Bou 5113

République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université Mentouri de Constantine
Département d’Informatique
N° d’ordre : 184/mag/2008
Série : 001/inf/2008
MÉMOIRE
Présenté en vue de l’obtention du diplôme de
Magister en informatique
Option : Génie logiciel & intelligence artificielle
Par : Boucetta Zouhel
Encadré par : Professeur ZIZETTE BOUFAÏDA
APPARIEMENT SÉMANTIQUE
DES CVs/OFFRES D’EMPLOI
DANS LE CADRE DU E-RECRUTEMENT
Soutenu publiquement le devant le jury composé de :
Président: Mme Faiza Belala Maitre de conférences Univ. Mentouri de Constantine

Rapporteur: Mme. Zizette Boufaida Professeur Univ. Mentouri de Constantine
Examinateur: Mr. Nacer eddine Zarour Maitre de conférences Univ. Mentouri de Constantine
Examinateur: Mr. Ramdane Mamri Maitre de conférences Univ. Mentouri de Constantine
Préparé au sein du SIBC, Laboratoire LIRE

Equipe Systèmes d’Information & Bases de Connaissances, Laboratoire d’Informatique Répartie
Remerciement
« Nous sommes des nains
juchés sur les épaules de géants »
Isaac Newton
En tout premier lieu, je remercie mon dieu, tout puissant, qui m’a éclairé le bon chemin
et qui m’a aidé à réaliser ce travail dans les meilleures conditions ainsi que mon
encadreur Madame Zizette Boufaida Professeur à l’université de Constantine qui m’a
guidé avec patience et gentillesse et m’a fait profiter de sa grande expérience ainsi que
de ses précieuses remarques qui ont grandement contribué à améliorer la qualité de ce
mémoire. Qu’elle soit ici assurée de mon très grand respect.
Ensuite, j’adresse toute ma profonde gratitude à Melle Leila YAHIAOUI qui m’a
beaucoup aidé dans le développement de ce projet ainsi que dans la rédaction de mon
article. Ses conseils, ses suggestions, ses commentaires et ses critiques ont contribué à
l’aboutissement de ce travail.
Je tiens à remercier très sincèrement l’ensemble des membres du jury qui me font le
grand honneur d’avoir accepté de juger mon travail.
Je remercie Madame Faiza Belala Maitre de conférence à l’université de Constantine

pour l’honneur qu’elle ma fait en acceptant la présidence de ce jury. Qu’elle trouve donc
ici l’assurance de ma profonde gratitude.
Je tiens à exprimer toute ma reconnaissance à Monsieur Nacer eddine Zarour Maître de

Conférence à l’université de Constantine et Monsieur Ramdane Mamri Maître de
Conférence à l’université de Constantine, pour avoir acceptées d ’être examinateur de ce
travail et pour le temps qu’ils ont investit à l’évaluer malgré leurs nombreuses
obligations.
A Monsieur Mahmoud Boufaida, Directeur de l’équipe SI & BC. Je le remercie de

m’avoir accepté dans son équipe. Je tiens à lui témoigner toute ma reconnaissance pour
le soutien permanant qu’il m’a manifesté. Ses commentaires, ses critiques et surtout son
encouragement dans les moments difficiles, m’ont permis de mener ce travail à son
terme.
A Monsieur sofiane Allioua et Monsieur tahar Madaci et Monsieur djamil Madaci un

grand merci pour votre aide.
Enfin, toute ma gratitude est adressée à mes parents qui m'ont toujours aidé et
soutenu dans mes études. Je leur dédie, ainsi que mon marié et toute ma famille, mon
mémoire.
I
Table des matières
Introduction générale ……………………………………………………….… 1

1. Contexte de l’étude et problématique………………………………………………… 1
2. Plan du mémoire ……………………………………………………………………… 4
Chapitre I : Le Web Sémantique et l’annotation
1. Introduction ……………………………………………………………………. 7
2. Le Web Sémantique. ……………………………………………………………. 7
3. Les Ontologies …………………………………………………………….......... 8
3.1. Les éléments constituant une ontologie. ……………………………………… 9
4. Méthodes à suivre pour élaborer une ontologie…………………................................. 10
4.1. ENTREPRISE……………………………………………………………………………….. 10
4.2. TOVE.…………………………………………………………………………… 10
4.3. METHONTOLOGY…………………………………………………………….. 10
4.3.1. Cycle de vie de l’ontologie selon METHONDOLOGY……………………. 10
5. Les langages de spécification d’ontologie ……………………………………………. 12
5.1. RDF.…………………………………………………………………………….. 12
5.2. RDFS. ………………………………………………………………………….. 13
5.3. OWL.…………………………………………………………………….. 13
6. Méta données, annotation, annotation sémantique…………………………………….. 14
6.1 Les méta-données …………………………………………………………….. 15

6.1.1 Définition …………………………………………………………………. 15
6.1.2 Dublin Core …………………………………………………………. 16
6.2. L’annotation. ………………………………………………………………….. 18
6.2.1 Définition…………………………………………………………………. 18
6.2.2 Élément caractérisant une annotation …………………………………. 18
6.2.3 Rôle des annotations …………………………………………………....... 20
II
6.2.4 La différence entre l’annotation et une méta-donné…………………… 20

6.3 L'annotation sémantique…………………………………………………………. 21
6.3.1. Définition …………………………………………………………………… 21
6.3.2. Le stockage des annotations………………………………………………… 22
6.3.3. Représentation des annotations et la tache d’annotation…………………… 23
6.3.4. Approche d’annotation……………………………………………………… 25
6.3.5. Rôles des annotations. …………………………………………………… 26
6.3.6. Framwork pour les annotations sémantiques…………………………….. 27
6.3.7. Outils pour l’annotation sémantique………………………………………… 28
6.3.7.1. C’est quoi un outil d’annotation……………………………………… 28
6.3.7.2. Quelques outils pour l’annotation……………………………………. 28
6.3.7.3. Synthèse……………………………………………………………… 29
7. conclusion……………………………………………………………………………… 33
Chapitre II : Gestion des documents dans le cadre du e-Recrutement
1. Introduction ……………………………………………………………………. 35
2. Les sites d’emplois…………………………………………………………………….. 35
3. CVs /offres d’emploi et outils de génération…………………………………………... 38
3.1. Rubrique d’un CV …………………………………………………………….. 39
3.2. L’offre d’emploi ………………………………………………………………. 41
3.3. Outils de génération des CVs /offres d’emploi………………………………... 41
4. Le e-Recrutement……………………………………………………………………… 43
4.1. Les phases du processus de recrutement ……………………………………… 43
4.2. Les limite du e-Recrutement………………………………………………….. 44
5. La gestion des connaissances et des compétences…………………………………….. 46
5.1. Gestion des connaissances (KM)………………………………………………… 46
5.1.1 Définition……………………………………………………………………… 46
5.1.2 Objectif de la gestion des connaissances………………………………………. 47
5.2. C’est quoi une Compétence……………………………………………………… 47
5.3. Gestion des compétences………………………………………………………… 47
6. l’appariement sémantique pour le e-Recrutement……………………………………... 48
6.1. L’appariement syntaxique des documents ……………………………………. 49

6.2. L’appariement sémantique des documents……………………………………….. 49
III
7. Les travaux existants…………………………………………………………………... 49

7.1. Une approche basée sur l’annotation pour modéliser le contenu sémantique……. 50
7.2. Un processus de recrutement basé ontologie…………………………………….. 52
7.3. BRIDGE ………………………………………………………………………….. 54
7.4. Evaluation des travaux existants ………………………………………………… 55
8. Conclusion……………………………………………………………………………... 57
Chapitre III : Appariement sémantique entre les CVs et les offres d’emploi
1. Introduction ……………………………………………………………………. 59
2. L’objectif de notre travail…………………………………………………………. 59
3. L’architecture du système proposé…………………………………………………… 60
4. Modélisation de la compétence proposée……………………………………………... 62

