Définition d'un processus durable pour l’enrichissement sémantique des open data territoriales

Definition of a sustainable workflow for semantically enriching territorial open data

• Auteur / Autrice : Sarra Ouelhadj
• Direction : Pierre-Antoine Champin
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 21/01/2025
• Etablissement(s) : Lyon 1
• Ecole(s) doctorale(s) : École doctorale InfoMaths (Lyon ; 2009-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'InfoRmatique en Images et Systèmes d'information (Villeurbanne - Ecully, Rhône ; 2003-....)
• Jury : Président / Présidente : Hamida Seba Lagraa
• Jury : Examinateurs / Examinatrices : Pierre-Antoine Champin, Hala Skaf, Sébastien Ferré, Sylvie Despres, Raphaël Troncy, Jeremy Gaillard
• Jury : Rapporteurs / Rapporteuses : Hala Skaf, Sébastien Ferré
• DOI : 10.70675/e3fd74d2zac48z48e0zba3czc4d4af71392e

Mots clés

Mots clés contrôlés

Données ouvertes

Données -- Récupération (informatique)

Web sémantique

Graphes de connaissances

Mots clés libres

Enrichissement sémantique

Graphe de connaissances

UML annoté

Etl

Schéma de données

Données ouvertes

Semantic Lifting

Knowledge graph

Annotated UML

Etl

Data Schema

Open Data

Résumé

Avec l'essor des technologies de l'information et le mouvement Open Data, l'accessibilité aux données publiques a fortement progressé, encouragée par des initiatives visant à accroître la transparence et l'innovation. Cependant, malgré ces avancées, les défis d'interopérabilité des données demeurent, notamment en raison de l'hétérogénéité des données. La Métropole de Lyon, engagée dans une politique d'ouverture des données, a reconnu ces enjeux, mais les obstacles liés à l'hétérogénéité sémantique des données limitent la capacité à intégrer et exploiter pleinement les données territoriales disponibles. Face aux défis de l’hétérogénéité et de l’interopérabilité des données, cette thèse CIFRE propose d'explorer des solutions pour l'enrichissement sémantique des données territoriales, afin d'améliorer leur interopérabilité et intégration. L'objectif est de rendre ces données compréhensibles et exploitables, aussi bien par des utilisateurs humains que par des machines. Dans cette perspective, les travaux s'appuient sur les principes du Web Sémantique, et introduisent des méthodes pour accompagner les producteurs de données, non-experts en Web Sémantique, dans la construction de Graphes de Connaissances. Les contributions de cette thèse incluent la conception d'un Modèle Sémantique, nommé UML annoté, destiné à l’enrichissement sémantique des données. Ce modèle sert de base à deux méthodes proposée : la méthode GES et la boîte à outils sETL. Celles-ci facilitent l’enrichissement sémantique des données en les convertissant en RDF, et en intégrant des vocabulaires partagés, sans nécessiter une expertise technique approfondie en Web Sémantique. Plus particulièrement, la méthode GES engage les producteurs de données dans la modélisation sémantique de leurs données, la proposition d'une documentation embarquée avec les données, et l'enrichissement des données avec des référentiels externes. La boîte à outils sETL exploite les schémas de données existants, fruit d’une élicitation partielle de la sémantique des données déjà conduite par les producteurs de données de la Métropole de Lyon. Ces méthodes visent à renforcer la gouvernance des données ouvertes et à faciliter leur intégration dans des initiatives stratégiques et innovantes pour les collectivités territoriales.

With the rise of information technologies and the Open Data movement, public data accessibility has significantly advanced, driven by initiatives aimed at increasing transparency and fostering innovation. However, despite these advancements, data interoperability challenges persist, primarily due to data heterogeneity. The Metropolis of Lyon, committed to an open data policy, has recognized these challenges, yet obstacles related to semantic heterogeneity limit the full integration and effective use of available territorial data. In response to the challenges of data heterogeneity and interoperability, this CIFRE thesis explores solutions for the semantic enrichment of territorial data, with the goal of improving their interoperability and integration. The aim is to make these data both understandable and usable by human users and machines alike. In this context, the research draws on Semantic Web principles and introduces methods to support data producers, who are non-experts in the Semantic Web, in building Knowledge Graphs. The contributions of this thesis include the design of a Semantic Model, called Annotated UML, intended for the semantic enrichment of data. This model forms the foundation for two proposed methods: the GES method and the sETL toolkit. These approaches facilitate semantic enrichment by converting data into RDF and integrating shared vocabularies without requiring extensive technical expertise in the Semantic Web. Specifically, the GES method involves data producers in the semantic modeling of their data, the creation of embedded documentation alongside the data, and the enrichment of data using external reference standards. The sETL toolkit leverages existing data schemas, that are the result of a partial elicitation of data semantics previously undertaken by the data producers of the Metropolis of Lyon. These methods aim to enhance open data governance and enable the integration of data into strategic and innovative initiatives for local governments.