SemWeb.Pro 2026

L’analyse du cycle de vie (en anglais Life Cycle Assessment - LCA) est une méthodologie normalisée permettant d’évaluer les impacts environnementaux des produits et des systèmes tout au long de leur cycle de vie. Malgré son adoption croissante par l’industrie, les connaissances en matière d’ACV restent fragmentées entre des outils incompatibles et des formats de données hétérogènes, ce qui entrave l’interopérabilité sémantique et la réutilisation.

Nous présentons LCAnet, un réseau d’ontologies OWL 2 modulaire structuré en six modules interopérables : Core, Activity, Actor, Property, Spatiotemporal et Impact Assessment. LCAnet fournit un cadre sémantique unifié pour la représentation des connaissances en ACV, couvrant toutes les dimensions d’une étude d’ACV : diagrammes d’activités/de flux, acteurs, propriétés, contexte spatio-temporel, caractérisation des impacts et métadonnées de l’étude. Au-delà d’une simple taxonomie, LCAnet intègre une axiomatisation OWL expressive et des règles d’inférence SWRL permettant un raisonnement automatisé sur les graphes de connaissances de l’ACV.

L'ontologie est publiée sous licence CC BY 4.0 avec des URI persistants à l'adresse w3id.org/lcanet et documentée via WIDOCO. Son applicabilité est démontrée à travers un cas d'utilisation concret : l'analyse du cycle de vie d'un prototype de circuit intégré dans le cadre du projet StorAIge (ANR SmartACV), instanciée sous la forme d'un graphe de connaissances comprenant 278 entités interrogeables via SPARQL. D’autres instanciations ont été réalisées pour des scénarios liés aux batteries et à la fabrication additive. De plus, le module d’évaluation d’impact de LCAnet a été adopté de manière indépendante dans le cadre du projet Cirpass-2, financé par l’UE, pour le développement de l’ontologie du passeport numérique des produits — démontrant ainsi un impact concret au-delà du projet d’origine.

Cette contribution s’inscrit directement dans les thèmes de SemWeb.Pro consacrés aux technologies du Web sémantique appliquées à la transition écologique et aux contextes industriels.

Auteurs :
Fatima Danash est ingénieure de recherche au CEA List, Université Paris-Saclay. Ses travaux portent sur l’ingénierie ontologique, l’interopérabilité sémantique et les technologies du Web sémantique appliquées aux domaines industriels et environnementaux, dans le cadre du projet Carnot SmartACV (ANR 23-CARN-0006-01).

Liens :
- Ontologie : https://w3id.org/lcanet
- Dépôt GitHub : https://github.com/DanashFatima/lcanet

LCAnet : un réseau ontologique modulaire pour la modélisation sémantique des connaissances en matière d’analyse du cycle de vie

L'apprentissage automatique joue un rôle de plus en plus important en sciences des matériaux. De nombreux modèles sont construits pour, par exemple, prédire des propriétés physiques comme la conductivité thermique à partir de structures atomiques (voir par exemple [1] et [2], ainsi que les classements de ces modèles sur différentes tâches [3]). D'autres modèles plus fondamentaux servent à calculer, sur la base de très grands jeux d'apprentissage, l'énergie et les champs de force des matériaux (voir [4], et le classement [5]). Néanmoins, il s'agit d'une discipline complexe : les matériaux peuvent être étudiés à différentes échelles, dans différentes conditions, selon des méthodes théoriques ou expérimentales. Les matériaux eux-mêmes peuvent être considérés selon leur structure atomique, leurs propriétés physiques, leurs propriétés fonctionnelles, etc. 

