La conférence IC de la PFIA vise à développer les échanges autour de l’ingénierie des connaissances. IC prend en compte l’essor de l’apprentissage automatique et ses retombées sur les pratiques, tout en conservant l’humain au centre des systèmes de décision exploitant données et connaissances.

Menu: Dates importantes | Conférenciers invités | Thèmes de la conférence | Soumissions | Ateliers | Programme | Actes | Comité de programme | Historique et ambitions

Dates importantes

• Soumission des articles : 23 février 2 mars 2026
• Notification aux auteurs : 6 avril 9 avril 2026
• Réception des versions définitives : 4 mai 2026
• Ateliers : 29-30 juin 2026
• IC 2026 : 1-3 juillet 2026

Conférenciers invités

• Conférencier invité, commune à PFIA : Jiaoyan Chen, Senior Lecturer, The University of Manchester
• Conférencier.ère invité.e, commune à la journée du GDR RADIA : Mehwish Alam, Associate Professor, Télécom Paris, Palaiseau
• Conférencière invitée, spéciale IC : Nathalie Aussenac-Gilles, Directrice de Recherche CNRS, IRIT, Toulouse

Chen Jiaoyan

University of Manchester, UK

IC et plénière PFIA

Senior Lecturer

Exploring Large Language Models in Ontology Reasoning and Construction

Abstract:

Ontology is widely used for knowledge representation in many domains like biomedicine and e-commerce, but ontology construction is always challenging, relying on a lot of manual costs and expertise. Ontology reasoning can support ontology construction and its application, but classic symbolic methods suffer from problems like the failure to deal with uncertainty, incompleteness and informally represented data. Although machine learning and neural-symbolic integration have been widely explored, the emergence of Large Language Models, especially its emergent capabilities in natural language understanding and generation, have attracted many researchers’ attention for advancing ontology reasoning and construction. In this talk, I will focus on language model-based ontology representation learning for ontology reasoning and generative large language models (LLMs) for complex proofs in OWL ontology, and briefly introduce some other works on LLMs for ontology alignment and completion.

Bio:

Dr. Jiaoyan Chen is Senior Lecturer (~Associate Professor) in Department of Computer Science, The University of Manchester. Before joining The University of Manchester in 2022, he worked as a Senior Researcher in University of Oxford since 2017 and got his PhD in Computer Science and Technology in Zhejiang University. Jiaoyan’s research focuses on Knowledge Graph, Ontology, and Artificial Intelligence. His publications has got ~6000 citations according to Google Scholar, and his recent research on Ontology Embedding was awarded an EPSRC New Investigator Award. Home page: https://chenjiaoyan.github.io/.

Alam Mehwish

Télécom Paris, LTCI, Palaiseau

IC & GDR RADIA

Associate Professeur

Language Models and Symbolic AI

Abstract:

This talk examines the evolving synergy between language models and symbolic Artificial Intelligence, focusing on their complementary strengths in representing and reasoning over structured knowledge. Recent advances in how language models and symbolic frameworks can benefit from each other for tasks such as knowledge completion, taxonomy refinement, and fact verification will be discussed. Particular attention is given to how these approaches enable more flexible and scalable handling of semi-structured and structured data. We further highlight applications in domain-specific settings, including biomedicine and cultural heritage, where data complexity and ambiguity pose unique challenges.

