Conférence Antidot au salon Documation 2011 Commandez votre badge visiteur gratuit pour l'édition 2012: http://bit.ly/vZlsN4

1. De la « recherche fédérée de documents »
au véritable « accès unifié à l’information »
Documation 2011 - Paris

2. SOCIÉTÉ ANTIDOT
Editeur logiciel
depuis 1999 | Paris, Lyon, Aix-en-Provence
Solution de recherche et d’accès à l’information
eCommerce | Portails | Média | Entreprises
Produits (SaaS ou licence)
AIF : workflow de valorisation des données
AFS : moteur de recherche
CKS : services collaboratifs
2

3. PARMI NOS CLIENTS
Entreprises Média eCommerce
Institutions
Santé
3

4. PLAN
Le problème La réponse La solution Un exemple
Les limites de
Penser l’accès à Capter, Penser,Le projet
la « recherche
l’information Valoriser, Isidore
fédérée » de un espace
dans Exposer (TGE Adonis
documentsunifié l’information CNRS)
4

5. Les limites de la recherche fédérée de documents
LE PROBLÈME

6. LES DIFFICULTÉS DE « LA RECHERCHE FÉDÉRÉE DE DOCUMENTS »
Des silos de
données cloisonnés Des données hétérogènes
Des référentiels Une terminologie
épars et incomplets subjective
6

7. LE MOTEUR DE RECHERCHE : UN OUTIL MIRACLE ?
7

8. LES LIMITES DE « LA RECHERCHE FÉDÉRÉE DE DOCUMENTS »
Recette de cuisine de la recherche fédérée
Collectez Indexez Servez
8

9. AU MIEUX, UNE JUXTAPOSITION DE DOCUMENTS
L’utilisateur n’est pas acteur de sa recherche.
9

10. Penser l’accès à l’information dans un espace unifié et enrichie
LA REPONSE

11. MODÉLISER, LIER ET ANNOTER LES INFORMATIONS
Créer la cohérence et lier les données par l’utilisation de référentiels
Référentiels
terminologiques
Traces,
annotations,
sélection
des utilisateurs
Annuaire
d’entreprise
11

12. MODÉLISER, LIER ET ANNOTER LES INFORMATIONS
Créer une cohérence et de l’information
par la mise en relation des différents silos
12

13. MODÉLISER, LIER ET ANNOTER LES INFORMATIONS
Utiliser la nature des données sources
fait
et réf
a
suj ére
po
o ur nce
ur
ap à
su
je
t
cite inclut
CR de Fiche Courriel page Web
réunion produit r
t eu
et ire
aut
aut
eur ém ata
eur
par tin eà
ticip s enc
ant de fér
t ré
fa i
une personne
13

14. PENSER UN WORKFLOW DE TRAITEMENT DES DONNÉES
Processus d’enrichissement adapté aux données
s’appuyant sur les référentiels
Entrepôt RDF
(Linked Data)
Enrichissement
Captation Sémantisation
Content
Repository
Normalisation Classification
Annotation
Indexation Moteur de
recherche AFS
14

15. S’APPUYER SUR LES TECHNOLOGIES DU WEB SÉMANTIQUE
Un cadre d’interopérabilité pour mettre à disposition,
consulter, lier et partager des données
Un mécanisme
Un protocole Un principe Un « langage »
d’identification
HTTP URL/URI L’hypertexte RDF
15

16. LE MOTEUR DE RECHERCHE : HUB DE L’ACCÈS UNIFIÉ À
L’INFORMATION
16

17. CRÉER DE LA VALEUR POUR LES UTILISATEURS
17

18. Capter, penser, valoriser, exposer l’information
LA SOLUTION

19. Capter, valoriser et traiter l’information
ANTIDOT INFORMATION FACTORY

20. ANTIDOT INFORMATION FACTORY
Antidot Information Factory : un outil
industriel et évolutif
Une chaîne de Un cadre de Un modèle
captation développement d’Unité Documentaire
et de traitement
20

21. AIF : UNE CHAÎNE DE TRAITEMENT
Créer des chaînes de traitement de données par assemblage de
modules
Sources de Module Modules de transformation
données connecteur et enrichissement
21