4.1. Définition des éléments utilisée dans le modèle de la compétence proposée…… 63
4.2. Le modèle de la compétence proposée………………………………………….. 63
5. La modélisation du contenu sémantique a base de l’ontologie- ER…………………... 65
5.1 Description de l’ontologie-ER…………………………………………………… 66
6. Le processus d’annotation des CVs /offre d’emploi……………………………. 68
7. L’appariement sémantique………………………………………………………….. 69
7.1. Convention d’écriture et formule utilisées...……………………………………. 71
7.2. Principe d’appariement des qualifications personnelles…………………………. 71
7.3. Principe d’appariement des exigences……………………….…………………. 72
7.4. L’appariement des compétences………………………………………………… 75
7.4.1. Principe de l’appariement exact des compétences « CompExact »………….. 75
7.4.2. Principe de l’appariement partiel des compétences « PartielComp »…….. 76
7.4.3. Principe de l’appariement rapproché des compétences «RapprochéComp».... 79
7.4.4. Discussion sur les algorithmes d’appariements proposés………………….. 87
8. Conclusion …………………………………………………………………………….. 88
Chapitre IV : Construction de l’ontologie-ER
1. Introdction ……………………………………………………………………... 90
2. Processus de construction d’une ontologie……………………………………………. 90
2.1 Spécification……………………………………………………………………. 91
IV
2.2 Conceptualisation………………………………………………………...………. 91
2.3 Formalisation…………………………………………………………………….. 92
2.4 Implémentation…………………………………………………………………… 94
2.5 Evolution de l’ontologie et Test………………………………………………….. 94
3. Construction d’une ontologie pour le e-Recrutement…………………………………. 95
3.1 Spécification……………………………………………………………………... 95
3.2 Conceptualisation………………………………………………………………... 97
3.2.1 Construction du glossaire de termes………………………………………. 98
3.2.2 Construction des hiérarchies de concepts …………………………….. 100
3.2.3 Construction du diagramme de relations binaires…………………………. 103
3.2.4 Dictionnaire de concepts…………………………………………………... 104
3.2.5 Tableau des relations binaires……………………………………………… 105
3.2.6 Tableau des attributs……………………………………………………….. 106
3.2.7 Tableau des axiomes logiques…………………………………................... 107
3.2.8 Les instances des concepts et les assertions sur les instances …………….. 108
3.3 Formalisation………………………………………………………………………. 109
3.3.1 Construction de TBOX……………………………………………………….. 109
3.3.2 Construction de ABOX……………………………………………………….. 111
3.4 Implémentation…………………………………………………………………….. 112
3.4.1 Création d’un nouveau projet OWL………………………………………….. 112
3.4.2 Création des classes et la hiérarchie des classes……………………………….. 114
3.4.3 Création des propriétés………………………………………………………… 115
3.4.4 Création des instances…………………………………………………………. 119
3.4.5 Génération de code……………………………………………………………. 119
3.4.6 Test et évolution………………………………………………………………. 120
4. Conclusion……………………………………………………………………………. 121
Chapitre V : Etude de cas et implémentation
1. Introduction………………………………………………………………………….. 123
2. Application des services d’appariement………………………………………………. 123
2.1 L’appariement Exact et partiel des compétences…………………………………. 123
2.1.1 L’appariement de l’offre d’emploi offre1 avec CV1………………………….. 125
V
2.1.3. L’appariement partiel des compétences entre l’offre1 avecCV1……………… 129

2.1.4. L’appariement partiel des compétences l’offre 1 avec CV2…………………... 130
2.2 L’appariement rapproché des compétences………………………………………. 131
2.2.1 L’appariement de l’offre d’emploi offre2 avec CV3…………………………. 135
2.2.2 L’appariement de l’offre d’emploi offre2 avec CV4………………………… 137
3. Aspect d’implémentation………………………………………………………………. 143
4. Conclusion……………………………………………………………………………... 146
Conclusion et perspectives …………..…………………………………... 147
Bibliographie ………………………………………………………………………… 150

Glossaire ………………………………………………………………………………. 156
Annexe …………………………………………………………………………………. 157
VI
LISTE DES FIGURES
Figure 1.1- Le cycle de vie de l’ontologie selon METHONTOLOGY………………… 11

Figure 1.2- La pyramide des langages basés Web…………………………………………. 12
Figure 1.3- Exemple d’un fichier RDF (graphique à gauche et XML à droite)……….. 13
Figure 1.4- Dublin Core dans un document XHTML…………………………………. 17
Figure 1.5- Exemple d’une annotation………………………………………………….. 19
Figure 1.6- Exemple d’une annotation sémantique accordée par une ontologie de
22
référence………………………………………………………………………………….
Figure 1.7- Une page web www.famillededris.htm........................................................ 24
Figure 1.8- Exemple d’annotation sémantique en RDF………………………………. 24
Figure 1.9- Exemple d’annotation sémantique en OWL……………………………… 25
Figure 1.10- Exemple d’annotation avec CREAM…………………………………….. 27
Figure 1.11 Annotation avec ONTOMAT……………………………………………... 30
Figure 1.12 Annotation avec SMORE…………………………………………………. 31
Figure.1.13 Annotation avec FETCH………………………………………………….. 32
Figure 2.1- Architecture globale de l’ontologie-ER……………………………………. 51
Figure 2.2- Architecture globale de l’ontologie-HR …………………………………... 53
Figure 3.1- Architecture du système proposé…………………………………………. 62
Figure 3.2 - Le Modèle de la compétence……………………………………………… 65
Figure 3.3- Architecture de l’ontologie-ER…………………………………………… 67
Figure 3.4- Processus d’appariement………………………………………………….. 69
Figure 3.5- Appariement des acquis /requis…………………………………………… 70
Figure 3.6- Appariement des qualifications personnelles…………………………….. 73
Figure 3.7- Appariement des exigences ……………………………………………….. 74
Figure 4.1- Syntaxe de la logique de description SHOIN…………………………….. 93
Figure.4.2- Le document de spécification……………………………………………... 97
Figure 4.3- Les hiérarchies de concepts………………………………………………. 101
Figure 4.4 - La hiérarchie globale des concepts de l’ontologie-ER……………………. 102
Figure 4.5- Le diagramme des relations binaires……………………………………… 103
Figure 4.6- Création d’un nouveau projet OWL……………………………………… 113
Figure 4.7- Interface de l’outil Protégé-OWL (version3.1.1)…………………………. 113
Figure 4.8- La hiérarchie des classes…………………………………………………. 114
Figure 4.9- Editeur d’expressions en logique de descriptions………………………… 115
Figure 4.10- Création des propriétés (datatypeProperty) des classes………………….. 116
Figure 4.11- Création des propriétés (objectProperty) des classes…………………….. 117
Figure 4.12- Définition des restrictions sur les propriétés……………………………… 118
Figure 4.13- Création d’une restriction………………………………………………… 118
Figure 4.14- Définition des instances…………………………………………………... 119
Figure 4.15- Une partie du menu «OWL » de l’interface de Protégé-OWL…………… 120
Figure 5.1. Processus d’annotation de l’offre1………………………………………… 124
Figure 5.2. Fichier des annotations de l’offre1………………………………………… 124
Figure 5.3. Fichier des annotations de CV1……………………………………………. 125
Figure 5.4. Fichier des annotations de CV2……………………………………………. 125
Figure 5.5. Processus d’annotation de l’offre2………………………………………… 132
Figure 5.6. Processus d’annotation de CV3……………………………………………. 133
VII
Figure 5.7. Fichier des annotations de l’offre 2 ……………………………….............. 133

Figure 5.8. Fichier des annotations du CV3…………………………………………… 134
Figure 5.9. Fichier des annotations du CV4…………………………………………… 134
Figure 5.10.Fichier des annotations du CV5…………………………………………… 134
Figure 5.11 Hiérarchie des thèmes…………………………………………………….. 135
Figure 5.12 Un extraie du code………………………………………………………… 145
Figure 5.13 Résumé du code………………………………………………………….. 145
LISTE DES TABLEAUX
Tableau 1.1- La liste des 15 éléments formant le Dublin Core……………………... 16

