Introduction au web sémantique, l’exemple de data.idref.frIntervenant : Jean-Baptiste Pressac (Univ. Brest, CRBC - UMS 3554)
 Dans son plan national pour la science ouverte du 4 juillet 2018, la France s’est engagée à développer l’accès ouvert aux données de la recherche (science ouverte). Le modèle RDF correspond au plus haut niveau de qualité de diffusion des données ouvertes (open data) car il garantit l’interopérabilité syntaxique et sémantique des données. Il permet également l’interrogation fédérée de plusieurs sources de données. Le SPARQL, recommandation depuis 2012 du W3C, l’organisme de standardisation du web, est le langage de facto pour interroger les données en RDF. Cet atelier d’introduction vous propose de découvrir ces concepts avec l’exemple de data.idref.fr, la version sémantique des notices d’autorité IdRef.

Illustration des apports des technologies sémantiques pour des données de nature documentaire : l’exemple d’IdRef, autorités et référentiels pour l’ESR
Intervenant : François Mistral, responsable IdRef-Autorités (ABES)Les données d’autorité, initialement produites dans les coulisses des catalogues de bibliothèques pour décrire les Personnes, les Collectivités, les Sujets, les Oeuvres et les Lieux impliqués dans les documents signalés, ont subi et suivi les évolutions d’Internet depuis le web de documents au web sémantique, comme autant de métamorphoses. Il s’agira de retracer ce parcours et d’en exposer les points saillants (impacts, prérequis, espoirs et limites) du point de vue des données et de leurs exploitations.

L’interopérabilité sémantique au service de la réutilisation des données SHS : OntoME et le projet SDHSS
Intervenant : Vincent Alamercery, ingénieur d’études (ENS de Lyon, LARHRA - UMR 5190) et Francesco Beretta, chargé de recherche en histoire (CNRS, LARHRA - UMR 5190)
 Nous avons tous des vieux fichiers au fond d’un disque dur comportant des données plus ou moins structurées de l’époque héroïque où les chercheurs en sciences humaines utilisaient vaillamment des logiciels créés pour un usage tout autre : comptabilité, gestion financière, gestion de fichier client... Si les fichiers ont vieilli, les informations qu’ils contiennent sous forme de données numérique sont souvent toujours utiles. Comment faire alors pour les réutiliser, les croiser et les enrichir avec d’autres données disponibles ?La clé est la sémantisation des données :1. Produire des données sémantiquement claires permet à d’autres de les comprendre et de les réutiliser.2. Comprendre les données existantes permet de les réutiliser.Lors de cette intervention, nous présenterons la méthode et les outils développés par l’Axe de recherche en histoire numérique du LARHRA pour promouvoir la production de données FAIR dans le web sémantique : SDHSS, une extension du CIDOC CRM pour la recherche en SHS, et OntoME, une application de gestion d’ontologies et de profils applicatifs connectée au web sémantique.

Glitter makes SPARQL : glitter, un package R pour explorer et collecter des données du web sémantique

Intervenant : Lise Vaudor, ingénieur de recherche en analyses statistiques (CNRS, EVS - UMR 5600, plateforme ISIG)
 La collecte de données du web sémantique, qui sont formalisées selon le modèle RDF, nécessite l’élaboration de requêtes dans le langage dédié SPARQL. Ce langage, qui est aux données du web sémantique ce que SQL est aux bases de données relationnelles, a ainsi un objectif très spécifique et demeure assez méconnu des utilisateurs de données. Au contraire, R est un langage de programmation assez généraliste puisqu’il permet de gérer de nombreux aspects de la chaîne de traitements de données, depuis leur recueil jusqu’à leur valorisation (par des modèles, graphiques, cartes, rapports, applications, etc.).Le package glitter permet aux utilisateurs de R sans connaissance préalable de SPARQL (analystes de données, chercheurs, étudiants) d’explorer et collecter les données du web sémantique. Par des commandes R, l’utilisateur peut générer des requêtes SPARQL, les envoyer aux points d’accès de son choix, et recueillir les données correspondantes. Ces étapes sont ainsi intégrées à l’environnement R dans lequel l’utilisateur peut également réaliser les étapes d’analyse et de valorisation des données, dans une chaîne de traitement reproductible.Lors de cette présentation, Lise Vaudor montrera les principales fonctionnalités du package glitter à partir d’exemples. Le package est toujours en développement mais il est fonctionnel, documenté et peut être installé par les participants qui souhaitent le tester en suivant les instructions décrites sur cette page.