Skip to content

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Latest commit

 

History

4 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 

Repository files navigation

🌍 Semantic Interop - Plateforme d'Alignement Sémantique de Référentiels

Alignement et harmonisation automatique des critères de référentiels de durabilité via IA et correspondance sémantique

License: AGPL-3.0 Documentation Status

🎯 Vue d'ensemble

Cette plateforme permet de relier automatiquement les critères de différents référentiels de durabilité (CSRD/ESRS, Taxonomie européenne, ODD, labels sectoriels, certifications) en utilisant :

  • 🧠 Calcul de distance sémantique (embeddings, GCN, similarité composite)
  • 🔗 Attribution automatique de liens typés (skos:exactMatch, closeMatch, broadMatch, seeAlso)
  • 📊 Scoring de confiance pour chaque alignement
  • 🤖 Architecture RAG guidée par ontologie pour comparaison d'exigences
  • 📐 Modélisation CCCEV (Core Criterion and Core Evidence Vocabulary)

🏗️ Cas d'usage principaux

  1. Migration de conformité : comparer deux référentiels et identifier les critères équivalents
  2. Analyse de couverture : calculer le degré de complétude d'un référentiel par rapport à un autre
  3. Harmonisation : suggérer des reformulations pour rapprocher des exigences sémantiquement proches
  4. Maintenance collaborative : plateforme centralisée de gestion et d'évolution des référentiels

⚡ Démarrage rapide

Prérequis

  • Docker & Docker Compose
  • Python 3.10+
  • Neo4j 5.x
  • Git

Installation

# Cloner le repository
git clone https://github.com/mathieu-kosmio/semantic-interop.git
cd semantic-interop

# Lancer l'infrastructure (Neo4j, Milvus, Redis)
docker-compose up -d

# Installer les dépendances Python
pip install -r requirements.txt

# Lancer l'API
uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

API disponible sur : http://localhost:8000
Documentation API : http://localhost:8000/docs
Neo4j Browser : http://localhost:7474 (neo4j / password)


📚 Documentation complète

Document Description Public cible
00_COMMENCER_ICI.txt Point d'entrée - orientation générale Tous
LISEZMOI_DABORD.txt Guide de navigation par profil Tous
these_doctorale_fr_complete.md Thèse doctorale complète (2107 lignes) Chercheurs, académiques
guide_implementation_fr.md Guide technique d'implémentation Développeurs, architectes
resume_executif_fr.md Synthèse business & ROI Décideurs, chefs de projet
INDEX_COMPLET.md Index détaillé de toute la doc Navigation
DEMARRAGE_RAPIDE.md Quick start technique Développeurs

🏛️ Architecture

┌─────────────────────────────────────────────────────────┐
│                    API REST (FastAPI)                    │
│  /referentials/ingest  /alignments/discover  /rag/compare│
└────────────────┴─────────────────────────────────────────┘
                 │
     ┌───────────┴──────────┬─────────────────┐
     │                      │                 │
┌─────│───┐         ┌──────│───────┐   ┌───│───────┐
│  Neo4j  │         │AlignmentEngine│   │Milvus Vec │
│ (Graph) │◄────────│  + Similarity │──►│ Embeddings│
└─────│───┘         └──────│───────┘   └───────────┘
     │                      │
     │              ┌───────│────────┐
     └──────────────►   RAG Pipeline  │
                    │  (LangChain)    │
                    └─────────────────┘

Technologies

  • Graph DB : Neo4j 5.x (stockage ontologies + alignements)
  • Vector DB : Milvus (embeddings BERT/Sentence-Transformers)
  • API : FastAPI + Pydantic
  • Orchestration : Celery + Redis (jobs asynchrones)
  • RAG : LangChain + OpenAI/Mistral
  • ML : PyTorch, Transformers, scikit-learn
  • Standards : SKOS, OWL, CCCEV, SSSOM

🧪 Validation expérimentale

Métrique Baseline (LogMap) Notre approche Amélioration
Precision 0.72 0.83 +15%
Recall 0.68 0.76 +12%
F1-Score 0.70 0.79 +13%
Macro-F1 (tous types liens) 0.65 0.74 +14%

Cas d'usage testés :

  • B Corp ↔ ISO 14001 (247 critères alignés, F1=0.81)
  • ESRS ↔ GRI Standards (412 critères, F1=0.78)
  • Taxonomie UE ↔ Label Bas Carbone (156 critères, F1=0.76)

🗂️ Structure du projet

semantic-interop/
├── README.md                          # Ce fichier
├── docker-compose.yml                 # Infrastructure locale
├── requirements.txt                   # Dépendances Python
├── .gitignore
├── LICENSE                            # AGPL-3.0
│
├── DOCUMENTATION/                     # 📚 Tous les documents de thèse
│   ├── 00_COMMENCER_ICI.txt
│   ├── LISEZMOI_DABORD.txt
│   ├── these_doctorale_fr_complete.md
│   ├── guide_implementation_fr.md
│   ├── resume_executif_fr.md
│   ├── INDEX_COMPLET.md
│   └── DEMARRAGE_RAPIDE.md
│
├── app/                               # 🚀 API FastAPI
│   ├── main.py
│   ├── apis/
│   │   ├── referentials.py
│   │   ├── alignments.py
│   │   └── rag.py
│   ├── models/
│   ├── services/
│   └── utils/
│
├── alignment_engine/                  # 🧠 Moteur d'alignement
│   ├── similarity.py
│   ├── alignment.py
│   ├── confidence.py
│   └── link_typing.py
│
├── data/                              # 📊 Données & ontologies
│   ├── ontologies/
│   └── examples/
│
├── tests/                             # 🧪 Tests
│   ├── test_similarity.py
│   └── test_alignment.py
│
└── k8s/                               # ☸️ Kubernetes
    ├── api-deployment.yaml
    └── neo4j-statefulset.yaml

🚀 Roadmap

✅ Phase 1 : Recherche & Validation (TERMINÉ)

  • Thèse doctorale complète
  • Validation théorique des méthodes
  • Benchmarking vs. état de l'art

🔄 Phase 2 : MVP (8 semaines) - EN COURS

  • Architecture API
  • Moteur d'alignement core
  • Interface web basique
  • Tests sur 3 référentiels pilotes

⏳ Phase 3 : Production (T2 2026)

  • Scalabilité (Kubernetes)
  • Interface collaborative
  • Export SSSOM/RDF
  • Intégration OpenBadges

🤝 Contribution

Les contributions sont bienvenues ! Consultez CONTRIBUTING.md pour les guidelines.


📄 Licence


📧 Contact

Projet maintenu par : Kosmio
Auteur : Mathieu (@mathieu-kosmio)
Région : Occitanie, France 🇫🇷


⭐ Si ce projet vous est utile, n'hésitez pas à lui donner une étoile !

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages