# seale-philosophy-eats-ai-ontological-core-2025-05-30

## Veille

Philosophie mange l'IA : noyau ontologique entreprise, sémantique métier, knowledge graph, semantic data products

## Titre Article

Philosophy Eats AI: Why Your Business Needs an Ontological Core

## Date

2025-05-30

## URL

https://www.knowledge-graph-guys.com/blog/philosophy-eats-ai

## Keywords

ontologie, noyau ontologique, philosophie, sémantique métier, knowledge graph, semantic data products, DPROD, IA d'entreprise, création de valeur, raisonnement IA, compétences questions, vocabulaire métier, MIT Sloan, Michael Schrage, David Kiron

## Authors

Tony Seale

## Ton

**Profil** : Perspective de consultant knowledge graph, registre stratégique et conceptuel, niveau intermédiaire

**Description** : Tony Seale adopte un ton de manifeste intellectuel, partant d'une citation provocatrice de MIT Sloan ("si le logiciel mange le monde et l'IA mange le logiciel, qu'est-ce qui mange l'IA ?") pour dérouler un argument structuré en couches. Le style est celui d'un évangéliste sémantique qui traduit des concepts philosophiques en impératifs business concrets. L'auteur utilise des formulations percutantes ("ce n'est pas une question de mission statements, c'est une question de sémantique") et construit un raisonnement en escalier : problème → vocabulaire → noyau ontologique → data products → cycle vertueux. Le public cible est constitué de décideurs techniques et stratèges data qui cherchent à comprendre pourquoi leurs projets IA ne délivrent pas la valeur attendue.

## Pense-betes

- **Citation fondatrice** : Michael Schrage et David Kiron dans MIT Sloan : "Si le logiciel mange le monde et l'IA mange le logiciel, qu'est-ce qui mange l'IA ?" Réponse : la philosophie. Non pas académique, mais pratique et opérationnelle.
- **Problème central** : La plupart des organisations traitent l'IA comme une amélioration technique (modèles, prompts) sans poser la question fondamentale : qu'apprend réellement l'IA ? Il manque une philosophie structurée définissant la logique opérationnelle de l'entreprise.
- **Vocabulaire de création de valeur** : Chaque entreprise crée de la valeur de manière unique (fidélité, optimisation, confiance, efficacité). Mais la plupart n'ont pas formalisé cette sémantique dans une ontologie — une structure lisible par les machines sur laquelle les systèmes IA peuvent raisonner.
- **Noyau ontologique** : Concepts fondamentaux définissant l'identité de l'entreprise. Ils émergent via les cas d'usage générant de la vraie valeur et les "competency questions" testant la pertinence.
- **Sans ontologie, l'IA apprend du bruit** : Si les structures logiques fondamentales ne sont pas explicitées, les modèles apprennent à partir de bruit plutôt que de patterns significatifs.
- **Semantic Data Products** : Basés sur la spécification ouverte DPROD. Les données sont traitées comme un actif valorisé avec une gouvernance claire, pas comme une matière brute. Chaque dataset "sait ce qu'il est, pourquoi il compte, et comment il s'insère dans le tableau d'ensemble".
- **Cycle vertueux** : L'IA aide à définir l'ontologie organisationnelle, et cette ontologie guide la façon dont l'IA pense et la valeur qu'elle génère. C'est la vraie opportunité.
- **Lien avec knowledge graph** : L'approche crée un "knowledge graph distribué, prêt pour l'IA, où chaque dataset connaît son identité et son rôle".
- **Parallèle avec la veille** : Rejoint la fiche ia-monopsychisme-serres-averroes-aquin sur les liens philosophie/IA, mais avec un angle opérationnel plutôt que métaphysique. Rejoint aussi les fiches sur les context graphs et knowledge graphs (Netflix UDA, Foundation Capital).

## RésuméDe400mots

Tony Seale part d'une question provocatrice posée par Michael Schrage et David Kiron dans MIT Sloan : "Si le logiciel mange le monde et l'IA mange le logiciel, qu'est-ce qui mange l'IA ?" La réponse est la **philosophie** — non pas dans son acception académique, mais comme discipline pratique indispensable pour extraire une valeur réelle des systèmes IA.

Le problème central est que la plupart des organisations traitent l'IA comme une amélioration purement technique. Elles construisent des modèles, expérimentent avec des prompts, mais ne posent jamais la question fondamentale : **qu'apprend réellement l'IA ?** Derrière chaque modèle se cache un enjeu plus profond : l'absence d'une philosophie structurée définissant la logique opérationnelle de l'entreprise.

Chaque entreprise crée de la valeur de manière unique — par la fidélité, l'optimisation, la confiance ou l'efficacité. Pourtant, la plupart n'ont pas formalisé cette sémantique dans une **ontologie**, c'est-à-dire une structure lisible par les machines sur laquelle les systèmes IA peuvent raisonner. L'auteur insiste : "Ce n'est pas une question de mission statements. C'est une question de sémantique formalisée en ontologie." Sans cette explicitation des structures logiques fondamentales, les modèles apprennent à partir de bruit plutôt que de patterns significatifs.

L'article introduit le concept de **noyau ontologique** : les concepts fondamentaux qui définissent l'identité d'une entreprise. Ce noyau émerge à travers les cas d'usage générant de la vraie valeur et les "competency questions" qui testent la pertinence de chaque concept. Il devient une lentille qui concentre le raisonnement de l'IA sur ce qui compte réellement.

Seale connecte ensuite cette philosophie à l'architecture data via les **Semantic Data Products**, basés sur la spécification ouverte DPROD. Cette approche traite les données comme un actif valorisé avec une gouvernance claire, plutôt que comme une matière brute. Le résultat est un "knowledge graph distribué, prêt pour l'IA, où chaque dataset sait ce qu'il est, pourquoi il compte, et comment il s'insère dans le tableau d'ensemble".

La conclusion dégage la vraie opportunité : créer un **cycle vertueux** où l'IA aide à définir l'ontologie organisationnelle, tandis que cette ontologie guide la façon dont l'IA pense et la valeur qu'elle génère. L'article positionne l'ontologie non pas comme un exercice académique de modélisation, mais comme le chaînon manquant entre l'investissement IA et la création de valeur métier.

## GrapheDeConnaissance

- Tony Seale —affirme_que→ la philosophie mange l'IA (AFFIRMATION, 0.97)
- philosophie —s_applique_à→ raisonnement IA (CONCEPT, 0.95)
- identité entreprise —est_basé_sur→ noyau ontologique (CONCEPT, 0.96)
- ontologie —permet→ raisonnement machine sur sémantique métier (CONCEPT, 0.95)
- Semantic Data Products —est_basé_sur→ DPROD (TECHNOLOGIE, 0.94)
- Semantic Data Products —permet→ knowledge graph distribué prêt pour IA (CONCEPT, 0.93)
- Michael Schrage —publie→ question philosophie mange IA (CONCEPT, 0.96)
- David Kiron —publie→ question philosophie mange IA (CONCEPT, 0.96)
- MIT Sloan —publie→ réflexion philosophie et IA (CONCEPT, 0.95)
- noyau ontologique —améliore→ pertinence modèles IA (CONCEPT, 0.92)
- IA —permet→ définition de l'ontologie organisationnelle (CONCEPT, 0.9)
- absence ontologie —réduit→ qualité apprentissage IA (CONCEPT, 0.91)

---
Canonical: https://www.thekb.eu/en/fiches/seale-philosophy-eats-ai-ontological-core-2025-05-30/