REVIEW 3 major objections 5 minor 51 references
Animer une base de connaissance: des ontologies aux mod{\`e}les d'I.A. g{\'e}n{\'e}rative
T0 review · 3 major / 5 minor · reviewed 2026-08-05 · deepseek-v4-flash
Pith's one-line read Well-designed prompts can carry a domain ontology's constraints into an LLM, allowing generative agents to participate in the knowledge base lifecycle without losing critical rigor.
desk verdict A coherent programmatic essay about a real platform; the ontology-constrained prompt claim is plausible but unvalidated, so treat it as a roadmap, not a result. read the letter →
The pith
A machine-rendered reading of the paper's core claim, the machinery that carries it, and where it could break.
The reading
What carries the argument
The mechanism is ontology-anchored prompt engineering: a hierarchical set of natural-language instructions (generic, contextual, explanatory, adjustment, procedural) that take as input the domain ontology (classes and properties) and a textual data model, and that constrain an LLM-based conversational agent's reasoning. The ontology's graph of classes, properties, and knowledge objects is the same standard that guides human experts, so the agent's outputs remain comparable to and verifiable against human expertise.
What would settle it
Give the same Quechua documentation task to an LLM with the ontology-anchored prompt regime and to an unconstrained LLM, then have expert annotators judge the proposed property updates against the ontology and source-quality rules; if the constrained agents do not clearly beat the unconstrained baseline on held-out properties, or if they fabricate references, the transfer claim fails.
Extended reading notes
Core claim
The paper's central claim is that a well-designed prompt regime transfers the constraints of a domain ontology to a black-box LLM, so that generative agents can participate in the knowledge-base lifecycle: locating and qualifying data, extracting and aggregating indexes, suggesting and testing properties, generating dynamic files, and even proposing adjustments to the conceptual model itself. The domain ontology anchors and constrains the semantic space of the agent's expected reasoning, while a textual data model fixes the structural and qualitative criteria for selecting and analyzing sources. The expected output is itself a model, covering content, textual genre, and expression modalities
Load-bearing premise
The load-bearing premise is that feeding a domain ontology and a textual data model into natural-language prompts is enough to steer a black-box language model so that its outputs satisfy the knowledge base's quality criteria.
Editorial extensions
If this is right
- Knowledge-base maintenance shifts from fully manual annotation to a semi-automatic cycle in which agents propose updates and humans validate them.
- Large document corpora can be continuously mined for information on a knowledge object, such as Quechua, in a way that respects the ontology's property schema.
- Agents can suggest new characteristics or properties not yet in the conceptual model, driving reasoned adjustment of the ontology and the knowledge graph.
- The same prompt regime can be reused across an entire class of objects, such as the roughly 540 languages in 'Languages of the world', making comparative documentation cheaper.
- The symbolic/neural distinction becomes a division of labor: models set the standard, while data-driven tools feed and test it.
Reading between the lines
- The same constraint-transfer logic could be tested on other structured knowledge bases, such as library catalogs or museum collections, wherever a stable ontology coexists with a large and growing corpus.
- The prompt typology may evolve into a small programming language for knowledge-base agents, whose syntax (input models, output model, task plan) could be standardized across different LLMs.
- A direct benchmark comparing ontology-constrained versus unconstrained agents on a held-out set of expert-validated property updates would decide the central claim; the paper itself does not yet provide such a test.
- If the proposal works, the bottleneck in area-studies research shifts from data annotation to prompt design and validation, changing the kinds of expertise the field needs.
Editorial analysis
A structured set of objections, weighed in public.
Referee Report
Summary. The paper is a French-language position/conceptual article that proposes a semiotic reading of hybridization between symbolic AI (ontologies, knowledge bases) and neural/generative AI, using the LaCAS/Okapi platform as a case study. It describes the LaCAS ecosystem (≈160,000 resources, ≈8,500 thesaurus objects, the 'Languages of the world' domain with ≈540 languages, and the Quechua knowledge object with 64 resources), discusses the roles of expert systems and the semantic web, and then introduces a prompt-engineering framework intended to let conversational agents participate in updating the knowledge graph while respecting ontology constraints. The paper's central claim, stated in the Résumé and Abstract, is that well-constrained prompts can 'accélérer la mise à jour raisonnée du graphe de connaissance sans perdre en rigueur critique.'
