Nouveautés de la rentrée 2013

Voici quelques nouveautés et évènements de cette rentrée concernant le web sémantique et les Sciences Humaines.

À quoi sert le web sémantique, en Histoire et Philosophie des Sciences et des Techniques ?

Introduction

L’historien des sciences et des techniques est amené à utiliser de nombreuses données numériques ou traditionnelles de diverses natures lors de ses études. Il peut s’agir de textes provenant de bibliothèques ou d’archives (manuscrits, lettres, livres, articles, rapports, pages du web), d’images (photographies, cartes, graphiques), de documents multimédias (interviews, discours, reportages, émissions, conférences), d’objets 3D ou de documents composites (textes illustrés, sites webs, diaporamas). Mais des métadonnées sont aussi nécessaires, qualifiant ces objets ou bien rassemblant des informations sur des personnes, des organismes, des lieux, des évènements, des concepts abstraits comme l’énergie ou une école de pensée, des objets concrets comme des machines. L’évolution géographique ou temporelle, les changements technologiques, les relations entre acteurs sont autant d’objets d’étude. Documents rassemblés en corpus de même que métadonnées nourrissent les connaissances et les récits de l’historien des sciences et des techniques, la réflexion du philosophe, et peuvent servir de matière première à un cours, une présentation ou une exposition. Face à la diversité des sources, le web sémantique offre de nouveaux outils, facilitant l’exploration et la réutilisation des  informations et des connaissances.

Un peu de technique

Web sémantique et web des données représentent une nouvelle vision du web reposant sur un ensemble de techniques. Proposé par Tim-Berners Lee et le W3C (l’organisme qui spécifie l’architecture du web), le web sémantique n’a pas pour objectif de remplacer le web actuel, mais d’en étendre les possibilités. Il préconise l’indexation des pages du web et l’extraction de la sémantique à l’aide de différentes techniques dont la base est le RDF (Resource Description Framework). Toute ressource du web peut être décrite à l’aide de séries de triplets composés d’un sujet, d’un prédicat et d’un objet. Si le livre Science et Méthode écrit par Henri Poincaré constituait une page du web, il pourrait être indexé à l’aide du triplet : Henri Poincaré est l’auteur de Science et Méthode. Henri Poincaré correspond au sujet du triplet, est l’auteur de correspond au prédicat, Science et Méthode correspond à l’objet. Chaque élément du triplet est identifié à l’aide d’un URL du type URI permettant une identification unique et pérenne. Des ontologies (ou vocabulaires) permettent de catégoriser les sujets, prédicats et objets. On aura remarqué au passage que le terme « ontologie » est emprunté à la philosophie et signifie « la science de ce qui est », « la science de l’existant ».

Le web sémantique vise à mettre en place une indexation des pages du web, mais aussi potentiellement des concepts absents du web mais dont une description sur le web est possible (personne, lieu, date, élément abstrait, objet physique). Le même objet peut être vu au format HTML adapté à la lecture, ou bien en RDF, le format du web sémantique dérivé de XML qui contient les listes de triplets relatifs à l’objet. Si les logiciels du web 2.0 (gestionnaires de contenu, wikis, plateformes d’archivage) permettent déjà l’affichage des métadonnées en HTML, RDF ou RDFa (une combinaison de HTML et RDF), les nouveaux outils intègrent mieux les standards du domaine que sont RDF, RDFS, OWL, SKOS, SPARQL, RDFa, etc.

Le web sémantique intéresse particulièrement les acteurs du web et les organismes de grande taille confrontés à la multitude et à la diversité des données. Les moteurs de recherche comme Google, Yahoo et Bing sont à l’origine de shema.org, une spécification permettant d’introduire des informations sémantiques dans le code HTML. Par ailleurs, Google tire parti de « Knowledge Graph », une base de connaissance multilingue résultant de la compilation de plusieurs bases du web sémantique, pour afficher des données factuelles lors d’une recherche par exemple. Les gouvernements, les villes, les universités, les bibliothèques, les archives, les encyclopédies, les entreprises, la recherche, mais aussi certaines unités de recherche de taille plus modeste s’impliquent. L’un des intérêts majeur du web sémantique est de rendre possible la liaison entre objets et données d’origine différente et la réutilisation dans de nouveaux services. Le web sémantique est alors appelé « web des données » ou « web des données liées ». Si les données sont protégées avec une licence ouverte (Creative Commons, Etalab, Domaine publique, etc), on parle de « données ouvertes » ou « open data ».

