Doctorat,PhD · 2025
Anicet
Lepetit Ondo
Chercheur en intelligence artificielle et en ingénierie des connaissances, spécialisé dans les ontologies formelles, l’alignement sémantique, la réutilisation de systèmes d’alignement (SPARQL Query Rewriting, Ontology Merging) ainsi que les architectures de type transformer. Titulaire d’un doctorat en informatique de l’Université Laval, il allie expertise technique, rigueur scientifique et passion pour la transmission du savoir, qu’il met en œuvre à travers l’enseignement et l’accompagnement de projets de recherche.
Publications
6 publications académiques — thèse, articles de revue & actes de conférence
NSENGOU : Approche optimisée pour la réécriture automatique de requêtes SPARQL exploitant les alignements complexes d'ontologies
Université Laval · Novembre 2025 · hdl.handle.net/20.500.11794/178045
La réécriture de requêtes SPARQL constitue un mécanisme fondamental pour interroger de manière homogène des ontologies hétérogènes au sein du Web des données liées. Toutefois, la complexité inhérente aux alignements ontologiques, notamment ceux impliquant des correspondances riches de type (c : c), rend ce processus particulièrement difficile. La littérature actuelle s'intéresse surtout aux alignements simples (s : s) et partiellement complexes (s : c), généralement fondés sur des relations d'équivalence entre concepts. Ce choix tend à négliger les défis posés par des alignements plus expressifs, ainsi que le potentiel offert par les relations de subsomption pour l'élargissement du champ d'interrogation et l'amélioration de la pertinence des résultats, même en l'absence d'équivalences strictes. Par ailleurs, la complexité syntaxique de SPARQL constitue un frein pour les utilisateurs non spécialistes, qui peinent à exploiter pleinement les connaissances encapsulées dans ces ontologies alignées. Afin de pallier ces limitations, cette thèse introduit une approche innovante de réécriture automatique des requêtes SPARQL formulées en langage naturel, appliquée à des contextes d'ontologies complexes alignées. La méthode proposée s'appuie à la fois sur la transitivité des relations (équivalence et subsomption) et sur les capacités avancées des grands modèles de langage, tels que GPT-4. En intégrant ces éléments, l'approche se distingue par sa capacité à gérer efficacement des alignements complexes, en particulier ceux de type (c : c), tout en exploitant leur expressivité. Elle contribue également à faciliter l'accès aux ontologies alignées pour les utilisateurs non experts, offrant ainsi une solution flexible et performante pour l'interrogation de données hétérogènes.
Semantic Rewriting of SPARQL Queries: The Key Role of Subsumption in Complex Ontology Alignments
17th Int. Joint Conf. on Knowledge Discovery, Knowledge Engineering and Knowledge Management — Marbella, Spain · KEOD, SciTePress, pp. 99–107 · DOI: 10.5220/0013676700004000
This article introduces an innovative method for rewriting SPARQL queries in the context of complex ontology alignment by leveraging hierarchical relations such as subClassOf and subPropertyOf. The method relies on generalization and specialization links between concepts to retrieve relevant results, even when strict equivalences are missing. In addition, the use of natural language, assisted by the GPT-4 model, helps address the syntactic complexity of SPARQL and facilitates interaction with ontologies. Unlike existing approaches that focus mainly on simple (s: s) or semi-complex (s: c) alignments based on equivalence between source and target entities, our method reinforces semantic matching by explicitly incorporating subsumption relations. It also integrates complex (c: c) correspondences, which are often overlooked in the literature, thereby improving both query coverage and accuracy. Experiments conducted on ontology datasets in the conference domain confirm the method’s ability to capture a wide range of hierarchical relations. While the method is designed to be generic, further evaluations on large-scale ontologies are required to assess its robustness and generalizability.