Significance. If the central claim were supported, the article would make a useful contribution to bridging symbolic and neural approaches in digital humanities: it offers a concrete institutional platform, a worked example (Quechua), and a typology of prompt genres that could serve as a starting point for empirical studies of ontology-guided generative agents. The semiotic framing is original and the description of LaCAS/Okapi is informative. The paper is honest in its closing admission that the agent ecosystem is speculative, and it does not overstate the maturity of the hybrid architecture in that final passage. However, the abstract and Résumé claim more than the body demonstrates, and no empirical evidence is supplied for the load-bearing transfer mechanism between ontology and LLM behavior. The article is therefore more a research agenda than a demonstrated result.
major comments (3)
- [§7 and Résumé] The central claim—that ontology-constrained prompts can accelerate reasoned knowledge-graph updating without losing critical rigor—is asserted rather than demonstrated. §7 states that the conceptual model 'ancre et contraint l'espace sémantique des actions et du raisonnement attendus d'un agent conversationnel,' but no concrete prompt, LLM output, error measurement, comparison with human expert documentation, or validation protocol is provided. The paper itself later calls the agent ecosystem 'encore très spéculative,' which conflicts with the Résumé's 'nous montrons.' This is an empirical claim about black-box LLMs; a symbolic ontology in a prompt does not guarantee semantic constraint. The authors should either add a validation protocol (sample prompts, output scoring against the ontology, human-in-the-loop evaluation) or explicitly reposition the contribution as a speculative research
- [§7, output/model-evolution paragraph] The proposed workflow permits the conversational agent to 'suggérer des caractéristiques non-retenues dans le modèle conceptuel' and to trigger modification of the knowledge graph. No governance mechanism is described for deciding which LLM-suggested properties are accepted. If the ontology is the source of constraint, allowing the constrained system to modify the ontology without an explicit critical-control workflow weakens the 'sans perdre en rigueur critique' guarantee. The paper needs a protocol for human validation, provenance tracking, and versioning of ontology changes before such a loop can be presented as maintaining critical rigor.
- [§7, methodological framework] The 'référentiel méthodologique général' lists input (ontology + textual data model), output instructions, and data quality criteria, but it does not specify how output conformity is to be measured or tested. LLMs are known to ignore instructions, hallucinate, and reuse biased sources; the transfer mechanism from symbolic constraints to neural inference is the weakest assumption of the paper. A falsifiable test design is needed—for example, comparing agent-generated property extractions against a manually annotated gold standard for a sample of Quechua-related documents. Without such a test, the acceleration-without-loss-of-rigor claim remains unsupported.
minor comments (5)
- [§4/§5] The platform statistics (≈160,000 resources, ≈8,500 thesaurus objects, ≈540 languages, 64 Quechua resources) are stated as of July 2025 but no snapshot, export, SPARQL query, or other verifiable artifact is provided. Adding a data-release reference or an appendix with query snippets and a date-stamped snapshot would make the claims reproducible.
- [§4] The text cites 'Lalande et al, 2022' but the bibliography lists Lalande et al. 2020. Please reconcile the citation and the reference entry.
- [§6] Typos: 'Das la figure 10' should be 'Dans la figure 10'; 'objet de connaissace' should be 'objet de connaissance.'
- [§7, prompt typology] The eight prompt genres (generic, general, contextually anchored, reasoning-simulating, adjustment, task-series, repetition, behavior-exhibiting) are listed without concrete examples or structural definitions. Adding one illustrative prompt template per genre would greatly improve the usability of the proposed framework.
- [General] The paper alternates between first-person singular ('je m'intéresserai') and first-person plural ('nous montrons'), which is acceptable in a French essay but should be made consistent throughout.
