Web sémantique : article primé de Yiwen Peng, Thomas Bonald et Fabian Suchanek

lundi 16 février 2026

Fabian Suchanek, Yiwen Peng, Thomas Bonald

Yiwen Peng, doctorante, Thomas Bonald et Fabian Suchanek, chercheurs à Télécom Paris – Institut Polytechnique de Paris, se voient décerner le Best Paper Award à la 24ᵉ édition de l’International Semantic Web Conference (ISWC 2025) pour leur publication intitulée “FLORA: Unsupervised Knowledge Graph Alignment by Fuzzy Logic”, publiée dans les actes de la conférence.

International Semantic Web Conference ISWC est la conférence internationale phare dans le domaine du Web sémantique et des graphes de connaissance, réunissant chaque année les meilleurs travaux scientifiques sur les technologies sémantiques, les connaissances structurées et l’intelligence artificielle symbolique. Le best paper award récompense chaque année des contributions jugées particulièrement novatrices et prometteuses par les membres du comité scientifique.

À la croisée des graphes de connaissance et de la logique floue

Le papier primé présente FLORA, une nouvelle méthode pour l’alignement de graphes de connaissance (knowledge graph alignment), une tâche centrale en science des données et en intelligence artificielle. L’alignement consiste à reconnaître et à associer des entités et des relations équivalentes entre deux graphes, par exemple entre des bases comme Wikidata et YAGO, afin de fusionner des informations provenant de sources hétérogènes et d’améliorer ainsi l’interopérabilité des connaissances.

Ce problème est fondamental dans de nombreux domaines applicatifs, notamment :

L’intégration de données provenant de sources diverses,
La réponse à des questions complexes sur des bases de connaissances multiples,
Ou encore le raisonnement symbolique en IA.

Traditionnellement, les approches d’alignement reposent souvent sur des techniques d’apprentissage supervisé ou des représentations vectorielles (embeddings) nécessitant des données annotées, ce qui limite leur utilisation pratique.

Une approche interprétable, non supervisée et robuste

Ce qui distingue FLORA est sa conception entièrement non supervisée : la méthode ne requiert aucune donnée d’entraînement annotée, ce qui la rend applicable à des scénarios où de telles ressources sont rares ou coûteuses à produire. Elle se base sur les principes de logique floue (fuzzy logic), apportant une dimension interprétable aux processus de décision. Cette approche permet non seulement d’aligner efficacement les entités, mais aussi les relations entre elles, avec des garanties mathématiques de convergence et la capacité de gérer les entités sans équivalent (dangling entities).

Les résultats expérimentaux présentés dans l’article montrent que FLORA atteint des performances de pointe sur plusieurs bancs d’évaluation reconnus, confirmant sa valeur scientifique et pratique.

Un rayonnement scientifique accru pour Télécom Paris

Cette récompense illustre l’excellence de la recherche menée à Télécom Paris dans les domaines du Web sémantique, des graphes de connaissance et de l’IA. Elle souligne la capacité de nos équipes à produire des travaux à fort impact scientifique et à contribuer significativement aux avancées de la communauté internationale.

Nos félicitations les plus chaleureuses à Yiwen Peng, Thomas Bonald et Fabian M. Suchanek (équipe Données, Intelligence, Graphes du laboratoire LTCI de Télécom Paris) pour cette distinction exceptionnelle !