Bio:

Mehwish Alam is an Associate Professor and is leading a research group in Neurosymbolic Artificial Intelligence at Télécom Paris, Institut Polytechnique de Paris, France. Her research topics include Language Models, Natural Language Processing, Graph Learning, Machine/Deep Learning, and Knowledge Graphs. More specifically her research group focuses on the topics such as knowledge based hallucination detection in language models, learning representation from hyper and dynamic graphs, cognitive aspects of language models, explainability, and the application domains such as biomedicine and cultural heritages. Her research work has been published in high ranking conferences such as IJCAI, SIGIR, CIKM, ISWC, ECAI, and LREC. She has also published in prestigious journals such as Knowledge Based Systems, IEEE Computational Intelligence Magazine, Social Network Analysis and Mining, Scientometrics, Progress in Artificial Intelligence, and Semantic Web Journal. She is also part of the team leading the development of YAGO Knowledge Graph. She is currently leading academic and industrial collaborations on various aspects on the intersection of LLMs and Knowledge Graphs. She has been a part of the Organization Committee of various conferences in the field of Semantic Web and is a Senior PC member in ECAI and LREC/COLING.

Aussenac-Gilles Nathalie

CNRS, IRIT, Toulouse

IC

Directrice de Recherche

Quelle ingénierie des connaissances à l’heure des Grands Modèles de Langue ?

Abstract:

L’ingénierie des connaissances a 40 ans ou presque. Elle a traversé toutes ces années en étant considérée à la marge de l’IA symbolique, abordant des problématiques opérationnelles à l’articulation avec des applications d’IA. Et pour répondre à cet objectif, elle a dû s’adapter à l’évolution de la vision de “système intelligent en IA” au sein de la communauté scientifique mais aussi du monde industriel et du grand public. Des systèmes experts aux systèmes à base de connaissances, puis au web sémantique, aux services et autres assistants et aides à la décision, notre domaine a su faire évoluer ses problématiques de recherches autour de questions récurrentes et fondamentales : comment développer des systèmes qui réalisent des tâches complexes qui requièrent tout un savoir et un savoir-faire spécialisés ? qu’est-ce qu’un système intelligent ? quels modèles formels lui fournir pour qu’il raisonne, classe, vérifie… ? Avec l’arrivée des très grands modèles à base de réseaux de neurones, les paradigmes changent. Toutes les tâches “intelligentes” semblent pouvoir être résolues en adaptant, entraînant ou combinant un ou plusieurs de ces modèles, en particulier les grands modèles de langue (GML). Pour le moment, les limites de ces modèles ouvrent de nouvelles opportunités de recherche pour l’ingénierie des connaissances, par exemple en exploitant la complémentarité entre GML et graphes de connaissances. L’exposé mentionnera plusieurs de ces pistes. Mais jusqu’à quand ? l’IC va-t-elle juste de venir une ingénierie du prompt ? Quel rôle peut jouer l’IC pour préserver une éthique de l’IA, pour garder une vigilance sur les usages de l’IA ? Je terminerai donc par des questions dont certaines peuvent ouvrir des directions de recherche.

Bio:

Nathalie Aussenac-Gilles est chercheuse au CNRS à l’IRIT, le laboratoire d’informatique de Toulouse, depuis 1991 et directrice de recherche depuis 2010. Elle a animé plusieurs groupes de recherche nationaux associés à l’Association française pour l’intelligence artificielle et au Groupe national de recherche en intelligence artificielle. Au sein de l’IRIT, elle a cofondé l’équipe MELODI en 2011, coordonné les activités dans les domaines du big data, de l’IA et du traitement des données de 2012 à 2019, et coprésidé le département IA de 2012 à 2025. Ses recherches portent sur l’ingénierie des connaissances et les technologies du web sémantique, les méthodes et modèles de construction de terminologies, d’ontologies et de graphes de connaissances, notamment à partir de textes et de données. Elle a proposé des algorithmes pour extraire des relations sémantiques à partir de textes, annoter des textes avec des concepts, intégrer des données hétérogènes basées sur des ontologies, et plusieurs modèles de métadonnées FAIR pour les données ouvertes. Elle a participé à plus de 20 projets collaboratifs nationaux (dont 10 projets ANR) et européens (4), encadré 22 thèses et publié près de 150 articles de conférences, workshops et journaux.

