Démarche de modélisation en 6 étapes
| # | Étape | Question centrale | Actions clés |
|---|---|---|---|
| 1 | Cadrer | Quel est le périmètre ? | Définir les questions métier auxquelles l’ontologie devra répondre : ce sont elles qui guident toute la modélisation |
| 1b | Réutiliser ? | Une ontologie dans GraphForge couvre-t-elle déjà partiellement le besoin ? | Oui → partir de cette ontologie et l’étendre. Non → partir de zéro |
| 2 | Identifier | Quels sont les concepts métier clés ? | Extraire les substantifs des processus métier. Nommer en anglais, explicitement. Éviter les acronymes opaques seuls (PREA → PRE_ASSEMBLY, ou le documenter dans la description) |
| 3 | Relier | Comment sont-ils liés ? | Formuler une phrase sujet-verbe-objet. Verbe explicite obligatoire (is_composed_of plutôt que has) : l’agent IA utilise le nom de la relation pour comprendre le lien |
| 4 | Documenter | L’agent IA peut-il comprendre sans explication ? | Remplir au maximum les informations des nœuds et des relations. C’est le carburant de l’agent IA : une ontologie non documentée est une ontologie non interrogeable |
| 5 | Instancier | Y a-t-il des données réelles dans le Knowledge Graph ? | Ajouter des données réelles. Sans données, l’agent IA n’a rien à interroger. Un jeu de données minimal suffit pour tester |
| 6 | Valider | L’agent IA répond-il correctement ? | Poser des questions métier à l’agent IA. Si la réponse est fausse ou incomplète → enrichir les informations des nœuds et des relations |
♻ Une ontologie n’est jamais figée. Le travail est itératif : modélisez d’abord le cœur du domaine, mappez de la donnée, validez vos questions métier avec l’agent IA, puis étendez progressivement. Une ontologie simple et juste vaut mieux qu’une ontologie exhaustive et incorrecte. Repassez par les étapes 1b à 6 à chaque évolution significative du domaine ou des besoins.