Qu’est-ce qu’un graphe de connaissances ? Un guide simple avec des exemples

Un graphe de connaissances représente le savoir sous forme d’éléments reliés par des relations porteuses de sens : les personnes, les livres, les projets et les idées deviennent des nœuds, et leurs connexions deviennent des arêtes. Par exemple, Maya a écrit Notes de terrain, et Notes de terrain traite du jardinage urbain. Ces trois nœuds et ces deux relations nommées constituent un petit graphe de connaissances, et pas simplement une liste de mots associés.

Un exemple simple : des éléments, des liens, des questions

Imaginez un carnet de lecture regroupant cet auteur fictif, ce livre et ce sujet. Vous pourriez rédiger ces informations sous forme de phrases, ou expliciter les liens entre ces éléments :

Maya → wrote → Field Notes
Field Notes → discusses → Urban Gardening

Partez maintenant de Maya et suivez les liens. De quel sujet parle son livre ? Prenez plutôt le jardinage urbain comme point de départ : quels livres en parlent, et qui les a écrits ?

C’est le principe concret d’un graphe de connaissances. Il conserve les liens d’un élément avec d’autres et la nature de ces liens, pour que les personnes ou les logiciels puissent les suivre plutôt que de les reconstituer à partir de textes épars.

Le mot « connaissances » a son importance. Un trait reliant Maya à Field Notes ne dit pas grand-chose à lui seul. Un trait portant le libellé wrote exprime une affirmation précise. Remplacez ce libellé par reviewed, et vous obtenez un fait différent.

Les éléments constitutifs d’un graphe de connaissances

Entités : ce que vous décrivez

Une entité est un élément ou un concept précis représenté par un nœud. Il peut s’agir d’une personne, d’une organisation, d’un lieu, d’un événement, d’un document ou d’un sujet. Dans notre exemple, Maya est une personne, Field Notes est un livre et Jardinage urbain est un sujet.

Distinguez l’identité du nom affiché. Si votre carnet contient deux personnes prénommées Maya, ne les fusionnez pas simplement parce que leurs libellés sont identiques. À l’inverse, « Maya » et « Maya — autrice » peuvent désigner la même personne. Déterminer quels enregistrements décrivent la même entité fait partie de la construction d’un graphe utile.

Relations : ce qui relie les entités

Une arête relie des nœuds. Son type décrit la relation : wrote, works-for, depends-on ou discusses, par exemple.

Le sens de la relation compte aussi. « Maya a écrit Field Notes » ne veut pas dire la même chose que « Field Notes a écrit Maya ». Choisissez des libellés que vous pouvez lire à voix haute comme des phrases ; des phrases maladroites révèlent souvent un modèle peu clair.

Propriétés : détails sur un élément ou une connexion

Les propriétés décrivent une entité ou une relation. Pour notre livre fictif, vous pourriez renseigner un titre et un statut de lecture. Pour Maya, vous pourriez renseigner un nom d’affichage.

Un détail doit-il être une propriété ou un autre nœud ? Pour un premier projet, demandez-vous si vous souhaitez y relier d’autres éléments. Un statut de lecture peut rester une propriété ; un sujet mérite son propre nœud si vous souhaitez que plusieurs livres soient reliés entre eux par son intermédiaire.

Triplets : un énoncé à la fois

Un triplet exprime un fait sous la forme sujet–prédicat–objet. Pour Maya → wrote → Field Notes :

• Sujet : Maya — l’entité par laquelle commence l’énoncé.
• Prédicat : a écrit — la relation affirmée.
• Objet : Notes de terrain — la cible de cette relation.

Les triplets sont un moyen concis de comprendre le modèle. Vous n’avez pas besoin d’utiliser cette notation pour chaque lien lorsque vous travaillez dans une application de prise de notes ; une relation nommée peut exprimer la même idée de base.

Pour les développeurs, plusieurs approches de mise en œuvre sont possibles. Esri distingue les graphes de propriétés des graphes RDF : les graphes de propriétés associent des propriétés sous forme de paires clé-valeur aux nœuds et aux relations, tandis que RDF représente les énoncés sous forme de triplets. Le terme « graphe de connaissances » ne désigne pas un format de stockage unique.

Schéma et ontologie : le vocabulaire commun

Un schéma définit les types d’entités et de relations utilisés par votre modèle. Notre graphe de lecture pourrait prendre en charge :

Person → wrote → Book
Book → discusses → Topic

Une ontologie formalise les significations et peut définir des relations supplémentaires entre les types. Graphwise décrit une ontologie comme un contrat portant sur le sens entre les développeurs d’un graphe et ses utilisateurs, y compris les logiciels.

Pour un petit carnet de notes, commencez par un vocabulaire limité plutôt que par un vaste modèle formel. Notez ce que signifie chaque relation. discusses signifie-t-il qu’un livre consacre une place importante à un sujet, ou qu’il le mentionne simplement ? La cohérence permet d’interpréter les liens qui en résultent.

