Résumé technique : Vers une ontologie pour les fondements des langages logiciels (FSL)

1. Énoncé du problème

Le domaine du Génie des Langages Logiciels (SLE) englobe une diversité de langages artificiels, notamment les langages de programmation, les langages spécifiques à un domaine (DSL), les langages de modélisation et les langages de requête. Bien que des sous-domaines comme la classification des langages de programmation ou l'ingénierie pilotée par les modèles aient développé des taxonomies spécifiques ou des structures quasi-ontologiques (par exemple, la mégamodélisation), il manque une fondation ontologique complète et unifiée pour l'ensemble du domaine des langages logiciels. Les ressources existantes se concentrent souvent sur des aspects spécifiques (par exemple, la construction de compilateurs ou des paradigmes particuliers) ou fournissent des recettes de type « corpus de connaissances » plutôt que des représentations formelles des connaissances. Les auteurs identifient le besoin d'une ressource de connaissances structurée reliant les domaines tels que la théorie des langages de programmation, le génie logiciel et l'ingénierie des langages de manière principielle, afin de soutenir l'enseignement et la recherche en informatique.

2. Méthodologie

L'article détaille le développement de la première version (V1) de l'ontologie « Fondements des Langages Logiciels » (FSL). La méthodologie suit un processus d'ingénierie d'ontologie standard raffiné, exécuté à travers neuf phases distinctes. Une innovation clé de cette méthodologie est l'intégration de l'IA Générative (GenAI) pour semi-automatiser des tâches d'ingénierie spécifiques tout en maintenant une supervision humaine.

2.1 Le processus de développement en neuf phases

1. Initialisation de la taxonomie : Établissement d'un ensemble de base d'entités stéréotypées (par exemple, grammaires, calculs, styles de sémantique) liées à des ressources de connaissances externes (Wikipédia) et priorisation des domaines sujets (SLE, Construction de compilateurs, Théorie des langages de programmation).
2. Découverte de catégories : Distinction entre les individus et les catégories au sein de l'ensemble de base, en utilisant la GenAI pour une classification par quelques exemples (few-shot).
3. Enrichissement de la taxonomie : Expansion de la taxonomie par la découverte de frères et sœurs et l'imposition de contraintes telles que « Double Instantiation » et « Double Sous-classement » pour assurer la qualité de la classification.
4. Découverte de propriétés : Introduction de propriétés objet (par exemple, uses, isSpecifiedBy, hasPart) pour dépasser une simple taxonomie, reliant les entités sur la base de l'utilisation, de la spécification et des relations partie-tout.
5. Couverture de l'espace technologique : Intégration du concept d'« espaces technologiques » (par exemple, Modelware, Grammarware) en tant que catégories racines, les reliant à des langages, des outils et des artefacts spécifiques via des relations comme conformsTo et processes.
6. Modularisation : Restructuration de l'ontologie en une structure modulaire composée d'un TBox central (types partagés) et de plusieurs ABoxes (assertions regroupées par type d'entité : entités formelles, langages de programmation, outils, artefacts, entités conceptuelles).
7. Couverture des concepts de langage logiciel : Capture des paradigmes de programmation et des concepts de langage (typage, abstraction, contrôle), en les généralisant pour s'appliquer aux langages logiciels non de programmation.
8. Couverture des activités de génie logiciel : Cartographie des activités de génie logiciel (exigences, conception, implémentation) vers les langages, outils et artefacts pertinents.
9. Examen : Validation systématique utilisant le raisonnement (HermiT), des contraintes de forme (SHACL) et des requêtes SPARQL pour assurer la cohérence et documenter la structure.

2.2 Rôle de l'IA Générative

La GenAI (spécifiquement GPT-5.2/5.3) a été employée comme outil de productivité plutôt que comme agent autonome. Son utilisation a été strictement contrôlée et validée :

• Découverte et classification : Assistance à l'identification d'entités candidates et à leur classification dans des catégories basées sur des exemples de base.
• Liaison : Aide à lier les entités à des pages Wikipédia et à des références universitaires.
• Génération d'assertions : Réalisation de « complétion par quelques exemples » pour associer des langages à des concepts ou des outils à des espaces, sous réserve de révision humaine.
• Transformation : Exécution de transformations d'ontologie (par exemple, renommage, déplacement d'espaces de noms) basées sur des spécifications textuelles fournies par l'auteur.
• Limitations : L'auteur a conservé l'initiative complète pour la définition des propriétés, des axiomes et de la méthodologie globale. Tous les résultats quantitatifs ont été générés via du code Python/SPARQL personnalisé pour éviter les hallucinations.

