Où en est Wikidata ?

Ça fait quelque temps que je me dis que je devrais faire un truc sur Wikidata. Je m’étais un peu impliqué dans les questions relatives aux traitements de données encyclopédiques en début d’année. J'avais d'ailleurs commencé à rédiger un billet sur le sujet en mars, sans avoir eu le temps de le terminer. Vu que quasiment toutes les informations qu'il contient ont été médiatisées, je préfère aborder le sujet par un autre biais.

Le projet Wikidata a pas mal progressé depuis son lancement. On trouve sur le site pas mal de précisions intéressantes, qui n’ont pas forcément été relayés en français.

A mon avis, la page la plus intéressante concerne la définition du Data model, soit le mode de présentation des données. Cette définition n’est pas d’ordre technique, mais d’ordre épistémologique et intéresse à mon avis directement les contributeurs de Wikipédia, indépendamment de leurs compétences informatiques. Je ne m’en tiendrai ici qu’à la définition relativement simple présentée dans l’Overview. Il va sans dire que, concrètement, les choses sont beaucoup plus complexes — je m’excuse par avance si je simplifie à outrance les procédés réellement utilisés.

La grammaire wikidatienne repose sur une vision dénotative du langage. En lieu et place des mots, on trouve des items, soit des symboles purement référentiels. On donne ainsi pour exemple la ville de Berlin qui renvoie sans ambiguïté possible à une entité humaine unique, correspondant à un territoire strictement défini. Toutes les mots n’ont malheureusement pas la même portée référentielle. Outre, les homonymes, il y a aussi les termes et concepts flottants, généralement difficiles à traduire d’une langue à l’autre. Créer un item à partir de socialisme ou de culture risque de poser quelques difficultés.

A chaque item correspond une liste de statements. Chaque statement prétend reproduire un état de la réalité, au sens où l’entendait Wittgenstein.

La proposition construit un monde au moyen d'un échafaudage logique, et c'est pourquoi l'on peut voir dans la proposition, quand elle est vraie, ce qu'il en est de tout ce qui est logique. On peut d'une proposition fausse tirer des inférences (Tractatus Logico-Philosophicus, 4.023)

Le Statement se décompose en valeur (value) et en propriété (property). La value exprime « un nombre, une date, des coordonnées géographiques et plein d’autres choses ». Elle donne une indication de mesure qui permet de cerner une proportionnalité (x=n) ou une situation (x se trouve sur n). Chaque valeur est rattachée à une propriété. Cette dernière spécifie une qualité de l’item. Ainsi, sous l’item Berlin, on trouve la propriété population, à laquelle correspond la valeur 3 499 879.

Jusqu’ici les choses sont relativement simples. Les relations entre les trois signes fondamentaux permettent d’emblée d’exprimer certains énoncés relativement simples. Avec item=Berlin, property=population et value=3 499 879, on peut générer une phrase comme « Berlin compte 3 499 879 habitants ».

Là où ça se complique un peu, c’est que nos trois signes se combinent pour former de nouveaux signes. Le lien entre propriétés et valeur s’exprime au travers d’un datatype. A côté de la propriété population, on trouverait ainsi un datatype=people. Le datatype assure ainsi une fonction d’appariement : il permet d’éviter de mêler indistinctement la population de Berlin avec les coordonnées géographiques de Paris.

En outre, les propriétés ne comportent pas obligatoirement de valeurs. Le cas échéant, elles constituent des snaks, soient de simples qualifications qui améliorent la précisions des énoncés. A partir du snak commune ou cité, on génère ainsi des phrases comme : « la ville de Berlin compte 3 499 879 habitants ». On évite ainsi les confusions entre ville et agglomération urbaine.

Arbre des Snaks sur Wikidata (CC/BY/SA : http://meta.wikimedia.org/wiki/Wikidata/Data_model#Snak)

Ces données n’échappent bien entendu aux principales règles encyclopédiques. Suivant en cela les prescriptions de la Neutralité de point-de-vue, elles seront référencées à partir d’un champ intitulé ReferenceRecord.

Ces combinaisons syntaxiques permettent de produire des énoncés considérablement plus complexe. Rien ne s’oppose ainsi à ce que la phrase suivante, présente dans le résumé introductif de l’article Paris, ne soit généré par Wikidata :

Ici, Paris figure l’item. Le recensement de l’Insee et la note de bas-de-page qui l’accompagne sont du ressort du ReferenceRecord. La date (1er janvier 2009) et la population (2,2 millions d’habitants) résultent d’autant de combinaisons propriété-valeur. Enfin, la précision « commune de » constitue un snak.