Exemples de graphes de connaissances : Google et Wikidata

Graphe de connaissances de Google

Le Google Knowledge Graph est un exemple bien connu, car ses informations apparaissent dans les résultats de recherche. La présentation d’IBM explique qu’il fournit des informations en fonction des recherches des utilisateurs et cite parmi ses sources Freebase, Wikipedia et le CIA World Factbook.

La distinction utile est celle qui existe entre un mot et l’entité qu’il désigne. IBM prend l’exemple d’Apple, l’entreprise, par opposition à la pomme, le fruit, pour expliquer comment les schémas, l’identité et le contexte permettent de distinguer les sens. Un système de recherche a besoin de cette distinction pour renvoyer des informations sur la bonne entité.

Wikidata

Wikidata est un graphe de connaissances ouvert associé à Wikipedia. Au moment de la rédaction, la présentation d’IBM fait état de plus de 120 millions d’entrées dans 300 langues.

L’échelle est très différente de celle d’un carnet personnel, mais l’idée de base reste reconnaissable : décrire des entités et relier leurs descriptions. Un sujet n’est pas seulement utile en tant qu’entrée isolée ; ses liens apportent du contexte aux autres entrées.

Ces exemples ne signifient pas que votre graphe doit décrire le monde entier. Un graphe consacré à une seule question de recherche ou aux projets d’une seule équipe peut s’appuyer sur les mêmes éléments de base.

Graphe de connaissances, base de données, carte mentale et base vectorielle : quelles différences ?

Ces outils ont des points communs, mais ils organisent l’information pour des usages différents. Pour les comparer de la manière la plus utile, partez de la question à laquelle vous voulez répondre, plutôt que de chercher quel outil est le meilleur dans l’absolu.

Un graphe de connaissances n’est pas l’opposé d’une base de données

Un graphe de connaissances décrit une représentation des connaissances. Une base de données est une technologie qui permet de stocker et d’interroger des données. Une base de données orientée graphe est conçue pour les données interconnectées et peut servir de support à un graphe de connaissances.

Les bases de données relationnelles représentent elles aussi des relations. La différence ne tient pas au fait que « les tables ne peuvent pas relier des éléments », mais à la manière dont ces liens sont modélisés et explorés. Esri souligne que les bases de données de graphes mettent l’accent sur les relations stockées explicitement, en particulier pour les questions qui portent sur plusieurs liens.

Pour une simple liste de statuts de lecture, un tableau peut suffire. Si vos questions vous amènent régulièrement à passer des livres aux auteurs, puis aux thèmes et à revenir à d’autres livres, un modèle en graphe mérite d’être envisagé.

Une carte mentale est une esquisse ; un graphe de connaissances explicite les relations

Une carte mentale classique se ramifie à partir d’une idée centrale. Un graphe de connaissances peut relier des entités d’une branche à l’autre à l’aide de différents types de relations. « Fait partie de mon plan de recherche » et « écrit par cette personne » ne doivent pas devenir des lignes indifférenciées.

Si vous cherchez encore à déterminer quels concepts intégrer à un projet, une esquisse peut être un bon point de départ. Un outil de création de cartes mentales pour Notion convient à ce travail de planification ; vous pourrez ensuite définir des relations réutilisables.

La similarité vectorielle et les relations explicites répondent à des questions différentes

Trouver un passage qui semble pertinent n’est pas la même chose que trouver un lien enregistré. « Texte similaire à “jardinage urbain” » et « livres explicitement liés à “Jardinage urbain” » peuvent donner des résultats différents.

Les approches peuvent coexister. IBM décrit une mise en œuvre liée à Wikidata qui vectorise des données de graphe pour la recherche d’informations. Un graphe n’a pas à remplacer la recherche par similarité, et la recherche par similarité ne donne pas le sens de chaque relation.

À quoi servent les graphes de connaissances ?

Recherche et réponses aux questions

Les graphes de connaissances fournissent aux systèmes de recherche des entités et du contexte à exploiter, plutôt que des mots seuls. Dans notre exemple de lecture, vous pourriez répondre à la question « Quels auteurs abordent le jardinage urbain ? » en suivant les liens entre le sujet, les livres et leurs auteurs.

Recommandations

IBM décrit des graphes de connaissances qui permettent de recommander des produits dans le commerce de détail en fonction des comportements d’achat, et des contenus de divertissement en fonction de l’engagement. Dans les deux cas, le principe est d’utiliser des informations reliées entre elles pour identifier les éléments pertinents.

Pour prendre un exemple simple d’usage personnel, vous pourriez vous appuyer sur les liens fondés sur des sujets communs pour créer une liste de « prochaines lectures ». La recommandation aurait une justification compréhensible : ce livre que vous n’avez pas encore lu aborde un sujet lié à des livres que vous avez déjà sélectionnés.

Intégration des données

Différentes sources peuvent décrire une même entité de différentes façons. Un graphe peut relier ces descriptions grâce à une identité et à un vocabulaire communs.