Circularity Check
No significant circularity: the paper is a conceptual proposal, and its central hybrid claim rests on an unvalidated empirical assumption rather than on a derivation that reduces to its own inputs.
full rationale
The paper contains no numerical derivation, no fitted parameters, and no prediction that is the re-statement of a fit. Its argumentative chain is historical and descriptive: expert systems and the semantic web are presented as background, LaCAS/Okapi is described as a concrete semantic platform, and the final chapter proposes a hybrid symbolic-neural approach. The central claim—that ontology-constrained prompts can accelerate reasoned updating of a knowledge graph 'sans perdre en rigueur critique'—is an empirical/architectural hypothesis, not a conclusion forced by definition. The paper explicitly acknowledges this part of the ecosystem is 'encore très spéculative' (section 7). The self-citations (Stockinger 2012, 2018, 2023, 2025; Grossemy et al. 2024; Beloued et al. 2015, 2025) document the provenance and design of LaCAS and Okapi; they do not supply the load-bearing inference that a symbolic ontology in a prompt constrains a black-box LLM. That inference is asserted, not derived, and an unsupported assertion is a correctness or evidence concern, not circularity. No uniqueness theorem, no imported ansatz, and no renaming of a known result as a new prediction are present. The paper is therefore best assessed as a self-contained conceptual proposal whose main weakness is lack of validation, not circular reasoning.
Assumptions & free parameters
assumptions (4)
- domain assumption An explicit conceptual model (ontology) can represent the knowledge of an expert community well enough to serve as a standard for expertise activities.
- domain assumption Prompt instructions grounded in the ontology and the data model can constrain an LLM's output space so that generated expertise conforms to the model's quality criteria.
- domain assumption The non-anthropocentric semiotic framework (agency externalized in artifacts, Umwelt, affordances) is a productive lens for knowledge base design.
- domain assumption Harvested repositories (HAL, Nakala, Zenodo) give representative coverage of area studies research.
invented entities (2)
-
Ecosystem of specialized artificial agents (agentive layer of the knowledge base)
-
Typology of prompt genres (generic, general, contextually anchored, reasoning-simulating, adjustment, task-series, repetition, behavior-exhibiting)
Cite this review
Pith. "Pith review of Animer une base de connaissance: des ontologies aux mod{\`e}les d'I.A. g{\'e}n{\'e}rative." pith.science (2026). https://pith.science/paper/CGTKDRWJ
@misc{pith2026250901304,
author = {Pith},
title = {Pith review of: Animer une base de connaissance: des ontologies aux mod\`eles d'I.A. g\'en\'erative},
year = {2026},
howpublished = {\url{https://pith.science/paper/CGTKDRWJ}},
note = {Machine review of arXiv:2509.01304}
}
read the original abstract
In a context where the social sciences and humanities are experimenting with non-anthropocentric analytical frames, this article proposes a semiotic (structural) reading of the hybridization between symbolic AI and neural (or sub-symbolic) AI based on a field of application: the design and use of a knowledge base for area studies. We describe the LaCAS ecosystem -- Open Archives in Linguistic and Cultural Studies (thesaurus; RDF/OWL ontology; LOD services; harvesting; expertise; publication), deployed at Inalco (National Institute for Oriental Languages and Civilizations) in Paris with the Okapi (Open Knowledge and Annotation Interface) software environment from Ina (National Audiovisual Institute), which now has around 160,000 documentary resources and ten knowledge macro-domains grouping together several thousand knowledge objects. We illustrate this approach using the knowledge domain ''Languages of the world'' (~540 languages) and the knowledge object ''Quechua (language)''. On this basis, we discuss the controlled integration of neural tools, more specifically generative tools, into the life cycle of a knowledge base: assistance with data localization/qualification, index extraction and aggregation, property suggestion and testing, dynamic file generation, and engineering of contextualized prompts (generic, contextual, explanatory, adjustment, procedural) aligned with a domain ontology. We outline an ecosystem of specialized agents capable of animating the database while respecting its symbolic constraints, by articulating model-driven and data-driven methods.
