Fiche – Ontologie (Intelligence artificielle)

14 juin 2026

Ontologie

Présentation générale

Une ontologie est une représentation formelle et structurée des connaissances d’un domaine. Elle décrit de manière explicite les concepts, leurs propriétés ainsi que les relations qui les unissent afin de permettre à des systèmes informatiques de comprendre, partager et exploiter ces connaissances.

Issue de la philosophie, où elle désigne l’étude de l’être et de ce qui existe, la notion d’ontologie a été adaptée à l’informatique et à l’intelligence artificielle pour répondre à un objectif de formalisation des connaissances.

Les ontologies occupent aujourd’hui une place importante dans le Web sémantique, les graphes de connaissances, les systèmes experts, la gestion des connaissances et certaines applications d’IA juridique.

Points essentiels à retenir

  • Une ontologie formalise les connaissances d’un domaine.
  • Elle définit des concepts, des propriétés, des relations et parfois des règles.
  • Elle facilite l’interopérabilité entre systèmes.
  • Elle constitue l’un des fondements du Web sémantique.
  • Elle est largement utilisée dans les graphes de connaissances.
  • Les ontologies jouent un rôle croissant dans l’IA explicable et l’IA juridique.
  • Elles sont souvent combinées aux grands modèles de langage (LLM) dans des architectures hybrides.

Définition

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

« Une ontologie est une spécification explicite d’une conceptualisation. »

Une ontologie permet ainsi de décrire :

  • les entités présentes dans un domaine ;
  • leurs caractéristiques ;
  • leurs relations ;
  • les règles qui structurent cet univers de connaissances.

Structure d’une ontologie

Classes

Les classes représentent les concepts généraux d’un domaine.

Exemples juridiques :

  • Personne ;
  • Société ;
  • Contrat ;
  • Juridiction ;
  • Décision de justice.

Instances

Les instances correspondent aux éléments particuliers appartenant à une classe.

Exemples :

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

Propriétés

Les propriétés décrivent les caractéristiques des objets.

Exemples :

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

Relations

Les relations permettent de relier différents concepts.

Exemples :

  • une société conclut un contrat ;
  • un tribunal rend une décision ;
  • un avocat représente une personne.

Règles

Certaines ontologies intègrent des règles logiques permettant de produire automatiquement des inférences ou des classifications.

Historique

Les origines dans l’IA symbolique

Les ontologies trouvent leurs racines dans l’intelligence artificielle symbolique développée à partir des années 1950. L’objectif consistait à représenter explicitement les connaissances afin de permettre aux machines de raisonner selon des règles logiques.

Les systèmes experts

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

Le Web sémantique

À partir des années 1990, les travaux de Tim Berners-Lee sur le Web sémantique ont placé les ontologies au cœur des mécanismes destinés à rendre les données compréhensibles par les machines.

Principaux standards

RDF

Le Resource Description Framework (RDF) représente l’information 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) constitue aujourd’hui le principal langage de modélisation des ontologies complexes.

Il permet notamment :

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

SPARQL

SPARQL est le langage standard permettant d’interroger des données sémantiques.

Ontologies et intelligence artificielle

IA symbolique

Les ontologies sont historiquement associées à l’IA symbolique fondée sur des concepts explicites et des règles de raisonnement.

Elles offrent plusieurs avantages :

  • explicabilité ;
  • cohérence ;
  • traçabilité ;
  • auditabilité.

Grands modèles de langage

Les modèles de langage tels que GPT, Claude ou Gemini reposent principalement sur des méthodes statistiques et probabilistes.

Ils n’utilisent généralement pas les ontologies comme mécanisme principal de raisonnement.

IA hybride et architectures neuro-symboliques

L’une des tendances majeures consiste à combiner :

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

Ces architectures hybrides cherchent à améliorer la précision, la vérifiabilité et l’explicabilité des systèmes d’IA.

Dans les systèmes RAG (Retrieval-Augmented Generation), les ontologies peuvent également contribuer à structurer les connaissances et à réduire les risques d’hallucination.

