La "Web Intelligence" au secours des entreprises en quête d’information stratégique sur le Web : retour d’expérience et perspectives d’application dans un service logiciel professionnel Après une brève introduction de notre perception du concept de web intelligence, nous tentons d’illustrer le potentiel de technologies de web intelligence à travers quelques cas d'utilisation de Squido. Ces exemples concrets nous amènent à exposer les verrous scientifiques et les enjeux de recherche auxquels Ixxo se trouve confrontée pour répondre aux attentes de ses clients.

1. Web Intelligence et information stratégique sur le Web
retour d’expérience et perspectives d’application dans Squido
présenté dans le cadre du Forum Web Intelligence & Usages
organisé par le projet Web Intelligence du cluster ISLE de la Région Rhône-Alpes
jeudi 4 février 2010
François Pouilloux
directeur R&D
fpouilloux@ixxo.fr
http://www.ixxo.fr
http://www.squido.fr

2. Sommaire
Web Intelligence : quelques faits et chiffres
Quelques mots sur Squido
Usages en situation
Verrous et enjeux scientifiques
© ixxo 2010 2

3. Web intelligence : première définition
Yao/Zhong/Liu/Ohsuga, COMPSAC 2000,
Taiwan
› "Web Intelligence (WI) exploits Artificial
Intelligence (AI) and advanced
Information Technology (IT) on the Web
and Internet."
› "the term should be considered an
umbrella or a label of a new branch of
research centered on the Web"
Web + IA +TIC = domaine de recherche
(sources : Wikipedia & COMPSAC 2000 proceedings)
© ixxo 2010 3

4. Vers des applications industrielles
Web intelligence Research Group at University of Chile
› "Web Intelligence can be understood as a new direction to scientific research and
development that explores the fundamental and practical applications of Artificial
Intelligence (AI) and Information Technologies (IT) in the next generation of products,
services, systems and activities based on the Web"
© ixxo 2010 4

5. Mais un concept encore peu populaire
© ixxo 2010 5

6. Positionnement technologique (tentative !)
Artificial Intelligence
web
mining
web web
semantic
information retrieval intelligence
web
cloud & grid
computing
Information Technology
© ixxo 2010 6

7. Squido en bref
© ixxo 2010 7

8. Squido en bref
recherche d'information avancée sur le web pour les professionnels
› commercialisation en mode SaaS
› multisecteur
› de la TPE au grand groupe international
© ixxo 2010 8

9. Positionnement Squido vs Web Intelligence
© ixxo 2010 9

10. Cas d'utilisation Squido
© ixxo 2010 10

11. Exemple : contrôle des terres arables
© ixxo 2010 (en partenariat avec Areion Group) 11

12. Exemple : Nutricosmetics Worldwide (1/4)
Demande d'information (original)
– "La beauté à travers la nutrition"
• ingrédients innovants
• produits packagés remarquables
• acteurs et relations
– Beauty: "body shape", "weight control", "weight maintenance", satiety, "energy expenditure",
"burn calorie", "calorie burner", "fat burner", "burn fat", cellulite,… mais aussi skin, hydration,
wrinkles, hair, dandruff, nails, Anti-Ageing, healthy ageing, Brightening/Illuminating,
Moisturising/Hydrating, Slimming, "Reduces the Appearance of Pores", "Reduces Fine Lines",
Plumping, Anti-Acne
– Oral supplements, food supplement, Dietary Supplements, ce que l'on trouve comme formule en
parapharmacie en France par exemple : poudre, capsule, gélule, one shot, … (traduire)
– "nutritional beauty supplements" or "beauty nutritional supplements" or "beauty supplements" or
nutricosmetics or "oral cosmetics" or "nutritional supplements" or "oral supplements" or "oral skin
care products" or "oral hair car product"
© ixxo 2010 12

13. Exemple : Nutricosmetics Worldwide (2/4)
Analyse de la demande
› Langues : EN, FR
› Périmètre géographique : mondial
› Objectif : trouver des acteurs et produits inconnus
› Forme : "sac de termes"
– sous-jacente
• thesaurus sectoriel,
• voire ontologie
© ixxo 2010 13

