URL: https://linuxfr.org/news/wikidata-wikipedia-comme-une-base-de-donnees
Title: Wikidata : Wikipedia comme une base de données
Authors: thoasm
baud123, claudex, tape, cjlano, Florent Zara, jihele et Thomas Debesse
Date: 2012年04月10日T17:36:11+02:00
License: CC By-SA
Tags: wikipedia, wikidata et open_data
Score: 55
La mode est à l'Opendata. L'État français a ainsi ouvert [son portail](http://www.data.gouv.fr) et c'est loin d'être le seul exemple. Des téraoctets de données sont ainsi disponibles sur le web. Il serait criminel de laisser ces données moisir quand on n'a jamais eu autant de puissance de calcul pour les exploiter.
Exploiter ces données peut cependant devenir assez casse-tête dès qu'on veut le faire automatiquement (ce qui est parfois indispensable vu le volume). En prenant [un exemple de fichier sur data.gouv.fr]( http://www.data.gouv.fr/donnees/view/Faits-constat%C3%A9s-par-d%C3%A9partement%2C-par-index-et-par-mois%2C-pour-l%27ann%C3%A9e-2004-550706?xtmc=infractions&xtcr=1#), on peut voir que les données sont organisées sur le classeur de tableur, de manière pas forcément homogènes (les années sont classées dans les onglets, la description de l'étude est mélangée dans le même document). Elles sont presque plus organisées pour être lues par un humain que pour être exploitées.
Un de ces gigantesques dépôts de données plus ou moins organisés est Wikipédia. Les données sont organisées sous forme de pages, de catégories, d'infobox, mais pas forcément exploitables facilement automatiquement. Des projets issus du monde du Web Sémantique le font cependant, comme par exemple [dbpedia](http://dbpedia.org/) dont voici [la page concernant la France](http://dbpedia.org/page/France), qui permettent d'organiser ces données sous forme plus facilement exploitable par la machine et les programmeurs.
Il n'a pas échappé à certains membres de la communauté wikipedia qu'on pouvait faire beaucoup mieux en n'extrayant plus seulement les données à partir de wikipedia mais en mettant une base de données au cœur de Wikipedia et Mediawiki ... C'est ainsi qu'est né le projet Wikidata et ça promet d'être une étape importante pour l'encyclopédie, mais pas que.
----
[L'introduction à Wikidata sur Wikimedia](http://meta.wikimedia.org/wiki/Wikidata/Introduction)
[L'annonce sur le blog de la fondation Wikimedia](http://blog.wikimedia.org/2012/03/30/the-wikipedia-data-revolution/)
[La feuille de route du projet](http://meta.wikimedia.org/wiki/New_Wikidata)
----
# Description
## Problématique
Wikipedia, c'est 280 langages et plusieurs millions d'articles. Certaines informations sont dupliquées en plusieurs endroits de l'encyclopédie, sont redondantes entres les langues et nécessitent d'être périodiquement mises à jour, ce qui peut prendre beaucoup de temps aux contributeurs pour des tâches fastidieuses.
Wikidata vise entre autre à faciliter ces mises à jours en centralisant les informations dans une base de données, dans laquelle les articles vont piocher pour pouvoir les afficher et à faciliter l'automatisation de leur manipulation.
Un autre objectif de Wikidata est, à la manière d'autre projets de la fondation Wikimedia comme [Commons](http://commons.wikimedia.org/wiki/Accueil), le dépôt de fichiers multimédias libre, de servir de dépôt de données ouvertes et librement réutilisables.
Ce dépôt ayant vocation à accueillir des données de natures arbitraires et diverses, les technologies du [Web sémantique](http://fr.wikipedia.org/wiki/Web sémantique "Définition Wikipédia"), structurées et ayant le potentiel d'accueillir des données de toutes natures, sont toutes indiquées.