Enhancing SPARQL Query Rewriting for Complex Ontology Alignments
International Journal of Web & Semantic Technology · DOI: 10.5121/ijwest.2025.16201
SPARQL query rewriting is a fundamental mechanism for uniformly querying heterogeneous ontologies in the Linked Data Web. However, the complexity of ontology alignments, particularly rich correspondences (c : c), makes this process challenging. Existing approaches primarily focus on simple (s : s) and partially complex ( s : c) alignments, thereby overlooking the challenges posed by more expressive alignments. Moreover, the intricate syntax of SPARQL presents a barrier for non-expert users seeking to fully exploit the knowledge encapsulated in ontologies. This article proposes an innovative approach for the automatic rewriting of SPARQL queries from a source ontology to a target ontology, based on a user's need expressed in natural language. It leverages the principles of equivalence transitivity as well as the advanced capabilities of large language models such as GPT-4. By integrating these elements, this approach stands out for its ability to efficiently handle complex alignments, particularly (c : c) correspondences , by fully exploiting their expressiveness. Additionally, it facilitates access to aligned ontologies for users unfamiliar with SPARQL, providing a flexible solution for querying heterogeneous data.
Optimization of Methods for Querying Formal Ontologies in Natural Language Using a Neural Network
16th Int. Conf. on Knowledge Engineering and Ontology Development (KEOD 2024) — Porto, Portugal · DOI: 10.5220/0012892600003838
A well-designed ontology must be capable of addressing all the needs it is intended to satisfy. This complex task involves gathering all the potential questions from future users that the ontology should answer in order to respond precisely to these requests. However, variations in the questions asked by users for the same need complicate the interrogation process. Consequently, the use of a question-answering system seems to be a more efficient option for translating user queries into the formal SPARQL language. Current methods face significant challenges, including their reliance on predefined patterns, the quality of models and training data, ontology structure, resource complexity for approaches integrating various techniques, and their sensitivity to linguistic variations for the same user need. To overcome these limitations, we propose an optimal classification approach to classify user queries into corresponding SPARQL query classes. This method uses a neural network based on Transformer encoder-decoder architectures, improving both the understanding and generation of SPARQL queries while better adapting to variations in user queries. We have developed a dataset on estate liquidation and Python programming, built from raw data collected from specialist forums and websites. Two transformer models, GPT-2 and T5, were evaluated, with the basic T5 model obtaining a satisfactory score of 97.22%.
Comparison of Approaches for Querying Formal Ontologies via Natural Language
9th International Symposium on Language & Knowledge Engineering (LKE 2024) — Dublin, Ireland · DOI: 10.13053/CyS-28-4-5309
The Semantic Web relies on the use of ontologies to ensure data sharing, reuse, and interoperability, thereby representing knowledge comprehensible to computers .However, querying ontologies, often performed using the SPARQL language, becomes a challenge, especially for non-expert users. Barriers include linguistic challenges due to syntactic complexity, the need to understand the underlying ontology structure, potential errors in query formulation, and difficulty expressing complex queries. To make knowledge access more user-friendly, this article explores ontology querying in natural language. We propose a reflection aimed at guiding future domain designers in the interrogation of ontologies in natural language, orienting them in their choice of approach according to the applications they will develop. The study relies on the application of Natural Language Processing (NLP) techniques, integrating tools such as Owlready2, RDFLIB, Protégé2000, and the Python programming language to achieve its goals. Three distinct approaches were evaluated for this purpose. The first approach, scenario-based, was tested on two separate ontologies: one related to university concepts and the other to estate settlement. This approach demonstrates remarkable adaptability across various ontologies. However, its effectiveness is closely linked to the types of scenarios and the specific jargon of the evaluated domain. The other two approaches, one based on SPARQL query patterns and the other on decision tree structure, were evaluated on a specific ontology, estate settlement. They show robust performance in terms of result accuracy. Nevertheless, their effectiveness depends on model training for named entity detection, node list 1 management, and enrichment of SPARQL query patterns, operating exclusively within this particular ontology.
Un point de bascule vers les données ouvertes dans les arts de la scène ?