Une histoire récente

Le web sémantique tire ses origines de travaux des années 1990 portant sur la gestion des connaissances. Mais il ne commence à se concrétiser qu’en 1999 avec les recommandations du W3C portant sur les « langages » RDF et RDFS, et avec la publication en 2007 par DBpedia des premières « données ouvertes liées ». Les bases de données relationnelles transformées en données stockées dans des « Triple Store » sont publiées en nombre croissant. La liaison des données permet la navigation et le partage des informations entre sites différents. On assiste ainsi à la mise en place progressive d’un réseau dont l’importance est mondiale. Une vue de Septembre 2011 permet de visualiser les principales données ouvertes liées (Linked Open Data ou LOD) et les relations entre réservoirs de données, dessinant le nuage des données ouvertes liées (Lod Cloud).

Lod-cloud-2011

Des données encyclopédiques multidisciplinaires (DBpedia, Freebase ou YAGO) constituent le cœur du nuage. DBpedia provient de l’extraction régulière des données de WikiPedia. D’autres données concernent la géographie, les objets des bibliothèques, des universités et de la recherche, des archives, les personnes des réseaux sociaux, les médias (musiques et films), la météorologie, les cartes (OpenStreetMap), les données gouvernementales (résultats électoraux, recensements, statistiques diverses), etc. Certains sites webs et applications pour mobiles tirent parti des données ouvertes liées pour offrir des services à haute valeur ajoutée, croisant les sources et les données entre elles. On pense que des services bâtis sur ces données librement réutilisables conduiront à l’émergence d’un nouveau secteur économique s’appuyant principalement sur les tablettes et les smartphones.

En France

Le gouvernement publie data.gouv.fr. Des régions (Ile de France avec data.iledefrance.fr), des départements (Saône et Loire), des municipalités (Rennes, Paris, Strasbourg, Nantes, Bordeaux, Montpellier) font figure de précurseurs. On note dans un autre registre de données DBpedia en français réalisé par l’INRIA et le groupe SemanticPedia à partir des données de Wikipedia en version française, Open Street Map France, l’INSEE et l’IGN réunis autours du projet Datalift, l’action de Regards citoyens. Bien que le ministère de la culture français ait longtemps émis des réserves sur l’utilisation ouverte des données culturelles, il s’engage maintenant en soutenant DBpedia en français. D’autres organismes font de même comme la BNF (data.bnf.fr et RAMEAU), les Archives de France (Thesaurus W), le Centre Pompidou. L’ABES et le Sudoc publient IdRef et these.fr. Le CNRS promeut le moteur de recherche spécialisé dans les publications ouvertes en Sciences Humaines Isidore. Le LAAS du CNRS de même que l’Université de Nice s’impliquent, alors que d’autres initiatives internationales concernent la Biologie et la Chimie.
http://www.opendata-map.org/map

En Histoire des sciences et Philosophie

Le moteur de recherche Isidore spécialisé en SHS rassemble de nombreux articles en accès libre provenant de HAL et de divers blogs. On doit aussi mentionner Europeana, un moteur de recherche signalant des documents numériques européens provenant de bibliothèques et d’archives dont l’importance est nationale. CLAROS est un moteur de recherche spécialisé dans les objets des musées basé sur l’ontologie CIDOC-CRM, une ontologie de haut niveau développée spécialement pour les musées, les archives et les bibliothèques. Si des bases généralistes (DBpedia, DBpedia France, Freebase, Yago) ou bibliographiques (IdRef, VIAF, id.loc.gov, data.bnf.fr, etc) contiennent de nombreuses données, on relève pour l’instant peu d’initiatives portant spécifiquement sur l’Histoire des Sciences et des Techniques ou la Philosophie.

Des exemples

Pour se forger une opinion plus complète, rien ne vaut la visite de quelques sites :

