Intégration par les connaissances métier génériques et les ontologies

Les ontologies sont devenues une composante majeure dans de nombreux domaines, et sont appelées à y jouer un rôle central. Nées des besoins de représentation des connaissances, elles sont à l’heure actuelle au coeur des travaux menés en ingénierie des connaissances. Visant à établir des représentations à travers lesquelles les machines pourraient manipuler la sémantique des informations, la construction des ontologies demande à la fois une étude des connaissances humaines et la définition de langages de représentation, ainsi que la réalisation de systèmes pour les manipuler [Fur 02].

Le champ d’application des ontologies ne cesse de s’élargir et couvre des systèmes de plus en plus variés : aide à la décision, enseignement assisté par ordinateur, résolution de problèmes ou gestion de connaissances. Un des plus grands projets basés sur l’utilisation d’ontologies est le Web sémantique qui consiste à ajouter au Web une véritable couche de connaissances permettant, dans un premier temps, des recherches d’informations au niveau sémantique et non plus simplement syntaxique. Le but visé à terme est de rendre les applications Internet aptes à mener des raisonnements utilisant les connaissances stockées sur le Web.

De nos jours, les ontologies sont considérées comme des éléments clés pour l’échange correct d’informations et l’interopérabilité sémantique entre humains et machines dans des environnements complexes. Elles agissent comme vocabulaire commun pour la description de la sémantique relative à certaines notions pertinentes dans un domaine d’application donné. D’où l’idée de les utiliser dans le PLM. Dans l’univers hétéroclite caractéristique du PLM, l’utilisation des ontologies comme moyen d’intégration des connaissances pourrait s’avérer très prometteuse. Dans le cadre de cette thèse, nous nous sommes intéressés à l’utilisation des ontologies comme approches d’intégration des connaissances dans un contexte PLM.

Cette partie est organisée comme suit : Dans la seconde section, la notion d’ontologie est explicitée à travers plusieurs définitions. La troisième section s’attache à explorer l’environnement complexe du PLM et la pertinence de l’utilisation des ontologies dans ce type d’environnements. Comme les ontologies sont orientées en premier lieu vers la modélisation et la formalisation des connaissances d’un domaine particulier, nous nous intéressons de plus près aux connaissances utilisées dans le développement de produit et nous résumons quelques travaux visant à utiliser les ontologies dans ce domaine. Ceci va nous permettre de tirer des conclusions importantes quant à la construction d’une ou plusieurs ontologies qui décriraient l’ensemble des informations présentes dans tout le cycle de vie produit.

4.4.1. Généralités sur les ontologies

Introduit en Intelligence Artificielle (IA) il y a 15 ans, le terme d’ontologie étai usité en philosophie depuis le XIXième siècle. Dans ce domaine, l’Ontologie désigne l’étude de ce qui existe, c’est à dire l’ensemble des connaissances que l’on a sur le monde [WEL 01]. En IA, on ne considère que des ontologies, relatives aux différents domaines de connaissances. C’est à l’occasion de l’émergence de l’Ingénierie des Connaissances que les ontologies sont apparues en IA, comme réponses aux problématiques de représentation et de manipulation des connaissances au sein des systèmes informatiques.

4.4.1.2. Définitions des ontologies

L’origine philosophique de l’ontologie renvoie à la « théorie de l’existence », c’est à dire la théorie qui tente d’expliquer les concepts qui existent dans le monde et comment ces concepts s’imbriquent et s’organisent. Contrairement à l'homme, la connaissance pour un système informatique se limite à la connaissance qu'il peut représenter. Chez l'homme, les connaissances représentables (l'univers de discours) sont complétées par des connaissances non exprimables (sensations, perceptions, sentiments non verbalisables, connaissances inconscientes, etc.). Ces éléments non représentables participent pourtant aux processus de raisonnement et de décision. En informatique, ce qui existe est ce qui peut être représenté, c'est-à-dire concrètement l’ensemble des représentations qui aura été formalisé.

Les ontologies informatiques sont des outils qui permettent précisément de représenter un corpus de connaissances sous une forme utilisable par une machine [Fur 02].

Il existe de nombreuses définitions de ce qu'est une ontologie; ces définitions ne sont pas toujours compatibles. Dans ce qui suit, nous en proposons quelques unes :

• Définition1 : Une des définitions de l'ontologie qui fait autorité est celle de Gruber [Gru 93a] et [Gru 93b] : « an ontology is an explicit specification of a conceptualization» Une ontologie est la spécification d'une conceptualisation d'un domaine de connaissance. Cette définition s'appuie sur deux dimensions :

- une ontologie est la conceptualisation d'un domaine, c'est-à-dire un choix quant à la manière de décrire un domaine. Une conceptualisation est à son tour définie par : « a

conceptualisation is an abstract, simplified view of the world that we wish to represent for some purpose [Gru 93a].

