Graphe de connaissances
Un graphe de connaissances (knowledge graph) stocke l'information sous forme d'entités (personnes, produits, lieux, concepts) reliées par des relations nommées, afin qu'un logiciel puisse suivre les liens entre les faits au lieu de chercher dans du texte libre.
Aussi appelé : KG
Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode
Dans un graphe de connaissances, « Acme Corp », « Jane Doe » et « Berlin » sont des nœuds, et les arêtes indiquent leurs relations : Jane Doe travaille chez Acme Corp, Acme Corp est basée à Berlin. Les faits s'écrivent souvent sous forme de triplets sujet, relation et objet. Les bases de données orientées graphe comme Neo4j et des standards comme RDF et SPARQL sont des moyens courants de les stocker et de les interroger.
Pourquoi c'est important pour l'IA
La recherche vectorielle trouve des passages qui ressemblent à la question. Elle est plus faible pour les questions qui exigent plusieurs sauts, comme « quels fournisseurs de notre bureau de Berlin servent aussi nos concurrents ? ». Un graphe peut y répondre en suivant les arêtes. Les graphes donnent aussi à un modèle des faits propres et structurés pour ancrer sa réponse, ce qui peut réduire les hallucinations.
Comment ils sont construits
Les graphes soigneusement constitués sont construits à la main ou à partir de données structurées. Les approches plus récentes utilisent un LLM pour extraire automatiquement des entités et des relations de documents, ce qui est la première étape de GraphRAG. Les erreurs d'extraction et les entités en double (« IBM » et « International Business Machines ») sont les problèmes habituels.
Graphe de connaissances ou base de connaissances
Une base de connaissances est toute collection d'informations dans laquelle un système peut puiser. Un graphe de connaissances est une façon de la structurer, avec des liens explicites entre entités.
Le guide des graphes de connaissances compare les outils, et les systèmes de mémoire d'agent stockent aussi de plus en plus les faits sous forme de graphes.
Termes liés
- GraphRAG
- GraphRAG est une approche de récupération dans laquelle un LLM construit d'abord un graphe de connaissances à partir d'une collection de documents et rédige des résumés de groupes d'entités liées, puis répond aux questions à l'aide de ces résumés et des liens du graphe.
- Base de connaissances (IA)
- Dans les applications d'IA, une base de connaissances (knowledge base) est la collection de documents et de données dans laquelle un assistant ou un agent cherche pour répondre aux questions, comme des articles d'aide, des politiques internes ou de la documentation produit, conservée séparément du modèle lui-même.
- Génération augmentée par récupération
- La génération augmentée par récupération (retrieval-augmented generation, RAG) est un schéma dans lequel un système cherche d'abord dans une collection de documents les passages pertinents pour une question, puis fournit ces passages à un modèle de langage pour que sa réponse s'appuie dessus.
- Mémoire d'agent
- La mémoire d'agent est l'ensemble des techniques qui permettent à un agent IA de conserver des informations au-delà d'une seule fenêtre de contexte, comme des faits sur un utilisateur ou un travail passé, en les stockant hors du modèle et en les rechargeant au besoin.
- Grounding
- Le grounding (ancrage) consiste à rattacher la réponse d'un modèle de langage à des sources précises et vérifiables, comme des résultats de recherche, des documents ou une base de données, afin que ses affirmations reposent sur des éléments fournis plutôt que sur ses seules données d'entraînement.