Les graphes de connaissances sont ainsi amenés à jouer un rôle de plus en plus important dans ce contexte. Au niveau le plus bas, il s'agit de décrire la provenance des jeux de données utilisés pour l'entraînement des modèles, considérant que les valeurs utilisées peuvent provenir de nombreuses études différentes, ayant utilisé des méthodes de calcul différentes. L'identification des matériaux eux-mêmes est un défi : une formule chimique peut amener à de nombreuses structures atomiques et les propriétés des matériaux synthétisés peuvent être profondément affectées par la méthode de synthèse. Les graphes de connaissances ici peuvent jouer un rôle dans la caractérisation des matériaux à différents niveaux, selon des conceptualisations fines, et en prenant en compte la subtilité des assertions réalisées (par exemple, qu'une propriété a une valeur d'après une méthode de calcul, dans certaines conditions, pour un matériau identifié d'une façon particulière). 

À un niveau plus haut, l'objectif des modèles de prédiction n'est pas seulement d'accélérer les calculs. Il s'agit aussi d'identifier dans leur apprentissage l'émergence de phénomènes chimiques ou physiques venant compléter les connaissances connues [6]. Ici, le rôle des graphes de connaissances est de représenter ces connaissances connues sous la forme de relations sémantiques entre les matériaux, les descripteurs, méthodes de calcul et les concepts physiques de servir de base à l’interpréter des prédictions (XAI) et aux représentations construites par les modèles [7]. 

Dans cette présentation, nous décrivons les travaux en cours pour la construction de graphes de connaissances ne modélisant pas seulement les matériaux, leurs structures et leurs propriétés, mais aussi la source de ces informations, les méthodes utilisées pour les obtenir, et les modèles qui utilisent ces informations pour leur entraînement et leur validation. 

REFERENCES

- [1] Klochko, L., & d'Aquin, M. (2026). Two-stage transfer learning for deep learning-based prediction of lattice thermal conductivity. Physical Chemistry Chemical Physics, 28(13), 8146-8154.

- [2] https://github.com/mdaquin/EGNN

- [3] Dunn, A., Wang, Q., Ganose, A., Dopp, D., Jain, A. Benchmarking Materials Property Prediction Methods: The Matbench Test Set and Automatminer Reference Algorithm. npj Computational Materials 6, 138 (2020).

- [4] Yang, H., Liu, X., Hu, C., Zhou, Y., Shi, Y., Liu, C., ... & Lu, Z. (2026). MatterSim-MT: A multi-task foundation model for in silico materials characterization. arXiv preprint arXiv:2605.07927.

- [5] Riebesell, J., Goodall, R.E.A., Benner, P. et al. A framework to evaluate machine learning crystal stability predictions. Nat Mach Intell 7, 836–847 (2025).

- [6] D'Aquin, M. (2025). On the role of knowledge graphs in AI-based scientific discovery. Journal of Web Semantics, 84, 100854.

- [7] d'Aquin, M., & Klochko, L. (2025). Using Knowledge Graphs to Measure and Characterize the Interpretability of Deep Learning Interpretations. HCAI Workshop, ACM CIKM, South Korea. 

AUTRICES ET AUTEURS

Alexis Beer est ingénieur d'étude en alternance avec une expertise en modèles d'apprentissage profond, en particulier appliqués aux matériaux. Il travaille sur des méthodes d'extraction d'information à base de LLM. 

Liudmyla Klochko est ingénieure de recherche en IA appliquée à la physique et aux matériaux. Elle développe des approches de traitement de données et d'apprentissage automatique pour divers problèmes de découverte scientifique. 

Matthieu Pelingre est chercheur postdoctoral en IA appliquée à la chimie et à la science des matériaux. Il s'intéresse en particulier à l'extraction d'information à partir de documents scientifiques en relation avec des connaissances formalisées. 

Mathieu d'Aquin est professeur d'informatique et chercheur au LORIA à Nancy. Il est responsable de l'équipe MosAIk, qui s'intéresse à différentes facettes de l'IA, du symbolique au neuronal. Son sujet principal de recherche relève de l'ingénierie des connaissances et de sa place dans les méthodes et techniques d'IA de façon plus générale.

