Cycle de vie d'une ontologie
Comme toute ressource numérique, les ontologies suivent un cycle de vie qui comprend leur conception, leur implémentation et leur maintenance.
Sommaire
Comment concevoir et maintenir une ontologie ?
Une ontologie est une ressource sémantique qui permet de représenter la connaissance sur un domaine. Elle permet de disposer d’un vocabulaire partagé par les humains et les machines.
Pour concevoir et maintenir une ontologie, les équipes d’ingénierie ontologique doivent disposer d’un ensemble de compétences en logique formelle, en web sémantique, en informatique et en sciences de l’information. On parle aussi d’ingénierie des connaissances, quand il s’agit de modéliser, de formaliser et d’acquérir des connaissances spécifiques au domaine. En collaborant avec des experts du domaine, les équipes d’informaticiens et d’ingénieurs de la connaissances travaillent ensembles pour rendre explicites les entités, les relations et les règles de décision à mettre en œuvre dans le système d’information basé sur ontologie.
Les connaissances sont rassemblées sous la forme de concepts qui sont des représentations mentales d’une chose abstraite ou concrète désignée par un libellé compréhensible par les humains (c’est-à-dire exprimé par des mots). Les concepts possèdent chacun un identifiant unique manipulable par les machines (URI ou IRI). Les ontologies sont un des éléments constitutifs du Web sémantique.
Les grandes étapes de la vie d’une ontologie sont résumées schématiquement ci-dessous :
- Après la phase de conception et spécifications, l’ontologie est implémentée puis publiée avec une documentation. Elle peut alors être exploitée.
- Des alignements peuvent être réalisés avec d’autres ressources ontologiques.
- L’ontologie est amenée à évoluer au cours du temps et un versionnement doit être mis en place en lien avec la maintenance.
Phase de conception et spécifications
La première étape est la phase de conception et spécifications (design). Cette phase doit être réalisée de manière collaborative en réalisant des interviews ou des ateliers impliquant des experts du domaines et les futurs utilisateurs du système qui exploitera l’ontologie.
La conception repose sur l’identification des concepts et des relations qui constitueront l’ontologie. Il existe trois stratégies principales pour construire une ontologie (Gandon, 2002) :
- Descendante (top-down) – Partir du concept le plus générique et construire une structure par spécialisation. Cette construction s’appuie en général sur une ontologie fondationnelle de plus haut niveau.
- Ascendante (bottom-up ou data-driven) – Partir des concepts les plus spécifiques et construire la structure par généralisation.
- Intermédiaire (middle-out) – Partir de l’identification des concepts centraux et construire la structure par la généralisation ou la spécialisation.
L’approche descendante est propice à l’inclusion de concepts philosophiques de haut niveau, ce qui facilite le maintien de la cohérence logique avec les ontologies fondationnelles sur lesquelles la conception se base. Cette approche descendante nécessite une connaissance approfondie du domaine ainsi qu’un accord entre les experts du domaine.
L’approche ascendante est encline à fournir des ontologies adaptées et spécifiques avec des concepts très détaillés. Elle nécessite la disponibilité de sources de données tandis que son développement est généralement progressif/itératif ; de nouvelles sources de données peuvent fournir de nouvelles données, de sorte que l’ontologie peut nécessiter une révision ou une extension.
Enfin, l’approche intermédiaire est susceptible d’encourager l’émergence de champs thématiques et de renforcer la modularité. Cependant, il est difficile de distinguer les concepts centraux, alors que la notion de concept central dépend souvent fortement du contexte de l’application.
Aucune de ces trois stratégies n’est considérée comme meilleure que les autres, car l’approche développée dépend de plusieurs facteurs (vision personnelle du domaine, disponibilité de preuves matérielles, etc.). L‘approche recommandée par le W3C consiste à réutiliser au maximum les ontologies préexistantes, en spécialisant les classes existantes au lieu de les modifier. En effet, l’ajout de sous-classes et de nouvelles propriétés permet de préserver la cohérence logique et facilite donc l’interopérabilité entre les systèmes d’information basés sur les ontologies tout en offrant des adaptations spécifiques aux objectifs visés (Tzitzikas, 2024).