Reference graph
Works this paper leans on
-
[1]
la constitution d’un corpus de données textuelles qui documentent un savoir et savoir- faire qu’on cherche à expliciter
-
[2]
l’élaboration d’un modèle conceptuel du domaine d’expérience ou d’expertise à l’aide de modèles conceptuels et formels
-
[3]
l’identification, l’extraction, la classification et l’annotation des informations pertinentes contenues dans le corpus de données
-
[4]
la formulation de règles contextuelles et/ou ad hoc et l’ adaptation du moteur d’inférence
-
[5]
la réalisation d’un ou, plutôt, de plusieurs prototypes avant celle du système en « grandeur réelle »
-
[6]
l’intégration du système expert dans un environnement de travail et la formation des utilisateurs. Ce sont des projets de recherche et de développement fort complexes qui mobilisent des compétences variées. Quelques enjeux récurrents qu’on rencontre régulièrement ici concernent6 :
-
[7]
VERS UNE APPROCHE HYBRIDE « I.A. SYMBOLIQUE » - « I.A. NEURONALE » L’avènement des méthodes de collecte et de classification de données se basant sur les avancées de l’apprentissage automatique (du « machine learning » , en anglais ) et son intégration dans une approche symbolique de modélisation explicite d ’un domaine de connaissance ouvre des perspecti...
-
[8]
la qualité du modèle conceptuel lui -même et sa reconnaissance par la communauté d’experts (enjeu qui renvoie à la problématique de la multi-expertise déjà citée)
Show all 51 references
-
[9]
la qualité (fiabilité) et la couverture empirique des données et l’enrichissement continu d’une base de connaissance
-
[10]
sous forme d’une annotation structurée des données d’une base de connaissance ) et qui doit donc intégrer des méthodes 6 Cf
le processus d’extraction à proprement parler qui, à partir d’un certain seuil, ne peut plus se faire d’une manière manuelle (i.e. sous forme d’une annotation structurée des données d’une base de connaissance ) et qui doit donc intégrer des méthodes 6 Cf. à ce sujet la thèse t...
2023
-
[11]
le processus du suivi (de la mise à jour…) d’une part, du corpus des données et, d’autre part, de la base de connaissance. V oilà succinctement les systèmes experts qui constituent une des applications principales de ce qu’on entendait « à l’époque » - dans les années 80 et 90...
-
[12]
le LOD ; en français, les données ouvertes liées), d’autre part
LE WEB SEMANTIQUE L’IA symbolique est aujourd’hui représentée par les recherches et les applications dans le domaine de la sémantique du web, d'une part, et le « linked open data » (i.e. le LOD ; en français, les données ouvertes liées), d’autre part. On identifie l’ensemble d...
1999
-
[13]
la partie 1 comprend la donnée documentaire (ici : l’enregistrement audiovisuel d’un chercheur qui parle de son objet de connaissance)
-
[14]
La partie 2 montre une variété de points de vue qui sont mobilisés pour expliciter l’enregistrement audiovisuel (partie 1)
la partie 2 comprend les différents éléments du métalangage de description qui sont mobilisés pour décrire la donnée. La partie 2 montre une variété de points de vue qui sont mobilisés pour expliciter l’enregistrement audiovisuel (partie 1). Chaque point de vue est représenté ...
-
[15]
d’une part, explicite, une certaine vision de l’objet à analyser, à expertiser ; 8 https://lacas.inalco.fr/ 17
-
[16]
d’autre part, sert de standard, de référence aux activités d’expertise. En d’autres termes, un modèle de données est une structure d’ordre et représente, dans ce sens, une référence culturelle – une théorie, un référentiel métier ou un « benchmark » (en français, étalon). Comm...
-
[17]
l’entité qui est décrite occupe le rôle de la donnée
-
[18]
l’entité ou les entités qui décrivent occupent le rôle des métadonnées. 18
-
[19]
C’est un milieu artificiel (i.e
EXEMPLE D’UNE PLATEFORME SEMANTIQUE DEDIEE A L’EXPERTISE AREALE La notion écosystème de base de connaissance peut être compris comme un environnement sociotechnique d’usage, de gestion et de gouvernance d’une base de connaissance. C’est un milieu artificiel (i.e. un artefact, ...
-
[20]
le module de l’exploration et de l’ appropriation d’une base de connaissance par une population d’utilisateurs
-
[21]
Ces deux modules peuvent se différencier, à leur tour, en des modules plus spécialisés
le module de l’ édition et de la gestion d’une base de connaissanc e par des acteurs habilités. Ces deux modules peuvent se différencier, à leur tour, en des modules plus spécialisés. Ainsi, le module « édition et gestion » se différencie en : • un module réservé à la modélisa...