## Le projet
D'après [sa feuille de route](http://meta.wikimedia.org/wiki/New_Wikidata), le projet comporte trois grandes étapes pour son développement et sa mise en œuvre:
* Dans un premier temps : création de l'infrastructure pour une base de données d'entité. Une Entité, ce sera tout ce qui fait l'objet d'un article dans wikipedia, une personne, un pays, une notion mathématique ou un Pokémon par exemple, qui seront [associées à un identifiant](http://meta.wikimedia.org/wiki/Wikidata/Notes/URI_scheme).
Rien que faire cela permet de gérer d'une manière nouvelle les liens interlangues : au lieu d'avoir à ajouter des liens vers les articles correspondant dans toutes les autres langues, il suffira de lier les articles avec leur entité pour retrouver les liens interwikis correspondants. Le travail est actuellement largement assuré par des bots communautaires et le projet compte fournir son aide à la communauté pour les adapter.
Sur le plan de l'organisation, la philosophie du projet Wikidata est la même que celle de la [fondation Wikimedia](http://wikimediafoundation.org/wiki/Accueil) : fournir l'infrastructure technique et laisser la communauté se charger de l'utilisation des données.
* Une fois les bases en place, rentrer un peu plus dans le coeur du sujet et rajouter la gestion des infobox. Du point de vue du backend, il s'agit d'ajouter la possibilité de lier les entités identifiées en phase 1 à un ensemble de propriétés (arbitraires) associées à leur valeur - par exemple à l'entité "France", ajouter une propriété "densité de population" de valeur "116 hab/km2" - de manière similaire aux infobox actuelles. Les développeurs vont fournir une API permettant de manipuler les données, ainsi qu'une ou plusieurs interfaces utilisateurs.
Un mockup d'une interface utilisateur possible pour Wikidata :
Du côté des joyeusetés techniques de cette phase, on trouve entre autre la conversion automatique des unités (basée sur le système de type de [Semantic MediaWiki](http://semantic-mediawiki.org/)) pour l'internationalisation, la création d'une syntaxe pour aller chercher une info dans la base de données quand on rédige une page sur Wikipedia, la possibilité d'indiquer les sources des différentes informations, la création d'articles _stub_ pour les Entités ne disposant pas d'articles dans une langue mais pour lesquelles des informations sont présentes sur Wikidata à partir de modèles correspondants à la nature de l'entité.
Encore une fois, un des effets sera la facilitation de la maintenance de wikipedia pour avoir des informations le plus à jour possible et la synchronisation. Du point de vue du contributeur, ça implique principalement la modification des modèles qui génèrent les infobox. Du point de vue des données, est aussi laissé à la communauté le choix des priorités des données à afficher quand plusieurs sources non concordantes sont disponibles pour une information particulière. De ce que j'en comprends, les différentes données seront disponibles dans la base et la communauté devra définir les règles de choix automatiques (par exemple priorité aux données de l'ONU sur les données de l'Insee, ou l'inverse).
Je ne détaillerai pas la liste des perspectives ouvertes (les objectifs optionnels de wikidata) mais elles sont bien entendu assez larges, ils évoquent la création de jeux de _fact checking_ pour vérifier la validité des données de manière ludique, ou encore la suggestion automatique de données à ajouter dans un article, ainsi que de sources.
* La dernière phase consiste en un développement de la possibilité d'utiliser les données dans MediaWiki, la gestion de listes de données. C'est-à-dire la possibilité de faire des requêtes pour créer des listes de données, faire quelques statistiques basiques, on imagine par exemple une moyenne, ou des possibilités pour afficher ces listes ou générer des graphiques.
