Les ontologies reviennent en force : comment les agents IA et Neo4j ressuscitent le web sémantique

En 2026, les ingénieurs d'agents IA reviennent en masse aux ontologies, ces graphes de connaissances structurés hérités de l'ère du web sémantique (Semantic Web), afin de maintenir les modèles de langage probabilistes dans des limites logiques déterministes. Cette approche, qui associe réseaux de neurones et règles symboliques, porte le nom d'IA neurosymbolique (neurosymbolic AI).

Pourquoi les agents ont besoin d'ontologies

Les ontologies imposent à l'agent un cadre rigide, à l'intérieur duquel il ne peut pas « s'écarter » des faits : elles décrivent les données sous forme de graphe, avec les types d'entités, leurs propriétés et leurs relations dans un domaine précis. Un grand modèle de langage excelle dans le raisonnement probabiliste, mais c'est précisément cette nature probabiliste qui rend l'agent imprévisible ; l'ontologie joue le rôle de garde-fou logique et garde le modèle dans un ensemble de règles défini.

Inutile de concevoir ces schémas de zéro : le web a déjà accumulé des standards éprouvés.

• L'« IA neurosymbolique » associe des réseaux de neurones à des systèmes symboliques fondés sur des règles
• Ontologies web prêtes à l'emploi : Schema.org, FOAF, Dublin Core, RDFS et OWL (Web Ontology Language)
• Emil Eifrem (CEO de Neo4j) distingue trois types d'ontologies pour les agents : métier, technique et traces d'exécution
• OpenLink Software construit une « pile d'ingénierie pour agents » sur les technologies du web sémantique
• Le sujet a été abordé à l'AI Engineer World's Fair 2026 ; la présentation de Frank Coyle, de l'UC Berkeley, a duré 20 minutes

Les trois couches de connaissances selon Neo4j

Emil Eifrem, CEO de la base de données graphe Neo4j, répartit les ontologies pour agents en trois niveaux. Le premier est l'ontologie métier, compréhensible par les humains. Le deuxième est l'ontologie technique, c'est-à-dire les métadonnées d'entreprise. Le troisième regroupe les traces d'exécution (execution traces), les signaux que l'agent laisse pendant son travail.

Neo4j intègre directement les ontologies dans ses produits agentiques, tandis que son concurrent OpenLink Software, dirigé par Kingsley Idehen, assemble sur les technologies du Semantic Web une véritable pile d'ingénierie pour agents.

Pourquoi le Semantic Web avait échoué

Les premières tentatives de construire un web sémantique, dans les années 1990-2000, ont échoué surtout parce que la maintenance manuelle des ontologies coûtait trop cher. Des standards comme RDFS et OWL existaient depuis des décennies, mais les humains devaient décrire et mettre à jour les schémas de connaissances à la main, sans parvenir à suivre le rythme.

Le développeur IA Prasenjit Sarkar propose une solution qui n'existait pas il y a vingt ans : laisser l'agent lui-même entretenir les ontologies, en les mettant à jour au fil de son travail. Ce qui a jadis tué le Semantic Web pourrait aujourd'hui le sauver.

«

La beauté d'une ontologie, c'est qu'elle définit les types d'entités et de relations grâce auxquels le langage acquiert un contexte calculable », Kingsley Idehen, fondateur d'OpenLink Software.

Ce que cela signifie

Les ontologies ne sont pas un retour en arrière, mais la couche de contrôle qui manquait aux agents : plus les entreprises confient d'actions réelles aux modèles de langage, plus la demande grandit pour des limites déterministes qui empêchent un modèle probabiliste de commettre des erreurs coûteuses.

Questions fréquentes

Qu'est-ce qu'une ontologie, en termes simples ?

Une ontologie est un schéma de connaissances formel sous forme de graphe : elle énumère les types d'objets d'un domaine, leurs propriétés et les liens entre eux. Pour un agent IA, c'est la carte des faits et des relations admissibles, dont il ne sort pas.

Qu'est-ce que l'IA neurosymbolique ?

L'IA neurosymbolique (neurosymbolic AI) associe des réseaux de neurones à des systèmes symboliques fondés sur des règles. Le réseau de neurones assure le traitement probabiliste du langage, tandis que l'ontologie symbolique impose des contraintes logiques déterministes.

Pourquoi le web sémantique n'a-t-il pas décollé dans les années 2000 ?

Selon les participants à la discussion, la raison principale tient au coût de la maintenance manuelle des ontologies : les standards RDFS et OWL existaient, mais les humains devaient mettre à jour les schémas de connaissances. L'idée de 2026 est de confier cette maintenance aux agents eux-mêmes.