Ontologie

Tony Seale appelle l'ontologie l'interface par laquelle les agents comprennent les données : elle définit ce qui existe, ses propriétés et ses relations. Dans "There is a growing disconnect in the way people think about building AI agents" (2026-04-17), il met cela en regard du volet modèle de cette même architecture. Les modèles frontières se louent et n'importe qui peut construire un harnais, donc les deux se banalisent. Ce qui ne se banalise pas, c'est le modèle de domaine : la connaissance structurée et reliée qui capture la façon dont une organisation comprend le monde. La formule de Seale pour l'Agent Sémantique est (Model + Harness) + (Ontology + Data) ; tout le reste, il le traite comme un échafaudage destiné à disparaître.

Le texte antérieur "Philosophy Eats AI" (2025-05-30) fournit le raisonnement derrière cette affirmation. S'appuyant sur Michael Schrage et David Kiron dans MIT Sloan, Seale soutient que la plupart des organisations ne formalisent jamais, dans une structure lisible par machine, la façon dont elles créent de la valeur, si bien que leurs modèles apprennent à partir de bruit plutôt que de motifs significatifs. Son noyau ontologique émerge des cas d'usage qui produisent une valeur réelle et des questions de compétence qui testent chaque concept.

Padhi et ses coauteurs chez McKinsey (2026-10-01) placent ontologies et graphes de connaissances dans la couche sémantique de leur système d'exploitation pour l'IA, et recommandent de fixer la gouvernance sémantique comme étape précoce. Le Semantic Spine de Rakesh Gohel (2026-10-25) attribue à l'ontologie le premier des cinq maillons : elle dit ce que sont les choses, avant que le knowledge graph ne dise ce qui est vrai, que le context graph ne dise ce qui compte maintenant, et que le procedural graph ne dise quoi faire ensuite.