## Les gens
Le projet est porté par des universitaires allemands ([Markus Krötzsch](http://korrekt.org/), de l'Université d'Oxford et [Denny Vrandecic](http://www.aifb.kit.edu/web/Denny_Vrandecic/en) qui travaille maintenant pour Wikimedia) qui n'en sont pas à leur coup d'essai puisqu'ils sont déjà à l'origine de [Semantic Mediawiki](http://semantic-mediawiki.org/), l'extension ajoutant la gestion de la sémantique au célèbre moteur wiki et a semblé suffisamment intéressant pour être financé par la [Gordon and Betty Moore Foundation](http://www.moore.org/), créé par l'auteur de la fameuse loi, Paul Allen, le cofondateur de Microsoft par l'intermédiaire de l'[Allen Institute for Artificial Intelligence](http://www.ai-squared.org/) ou encore Google. Techcrunch [fait d'ailleurs le lien]() avec de vagues rumeurs de [virage sémantique de Google sur son moteur de recherche](http://searchengineland.com/wsj-says-big-google-search-changes-coming-reality-check-time-115227) initiées par le Wall Street Journal.
## L'avancement
Le projet est en développement actif. On peut naviguer à partir de [la page consacrée au développement](http://meta.wikimedia.org/wiki/Wikidata/Development) pour s'en convaincre. Il est notamment inscrit au programme du [Berlin Hackaton 2012](http://www.mediawiki.org/wiki/Berlin_Hackathon_2012) qui aura lieu début juin. D'autres ressources sont aussi actuellement modifiées, comme la page dédiée [au modèle de données](http://meta.wikimedia.org/wiki/Wikidata/Data_model) qui contient pas mal d'informations intéressantes, à consulter pour les amateurs.
Le premier objectif temporel est fixé pour l'été prochain et concerne la première phase de gestion des identifiants. D'après la [FAQ](http://meta.wikimedia.org/wiki/Wikidata/FAQ) il devrait être terminé en Mars 2013, donc après un an de développement.
# Impacts
Le projet n'est pas en service ni même achevé pour l'instant, il n'échappe pas pour autant aux critiques par exemple [sur la neutralité de point de vue](http://www.theatlantic.com/technology/archive/2012/04/the-problem-with-wikidata/255564/) qui soulève le problème de la non neutralité du choix de données. L'accueil de l'annonce est cependant globalement assez bon sur les sites à orientation technique et la nouvelle a été largement relayée (par exemple [H-online](http://www.h-online.com/open/news/item/Wikidata-Wikipedia-to-get-a-collaborative-database-1498992.html), [Numerama](http://www.numerama.com/magazine/22208-wikidata-veut-faciliter-la-mise-a-jour-de-wikipedia.html), [CNet](http://news.cnet.com/8301-13772_3-57406789-52/wikidata-to-provide-structured-data-for-all-wikipedia-versions/) ou [Scientific computing](http://www.scientificcomputing.com/news-DS-Wikidata-A-Data-Revolution-for-Wikipedia-040312.aspx)).
Parmi les effets de bords, Wikidata pourrait avoir des conséquences sur les politiques internes de la communauté Wikipedia sur les critères d'admissibilité dans l'encyclopédie, polémique majeure autour de Wikipedia entre les _inclusionistes_ et les _suppressionnistes_.>This also increases the incentives to name the entities and create entities without a directly corresponding Wikipedia article (thus circumventing the current notability rules and requiring new ones).
[source](http://meta.wikimedia.org/wiki/New_Wikidata)
Il va en effet devenir assez tentant de créer des entités qui ne sont pas décrites par un article dans Wikipedia, avec les importations de données de masse par exemple, ou pour y faire référence dans des articles, par exemple des personnes qui existent mais ne remplissent pas les critères pour avoir un article. Il sera intéressant de voir comment la communauté va s'adapter.
#En conclusion
Wikidata a plusieurs intérêts majeurs pour le projet d'encyclopédie, la facilitation de certaines tâches fastidieuses de Wikipedia, l'internationalisation des données facilitée (l'indépendance à la langue). C'est un projet utile et prometteur auquel le monde du logiciel libre ne peut qu'apporter son soutien et qui pourrait rendre bien des services à la communauté en servant de source de données pour des applications libres (ou même non-libres).