Des graphes de connaissances pour l'IA en sciences des matériaux

L’infrastructure de recherche pour les sciences humaines et sociale Huma-Num IR* développe
un observatoire des usages dans le cadre de l’Equipex+ COMMONS, avec les infrastructures
OpenEdition et Métopes. L’observatoire des usages, mis en œuvre au sein de l’infrastructure
par le Huma-Num Lab se concentre pour l’instant sur les usages de la plateforme ISIDORE, afin
d’alimenter les réflexions autour du programme ISIDORE 2030. L’objectif est d’anticiper les
besoins évolutifs des utilisateurs (chercheurs, étudiants, journalistes, associatifs), qui recourent de plus en plus massivement à des agents conversationnels, pour adapter ISIDORE en
conséquence.

Dans ce contexte, une expérimentation de type GraphRAG a été mise en place avec la société
Sparna pour intégrer les données d’Isidore (notices documentaires, collections, sources,
auteurs, etc.) avec les IA via le protocole MCP (Model Context Protocol). MCP permet d’intégrer
des “connecteurs” à des agents conversationnel en IA générative grâce à un protocole
standardisé (“de fait” à défaut d’être un standard officiel).

Le projet a consisté à charger l’intégralité des données d’Isidore en RDF (en le ré-inscrivant
ainsi comme un instrument du Web sémantique) dans un triplestore QLever (~ 400 millions de
triplets), à en faire une description en SHACL à l’aide de l’outil SHACL Play, à enrichir
manuellement le modèle SHACL avec des instructions pour l’IA, puis à exposer, via le protocole
MCP, 3 choses :

1. La description de la structure du graphe en SHACL

2. Un service de réconciliation d’entités nommées qui s’appuie sur l’API de suggestion
existante d’Isidore

3. L’interrogation SPARQL du graphe proprement dite
L’originalité de l’approche consiste à ne pas exposer à l’IA seulement l’accès SPARQL au
graphe, mais aussi la documentation de sa structure et une fonction de réconciliation
d’identifiant, lui permettant ainsi de générer la ou les requêtes correctes dans le graphe.
L’objectif est que même des modèles IA “moyenne gamme” arrivent à écrire les bonnes
requêtes et à répondre correctement.

Les résultats de cette expérimentation sont bons et montrent comment les IA peuvent tirer parti
des graphes de connaissances. Elle valide l’apport d’MCP comme protocole permettant de
répondre aux usages des utilisateurs.Toute cette approche s’inscrit dans la continuité d’un objectif de valorisation des graphes de connaissances dans les canaux d’accès à l’information que sont les outils d’IA. L’architecture utilisée est reproductible et généralisable sur d’autres graphes de connaissances (entrepôts de données tel que NAKALA, etc.). L’enjeu est de stabiliser cette expérimentation afin de la mettre en production.

Autrices et auteurs

Stéphane Pouyllau: Ingénieur de recherche hors classe au CNRS (Centre National de la Recherche Scientifique),
Stéphane Pouyllau est spécialisé en informatisation des données de la recherche en sciences
humaines et sociales. Il est responsable du HN Lab et directeur adjoint de Huma-Num IR*
(UAR3598), il pilote la réalisation de la plateforme de recherche ISIDORE en particulier dans le
cadre du programme ISIDORE 2030.

Thomas Francart: Fondateur et dirigeant de Sparna, Thomas est un expert reconnu dans les systèmes de gestion
d’ontologie et de graphes de connaissances et leur intégration avec les outils d’analyse
linguistique, les moteurs de recherche ou les IAG.
Il travaille depuis 20 ans avec les technologies sémantiques des graphes de connaissances
comme RDF, OWL, SHACL, SKOS et SPARQL, les thésaurus et les taxonomies

Liens

- Article HNLab : https://hnlab.huma-num.fr/blog/2026/05/04/MCP-isidore/
- Article Sparna : https://www.sparna.fr/en/posts/mcp-protocol-over-sparql-endpoints/
- Post LinkedIn : https://www.linkedin.com/posts/thomasfrancart_gr%C3%A2ce-%C3%A0-ce-
prototype-nous-avons-d%C3%A9velopp%C3%A9-share-7458084056937697280-PR7Q/

Expérimentation MCP et GraphRAG SPARQL avec Isidore

La comptabilité C.A.R.E. (Comprehensive Accounting in Respect of Ecology) est un cadre conceptuel comptable qui étend la logique traditionnelle de la comptabilité en coûts historiques pour y intégrer l’obligation de préserver les capitaux naturels et humains (comme le climat, les écosystèmes ou les employés), traités comme des avances/dettes à rembourser, et non comme des ressources productives.

