Les systèmes numériques ont de plus en plus besoin d’échanger des informations et de fonctionner ensemble. Dans le domaine de l’énergie intelligente, par exemple, les compteurs intelligents, les systèmes de gestion de l’énergie, les pompes à chaleur, les véhicules électriques et les bornes de recharge produisent et échangent en permanence des données.
Cependant, l’échange de données ne garantit pas que les différents systèmes les interprètent de la même manière. Prenons une valeur simple : Puissance = 7. Sans informations supplémentaires, un système ne peut pas déterminer si 7 correspond à W ou à kW, quel type de puissance cela représente, ni à quel appareil cela fait référence.
Alors qu’un être humain peut interpréter ce type d’information à partir de son contexte, les machines ont besoin que la signification soit explicitement définie. Les ontologies répondent à ce besoin en fournissant une représentation structurée et partagée des concepts et de leurs relations, aidant ainsi les systèmes à interpréter les informations échangées de manière cohérente.
Qu’est-ce qu’une ontologie ?
Le terme « ontologie » trouve son origine en philosophie, où il désigne l’étude de ce qui existe et de la manière dont les choses sont classées. En informatique et en sciences de l’information, Tom Gruber (1995) définit une ontologie comme une « spécification explicite d’une conceptualisation » [1]. Une ontologie constitue un vocabulaire formalisé pour un domaine donné, c’est-à-dire un domaine spécifique de connaissances tel que la mobilité électrique. Elle définit les termes utilisés dans ce domaine ainsi que leurs relations, afin que leur signification puisse être partagée et traitée par des machines [2].
Une ontologie est bien plus qu’une simple liste de termes. Comme l’illustre la figure 1, une classe représente un concept général, tel que « Véhicule électrique » ; un individu est une instance spécifique de cette classe, telle que « EV_01 ». Une propriété décrit une caractéristique, telle que « État de charge », tandis qu’une relation relie des concepts ou des individus, par exemple un « Véhicule électrique » possède une « Batterie » [3].
Ensemble, ces éléments rendent explicites les connaissances du domaine et fournissent à différentes applications et à différents systèmes un vocabulaire commun dont la signification est partagée [3].

Figure 1. Exemple des éléments fondamentaux représentés dans une ontologie.
Des ontologies à l’interopérabilité sémantique
Pour qu’un logiciel puisse traiter les connaissances issues d’une ontologie, celles-ci doivent se présenter sous une forme lisible par machine, c’est-à-dire une structure que le logiciel peut interpréter directement. Le RDF (Resource Description Framework) représente l’information sous la forme d’un graphe constitué d’énoncés simples appelés « triplets ». Chaque triplet contient un sujet (l’entité décrite), un prédicat (la relation ou la propriété) et un objet (l’entité ou la valeur associée) [4], RDF est standardisé et recommandé par le W3C (le World Wide Web Consortium, abrégé par le sigle W3C, qui est un organisme de standardisation promouvant la compatibilité des technologies du World Wide Web et fondé Tim Berners-Lee qui est aussi le créateur du Web Sémantique). La figure 2 illustre trois triplets RDF à partir de l’exemple du véhicule électrique présenté ci-dessus, montrant l’appartenance du véhicule et de sa batterie à leurs classes respectives ainsi que la relation entre eux. OWL (Web Ontology Language) est un langage d’ontologie qui fournit des moyens formellement définis pour décrire des classes, des propriétés, des individus et des relations logiques [5] aussi standardisé et recommandé par le W3C.