CAPACOA · capacoa.ca/fr/2024/07/un-point-de-bascule-vers-les-donnees-ouvertes/
CAPACOA a publié un important rapport d'analyse sur les systèmes d'information qui soutiennent l'industrie du spectacle au Canada. Ce rapport s'inscrit dans la continuité des efforts déployés par CAPACOA et les partenaires d'Artsdata pour favoriser une transformation numérique axée sur les données ouvertes et l'alignement d'ontologies propres au domaine artistique.
Intérêts de Recherche
Mes principaux domaines d'expertise en IA et ingénierie des connaissances
Machine Learning
Développement d'algorithmes d'apprentissage automatique et deep learning, avec un accent sur les architectures transformer et les modèles de langage de grande taille (LLM).
Traitement du Langage Naturel
Analyse, génération et compréhension du langage par IA. Interfaces en langage naturel pour les systèmes à base de connaissances et les ontologies formelles.
Ontologies & Web Sémantique
Alignements d'ontologies, réécriture de requêtes SPARQL, fusion d'ontologies et interopérabilité des données liées dans le Linked Data Web.
Expériences Professionnelles
Trajectoire académique et professionnelle au Canada et au Cameroun
Cours : IFT-2003 — Intelligence Artificielle I
- Conception et organisation des contenus pédagogiques adaptés aux besoins des étudiants.
- Enseignement interactif favorisant la participation et la réussite des étudiants.
- Évaluation via devoirs, examens et projets ; retour constructif pour soutenir la progression.
- Collaboration avec les collègues et gestion administrative du cours.
Cours : IFT-2003 — Intelligence Artificielle I
- Évaluation des performances des étudiants via devoirs, examens et projets ; retour constructif pour soutenir la progression.
- Rédaction de procédures techniques et rapports de validation pour assurer transparence et traçabilité.
- Correction d'erreurs, suppression des doublons, gestion des valeurs manquantes et détection d'anomalies.
- Journalisation des changements apportés aux ensembles de données pour renforcer l'audibilité.
- Accompagnement des utilisateurs aux bonnes pratiques de saisie et validation des données.
- Montage et préparation des postes en réseau avec Autopilot et avec SCCM
- Installation et configuration des imprimantes réseaux et personnelles
- Offrir un excellent service clientèle en mettant de l’avant son attitude positive, autonome et professionnelle
- Gestion des requêtes utilisateurs via C2 Entreprise
- Gestion des arrivées et départs utilisateurs : Assurer la création de comptes pour les nouveaux utilisateurs, la configuration des accès, et la désactivation sécurisée des comptes des utilisateurs quittant l'organisation.
- Maîtrise de SCCM : Utilisation de Microsoft EndPoint Manager (SCCM) pour la gestion centralisée des postes de travail, incluant la distribution des logiciels, la gestion des mises à jour, et le suivi de la conformité des configurations.
- Gestion des services AD : Assurer une maîtrise complète de l’Active Directory pour gérer les utilisateurs, les groupes, les unités organisationnelles, et les politiques de groupe.
- Contrôle d’accès : Implémentation et gestion des systèmes de contrôle d'accès des utilisateurs, en veillant à ce que les droits d’accès soient accordés selon les besoins et que les accès non autorisés soient évités. Cela inclut la gestion des groupes de sécurité, des rôles et des permissions, et l’audit régulier des accès pour détecter les anomalies.
- Gestion des services Microsoft 365, incluant Exchange, Teams, SharePoint, et OneDrive.
- Administration des systèmes de messagerie vocale : Gestion des boîtes vocales des utilisateurs, incluant la configuration, la gestion des accès ;
- Alignement des sources de données à l'aide d'ontologies spécifiques au domaine des arts de la scène.
- Création d'un cadre harmonisé facilitant l'intégration et l'interopérabilité des données artistiques.
- Rapport : Ondo, A. L., Saumier-Finch, G., Vézina-Topping, L. (2024). Renforcer et lier les systèmes d'information des arts de la scène. CAPACOA.
Contact
N'hésitez pas à me contacter pour toute collaboration ou question de recherche