5 mai 2021 / by Sabine Bohnké / data centric, gouvernance, ingénierie des connaissances, Intelligence Artificielle, ontologies, sémantique / 0 comments
Intelligence artificielle ou data science sans conscience ?
Posted by Sabine Bohnké / data centric, gouvernance, ingénierie des connaissances, Intelligence Artificielle, ontologies, sémantique
Science sans conscience n’est que ruine de l’âme. Cette citation de Rabelais peut s’appliquer aujourd’hui à beaucoup de sujets connexes à la data science. Il y a celui des entreprises pilotées par les données (data driven). On peut aussi traiter des architectures « data-centric » mettant l’accent sur les données et leurs modèles conceptuels comme actifs essentiels de l’entreprise. L’idée étant de construire, sur un noyau central fait de « données », des systèmes d‘information agiles et durables servant la performance globale. Ce sont deux approches de niveau stratégique et deux sujets distincts. Néanmoins, quand on traite d’implémentation, on peut recourir dans l’un ou l’autre cas à des algorithmes de machine learning ou des solutions de représentation des connaissances et mécanismes de raisonnement. Autrement dit, nous parlons ici de disciplines liées à l’intelligence artificielle, mises au service d’un objectif commun aux deux approches.
Read more
LinkedIn: illustration de l’arbitrage analytique versus sémantique
2 septembre 2026 / by Sabine Bohnké / Architecture d'Entreprise, ingénierie des connaissances, KnowledgeGraph, ontologies, sémantique, Web sémantique / 0 comments
LinkedIn appelle son Skills Graph un « knowledge graph ». Pourtant, ni ontologie formelle ni raisonneur. Plongée dans son architecture (LIquid, Datalog, KG-BERT) et pourquoi ESCO et O*NET n’y changent rien
Read more
Utiliser les knowledge graphs à bon escient
12 août 2026 / by Sabine Bohnké / Intelligence Artificielle, KnowledgeGraph, ontologies, sémantique, Web sémantique / 0 comments
Stocker des données en graphe ne suffit pas à faire un Knowledge Graph. La « connaissance » commence quand des axiomes et des règles d’inférence permettent de déduire de nouveaux faits. À travers dix cas d’usage industriels ,du simple triplestore aux systèmes OWL-DL complets , cet article cartographie le spectre réel des architectures et rappelle pourquoi la dimension logique reste centrale, y compris à l’ère des LLM.
Read more
La fabrique des données: une bonne idée?
8 décembre 2022 / by Sabine Bohnké / gouvernance, ingénierie des connaissances, ontologies, Processus de décision, sémantique / 5 comments
Gnothi seauton (traduit en latin par Nosce te ipsum ou temet nosce) est une expression signifiant « Connais-toi toi-même ». Elle était l’une des trois maximes gravées au fronton du temple d’apollon à Delphes. L’entreprise doit se connaître elle-même et connaître son environnement Dans le monde économique tel qu’il est actuellement, les entreprises font face à l’impératif de savoir exploiter des données métiers numérisées afin d’en tirer de la connaissance utile à la fois pour des décisions d’orientations stratégiques ou pour optimiser leur fonctionnement opérationnel.
Read more
Intelligence artificielle ou data science sans conscience ?
5 mai 2021 / by Sabine Bohnké / data centric, gouvernance, ingénierie des connaissances, Intelligence Artificielle, ontologies, sémantique / 0 comments
Intelligence artificielle ou data science sans conscience ?
Posted by Sabine Bohnké / data centric, gouvernance, ingénierie des connaissances, Intelligence Artificielle, ontologies, sémantique
Science sans conscience n’est que ruine de l’âme. Cette citation de Rabelais peut s’appliquer aujourd’hui à beaucoup de sujets connexes à la data science. Il y a celui des entreprises pilotées par les données (data driven). On peut aussi traiter des architectures « data-centric » mettant l’accent sur les données et leurs modèles conceptuels comme actifs essentiels de l’entreprise. L’idée étant de construire, sur un noyau central fait de « données », des systèmes d‘information agiles et durables servant la performance globale. Ce sont deux approches de niveau stratégique et deux sujets distincts. Néanmoins, quand on traite d’implémentation, on peut recourir dans l’un ou l’autre cas à des algorithmes de machine learning ou des solutions de représentation des connaissances et mécanismes de raisonnement. Autrement dit, nous parlons ici de disciplines liées à l’intelligence artificielle, mises au service d’un objectif commun aux deux approches.
Read more