Tableau 2.1- synthèse des sites d’emploi……………………………………………. 38
Tableau 2.2- Comparaison entre les différents type de CV………………………….. 41
Tableau 2.3- Limites de e-recrutement……………………………………………… 45
Tableau 4.1- Les constructeurs essentiels d’une logique de description……………. 92
Tableau.4.2- Glossaire de termes…………………………………………………….. 99
Tableau 4.3- Dictionnaire des concepts de l’ontologie-ER………………………….. 104
Tableau 4.4- La table des relations binaires de l’ontologie-ER……………………… 105
Tableau 4.5- La table des attributs de concepts de l’ontologie-ER………………….. 106
Tableau 4.6- La table des axiomes de concepts de l’ontologie-ER …………………. 107
Tableau 4.7- La table des instances de concepts de l’ontologie-ER…………………. 108
Tableau 4.8- La table des attributs de concepts de l’ontologie-ER………………….. 109
Tableau 4.9- Définitions des concepts de l’ontologie-ER (dans TBOX). ………….. 110
Tableau 4.10- Définitions des rôles de l’ontologie-ER (dans TBOX)……………… 110
Tableau 4.11- Description assertionnelle de concepts. ……………………………… 111
Tableau 4.12- Description assertionnelle de relations. …………………………………….. 112
Tableau 5.1. Les degrés d’appariement de l’offre1 avec CV1 et CV2 et CV3………. 131
Tableau 5.2. Les degrés d’appariement de l’offre2 avec CV4 et CV5………………. 142
Introduction générale 1
Introduction générale
« Les commencements ont des charmes inexprimables »
Moliére
1. Contexte de l’étude et problématique
Le web a rigoureusement changé la disponibilité en ligne des données et la quantité de

l’information électronique échangée. Il a révolutionné l’accès à l’information et la gestion
des connaissances dans les grands organismes. Le recrutement électronique est l’une des
applications typiques d’une telle approche de gestion de la connaissance à travers le web.
Internet a prouvé que les méthodes de recrutement classiques qui utilisent les annonces
d’emploi dans les journaux et les magasins, qui sollicitent les agences de recrutement et qui
passent par l’inscription dans les sociétés de recherche, sont trop lentes, chères et insuffisantes
dans leurs capacités de fournir des candidats de haute qualité dans les plus brefs délais.
Le Web a permis une évolution importante du marché du recrutement en ligne, il s'est
transformé rapidement en un outil de recrutement performant. 53% des recrutements en
Allemagne sont le résultat d'une postulation en ligne [BEZI05]. Un chiffre qui est susceptible
d’augmenter. Cependant cette révolution du marché du travail basée sur l’utilisation des
technologies de l’information n’est pas accompagnée par une évolution des outils consacrés à
la recherche et à la gestion des CVs et des offres du travail. En effet, les techniques dédiées à
l’analyse des ressources de l’information liées au recrutement, restent très rudimentaires. Par
exemple le moteur de recherche fourni par Monster (http:// monster.com) a une technique de
recherche basée simplement sur la combinaison des mots clés. Vu que cette approche est
purement syntaxique, alors elle est limitée pour permettre aux recruteurs de trouver la
meilleure personne pour leurs besoins et pour permettre aux chercheurs d’emploi de trouver
l’offre qui correspond le plus à leurs profils.
Une solution peut être trouvée dans le Web sémantique qui vise à enrichir les structures
syntaxiques du Web actuel avec leur contenu sémantique. Par conséquent, l'exploitation de
ces technologies dans le cadre du recrutement électronique semble être bénéfique, surtout
pour assurer un rapprochement automatique entre les offres et les demandes d’emploi. Le
principe consiste à expliciter le contenu de ces documents à l’aide d’éléments ontologiques
formant un référentiel commun (ontologie), inspiré des parties communes entre ces
documents. Ce référentiel peut être utilisé par un recruteur (ou un chercheur d’emploi) pour
annoter son document avec des éléments pertinents.
Les annotations résultantes peuvent être exploitées pour automatiser le processus de
rapprochement entre son document et les CVs (offres d'emploi) disponibles.
Plusieurs travaux concernant le e-recrutement se basent sur la technique d’annotation
sémantique, du fait de sa simplicité et de sa capacité d’expliciter le contenu des documents.
Néanmoins, ces travaux sont en cours de réalisation, alors les solutions présentées ne sont pas
complètes.
Le travail de magister de Leila Yahiaoui [YAHI06a], préparé au département informatique de
l’université de Constantine est le plus complet au niveau modélisation. Mais ce dernier
souffre de quelques lacunes, comme la négligence du contexte de la compétence
(organisationnel et économique) dans la modélisation de la compétence. Par ailleurs, des
critères importants tels que certaines exigences (type de contrat, type emploi, rotation,
déplacement, salaire), n’ont pas été considérés. Ceci a engendré quelques faiblesses dans le
processus d’appariement entre les CVs et les offres d’emploi. De plus, nous considérons dans
notre travail, des poids de pondération à appliquer aux exigences (type de contrat, salaire,
etc.), aux compétences (sous-jacentes aux métiers/diplômes) et aux qualifications personnelles
(âge, sexe, etc.) annotant le document de l'utilisateur (recruteur ou chercheur d'emploi), et qui
seront explicitement spécifiés par ce dernier afin d’exprimer son choix.
2. Notre contribution
Le but de ce travail consiste à proposer des services d’appariement simple mais efficace
entre les offres d’emplois et les CVs annotés. Ces documents sont annotés à l’aide d’éléments
ontologiques formant un référentiel commun (ontologie), inspiré des parties communes entre
ces documents (diplôme, expérience professionnelle, compétence, qualification personnelle,
exigence).
Afin d’aboutir à un tel objectif, nous décrivons l’architecture globale du système proposé.
Dans cette perspective, nous construisons une ontologie nommée « Ontologie-ER » dont le
modèle de compétence représente le cœur de cette dernière. Les concepts et les relations entre
eux sont inspirés des parties communes les plus significatives des CVs et des offres d’emploi
(qualification personnelle, exigence, diplôme, expérience professionnelle, compétence). Le

domaine choisi est « l’Informatique et la Télécommunication ». Pour décrire les métiers,
nous allons baser sur le référentiel des métiers CIGREF [CIGR05] et pour décrire les
diplômes sur le référentiel algérien du LMD en informatique [LMD04], nous allons utiliser
également les référentiels des compétences [CIGR05], [LMD04], [YAHIA06a] et l’ontologie
IT-SKILL et les avis des experts pour décrire les compétences.
La méthodologie METHONTOLOGY [FERN97] est adoptée pour la construction de

