Sea, Se…arch and Fun.

Retour, comme convenu, sur
le VoCampIbiza2009, événement informel à mi-chemin entre travail
collaboratif et prise de contact IRL.

Sous l'égide de Peter
Mika, chercheur chez Yahoo! Research Barcelona et spécialiste des
Webs (dit) 2.0 et Sémantiques (notamment auteur d'un article intitulé Ontologies Are Us, remarqué), ce VoCamp, sponsorisé
par Yahoo!, s'étalait sur deux jours. Contrairement aux précédentes
éditions, il aura vu la balance entre réflexion et action balancer
largement du côté de la réflexion, du fait, sans doute, de la
personnalité de ses participants.

Au menu des
discussions, retour sur SearchMonkey, applications phare de Yahoo! (il
en était question à la Cantine il
y a un an
et le 29
avril dernier
), unique en son genre pour ce qui concerne les grands moteurs, programmée pour extraire du RDF des pages Web.
Problème : parser ces mêmes pages quand le balisage est… de qualité inégale. Si
le Web sémantique est aussi un Web de données (Web of data), il faudra s'attendre
à voir pulluler les encodages de qualités diverses voire simplement
douteuses. Toutes les pages HTML sont-elles conformes au standard
du W3C ? Cela se saurait. Faudra-t-il en fin de compte mesurer le
succès populaire à l'aune du développement de pratiques plus
relâchées et moins professionnelles ? Quoi qu'il arrive, les
développeurs font face à des problématiques qui rappellent
furieusement les discussions autour de l'interprétation des
standards HTML par les navigateurs. Du Web de documents au Web sémantique,
les évolutions n'offusquent pas les continuités inattendues.

Vint ensuite une
discussion sur la place du tagging sémantique1. Alors qu'une
initiative
récente
, à laquelle participe Alexandre Passant, le spécialiste
français en la matière, vient de voir le jour, et qu'à chaque
instant de nouveaux services viennent ajouter un peu de structure au
tagging en tirant partie des possibilités ouvertes par les
technologies du Web sémantique, se pose toujours la question de la
plus-value qu'en retirent les utilisateurs. Tant que le semantic
tagging
offrira moins de possibilité que le tagging
tout court (quant au choix des libellés, à la latitude laissée aux
utilisateurs, etc.) il y aura lieu de douter de sa pertinence. Ce
constat, partagé par tous, témoigne d'un souci motivé par la
recherche d'applications sachant faire la preuve de leur utilité.
Comme le remarquait Peter Mika, publier ses données sur le Web est
une bonne chose mais cela ne créera pas, ipso facto, des
applications indispensables. En guise d'exemple de "killer app" nous mentionnâmes, Nico
nico Douga
, le site de partage et de création de vidéos en
ligne, site japonais (il convient de le noter, le Japon ayant en
partie échappé à la déferlante Web 2.0) dont l'originalité se
mesure aux modifications drastiques qu'il a su apporter au tagging. Liberté de jouer avec
les interfaces ouvrant sur une conception inventive et élargie du
tagging, prise en compte des utilisateurs… une feuille de route
pour le tagging sémantique ?

Nous eûmes droit, dans
la continuité des ces débats, à des présentations de Freebase
grâce à Jamie Taylor, et RDFmonkey
par Davide Eynard. Nous y reviendrons à l'occasion de futurs billets.

RDFmonkey

Cela fait beaucoup de monkeys me direz-vous
? Il faut tout simplement y lire un hommage implicite (confirmé Peter Mika en off) à l'excellent
Greasemonkey, add-on pour Firefox susceptible de modifier n'importe
quelle page visitée sur le Web.

Venu de Hambourg en Allemagne,
Thomas Lörtsch nous a pour sa part entretenu de sa tentative en cours de
convertir des microformats en RDF
(http://vocamp.org/wiki/AMicroformat).
Quant à Paola Di Maio, elle présenta une application en ligne,
FOAFX, inspiré de FOAF, l'ontologie légère des profils sur le Web,
destinée à prendre en compte le degré d'expertise des personnes
(avec toute les subtilités que cela suppose).

Tout ceci est bel et bon me direz-vous mais après la discussion, la
boisson
l'action.

