Un Web plus intelligent

Tim Berners-Lee doit avoir l'impression d'être dans une distorsion temporelle. Au début des années 1990, il a passé une année frustrante à essayer de faire comprendre aux gens la puissance et la beauté de son idée d'un système connu sous le nom de système hypertexte Internet, auquel il a donné le nom séduisant de World Wide Web. Mais comme le Web n'existait pas encore, la plupart des gens ne pouvaient pas imaginer les implications de ce dont il parlait. Berners-Lee a persévéré et, avec l'aide des quelques personnes qui ont partagé sa vision, son invention est devenue le système de distribution de médias à la croissance la plus rapide de l'histoire.

Une décennie plus tard, Berners-Lee est aux prises avec le même problème, mais cette fois, il essaie d'exprimer son rêve d'un Web sémantique. L'idée est de tisser un Web qui non seulement relie les documents les uns aux autres, mais reconnaît également la signification des informations contenues dans ces documents - une tâche que les gens peuvent généralement très bien faire mais qui est une tâche ardue pour les ordinateurs, qui ne peuvent pas dire si tête signifie le chef d'une organisation ou la chose au-dessus d'un corps. Le Web sémantique, ce sont vraiment des données qui peuvent être traitées par machine, explique Berners-Lee, directeur du World Wide Web Consortium basé au MIT. C'est de cela qu'il s'agit.

Cette histoire faisait partie de notre numéro de novembre 2001

• Voir le reste du numéro
• S'abonner

Le World Wide Web d'aujourd'hui est fondamentalement un support de publication, un endroit pour stocker et partager des images et du texte. L'ajout de sémantique changera radicalement la nature du Web - d'un endroit où l'information est simplement affichée à un endroit où elle est interprétée, échangée et traitée. Les agents de recherche sémantiques pourront collecter des données lisibles par machine à partir de diverses sources, les traiter et déduire de nouveaux faits. Les programmes qui n'ont pas été conçus pour être compatibles les uns avec les autres partageront des données auparavant non mixables. En d'autres termes, le but ultime du Web sémantique est de donner aux utilisateurs une quasi-omniscience sur les vastes ressources d'Internet, transformant les millions d'îlots de bases de données existants en une seule gigantesque base de données Pangea.

Pour comparer le Web sémantique avec le Web d'aujourd'hui, Berners-Lee - une personne intense qui parle en rafales à faible volume - propose le scénario suivant : Imaginez vous inscrire à une conférence en ligne.

Le site Web de la conférence répertorie l'heure, la date et le lieu de l'événement, ainsi que des informations sur l'aéroport le plus proche et un hôtel offrant une réduction aux participants. Avec le Web d'aujourd'hui, vous devez d'abord vérifier que votre emploi du temps est clair, et si c'est le cas, vous devez couper et coller l'heure et la date dans votre programme de calendrier. Ensuite, vous devez prendre les dispositions nécessaires pour votre vol et votre hôtel, soit en appelant les bureaux de réservation, soit en vous rendant sur leurs sites Web.

Il n'y a aucun moyen que vous puissiez simplement dire, je veux aller à cet événement », explique Berners-Lee, car la sémantique de quel bit est la date et quel bit est le temps a été perdue. Mais sur le Web sémantique, affirme-t-il, ces bits seront étiquetés ; le logiciel de votre ordinateur reconnaîtra ces étiquettes et réservera automatiquement votre vol pour la conférence et réservera une chambre d'hôtel en un clic.

Le Web sémantique sera aussi un Web plus riche et plus personnalisable. Imaginez que vous passez votre curseur sur le nom de l'hôtel et que vous soyez informé que 15% des personnes qui ont voté pour sa qualité disent qu'il est excellent. Si vous savez que l'hôtel est un dépotoir, vous pouvez demander à votre navigateur d'attribuer à ces personnes un niveau de confiance de zéro. (Les informations de sondage seraient enregistrées sur un serveur d'annotations tiers auquel votre navigateur Web accède automatiquement.) En attribuant des niveaux de confiance élevés aux personnes qui correspondent à vos goûts et intérêts, et en filtrant les personnes qui ne le font pas, le Web commencera à ressembler davantage à votre site Web.