3. Contributions clés

• Ontologie FSL (V1) : La première ontologie relativement complète organisant les fondements des langages logiciels. Elle représente formellement :
  • Catégories de langages : Des langages de programmation aux langages de modélisation et de requête.
  • Entités formelles : Incluant des systèmes formels (par exemple, calcul lambda, calculs de processus) et des approches méthodologiques (par exemple, sémantique dénotationnelle).
  • Entités conceptuelles : Concepts de langage (paradigmes, typage, abstraction) et espaces technologiques.
  • Contexte du génie logiciel : Liens entre langages et outils et des activités spécifiques de génie logiciel (implémentation, génération de code) et des artefacts.
• Cadre méthodologique : Un processus d'ingénierie d'ontologie en neuf phases documenté, adapté au domaine des langages logiciels, démontrant comment intégrer les « espaces technologiques » et les « concepts de langage » dans une structure unifiée.
• Stratégie d'intégration de la GenAI : Une approche « hybride » d'ingénierie d'ontologie où la GenAI soutient la découverte, la classification et la transformation, mais où des experts humains maintiennent le contrôle sur la validation et les décisions structurelles. L'article fournit des traces de cette utilisation.
• Publication ouverte : L'ontologie et les artefacts accompagnants sont publiés sur GitHub, incluant des fichiers OWL modulaires, des formes SHACL pour la validation et des requêtes SPARQL pour les rapports.

4. Résultats

L'article présente des résultats quantitatifs et qualitatifs issus des neuf phases :

• Échelle : La version V1 contient 103 entités de langages, 70 entités formelles, 280 entités conceptuelles, 55 entités d'outils et 28 entités d'artefacts.
• Assertations : Il y a 422 assertions hasArea, 379 assertions nativelySupports et 186 assertions hasSpace, entre autres.
• Structure : L'ontologie est modularisée en 8 modules distincts (TBox, Entités formelles, Langages de programmation, Outils, Artefacts, Entités conceptuelles, etc.) avec des dépendances d'importation claires.
• Validation : L'ontologie passe le raisonneur HermiT et adhère à un ensemble de formes SHACL (par exemple, s'assurant que les classes ont des commentaires, des liens FOAF et des relations de conformité appropriées).
• Couverture : L'ontologie couvre avec succès les principaux paradigmes de programmation (impératif, fonctionnel, logique, POO), divers formalismes et des espaces technologiques clés (Modelware, Grammarware). Cependant, les auteurs notent que la couverture n'est pas exhaustive ; de nombreux espaces technologiques et activités de génie logiciel sont représentés par des types plutôt que par des instances spécifiques.

5. Signification et revendications

L'article revendique que FSL sert de ressource de connaissances fondamentale pour l'enseignement en informatique, comblant spécifiquement le fossé entre la théorie des langages de programmation, le génie logiciel et l'ingénierie des langages.

• Utilité éducative : FSL fournit un moyen structuré d'enseigner le génie des langages logiciels en reliant des concepts abstraits (formalismes) à des activités pratiques (implémentation, outillage).
• Formalisation : Il fait passer le domaine de conceptualisations informelles et pragmatiques à une représentation formalisée et ontologique, permettant des requêtes et un raisonnement lisibles par machine.
• Portée modeste : Les auteurs déclarent explicitement que V1 est un « Produit Minimum Viable » (MVP). Ils ne revendiquent pas la complétude ; ils visent plutôt à établir une structure qui peut être améliorée de manière itérative.
• Perspectives futures : L'article expose trois voies pour les travaux futurs :
  1. Évolution : Traitement des limitations connues en matière de validation, de complétion et de cohérence (par exemple, meilleure gestion de la disjonction et des axiomes définitionnels).
  2. Intégration CI/CD : Mise en œuvre de pipelines d'intégration continue/déploiement continu pour l'ontologie (utilisant GitHub Actions, tests SHACL et vérifications de raisonnement) pour automatiser le contrôle qualité et la gestion des versions.
  3. Appariement avec des chrestomathies : Alignement de FSL avec des chrestomathies existantes de langages logiciels (par exemple, YAS, 101companies) pour ancrer l'ontologie dans des exemples et des implémentations concrets.

L'article conclut que, bien que FSL soit un effort à un stade précoce, il démontre avec succès la faisabilité de l'application d'une ingénierie d'ontologie rigoureuse, augmentée par la GenAI, au domaine complexe et interdisciplinaire des langages logiciels.