Boisson

Le principe de tout Vocamp est de
contribuer à produire des ontologies. Ou plutôt, des vocabulaires.
Pas question de confondre un VoCamp avec un OntoCamp. La question ici
n'est pas de savoir si le mot ontologie, avec ses connotations
philosophiques, est approprié. L'enjeu pratique prime. Surtout lorsqu'on ne dispose que de deux jours. Inutile donc de s'attarder sur ces débats…
complexes et litigieux. Les mêmes causes appelant les mêmes
conséquences, les vocabulaires élaborés dans ce cadre ont
nécessairement une portée limitée. Indéniablement, les ontologies
dites « légères » sont ici les plus prisées. Après
délibération, notre choix s'arrêta donc sur l'ontologie des heures
d'ouverture d'un magasin et sur l'ontologie du document – ou
plutôt, car le sujet est vaste, des sections des articles de
Wikipedia , le moteur de Yahoo! les affichant désormais parmi les
résultats d'une recherche (deux choix plutôt sérieux si l'on se
souvient que le VoCamp d'Oxford avait débouché – entre autres choses – sur une ontologie du
whiskey, la Whisky
ontology
, demeurée dans les mémoires). Tom Heath de
Talis, à l'origine du site Revyu.com, et Peter Mika animèrent
respectivement ces deux groupes de travail.

Il n'est pas si facile
que cela de modéliser les heures d'ouverture et de fermeture.
Faut-il modéliser l'un ou l'autre ? Et lequel ? L'un et l'autre ?
Surgit alors une difficulté dirimante à laquelle nul n'échappera :
assurer une parfaite cohérence au plan logique entre les deux
volets de la modélisation sous peine d'aboutir à des contradictions
acculant le système à la faute. Ontologie des événements
récurrents contre ontologie de la disponibilité, topologie et
intervalles difficiles à encoder sous OWL… un simple vocabulaire
recèle parfois des chausse-trappes inattendues.

Availability1

 

Au final, le
résultat dûment formalisé par les soins de Tom Heath est malgré
tout disponible à l'adresse suivante :
http://tomheath.com/tmp/availability.ttl

Pour ce qui est de la
méthode, que les partisans des approches formelles (et non seulement
formalisées) interrompent leur lecture immédiatement. Au programme,
brainstorming dans un premier temps (pas d'ontologie ou de sémantique formelle !), avant de passer au dessein sur papier d'un graphe pensé pour épouser les potentialités – et les
limites – de RDF : les
bonnes vielles méthodes conservent une bonne part de leur séduction.

Availability2

Quant à l'ontologie du
document, ou plus exactement, d'une section d'un document, je
proposai pour ma part de nous inspirer de la TEI pour l'encoder.
Malheureusement, RDFa n'est pas aussi souple que le meilleur standard
XML prévu à cet effet et nous dûmes nous tourner vers HTML5 pour
pallier ses limitations. Ce constat d'échec partiel appelle sans
doute des révisions afin de lui permettre à la fois de
modéliser des ressources, car tel est la fonction qu'il hérite de
RDF, mais aussi d'épouser la structure des documents dans lesquels
il s'intègre, à la manière des microformats dont il étend les
capacités. Les spécifications de RDFa ont obtenu en octobre dernier le
statut de recommandation du W3C. Gageons cependant que des
améliorations interviendront au cours des mois et années à venir.

D'autres discussions
agrémentèrent la seconde journée. Deux d'entre elles furent
lancées sous l'impulsion de Harry Halpin, philosophe et praticien de
l'Internet bien connu de tous ceux qui s'intéressent à ces
questions.

Non-information_resource

Déjà auteurs d'articles remarqués et remarquables, seul
ou en collaboration avec des personnalités aussi prestigieuses que
Patrick Hayes (In Defense of Ambiguity) ou Henry
Thompson (Web Proper Names:
Naming Referents on the Web
), Halpin proposa une
ontologie pour évaluer la pertinence des résultats des différents
outils de recherches opérant à partir des "stores" de
triplets RDF (linked data search engines ontology). Il
s'agirait, selon cette proposition, d'évaluer les outils en
présence  en s'appuyant sur une analyse d'aspects aussi variés que le temps
pris pour accomplir une requête, le nombre d'URIs disponibles mais
aussi la manière d'accéder aux données : recherche de documents
RDF (et des triplets qu'ils contiennent),   "résolution"
des URIs, possibilité de les parcourir ("crawler")… les options ne manquent pas. En
somme, et comme le notait Gautier Poupeau voici deux ans déjà, il s'agit "de
mettre au point une procédure normalisée de benchmark pour les
triple store RDF"2.

