Graphe de connaissances (knowledge graph) : définition et usages en entreprise

Comment fonctionne un graphe de connaissances ?

Un graphe de connaissances enregistre chaque fait comme une relation entre deux entités. « Le fournisseur Alpha livre le composant B12 » relie Alpha à B12 par la relation « livre ». L’ontologie fixe les règles : quels types d’entités existent, quelles relations les unissent, ce qu’elles signifient.

Deux modèles techniques coexistent.

• RDF, recommandation du W3C (version 1.1 de 2014), décrit chaque fait en triplet : sujet, prédicat, objet. Le langage OWL, du même W3C, sert à écrire l’ontologie.

• Le graphe de propriétés ajoute des attributs aux entités et aux relations. L’ISO a publié son langage de requête, GQL, en avril 2024 (ISO/IEC 39075).

Google a popularisé le terme le 16 mai 2012 avec son Knowledge Graph : « things, not strings », des choses plutôt que des chaînes de caractères. Il comptait alors plus de 500 millions d’objets. En mai 2020, Google annonçait plus de 500 milliards de faits sur cinq milliards d’entités. Ce graphe alimente les fiches info de Google, qui comptent pour votre visibilité dans la recherche et les réponses de l’IA.

À quoi sert un graphe de connaissances en entreprise ?

Un graphe de connaissances sert d’abord à relier des données dispersées entre plusieurs systèmes. Hogan et al. (ACM Computing Surveys, 2021) en recensent dans le commerce, la finance ou la recherche web, pour la recommandation, l’analyse ou l’évaluation des risques.

Pour l’IA, le graphe apporte des faits explicites. Pan et al. (IEEE TKDE, 2024) décrivent les grands modèles de langage comme des « boîtes noires » qui saisissent mal les faits. Le graphe peut leur apporter une connaissance externe et de l’interprétabilité.

• Les questions qui relient plusieurs faits. « Quels clients touche la défaillance d’Alpha ? » exige de suivre quatre relations. Un graphe les suit ; une recherche par similarité ramène des passages isolés.

• La traçabilité. Chaque relation peut porter sa source et sa date : vous contrôlez une réponse relation par relation.

Graphe de connaissances, base de données ou base vectorielle : quelle différence ?

Le graphe stocke des relations et leur sens ; les autres outils stockent des enregistrements ou des textes.

• La base relationnelle range les données en tables au schéma fixé d’avance. Selon Hogan et al., chaque changement de schéma y impose un remodelage coûteux ; un graphe intègre plus facilement de nouvelles sources. Un graphe peut aussi se construire au-dessus de vos bases, sans les remplacer.

• Le référentiel de données (MDM, master data management) tient la version de référence de chaque client ou produit. Le graphe relie ces objets. Sans référentiel fiable, il risque de relier des doublons : le même client sous deux identifiants.

• La base vectorielle, moteur habituel du RAG, retrouve des passages proches par le sens. Elle ignore que tel contrat couvre tel produit.

• Le GraphRAG est une technique de recherche qui s’appuie sur un graphe. Dans l’approche de Microsoft, un modèle de langage extrait ce graphe de vos documents, sans ontologie fixée d’avance, pour y répondre. Un graphe de connaissances existe aussi sans IA.

Que change un graphe de connaissances pour votre décision ?

Un graphe de connaissances vous engage sur la durée, bien au-delà de l’achat d’un outil.

• Partez des questions, pas de l’outil. Le graphe se justifie quand des questions fréquentes exigent de croiser plusieurs systèmes : achats, ERP, contrats, CRM. Pour une question sur un document, un RAG suffit souvent.

• Budgétez la modélisation et l’entretien, pas seulement le logiciel. Pan et al. jugent les graphes « difficiles à construire » et « évolutifs par nature ». Une équipe écrit l’ontologie, relie les sources et corrige les erreurs, en continu.

• Nommez un propriétaire métier de l’ontologie. Qui décide de ce qu’est un « client actif » ? Les métiers tranchent, pas l’informatique. Rattachez ce rôle à la gouvernance des données.

• Exigez des formats standard. RDF et OWL disposent de formats d’échange standard ; GQL normalise le langage qui définit et interroge les graphes de propriétés. Ces standards facilitent un changement d’outil. Demandez dans quel format vous récupérez le graphe et l’ontologie : c’est une parade à la dépendance fournisseur.

• Relier, c’est aussi exposer. Un graphe révèle des liens qu’aucune source seule ne montrait. Fixez les droits d’accès sur les relations, pas seulement sur les sources. Un graphe qui relie des données personnelles relève du RGPD.

Exemple illustratif

Ce cas est fictif. Une ETI industrielle apprend qu’un fournisseur risque la faillite. Sa direction veut savoir quels contrats clients ce risque touche ; la réponse dort dans les achats, la nomenclature et le CRM. L’entreprise modélise un graphe limité à quatre entités : fournisseur, composant, produit, contrat. Le directeur des achats devient propriétaire de l’ontologie. Chaque réponse remonte à la commande ou au contrat qui la justifie. Le graphe reste juste tant que ses liens suivent les changements de fournisseur.