l’ontologie-ER et la logique de description SHIQ pour sa formalisation. Nous allons
implémenter et tester l'ontologie via les outils PROTEGE OWL et le raisonner RACER.
Le processus d’annotation que nous allons proposer aux recruteurs et aux chercheurs
d’emplois consiste à instancier l’ontologie-ER à travers l’outil d’annotation proposé par
Allioua Sofiane [ALLI08] qui est dédié à l’annotation des images, nous l’avons adapté pour
la notation des documents HTML. Les annotations résultantes seront exploitées pour
automatiser le rapprochement entre l’offre et les CVs disponibles (et vice versa). Dans ce
mémoire, nous allons proposer des techniques d’appariement sémantique entre CVs et offres
d’emploi, dans lesquelles l’appariement des compétences est prépondérant. L’appariement
sémantique des requis d’un recruteur et des acquis d’un chercheur d’emploi revient à calculer
leur degré de rapprochement selon les trois critères suivants: qualifications personnelles,
exigences et compétences. Vu l’importance des compétences dans la sélection du chercheur
d’emploi le plus qualifié ou de l’offre d’emploi la plus intéressante, nous allons proposer trois
techniques d’appariement des compétences : l’appariement exact (CompExact) et
l’appariement partiel (CompPartiel) et l’appariement rapproché (RapprochéComp). Le résultat
de l’appariement entre une offre d’emploi et un CV est un ensemble de quintuplés (URI,
DAFinal, DAQPersonnel, DAExigence, DAcompétence) trié par le degré d’appariement final (DAfinal )
suivi par les trois autres degrés (DAcompétence ,DAQPersonnel , DAExigence ) leur ordre de tri est en
fonction du choix de l’utilisateur, l’URI est l'identifiant d’un CV ou d’une offre d’emploi,
DAfinal est le degré d’appariement de tous les acquis avec tous les requis, DAQPersonnel est le
degré d'appariement selon les qualifications personnelles, DAExigence est le degré
d'appariement selon les exigences, DAcompétence est le degré d'appariement selon les
compétences. Afin de montrer l’applicabilité des services proposés nous allons présenter une
étude de cas, nous allons prendre en considération dans cette étude les différents cas
particuliers. Aussi nous allons détailler les aspects d’implémentation et les outils logiciels
utilisés pour le développement des services proposés. Nous allons terminer ce travail par une
conclusion et des perspectivers pour des travaux futurs.
3. Plan du mémoire
Pour présenter notre travail, nous suggérons un plan de lecture divisé en cinq (05) chapitres :
Chapitre 1 : Le Web Sémantique et l’annotation des documents (état de l’art)

Ce chapitre introduit le Web sémantique et spécialement les ontologies. L’annotation
classique sera brièvement exposée, tandis qu’une grande partie du chapitre sera dédiée à
l’annotation sémantique car c’est celle qui intéresse le plus ce travail.
Chapitre 2 : Gestion des documents dans le cadre du e-recrutement (état de l’art)
Ici nous insistons sur le processus de recrutement électronique et sur ses limites. Nous allons
détailler quelques principes de gestion des connaissances et des compétences. Puis nous
allons définir l’appariement sémantique et nous allons présenter, une étude bibliographique
sur les travaux qui ont abordé la problématique de l’appariement des CVs et offres d’emploi
par l’utilisation des technologies du web sémantique.
Chapitre 3 : Appariement sémantique des documents à base d’ontologie
Notre contribution est détaillée dans ce chapitre. En premier lieu, nous allons exposer
l’architecture globale du système proposé, puis seront détaillés, le modèle de la compétence
ainsi que l’architecture globale de l’ontologie et le processus de l’annotation sémantique.
Nous allons terminer ce chapitre par la description des services d’appariement sémantique à
appliquer entre les documents et qui cernent les trois aspects : i) les qualifications
personnelles, ii) les exigences, iii) les compétences. Le résultat de l’appariement entre une
offre d’emploi et un CV est un ensemble de quintuplés (URI, DAfinal, DAQPersonnel,
DAExigence, DAcompétence) trié par le degré d’appariement final (DAfinal) suivi par les trois
autres degrés (DAcompétence ,DAQPersonnel , DAExigence ) leur ordre de tri est en fonction du choix
de l’utilisateur, l’URI est l'identifiant d’un CV ou d’une offre d’emploi, DAfinal est le degré
d’appariement de tous les acquis avec tous les requis, DAQPersonnel est le degré d'appariement
selon les qualifications personnelles, DAExigence est le degré d'appariement selon les
exigences, DAcompétence est le degré d'appariement selon les compétences.
Chapitre 4 : Processus de construction de l’ontologie-ER
Dans ce chapitre, nous allons modéliser l’ontologie-ER, en suivant les étapes de la

méthodologie «Methondology ». La logique de description est adaptée pour la formalisation
de cette dernière. Nous allons implémenter et tester l'ontologie en utilisant les outils
PROTEGE OWL et le raisonner RACER.
Chapitre 5 : Étude de cas
Pour valider notre approche, nous allons présenter, dans ce chapitre, une étude de cas. Des
offres d’emploi et des CVs seront choisies pour appliquer les trois types des services
d’appariement proposés i) les qualifications personnelles, ii) les exigences, iii) les
compétences. Dans le cas des compétences, nous allons appliquer également les trois
techniques proposées à savoir : l’appariement exact, l’appariement partiel, et l’appariement
rapproché, afin de montrer la particularité de chaque technique et son usage.
Nous allons implémenter les algorithmes proposés par l’exploitation des APIs de protégé-
OWL et du raisonneur RACER dans une application JAVA.
Enfin, nous allons terminer ce mémoire par une conclusion générale dans laquelle, nous
allons présenter un bilan du travail effectué ainsi que les perspectives et les travaux futurs,
méritant d’être effectués pour améliorer et approfondir cette étude.
Chapitre 1 : Le Web Sémantique et l’annotation 6
Chapitre 1
Le Web Sémantique et l’annotation
Sommaire
1. Introduction.
2. Le Web Sémantique.
3. Les Ontologies.
3.1. Les éléments constituant une ontologie.
4. Méthodes à suivre pour élaborer une ontologie.
4.1. ENTREPRISE.
4.2. TOVE.
4.3. METHONTOLOGY.
4.3.1. Processus de construction.
5. Les langages de spécification d’ontologie.
5.1. RDF.
5.2. RDFS.
5.3. OWL.
6. Méta-donnée, annotation, annotation sémantique
6.1 Les méta-données.
6.1.1 Définition.
6.1.2 Dublin Core.
6.2 L’annotation.
6.2.1 Définition.
6.2.2 Élément caractérisant une annotation.
6.2.3 Rôle des annotations.
6.2.4 La différence entre l’annotation et une méta-donnée.
6.3 L'annotation sémantique.
6.3.1. Définition.
6.3.2. Le stockage des annotations.
6.3.3. Représentation des annotations et la tache d’annotation.
6.3.4. Approche d’annotation.
6.3.5. Rôles des annotations.
6.3.6. Framwork pour les annotations sémantiques.
6.3.7. Outils pour l’annotation sémantique.
6.3.7.1. C’est quoi un outil d’annotation.
6.3.7.2. Quelques outils pour l’annotation.
6.3.7.3. Synthèse.
7. conclusion
"The Semantic Web is an extension of the current web in which information is given well
defined meaning, better enabling computers and people to work in cooperation."
Tim Berners-Lee
1. Introduction
L'un des objectifs du Web Sémantique, est de décrire le contenu sémantique des
ressources Web en les annotant avec des informations non ambiguës [PRIE04]. Ces
annotations sont représentées dans un formalisme qui permet aux machines d'exploiter
automatiquement le contenu sémantique des ressources pour réaliser des tâches variées
telles que la recherche améliorée (en termes de précision), la découverte de ressources, et le
filtrage d'informations.
La représentation explicite des contenus des ressources documentaires du Web est rendue
possible grâce notamment aux ontologies, lesquelles représentent une technologie clé pour
la mise en oeuvre de ce Web Sémantique. Elles ont été développées en Intelligence
Artificielle pour faciliter le partage de la connaissance et leur réutilisation.
La tâche d’annotation pour le Web Sémantique consiste donc à prendre en entrée une
ressource Web et fournir en sortie la ressource enrichie par des annotations sémantiques
basées sur des ontologies de référence.
Dans la section 2 de ce chapitre, nous allons introduire des généralités sur le web
sémantique et les ontologies. Les notions sur les méta-données, les annotations et surtout
les annotations sémantiques seront bien détaillées dans ce qui suit. Pour finir, une
conclusion synthétisera notre compréhension des travaux liés au web sémantique, aux
ontologies et à l’annotation.
2. Le Web Sémantique
Selon Tim Berners-Lee « Le Web sémantique est une extension du Web actuel, dans
lequel l’information reçoit une signification bien définie, améliorant les possibilités de
travail collaboratif entre les ordinateurs et les personnes »
Cela signifie que l’information n’a pas de signification bien définie dans le Web actuel.
C’est effectivement vrai puisque la majeure partie de l’information sur le Web est sous
forme textuelle, très peu structurée et donc inutilisable pour faire des traitements de calcul
ou d’inférences. Il est pourtant bien évident que l’information disponible sur le Web actuel a
une signification, mais qu’elle n’est accessible aujourd’hui qu’à des lecteurs humains.
Le Web sémantique vise à cacher le manque de sémantique des documents du Web