L'autre ontologie
présentée, réalisation en cours, fruit d'une collaboration avec
Valentina Presutti (qui n'avait finalement pu se rendre à Ibiza), tente
de modéliser la notion pour le moins abstraite, tout autant
qu'ubiquitaire sur le Web, de "ressource". Donc d'URI.
Partant du principe qu'il existe deux types d'URIs, les URI du Web
sémantique en tant que sous-classe des URIs "normales", peut-on distinguer des ressources non-informationnelles par
opposition à des ressources dites informationnelles ? Le débat,
avant d'être, hélas, trop rapidement interrompu, commençait à
prendre une orientation clairement philosophique avec, pour horizon,
la question du caractère informationnelle de notre ontologie (au
sens fort/philosophique du terme).

Ce ne
sont donc pas deux approches ontologiques qui se le disputent, comme le pensait Halpin, mais
bel et bien trois : une ontologie des spécifications, reflétant une
approche "ingénieriale", modélisation de leurs présupposés et
implications avec, comme horizon, celui délimité par Tim
Berners-Lee dans sa fameuse déclaration
: "…we are not analyzing a world,
we are building it.
We are not
experimental philosophers, we are philosophical engineers.

We declare "this is the protocol". When people break the
protocol, we lament, sue, and so on. But they tend to stick to it
because we show that the system has very interesting and useful
properties
."3

Comme l'a bien résumé
Harry Halpin, selon cette approche, qui prévaut à l'heure actuelle : “nous modélisons l'esprit
de Tim
”.

A une autre extrémité
du spectre ontologique repose sur l'élaboration d'ontologies
formelles
type Dolce. Problème, aucun consensus ne se dégage sur
les catégories formant le socle de notre univers (est-ce une raison
pour abandonner la recherche ? En philosophie, certes non, mais le
Web suit un tout autre rythme que la réflexion philosophique – même lorsqu'il s'empare de ses objets).

La troisième ontologie
est celle à laquelle nous fîmes tantôt allusion. Si tant est,
comme semblait le penser H.Halpin, que la distinction entre ressource
informationnelle et non-informationnelle ne fasse pas sens, se
devine à l'arrière-plan un conception très général fondée sur
une ontologie de l'information aussi compréhensive et englobante que
n'importe quelle ontologie catégoriale, véritable Aufhebung de la
frontière on/off-line qui régit encore nombre de nos conceptions. Ces
débats-là, aussi, sont au cœur du Web. Et de notre avenir à tous.

Enfin, de nombreux
outils servant à produire des vocabulaires furent testés. On
trouvera d'ailleurs des information complémentaires sur tous les
points ici développés sur le wiki du Vocamp : http://vocamp.org/wiki/Main_Page.

Rappelons pour finir
qu'aucun événement de ce type n'a encore eu lieu en France. Un
manque à combler, cela ne fait pas l'ombre d'un doute…

AMo.

1En un sens, le tagging
sémantique existe depuis les débuts du tagging. Depuis les rel tags
de Technorati (reposant sur des microformats très simples indiquant
qu'un lien est un tag) ou xFolk, autre microformat adapté à
l'environnement des folksonomies, les
tentatives visant à enrichir l'encodage des tags de manière à y
incorporer davantage d'informations se succédèrent. Le principe retenu dans Entity
describer
de Connotea ou MOAT d'Alexandre Passant consiste à
associer le libellé d'un tag à une URI pour en préciser la
signification. Sémantisation des tags ou sémiotisation de ceux-ci
(une URIs renvoyant généralement un document du point de vue d'un
être humain), cette question constituait l'essentiel de notre
intervention au cours du Workshop "Future Of Web Search"
qui suivait le VoCamp, auxquel certains de ses intervenants prirent
part et qui était, lui aussi, sponsorisé par Yahoo!. CF. http://grupoweb.upf.es/fows09/program.html

2 http://www.lespetitescases.net/node/988

3 http://lists.w3.org/Archives/Public/www-tag/2003Jul/0158.html

(Photos : tommyh)

P.S. : en bonus track, la chanson des développeurs de SearchMonkey (Thanks Peter!)

La question qui tue

3425378250_5a7640f4a3_m.jpgDorothea Salo pose une bonne question pour les bibliothécaires des BU :

“Pourquoi devons-nous faire tant d’efforts pour apprendre aux étudiants de Licence (“undergraduates“) à utiliser des bases de données commerciales alors que la grande majorité d’entre eux n’y aura plus jamais accès une fois qu’ils auront eu leur diplôme ?”

