Tester l’adéquation sémantique de votre ontologie aux questions métier
Validation des ontologies par les Competency Questions : panorama des besoins, des outils (CLaRO, ROBOT, CQChecker), apports et limites des LLMs.
-
-
Intelligence Machine et Knowledge Graphs
Qu’est-ce qu’on appelle Intelligence Artificielle, in fine ? Les deux mots accolés ne conduisent qu’à des définitions bancales ou à un oxymore. Une machine de type système informatique, exécutant des algorithmes, n’a ni intelligence ni sentience. Pas plus qu’un texte ou des paroles n’évoquent d’expériences à ses sens absents, elle n’a de raisonnements poussés.
-
Comprendre les outils d’IA : un enjeu d’Intelligence Economique
L’IA, un marteau de guerre… économique ? Dans l’art de la guerre économique, l’IA fournit des armes numériques pour le triptyque : veille, influence, protection. Ces armes ont pour particularité d’être peu visibles et on ne les lie pas forcément à leurs résultats. Surtout quand il s’agit de « l’art du faire savoir, faire croire et du faire faire ». La subtilité nécessairement liée à l’art de l’influence de l’IE est opposée à la visibilité des influenceurs des réseaux sociaux. Ce qui peut constituer une difficulté à déterminer la complicité par instigation, si l’influence pousse jusqu’au délit.
-
La fabrique des données: une bonne idée?
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.
-
data centric | gouvernance | ingénierie des connaissances | Intelligence Artificielle | ontologies | sémantique
Intelligence artificielle ou data science sans conscience ?
Intelligence artificielle ou data science sans conscience ?
Posted by Sabine Bohnké / data centric, gouvernance, ingénierie des connaissances, Intelligence Artificielle, ontologies, sémantiqueScience 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.
-
Ontologie ! Ontologie ! Est-ce que j’ai une gueule d’ontologie ?
Les modèles utilisés par Semsimo, sont des modèles ontologiques formalisant une conceptualisation de la gouvernance des SI. Ils servent à assurer l’organisation des connaissances, en considérant les activités et l’existant d’une entreprise dans son ensemble, pour permettre d’optimiser au mieux, dans les choix d’évolutions du SI, l’équilibre entre les risques, la consommation des ressources, la création de valeur et l’alignement stratégique. Ils soutiennent donc une aide à la décision multicritère, entre autres pour la gestion des portefeuilles programmes et projets dans une organisation (PPPM). Je pourrais me contenter de dire cela, mais l’approche par ontologies suppose : d’une part, un engagement des parties prenantes dans la modélisation de cette gouvernance du SI, d’autre part, la compréhension du raisonnement utilisé dans cette approche d’aide à la décision multicritère. Du coup, voilà, j’utilise un terme mal compris, ou décrié : ontologie.
