Онтологии снова в моде: как AI-агенты и Neo4j возрождают семантическую сеть

Les ingénieurs d'agents IA reviennent massivement aux ontologies en 2026 — des graphes de connaissances structurés issus de l'ère du Web sémantique (Semantic Web) — afin de maintenir les modèles de langage probabilistes à l'intérieur de limites logiques déterministes. L'approche associant réseaux de neurones et règles symboliques est appelée IA neurosymbolique (neurosymbolic AI).

Pourquoi les agents ont besoin d'ontologies

Les ontologies imposent à l'agent un cadre rigide dont il ne peut pas « s'éloigner » des faits : elles décrivent les données sous forme de graphe — types d'entités, leurs propriétés et leurs relations dans un domaine donné. Un grand modèle de langage excelle dans le raisonnement probabiliste, mais c'est précisément cette probabilité qui rend l'agent imprévisible ; l'ontologie agit comme un limiteur logique, maintenant le modèle à l'intérieur d'un ensemble de règles défini.

Il n'est pas nécessaire de construire ces schémas à partir de zéro — le web a déjà accumulé des standards matures.

• « IA neurosymbolique » désigne l'association de réseaux de neurones avec 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 (PDG 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 ; une intervention de Frank Coyle, de UC Berkeley, a duré 20 minutes

Les trois couches de connaissances selon Neo4j

Emil Eifrem, PDG de la base de données de graphes Neo4j, décompose 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 correspond aux traces d'exécution (execution traces), les signaux que l'agent laisse pendant son fonctionnement.

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

Pourquoi le Web sémantique a échoué autrefois

Les premières tentatives de construire un web sémantique dans les années 1990-2000 ont échoué principalement parce que les ontologies étaient trop coûteuses à maintenir manuellement. Des standards comme RDFS et OWL existaient depuis des décennies, mais les gens devaient décrire et mettre à jour les schémas de connaissances à la main — et n'y parvenaient pas à temps.

Le développeur IA Prasenjit Sarkar propose une solution qui n'était pas disponible il y a vingt ans : laisser l'agent lui-même maintenir les ontologies, en les mettant à jour directement pendant son fonctionnement. Ce qui tuait autrefois le Web sémantique pourrait aujourd'hui devenir son salut.

«

La beauté d'une ontologie tient au fait qu'elle définit les types d'entités et de relations à travers lesquels 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 une couche de contrôle manquante pour les agents : plus les entreprises confient des actions réelles aux modèles de langage, plus la demande grandit pour des limites déterministes empêchant un modèle probabiliste de commettre des erreurs coûteuses.

Questions fréquentes

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

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

Qu'est-ce que l'IA neurosymbolique ?

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

Pourquoi le

Web sémantique n'a-t-il pas décollé dans les années 2000 ?

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