Thèmes de la conférence

Pour son édition 2026, nous souhaitons mettre particulièrement en avant les méthodes mêlant raisonnement automatique et grands modèles de langues. Pour cette raison, les soumissions sur ce thème seront particulièrement bienvenues. Plus généralement, les thèmes des contributions attendus incluent, sans s’y limiter :

• Représentation de connaissances : des ontologies aux graphes de connaissances

  • Construction et cycle de vie : conception, implémentation, évolution, évaluation, exploitation
  • Modélisation et formalisation : langages formels et moins formels, standards
  • Ingénierie des connaissances : alignement, intégration, modularité, patrons de conception, visualisation
  • Outils et standards du Web sémantique et du Web des données
  • Ontologies et données FAIR

• Apprentissage neuro-symbolique

  • Apprentissage profond et graphes de connaissances
  • Combinaison grand modèles de langues et représentation de connaissances
  • Multi-agents combinants agent symbolique et numérique
  • Génération à enrichissement contextuel (RAG) à partir des graphes

• Raisonnement

  • Inférence et règles métiers
  • Raisonnement logique, approximations, complexité, raisonnement statistique, raisonnement par analogie, raisonnement à partir de cas, raisonnement dans les logiques non classiques
  • Raisonnement sur les textes : argumentation, discours, grands modèles à capacité de raisonnement

• Des données aux connaissances

  • Extraction de connaissances, peuplement d’ontologies, annotation sémantique
  • Extraction de connaissances à partir de textes, à partir d’images, à partir d’autres types de données non structurées, à partir d’interactions
  • Ingénierie des systèmes collaboratifs, crowd-sourcing
  • Raisonnements sur les connaissances
  • Ingénierie des connaissances et fouille de données

• Qualité des données et connaissances

  • Ingénierie des connaissances pour la gestion de données complexes : données multimédia, multilingues, temporelles, spatiales, multi-échelles, imprécises ou incertaines
  • Propriété et sécurité dans les systèmes basés sur les connaissances
  • Provenance et confiance dans les données, incertitude
  • Evaluation de la qualité des données et connaissance

• Applications

  • Recherche d’information
  • Interaction Homme-Machine
  • Aide à la décision et recommandation
  • Adaptation, personnalisation
  • Science des données
  • Applications aux sciences sociales, à l’écologie, l’agriculture, la culture, l’éducation, le domaine biomédical, etc.

Soumissions

IC appel à plusieurs types de communications :

• Articles de recherche originaux (académiques ou industriels, théoriques ou appliqués) :

  • Articles longs, pour des résultats validés, 10 pages maximum, références comprises. Présentation orale 20 min, discussion 10 min.
  • Articles courts, pour des résultats plus préliminaires, 6 pages maximum, références comprises. Présentation orale 10-15 min, discussion 5 min.
  • Articles de positionnement apportant une retrospective ou une perspective sur les thèmes de la conférence, 6 pages maximum, références comprises. Présentation orale 15 min, discussion 10 min.

• Articles de recherche déjà publiés dans de bonnes conférences ou revues internationales mais inédits en français. La soumission de la version finale des articles doit être réalisée en français avec une référence vers l’article publié. 10 pages maximum, références comprises. Présentation orale 15 min, discussion 5 min.

  Les soumissions doivent respecter le style PFIA 2026, être déposées en PDF et rédigées en français sur la plateforme OpenReview : IC 2026 OpenReview

Un prix du meilleur article sera décerné par le comité de programme le dernier jour de la conférence. Ce prix d’un montant de 500€ est sponsorisé par le Collège Science de l’Ingénierie des Connaissances de l’AFIA.

