La création du Web a bouleversé notre quotidien en rendant le monde de plus en plus connecté, transformant le web en un réseau interconnecté où les données circulent à un rythme fulgurant. Cette explosion d’informations, stockées dans des bases de données dispersée à travers le globe, a ouvert des nouvelles perspectives à l’information et la communication entre les humains. Mais des informations dispersées, non regroupé, non aucun intérêt en termes d’exploitation et de compréhension. C’est là qu’intervient le Web sémantique, une évolution majeure du Web qui vise à donner du sens aux données, qui, dans l’idée, permet aux machines de les interpréter et de les relier entre elles sans intervention humaine. Mais ce concept innovant, mais complexe, ne vient pas sans défis et enjeux.
Un peu d’histoire
La web sémantique a été pensé et conçu à l’origine par le physicien, informaticien et père fondateur du “World Wide Web” Monsieur Tim Berners-Lee, quand il travaillait au CERN (l’Organisation européenne pour la recherche nucléaire) pour faciliter l’échange d’informations et de travaux entre les chercheurs de l’organisation. Beners-Lee imaginait un système mondial d’information hypertexte interconnecté. Cependant, il devient rapidement évident que le web « classique », basé sur les liens hypertextes, manque de structure et de sémantique, limitant sa capacité à exploiter pleinement le potentiel de l’information Après avoir lancé le World Wide Web dans le cadre scientifique en 1991, le CERN mit le logiciel dans le domaine public en 1993.
Mais c’est un an après la mise à disposition du premier navigateur Web graphique, Mosaïc, qu’a lieu en septembre 1994 la première conférence WWW internationale au CERN à Genève au cours de laquelle la création du W3C (World Wide Web Consortium) est annoncé ( Le W3C est un organisme de standardisation chargé de promouvoir la comptabilité des technologies en lien avec le WWW). Mais durant cette conférence, Tim Berners-Lee ne se contente pas de présenter la création du W3C, il y expose sa vision d’un web plus intelligent : le web sémantique. Pour lui, l’hypertexte, qui consiste à lier des documents entre eux, ne suffit plus. Il imagine un web dans lequel les machines peuvent comprendre le sens des données et les relier au monde réel, mais cette ambition innovante nécessite des avancées majeures en intelligence artificielle.
Suite à cette conférence, le W3C met en place les recommandations nécessaires à la structuration des documents et lance les premières réflexions. Leurs efforts aboutissent à la publication d’un premier brouillon de recommandations en octobre 1997, suivi d’un second en avril 1998. La même année, Tim Berners-Lee initie une feuille de route pour le Web sémantique, détaillant les technologies à développer pour son déploiement. Dans ce document, il décrit le Web sémantique comme une extension du Web de documents, visant à créer une base de données globale à l’échelle du réseau pour permettre aux machines de mieux comprendre les données et aux personnes de coopérer plus efficacement.
L’ancien physicien Tim Berners-Lee à la conférence W3C/ 1994 CERN
Les travaux commencés alors en 1994 sont présentés au grand public dans un article de mai 2001 dans la revue Scientific American, écrit par trois chercheurs, Tim Berners-Lee, Ora Lassila, et James Hendler. Cet article introduit les objectifs du Web sémantique et les technologies nécessaires, mais reste exploratoire et est critiqué pour sa complexité et sa reprise du concept d’ontologie. Malgré cela, le W3C poursuit ses efforts de normalisation avec des recommandations telles que RDFS, OWL, RDF en 2004, GRDDL en 2007, SPARQL et RDFa en 2008.
À partir de 2006, deux facteurs influencent la direction du Web sémantique : le Web 2.0 et l’introduction du concept de « Linked Data » par Berners-Lee, visant à relier directement les données sur le Web.
Soutenue par le projet « Linking Open Data« , l’idée du Linked Data voit sa plus grande réalisation en février 2007 avec la création de Dbpedia, utilisant des données structurées de Wikipédia. Le projet gagne en visibilité et devient un pilier du Web 2.0. En 2009, Berners-Lee popularise le concept lors de la conférence TED avec l’appel « Raw Data Now« , conduisant à des projets comme data.gov.uk en 2010, basé sur les technologies du Web sémantique.
Mais concrètement, qu’est-ce que c’est la web sémantique ?
Concrètement, le web sémantique est une extension du Web standard, fondé sur les protocoles et langages du Web, visant à rendre les données plus accessibles et compréhensibles, leur donner une signification, non seulement pour les humains, mais aussi pour les machines. L’objectif est d’offrir à l’utilisateur (l’humain) l’information qu’il recherche en un minimum de temps et de recherche, en créant un lien entre les concepts et leurs descriptions, mais aussi entre les concepts.
Les enjeux de la Web sémantique :
Contrairement à ce qu’on pourrait penser, le Web sémantique n’a pas été créé en tant que langage, mais pour briser les silos de données en permettant aux machines de collecter et restituer des informations en suivant des liens entre des « objets d’information ». La machine ne donne aucun sens à nos questions, n’interprète pas les nuances ou le contexte. Elles se contentent de suivre des liens définis entre concepts, facilitant la création de connaissances. Pour assurer la liaison et l’interopérabilité (capacité de matériels, de logiciels ou de protocoles différents à fonctionner ensemble et à partager des informations) entre les données. Il est crucial de les « nourrir » avec des vocabulaires contrôlés. Ces vocabulaires structurent les données, précisent leur sémantique, permettent des contrôles d’intégrité logique et des inférences.
