The Ontology Pipeline™, Refresh: Where We Were, Where We Are, and Where We're Headed
Jessica Talisman MLS (Semantic Engineer + Information Architect, 25+ ans expérience, ex-Adobe RDF knowledge graphs + ex-Amazon information architecture, fondatrice Ontology Pipeline Framework + Contextually LLC) publie sur Modern Data 101 (Substack, ~20 000 membres) le 4 mai 2026 une révision majeure de son framework Ontology Pipeline™ initialement publié en janvier 2025. Thèse-pivot : depuis novembre 2022 (ChatGPT), la demande de semantic infrastructure a explosé mais a créé une confusion massive — "vendors offering shortcuts that bypass essential foundational work, creating liabilities disguised as assets".
Par **Jessica Talisman MLS** — Semantic Engineer et Information Architect avec **25+ ans d'expérience** en enterprise architecture// Source moderndata101.substack.com ↗/Lecture 2 min/.md/
#Jessica Talisman MLS#Ontology Pipeline framework#Modern Data 101#Substack 20000 members#Contextually LLC#Adobe RDF knowledge graphs#Amazon information architecture#semantic engineer information architect
Résumé
Jessica Talisman MLS — Semantic Engineer + Information Architect (25+ ans, ex-Adobe RDF + ex-Amazon, fondatrice Ontology Pipeline Framework et Contextually LLC) — publie le 4 mai 2026 sur Modern Data 101 (Substack, ~20 000 membres) une révision majeure de son framework Ontology Pipeline™ initialement publié en janvier 2025. Le framework a été validé sur 6 institutions sur 10 ans.
Thèse-pivot : depuis novembre 2022 (ChatGPT), la demande de semantic infrastructure a explosé mais a créé une confusion massive — "vendors offering shortcuts that bypass essential foundational work, creating liabilities disguised as assets". Diagnostic marché : "a structurally invalid taxonomy is not a taxonomy", "lists are not knowledge infrastructure", AI-generated taxonomies vendues comme stratégie, cookie-cutter solutions présentées comme méthodologie. Crisis pédagogique : demande de semantic engineers >> offre praticiens formés ; gap comblé par "people who know vocabulary without methodology".
Pipeline initial 5 étapes (toujours valide) : controlled vocabulary → metadata standards → taxonomy → thesaurus → ontology → knowledge graph. Principe directeur : "the work cannot be skipped".
Refresh 2026 — 2 ajouts critiques :
1. Governance = "the engineering practice that keeps an ontology coherent across change" — ongoing engineering, pas post-project documentation.
2. AI Partnership avec distinction normative explicite : "AI that generates a taxonomy wholesale is producing a liability disguised as asset; AI that assists trained engineers is just plain smart."
Rôles AI acceptables : entity extraction, gap analysis, drafting candidate vocabularies for review, population/validation support. Rôles AI inacceptables : wholesale taxonomy generation without human validation against standards (SKOS, OWL, RDF, SPARQL).
Recommandations 3 publics : (a) Organisations — invest formal education + treat knowledge infra as AI backbone + governance ongoing + AI as accélérateur ; (b) Practitioners — competency questions before modeling + validate against standards + definitional difficulty = pause + maintenance continue ; (c) Leaders — upskilling sans self-funding + alloc resources strategic + governance avant deployment.
Articulation dossier veille : convergence forte avec Seale Semantic Agentontologie comme seul moat, Foundation Capital Context Graphs, Bain part 2/5redesign data foundations for agent readiness, DORA ROI 2026AI-accessible internal data, Habert PROJ-AI doctrine. Convergence transversale "augment vs replace" avec Karpathy, Osmani Cognitive Surrender, Frizzo, Soto Developer Taste. Convergence "education crisis" avec DORA training cost $9 600/user/an et Tatsyi/Raiffeisen training continu.
À mobiliser pour CDO / data leaders (framework structurant), architectes IA/RAG (grille acceptable/inacceptable), COMEX (argument "liabilities disguised as assets"), stratégie RH (plaidoyer formation continue).
À retenir
Date / source.4 mai 2026, Modern Data 101 (Substack, ~20 000 membres). Auteure : Jessica Talisman MLS.
Format. Refresh article (révision framework initial janvier 2025).
Thèse-pivot."AI that generates a taxonomy wholesale is producing a liability disguised as asset; AI that assists trained engineers is just plain smart." ### Le pipeline ontologique initial (janvier 2025) ` Controlled Vocabulary ↓ Metadata Standards ↓ Taxonomy ↓ Thesaurus ↓ Ontology ↓ Knowledge Graph `Principe directeur : "the work cannot be skipped". Chaque étape conditionne la suivante. ### Les 2 ajouts du Refresh 2026 | Ajout | Définition | |-------|-----------| | (1) Governance | "the engineering practice that keeps an ontology coherent across change" — pas post-project documentation, mais ongoing engineering | | (2) AI Partnership | AI comme accélérateur des humains formés, pas remplacement du jugement humain | ### Le diagnostic marché 2026 | Symptôme | Description | |----------|-------------| | Demande explosée | Depuis ChatGPT (nov. 2022) | | Vendors abusent | "misusing ontology terminology" | | Cookie-cutter solutions | Présentées comme méthodologie | | AI-generated taxonomies | Vendues comme stratégie | | Education crisis | Demande >> offre praticiens formés | | Gap comblé par | "people who know vocabulary without methodology" | ### La grille AI acceptable / inacceptable | Acceptable (AI assists) | Inacceptable (AI replaces) | |-------------------------|----------------------------| | Entity extraction | Wholesale taxonomy generation | | Gap analysis identification | (sans validation humaine vs standards) | | Drafting candidate vocabularies for review | | | Population and validation support | | ### Données externes mobilisées | Donnée | Valeur | Source | |--------|--------|--------| | Validation framework | 6 institutions / 10 ans | Talisman expérience | | Modern Data 101 community | ~20 000 membres | Plateforme | | Talisman expérience | 25+ ans | Bio professionnelle | | Standards référencés | SKOS, OWL, RDF, SPARQL | W3C | ### Recommandations par public | Public | Recommandations | |--------|-----------------| | Organisations | (1) Invest in formal education + mentorship for practitioners ; (2) Treat knowledge infra as AI backbone, not afterthought ; (3) Governance as ongoing engineering ; (4) AI as accélérateur, not replacement | | Practitioners | (1) Competency questions before modeling ; (2) Validate against SKOS/OWL/RDF ; (3) Definitional difficulty signals pause, not proceed ; (4) Maintenance as continuous project | | Leaders | (1) Workforce upskilling without self-funding education ; (2) Allocate resources knowledge infra as strategic necessity ; (3) Governance structures before deployment | ### Articulation dossier veille #### Convergence "ontologie comme moat"
Talisman. pipeline ontologique = backbone, governance + AI partnership.