Le modèle théorique de C.A.R.E. est le langage par lequel l’activité d’une organisation, au travers de ses impacts, est analysée par ses praticiens.
Comme toute comptabilité, il nécessite un formalisme rigoureux car sa finalité est de rendre compte, par exemple pour justifier le respect d’une réglementation, ou pour prouver la viabilité d’une activité. Il doit être auditable, logique et explicable.

Nous allons vous présenter comment, afin d’éprouver et valider ce modèle de manière formelle, nous en avons réalisé une modélisation ontologique, ce que nous en avons fait depuis, et ce qui est prévu pour la suite.

L'ingénieur de la connaissance, sans disposer de "question de compétence", a analysé le document de référence de la méthodologie C.A.R.E. et organisé des ateliers de travail avec des chercheurs et praticiens spécialistes en la matière.
Le modèle co-construit itérativement est plus précis, formel et actionnable.
Surtout, il a également interrogé les experts sur certaines ambiguïtés ou angles morts qui n’avaient jusqu’à présent pas trouvés de réponse satisfaisante.

L’ontologie réalisée est écrite en RDF, elle utilise les schémas classiques du web sémantique : rdf, rdfs, skos, owl (minoritairement) et xsd.
Elle se découpe elle-même en 5 modules thématiques et un namespace d’exemple de population du modèle par des individus.
Des représentations au format SVG ont été générées pour les ateliers.

Cette ontologie doit servir de fondation spécifiante pour l’écriture d’un prototype logiciel assistant les praticiens et formateurs C.A.R.E. dans leurs travaux, avant d’intégrer de manière inter-opérable C.A.R.E. dans l’écosystème comptable.

AUTEURS

 * Alexandre Rambaud: Docteur en mathématiques et en sciences de gestion, enseignant-chercheur spécialisé en comptabilité financière et écologique.
 * Clément Morlat: Docteur en sciences économiques, coordinateur scientifique de la Chaire de Comptabilité Écologique et Président du CERCES (Cercle des Comptables Environnementaux & Sociaux).
 * Fabien Givors: Docteur en informatique, ingénieur de la connaissance, chez Acuity Solutions au moment des travaux.
 * Pauline Armary: Analyste de données, doctorante en informatique en apprentissage ontologique automatique au moment des travaux.

REFERENCES

 * CERCES: https://www.cerces.org/
 * CARE : Repenser la comptabilité sur des bases écologiques, Alternatives économiques, 2022/1 N°93, p34-49: https://www.researchgate.net/publication/388156152_CARE_Repenser_la_comptabilite_sur_des_bases_ecologiques

OntoCARE : Modélisation ontologique pour la comptabilité C.A.R.E.

Le monitoring en cage (*home-cage monitoring*, HCM) — l'observation
automatisée, continue et non invasive des animaux de laboratoire dans leur
cage d'hébergement — connaît un essor rapide en recherche préclinique. Il
améliore la qualité et la reproductibilité des données tout en répondant
aux principes des 3R (réduction et raffinement de l'expérimentation
animale). Mais chaque système commercial produit des données propriétaires,
hétérogènes et cloisonnées : comparer, agréger ou partager les résultats
entre dispositifs et entre laboratoires reste très difficile, au détriment
de la science ouverte et des principes FAIR.

HCMO (*Home-Cage Monitoring Ontology*), développée dans le cadre de
Metadatapp (MAPP), logiciel open-source, propose un modèle sémantique
partagé pour ce domaine. Elle décrit les enceintes monitorées, les sujets
biologiques et groupes expérimentaux, l'environnement et ses mesures, les
observations et résultats, ainsi que les capteurs, le matériel et les
logiciels qui produisent les données. L'ontologie s'appuie sur les
standards du Web sémantique et s'aligne sur des vocabulaires établis :
SOSA/SSN (capteurs et observations), OWL-Time (temporalité), PROV
(provenance) et BFO (ontologie de haut niveau), avec une feuille de route
vers QUDT/OM pour les grandeurs et unités.