C'est une entreprise énorme. La première étape consiste à établir des normes qui permettent aux utilisateurs d'ajouter des balises descriptives explicites, ou métadonnées, au contenu Web, ce qui facilite l'identification exacte de ce que vous recherchez. Vient ensuite le développement de méthodes qui permettent à différents programmes de relier et de partager des métadonnées provenant de différents sites Web. Après cela, les utilisateurs peuvent commencer à créer des fonctionnalités supplémentaires, telles que des applications qui déduisent des faits supplémentaires à partir de ceux qui leur sont fournis. En conséquence, les recherches seront plus précises et approfondies, la saisie des données sera rationalisée et la véracité des informations sera plus facile à vérifier. C'est du moins le but.

Beaucoup pensent que cela ne peut pas être fait. Même si les choses se réchauffent dans les laboratoires de recherche, le Web sémantique tel qu'il est envisagé par Berners-Lee est entravé par des défis sociaux et techniques qui, selon certains critiques, pourraient ne jamais être résolus. Mais cela n'empêche pas le World Wide Web Consortium et d'autres organisations d'essayer. La Defence Advanced Research Projects Agency (DARPA) des États-Unis et des entreprises commerciales telles que Network Inference à Manchester, en Angleterre, développent déjà des outils pour créer l'infrastructure du Web sémantique, ainsi que des applications pour l'utiliser. Et selon Berners-Lee, avec un nombre croissant de personnes commençant à comprendre comment le Web sémantique permettra à des agents de plus en plus sophistiqués de faire des choses en leur nom, nous verrons bientôt quelques lueurs de ce qui pourrait être en magasin.

Démêler le Web sémantique

Dans son bureau bondé au troisième étage du bâtiment du Laboratoire d'informatique du MIT, le chercheur Eric Miller ne semble pas dérangé par les bruits de martèlement et de grincement provenant de l'équipement lourd sur le chantier de construction à côté. À la tête du projet de Web sémantique, le sympathique et énergique Miller est trop captivé par son nouveau travail pour le remarquer. Je suis le gars le plus chanceux du monde, dit-il. Je suis payé pour ce que je ferais gratuitement.

Berners-Lee a fait appel à Miller pour diriger l'activité Web sémantique du consortium en raison de l'implication de Miller dans des projets de gestion des connaissances basés sur le Web et de sa capacité à articuler avec enthousiasme les concepts qui sous-tendent le Web sémantique. Debout à côté d'un tableau blanc couvert de diagrammes de métadonnées en action, Miller explique que l'idée fondamentale derrière le Web sémantique est de rendre Internet plus utile aux gens en rendant les informations flottant sur le Web plus facilement manipulables par les ordinateurs.

Aujourd'hui, en revanche, la plupart des contenus sont formatés pour la consommation humaine. Lorsque vous lisez un article de presse en ligne, par exemple, vous pouvez facilement sélectionner le titre, la signature, la date, le crédit photo, etc. Mais à moins que ces choses ne soient explicitement étiquetées, un ordinateur n'a aucune idée de ce qu'elles sont. Il voit simplement un tas de texte. Dans le Web sémantique, une actualité sera marquée d'étiquettes décrivant ses différentes parties, permettant, entre autres, à un moteur de recherche de trouver facilement des articles écrits par Jimmy Carter et non des histoires écrites à son sujet.

Ce n'est pas possible aujourd'hui, du moins pas à l'échelle mondiale. Les balises de mise en forme utilisées pour créer des pages Web font partie du langage de balisage hypertexte (HTML) et elles décrivent uniquement à quoi ressemblent les informations d'une page Web (en gras, petit, grand, souligné, etc.). Le Web sémantique irait au-delà des cosmétiques en incluant des balises qui décrivent également ce qu'est l'information : les balises étiquetteraient le texte comme désignant, par exemple, le sujet, l'auteur, l'adresse postale, le prix ou les frais d'expédition. Ces balises descriptives sont les métadonnées, les données sur les données. Les métadonnées ne sont pas un concept nouveau, ni limité à Internet. Le catalogue sur fiches d'une bibliothèque - avec ses notices décrivant le titre, l'auteur, le sujet, l'année et l'emplacement d'un livre sur les étagères - est une métadonnée.