Seale Semantic Agent. (2026-04-17) : (Model+Harness)+(Ontology+Data) — l'ontologie comme seul moat.
Foundation Capital Context Graphs. (2025-12-22) : decision traces, nouveaux systems of record.
Bain part 2/5.cross-system labor (2026-05) : redesign data foundations for agent readiness + accumulated execution data as moat.
DORA ROI 2026. (2026-04-21) : AI-accessible internal data + healthy data ecosystems + documentation quality machine-readable.
Habert PROJ-AI. (2026-05-05) : six zones (DOCS/IDEAS/DR/OUT/DOCTRINE/AGENT) — doctrine + Decision Records.
→ Convergence forte : la donnée structurée sémantiquement est le chantier moat 2026, indépendamment du modèle. #### Convergence "the work cannot be skipped"
Talisman."the work cannot be skipped" — chaque étape conditionne la suivante.
DORA."all models are wrong" — modèle à contextualiser.
Habert PROJ-AI."technology 20% / team discipline 80%".
→ Convergence éthique : il n'y a pas de shortcut au travail méthodologique. L'IA peut accélérer mais pas éviter la méthodologie. #### Convergence "AI partnership augment not replace"
Talisman. entity extraction OK / wholesale taxonomy generation NOT OK.
Karpathy. (2026-04-29) : "outsource thinking but not understanding".
Frizzo. (2026-05-05) : "the new bottleneck is supervision".
Soto Developer Taste. (2026-04) : le goût comme dernière compétence.
→ Convergence transversale : la position augment vs replace se retrouve sur multiples axes (cognition, code, ontologie, design taste). #### Convergence "education crisis / formation"
Talisman. crise pédagogique semantic engineering, "teaching is hard, learning is harder".
DORA ROI 2026."empower the human in the loop (OpEx)", training cost $9 600/user/an.
Tatsyi/Raiffeisen. (2026-05-05) : adoption IA 62 → 83% nécessite training continu.
→ Convergence : le goulot d'étranglement de l'adoption IA n'est pas technologique, c'est pédagogique — formation continue, mentorship, upskilling. ### Limites à signaler
Article essai. plus que recherche empirique — pas de méthodologie chiffrée des 6 institutions / 10 ans.
Frame très centré W3C / standards classiques. (SKOS, OWL, RDF, SPARQL) — peu d'engagement avec graph databases neuf âge (Neo4j, TigerGraph) ou vector embeddings/RAG modernes.
Pas de discussion. des coûts de la rigueur — combien de temps prend un pipeline ontologique correct ? quel staffing ? quel ROI ?
Pas d'exemples industriels. chiffrés concrets de pipelines réussis vs ratés (sauf mention générique des "6 institutions").
Position normative forte. sur les vendors : risque de polémique si interprétée hors contexte (Talisman ne nomme pas explicitement les vendors abusifs).
Critique vendor sans chiffrer le coût. des mauvais choix — point de l'argument à compléter pour COMEX. ### À mobiliser pour
CDO / Data leaders. framework structurant pour organiser le chantier ontologie / knowledge graph.
Architectes IA / RAG. grille AI acceptable / inacceptable comme règle d'engineering directe.
Présentations COMEX. argument "the work cannot be skipped" + "liabilities disguised as assets" pour résister aux vendors cookie-cutter.
Stratégie RH / formation."workforce upskilling without self-funding" — plaidoyer pour budgets formation continue en data sémantique.
Articulation FR / Europe. Talisman donne le standard américain méthodologique, à recouper avec Habert PROJ-AI (FR), Wescale (cabinet FR), Seale Semantic Agent (UK) pour vue européenne du data backbone agentic.
Affirmations attribuées
"AI that assists trained engineers is just plain smart"
— Jessica Talisman
Le graphe de connaissance extrait de cette fiche — 13 entités, 19 relations.
Dans ce graphe :Jessica Talisman · Contextually LLC · Ontology Pipeline Framework · "AI wholesale taxonomy generation = liability disguised as asset" · "The work cannot be skipped" · Governance ontology (Talisman) · AI Partnership (Talisman) · Modern Data 101 · SKOS OWL RDF SPARQL · Education crisis semantic engineering · Ontologie comme backbone IA · Vendor confusion / shortcuts · Refresh 2026 Ontology Pipeline