De nombreuses méthodes ont été proposées pour construire et maintenir une ontologie, dont une des plus complètes est la méthode NeON proposée par le groupe OEG (The Ontology Engineering Group) basé à l’université Polytechnique de Madrid (Suárez-Figueroa et al, 2012). La méthodologie Linked Open Terms (Poveda et al, 2022) est une méthode pragmatique proposée plus récemment et basée sur les méthodes du développement agile.
Implémentation, documentation et versionnement
Implémentation
Après la conception et spécifications vient la phase d’implémentation, c’est à dire l’encodage de l’ontologie à l’aide d’un langage formel. Pour éditer l’ontologie, il existe des outils comme Protégé.
De manière comparable à celle d’un logiciel, l’implémentation d’une ontologie se fait de manière itérative, en alternant des phases successives d’encodage et de tests.
Documentation et versionnement
Pour être exploitable, l’ontologie doit être publiée avec une documentation qui vient apporter des informations sur le travail de conception et d’implémentation. Cette documentation peut être interne ou bien faire l’objet d’une publication, sous forme de data paper par exemple. Un suivi des différentes versions produites doit également être mis en place.
Pour faciliter ce travail, certaines équipes s’appuient sur une forge logicielle et adoptent les outils et les méthodes du développement informatique.
La documentation pour les utilisateurs de l’ontologie peut être générée automatiquement à partir de son code à l’aide d’outils spécialisés comme Widoco ou le plugin ProtégéOWLDoc.
Alignement
Il est possible de rechercher des correspondances entre différentes ontologies de manière à faciliter la découverte de nouvelles connaissances et l’intégration de données.
Le mapping ou alignement ontologique se réfère aux efforts visant à établir une connexion ou correspondance entre la sémantique d’une ontologie et celle d’une autre.
Depuis plus de vingt ans, l’alignement ontologique est un sujet de recherche qui a conduit à l’élaboration de diverses méthodes et systèmes d’alignement. La plupart de ces systèmes sont élaborés pour repérer uniquement les correspondances dites « simples » entre les ontologies, en se concentrant principalement sur l’établissement de relations d’équivalence entre des classes (prédicats à un seul argument, ou relation unaire) ou entre des propriétés (relations à deux arguments, ou relations binaires).
Dans la pratique actuelle, l’établissement d’alignements complexes entre deux ou plusieurs ontologies nécessite la collaboration d’experts du domaine pour générer manuellement les alignements. Cette tâche est généralement chronophage, donc coûteuse, et toute automatisation ou semi-automatisation apporte un gain de temps important. Les avancées récentes dans l’utilisation de modèles de langage de grande taille (LLM) ont montré des résultats encourageants, en raison de l’importance du traitement du langage naturel pour ce type de travaux (Amini et al., 2025).
Un effort de documentation est nécessaire pour définir et maintenir les alignements établis. Des groupes de travail internationaux travaillent actuellement au développement du standard SSSOM – The Simple Standard for Sharing Ontological Mappings (Matentzoglu et al, 2022 ; Martínková et al, 2024).
Par ailleurs, le projet européen FAIR-IMPACT a produit un certain nombre de recommandations et de guides pratiques à ce sujet. Les alignements doivent être revus si l’ontologie (ou celle avec laquelle elle est alignée) évoluent. C’est une étape souvent oubliée ou négligée.
Publication, exploitation, maintenance
Publication
Une bonne pratique est de rendre l’ontologie publique et donc accessible à tous. Pour publier l’ontologie on peut s’appuyer sur une forge ou sur des entrepôts dédiés.
Exploitation
L’ontologie sert à annoter des données sous la forme de graphes stockés au format RDF. L’ontologie peuplée d’instances constitue alors une base de connaissances requêtable à l’aide du langage SPARQL.
La base de connaissances permet également de réaliser des raisonnements à l’aide de moteurs d’inférence. Le raisonnement peut être employé à différents stades du cycle de vie de l’ontologie :
- Le raisonnement peut être utilisé lors de la conception pour tester si les concepts sont non contradictoires et faire émerger les implications implicites.
