Web sémantique

vignette|300px|droite|Logo du W3C pour le Web sémantique.

Le Web sémantique, le Web 3.0 ou la Toile sémantique. est une extension du Web standardisée par le World Wide Web Consortium (W3C).. Ces standards encouragent l'utilisation de formats de données et de protocoles d'échange normés sur le web, en s'appuyant sur le modèle Resource Description Framework (RDF).

Selon le W3C, . L'expression a été inventée par Tim Berners-Lee. (inventeur du Web et directeur du W3C), qui supervise le développement des technologies communes du Web sémantique. Il le définit comme . Pour y parvenir, le Web sémantique met en œuvre le Web des données qui consiste à lier et structurer l'information sur Internet pour accéder simplement à la connaissance qu'elle contient déjà..

Alors que ses détracteurs ont mis en doute sa faisabilité, ses promoteurs font valoir que les applications réalisées par les chercheurs dans l'industrie, la biologie et les sciences humaines et sociales ont déjà prouvé la validité de ce nouveau concept.. L'article original de Tim Berners-Lee en 2001 dans le a décrit une évolution attendue du Web existant vers un Web sémantique., mais cela n'a pas encore eu lieu. En 2006, Tim Berners-Lee et ses collègues ont déclaré : ..

Le web sémantique fournit aux IA (et notamment aux IA agentiques) des données sémantiques structurées, reliées et compréhensibles par machine, ce qui leur permet de mieux raisonner.

Histoire Le concept du « modèle de réseau sémantique » a été inventé dans les années 1960 par le chercheur en sciences cognitives Allan M. Collins, le linguiste Ross Quillian ainsi que la psychologue Elizabeth Loftus et exposé dans diverses publications..... comme manière de représenter des connaissances structurées. Appliqué au contexte de l'internet, ce modèle étend le réseau de liens hypertextes des pages Web lisibles humainement en insérant des métadonnées lisibles par la machine sur les pages. Ces métadonnées sont liées les unes aux autres, permettant à des agents d'accéder au Web de manière plus intelligente et effectuer des tâches pour le compte d'utilisateurs. Le Web sémantique est considéré comme une passerelle pour accéder aux données entre différentes applications et systèmes. Ses applications sont nombreuses dans l'édition, les blogs et dans plusieurs autres domaines.

Tim Berners-Lee à l'origine exprimait la vision du Web sémantique comme suit :

La plupart des technologies proposées par le W3C existaient déjà avant. Celles-ci sont utilisées dans des contextes différents, en particulier celles relatives à l'information qui englobe un domaine limité et défini, et où le partage de données est une nécessité commune, tels que la recherche scientifique ou l'échange de données entre les entreprises. En outre, d'autres technologies ayant des objectifs similaires ont vu le jour, telles que les microformats.

Le but principal du Web sémantique est d'orienter l'évolution du Web pour permettre aux utilisateurs sans intermédiaires de trouver, partager et combiner l'information plus facilement. Les êtres humains sont capables d'utiliser le Web pour effectuer des tâches telles que trouver le mot Paris pour réserver un livre à la bibliothèque, trouver un plan et réserver son billet de transport. Cependant, les machines ne peuvent pas accomplir toutes ces tâches sans direction humaine car les pages web sont conçues pour être lues avant tout par des personnes. Le Web sémantique vise à rendre les pages explorables tout aussi bien par l'homme que par la machine. Cela permettrait d'effectuer de façon automatisée les travaux fastidieux et répétitifs dans le domaine de la recherche d'information tout en améliorant et consolidant l'information sur le Web pour ses utilisateurs.

Le Web sémantique, tel qu'il était prévu au départ, est un système qui permet aux machines de « comprendre » et de répondre aux demandes complexes de l'homme en fonction du sens de celles-ci. Une telle « compréhension » exige que les sources d'information pertinentes aient été sémantiquement structurées au préalable. Cette structure accessible pour les machines permet une capacité de découverte nettement supérieure à ce qui est possible simplement avec le Web des documents. L'utilisation du RDF pour structurer ces données permet de tirer profit de la performance des machines; leur aptitude au traitement des données permet d'étudier l'information dégagée de ces données afin de tirer de nouvelles conclusions de connaissances existantes. À l'aide du RDF, les documents produits en HTML deviennent des données qui, par un travail commun des machines et des utilisateurs, produisent de nouvelles connaissances..

Souvent, les expressions « sémantique », « métadonnée », « ontologies » et « Web sémantique » sont utilisées de manière incohérente. En particulier, elles sont employées tous les jours par les chercheurs et les praticiens dont la terminologie couvre un vaste paysage de technologies, de concepts et de domaines d'application. En outre, il y a une confusion entre les technologies envisagées pour le mettre en œuvre et le mouvement du Web sémantique. Dans un document présenté par Gerber, Barnard et Van der Merwe, le paysage du Web sémantique est tracé et un bref résumé des termes connexes et des technologies génériques est présenté Gerber, AJ, Barnard, A, & Van der Merwe, Alta (2006) « A Semantic Web Status Model, Integrated Design & Process Technology » Special Issue : IDPT 2006.. Le modèle architectural proposé par Tim Berners-Lee est utilisé comme base pour représenter l'état des technologies actuelles et émergentes Gerber, Aurona ; Van der Merwe, Alta ; Barnard, Andries (2008) « A Functional Semantic Web architecture » European Semantic Web Conference 2008 ESWC’08, Tenerife, juin 2008..

Au milieu des années 2020, après l'explosion de l'IAg (IA générative) et l'apparition de l'IA agentique, le web sémantique — notamment grâce au NLWeb — fournit à l'intelligence artificielle des données structurées, reliées et compréhensibles par machine, ce qui leur permet de mieux raisonner, d’inférer et d’agir de manière plus autonome et fiable et qui pourrait contribuer à .