Le Web a rendu trivialement facile l'échange de documents entre des ordinateurs auparavant incompatibles (quelques-uns des utilisateurs du Web d'aujourd'hui peuvent se rappeler les maux de tête des années 1980, lorsque les ordinateurs de différents fabricants étaient des îlots électroniques). Le Web sémantique va encore plus loin, en permettant aux ordinateurs d'échanger des informations particulières à partir de documents.

Au-delà des métadonnées

Vous ne pouvez pas avoir un Web sémantique sans métadonnées, mais les métadonnées seules ne suffiront pas. Les métadonnées des pages Web devront être liées à des documents spéciaux qui définissent les termes des métadonnées et les relations entre les termes. Ces ensembles de concepts partagés et leurs interconnexions sont appelés ontologies.

Supposons, par exemple, que vous ayez créé une page Web répertoriant les membres d'une faculté. Vous baliseriez les noms des différents membres avec des termes de métadonnées tels que chaire, professeur agrégé, professeur, etc. Ensuite, vous lieriez la page à une ontologie - une que vous avez créée vous-même ou une autre que quelqu'un d'autre a déjà créée - qui définit les postes de travail éducatifs et leurs relations les uns avec les autres. Une ontologie appropriée définirait dans ce cas une chaise comme une personne, pas une chose sur laquelle vous êtes assis, et cela indiquerait qu'une chaise est le poste le plus élevé dans un département.

En définissant les relations entre les termes, les ontologies peuvent ensuite être utilisées par les applications pour déduire de nouveaux faits. Supposons que vous ayez créé une page Web qui enseigne aux écoliers les condors et que vous ayez ajouté des métadonnées au contenu. Vous pouvez créer un lien vers une ontologie (ou plus probablement plusieurs ontologies) qui définissent les différents termes et leurs relations : le condor de Californie est un type de condor de Californie. Condor fait partie de la famille des rapaces. Tous les rapaces sont carnivores. La Californie est un État des États-Unis. Les carnivores sont des mangeurs de viande. En utilisant à la fois des métadonnées et des ontologies, un moteur de recherche ou un autre agent logiciel pourrait trouver votre site de condor sur la base d'une demande de recherche de carnivores aux États-Unis, même si votre site ne faisait aucune mention des carnivores ou des États-Unis.

Le développement d'ontologies étant une entreprise de grande envergure, il est probable que les créateurs de sites établiront des liens vers des ontologies tierces. Certains seront gratuits, d'autres seront vendus ou sous licence. Un problème auquel il faudra faire face : tout comme pour les dictionnaires et les atlas, les biais politiques et culturels s'insinueront dans les ontologies. Une ontologie basée sur la géographie maintenue par le gouvernement chinois, par exemple, ne définirait probablement pas Taiwan comme un pays.

Mais cela ne gêne guère la vision. Alors que le World Wide Web Consortium continue de développer des normes et des technologies pour le Web sémantique, des centaines d'organisations, d'entreprises et d'individus contribuent à l'effort en créant des outils, des langages et des ontologies.

L'un des principaux contributeurs est la DARPA, les personnes responsables d'une grande partie de la technologie derrière Internet ( voir Les technologies de rupture de la DARPA , TR octobre 2001 ). Ces jours-ci, la DARPA contribue des dizaines de millions de dollars au projet de Web sémantique du consortium Web et a développé un langage sémantique pour le département américain de la Défense appelé DARPA Agent Markup Language qui permet aux utilisateurs d'ajouter des métadonnées aux documents Web et de les associer à des ontologies. Le professeur d'informatique de l'Université du Maryland, Jim Hendler, qui était jusqu'en août directeur du programme DARPA, a travaillé en étroite collaboration avec Berners-Lee et Miller pour assurer la cohérence avec les efforts du consortium. En décembre dernier, Hendler a annoncé la création d'un langage qui combine les capacités du langage de balisage d'agent DARPA avec un langage d'ontologie, développé en Europe, appelé OIL (qui signifie à la fois Ontology Inference Layer et Ontology Interchange Language).