Au-delà du modèle, HCMO est livrée comme un paquet directement exploitable
par des outils : un manifeste de version stable servant de contrat aux
couches en aval, des sources Turtle modulaires, des distributions générées
de façon reproductible (TTL, OWL, JSON-LD), des formes SHACL pour la
validation des données à l'ingestion, des requêtes de compétence SPARQL, un
contexte JSON-LD pour les développeurs, une documentation HTML (WIDOCO),
des IRI pérennes (w3id.org), une licence CC BY 4.0, un DOI et une chaîne
d'intégration continue qui garantit la cohérence des artefacts.

Nous planifions d'explorer l'apport des grands modèles de langues (LLM) à
deux niveaux : l'assistance à la construction et à l'enrichissement de
l'ontologie, et l'interrogation en langue naturelle du graphe de
connaissances (couche KGQA), afin de rendre ces données accessibles aux
biologistes.

Nous présenterons la motivation et le domaine, les choix de modélisation et
d'alignement, l'organisation outillée du dépôt open source, et les leçons
d'un projet pilote — ainsi que les défis ouverts : qualité des définitions,
mapping des données constructeurs et adoption communautaire.

AUTRICES ET AUTEURS:

Le projet réunit une équipe pluridisciplinaire mêlant expertise en
neurosciences et expérimentation animale et expertise en Web sémantique,
graphes de connaissances, données FAIR et IA statistique: *Damien Huzard*
(ORCID 0000-0003-4820-7951), neuroscientifique, porteur du projet et
spécialiste du monitoring en cage ; *Konstantin Todorov* (ORCID
0000-0002-9116-6692), Web sémantique, IA statistiques et appariement
d'ontologies ; *Pierre Larmande* (ORCID 0000-0002-2923-9790), données FAIR
et graphes de connaissances pour les sciences du vivant ; ainsi que *Cyril
Gilbert*, *Gaoussou Sanou*, *Serge Sonfack* et *Antoine Tofano* pour la
modélisation de l'ontologie, l'ingénierie des données et l'outillage.

LIENS:

- Dépôt de code : https://github.com/dhuzard/HCMO
- Documentation WIDOCO: https://dhuzard.github.io/HCMO/index-en.html
- Espace de noms / IRI de l'ontologie : https://w3id.org/hcmo/ontology/hcm
- DOI (Zenodo) : https://doi.org/10.5281/zenodo.18925285
- Metadatapp: https://github.com/neuronautix/metadatapp-oss/

HCMO : une ontologie et des graphes de connaissances pour le monitoring en cage des animaux de laboratoire

Le projet CapData Opéra (France 2030, porté par le Ministère de la Culture,
Réunion des Opéras de France…) a posé les fondations d'un graphe de
connaissances du spectacle vivant : l'ontologie CapData-Culture alignée sur
schema.org et SKOS, et des connecteurs Drupal et WordPress.

Cette communication propose une réponse fondée sur une conviction : la
qualité du Web des données culturelles est encore meilleure lorsqu’elle se
joue dès la conception. Rezo Zero, agence du numérique culturel (Opéra de
Lyon, Opéra national du Rhin, Théâtre du Rond-Point…) et co-mainteneur du
capdataopera/php-sdk, développe Roadiz, un CMS headless open-source bâti
sur Symfony, Doctrine et API Platform.

Là où Roadiz laisse les contenus éditoriaux (pages, articles, menus)
entièrement libres, l'extension Events API fait le choix inverse pour les
données culturelles : elle donne un cadre à la saisie et impose à tous nos
projets un modèle unique, aligné sur schema.org jusque dans la base de
données. Cette contrainte assumée, dès le formulaire de l'éditeur, est
précisément ce qui garantit la richesse et la cohérence du graphe RDF
produit.