Les solutions apportées par le Web sémantique aux limites du HTML

Exemple Dans l'exemple suivant, le texte « Paul Schuster est né à Dresde » d'une page web va être annoté en reliant la personne à son lieu de naissance. Le bout de code HTML affiché ci-dessous montre comment on décrit un mini-graphe en utilisant la syntaxe RDFa avec le vocabulaire de Schema.org et un identifiant Wikidata : cadre|Graphe généré par l'exemple RDFa <div vocab="http://schema.org/" typeof="Person"> <span property="name">Paul Schuster</span> est né à <span property="birthPlace" typeof="Place" href="http://www.wikidata.org/entity/Q1731"> <span property="name">Dresde</span>. </span> </div>

Cet exemple définit les cinq triplets suivants, affichés dans le format Turtle. Chaque triplet représente une arête du graphe généré : son premier élément (le sujet) est le nom du nœud d'où part l'arête, le deuxième élément (le prédicat) indique le type de l'arête, et le dernier (l'objet) est soit le nom du nœud cible soit une valeur littérale (texte, nombre, etc.). _:a <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> <http://schema.org/Person> . _:a <http://schema.org/name> "Paul Schuster" . _:a <http://schema.org/birthPlace> <http://www.wikidata.org/entity/Q1731> . <http://www.wikidata.org/entity/Q1731> <http://schema.org/itemtype> <http://schema.org/Place> . <http://www.wikidata.org/entity/Q1731> <http://schema.org/name> "Dresde" .

Limites du HTML

Beaucoup de fichiers sur un ordinateur peuvent plus ou moins être classés en deux catégories : les documents lisibles par l'homme et les données lisibles par la machine. Des documents comme des courriers électroniques, rapports ou brochures sont lisibles pour les humains. Par contre, les données contenues dans des calendriers, carnets d'adresses, listes de lecture ou feuilles de calcul sont lisibles à condition d'utiliser une application qui permet de les lire, les fouiller et les transformer de différentes manières.

Actuellement, le World Wide Web est basé principalement sur des documents écrits en un langage de balisage hypertexte (HTML), c'est-à-dire une convention de balisage qui est utilisée pour coder un texte parsemé d'objets multimédias tels que des images et des formulaires interactifs. Les balises de métadonnées fournissent une méthode par laquelle les ordinateurs peuvent catégoriser le contenu des pages web, par exemple :

Avec le HTML et un outil pour l'afficher (pouvant être un navigateur web ou un autre « agent utilisateur »), on peut créer et présenter une page qui affiche des articles à vendre. Le HTML d'une page d'un catalogue peut se faire simplement, le document contenant des affirmations telles que « le titre de ce document est “Supermarché de Gadgets” », mais le code HTML est incapable d'affirmer sans ambiguïté que, par exemple, l'article numéro X586172 est une table avec un prix de , ni qu'il s'agit d'un produit de consommation. Le HTML peut seulement dire que la plage de texte « X586172 » est quelque chose qui doit être positionné à proximité de « Meuble » et de « », etc. Il n'y a pas moyen de dire que « ceci est une page de catalogue », ni encore de dire que « Meuble » est une sorte de titre, ni même de savoir que « » est un prix. Il n'y a aucun moyen d'exprimer que ces morceaux d'information sont liés entre eux pour décrire un élément discret, distinct des autres articles qui peuvent être listés sur une même page.

HTML sémantique fait référence à l'utilisation de balises HTML pour insérer des informations supplémentaires dans le document. Par exemple, l'utilisation de l'élément HTML del désignant un contenu supprimé plutôt que strike qui se contente d'afficher un texte barré et qui ne spécifie que sa mise en forme , HTML 4.01 Specification, 24 décembre 1999.. Le HTML sémantique laisse la mise en page au navigateur en y ajoutant des feuilles de style en cascade. Mais cette pratique atteint ses limites quand il s'agit de spécifier la sémantique des objets tels que des articles à vendre.

Les microformats sont des tentatives officieuses visant également à étendre la syntaxe HTML pour qu'une machine puisse lire le balisage sémantique à propos d'objets dans un document tels que des articles à vendre ou des contacts (exemple avec hcard).

Les solutions du Web sémantique

Le Web sémantique propose des langages spécialement conçus pour les données : RDF (), OWL () et XML (). HTML décrit les documents et les liens entre eux. RDF, OWL et XML, en revanche, peuvent décrire également des choses, comme des personnes, des réunions, ou des pièces d'avion. Selon Tim Berners-Lee, « RDF est aux données ce que HTML est aux documents. RDF permet de relier une donnée à une catégorie»..

Ces technologies sont combinées afin de fournir des descriptions qui complètent ou remplacent le contenu des documents Web. Ainsi, le contenu peut se manifester sous forme de données descriptives stockées dans des bases de données accessibles sur le Web Artem Chebotko et Shiyong Lu, « Querying the Semantic Web: An Efficient Approach Using Relational Databases », LAP Lambert Academic Publishing, , 2009. ou à travers des balises dans les documents (via HTML ou sa variante XHTML — XML HTML —). Ces données peuvent être alors entrecoupées de XML, ou parfois publiées uniquement en XML, avec une mise en page et des données stockées séparément. Les descriptions lisibles par une machine permettent aux gestionnaires de contenu d'ajouter du sens à leurs contenus, c'est-à-dire de décrire la structure des connaissances au sein du contenu. De cette manière, une machine peut :

Web sémantique

Źródło i licencja