

Figure 4-12. [Tâches T2, T3, T4, T5, T6, T7] Résultat de la recherche de l objet astrolabe dans la collection Figure 4-13. [Tâches T2, T3] Détail d un objet, premier niveau 88

Figure 4-14. [Tâches T2, T3] Détail d un objet avec sa description, second niveau Figure 1-19. [Tâche T7] Exemple d utilisation de l outil «My Met Gallery» pour comparer des oeuvres 89

90