Comme toute logique formelle, cette grammaire wikidatienne est universellement traduisible. Pour reprendre à nouveau Wittgenstein :

La traduction d'une langue dans une autre ne se produit pas par la traduction d'une proposition de l'une dans une proposition de l'autre ; seuls sont traduits les constituants de la proposition (Tractatus Logico-Philosophicus, 4.025)

Le transfert peut ainsi fonctionner dans les deux sens : traduction vers, et traduction à partir de. Concrètement, la phrase citée plus haut de l’article Paris est aspirée par la base de donnée. Chacun de ces composants reçoit une affectation sur Wikidata. Ce transfert devrait se passer sans encombre pour les énoncés déjà intégré dans un modèle — il va sans dire que tout ce qui se trouve dans un modèle débarque ipso facto dans ReferenceRecord. Par contre, la transcription des énoncés nus devraient peut-être poser un peu plus de souci (dans « la commune de Paris », il n’est pas forcément évident de repérer l’item et le snak).

La traduction à partir de pose sans doute moins de soucis. Il s’agit de transporter les statements stockés par Wikidata dans une langue naturelle, en recourant aux tournures usuelles employées, par exemple, pour énoncer la population d’une ville. On mesure tout de suite l’importance de ce type de génération textuelle pour les petits wikis, qui ne disposent pas d’une communauté suffisamment importante pour recueillir manuellement certaines informations essentielles. Dans une hypothétique Wikipédia syldave on pourrait ainsi retrouver :

Sous réserve de réaliser toutes ses promesses, Wikidata peut avoir une certaine incidence sur la dissémination du savoir en France. Le développement des wikipédias en langues régionales ou dans les langues d’outre-mer (Wikimédia France s’était dernièrement beaucoup investit dessus) ne pourra qu’en être facilité.

wiki-roman-feuilleton (1/60)

Petit avertissement inaugural : ceci est le premier épisode d'un roman d'anticipation qui se passe en 2041. Il ne prétend absolument pas décrire la wikipédia d'aujourd'hui, même si certains enjeux et thématiques pourront paraître familiers. Comme beaucoup de récits de science-fiction, celui-ci possède une terminologie spécifique (encyclopédie première, encyclopédie seconde…) qui s'éclairera progressivement.

— Bien dormi ?

Le conversant s’allumait aussitôt qu’il percevait un ratio suffisant de mouvements musculaires, respirations saccadées et grognements pour laisser présager de l’état d’éveil. Ramaad se retourna deux ou trois fois. Il lui répondit sans vraiment s’en rendre compte :

— Oui, oui…

Le conversant ne réagit pas tout de suite. Il laissa s’écouler quelques dizaines de secondes vraisemblablement nécessaires à l’établissement d’une situation de communication rassérénée. Ramaad eut le temps de tendre plusieurs fois bras et jambes. Il entreprit finalement de se lever. Le conversant jugea approprié de lui demander :

— Pas de souci ?
— Non, non…
— Tu es sûr ?
— Oui, oui…
— Si tu en as, n’hésite pas à me le dire. Je suis ton ami. Tu peux tout me confier.

Ramaad éteignit le conversant. Il le faisait rarement — mais beaucoup plus que la moyenne des gens qu’il connaissait. Il inspira bruyamment. Le silence lui faisait du bien. Il avait besoin de réveiller ses sens — d’apprécier les variations de pression et de température de l’air environnant. Sur ce, il s’avançait vers la cuisine.

Il avait des soucis. Petit à petit, il perdait le sentiment de dormir. Le soir, au moment de se coucher, il pensait au travail de la veille, d’abord logiquement, puis de plus en plus obscurément. Il pensait dormir une fois atteints certains stades d’obscurités trop prononcés pour partager une quelconque ressemblance avec la réalité des choses. Il n’en était pas sûr.
Hier soir, il songeait au devenir de deux synonymes particulièrement proches : paisible et tranquille. Fallait-il distinguer deux catégories ? Les fusionner en une seule ? Si tel était le cas quel terme serait le plus représentatif des deux ? Ces dilemmes imbriqués étaient difficiles à trancher. D’autant qu’ils ne se traitaient pas in abstracto mais donnait lieu à un vif débat personnalisé. Un contributeur influent, Flower4You était favorable à la transformation de tout concept existant en catégorie. Il répétait à qui voulait l’entendre sur l’encyclopédie seconde et l’encyclopédie première, sur Waintck et sur Zào son motto inébranlable : « il n’y a pas de synonymes ». Chaque mot possède sa propre image visuelle et sa propre image sonore : établir un sème pur à partir duquel dériveraient de multiples acceptions distinctes relevait selon lui de l’idéologie.