22. AIF : UN CADRE DE DÉVELOPPEMENT
Un cadre de développement pour construire des modules
50+ filtres prêts à l’emploi +
Un environnement d’exécution
22

23. AIF : UN MODÈLE D’UNITÉ DOCUMENTAIRE
Le document
est composite
est dynamique
évolue dans le temps
est un objet géré
de façon unifiée
23

24. AIF ET LE WEB SÉMANTIQUE
AIF met le Web sémantique au service de la gestion de
l’information en entreprise
Support des standards SKOS, OWL, RDF, SparQL dans AIF
Indexation du RDF
Intégration native :
Thésaurus Software
Software
Publisher
Publisher
type
Taxonomies
Règles d’inférence label
antidot
loves
w3c:RDF
w3c:RDF
Antidot
antidot a :publisher ;
:loves w3c:RDF .
24

25. Rechercher l’information
ANTIDOT FINDER SUITE

26. AFS V7 QUERY ENGINE
Recherche plein texte avec fonctions linguistiques :
extension automatique
suggestion orthographique
expressions contextuelles
26

27. AFS V7 QUERY ENGINE
Recherche phonétique
27

28. AFS V7 QUERY ENGINE
Autocomplétion intelligente pendant la saisie de la requête
28

29. AFS V7 QUERY ENGINE
Recherche multicritères avancée
29

30. AFS V7 QUERY ENGINE
Recherche à facettes
30

31. AFS V7 QUERY ENGINE
Tag clouds : nuage de mots-clés les plus utilisés dans le corpus
31

32. AFS V7 QUERY ENGINE
Construction de requêtes à partir des métadonnées d’une fiche
32

33. AFS V7 QUERY ENGINE
Catégorisation : classification automatique des
documents selon une taxonomie donnée
33

34. Annoter et partager l’information
COLLABORATIVE KNOWLEDGE SUITE

35. CKS : RECHERCHE COLLABORATIVE
Capitaliser
Enregistrer
Requêtes
Réponses
Organiser
Dossiers
Tags
35

36. Exposer l’information
ANTIDOT CONTENT REPOSITORY

37. RENDRE ACCESSIBLE LES CONTENUS ENRICHIS PAR AIF
API Web
Linked Data
37

38. Le projet Isidore
UN EXEMPLE
Stéphane Pouyllau, TGE Adonis (CNRS)
@spouyllau
http://www.lespetitescases.net

39. LE TRÈS GRAND ÉQUIPEMENT ADONIS (CNRS)
Le Très grand
équipement du CNRS
pour les sciences
humaines et sociales
Adonis : Accès unifié
aux données et
documents
numériques des
sciences humaines et
sociales
www.tge-adonis.fr
39

40. LES OBJECTIFS DU TGE ADONIS
3 axes :
Accès aux données :
ISIDORE
Accompagnement des
communautés scientifiques
en matière de numériques :
données > publications
Stockage et archivage à
long terme des données
numériques
40

41. LES BESOINS D’ISIDORE
Donner accès à des données numériques réparties
Des données structurées pour qualifier du texte intégral
En entrée : utilisation de standards internationaux
En sortie : données enrichies et normalisées (RDF + Sparql)
Enrichissement : plusieurs traitements/multiples référentiels
entrant plusieurs couches de traitements
Construire un « hub » pour les métadonnées et les données des
SHS
Proposer des services d'accès aux données multiples :
• IHM Web
• API
• Triple store RDF
41

42. LES ENJEUX D’ISIDORE
Valoriser le travail de structuration scientifique (humains) sur les
méta-données pour qualifier les données non structurées
Replacer l'expertise humaines et le savoir scientifique dans les données en ligne
Enrichir les méta-données et les données
Vers de nouveaux champs de recherche
Les ré-exposer selon les principes du linked data dans le web de
données
Ouverture des données publiques de la recherche en sciences
humaines et sociales
42

43. Perspectives au contexte des entreprises
EN GUISE DE CONCLUSION

44. PERSPECTIVES : DANS TOUT CONTEXTE D’ENTREPRISE
Indexation
Service de
recherche
AFS
Export
Document Content repository
Manager
génération
du RDF
Entrepôts RDF
SPARQL endpoint
44

45. Merci pour votre attention
Venez échanger avec nous
et découvrez AIF, AFS et CKS
sur le stand E 16