Ontologies et droit

Pourquoi le droit se prête à la modélisation ontologique ?

Le droit repose sur des concepts définis, des hiérarchies normatives et des relations structurées qui se prêtent naturellement à une représentation formelle.

Exemples :

  • personne physique ;
  • personne morale ;
  • contrat ;
  • obligation ;
  • responsabilité ;
  • juridiction ;
  • sanction.

Graphes de connaissances juridiques

Les ontologies constituent souvent la couche conceptuelle des graphes de connaissances juridiques (Legal Knowledge Graphs).

Elles permettent notamment :

  • la recherche documentaire avancée ;
  • la veille juridique ;
  • l’analyse réglementaire ;
  • la navigation dans les corpus normatifs et jurisprudentiels.

IA juridique

Les legaltechs et les éditeurs juridiques utilisent des ontologies pour :

  • identifier automatiquement des concepts juridiques ;
  • relier des documents entre eux ;
  • améliorer les moteurs de recherche ;
  • enrichir les bases documentaires ;
  • faciliter l’analyse de conformité.

Cadre juridique

AI Act

L’AI Act ne réglemente pas directement les ontologies.

Toutefois, les systèmes d’IA qui les utilisent peuvent être soumis aux exigences du règlement, notamment en matière :

  • de gouvernance ;
  • de qualité des données ;
  • de documentation ;
  • d’explicabilité.

Protection des données

Lorsque les ontologies ou graphes de connaissances contiennent des données personnelles, ils doivent respecter les exigences du RGPD.

Interopérabilité et espaces de données

Les ontologies sont fréquemment présentées comme des outils favorisant :

  • l’interopérabilité ;
  • la portabilité ;
  • le partage des données.

Ces objectifs sont également encouragés par plusieurs initiatives européennes telles que le Data Governance Act et le Data Act.

État actuel des débats

Les LLM rendent-ils les ontologies obsolètes ?

Deux approches coexistent.

Selon la première, les grands modèles de langage rendent moins nécessaire la modélisation explicite des connaissances.

Selon la seconde, les ontologies demeurent essentielles dans les secteurs réglementés où l’explicabilité, la traçabilité et l’auditabilité constituent des exigences fortes.

Ontologies et IA explicable

Le développement de l’IA explicable (XAI) redonne une importance particulière aux ontologies.

Elles permettent souvent d’identifier :

  • les règles mobilisées ;
  • les données utilisées ;
  • les mécanismes ayant conduit à une décision.

FAQ

Qu’est-ce qu’une ontologie en intelligence artificielle ?

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

Quelle différence entre une ontologie et un graphe de connaissances ?

L’ontologie définit la structure conceptuelle. Le graphe de connaissances contient les données organisées selon cette structure.

Une ontologie est-elle une base de données ?

Non. Une ontologie décrit les connaissances ; une base de données stocke principalement des informations.

Les LLM utilisent-ils des ontologies ?

Pas comme mécanisme principal. En revanche, les architectures hybrides associent de plus en plus LLM, graphes de connaissances et ontologies.

Pourquoi les ontologies sont-elles importantes pour l’IA juridique ?

Parce qu’elles permettent de structurer des concepts juridiques complexes, d’améliorer la recherche d’information et de renforcer l’explicabilité des systèmes.

Qu’est-ce qu’OWL ?

OWL est le principal langage standard utilisé pour créer des ontologies complexes.

Références essentielles

  • Tom Gruber, Toward Principles for the Design of Ontologies Used for Knowledge Sharing (1993).
  • Tim Berners-Lee, Semantic Web Roadmap (1998).
  • Recommandations du W3C relatives à RDF, OWL et SPARQL.
  • Règlement (UE) 2024/1689 du 13 juin 2024 (AI Act).
  • Règlement (UE) 2016/679 du 27 avril 2016 (RGPD).

Fiches Dabo Tibi Ius associées :

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

Articles connexes

Fiches connexes