L’angle mort de tout projet de données
Imaginez recevoir un tableau de 50 000 lignes. En-têtes de colonnes : « événement », « date », « source », « valeur ». Les données sont complètes. Elles sont actuelles. Et pourtant, personne dans la salle ne peut dire ce qu’elles signifient.
Pourquoi ? Parce que le tableau contient des faits, mais pas de contexte. Il dit que quelque chose s’est produit. Il ne dit pas ce que cela signifie, pourquoi c’est pertinent ni comment cela se relie aux 49 999 autres lignes. Un événement reste un événement. Une source reste une source. Ce qui manque, c’est la connaissance des relations entre ces concepts et des conclusions autorisées.
Ce n’est pas un problème marginal. C’est l’état normal de nombreuses institutions publiques, organisations de sécurité et entreprises industrielles. Les données existent, mais elles ne dialoguent pas.
La cause a un nom : l’absence d’ontologie.
Ce qu’est une ontologie, et ce qu’elle n’est pas
Une ontologie n’est pas un schéma de base de données. Ce n’est pas un glossaire. Ce n’est pas non plus une taxonomie classique.
Une ontologie est un modèle formel de la réalité : elle définit quels concepts existent, comment ils sont reliés et quelles règles s’appliquent à ces relations.
Un exemple simple dans le domaine de la sécurité :
« Véhicule » est un concept. « Personne » est un concept. « Plaque d’immatriculation » est un concept. Une ontologie précise qu’un véhicule possède une plaque, qu’une personne peut conduire un véhicule, qu’une plaque est enregistrée auprès d’une autorité et que cette autorité est compétente pour un territoire donné.
Dès que ces relations sont formalisées, un changement décisif se produit : un système peut déduire des informations qui ne figurent dans aucune ligne isolée. Il peut reconnaître des liens qu’un analyste ne verrait qu’après des heures de travail, voire jamais.
Les trois niveaux du problème des données
Pour comprendre l’importance des ontologies, il faut regarder les trois niveaux auxquels les projets de données échouent souvent.
Niveau 1 : syntaxe. Les données existent dans des formats différents : CSV ici, XML là, base propriétaire ailleurs. Les outils ETL modernes traitent bien ce problème. Il est résoluble.
Niveau 2 : sémantique. Que signifie « événement » dans le système A, et que signifie « incident » dans le système B ? Parlent-ils de la même chose ? Souvent non. C’est ici que commence le vrai problème.
Niveau 3 : pragmatique. Quelle est la conséquence de cet événement au regard des objectifs de mon organisation ? Quelle action doit être déclenchée ?
Sans ontologie, l’intégration des données reste bloquée au niveau 1. Avec une ontologie, les niveaux 2 et 3 deviennent maîtrisables.
Pourquoi cela compte pour les autorités et les infrastructures critiques
Dans une entreprise, l’absence de contexte coûte cher. Dans les autorités publiques, les organisations de sécurité et les infrastructures critiques, elle peut devenir dangereuse.
Lorsqu’un centre de situation reçoit des messages de douze systèmes différents, contrôle d’accès, caméras, registres, rapports de patrouille et flux externes, il ne lui faut pas seulement une interface qui affiche tout. Il lui faut une couche qui comprend ce que ces données signifient ensemble.
C’est précisément le rôle d’une ontologie de domaine. Elle est à la fois la mémoire et la grammaire du système. Elle permet de relier des sources hétérogènes non seulement techniquement, mais sémantiquement.
Ce que cela change en pratique
Une ontologie bien modélisée permet :
- des connexions transversales entre points de données qui ne sont explicitement liés dans aucune source
- des inférences fondées sur des règles : si A et B sont vrais, alors C suit, automatiquement, de manière traçable et auditable
- de l’explicabilité : chaque affirmation du système peut être reliée à sa base
- de l’adaptabilité : de nouveaux concepts et relations peuvent être introduits sans reconstruire le socle
C’est la différence entre un système qui affiche des données et un système qui comprend les données.
MAKOR : l’ontologie comme technologie centrale
MAKOR n’est pas une solution de visualisation qui rend les données plus jolies. MAKOR est une plateforme d’analyse fondée sur les ontologies. Le savoir métier sur les situations de sécurité, les processus et les relations n’est pas caché dans l’interface. Il est formalisé, lisible par machine et vérifiable.
Dans l’article suivant, nous expliquons ce que cela signifie en pratique : pourquoi cette couche intelligente au-dessus des données rend les systèmes non seulement plus intelligents, mais aussi plus sûrs.