Figure 2. Graphe RDF illustrant trois triplets sujet–prédicat–objet relatifs à un véhicule électrique et à sa batterie.
Différents systèmes peuvent représenter un même type d’information de différentes manières. Pour reprendre l’exemple de la puissance, le système A peut la représenter sous la forme « Power = 7000 W », le système B sous la forme « Power = 7 kW » et le système C sous la forme « Power = 7, Unit = kW ». Pour une représentation combinée telle que « Power=7kW », une étape d’analyse syntaxique (parsing) permet de séparer la valeur numérique (7) de l’unité (kW). Une conversion d’unités peut ensuite être effectuée si nécessaire, par exemple pour convertir 7000 W en 7 kW. Toutefois, ces représentations ne peuvent être considérées comme équivalentes que si elles désignent le même type de puissance et se rapportent à un contexte de mesure compatible.
Des règles de mapping prédéfinies permettent ensuite d’associer les informations extraites aux concepts et aux propriétés d’une ontologie partagée, afin de produire une représentation RDF commune de la mesure de puissance, comprenant sa valeur numérique (7) et son unité (kW). Le langage RML (RDF Mapping Language) permet de définir des règles de mapping de sources de données structurées vers RDF [6]. L’analyse des données et la conversion d’unités nécessitent une logique de transformation explicite, appliquée soit avant le mapping, soit au moyen de fonctions prises en charge. Lorsque les systèmes utilisent des ontologies différentes, l’alignement d’ontologies peut établir des correspondances entre leurs concepts et leurs propriétés, à condition que leurs significations soient compatibles [7]. RDF et OWL fournissent la représentation sémantique, mais n’effectuent pas automatiquement ces transformations. La figure 3 illustre ce processus.
Ensemble, ces étapes favorisent l’interopérabilité sémantique, c’est-à-dire la capacité de différents systèmes à échanger des informations tout en préservant une compréhension commune de leur signification, et pas seulement de leur format. La norme ISO/IEC 21823-3 traite de l’utilisation des ontologies pour l’interopérabilité sémantique dans les systèmes de l’Internet des objets (IoT) [8]. Les relations formelles définies dans une ontologie peuvent également permettre le raisonnement, grâce auquel un logiciel déduit de nouvelles informations à partir de faits et de relations déjà représentés [5].

Figure 3. Différentes représentations de l’information relative à la puissance mises en correspondance avec une signification sémantique commune.
Les ontologies dans les systèmes énergétiques intelligents
Le besoin d’une signification commune est particulièrement manifeste dans le domaine de l’énergie intelligente, où les réseaux, les compteurs intelligents, la production d’énergie renouvelable, les batteries, les bâtiments, les pompes à chaleur, les systèmes de gestion de l’énergie et les véhicules électriques interagissent de plus en plus. Ces systèmes peuvent provenir de domaines et de fournisseurs différents et utiliser des modèles de données distincts, même lorsqu’ils décrivent des informations énergétiques connexes.
Un exemple concret est le SAREF (Smart Applications REFerence ontology), un modèle de référence commun destiné à décrire les applications intelligentes. L’initiative a débuté en 2014/2015 par une étude commanditée par la Commission européenne portant sur les ressources sémantiques existantes, c’est-à-dire les normes, protocoles, modèles de données et ontologies utilisés pour décrire les appareils intelligents. Une cinquantaine de ressources ont été identifiées, les concepts récurrents ont servi de base de départ, et le SAREF a été publié sous la référence ETSI TS 103 264 en novembre 2015 [9].
Aujourd’hui, SAREF est une suite de normes ouvertes de l’ETSI destinées à soutenir l’interopérabilité sémantique entre les fournisseurs et les secteurs. Son ontologie de base définit des concepts largement réutilisables, tandis que des extensions de domaine ajoutent des concepts pour des secteurs tels que l’énergie, le bâtiment, l’automobile et les réseaux intelligents [9]. SAREF complète les technologies de communication et de contrôle en rendant explicite la signification des informations échangées. La figure 4 illustre ce principe à travers un écosystème énergétique intelligent dans lequel différents systèmes peuvent être décrits à l’aide d’un modèle sémantique commun, tel que le cœur de SAREF et ses extensions de domaine pertinentes.

