SHACL : Contrôles logiques et de forme avec les technologies de graphes de connaissances

Posté le 18/03/2021 par Christophe Debruyne
SHACL permet de contrôler et de valider des données indépendamment du code de programmation ou du système de base de données sous-jacent. Il s’agit d’une évolution récente dans le domaine des graphes de connaissances. Des outils sont déjà disponibles.

Dans cet article, Christophe décrit SHACL et propose quelques exemples qui illustrent comment l’utiliser pour valider des données. Il aborde également les possibilités d’application de cette technologie, notamment dans le domaine de la gestion et de la qualité des données.
Lire la suite (en néerlandais) sur le blog de Smals Research.*

L’intelligence artificielle dans le secteur public

Posté, en français, le 25/02/2021 par Katy Fokou sur le blog de Smals Research
Depuis quelques années, l’intelligence artificielle (IA) suscite un énorme engouement. Cependant, malgré les avantages évidents qu’elle peut apporter pour le fonctionnement des services publics et pour les citoyens, elle est mieux implantée dans le secteur privé que dans le public.
Publié, en néerlandais, le 30/03/2021, sur le site ITdaily sous le titre :
Is artificiële intelligentie de toekomst voor onze overheidssector?

Dans son article, Katy Fokou explique l’importance de l’IA pour le secteur public. Elle évoque les applications possibles et précise les points d’attention.
Lire la suite sur le blog de Smals Research*

Le web scraping : utile pour l’eGov ?

Posté le 26/01/2021 par Vandy Berten
Le web scraping, parfois appelé web crawling ou web harvesting, reprend toutes les techniques d’extraction de contenu sur des sites web. Il a recours à différents outils : scripts, programmes, plugins… Le but ? Utiliser le contenu extrait dans un autre contexte.
Lire la suite sur le blog de Smals Research*

Differential Privacy

Posté le 12/01/2021 par Christophe Debruyne
Le Differential Privacy (DP) est une méthode qui consiste à injecter un bruit (notion mathématique) spécifique dans des données ou dans une réponse à une requête. Le but est d’empêcher que l’on puisse savoir si les données d’une personne spécifique sont présentes. Le DP permet ainsi de préserver la vie privée.

Malgré l’introduction du bruit, les propriétés statistiques des données d’origine sont, en gros, préservées. Bien que complexe, le DP peut être intéressant pour le partage de données statistiques ou même, pour la Business Intelligence (BI). Cet article explique le concept de DP. Il cite un certain nombre d’applications. Il est illustré par un exemple qui utilise un outil injectant le DP dans des requêtes SQL.
Lire la suite (en néerlandais) sur le blog de Smals Research*

Data Quality : “Anomalies & Transactions Management System”; prototype & work in progress

Posté le 08/12/2020 par Isabelle Boydens
En 2019, Smals Research annonçait le lancement d’un proof of concept relatif à la mise en place d’un service générique d’ATMS (Anomalies & Transactions Management System). Les auteurs du présent article rappellent les principales motivations en termes de qualité des données et de retour sur investissement.

Ils précisent les spécifications fonctionnelles. Ils illustrent leurs propos sur la base de use cases. Ils évoquent également les avancées sur le plan technique, de même que les perspectives de développement ultérieur.

Cet article est une contribution collective d’Isabelle Boydens (Data Quality Expert chez Smals Research), de Gani Hamiti (Data Quality Analyst chez Smals, Databases Team) et de Rudy Van Eeckhout (Databases R&D chez Smals, Databases Team).
Lire la suite sur le blog de Smals Research*

Lire d’autres articles sur le blog de Smals Research

* Ces articles sont des contributions personnelles de leurs auteurs. Ils ont été écrits en leur nom propre et ne prennent pas position au nom de Smals.

Plus d’infos sur l’équipe Smals Research


Les commentaries sont fermés.