14 juin 2026.

Présentation générale

Une ontologie, dans le domaine de l’intelligence artificielle (IA) et de l’informatique, est une représentation formelle et structurée des connaissances relatives à un domaine donné. Elle vise à décrire de manière explicite les concepts, les catégories, les propriétés et les relations qui existent entre les éléments d’un univers de référence.

Le terme trouve son origine dans la philosophie, où l’ontologie désigne l’étude de l’être et de ce qui existe. En informatique et en IA, l’ontologie est devenue un outil permettant de formaliser les connaissances afin qu’elles puissent être comprises, partagées et exploitées par des systèmes informatiques.

Les ontologies jouent un rôle majeur dans :

l’intelligence artificielle symbolique ;
les systèmes experts ;
le Web sémantique ;
la gestion des connaissances ;
les graphes de connaissances (knowledge graphs) ;
les systèmes d’aide à la décision ;
les technologies juridiques (legaltech) ;
les systèmes d’IA explicables.

Dans le domaine juridique, les ontologies permettent notamment de structurer des concepts complexes tels que les normes, les contrats, les obligations, les procédures ou les décisions de justice.

Points essentiels à retenir

Une ontologie formalise les connaissances d’un domaine.
Elle définit des concepts, des relations et des règles.
Elle favorise l’interopérabilité entre systèmes.
Elle constitue l’un des fondements du Web sémantique.
Les ontologies sont particulièrement utilisées dans les systèmes de gestion des connaissances.
Elles jouent un rôle croissant dans l’IA juridique et les graphes de connaissances.
Elles diffèrent des modèles d’IA générative fondés sur les grands modèles de langage (LLM), mais peuvent être complémentaires.

Définition

La définition la plus souvent citée est celle proposée par le chercheur Tom Gruber :

Une ontologie est une spécification explicite d’une conceptualisation.

Autrement dit, une ontologie vise à décrire :

ce qui existe dans un domaine ;
les catégories d’objets ;
les caractéristiques de ces objets ;
les relations qui les unissent.

Structure d’une ontologie

Une ontologie comprend généralement plusieurs composantes.

Classes

Les classes représentent les concepts principaux.

Exemple dans le domaine juridique :

Personne ;
Société ;
Contrat ;
Tribunal ;
Décision de justice.

Instances

Les instances correspondent aux éléments particuliers appartenant à une classe.

Exemple :

Société X ;
Cour de cassation ;
Contrat n°123.

Propriétés

Les propriétés décrivent les caractéristiques d’un objet.

Exemples :

date de signature ;
montant ;
nationalité ;
qualité d’associé.

Relations

Les relations permettent d’établir des liens entre différents concepts.

Exemples :

une société conclut un contrat ;
un tribunal rend une décision ;
une personne est représentée par un avocat.

Règles

Certaines ontologies intègrent également des règles logiques permettant de déduire automatiquement de nouvelles informations.

Historique

Intelligence artificielle symbolique

Les ontologies trouvent leurs racines dans l’IA dite symbolique développée dès les années 1950 et 1960.

L’objectif était de représenter explicitement les connaissances afin que les systèmes puissent raisonner de manière logique.

Systèmes experts

Dans les années 1970 et 1980, les systèmes experts reposaient largement sur des bases de connaissances structurées selon des logiques proches des ontologies.

Web sémantique

À partir des années 1990, Tim Berners-Lee a promu le concept de Web sémantique, dans lequel les informations seraient structurées de façon à être comprises non seulement par les humains mais également par les machines.

Les ontologies sont devenues un élément central de cette approche.

Principaux standards

RDF

Le modèle RDF (Resource Description Framework) permet de représenter des informations sous forme de triplets :

sujet ;
prédicat ;
objet.

Exemple :

Contrat A — est signé par — Société B.

RDFS

RDF Schema (RDFS) permet de définir des hiérarchies de concepts et de propriétés.

OWL

OWL (Web Ontology Language) est aujourd’hui le principal langage de représentation des ontologies complexes.

Il permet notamment :

les inférences logiques ;
les classifications automatiques ;
la modélisation avancée des connaissances.

SPARQL

SPARQL constitue le langage standard d’interrogation des données sémantiques.

Il joue un rôle comparable à celui du SQL pour les bases de données relationnelles.

Ontologies et intelligence artificielle

IA symbolique

Les ontologies sont historiquement associées à l’IA symbolique.

Cette approche repose sur :

des règles explicites ;
des concepts définis ;
un raisonnement logique.

Ses avantages incluent :

l’explicabilité ;
la traçabilité ;
la cohérence logique.

IA statistique

Les grands modèles de langage (LLM) comme :

OpenAI ;
Anthropic ;
Google ;

reposent principalement sur des méthodes statistiques et probabilistes.

Ils n’utilisent pas directement des ontologies comme mécanisme principal de raisonnement.

IA hybride

L’une des tendances actuelles consiste à combiner :

les LLM ;
les graphes de connaissances ;
les ontologies ;
les moteurs de règles.

Cette approche dite hybride vise à améliorer :

la précision ;
l’explicabilité ;
la vérifiabilité ;
la conformité réglementaire.

Ontologies et droit

Intérêt pour le domaine juridique

Le droit se prête particulièrement bien à la modélisation ontologique.

Il repose sur :

des concepts définis ;
des relations normatives ;
des hiérarchies ;
des classifications.

Exemples de concepts juridiques modélisables

personne physique ;
personne morale ;
contrat ;
obligation ;
responsabilité ;
juridiction ;
décision de justice ;
sanction.