Figure 4. Représentation conceptuelle d’une couche sémantique commune à l’ensemble d’un écosystème énergétique intelligent.
Les ontologies dans la mobilité électrique : l’exemple de la recharge intelligente
Les véhicules électriques constituent un exemple parlant, car la recharge fait le lien entre les domaines de la mobilité et de l’énergie. La norme ISO 15118 est une famille de normes régissant la communication entre un véhicule électrique et un équipement de recharge [10]. L’OCPP (Open Charge Point Protocol) normalise la communication entre les bornes de recharge et les systèmes de gestion centraux [11]. Ces technologies définissent la manière dont les informations sont échangées au niveau de leurs interfaces, tandis que les ontologies traitent de la question complémentaire de la signification de ces informations d’un système à l’autre et d’un modèle de données à l’autre.
La figure 5 illustre un scénario de recharge intelligente dans lequel un véhicule électrique arrive au domicile à 18h00 avec un état de charge (State of Charge, SOC) de 30%, et l’utilisateur demande que cet état atteigne 80% au plus tard à 7h00 le lendemain matin. Les informations pertinentes peuvent provenir du véhicule électrique, du chargeur, des besoins de l’utilisateur, de la demande du bâtiment, de la production locale et du réseau énergétique. Ces données d’entrée nécessitent des significations cohérentes pour des concepts tels que « batterie », « état de charge », « puissance de recharge » et « durée de recharge ».
Une ontologie peut fournir cette représentation sémantique partagée. Un système de gestion ou d’optimisation de l’énergie peut alors utiliser ces informations décrites sémantiquement pour déterminer une stratégie de recharge. L’ontologie décrit la signification des informations; les composants d’optimisation et de contrôle restent chargés de décider et d’exécuter l’action de recharge.

Figure 5. Scénario illustratif de recharge intelligente montrant comment des informations décrites de manière sémantique peuvent soutenir une application de gestion de l’énergie.
Quelle valeur apportent les ontologies ?
Dans tous ces exemples, les ontologies fournissent une signification commune, facilitent l’intégration d’informations provenant de différents systèmes et permettent la réutilisation des concepts propres à un domaine. Les connaissances étant exploitables par des machines, les logiciels peuvent les interroger, c’est-à-dire extraire des informations en fonction de concepts et de relations définis, et peuvent recourir au raisonnement lorsque cela s’avère pertinent [3][8].
Les modèles basés sur des ontologies peuvent également faciliter la validation, c’est-à-dire vérifier si les données respectent les exigences définies. Chez Trialog, ce principe est mis en œuvre grâce à l’outil « Ontology-Driven Constraint (ODC) Tester » [12]. Il combine le mappage ontologique avec le SHACL (Shapes Constraint Language) [13], un langage standardisé et recommandé par le W3C permettant de valider des graphes RDF par rapport à des conditions définies, et génère des rapports de conformité indiquant si les exigences sélectionnées sont satisfaites.
À mesure que les systèmes énergétiques deviennent de plus en plus interconnectés, l’échange de données ne représente qu’une partie du défi de l’interopérabilité. Les ontologies fournissent une base sémantique commune qui aide les systèmes hétérogènes à préserver et à exploiter la signification des informations dans les applications liées à l’énergie intelligente et à la mobilité électrique.
Références
- Gruber, T. R. Toward Principles for the Design of Ontologies Used for Knowledge Sharing. International Journal of Human-Computer Studies, 43(5–6), 907–928, 1995. Source
- W3C Recommendation. OWL 2 Web Ontology Language: Document Overview (Second Edition). Source
- Noy, N. F. and McGuinness, D. L. Ontology Development 101: A Guide to Creating Your First Ontology. Stanford Knowledge Systems Laboratory, Technical Report KSL-01-05, Stanford University, 2001. Source
- W3C Recommendation. RDF 1.1 Concepts and Abstract Syntax. Source
- W3C Recommendation. OWL 2 Web Ontology Language: Structural Specification and Functional-Style Syntax (Second Edition). Source
- RDF Mapping Language (RML). Source
- Euzenat, J. and Shvaiko, P. Ontology Matching, 2nd Edition. Springer, 2013. Source
- ISO/IEC 21823-3:2021. Internet of things (IoT) — Interoperability for IoT systems — Part 3: Semantic interoperability. Source
- ETSI. A Brief History of SAREF / Smart Applications REFerence Ontology. Source
- ISO 15118-1:2019. Road vehicles — Vehicle to grid communication interface — Part 1: General information and use-case definition. Source
- Open Charge Alliance. OCPP Protocols. Source
- Ontology-Driven Constraint (ODC) Tester, Trialog. Source
- W3C Recommendation. Shapes Constraint Language (SHACL). Source