14. Exemple : Nutricosmetics Worldwide (3/4)
Métriques
› collecte
– 40 collectes, 50 sources
– 2 millions de pages traitées
› restitution
– 175 documents très pertinents
– carte conceptuelle
© ixxo 2010 14

15. Exemple : Nutricosmetics Worldwide (4/4)
Résultat
© ixxo 2010 15

16. Leçons apprises
difficile d'imposer un formalisme de requête
› "temps de cerveau disponible" limité
› requête sommaire et incomplète
› ∃ (souvent) une ontologie métier sous-jacente
la matière du web est brute
› mal formée ("parsing exceptions" >= dizaines de milliers par jour)
› "bruit sémantique"
volumétrie
› la combinaison topical crawl/IR est efficace
› reste quelques centaines de documents...
restitution
› les visualisations simples et synthétiques sont plébiscitées
– niveau carte conceptuelle suffisant en général
› besoin d'outils d'analyse
– ontologies ?
les solutions proposées doivent être translingues
© ixxo 2010 16

17. Verrous & enjeux pour notre secteur
© ixxo 2010 17

18. Améliorer la demande de recherche d'information
Mieux comprendre la requête
› modéliser
› classer
Pour faire des propositions...
› focaliser/étendre
› appliquer un modèle de recherche
› quelle interface ?
"échantillon" très petit
utiliser des outils sémantiques ?
© ixxo 2010 18

19. Isoler des "objets sémantiques" à grande échelle
Objectif
› matériau indispensable pour construire des ontologies ad hoc
– entités nommées, relations, propriétés
Méthode
› annoter automatiquement des pages web
› techniques classiques d'apprentissage à base de modèles
Problèmes spécifiques
› Résilience
– rappel : le web est un matériau brut
› Volumétrie
– millions de pages
– traitement et stockage
› Domaine ouvert
– comment obtenir des modèles adaptés sans gros effort préalable ?
© ixxo 2010 19

20. Construire automatiquement des visualisations simples
Objectif
› synthétiser l'information contenue dans quelques centaine de pages web
Méthode
› utiliser une ontologie ad hoc construite à partir du corpus présélectionné
Problèmes spécifiques
› trouver le bon niveau de détail
› diminuer le bruit
› faire apparaître les motifs fréquents/rares
› éliminer les redondances
› traiter les contradictions
© ixxo 2010 20

21. Pour les entreprises, les technologies sémantiques restent complexes
comment donner une connaissance initiale au système ?
› ontologies existantes ?
– généralistes, par domaine, communautaires ?
comment construire des connaissances ad hoc ?
comment les aligner ?
© ixxo 2010 21

22. Perspectives - Que disent les experts ?
"State-of-art for next 100 years will be semi-automation"
What is an ontology? - A Briefing on the Range of Semantic Models
2006 - Ontolog Invited Speaker Presentation
Dr. Leo Obrst MITRE corporation
› responsable du groupe "Information › entreprise publique US
Semantics" chez MITRE › bailleurs : DoD, FAA, IRS, Homeland Security
› co-animateur de la communauté Ontolog › 7000 chercheurs & ingénieurs, 65% Masters
› membre du conseil exécutif de l'International ou PhD
Association for Ontology and its Applications › 1958 – MIT Lincoln laboratories
© ixxo 2010 22

23. Vers "des machines qui pensent"
© ixxo 2010 23

24. Nous ne sommes pas seuls sur ce long chemin !
De nombreuses institutions de recherche travaillent sur les ontologies appliquées
› W3C Semantic Web Activity
› The International Association for Ontology and its Applications
› Ontolog
› comités techniques du consortium OASIS
› NESSI Semantic technologies working group
› et de multiples équipes scientifiques à travers le monde…
› …dont bien sûr quelques équipes du projet Web Intelligence ;-)
© ixxo 2010 24