Par exemple, retrouver qu’un concept est une spécialisation d’un autre concept, ou les concepts qui sont synonymes, peut être utilisé lors de la phase de conception pour tester la cohérence des définitions de concepts. - Le raisonnement peut aussi être utilisé lors du déploiement de l’ontologie, pour déterminer la cohérence des faits utilisés ou inférer des relations entre instances ou concepts.
Par exemple, lors d’une recherche d’information, comme des éléments contenus dans une page Web annotée avec les concepts d’une ontologie, il peut être intéressant de considérer les concepts de l’ontologie qui s’apparient avec les concepts de la page, ou encore des concepts plus généraux ou plus spécifiques, selon le type de résultats que l’on veut obtenir.
Maintenance
Les ontologies peuvent évoluer avec le temps à mesure qu’elles sont développées et affinées. Cela conduira à une série de fichiers différents. Les utilisateurs des ontologies doivent être en mesure de spécifier exactement quels fichiers d’ontologies ils ont utilisés pour encoder leurs données ou construire leurs applications, et être capables de récupérer des copies inchangées de ces fichiers de manière perpétuelle. L’utilisation d’une forge logicielle permet de tracer les modifications, d’échanger avec les utilisateurs, et d’exposer les différentes versions. Par ailleurs, les entrepôts et catalogues de vocabulaires permettent de consulter ou d’archiver les différentes versions publiées.
- Amini, R., Norouzi, S.S., Hitzler, P., Amini, R. (2025). Towards Complex Ontology Alignment Using Large Language Models. In: Tiwari, S., Villazón-Terrazas, B., Ortiz-Rodríguez, F., Sahri, S. (eds) Knowledge Graphs and Semantic Web. KGSWC 2024. Lecture Notes in Computer Science, vol 15459. Springer, Cham. https://doi.org/10.1007/978-3-031-81221-7_2
- Gandon, F. (2002), Distributed Artificial Intelligence And Knowledge Management: Ontologies And Multi-Agent Systems For A Corporate Semantic Web. Thèse de l’Université Nice sophia Antipolis. https://theses.hal.science/tel-00378201
- Martínková, J., Juty,N., Gonzalez Beltran, A., Goble,C., Le Franc, Y. (2024) Moving towards FAIR mappings and crosswalks, In : CEUR Workshop Proceedings, FOAM2024: FAIR principles for Ontologies and Metadata in Knowledge Management, July 15–19, 2024, Enschede, Netherlands
- Matentzoglu, N., Balhoff, J. P., Bello, S. M., Bizon, C., Brush, M., Callahan, T. J., Chute, C. G., Duncan, W. D., Evelo, C. T., Gabriel, D., Graybeal, J., Gray, A., Gyori, B. M., Haendel, M., Harmse, H., Harris, N. L., Harrow, I., Hegde, H. B., Hoyt, A. L.,. . . Mungall, C. J. (2022). A Simple Standard for Sharing Ontological Mappings (SSSOM). Database, vol 2022, baac035. https://doi.org/10.1093/database/baac035
- Poveda-Villalón, M., Fernández-Izquierdo, A., Fernández-López, M., & García-Castro, R. (2022). LOT : An industrial oriented ontology engineering framework. Engineering Applications Of Artificial Intelligence, 111, 104755. https://doi.org/10.1016/j.engappai.2022.104755
- Suárez-Figueroa, M.C., Gómez-Pérez, A., Fernández-López, M. (2012). The NeOn Methodology for Ontology Engineering. In: Suárez-Figueroa, M., Gómez-Pérez, A., Motta, E., Gangemi, A. (eds) Ontology Engineering in a Networked World. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-24794-1_2
- Tzitzikas Y., Marketakis Y., Mountantonakis M., Fafalios P., Theodoridou M., Axaridou A., Kritsotaki A., and Bekiari C. (2024). Architectural Suggestions for Ontology Management. EFSA supporting publication 2024: 21(12):EN-9118. 67 pp. doi:10.2903/sp.efsa.2024.EN-9118
INRAE (2025), Introduction aux ontologies, Vocabulaires Ouverts@INRAE, https://istblogs.d-marheine.com/lovinra/cycle-de-vie-dune-ontologie
Magalie Weber
Sophie Aubin, Anne-Sophie Bage, Sonia Bravo
Date de création : 20/02/2026