Legal Knowledge Graphs

Les ontologies sont fréquemment utilisées dans les graphes de connaissances juridiques.

Ces systèmes permettent notamment :

la recherche documentaire avancée ;
la navigation dans les corpus juridiques ;
l’analyse réglementaire ;
la veille juridique.

IA juridique

Les legaltechs et éditeurs juridiques utilisent de plus en plus des structures ontologiques pour :

enrichir leurs bases documentaires ;
relier automatiquement les textes ;
identifier les concepts juridiques ;
améliorer la recherche d’information.

Cadre juridique

AI Act

L’AI Act ne réglemente pas spécifiquement les ontologies.

Toutefois, les systèmes fondés sur des ontologies peuvent être intégrés dans des systèmes d’IA entrant dans le champ du règlement.

Les exigences peuvent alors porter sur :

la qualité des données ;
la documentation ;
la gouvernance ;
l’explicabilité.

Protection des données

Les graphes de connaissances et les ontologies contenant des données personnelles doivent respecter :

le RGPD ;
les principes de minimisation ;
les règles de sécurité.

Interopérabilité

Les ontologies sont souvent présentées comme des outils favorisant :

l’interopérabilité ;
la portabilité des données ;
la circulation de l’information entre systèmes.

Ces objectifs sont également encouragés par plusieurs initiatives européennes relatives aux espaces de données.

Acteurs principaux

Recherche académique

Les travaux sur les ontologies mobilisent notamment :

l’informatique ;
l’intelligence artificielle ;
les sciences de l’information ;
la linguistique ;
le droit.

W3C

L’World Wide Web Consortium (W3C) joue un rôle central dans le développement des standards RDF, OWL et SPARQL.

Éditeurs juridiques

Les grands éditeurs de contenus juridiques exploitent des modèles ontologiques pour structurer leurs bases documentaires et améliorer leurs moteurs de recherche.

État actuel des débats

Les LLM rendent-ils les ontologies obsolètes ?

Deux positions principales coexistent.

Première position

Les grands modèles de langage réduiraient le besoin de modéliser explicitement les connaissances.

Selon cette approche, les connaissances sont apprises implicitement à partir de vastes corpus.

Deuxième position

Les ontologies demeurent indispensables pour :

garantir la cohérence ;
assurer la traçabilité ;
faciliter les audits ;
améliorer l’explicabilité.

Cette seconde approche est particulièrement présente dans les secteurs réglementés.

Ontologies et IA explicable

L’essor de l’IA explicable (XAI) redonne un intérêt important aux représentations formelles de la connaissance.

Les ontologies permettent souvent d’expliquer plus facilement :

pourquoi une décision a été prise ;
quelles règles ont été appliquées ;
quelles données ont été utilisées.

FAQ

Qu’est-ce qu’une ontologie en IA ?

Une ontologie est une représentation formelle des concepts et des relations d’un domaine de connaissance.

Une ontologie est-elle une base de données ?

Non. Une ontologie décrit la structure conceptuelle des connaissances. Une base de données stocke principalement des données.

Quelle est la différence entre une ontologie et un graphe de connaissances ?

L’ontologie définit les concepts et les relations. Le graphe de connaissances contient les données concrètes organisées selon cette structure.

Les LLM utilisent-ils des ontologies ?

Pas comme mécanisme principal de fonctionnement. Toutefois, des architectures hybrides combinent aujourd’hui LLM, graphes de connaissances et ontologies.

Pourquoi les ontologies sont-elles importantes pour le droit ?

Parce qu’elles permettent de représenter de manière structurée des concepts juridiques complexes et leurs relations.

Qu’est-ce qu’OWL ?

OWL (Web Ontology Language) est le principal langage standard permettant de créer des ontologies complexes.

Une ontologie améliore-t-elle l’explicabilité de l’IA ?

Oui. Elle permet généralement de rendre les raisonnements plus transparents et plus auditables.

Ressources essentielles

Recommandations du W3C sur RDF, OWL et SPARQL.
Travaux de Tom Gruber sur les ontologies.
Travaux de Tim Berners-Lee sur le Web sémantique.
Normes relatives aux graphes de connaissances et à l’interopérabilité des données.

Sources et références

Références doctrinales fondamentales

Tom Gruber, Toward Principles for the Design of Ontologies Used for Knowledge Sharing (1993).
Tim Berners-Lee, Semantic Web Roadmap (1998).
W3C, recommandations RDF, OWL et SPARQL.

Textes juridiques pertinents

Règlement (UE) 2024/1689 du 13 juin 2024 établissant des règles harmonisées concernant l’intelligence artificielle (AI Act).
Règlement (UE) 2016/679 du 27 avril 2016 (RGPD).

Méthodologie : Cette fiche a été générée avec l’assistance de l’intelligence artificielle à partir des connaissances générales disponibles sur les ontologies, le Web sémantique, les graphes de connaissances et l’intelligence artificielle. Aucune référence spécifique consacrée aux ontologies n’a été identifiée dans la base documentaire disponible. Cette fiche a vocation à fournir une synthèse informative et ne constitue pas un avis juridique.

Fiches Dabo Tibi Ius associées :

Graphe de connaissances (Knowledge Graph)
IA explicable (XAI)
Système expert
Traitement automatique du langage naturel (NLP).
Recherche juridique augmentée

Fiche – Ontologie (Intelligence artificielle)