Un développeur de ce nouveau langage, le conférencier de l'Université de Manchester Ian Horrocks, conseille également le World Wide Web Consortium sur le Web sémantique. En janvier, il a cofondé une société appelée Network Inference pour développer une technologie qui utilise des ontologies et une inférence automatisée pour donner des capacités de Web sémantique aux bases de données relationnelles existantes et aux grands sites Web. Récemment, une société de services de données basée sur l'île de Man, appelée PDMS, a commencé à utiliser la technologie de Network Inference pour ajouter des fonctionnalités de Web sémantique aux bases de données d'entreprise. Des dizaines d'autres sociétés, de Hewlett-Packard à Nokia, contribuent au développement du Web sémantique.

Trop, trop tard ?

Miller pense que le flux transparent et l'intégration des informations résultant de ces mouvements permettront de traiter les connaissances d'une manière qui résout les problèmes, rapproche les gens et stimule de nouvelles idées qui n'auraient jamais pu se produire auparavant. D'autres, cependant, ne sont pas aussi optimistes à propos du Web sémantique. C'est plutôt ambitieux, déclare R. V. Guha, qui a dirigé le développement des efforts du consortium Web sur le cadre de description des ressources à la fin des années 90. (Ce cadre est un outil essentiel pour décrire et partager des métadonnées.) Ce serait bien si de telles choses existaient, dit-il, mais il y a des problèmes de recherche vraiment difficiles qui doivent d'abord être résolus.

Un problème concerne l'inférence. Le temps qu'il faut à un ordinateur pour tirer de nouvelles conclusions à partir de données, de métadonnées et d'ontologies sur le Web augmente rapidement à mesure que des règles sont ajoutées à un système. L'inférence entre dans la même catégorie que le problème classique du voyageur de commerce consistant à planifier l'itinéraire le plus court à travers un certain nombre de villes. Il n'est pas difficile de trouver le meilleur de tous les itinéraires possibles lorsque vous n'avez affaire qu'à un très petit nombre d'emplacements. Mais quand vous n'atteignez que 15 villes, il y a plus de 43 milliards d'itinéraires possibles. Le même type de situation d'emballement existe pour l'inférence, où la recherche de réponses par force brute pourrait conduire à des paradoxes ou des contradictions qui font perdre du temps.

Et même si Berners-Lee et ses acolytes relèvent les défis techniques, cela ne suffira pas pour que le Web sémantique se mette en place. Il y a une grande question à savoir si les gens penseront que les avantages valent l'effort supplémentaire d'ajouter des métadonnées à leur contenu en premier lieu. L'une des raisons pour lesquelles le Web a connu un tel succès, après tout, était sa sublime facilité de création.

Le Web est aujourd'hui la forme d'hypertexte la plus simple et la plus primitive, déclare Jakob Nielsen, ancien ingénieur distingué de Sun Microsystems, cofondateur du Nielsen Norman Group, une entreprise de conception Web à Fremont, en Californie. Et c'est pourquoi il était si facile à mettre en œuvre ; c'est pourquoi tout le monde pourrait commencer à créer ses propres pages Web ; c'est pourquoi le Web est si grand. Cependant, alors que la plupart des gens peuvent être à l'aise avec une édition simpliste, comme marquer un texte en gras, souligne Nielsen, ils ne peuvent pas faire d'édition sémantique, où ils disent : Ceci est le nom de l'auteur' ou C'est le nom des personnes que je ' je cite.'

