Découvrir le métier d’ingénieur ontologique et sémantique

Une administration souhaite créer un assistant capable de comparer les informations provenant de plusieurs organismes. L’un parle d’« entreprise active », un autre d’« entreprise immatriculée » et un troisième de « startup accompagnée ». L’assistant retrouve les trois expressions et propose de rapprocher les chiffres. Pourtant, ces catégories ne désignent pas nécessairement les mêmes réalités.

Comment faire comprendre à un système que deux mots peuvent désigner une même notion, tandis qu’un même mot peut recouvrir des définitions différentes ? Comment lui permettre de relier correctement des métiers à des compétences, des symptômes à des maladies possibles ou des règles à des procédures ?

C’est l’un des domaines d’intervention de l’ingénieur ontologique et sémantique. Son métier consiste à organiser le sens des informations et les relations entre les concepts, afin que les personnes et les systèmes puissent les utiliser sans confusions.

L’ingénieur ontologique et sémantique étudie les concepts d’un domaine, leurs définitions et les relations qui les unissent. Il contribue à créer un langage partagé entre les experts, les documents, les bases de données et les applications.

Une taxonomie peut classer les concepts en catégories ; un vocabulaire contrôlé stabilise les termes employés ; un modèle sémantique explicite des relations ; une ontologie formelle peut préciser des propriétés et des contraintes plus rigoureuses. Selon les besoins, ces ressources peuvent être représentées sous forme de graphes de connaissances.

Le but n’est pas de fabriquer des schémas compliqués. Il est de résoudre un problème concret de signification, de cohérence ou d’interopérabilité. Une table de correspondance bien documentée peut parfois suffire.

« Ingénieur ontologique et sémantique » désigne ici un profil de vulgarisation. Dans les organisations, ces fonctions peuvent relever d’architectes de données, d’ingénieurs de connaissances, de spécialistes des ontologies ou de responsables de référentiels.

Il commence par rencontrer les professionnels du domaine pour comprendre les objets dont ils parlent. Que signifie « client » dans le système commercial ? Une ligne téléphonique est-elle un client, un abonnement ou un produit ? Qu’est-ce qui distingue une formation d’un diplôme ?

Il collecte les définitions existantes, repère les synonymes, les ambiguïtés et les désaccords. Il propose ensuite des concepts clairement nommés et des relations précises : « exige comme prérequis », « délivre un diplôme », « appartient à une catégorie », « est applicable à » ou « remplace une version ».

Il vérifie ces choix avec les experts et les responsables des données. Puis il accompagne leur mise en œuvre dans les référentiels, les applications ou les services de recherche. Lorsqu’une définition change, il analyse les conséquences sur les correspondances existantes.

Une part importante de son activité consiste donc à poser des questions apparemment simples, mais déterminantes : « Ces deux catégories sont-elles réellement équivalentes ? » et « Dans quelles conditions cette relation est-elle vraie ? »

Ses livrables comprennent des glossaires métier, des vocabulaires contrôlés, des taxonomies, des dictionnaires de concepts, des tables de correspondance, des modèles sémantiques et, lorsque nécessaire, des ontologies et graphes de connaissances.

Il documente également les définitions, les sources, les exemples, les exclusions et les règles de maintenance. Un bon référentiel doit permettre de comprendre pourquoi une relation a été retenue et qui l’a validée.

Prenons l’orientation professionnelle : il peut produire un ensemble de relations entre métiers, compétences, formations et établissements. Ce référentiel permet de vérifier qu’une formation développe effectivement une compétence, au lieu de déduire cette relation d’une simple ressemblance de mots.

Le matin, notre ingénieure participe à une réunion avec des statisticiens de deux organismes. Les deux utilisent le terme « entreprise numérique », mais leurs critères de classement ne coïncident pas. Elle recueille les définitions et identifie les différences de population et de périmètre.

En milieu de journée, elle prépare une table indiquant les catégories équivalentes, celles qui se recouvrent partiellement et celles qui ne peuvent pas être rapprochées. Elle précise les hypothèses à confirmer et refuse de déclarer identiques des concepts qui ne le sont pas.

L’après-midi, elle échange avec un ingénieur des données pour intégrer les correspondances validées dans un service d’analyse. Elle participe ensuite à un test : l’assistant doit expliquer pourquoi certains indicateurs peuvent être comparés et pourquoi d’autres ne peuvent pas être additionnés.

Cette journée est fictive, mais elle illustre le cœur du métier : organiser la signification avant de demander à la technologie d’exploiter les informations.