Le mapping entre les entités d'Events API (Production, Représentation,
Personne, Lieu…) et les classes de l'ontologie CapData est déclaré une
fois, puis sérialisé automatiquement en Turtle et JSON-LD. L'éditeur ne
manipule jamais de triplets ; il remplit ses fiches comme d'habitude, et
les données liées en sortent « automatiquement ».

La démonstration s'appuie sur un cas en production : l'Opéra de Lyon expose
sa saison 2026-2027 en Turtle, ses endpoints CapData et un catalogue DCAT
qui rend l'ensemble auto-découvrable et moissonnable par data.gouv.fr. D'un
seul CMS, la donnée chemine ainsi jusqu'aux infrastructures nationales
d'open data.

Cette chaîne se déploie déjà sur un parc de sites Roadiz couvrant tout le
spectre culturel — opéras, théâtres et festivals (Célestins, Nuits de
Fourvière…), mais aussi musées et lieux patrimoniaux (Centre Pompidou-Metz,
Musée des Beaux-Arts de Rennes, Cité de la tapisserie d'Aubusson, Mémorial
de Verdun…). Le même patron sert ainsi tout le secteur culturel, et non le
seul spectacle vivant.

Nous proposerons d'en discuter avec la communauté SemWeb.Pro : et si la
qualité, la richesse et la découvrabilité du Web des données culturelles —
du spectacle vivant aux collections muséales — se jouaient d'abord dans
l'architecture des CMS des opérateurs, en amont de toute sérialisation ?

AUTEUR:

Ambroise Maupate — Co-fondateur et directeur technique de Rezo Zero (Lyon,
Paris), agence spécialisée dans le numérique culturel. Créateur et
mainteneur principal de Roadiz, CMS headless open-source basé sur Symfony,
il pilote chez Rezo Zero le co-maintien du SDK CapData Opéra et
l'intégration de l'ontologie CapData-Culture et de schema.org au sein du
CMS. Il conçoit depuis plus de dix ans des plateformes pour des
institutions culturelles (Opéra de Lyon, Opéra national du Rhin, Centre
Pompidou-Metz, Biennale de Lyon…) et contribue activement à l'écosystème
open-source PHP/Symfony.

LIENS:

Démonstration en production:

- Export RDF/Turtle — saison 2026-2027 de l'Opéra de Lyon :
  https://api.opera-lyon.com/api/capdata-opera/export/season/saison-2026-2027.ttl

- Endpoints CapData et catalogue DCAT (auto-découverte) :
  https://api.opera-lyon.com/api/docs

- Étude de cas Opéra de Lyon (Rezo Zero) :
  https://www.rezo-zero.com/projects/opera-de-lyon/

API structurées (socle pré-CapData)

- Opéra de Lyon : https://api.opera-lyon.com/api/docs
- Théâtre des Célestins : https://www.theatredescelestins.com/api/docs
- Nuits de Fourvière : https://api.nuitsdefourviere.com/api/docs

Code et outils

- SDK CapData Opéra (co-maintenu par Rezo Zero) :
  https://gitlab.com/capdataopera/capdataopera-php-sdk — package :
  https://packagist.org/packages/capdataopera/php-sdk

- Roadiz CMS : https://github.com/roadiz — documentation :
  https://docs.roadiz.io

- Rezo Zero : https://www.rezo-zero.com

Contexte du projet

- CapData Opéra / SemGraph (Logilab) :
  https://semgraph.logilab.fr/fr/capdata-opera/

- Audit TMNlab 2025 :
  https://www.tmnlab.com/2025/07/29/communaute-at-work-vers-une-infrastructure-de-metadonnee-pour-le-spectacle-vivant-le-tmnlab-mene-un-audit-et-dessine-la-suite-du-projet-cap-data/

- Présentation CapData à SemWeb.Pro 2023 :
  https://2023.semweb.pro/presentations/18269546/

Contraindre la saisie pour libérer la donnée : RDF culturel par conception avec Roadiz et le SDK CapData OpéraDescription

Graphethno est le portail des collections des écomusées et musées de société porté par la Fems et le Mucem avec le soutien du Ministère de la Culture. Il a pour but d'œuvrer à une meilleure reconnaissance du patrimoine ethnographique et de société, développer une complémentarité entre les collections de chaque institution et soutenir les adhérents de la FEMS dans leur gestion informatisée et la valorisation de leurs collections. 