2015
-
[23]
(Wikidata, Bnf Rameau, Idref, Eurovoc, Loterre…)
d’alignements sémantiques de l’objet de connaissance sur les grands référentiels du L.O.D. (Wikidata, Bnf Rameau, Idref, Eurovoc, Loterre…)
-
[24]
rédigées par un acteur habilité)
de présentations rédigées « manuellement » (i.e. rédigées par un acteur habilité)
-
[25]
de corpus ouverts de données de recherche
-
[26]
d’une sélection de références webographiques réalisée à l’aide de moteurs spécialisés tels qu’Isidore du Cnrs, OpenAlex, BnF Gallica ou Semantic Scholar
-
[27]
d’informations institutionnelles (équipes de recherche, projets de recherche, chercheurs). L’expertise comprend également des « éclairages » générés d’une manière (semi- )automatique à l’aide d ’outils appelés « agents conversationnels » provenant de l’ IA neuronale générative...
2025
-
[28]
Les activités de modélisation comprennent plus particulièrement le design et la réalisation de l’ ontologie du domaine d’expertise
la modélisation conceptuelle d’un domaine d’expertise qui constitue le domaine de référence d’une base de connaissance. Les activités de modélisation comprennent plus particulièrement le design et la réalisation de l’ ontologie du domaine d’expertise
-
[29]
Les termes d’un thésaurus désignent un objet de connaissance particulier relevant d’un ou de plusieurs domaines de connaissance
la conception, la réalisation et le suivi d’un thésaurus ou d’un vocabulaire contrôlé. Les termes d’un thésaurus désignent un objet de connaissance particulier relevant d’un ou de plusieurs domaines de connaissance . Ils remplissent deux fonctions centrales : d’une part, ils s...
-
[30]
Une base de connaissance « vivantes » s’enrichit continuellement de nouvelles données textuelles au sens large du terme
la localisation, la curation, le moissonnage et l’import de corpus de données textuelles dans une base de connaissance. Une base de connaissance « vivantes » s’enrichit continuellement de nouvelles données textuelles au sens large du terme. 15 https://urlr.me/BZNWpz 16 https:/...
-
[31]
L’analyse peut consister en des activités plus ou moins répétitives et automatisées du genre indexation de données
l’analyse des données ou des corpus de données textuelles. L’analyse peut consister en des activités plus ou moins répétitives et automatisées du genre indexation de données. Cependant, elle peut également prendre la forme de projets complexes de recherche et d’expertise consa...
-
[32]
La réutilisation d’une donnée (« originale », i.e
la réutilisation de données. La réutilisation d’une donnée (« originale », i.e. telle qu’elle est enregistrée la première fois dans une base de connaissance) est comprise ici au sens large du terme. Elle inclut tout projet de production de nouvelles versions (modifiées) d’une ...
-
[33]
La gestion de l’écosystème et de ses différents constituants et réalisations. La gestion de l’écosystème comprend celle des acteurs qui constituent sa communauté des parties prenantes, celle du suivi de la base de connaissance et de ses divers composants, celle des portails de...
2012
-
[34]
(Figure 4) Comme déjà dit, Le domaine d’expertise en études aréales que couvre la base de connaissance LaCAS est organisé en dix macro-domaines (figure 3)
LA BASE DE CONNAISSANCE LACAS Une base de connaissance telle que celle dont est pourvue la plateforme LaCAS comprend une grande diversité d’objets de connaissance qui font partie d’un ou de plusieurs domaines de connaissance. (Figure 4) Comme déjà dit, Le domaine d’expertise e...
-
[35]
l’axe approches, disciplines, méthodes, problématiques pour étudier une aire
-
[36]
l’axe objets de recherche qui font partie d’une aire
-
[37]
Ainsi, la classe [Recherche scientifique] est réservée aux aspects théoriques, méthodologiques, disciplinaires, etc
l’axe contexte géographique et historique qui situe et délimite une aire dans l’espace et le temps. Ainsi, la classe [Recherche scientifique] est réservée aux aspects théoriques, méthodologiques, disciplinaires, etc. Les deux classes [Milieu géographique] et [Milieu historique...