L’ingénieur sémantique travaille avec les experts métier, car eux seuls peuvent confirmer le sens des notions propres à leur domaine. Il coopère avec les statisticiens, documentalistes, juristes, enseignants ou professionnels de santé selon les applications.

L’ingénieur documentaire apporte les sources et leur provenance. L’ingénieur des connaissances formalise les règles, les méthodes et les conditions d’application. L’ingénieur sémantique se concentre particulièrement sur les concepts, leurs définitions et leurs relations.

Les ingénieurs des données et les développeurs intègrent ces modèles dans les systèmes. Les évaluateurs vérifient que les correspondances produisent les résultats attendus. Ces rôles peuvent se chevaucher : il ne s’agit pas de frontières professionnelles rigides.

Le métier demande d’abord une grande rigueur conceptuelle. Il faut savoir analyser une définition, distinguer des catégories proches, reconnaître les ambiguïtés et expliciter les relations entre objets.

Des connaissances en modélisation des données, logique, représentation des connaissances et systèmes d’information sont utiles. Selon la spécialisation, le professionnel peut utiliser des technologies de graphes, des langages de description d’ontologies et des outils d’interrogation sémantique.

Il doit également comprendre les besoins des applications d’IA, les principes de recherche documentaire et les limites des modèles de langage. Ceux-ci peuvent suggérer des correspondances ou aider à extraire des concepts, mais leurs propositions doivent être vérifiées.

Enfin, l’écoute, la pédagogie et la capacité à arbitrer des définitions avec plusieurs institutions sont essentielles. La meilleure représentation technique ne vaut pas grand-chose si les experts ne s’accordent pas sur sa signification.

Plusieurs parcours sont possibles : informatique, sciences des données, sciences de l’information, linguistique informatique, logique ou ingénierie des connaissances. Une forte expertise sectorielle peut également constituer un point d’entrée lorsqu’elle est complétée par des compétences de modélisation.

Un statisticien peut se spécialiser dans l’harmonisation des indicateurs. Un documentaliste peut approfondir les vocabulaires contrôlés. Un informaticien peut se former à la modélisation des connaissances et aux graphes. Un professionnel de l’éducation peut travailler sur les relations entre métiers, compétences et formations.

Pour apprendre, un exercice concret consiste à sélectionner deux référentiels portant sur un même domaine, à comparer leurs définitions, à construire une table de correspondance, puis à faire valider les choix par des experts.

Ces pistes décrivent des voies possibles de spécialisation, et non des diplômes ou certifications dont l’existence serait ici attestée en Côte d’Ivoire.

Les administrations, organismes statistiques, entreprises, laboratoires, universités et startups peuvent mobiliser ces compétences. Elles sont utiles lorsque plusieurs sources doivent être rapprochées ou lorsque des applications doivent raisonner sur des relations métier explicites.

Dans l’éducation, elles contribuent à relier métiers, compétences et formations. Dans les statistiques, elles facilitent l’interprétation de définitions différentes. Dans l’industrie, elles aident à organiser les relations entre équipements, composants et incidents. Dans l’administration, elles peuvent clarifier les objets et procédures partagés.

Des cabinets spécialisés pourraient proposer des prestations de modélisation sémantique et d’interopérabilité. Ces possibilités ne constituent pas une estimation du marché de l’emploi ni une garantie de débouchés.

Un pays peut disposer de nombreux systèmes d’information, référentiels et bases de données sans pouvoir les rapprocher correctement. Les difficultés ne proviennent pas toujours d’un manque de technologie : elles tiennent parfois à des définitions incompatibles ou à des relations qui n’ont jamais été établies.

L’ingénierie ontologique et sémantique contribue à construire des vocabulaires communs et des correspondances vérifiables. Elle peut ainsi faciliter l’interopérabilité des services, la qualité des analyses et le développement d’applications d’IA sectorielles.

Elle ne signifie pas qu’il faut centraliser tous les référentiels ou imposer une ontologie unique à l’ensemble du pays. Il faut choisir les domaines où l’harmonisation apporte une valeur réelle, avec les institutions et professionnels compétents.

Un modèle d’intelligence artificielle peut rapprocher des textes et proposer des réponses plausibles. Mais lorsque deux systèmes utilisent des concepts différents, la cohérence des résultats dépend de définitions et de correspondances suffisamment établies.

L’ingénieur ontologique et sémantique rend ce travail possible : il clarifie les concepts, organise leurs relations et contribue à construire des référentiels que les applications peuvent exploiter de manière contrôlable.