Les bases de données
C’est un des enjeux de la web sémantique, pour nourrir les machines et les rendre plus précises et plus performantes dans leurs résultats de recherches, l’information n’est pas forcément automatisée, une présence humaine doit passer avant. Seulement, un groupe d’humains n’est pas assez rapide face aux flux de données alimentés chaque jour, et ne peut vérifier chaque donnée en conséquence.
S’ensuit alors l’automatisation des données, comme le “knowledge graph” des GAFAMI (reprenant en partie ce qui fut la “Freebase”, une base de connaissance faite grâce à la contribution d’individus), ajoutant aux moteurs de recherche une surcouche sémantique permettant de qualifier et de relier des entités de connaissance entre elles. Contrairement aux moteurs de recherche traditionnels qui s’appuient sur des statistiques de mots, des mesures de pertinence ou le nombre de liens entrants, les « Knowledge Graphs » exploitent une modélisation formelle de la connaissance.
Cette énorme ontologie, peut nous questionner sur la qualité de ces liens et données pour fournir une interprétation logique, ainsi que l’exploitation que nous en faisons.
Elle peut nous questions aussi en termes d’éthique, sur la standardisation des données. Qui décide quels sont les standard à respecter ?
Les fakes news ou fausses informations
En prenant en compte l’automatisation des bases de données, et l’ambition de structurer et d’enrichir les données en lignes, la question de l’encadrement et du contrôle reste crucial, car elle peut engendrer des risques importants en matière de qualité de l’information ainsi que la propagation de fausses informations.
L’information circule dans un flux important sur les réseaux sociaux (ou d’autres plateformes ou outils de publication), résultant souvent par des fakes news.
Google a alors investi dans le “fact-checking”, en se basant sur des bases de données pour vérifier la “crédibilité” de l’information donnée, mais ce “fact-checking” automatisé à une limite. Plusieurs sources peuvent confirmer la crédibilité d’une information, mais cela ne veut pas dire que c’est la vérité. Des nouvelles informations ou découvertes sont mis en ligne tous les jours et les auteurs peuvent revenir sur leurs propos, ce qui est “monnaie courante”. Il ne faut donc pas faire de conclusions hâtives et laisser place à une marge d’erreur.
Pour palier à ce problème, l’humain reste la solution. Une ontologie basée sur des données vérifiées par des experts sont plus fiables, provenant d’études documentées par plusieurs personnes
Mais il subsiste aussi le problème de l’éducation sur le web, combiné à l’absence de regard critique. Les individus, surtout les plus jeunes et les plus âgées, ne sont pas formés, ou du moins, non pas appris à trier les informations et les vérifier plus profondément, en analysant les arguments, chercher plusieurs sources, afin de se former une opinion.
Protection des données
Si le web sémantique nous permet d’accéder à des nouvelles (ou anciennes) informations, elle accroît également le risque de collecte, traitement et d’utilisation non contrôlés de nos données personnelles, qui appartienne, la plupart du temps, à des grands groupes comme Amazon ou Google.
Car si le web sémantique rassemble des données d’informations qui peuvent nous être utile en tant qu’individus, elle rassemble également des données utiles pour les entreprises (de marketing par exemple) sur les individus, comme des informations personnelles (prénom/nom, âge, localisation, mail à partir des formulaires d’inscription ou d’enregistrement à des services…) et les comportements et les interactions qu’on peut avoir en ligne (partage de contenus, visites des sites, cookies, commentaire laissés..), qu’on soit anonyme ou non.
Ces données récoltées vont alors être stockées, analyser à des fins d’optimisation et/ou de recommandation, mais cette exploitation résultant à des recommandations ciblées, peuvent nous amener vers limites de l’information, une vision du monde orienté et biaisé.
Il existe des cadres réglementaires en Europe pour contrôler l’utilisation des données, comme le RGPD (Règlement Général sur la Protection des Données) qui imposent des obligations strictes sur la collecte et l’utilisation de données personnelles. Toutefois, l’application de ces règles est difficile, le web étant international, les données peuvent traverses les frontières et donc soumise à différentes juridictions.
En somme, le web sémantique est un outil indispensable dans l’utilisation du web, permettant des opportunités et perspectives immenses, améliorant notre quotidien sur le web. Cependant, cet outil à ses limites et peut poser autant de soucis que de bienfait, tant sur la fiabilité et l’automatisation des données, la protection des données personnelles, mais également sur sa complexité à mettre en œuvre son utilisation.
Une combinaison de régulation stricte et de technologies avancées est nécessaire pour protéger les utilisateurs tout en tirant parti des avantages de cette interconnexion des données. L’implication humaine reste essentielle pour garantir l’exactitude et l’éthique des informations et une éducation accrue est nécessaire pour développer un regard critique chez les utilisateurs face à l’information en ligne.