- c'est par ailleurs la spécification de cette conceptualisation, c'est-à-dire sa description formelle. C'est une base de formalisation des connaissances. Elle se situe à un certain niveau d'abstraction et dans un contexte particulier. C'est aussi une représentation d'une conceptualisation partagée et consensuelle, dans un domaine particulier et vers un objectif commun [Fur 02].

• Définition2 : Plus concrètement, une ontologie est un ensemble structuré de concepts. Les concepts sont organisés dans un graphe dont les relations peuvent être :

• des relations sémantiques ;

• des relations de composition et d'héritage (au sens objet)

L'objectif premier d'une ontologie est de modéliser un ensemble de connaissances dans un domaine donné.

• Définition3 : une ontologie est une description formelle explicite des concepts d'un domaine de connaissance.

Elle contient des concepts (également appelées classes), des propriétés (appelés également rôles ou attributs) de chaque concept décrivant les caractéristiques et les attributs d'un concept et des restrictions sur les propriétés (appelées également facettes ou restrictions de rôles).

Une ontologie (ainsi que l'ensemble des instances individuelles des classes) forme une base de connaissances [Ont 05].

4.4.1.3. Les constituants d’une ontologie 1) Connaissances et domaines

Une ontologie ne peut être construite que dans le cadre d’un domaine précis de la connaissance, selon l’utilisation que l’on veut en faire. Comme beaucoup de termes n’ont pas le même sens d’un domaine à l’autre, une sémantique non ambiguë doit être intégrée à l’ontologie. Un domaine de connaissances est donc constitué par les objets du domaine et par un contexte d’usage de ces objets [Bac 99]. Délimiter rigoureusement un domaine de connaissances peut se révéler très ardu, à cause de la nature holistique de la connaissance. Certaines connaissances, qui peuvent constituer en elles-mêmes un domaine, sont utilisées dans tous les autres domaines. C’est le cas des notions générales liées à la causalité, au temps, à l’espace, etc. De plus, les connaissances humaines se déploient suivant plusieurs dimensions: des connaissances peuvent être développées non seulement sur la réalité mais également sur un domaine de connaissance. On parle alors de méta-connaissances, ou connaissances sur les connaissances. Savoir borner le domaine des connaissances à

représenter demande donc une délimitation extrêmement précise de l’objectif opérationnel de l’ontologie.

Une étude menée parNonaka et Takeuchi [NoT 95], distingue deux types de connaissances : la connaissance explicite et la connaissance tacite. La connaissance explicite est formelle et systématique (ordonnée) et donc facile à communiquer et à partager, elle peut être traduite dans un langage formel et stockée dans des bases de données et des bases de connaissances tandis que la connaissance tacite, elle est caractérisée par le fait qu’elle est généralement personnelle et difficile à transmettre, elle se compose essentiellement de modèles mentaux, de croyances et de visions individuelles qui sont difficilement reliées ou partagées. C’est le mouvement entre ces deux types de connaissances qui est à l’origine du processus de création de nouvelles connaissances. Quatre types de conversions sont possibles, comme illustrée sur la Figure 16: le passage de la connaissance tacite à une autre connaissance tacite est une

socialisation, le passage de connaissances explicite à d’autres connaissances explicites est

une combinaison, de tacite à explicite est une externalisation et enfin d’explicite à tacite est une internalisation.

Figure 16 - Modes de conversion des connaissances [NoT 95]

D’autre part, dans le domaine de l’Ingénierie des Connaissances, le terme de connaissance désigne la connaissance explicite.

Le processus général de représentation des connaissances peut donc être découpé en 3 phases :

1. La conceptualisation : identification des connaissances contenues dans un corpus représentatif du domaine. Ce travail doit être mené par un expert du domaine, assisté par un ingénieur de la connaissance ;

2. L’ontologisation : formalisation, autant que possible, du modèle conceptuel obtenu à l’étape précédente. Ce travail doit être mené par l’ingénieur de la connaissance, assisté de l’expert du domaine ;

3. L’opérationnalisation : transcription de l’ontologie dans un langage formel et opérationnel de représentation de connaissances. Ce travail doit être mené par l’ingénieur de la connaissance.

Il est à noter que ce processus n’est pas linéaire et que de nombreux allers-retours sont a priori nécessaires pour bâtir une ontologie opérationnelle adaptée aux besoins. Remarquons pour finir que ce modèle de construction d’ontologie est ascendant, c’est-à-dire que l’on part des connaissances à représenter, pour aboutir à une représentation formelle. Mais une construction descendante est possible. Elle consiste à choisir un modèle opérationnel de représentation, en fonction de l’objectif d’utilisation de l’ontologie, puis à instancier ce modèle avec les connaissances du domaine [Fur 02].