traditionnel, pour permettre aux ordinateurs et aux personnes de mieux travailler en
coopération. Pour la lisibilité par une machine des documents et leur traitement
automatique, ceci nous mène au fait qu’une certaine sorte de données additionnelles,
indépendamment du contenu réel des pages Web, est exigée pour que n'importe quel outil
puisse accéder à ces données, les traiter selon ses conditions et présenter ses résultats à
l'utilisateur avec plus de pertinence et d’intelligence plutôt qu'un texte simple qui résulte de
la recherche par mot-clé. Ces données additionnelles sont les méta-données (annotation).
Leur représentation s'appuie sur des extensions des fonctionnalités des langages de
marquage que le World Wide Web Consortium (W3C) a déjà publié comme des standards
(RDF, OWL…....).
3. Les ontologies
Le terme « ontologie » est emprunté du domaine de la philosophie où il signifie «explication
systématique de l’existence».
Dans le contexte de l’intelligence artificielle, il n’existe pas une définition commune du
terme ontologie [GUAR97], [GAND02]. Une des raisons évoquées est que les ontologies se
retrouvent dans plusieurs champs d’étude : ingénierie des connaissances, conception de base
de données, représentation des connaissances, système à base de connaissances et
recherches d’informations. La popularité des ontologies provient de ce qu’elles permettent
une compréhension commune et partageable d’un domaine qui peut être communiqué à des
humains et des ordinateurs. La définition la plus souvent rencontrée est celle de Gruber
[GRUB92] : “une ontologie est une spécification explicite de la conceptualisation”, une
conceptualisation est la vision simplifiée du monde que l’on veut représenter.
Guarino, dans [GUAR97], souligne l’ambiguïté du terme conceptualisation qui doit être pris
dans son sens intuitif et propose la définition suivante pour tenir compte du caractère
subjectif : “une ontologie est un compte rendu explicite et partiel de la conceptualisation”.
Pour [GRÜN95] « une ontologie est une description formelle d’entités et leurs propriétés,
relations, contraintes, comportements ». Elle est simplifiée dans [IKED99] où une ontologie
est définie comme « un ensemble de définitions de concepts et leurs relations, à ne pas
confondre avec un modèle qui est un ensemble d’instances de ces concepts ».
Cependant ce qui importe le plus à propos des ontologies, ce ne sont pas leurs définitions
mais de savoir à quoi elles servent. Le but, lorsqu’on utilise des ontologies est de permettre
aux connaissances d’être partagées et réutilisées.
3.1. Les éléments constituant une ontologie

Les connaissances traduites par une ontologie sont véhiculées à l’aide des Concepts, des
Relations, des Fonctions, des Axiomes, des Instances [GOME99].
§ Concepts : ils sont appelés aussi termes ou classes de l’ontologie. Il existe diverses
manières de définir un concept. Un concept est un constituant de la pensée (un principe,
une idée, une notion abstraite) sémantiquement évaluable et communicable. L’ensemble
des propriétés d’un concept constitue sa compréhension ou son intension et l’ensemble
des êtres qu’il englobe, son extension.
Ces concepts peuvent être classifiés selon plusieurs dimensions [GOME99]:
1) niveau d’abstraction (concret ou abstrait).
2) atomicité (élémentaire ou composée).
3) niveau de réalité (réel ou fictif).
§ Fonctions : elles sont des cas particuliers de relations dans lesquelles le nième élément
de la relation est défini de manière unique à partir des n-1 premier.
Elles se définissent formellement à partir d’un produit de n concepts :
F : C1× C2× … ×Cn-1 Cn.
Comme exemple de fonctions binaires, nous avons la fonction mère et le carré, et comme
exemple de fonction ternaire, le prix d’une voiture usagée sur lequel on peut se baser
pour calculer le prix d’une voiture d’occasion en fonction de son modèle, de sa date de
construction et de son kilométrage. [LOCH99]
§ Relations : elles traduisent les associations existant entre les concepts présents dans le
segment analysé de la réalité. Ces relations regroupent les associations suivantes :
- sous-classe-de (spécialisation, généralisation).
- partie-de (agrégation ou composition).
- associée-à ; instance-de etc.
Ces relations nous permettent d’apercevoir la structuration et l’interrelation des concepts,
les uns par rapport aux autres.
§ Axiomes : une ontologie est en outre composée d’axiomes, qui forment des contraintes
sémantiques pour le raisonnement et donnent un acompte d’une conceptualisation. Ils
prennent la forme d’une théorie logique.
§ Instances : elles constituent la définition extensionnelle de l’ontologie, ces objets
véhiculent les connaissances à propos du domaine du problème.
L’ensemble formé par les concepts, leurs instances, les relations entre les concepts et les
axiomes constitue une base de connaissances.
4. Méthodes à suivre pour élaborer une ontologie

Plusieurs méthodologies ont été définies pour cadrer le développement d’ontologies, nous
citons d’après [LOCH99]:
4.1. Entreprise [USCH95]

Proposée par Uschold et King la première méthode d’ingénierie "générale", résultat de leurs
travaux de construction d’ontologies dans le domaine de la gestion des entreprises.
Initialement, cette méthode reposait sur quatre étapes :
- Identifier le but et la portée de l’ontologie.
- Construire l’ontologie : capturer les connaissances, coder, réutiliser et intégrer des
ontologies existantes.
- Evaluer l’ontologie.
- Documenter l’ontologie.
Les étapes et les sous-tâches de la méthode ENTERPRISE, sont décrites de façon abstraite.
Les techniques utilisées pour les sous-tâches ne sont pas précisées (par exemple : Comment
identifier les concepts fondamentaux ? Quel est le langage utilisé pour représenter
l’ontologie ?)
4.2. Tove [GRUN95]

L’ontologie est construite à partir des scénarios d’entreprises pour lesquels elle sera utilisée.
Cette méthodologie reste sommaire et aucune étape n’est décrite par rapport aux techniques
qui peuvent y être employées. De plus, elle est spécialisée dans la spécification d’ontologies
pour les entreprises.
4.3. Methontology [FERN97]

Cette méthode est développée au laboratoire d’intelligence artificielle. Elle vise la
construction d’ontologie au niveau de connaissance. Ce projet a été motivé par le constat
suivant : l’absence de méthodes ou de guides structurés est un obstacle a la construction
d’ontologies partagées et consensuelles. Il est également un obstacle à l’extension d’une
ontologie existante ou à sa réutilisation dans d’autres ontologies. L’approche
METHONTOLOGY distingue plusieurs étapes dans son processus de construction. Elles
sont détaillées dans la section suivante.
4.3.1. Processus de construction
Le processus de construction peut se résumer aux phases suivantes voir (Figure1.1):
§ Spécification : cette étape a pour but de fournir une description claire du problème
étudié ainsi que la façon de le résoudre. Elle permet de préciser l’objectif, la portée et le
degré de granularité de l’ontologie qui sera construite.
§ Conceptualisation : l’objectif est d’organiser et de structurer la connaissance acquise
durant l’étape de spécification en utilisant des représentations externes qui sont
indépendantes des paradigmes de représentation de connaissances et des langages
d’implémentation dans lesquels l’ontologie va être formalisée et implémentée.
L’idée est de combler graduellement le canal entre les moyens d’expressions des
intéressés et les langages d’implantation des ontologies. Les représentations
intermédiaires utilisées sont : les taxonomies de concepts, les diagrammes des relations
binaires, le glossaire des termes, le dictionnaire des concepts, le tableau des relations
binaires, spécifier des contraintes sur les attributs dans une table d’attributs, spécifier des
axiomes sur les concepts dans une table d’axiomes logiques, décrire les instances des
concepts dans une table d’instances.
§ Formalisation : cette étape consiste en la transcription du modèle conceptuel de
l’ontologie dans un langage formel de représentation de connaissances.
§ Implémentation : elle consiste à la codification de l’ontologie formelle dans un langage
opérationnel du Web Sémantique.
§ Maintenance : cela peut s’agir d’une maintenance corrective ou évolutive de l’ontologie
(nouveaux besoins de l’utilisateur), ce qui permet la validation et l’évolution de celle-ci.
Cette activité est généralement faite par le constructeur et des experts du domaine. La
validation se base sur l’exploitation des services d’inférences associés aux LDs, et qui
sont offerts par des raisonneurs.
Pour conclure, nous avons constaté que la démarche METHONTOLOGY présente un
certain nombre de phases spécifiées de manière très détaillée, notamment la phase de
conceptualisation. De ce fait, nous allons adopter cette méthodologie pour notre travail.
Figure1.1- Processus de construction de l’ontologie selon METHONTOLOGY.

