Frank Coyle mise sur les ontologies pour cadrer les agents IA

Frank Coyle intervient à l’AI Engineer World’s Fair 2026 dans une présentation de 20 minutes consacrée aux ontologies. Le professeur de l’UC Berkeley enseigne l’IA générative et les grands modèles de langage. Il affirme que les modèles excellent dans le raisonnement probabiliste, mais que les agents doivent aussi disposer de « garde-fous logiques ». Coyle définit une ontologie comme des « données en graphes ». Oxford Semantic Technologies la décrit comme une structure de données composée de classes, propriétés et relations dans un domaine. Cette approche revient donc au centre de l’ingénierie des agents, après plusieurs décennies d’utilisation en intelligence artificielle. La présentation de Coyle détaille cette proposition.

Les ontologies structurent les concepts et les relations nécessaires à un domaine de connaissance. Coyle cite Schema.org, FOAF et Dublin Core, ainsi que RDFS et OWL. Ces technologies appartiennent à l’histoire du Web sémantique. Selon lui, leurs définitions figurent déjà dans les données d’entraînement des modèles de langage. Les développeurs peuvent donc demander aux modèles de les utiliser, plutôt que de concevoir chaque ontologie depuis zéro. Coyle montre aussi une boucle d’agent Claude qui valide le raisonnement du modèle après l’exécution d’un outil. Cette validation associe raisonnement probabiliste et règles symboliques. Coyle appelle cette combinaison l’IA néosymbolique. Il la présente comme une manière de maintenir le modèle dans ses garde-fous.

Neo4j organise trois ontologies

Emil Eifrem présente une autre application lors de la même conférence. Le directeur général de Neo4j décrit trois types d’ontologies destinées à former une base sémantique partagée pour les agents. La première est orientée métier. Elle décrit les concepts principaux d’une organisation. La deuxième est technique. Elle rassemble les métadonnées des sources et des actifs de données de l’écosystème de l’entreprise. La troisième concerne les traces d’exécution. Elle regroupe les signaux produits pendant le fonctionnement d’un agent. Neo4j oppose ainsi les agents épais, reliés manuellement aux sources, aux agents fins, appuyés sur une couche sémantique commune fondée sur des ontologies.

Kingsley Idehen combine également les technologies du Web sémantique avec l’ingénierie des agents. Le dirigeant d’OpenLink Software construit une pile comprenant un agent doté d’une mémoire RDF. Il explique qu’un grand modèle de langage traite efficacement le langage, tandis qu’une ontologie définit les types d’entités et de relations qui rendent ce langage calculable. Cette combinaison relie donc l’expression linguistique à un contexte exploitable par les machines. Idehen reconnaît toutefois un obstacle ancien : la maintenance et la mise à jour des ontologies. Le Web sémantique des années 1990 et 2000 n’a pas atteint sa promesse, notamment en raison de cette difficulté structurelle.

OWL borne les boucles probabilistes

Frank Coyle montre comment OWL peut contrôler une boucle d’agent. Il décrit une boucle comme un ensemble non borné entouré par un ensemble borné de règles. Une boucle peut se casser ou s’éloigner de son objectif. Dans son exemple, un raisonneur fondé sur une ontologie vérifie le comportement du modèle et le maintient sur sa trajectoire. Coyle formule aussi une distinction précise : le langage peut rester ambigu, tandis qu’un axiome OWL constitue une règle appliquée par une machine. Prasenjit Sarkar propose que l’agent mette lui-même à jour l’ontologie lorsqu’il rencontre des cas limites. Il souligne néanmoins que la maintenance demeure difficile.

Les débats de l’AIEWF portent aussi sur le contrôle des boucles et l’automatisation complète des chaînes logicielles. Plusieurs intervenants ne veulent pas encore adopter des usines logicielles entièrement automatisées. L’un des enseignements rapportés concerne la nécessité de garde-fous et d’humains dans la boucle. Cette préoccupation explique l’intérêt renouvelé pour des technologies plus structurées. Après la popularité du « vibe coding » en 2025, l’article observe un retour vers la discipline de l’ingénierie logicielle en 2026. Les ontologies deviennent alors un moyen proposé pour encadrer les modèles probabilistes. Cette évolution ne supprime pas les problèmes de maintenance signalés par Idehen et Sarkar. Pour aller plus loin, consultez notre guide sur déployer un agent IA en PME sans développeur.