Après RAG, GraphRAG et les graphes de connaissances, pourquoi les bases de données de connaissances à l’échelle enterprise commencent-elles à se concentrer sur l’ontologie ?

Résumé des points clés

Récemment, la demande des entreprises en matière de bases de connaissances a augmenté de manière significative, et les termes techniques tels que les graphes de connaissances (knowledge graphs) et l'ontologie sont devenus fréquents dans le discours professionnel. L'ontologie a particulièrement gagné en notoriété grâce à la promotion de la société Palantir. Cependant, sa mise en œuvre est complexe et coûteuse, et elle ne convient que dans les cas où l'activité commerciale est stable et nécessite des raisonnements approfondis. Les entreprises qui suivent aveuglément cette tendance risquent de commettre des erreurs ; pour réussir son application, il est essentiel de bien comprendre leur propre activité et de maintenir régulièrement l'ontologie.

I. Pourquoi l'ontologie est-elle soudainement devenue populaire ? La vague d'adoption induite par Palantir

L'ontologie n'est pas une nouveauté, mais sa popularité récente est principalement due à Palantir, cette entreprise considérée comme « magique** :

• Elle est souvent qualifiée d'entreprise de sous-traitance, mais son valorisation a atteint 370 milliards de dollars, avec un ratio cours/bénéfice (PS) dix fois supérieur à celui des entreprises SaaS traditionnelles (60-70 contre 4-7).
• Le PDG de Palantir insiste constamment sur l'importance de l'ontologie comme clé du succès, ce qui a incité l'industrie à imiter son approche technologique, son modèle commercial (plateforme + tarifs élevés par utilisateur) et sa structure organisationnelle (l'équipe FDE impliquée directement dans les projets).
• En réalité, la demande des entreprises en bases de connaissances a évolué : il ne s'agit plus simplement de trouver des documents, mais de comprendre leur activité. Les problèmes qui pouvaient être résolus par l'intelligence artificielle (IA) en recherchant des documents nécessitent désormais que celle-ci comprenne les objets, les relations et les règles au cœur de l'activité commerciale, ce que l'ontologie permet précisément de faire.

II. Qu'est-ce que l'ontologie, expliquée simplement ?

En termes simples, l'ontologie est une sorte d'inventaire des éléments et d'une description des relations qui sert de guide pour les machines :

• Prenons un exemple : si vous vous retrouviez dans un monde de culture mystique et demandiez à un expert ce qu'il y a à disposition, il vous donnerait une liste des moines, des techniques de cultivation et de l'énergie spirituelle, ainsi que des descriptions des relations entre ces éléments (par exemple, les moines utilisent l'énergie spirituelle pour pratiquer leurs techniques). Cette liste et ces relations constituent ce qu'on appelle un ontologie.
• Sur le plan technique, l'ontologie utilise des concepts tels que les classes (classes), les attributs (propriétés) et les relations (liens) pour décrire un domaine. Par exemple, sur une plateforme de shopping, un produit est une classe, son prix est un attribut, et la relation acheteur → achat → produit permet à l'IA de déduire que les personnes ayant acheté ce produit pourraient être intéressées par d'autres produits similaires.

III. Les trois principaux obstacles à la mise en œuvre de l'ontologie : coûts élevés, difficultés de modification et maintenance complexe

Pourquoi les entreprises sérieuses hésitent-elles à l'utiliser ? Parce qu'il existe de nombreux défis :

1. Abstraction de l'activité commerciale difficile : il faut transformer des processus complexes (comme les commandes ou la logistique) en classes et relations claires, mais différents départements peuvent utiliser des termes différents pour désigner la même chose, ce qui entraîne des discussions interminables.

2. Nettoyage des données coûteux : les données des entreprises sont souvent imparfaites (mêmes éléments appelés différemment selon le département), et la transformation de ces données en un modèle ontologique peut représenter plus de la moitié du coût total du projet, avec un risque élevé de devoir tout refaire.

3. Changements dans l'activité commerciale impactant tout le système : l'ontologie est étroitement liée aux règles logiques de l'entreprise ; modifier une relation (par exemple, passer d'un modèle où une commande correspond à un seul client à un modèle où une commande peut concerner plusieurs clients) peut entraîner des problèmes dans tous les systèmes dépendants, nécessitant le recalcul des données historiques et des coûts importants.

4. Coût de maintenance élevé : la mise en œuvre d'une ontologie requiert des compétences combinées en matière de gestion commerciale et de technologie ; ces experts sont rares et chers, et une fois l'ontologie créée, il est difficile de la modifier sans perturber le fonctionnement de l'entreprise, ce qui peut la transformer en un système obsolète avec le temps.

IV. L'ontologie n'est pas une panacée : elle convient seulement dans certains cas

L'ontologie est utile uniquement dans les situations où l'activité commerciale est stable, où des raisonnements approfondis sont nécessaires et où les exigences en termes de qualité des résultats sont élevées :

• Scènes médicales : les concepts et relations médicales sont stables, et une erreur dans le raisonnement peut avoir des conséquences graves (un diagnostic incorrect peut être dangereux), ce qui rend l'ontologie particulièrement adaptée aux diagnostics complexes.
• Opérations d'entreprise : par exemple, en cas de rupture de fournisseur, un système basé sur une ontologie peut permettre de comprendre rapidement les conséquences sur la chaîne d'approvisionnement, les plans de production et les commandes des clients pour prendre des décisions rapides.
• Petits systèmes fermés : il n'est pas nécessaire de couvrir toute l'entreprise ; il suffit de résoudre un problème spécifique. Par exemple, pour déterminer si un filtre convient à un modèle d'appareil électrique (comme le X200 Youth Edition), une IA classique ne trouvera pas la réponse, mais une ontologie peut l'aider en utilisant des informations sur les canaux de distribution, les modèles standard, les compatibilités et les exceptions.

V. La bonne approche pour les entreprises utilisatrices d'ontologie : ne suivre pas aveuglément, tester avant de maintenir

• Ne vous laissez pas entraîner par la mode : utilisez l'ontologie seulement si vous avez besoin de raisonnements complexes et que le retour sur investissement est long.
• Commencez par des projets simples : créez d'abord un système bien défini pour valider son utilité avant de l'étendre.
• Maintenez régulièrement : l'ontologie n'est pas une solution définitive ; il faut désigner des personnes responsables de ses mises à jour (par exemple, en cas de changements dans les interfaces des fournisseurs ou d'apparition de nouveaux modèles).
• Comprenez bien votre activité : l'ontologie vous oblige à vous demander si vous comprenez vraiment le fonctionnement de votre entreprise ; si vous ne pouvez pas clarifier ces règles, l'IA ne pourra pas non plus les comprendre.

Conclusion

Les deux prochaines années seront une période de croissance pour les bases de connaissances dans le monde des affaires, mais l'ontologie n'est pas la solution miracle. Avant de permettre à l'IA de comprendre efficacement votre activité, il est essentiel de clarifier vos propres logiques commerciales et de choisir la technologie adaptée au contexte. Suivre aveuglément les exemples de Palantir peut coûter cher sans apporter de réels bénéfices. Le vrai enjeu réside dans le maintien d'une compréhension continue de votre activité commerciale.