Knowledge Graph : Définition et Exemples

Un Knowledge Graph (graphe de connaissances) est une structure de données qui organise l'information sous forme de réseau de relations entre des entités, permettant aux systèmes d'IA de comprendre et raisonner sur les liens entre différents concepts.

Définition complète

Un Knowledge Graph, ou graphe de connaissances, est une représentation structurée de l'information qui modélise les relations entre des entités du monde réel. Contrairement à une base de données classique organisée en tables, un Knowledge Graph utilise des triplets (sujet → relation → objet) pour capturer la richesse des connexions entre les concepts. Par exemple, "Paris → est la capitale de → France" ou "GPT-4 → est développé par → OpenAI".

Cette technologie est au cœur des moteurs de recherche modernes comme Google, qui utilise son propre Knowledge Graph depuis 2012 pour enrichir les résultats de recherche avec des informations contextuelles. Quand vous voyez un encadré d'informations à droite d'une recherche Google (date de naissance d'une personnalité, population d'une ville), c'est le Knowledge Graph qui fournit ces données structurées.

En intelligence artificielle, les Knowledge Graphs jouent un rôle crucial pour ancrer les modèles de langage dans des faits vérifiables. Ils permettent de réduire les hallucinations en offrant une source de vérité structurée que l'IA peut consulter. Cette approche hybride — combiner la puissance générative des LLM avec la précision factuelle des graphes de connaissances — est l'une des pistes les plus prometteuses pour améliorer la fiabilité des systèmes d'IA.

Dans le contexte du prompt engineering, comprendre les Knowledge Graphs permet de mieux structurer ses requêtes en explicitant les relations entre les concepts. Un utilisateur averti peut demander à un LLM de raisonner en termes de graphe, d'identifier des connexions implicites entre des idées, ou de construire une représentation structurée d'un domaine de connaissances à partir de texte brut.

Étymologie

Le terme "Knowledge Graph" a été popularisé par Google en mai 2012 lors du lancement de son système éponyme, avec le slogan "Things, not strings" (des choses, pas des chaînes de caractères). Le concept sous-jacent existait cependant depuis les années 1970 dans la recherche en intelligence artificielle, sous les noms de "réseaux sémantiques" et "ontologies". Le mot "graph" fait référence à la théorie des graphes en mathématiques, où l'information est représentée sous forme de nœuds (entités) reliés par des arêtes (relations).

Exemples concrets

Extraction de connaissances structurées à partir d'un texte

À partir du texte suivant, construis un Knowledge Graph sous forme de triplets (entité → relation → entité). Identifie toutes les entités nommées et leurs relations explicites et implicites : [coller le texte]

Enrichissement d'une recherche par raisonnement relationnel

En raisonnant comme un Knowledge Graph, quels sont les liens indirects entre l'intelligence artificielle et la médecine personnalisée ? Identifie les entités intermédiaires et les relations qui les connectent.

Vérification factuelle et réduction des hallucinations

Vérifie les affirmations suivantes en décomposant chacune en triplets sujet-relation-objet, puis évalue si chaque triplet est factuel, plausible ou incorrect : [liste d'affirmations]

Usage pratique

En prompt engineering, les Knowledge Graphs sont utiles pour demander à un LLM de structurer des informations complexes sous forme de relations explicites entre entités. Vous pouvez les utiliser pour créer des bases de connaissances à partir de documents non structurés, ou pour guider le raisonnement du modèle en lui demandant de tracer les connexions entre concepts. Cette approche est particulièrement efficace pour les tâches de synthèse, d'analyse comparative et de vérification factuelle.

Concepts liés

RAG (Retrieval-Augmented Generation)EmbeddingsOntologieWeb sémantique

FAQ

Quelle est la différence entre un Knowledge Graph et une base de données relationnelle ?

Une base de données relationnelle organise les données en tables avec des colonnes prédéfinies, ce qui impose un schéma rigide. Un Knowledge Graph, en revanche, utilise des triplets flexibles (sujet-relation-objet) qui permettent d'ajouter facilement de nouvelles relations et entités sans restructurer l'ensemble. Le Knowledge Graph excelle pour représenter des données hétérogènes et fortement interconnectées, là où une base relationnelle est plus adaptée aux données tabulaires uniformes.

Comment les Knowledge Graphs aident-ils à réduire les hallucinations des LLM ?

Les Knowledge Graphs servent de source de vérité externe que le LLM peut consulter via un système de RAG (Retrieval-Augmented Generation). Au lieu de se fier uniquement à sa mémoire paramétrique, le modèle peut vérifier les faits dans le graphe avant de répondre. Cette approche permet de ancrer les réponses dans des données vérifiées et de fournir des sources traçables pour chaque affirmation.

Peut-on demander à un LLM de créer un Knowledge Graph à partir d'un texte ?

Oui, c'est l'un des cas d'usage les plus courants. En demandant au LLM d'extraire des entités nommées et leurs relations sous forme de triplets, on peut construire un Knowledge Graph à partir de n'importe quel corpus textuel. Il est recommandé de spécifier le format de sortie souhaité (JSON, liste de triplets, format Mermaid pour la visualisation) et de demander au modèle de distinguer les relations explicites des relations inférées.

Voir aussi

RAG (Retrieval-Augmented Generation)Embeddings Hallucination Few-shot Prompting Chain of Thought Tokens

Recevez de nouveaux prompts chaque semaine

Rejoignez notre newsletter.