5. Les Langages de spécification d’ontologie

Plusieurs langages de spécification d'ontologies (ou langages d’ontologies) ont été
développés pendant les dernières années, et ils deviendront sûrement des langages
d'ontologie dans le contexte du Web sémantique. Certains d'entre eux sont basés sur la
syntaxe de XML, tels que XOL (Ontology Exchange Language), SHOE (Simple HTML
Ontology Extension - qui a été précédemment basé sur le HTML), OML (Ontology Markup
Language), RDF (Resource Description Framework), RDF Schéma. Les deux derniers sont
des langages créés par des groupes de travail du World Wide Web Consortium (W3C).
En conclusion, trois langages additionnels sont établis sur RDF(S) pour améliorer ses
caractéristiques: OIL (Ontology Inference Layer), DAML+OIL et OWL (Web Ontology
Language). La figure 1.2 présente des langages de spécification d’ontologie, qui ont été
récemment développés. La figure ci-dessous représente les rapports principaux entre tous
ces langages sous la forme d’une pyramide des langages du Web sémantique.
OIL DAML-OIL OWL
XOL SHOE OML RDF (S)
XML
Figure 1.2- La pyramide des langages basés Web.
5.1. RDF (Resource Description Framework)
RDF est un langage de représentation des ressources du web, et en particulier les méta-
données telles que(le titre, l’auteur, la date de modification d’une page, etc.). Son objectif
principal est le développement du « Web sémantique », afin de faciliter le traitement
automatique des ressources Web. Différents domaines sont concernés, particulièrement la
découverte de ressources pour améliorer l’efficacité des moteurs de recherche [TIXI01].
Un document RDF est un ensemble de triplets de la forme <sujet, prédicat, objet>.
1) le sujet représente la ressource décrite, i.e. tout document accessible sur le Web comme
les pages HTML, les documents textuels (PDF, Ms Word) ou multimédias (images, vidéo),
etc., mais aussi tout objet, abstrait ou non, du monde réel. Les ressources sont nommées en
utilisant une URI.
2) le prédicat représente la propriété descriptive, i.e. une caractéristique spécifique, un
attribut ou une relation, utilisée pour décrire une ressource.
3) l’objet représente la valeur de cette propriété, soit une valeur littérale, comme un nombre
entier ou une chaîne de caractères, soit une autre ressource accessible par son URI. Par
contre, une valeur littérale ne peut en aucun cas être le sujet d’un énoncé.
Cet ensemble de triplets peut être représenté de façon naturelle par un multi graphe orienté,
étiqueté où les éléments apparaissant comme sujet ou objet sont des sommets, et chaque
triplet est représenté par un arc dont l’origine est son sujet et la destination est son objet
(voir figure 1.3).
Par contre, RDF ne fournit pas de mécanisme de contrainte de classes ou de types pour les
différentes parties du triplet. Il n’est donc pas assez puissant pour représenter de vraies
ontologies avec un système de raisonnement approprié.
Boucetta..htm
<xml ”version=”1.0” encoding=”UTF-8”>
<rdf:RDF
dc:title
xmlns:rdf=”http://www.w3.org/1999/02/22-rdf-syntax-
dc:subject ns#”
xmlns:people=”http://www.mondeca.com/onto#people”
>
<rdf:Description
La famille Boucetta driss rdf:about=”http://www.elle.fr/boucetta.html”>
boucetta <dc:title>la famille boucetta</dc:title>
<dc:subject rdf:resource=”#boucetta dris”/>
</rdf:Description
<rdf:Description rdf:about=” Boucetta driss”>
people:lieu_ <people:date_naissance>11 octobre 1955
naissance people:date_ </people:date_naissance>
naissance <people:lieu_naissance rdf:resource=”#constantine/>
</rdf:Description>
Constantine </rdf:RDF>
11 octobre 1955
</xml>
Figure 1.3- Exemple d’un fichier RDF (graphique à gauche et XML à droite).
5.2. RDFS (Resource Description Framework Schema)
Un schéma RDF est un ensemble de déclarations de classes et de propriétés. Il s’apparente

en cela à la partie terminologique d’une logique de description où sont déclarés les rôles et
les concepts d’une base de connaissances. Il permet en outre, comme dans les langages de
Représentation de Connaissance par Objet, de définir les domaines et les co-domaines
(domaines de valeurs) des propriétés RDF ainsi que des hiérarchies de classes. Il permet
également de représenter des hiérarchies de propriétés, celles-ci étant considérées sur le
même plan que les classes.
5.3. OWL: (Web Ontology Language) [W3C04]

Le problème de RDF est qu’il n’introduit aucune normalisation sur la sémantique
proprement dite, et que divers utilisateurs pourront donner des noms différents à des entités
de même sens, ce qui empêche d’imaginer toute agrégation entre des données provenant de
sources Web différentes.
La solution vient du développement d’ontologies, qui décrivent formellement les termes et
les relations entre eux. OWL a été conçu pour satisfaire le besoin d’un langage d’ontologie
du Web, il est basé sur la recherche effectuée dans le domaine de la logique de description,
il repose sur la syntaxe des triplets RDF et réutilise certaines des constructions RDFS, il
ajoute plus de vocabulaire pour décrire les propriétés et les classes.
On peut citer entre autre : les relations entre classes (par exemple la disjonction), les
cardinalités (par exemple exactement un), l’égalité, typage plus riche des propriétés,
caractéristiques des propriétés (par exemple la symétrie) et les classes énumérées.
OWL a été fractionné en trois sous langages ou chacun est une extension par rapport à son
prédécesseur :
- OWL LITE : répond à des besoins de hiérarchie de classification et de fonctionnalité
de contraintes simples de cardinalité 0 ou 1. Une cardinalité 0 ou 1 correspond à des
relations fonctionnelles, par exemple, une personne a une adresse. Toutefois, cette
personne peut avoir un ou plusieurs prénoms, OWL Lite ne suffit donc pas pour
cette situation.
- OWL DL : concerne les utilisateurs qui souhaitent une expressivité maximum
couplée à la complétude du calcul (cela signifie que toutes les inférences seront
assurées d’être prises en compte) et la décidabilité du système de raisonnement
(c’est- à -dire que tous les calculs seront terminés dans un intervalle de temps fini).
Ce langage inclut toutes les structures OWL avec certaines restrictions, comme la
séparation des types: une classe ne peut pas aussi être un individu ou une propriété.
Il est nommé DL car il correspond à la logique descriptive.
- OWL FULL : se destine aux personnes souhaitant une expressivité maximale. Il a
l’avantage de la compatibilité complète avec RDF/RDFS, mais l’inconvénient
d’avoir un haut niveau de capacité de description, quitte à ne pas pouvoir garantir la
complétude et la décidabilité des calculs liés à l’ontologie.
6. Méta-donnée, annotation, annotation sémantique