Ateliers

Trois ateliers en lien avec la conférence se dérouleront en amont d’IC

• Atelier Science Ouverte et Sémantique (SOSEM), 3ème édition, le 29/6 matin
• Atelier InOvive, 9ème édition, 29/6 après-midi
• Atelier IA et Santé, 11ème édition, 30/6 journée

Historique et ambition

Les journées francophones d’Ingénierie des Connaissances (IC) sont organisées chaque année depuis 1997, d’abord sous l’égide du Gracq (Groupe de Recherche en Acquisition des Connaissances) puis sous celle du collège SIC (Science de l’Ingénierie des Connaissances) de l’AFIA. Cette année encore, IC est hébergée par la plateforme PFIA, conjointement avec d’autres conférences francophones dans le domaine de l’intelligence artificielle (IA).

L’ingénierie des connaissances peut être vue comme la thématique de l’Intelligence Artificielle accompagnant l’évolution des sciences et technologies de l’information et de la communication qui engendrent des mutations dans les pratiques individuelles et collectives. Elle ambitionne de contribuer à son essor en développant les modèles, les méthodes et les outils pour l’acquisition, la représentation et l’intégration de connaissances afin de rendre possible leur exploitation dans des environnements informatiques aux caractéristiques variées. La représentation formelle de ces connaissances permet des raisonnements automatiques sur ces connaissances et sur les données qui leur sont associées, pouvant être complexes, hétérogènes et évolutives. Sa finalité est la production de méthodes et outils « intelligents », capables d’aider l’humain dans ses activités et ses prises de décisions. La conférence IC est un lieu d’échanges et de réflexions, de présentation et de confrontation des théories, pratiques, méthodes et outils autour de l’ingénierie des connaissances. Cette communauté prend désormais en compte l’essor des algorithmes d’apprentissage automatique et leurs retombées sur les pratiques individuelles et collectives, tout en conservant l’humain au centre des systèmes de décision exploitant les données et les connaissances.

Comité de programme

Président : Adrien Coulet Inria, Inserm, Université Paris Cité, UMR HeKA, contact : adrien.coulet@inria.fr

Membres :
Nathalie Abadie Ecole Nationale des Sciences Géographiques
Marie-Hélène Abel Université de technologie de Compiègne
Yamine Ait-Ameur IRIT, ENSEEIHT-Toulouse INP
Sandra Bringay LIRMM, Université Paul Valéry, Montpellier
Davide Buscaldi Université Sorbonne Paris Nord, Ecole polytechnique
Sylvie Calabretto LIRIS, INSA de Lyon
Pierre-Antoine Champin Université Claude Bernard Lyon 1
Jean Charlet LIMICS, Sorbonne Université, Inserm, Paris
Victor Charpenay Ecole des Mines de St-Etienne
Adrien Coulet Centre Inria de Paris
Jerome David LIG, Inria, Université de Grenoble-Alpes
Sylvie Desprès Université Sorbonne Paris Nord
Gayo Diallo ISPED, Université de Bordeaux
Catherine Faron I3S, Inria, Université Côte d’Azur
Béatrice Fuchs LIRIS, Université Jean Moulin (Lyon III)
Alban Gaignard CNRS, Institut du Thorax, Nantes
Nathalie Hernandez IRIT, Université de Toulouse Jean Jaurès
Liliana Ibanescu Agro Paris Tech, Montpellier
Sébastien Iksal LIUM, Université du Mans
Clement Jonquet INRAE, Montpellier
Mouna Kamel IRIT, Université de Perpignan
Gilles Kassel Université de Picardie Jules Verne
Maxime Lefrançois Ecoles des Mines de St-Etienne
Pierre Monnin Centre Inria d’Université Côte d’Azur
Fleur Mougin ISPED, Université de Bordeaux
Nathalie Pernelle LIPN, Université Sorbonne Paris Nord
Catherine Roussey INRAE, Montpellier
Fathia Saïs LISN, Université Paris Saclay
Nathalie Souf IRIT, Université Paul Sabatier de Toulouse
Lina F. Soualmia Université de Rouen - Haute Normandie
Andon Tchechmedjiev IMT Mines Alès
Konstantin Todorov LIRMM, Université de Montpellier
Raphael Troncy Eurecom
Haifa Zargayouna Université Paris 13