Qu’est-ce qu’une recherche scientifique ?

Faire de la recherche consiste à formuler une question dont la réponse n’est pas déjà établie dans le cadre étudié, puis à construire une démarche pour y répondre. La contribution peut prendre la forme d’un modèle, d’une méthode, d’une démonstration, d’une analyse ou d’un résultat expérimental. Elle est située par rapport aux travaux existants et accompagnée d’éléments qui permettent de l’examiner.

Un point de départ dans mes recherches

Mes travaux en informatique portent notamment sur l’intégration de données, la représentation des connaissances et les données urbaines. Une difficulté commune est que plusieurs sources peuvent décrire les mêmes objets avec des structures, des vocabulaires, des échelles ou des versions différentes. Les réunir suppose de comprendre ce que leurs informations signifient et comment elles se correspondent.

Un entrepôt de données rassemble des informations pour les analyser. Un modèle urbain représente des objets comme des bâtiments et leurs relations spatiales. Un graphe de connaissances décrit des entités et leurs relations explicites : par exemple, un bâtiment est situé dans un quartier. Ces objets donnent lieu à des questions de recherche sur la manière d’intégrer, de représenter, d’interroger et de visualiser l’information.

Le parcours et les publications présentés dans cette introduction figurent sur ma page de recherche. Ils servent de fil conducteur pour comprendre comment un problème informatique devient un travail scientifique.

Du domaine à une question étudiable

« Les données urbaines » désigne un domaine très vaste. Une question de recherche précise un objet, une difficulté et les conditions dans lesquelles une réponse sera étudiée. Deux sources peuvent décrire différemment les mêmes bâtiments à cause de leur date de collecte, de leur précision géométrique, de leur vocabulaire ou de leur définition du bâtiment.

Dans mes travaux collectifs, ces difficultés apparaissent notamment dans l’intégration de données urbaines multisources, la représentation de plusieurs points de vue sur les changements urbains et la limitation de la perte d’information sémantique lors de la construction de graphes. Le sens des données fait donc partie du problème, au même titre que leur format.

Un exemple pédagogique de délimitation

La comparaison présentée ici est un exemple pédagogique : sur un quartier et deux sources fixés, une méthode utilisant le type et la hauteur des bâtiments produit-elle des rapprochements plus fiables qu’une méthode utilisant seulement leur position ? Il ne s’agit pas d’un résultat publié de mes travaux. Cet exemple rend visible le passage d’un thème général à une comparaison précise.

La fiabilité peut être examinée à partir de liens de référence vérifiés : combien de liens proposés sont corrects, et combien de liens attendus sont retrouvés ? L’état de l’art permet ensuite d’identifier les méthodes existantes, leurs limites et ce que la nouvelle étude pourrait apporter.

Hypothèse, protocole et interprétation

Une hypothèse est une réponse envisagée que le travail va mettre à l’épreuve. Dans l’exemple des bâtiments, le type et la hauteur pourraient aider à distinguer des objets proches. Mais ces attributs peuvent être absents, imprécis ou définis différemment selon la source : leur intérêt doit être évalué.

Un protocole décrit les données, les méthodes comparées et les critères d’évaluation. Les critères sont définis avant l’analyse des résultats ; les données utilisées pour ajuster la méthode sont distinguées de celles qui servent à la tester. La documentation des sources, de leurs versions, du code et des choix rend le travail vérifiable.

Un score global ne suffit pas à expliquer un résultat. L’examen des erreurs permet de comprendre dans quelles conditions la méthode fonctionne ou échoue. Une amélioration sur un quartier ne démontre pas une amélioration dans toutes les villes. Un résultat négatif peut révéler une limite de l’hypothèse ou des données et conduire à reformuler la question.

La recherche est ainsi une démarche itérative. Selon le domaine et la question, les éléments de preuve peuvent provenir de démonstrations, d’observations, d’entretiens, d’expériences ou de simulations. Le cas présenté ici illustre une démarche expérimentale en informatique.

Trois exemples concrets de mes travaux

DaWeS : intégrer des données issues de services web

Mon doctorat portait sur l’alimentation d’un entrepôt de données à partir de services web. Le problème est celui de sources hétérogènes et autonomes : elles exposent leurs données selon leurs propres structures et interfaces. L’approche de médiation étudiée pour le prototype DaWeS organise l’accès à ces sources et leur mise en correspondance. Elle illustre une contribution associant une méthode et un prototype.

UD-SV : explorer et partager des données urbaines

Les travaux sur UD-SV portent sur une plateforme de services et de visualisation de données urbaines multidimensionnelles. Ils relient la gestion des données à leur exploration et au partage de recherches pluridisciplinaires. Les travaux collectifs associés abordent aussi l’intégration de sources urbaines, les modèles 3D et leurs évolutions, ainsi que les relations entre plusieurs échelles, du territoire au bâtiment.

ConVer-G : interroger des connaissances qui évoluent

Un graphe de connaissances peut changer au fil des corrections et des ajouts. ConVer-G réunit des fonctions de gestion de versions, d’interrogation et de visualisation de graphes dynamiques. La question n’est donc plus seulement de représenter des connaissances, mais aussi de travailler avec plusieurs états de ces connaissances.

Un travail collectif, plusieurs formes de contribution

Ces recherches sont menées avec des collègues et des doctorants. Elles produisent des modèles, des méthodes, des logiciels et des publications. Leur fil conducteur est la possibilité d’exploiter des données de sources différentes tout en tenant compte de leur sens, de leurs points de vue et de leurs évolutions. Mon habilitation, « Focaliser, Défocaliser, Refocaliser : pourquoi les villes intelligentes, durables et inclusives ont besoin de regards sémantiques », inscrit ces questions dans le contexte des villes.

Références répertoriées sur ma page de publications : Integration of Multiple Heterogeneous and Autonomous Web Services using Mediation Approach (2016) ; UD-SV: Urban Data Services and Visualization Framework for Sharing Multidisciplinary Research (2023) ; ConVer-G: A Suite for Versioning, Querying and Visualization of Dynamic Knowledge Graphs (2026).

Sélectionner des articles et justifier leur pertinence

Compte tenu du temps disponible, les étudiants sont invités à indiquer quels articles sont pertinents pour leur sujet de projet et à justifier brièvement leur choix. Ils peuvent s’appuyer sur la question étudiée, la méthode ou les résultats présentés dans chaque article pour expliquer ce lien.

La première séance porte sur l’état de l’art : trouver des travaux pertinents, comparer leurs méthodes et leurs résultats, puis situer sa propre question. La seconde porte sur la communication : présenter le problème, expliquer la démarche, exposer les résultats et leurs limites, et permettre leur discussion par d’autres.

La recherche se construit collectivement. Les citations rendent visibles les contributions antérieures ; la description des méthodes et le partage des données et du code, lorsque cela est possible, facilitent la vérification et la réutilisation. Le respect des personnes, des conditions d’utilisation des données et l’explicitation des incertitudes font partie de cette démarche.

Les outils d’IA peuvent assister certaines tâches d’exploration ou de rédaction, mais leurs propositions doivent être confrontées aux sources. Les auteurs restent responsables des choix, des affirmations et de l’argumentation présentés dans leur travail.