Face à Flower4You et ses nombreux sympathisants se trouvait l’employeur de Ramaad : la Fondation Wikimédia. Elle souhaitait canaliser la floraison anarchique des catégories sur l’encyclopédie seconde. Ramaad et trois de ces collègues étaient affectés à ce poste stratégique mais ingrat. Ils devaient cartographier l’ensemble des catégories existantes, puis juger sur pièce de leur nécessité ou non. Ils manquaient de temps pour établir un diagnostic sémantique complet. La plupart du temps ils y allaient au jugé. Quelques fois, ils tombaient sur un os — paisible et tranquille, par exemple.

Enfin, la Fondation payait bien… Ramaad était parvenu à mettre quelques milliards d’euros de côté, ce qui lui permettait d’envisager de reprendre une activité moins rémunératrice mais plus plaisante dans quelques mois. A moins qu’il n’obtienne une promotion. Il escomptait beaucoup de la retraite prochaine de Rau Mandala, le préposé aux catégories de l’encyclopédie première. Ses trois collègues étaient bien évidemment sur le coup, mais il était parvenu à les distancer de quelques parsecs en faisant preuve d’un zèle qui confinait au surmenage (en moyenne 7000 catégories nettoyées par mois).

Sur ce il s’avançait vers la cuisine. Une foule compacte l’attendait. Son zào avait fonctionné toute la nuit. Il diffusait en permanence des hologrammes dont la position était déterminée par l’intensité des liens humains : Ramaad voyait ses collègues et amis juste à côté de lui ; certaines relations lointaines (copain d’enfance, clients…) se perdaient dans un horizon de carton-pâte déployé sur les quatre murs de la pièce. Il introduisit deux capsules dans sa machine à boissons et en sortit un jus de pamplemousse frais un chocolat bouillant. Il posa le tout sur la table puis s’adressa à l’hologramme de Kris.

— Des nouvelles ?

Kris avait une soixantaine d’années mais en paraissait trente. Il avait en effet opté pour la fonction rajeunissement lors de l’enregistrement de son profil zào. Il était toujours au courant de tout, de telle sorte que Ramaad avait perdu l’habitude d’afficher les nouvelles sur son écran mural.

— Pas grand chose pour l’instant. Le gouvernement de Kabardino-Balkarie est tombé cette nuit — ça pourrait être définitif. La Chine retarde une fois de plus l’envoi d’une mission sur la Lune. Un couple jugé à Jakarta pour un crime particulièrement atroce. Bref, on s’emmerde…
— Pas de bruits de couloirs ? A l’OC ou ailleurs ?
— Tu sais le 4 août. Ils sont tous en vacances. Les conspirateurs conspirent toujours, mais depuis leur résidence secondaire. Et toi, tout va bien à la Fondation ?
— Je pense. Beaucoup de boulot… En ce moment, je suis un peu en mode « Bonjour, au revoir ». Donc je ne peux pas vraiment te dire si ça bouge.
— Tu as demandé une augmentation ?
— Je te l’ai déjà dit, j’en ai pas besoin. 800 millions par mois, c’est bien assez pour un mec seul. Par contre, si je pouvais changer d’affectation…
— Tes tractations avec le WTF n’ont rien donné ?
— Ils sont d’accord à condition que je passe en licence collective — la propriété intellectuelle pour l’association et rien pour moi. J’aimerais bien que mon roman ait plus de lecteur, mais pas à ce prix-là.

Il reprit une gorgée de chocolat mêlé d’agrume. Il entendit une voix qui n’était pas celle de Kris, ni d’aucun des hologrammes présents :

— Ton train part dans un quart d’heure. Dépêche-toi !

Le conversant s’était automatiquement rallumé — il s’agissait d’un avertissement permanent que Ramaad devait entendre quelque soit ses dispositions. Il quitta la cuisine et ses occupants immatériels, partit s’habiller, se coiffer etc. Il ferma la porte de son appartement à 9h50 et descendit récupérer le prochain RER H, celui de 10h00.