Bien sûr, un tel pessimisme peut ignorer l'histoire récente. Il n'y a pas si longtemps, l'idée que des millions de personnes apprennent à écrire du code HTML semblait farfelue, mais c'est exactement ce qui s'est passé. Pourtant, l'obstacle de la création d'un Web sémantique sera plus élevé. Les gens peuvent utiliser HTML comme bon leur semble. Ils utilisent couramment des tableaux à des fins non tabulaires, par exemple, et tapent sur la balise de sous-titre simplement pour appliquer des caractères gras. Ces kluges et raccourcis n'ont généralement que des conséquences esthétiques. Mais le même type de falsification - disons, en utilisant des balises bibliographiques pour répertorier une collection de DVD - pourrait rendre les métadonnées d'une page inutilisables.

Le fait que les métadonnées n'aient pas été implémentées dès le début du Web pourrait également rendre plus difficile l'acceptation du Web sémantique. Peter Merholz, cofondateur d'Adaptive Path, un cabinet de conseil en expérience utilisateur basé à San Francisco, est particulièrement sceptique. Ce truc doit être intégré dès le début, dit Merholz, qui appelle le Web sémantique une activité académique intéressante avec peu d'incidence sur la société. Le Web sémantique fait l'objet de beaucoup de battage publicitaire simplement parce que Tim Berners-Lee, l'inventeur du World Wide Web, s'y intéresse tellement, dit-il. Si c'était juste un con dans une université de l'Indiana, personne ne s'en soucierait.

Fils initiaux

Même Berners-Lee admet que le chemin vers le Web sémantique peut être un peu plus lent que celui vers le World Wide Web. D'une certaine manière, nous n'avons pas besoin d'aller trop vite, dit-il, parce que la théorie, les gens doivent l'examiner pour s'assurer que nous ne sommes pas trop fous, et les autres doivent vérifier les idées en pratique avant qu'elles ne soient ramassé et utilisé trop largement.

Lorsqu'on lui a demandé de jeter un coup d'œil dans sa boule de cristal, l'évangéliste des données échangeables prédit que certaines des premières applications commerciales du Web sémantique viseront à intégrer les différents systèmes d'information qui coexistent généralement dans les grandes organisations. (Ne serait-il pas agréable de s'occuper des affaires du service automobile ou de l'hôpital sans avoir à remplir une demi-douzaine de formulaires largement redondants ? Le Web sémantique peut vous aider ici.)

Et même si le Web sémantique réside encore principalement sur la planche à dessin, vous pouvez voir des indices de sa puissance sur certains sites Web existants. Considérez le moteur de recherche de More Technologies qui parcourt des milliers de sites d'actualités plusieurs fois par jour, ce qui en fait un favori pour les junkies d'actualités. De plus, les agents logiciels ont été programmés pour examiner les balises de police (les étiquettes HTML qui indiquent aux navigateurs Web la taille ou la taille du texte à l'écran) afin de déterminer si une page particulière est ou non un article d'actualité. Si un agent De plus trouve une chaîne de six à 18 mots étiquetés en gros caractères près du haut d'une page, il supposera qu'il s'agit d'un titre et le placera dans une base de données. Bien sûr, comme l'agent ne fait que deviner, il sélectionne parfois une page qui n'est finalement pas une actualité. Donc, de plus, doit appliquer un filtrage supplémentaire pour se débarrasser des pages qui ne contiennent pas d'articles.

C'est encore loin de l'objectif ultime, mais c'est un bon début. Et même les champions du Web sémantique ne prétendent pas comprendre exactement où mèneront de telles étapes. Après tout, qui a prédit Amazon.com ou eBay lorsque Berners-Lee a activé le commutateur du premier serveur Web au monde en décembre 1990 ?

Mais le fait est que les gens veulent plus d'intelligence du Web qu'ils n'en obtiennent - et un nombre croissant d'informaticiens partagent l'étincelle dans l'œil de Berners-Lee, et le sentiment que le Web sémantique détient la réponse. C'est formidable, dit l'inventeur du World Wide Web, de retrouver cet enthousiasme populaire.

cacher