La FEMS (Fédération des écomusées et des musées de société), et le Mucem (le Musée des civilisations de l'Europe et de la Méditerranée), se sont associés pour développer et assurer la gestion de l'outil Graphethno dans le cadre d'un partenariat. 

Le portail repose sur un graphe sémantique qui rassemble et lie les collections des musées participants. Le standard utilisé pour ce graphe est LIDO, standard développé par l’ICOM et promu par le ministère de la Culture français pour le partage des données culturelles. LIDO étant actuellement un standard XML, par ailleurs relativement peu implémenté dans les outils de gestion de collections muséales, le développement du portail Graphethno a permis : 

* La création d’une ontologie LIDO-RDF basée sur le standard XML (des discussions ont été initiées avec le LIDO-WG, groupe de travail lié à la maintenance du standard), 
* La création d’une librairie python facilitant la génération du LIDO XML et RDF à partir des données sources (tableur, export XML) des institutions,
* L'utilisation de l'outil libre GRIST pour gérer les données connexes (description des institutions, processus de publication, etc.), 
* Le développement d’une interface permettant d’afficher les données publiées dans ce format. 

GraphEthno accueille une grande diversité de collections, d’un point de vue géographie ou typologique, et l’utilisation à la fois d’un standard métier comme LIDO et des possibilités offertes par son expression sémantique permet de créer des liens et connexion riches entre ces différents objets et documents. 

La présentation se concentrera sur la création et l’utilisation de la librairie LIDO2RDF dans le contexte du portail Graphethno, et décrira comment elle permet de façon simple et évolutive de publier des jeux de données émanant de nouvelles institutions et de mettre à jour celles déjà publiées, en particulier en comparant avec une première itération utilisant un outil standard (OpenRefine). 

Nous nous attacherons également à évoquer les difficultés posées par la coordination des données issues de contextes variés, à la fois en termes de règles métiers et d'outils de gestion, mais également en termes de pratiques concrètes de catalogage. Enfin, nous évoquerons les futures évolutions en particulier l'utilisation de référentiels communs pour donner de l'unité aux collections quand elles sont consultées au travers du portail. 

Auteurs (ordre alphabétique) : 

* Nicolas Chauvat (Logilab), création de la librairie LIDO2RDF, 
* Titouan Delcher (FEMS), conception du portail, recueil des besoins et retours utilisateurs.ices, 
* Charles Riondet (Mucem), conception du portail, conversion des données sources vers le format LIDO, 
* Pauline Scié (FEMS), coordination du portail et des participants.

Publier des données culturelles conformes au standard LIDO en RDF : l'exemple de Graphethno, portail des collections des écomusées et musées de société

Session 1

Comme lors des années précédentes, je me propose de faire un état des 
lieux des activités de standardisation et d'incubation au W3C ayant un 
lien avec le Web Sémantique. Nous parlerons de l'arrivée toujours 
imminente 😅 RDF 1.2 et SPARQL 1.2, du développement de JSON-LD et de 
ses petits frères YAML-LD et CBOR-LD, ainsi que de SHACL. Nous parlerons 
également du groupe Dataset Exchange nouvellement renouvelé, et des 
standards (existants et nouveaux) sur lesquels il travaillera 
(Vocabulary for Variable Description, DCAT, Data Cube, Data Quality 
Vocabulary, Profile Vocabulary). Enfin, nous évoqueront le groupe en 
cours de préparation sur RML.

Programme

Session 1

Session 3

Sponsors

Réseaux sociaux

Comité de programme

Dates importantes

Informations générales