Allez voir par vous mêmes les réponses qu’elle a obtenues, pour ma part j’y ajouterai 2 éléments :

– pour certaines disciplines (au hasard, le droit) les bases de données commerciales ont une clientèle professionnelle non négligeable : maîtriser leur utilisation est un atout pour l’étudiant en stage ou le jeune diplômé.

– par ailleurs, le plus tôt les étudiants sont familiarisés avec l’utilisation des bases de données de leur domaine, le mieux c’est, surtout pour ceux qui continueront en M – peut-être un jour ainsi ne verra-t-on plus ces étudiants de M2 qui découvrent les ressources électroniques de la BU au moment de rendre leur mémoire…

Il est clair cependant, et merci à Dorothea d’ouvrir le débat, que nous avons tendance à focaliser nos actions de formation sur les ressources payantes (question de rentabilité, légitime), aux dépens des ressources en libre accès. Or les deux ne s’excluent pas, bien au contraire, elles devraient être complémentaires. Le problème, c’est que, souvent, j’ai l’impression que les bibliothécaires se disent que “si c’est en libre accès sur internet, les usagers n’ont pas besoin de nous pour savoir s’en servir”, un peu comme si ce qui se passe sur l’internet non-documentaire-et-hors-de-ma-bibliothèque ne les concernait pas.

Se pose aussi, plus prosaïquement, la question du niveau d’information et de formation desdits bibliothécaires sur ces outils là (rares sont les formations à la veille ou à l’utilisation des bases de données en formation initiale) – mais je m’égare.

Je n’oublie pas non plus le problème du temps prévu pour les formations : les interventions sur les ressources documentaires, quand elles sont intégrées dans les maquettes de formation, ne laissent guère de place à autre chose que le catalogue de la bibliothèque + les ressources électroniques de la discipline, dans le meilleur des cas.

Je garde néanmoins dans un coin l’idée de modules de formation sur les ressources en libre accès, qui me paraît pouvoir ouvrir des possibilités de collaborations entre formateurs… quoique, si ça se trouve, ça existe et je n’en sais rien : je suis preneuse des références que vous voudrez bien mettre dans les commentaires.

[photo : Sashafatcat]

JISC evidence shows that free ebooks don’t undercut sales of TA editions

The sales’ growth and the development of e-books have been hotly debated at this year’s London Book Fair, with the e-books for academia market acknowledged as being further developed than other areas….
A panel at the London Book Fair believe that a key myth has been shattered by early results from JISC Collections’ recently concluded e-books observatory project. (During this two-year project, JISC provided UK university students with free access to 36 core e-textbooks in science, technology and medicine to all UK university students, to monitor their usage patterns.)

The presumption that increased e-book usage will negatively affect sales is overturned by the report. Its findings reveal that, in reality, e-book usage actually has ‘no impact’ on print sales….

[from marind] Effets de crise : Marlene’s corner

7 bibliothèques universitaires de l'American Research Libraries (l'équivalent de notre ADBU, grosso modo) annoncent des coupes franches dans leurs budgets pour 2009 et 2010 minimum ; entre 200 000$ et 1 400 000$ selon les établissements, qui ne sont pas les moins prestigieux : Cornell, Yale, UCLA, MIT notamment – Serions-nous mieux préparés en France, nous qui n'avons pas vraiment l'habitude de gérer l'abondance de moyens financiers ? 😉


http://delicious.com Bookmark this on Delicious
– Saved by marind
to



More about this bookmark

Effets de crise : Marlene’s corner

7 bibliothèques universitaires de l'American Research Libraries (l'équivalent de notre ADBU, grosso modo) annoncent des coupes franches dans leurs budgets pour 2009 et 2010 minimum ; entre 200 000$ et 1 400 000$ selon les établissements, qui ne sont pas les moins prestigieux : Cornell, Yale, UCLA, MIT notamment – Serions-nous mieux préparés en France, nous qui n'avons pas vraiment l'habitude de gérer l'abondance de moyens financiers ? 😉

De l’inefficacité des DRM ” immatériel.fr

Nous considérons chez immatériel.fr qu’un simple tatouage numérique (ou watermark, ou ex-libris comme le propose Alain Pierrot) constitue une protection bien plus efficace que les DRM. Non pas par la difficulté technique de son contournement, mais parce que l’éditeur pourra ainsi favoriser un rapport de confiance avec son client, plutôt qu’un rapport de défiance qui mènera inévitablement au piratage.