-
[38]
quelque 230 objets de connaissance (i.e. individus ou entités) parmi lesquels nous trouvons l’objet « Littérature arabe – Avant 622 », appelée également « Littérature arabe archaïque » par le référentiel Idref18 (qui s’aligne , entre autres, sur la terminologie RAMEAU de la Bi...
2025
-
[39]
en juillet
EXEMPLE : PRODUIRE UNE DOCUMENTATION STRUCTUREE SUR UNE LANGUE Le domaine de connaissance « Langues du monde » comprend actuellement (i.e. en juillet
-
[40]
une documentation de quelque 540 langues. (Figure 8) Pour en fournir, comme expliqué dans le chapitre précédent (chapitre 5), une expertise sous forme d’une documentation structurée, il nous faut d’abord un modèle conceptuel qui sert de référence au travail d’expertise réalisé...
-
[42]
celui du choix des propriétés à retenir dans le design conceptuel du modèle du domaine qui sert de standard aux activités d’expertise d’un ensemble d’objets de connaissance
-
[43]
Les approches et méthodes en apprentissage automatique peuvent à priori contribuer à une bien meilleure prise en charge de ces deux problèmes
celui de la localisation, qualification et analyse à proprement parler de grands volumes de données pertinentes pour documenter un objet de connaissance. Les approches et méthodes en apprentissage automatique peuvent à priori contribuer à une bien meilleure prise en charge de ...
-
[44]
un input précis et contraignant sous forme : (i) d’un modèle conceptuel (d’une ontologie ) du domaine d’expertise toujours amendable et (ii) d’un modèle des données textuelles (lato sensu)
-
[45]
un output bien identifié et tout aussi contraignant sous forme d’un ensemble d’instructions anticipant le résultat souhaité d’une expertise
-
[46]
de données textuelles répondant aux critères de qualité – auctoriale, informative, historique, etc
l’examen de volumes de données textuelles qualifiées conformément au modèle des données textuelles servant d’input (i.e. de données textuelles répondant aux critères de qualité – auctoriale, informative, historique, etc. ainsi que structurale à proprement parler – qui sont exp...
-
[47]
visent à « marier » l’intelligence artificielle symbolique (celle des bases de connaissance et des systèmes experts, travaillant avec des modèles conceptuels explicites) et l’intelligence artificielle neuronale (celle se basant principalement sur l’approche de l’apprentissage ...
-
[48]
investissent le domaine du design et du suivi de s prompts, i.e. d u design d es instructions pour configurer correctement un agent conversationnel d’ un modèle de langage (LLM) général (ou, éventuellement, d’un modèle déjà entraîné sur un corpus de données bien identifié) afi...
-
[49]
le contenu attendu de l’expertise
-
[50]
le format ou le genre textuel dans lequel le contenu doit prendre forme
-
[52]
161-167 Stockinger, Peter, The Art of Communication
⟨hal-01915304v2⟩ Stockinger, Peter, Hermand, Marie -Hélène, Camin, Jean-Michel, « La fabrique de l’intelligibilité des données sur la plateforme institutionnelle LaCAS », Communication & Organisation 2023, 64.2, pp. 161-167 Stockinger, Peter, The Art of Communication. Semiotic...
2023 arXiv
-
[2018]
L'un des domaines les plus emblématiques de recherche et d e développement en IA symbolique est celui des systèmes experts
- s’intéresse aux problèmes relatifs à l ’élaboration de s bases de connaissance , d’extraction et de modélisation de connaissances à partir de données textuelles lato sensu (données écrites ou orales , mais également données visuelles et audiovisuelles , données polysensoriel...
2000
-
[2025]
environ 160.000 données textuelles stricto sensu (publications, rapports, thèses…), visuelles, audiovisuelles et sonores. Il s’enrichit quotidiennement à l’aide d’un système de moissonnage automatique (en ce qui concerne HAL) et de curation-moissonnage supervisé par un expert ...
Reviewed August 5, 2026 · model on record in the stance chip above.
Discussion (0). Continue with ORCID to comment.