Une ressource doit être bien décrite, sinon elle peut demeurer pratiquement inexploitable et
impossible à retrouver. L’annotation des documents est une solution à ce problème. Les
annotations utilisées pour annoter un document peuvent être en langage libre ou formel
c'est-à-dire des éléments d’une ontologie. Par la suite, nous détaillerons les différents types
d’annotation.
6. 1. Les méta-données Le terme "méta" vient du grec et dénote quelque chose de nature
plus élevée ou plus fondamentale. Nous évoquons par la suite la définition des méta-
données, puis nous présentons le modèles de méta-données Dublin Core.
6.1.1. Définition
On utilise généralement les méta-données pour parler d'informations descriptives à propos
de ressources du Web. Plusieurs définitions sont présentées dans la littérature pour les
méta-données. On va exposer quelques unes :
- «Une description normalisée attachée à une ressource identifiée (sur le Web notamment) »
[PRIE04].
- «Une méta-donnée est une donnée sur une donnée » [HAND05]. Une méta-donnée est
attachée à une ressource identifiée en tant que telle sur le Web et aura plutôt une pertinence
à priori et sera plutôt saisie suivant un schéma. Par exemple, le titre d’un document, l’auteur
d’un document, qui permettront de mettre en place des inférences.
Les méta-données c’est un ensemble structuré (ou pas) de données décrivant une ressource
quelconque. Une méta-donnée permet de donner un sens au contenu des ressources de
manière à ce que leur localisation et interrogation soient plus aisées et plus pertinentes.
Ainsi, les méta-données constituent des points d’accès qui permettent à un document d’être
repéré facilement. Selon Weibel et Lagoze « l'association de méta-données descriptives
standardisées avec des objets en réseau offre un potentiel d'amélioration substantiel des
possibilités de découverte de ressources en permettant des recherches basées sur des champs
(e.g.,auteur, titre), en permettant l'indexation d'objets non-textuels et en permettant l'accès à
un contenu de substitution, ce qui est différent de l'accès au contenu de la ressource elle-
même » [WEIB97], d'où leur intérêt majeur dans la localisation rapide des ressources sur le
web.
Les méta-données peuvent être évidentes telles que (l’auteur, la date de publication,
l’éditeur d’un livre, etc.), ou plus complexes et moins facilement définies ainsi que la
gestion des avis d’un collectif de lecture d’un article qui nécessite une structure de méta-
données évoluées capables d’annoter des portions de cet article.
Les méta-données sont particulièrement importantes pour les ressources (images ou vidéos)
sans lesquelles, elles peuvent demeurer pratiquement inexploitables et difficiles à retrouver.
Plusieurs standards concernant les méta-données existent comme Dublin Core.
Nous allons les détailler dans ce qui suit :
6.1.2. Le Dublin Core :

Est un ensemble d’éléments simples mais efficaces permettant de décrire une grande variété
de ressources. Dublin Core propose 15 éléments de description (Méta-données) relatifs au
contenu d’une ressource. Ces champs peuvent être inclus dans les pages Web, dans la partie
HEAD et dans la balise <méta>. Ils sont classifiés en trois catégories qui
concernent [BENA05]:
- le contenu de la ressource : titre, sujet, description, date, source, langue relation, portée.
- la propriété intellectuelle : gestion des droits, collaborateur, éditeur, auteur / créateur.
- la matérialisation de la ressource : type de la ressource, format de la ressource,
identificateur de la ressource.
Le Tableau 1.1 montre les noms de ces éléments, leurs identificateurs et leurs définitions.
Nom Titre Identificateur Titre Définition
Titre Titre Le nom donné à la ressource.
Auteur / L’entité principalement responsable de la création

Créateur du contenu de la ressource.
Créateur
Sujet et mot-clé Sujet Le sujet du contenu de la ressource.
Description Description Un compte rendu du contenu de la ressource.
Une entité ayant la responsabilité de rendre la
Editeur Editeur ressource disponible.
Une entité ayant la responsabilité de collaborer au
Collaborateur Collaborateur contenu de la ressource.
Une date associée à un événement dans le cycle de
Date Date vie de la ressource.
Type de La nature ou le type du contenu de la ressource.
Type
ressource
Le caractère physique ou numérique de la
Format Format
ressource.
Une référence non ambiguë de la ressource dans un
Identificateur de contexte donné.
Identificateur
la ressource
Une référence de la ressource présente.
Source Source D’où est tirée la ressource
Langue Langue La langue du contenu intellectuel de la ressource.
Une référence à une ressource connexe.
Relation Relation
L’étendue ou la portée du contenu de la ressource.
Portée Portée
Des renseignements au sujet des droits détenus sur

Gestion des une partie de la ressource ou sur son ensemble.
Droits
droits
Tableau 1.1- La liste des 15 éléments formant le Dublin Core [BENA05].

