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.