  1. La page de DBpédia en français, une fiche sur l’histoire des sciences http://fr.dbpedia.org/page/Histoire_des_sciences et sur la Philosophie http://fr.dbpedia.org/page/Philosophie. DBpedia est un projet universitaire et communautaire d’extraction automatique et de rediffusion des données de Wikipédia. Le principe est de proposer une version structurée des contenus de chaque notice de l’encyclopédie. Le projet est initié par l’Université de Leipzig, l’Université libre de Berlin et l’entreprise OpenLink Software. Une version en français de DBpedia est développée dans le cadre de Sémanticpédia rassemblant l’équipe Wimmics de l’Inria, le Ministère de la Culture et de la Communication et l’association Wikimédia France. Une vue en RDF de la même page : http://fr.dbpedia.org/data/Histoire_des_sciences.rdf.
  2. IdRef http://www.idref.fr/. Développé par l’ABES (Agence bibliographique de l’enseignement supérieur), le service IdRef alimenté aux données du Système Universitaire de DOCumentation (SUDOC) donne accès à une liste d’autorités comprenant des personnes, des organismes, des publications provenant des Universités françaises et des organismes de recherche. On peut à titre d’exemple accéder aux publications de Poincaré ainsi qu’aux textes dont il est le sujet d’étude à l’aide d’une seule requête : http://www.idref.fr/027943585 (l’affichage est un peu long). Le web sémantique permet de caractériser finement les rôles joués par les personnes (Auteur, Auteur de la postface, Préfacier, Commentateur, Éditeur scientifique, Sujet).
  3. Le logiciel VIVO à l’Université de Floride http://vivo.ufl.edu. VIVO permet le référencement des thèmes et des acteurs de la recherche dans le cadre d’une université. L’outil permet de visualiser les activités des chercheurs, de découvrir des liens entre personnes, programmes, financement, travaux, évènements, etc. On peut ainsi visualiser un réseau de coauteurs: http://vivo.ufl.edu/vis/author-network/n8279, ou bien accéder à une publication en accès libre http://vivo.ufl.edu/display/n49263#time, http://ufdcimages.uflib.ufl.edu/IR/00/00/04/37/00001/ACRL_3-1.pdf. En cours de développement actif, VIVO est pour l’instant installé dans 7 Universités américaines.
  4. ISIDORE – Accès aux données et services numériques de SHS http://www.rechercheisidore.fr/. ISIDORE est une plateforme de recherche permettant l’accès à des articles scientifiques et à des articles de blog en sciences humaines et sociales (SHS). Ciblant particulièrement les enseignants, chercheurs, doctorants et étudiants, le moteur s’appuie sur les principes du web de données et donne accès à des données en accès libre localisées dans différents sites de la recherche française. ISIDORE est une réalisation du très grand équipement ADONIS (CNRS), mis en œuvre par le centre pour la communication scientifique directe (CCSD/CNRS).
  5. Thomas Francart – Isidore – Le site du Boisset – Stéphane Pouyllau http://labs.sparna.fr/isidore-enrichissement-article.html. Ce « mashup » réalisé par Thomas Francart est un bon exemple de réutilisation dynamique de données en provenance de Isidore. Cliquez sur un lien de la page, des informations contextuelles supplémentaires apparaissent en haut à droite de l’écran (fonctionne avec javascript).

Les applications du web sémantique permettent la mise en place de véritables bases de connaissances interopérables. Des facettes d’un même concept peuvent être explorées, de même que des informations provenant de différentes sources. Des « mashups » permettent la réutilisation et la combinaison de données d’origines diverses.

En conclusion

L’introduction de toute nouvelle technologie pose la question de son utilité, particulièrement si l’investissement intellectuel ou financier à réaliser est important. Le web sémantique est-il une utopie ou bien cette technologie va-t-elle changer les méthodes de travail des historiens, des scientifiques et au-delà les services rendus aux citoyens ? On peut d’ores et déjà remarquer qu’un travail important a été fait, visible sur les moteurs de recherche. De nombreuses données encyclopédiques, bibliographiques, géographiques, biologiques, gouvernementales sont déjà publiées sur lesquelles il est possible de s’appuyer lors de la mise en place de nouveaux sites. Les applications à venir permettront sans doute aux historiens de mieux gérer leurs corpus et leurs connaissances, de mieux les partager sur le web. C’est pour développer et évaluer ces techniques innovantes que le groupe SemanticHPST a été créé. Soutenu par le réseau des MSH, il rassemble une communauté nationale d’historiens des sciences et des techniques qui partage des réflexions, des informations et des expériences destinées à mettre en place des produits destinés aux chercheurs, aux étudiants, ainsi qu’à un plus vaste public.

Avec mes remerciements pour leur aide et remarques à Olivier Bruneau et Thibaud Hulin

Autres ressources du web (actives le 21 Juin 2013)

Références bibliographiques

Semantic HPST

Ce carnet a pour but de présenter les recherches de notre réseau sur l’histoire des sciences et des techniques et l’utilisation que nous faisons des technologies du web sémantique pour ces recherches. Nous souhaitons diffuser des informations à la fois sur nos travaux, mais aussi sur l’actualité de ce domaine en émergence, au croisement des nouvelles technologies et de la philosophie des sciences.