Imaginez des notes de recherche mentionnant « Maya », une liste de lectures indiquant « Maya — autrice » et une page d’entretien faisant référence à la même personne. Rattacher ces références à une seule et même personne permet de relier le livre et l’entretien par son intermédiaire, plutôt que de les laisser sous forme d’entrées distinctes.

RAG et IA

La génération augmentée par récupération, ou RAG, fournit à un modèle de langage un contexte issu d’une recherche pour l’aider à répondre à une question. La recherche fondée sur un graphe peut s’appuyer sur des relations explicites pour constituer ce contexte.

Le guide de Brian Curry sur les graphes de connaissances présente le parcours des relations et la traçabilité des connexions comme des avantages pour les applications d’IA. Notre présentation de GraphRAG explore plus en détail ce mécanisme de récupération d’informations.

Graphes de connaissances personnels : commencez par vos notes

Un graphe de connaissances personnel applique ces idées à vos propres contenus : notes, projets, listes de lecture, personnes et concepts. Vous n’avez pas besoin d’un pipeline de données d’entreprise pour commencer.

Un espace de travail Notion possède déjà une structure de graphe :

• Les pages sont des nœuds.
• Les mentions et rétroliens relient les pages par des références.
• Les Relations de base de données relient les entrées par des champs nommés.
• Les relations avec les pages parentes décrivent la hiérarchie.

Ces liens n’ont pas tous le même sens. Une page qui mentionne un livre ne le recommande pas nécessairement, ne le résume pas nécessairement et ne l’utilise pas nécessairement pour un projet. Pour établir des liens précis, donnez aux Relations des bases de données Notion des noms explicites. Utilisez les rétroliens Notion pour naviguer parmi les références, puis lisez le texte qui les entoure pour comprendre leur raison d’être.

Les coffres Obsidian relient les notes par des liens wiki. La même question de modélisation se pose : le lien renvoie-t-il simplement vers une destination, ou la note explique-t-elle la relation ? Notre comparatif entre Notion et Obsidian aborde plus largement le choix entre ces deux environnements.

Il est utile de faire ici une distinction : des notes liées entre elles forment un graphe, tandis qu’un graphe de connaissances formel ajoute une sémantique explicite et cohérente. Vous pouvez commencer par le premier et renforcer progressivement le second.

Pour visualiser les liens existants, IVGraph représente les pages Notion, les rétroliens et les mentions, ainsi que les propriétés Relation des bases de données, sous forme de graphe 3D interactif. Au moment de la rédaction, il est gratuit jusqu’à 500 nœuds et utilise un accès en lecture seule via la connexion à Notion.

La visualisation vous aide à examiner la structure ; elle ne remplace pas la définition du sens de vos relations. Pour un guide pas à pas axé sur votre espace de travail, consultez le guide du graphe de connaissances Notion.

Comment créer un petit graphe de connaissances

Commencez par une question à laquelle vous voulez vraiment répondre. « Organiser tout ce que je sais » est difficile à évaluer. « Quelles lectures éclairent ce projet ? » vous donne un objectif concret.

1. Choisissez un périmètre restreint. Utilisez une seule liste de lectures ou un seul projet. Laissez les contenus sans rapport en dehors de cette première version.
2. Nommez les types d’entités. Pour cet exemple, utilisez Projet, Lecture et Sujet. Créez une fiche ou une note distincte pour chaque entité réelle.
3. Définissez les relations. Essayez Reading → informs → Project et Reading → discusses → Topic. Rédigez une définition en termes simples pour chacune.
4. Ajoutez les propriétés à bon escient. Conservez les détails comme le statut de lecture sur la fiche de lecture. Faites d’un sujet une entité distincte lorsqu’il doit relier plusieurs lectures.
5. Identifiez les entités en double. Déterminez si « Recherche sur le jardin » et « Projet de recherche sur le jardinage » désignent le même projet. Évitez de fusionner des fiches simplement parce que leurs noms se ressemblent.
6. Ajoutez des liens en précisant leur contexte. Notez pourquoi une lecture éclaire un projet. Conservez le passage ou la source qui étaye les affirmations importantes.
7. Testez la question de départ. Partez du projet, suivez les lectures qui y sont reliées, puis examinez leurs sujets. Pouvez-vous expliquer chaque lien ?
8. Révisez avant d’élargir. Renommez les relations ambiguës, corrigez les erreurs et ajoutez les liens manquants. Étendez le graphe lorsqu’une autre question utile l’exige.

Avant d’ajouter davantage de contenu, utilisez cette courte liste de contrôle qualité :

• Chaque nœud représente-t-il un élément identifiable ?
• Chaque relation peut-elle se lire comme une phrase claire ?
• Les relations similaires sont-elles nommées de manière cohérente ?
• Pouvez-vous retrouver les éléments qui étayent les affirmations importantes ?
• En suivant les connexions, obtenez-vous une réponse à votre question de départ ?

L’objectif n’est pas d’obtenir le plus grand diagramme, mais un ensemble de liens que vous pouvez comprendre, auxquels vous pouvez vous fier et que vous pouvez réutiliser.

FAQ