Voici dans la figure 1.4 ce que donnera l'inclusion de méta-données dans un document
XHTML (c'est-à-dire un document HTML normalisé en XML) :
Figure 1.4- Dublin Core dans un document XHTML [AYAR05].
Les balises méta permettent de spécifier le titre, la date de création, la ou les dates de
modification, le sujet, la langue et la description d'un document XHTML. L'intérêt étant que
les moteurs de recherche puissent avoir accès à ces méta-données, de façon à récupérer une
sémantique des documents, et de ce fait permettre une meilleure indexation de ceux-ci.
Les méta-données permettent donc de faciliter le travail des moteurs d'indexation et de
recherche en permettant de rendre accessibles des informations sur le document lui-même
[AYAR05].
Cependant, en utilisant ces schémas, les auteurs des méta-données, s’ils sont à peu près
d’accord sur la signification de l’élément « titre » ne le sont pas forcément concernant les
éléments « sujet » ou « type » d’un document. Ce qui induit des ambiguïtés sur le sens des
champs. En outre, la recherche en utilisation des méta-données même si elle est meilleure
qu’une recherche classique (qui n’utilise pas des méta-données) n’est en fait suffisante que
pour une utilisation humaine. L’exploitation de la structure du schéma par des logiciels est
limitée puisqu’aucune sémantique interprétable par une machine n’est associée aux
domaines de valeurs des différents champs et donc certaines ressources retrouvées
pourraient ne pas convenir. Nous voyons bien donc que ces schémas des méta-données ne
permettent de définir ni la sémantique opérationnelle des différents champs de description,
ni celles de leurs domaines de valeurs. Ils peuvent être résumés en des standards descriptifs
exprimés sous forme de DTD ou des schémas XML. Pour évoluer donc vraiment vers un
Web sémantique, la solution est d’utiliser des schémas des méta-données fondées sur des
ontologies.
6.2. L'annotation
Plusieurs communautés de chercheurs (informatique, linguistique, rhétorique, etc.) ont
étudié l’annotation, et en ont proposé plusieurs définitions.
Dans le cadre de notre travail on va s’intéresser aux études proposées par des
informaticiens.
6.2.1. Définition
Selon la communauté des informaticiens plusieurs définitions sont accordées à l’annotation.
Nous présentons ci-après les plus célèbres.
« Une annotation est une information graphique ou textuelle attachée à un document et le
plus souvent placée dans ce document ». Cette place est donnée par une ancre [DESM02].
Prié dans [PRIE04] définit l’annotation comme « un commentaire libre situé à l’intérieur de
la ressource documentaire ».
Selon le W3C « l’annotation est toute explication, scolie ou critique associée à une page
web ». Alors une annotation seule ne fait pas sens, elle est toujours associée à l’objet qui a
été annoté.
[BRIN04] (Cité dans [MKAD04]) définit l’annotation comme étant une « note particulière
attachée à une cible. Qui peut être une collection de documents, un document, un segment
de document (paragraphe, groupe de mots, mot, image ou partie d’image, etc.), une autre
annotation. À une annotation correspond un contenu, matérialisé par une inscription, qui est
une trace de la représentation mentale que l’annotateur se fait de la cible. Le contenu de
l’annotation pourra être interprété à son tour par un autre lecteur. L’ancre est ce qui lie
l’annotation à la cible (un trait, un passage entouré, etc.) ».
Cette définition, plus complète que les précédentes, innove en mettant en avant le lieu de
l’annotation, appelé « cible ».
6.2.2. Eléments caractérisant une annotation : on peut citer :
§ Le document est la cible à laquelle l’annotation se réfère (voir figure 1.5). L’annotation
peut porter sur un document dans sa globalité, sur une partie seulement, un paragraphe,
ou sur un ensemble de documents. Elle peut être distincte physiquement ou non du
document auquel elle se rapporte. Par exemple, une note de bas de page est intégrée au
document alors qu’un post-it est distinct du document auquel il se réfère.
§ L’ancre est le point d’attache d’une annotation à l’objet annoté (voir figure1.5).
L’annotation peut avoir un ou plusieurs auteurs, qui peuvent être ou non distincts du ou
des auteurs du document. Par exemple, une note de bas de page peut être faite par
l’auteur du document ou par un traducteur.
§ Le ou les consultants de l’annotation peuvent être visés : l’annotateur connaît au moment
de la production de l’annotation le (ou les) consultant(s) à qui il veut transmettre un
message. C’est le cas par exemple, d’un professeur qui annote le devoir de l’un de ses
élèves. Mais les consultants de l’annotation peuvent aussi être inopinés. Dans ce cas
l’annotateur ne connaît pas au moment de la rédaction de l’annotation les consultants
potentiels de celle-ci. Par exemple, sur les sites internes de ventes de livres, le lecteur
peut faire un commentaire à propos des ouvrages qu’il connaît. Ce commentaire n’est
pas destiné à quelqu'un en particulier mais est consultable par l’ensemble des internautes
qui visitent le site. Le consultant et l’auteur de l’annotation peuvent être la même
personne, l’annotation n’a alors pas vocation à être partagée. C’est une annotation privée
par opposition à une annotation publique.
Enfin, le consultant peut être un humain (on parle alors d’annotations cognitivement
sémantiques), ou une machine. Dans ce dernier cas, les annotations s’adressent à des
programmes informatiques et l’on parle d’annotations constitutionnellement
sémantiques.
§ Le contenu de l’annotation correspond à l’information transmise (voir figure 1.5). Celui-
ci peut être plus ou moins explicite (des notes de bas de page à certaines annotations
personnelles) et plus ou moins formel (du langage codé, très formel, au langage naturel
et sigles intuitifs informels).
§ Les formes des annotations (les aspects physiques que peuvent prendre les annotations
sur le document) peuvent être variées : textuelle (icônes, symboles de liens, notes, mises
en forme typographiques, redécoupages de texte), graphique, vocale, vidéo, etc.
§ La durée de vie des annotations peut être plus ou moins longue. Les annotations peuvent
être provisoires comme dans le cas de celles sur un dossier pour le ranger, ou
permanentes comme les notes de bas de page.
CURRICULUM VITA Valeur Annotation

Date de naissance
Boucetta dris de postulant
Né le 11 octobre 1955
Ancre
à Constantine
Figure 1.5- Exemple d’annotation.

6.2.3. Rôle des annotations

Les annotations ont des fonctions, au moment de leur production :
• aide à la lecture et à la compréhension du document au cours de la lecture d’un
document : le lecteur annote celui-ci. Ces annotations complètent le document,
l’illustrent ou correspondent à des réflexions fortuites du lecteur. Elles sont le reflet de
l’attention du lecteur. Elles supportent la lecture du texte et permettent au lecteur de le
comprendre et de s’en faire une représentation.
• mémoire externe pour retrouver des informations ou indiquer un emplacement : Le
lecteur peut aussi marquer des emplacements dans le texte via des annotations de façon
à retrouver certaines informations par la suite. Ces annotations sont une mémoire
externe. Par exemple, les passages importants qui doivent être relus et mémorisés sont
soulignés.
• opérationnalisation de l’information et restructuration du document : Certaines
annotations permettent au lecteur de découper un document pour en réordonner les
parties ou faire des corrélations entre celles-ci. Ainsi, un lecteur peut regrouper
différents paragraphes en les encadrant, puis les renuméroter en fonction de la logique
qui sous-tend sa tâche.
• forum et source de discussion : Les annotations peuvent aussi servir de support aux
discussions, corrections et relectures d’un texte. En effet, les documents annotés
constituent un contexte partagé qui facilite les échanges. Les annotations partagées qui
ne nécessitent pas de droit d’accès en écriture peuvent supporter de riches
communications à propos des pages Web [KOIV01]. Mais elles peuvent aussi permettre
des échanges au sein de groupes de travail pour recommander la lecture d’un document
[DENO00] ou exprimer un point de vue dans des tâches de correction.
• planification et organisation : Enfin, certaines annotations assurent la coordination des
tâches au sein d’un groupe en planifiant et en organisant le travail de ses membres. Par
exemple, les annotations peuvent être utilisées pour indiquer la répartition des tâches et
leur durée.
6.2.4 La différence entre l’annotation et une méta-donnée
La distinction entre l’annotation et la méta-donnée du point de vue du processus de mise en

place selon prie et al dans [PRIE04] est :
• Une méta-donnée sera plutôt attachée à une ressource identifiée en tant que telle sur le
Web et aura plutôt une pertinence a priori et sera plutôt saisie suivant un schéma par
exemple, la description normalisée d’un service Web, l’auteur d’un document.
• Une annotation sera plus située au sein de cette ressource et écrite au cours d’un processus
d’annotation / lecture, par exemple : un commentaire libre associé à un fragment d’une
page Web (quelques mots).
On voit clairement qu’il s’agit simplement de mettre l’accent sur un caractère plus situé
au sein de la ressource (du fait de son exploitation par un utilisateur), l’annotation par
rapport à une méta-donnée plus indépendante, voire ressource en tant que telle.
6.3. L'annotation sémantique :

Dans le cadre du Web, il existe un autre type particulier d’annotation appelée « annotations
sémantiques » c’est à dire représenter le contenu du document par une description formelle.
L’annotation sémantique est utilisée dans la recherche d’information et la classification des
documents. Faisant référence à une connaissance (habituellement une ontologie) séparée du
document, ces annotations sont destinées à être traitées par des machines.
6.3.1. Définition
Plusieurs significations ont été attribuées à la définition d’une annotation sémantique. Les
plus complètes accordent les interprétations suivantes :
- « L’annotation sémantique est un processus d’instanciation des données à partir d’une
ontologie du domaine » [MEST07].
- «L’annotation sémantique est définie comme une représentation formelle d’un contenu,
exprimée à l’aide de concepts et relations et instances, décrits dans une ontologie, et reliée à
la ressource documentaire source » [AMAR07].
En termes de documentation, les annotations sémantiques décrivent le lien entre les entités
se trouvant dans le document et leurs descriptions sémantiques représentées dans
l’ontologie. Elles permettent ainsi de désambiguïser le contenu du document pour un
traitement automatique (ex. recherche documentaire, …).
L’annotation sémantique à partir d’ontologie est devenue actuellement l’approche la plus
prometteuse pour partager et exploiter l’information sur le Web.
La figure 1.6 montre des annotations sémantiques, où chaque contenu du texte est lié à des
instances de concepts ou de propriétés décrites dans l’ontologie de référence.
Le fait d’utiliser la sémantique de ces concepts et relations telles que modélisées dans
l’ontologie pour créer l’annotation, permet alors d’assigner cette sémantique au contenu de
la ressource et donc de le rendre exploitable par des agents logiciels.Dans notre travail on a
utilisé ce type d’annotations. On a annoté les CV/offres d’emploi avec des instances de
l’ontologie-ER puisque l’utilisation des annotations formelles va permettre l’automatisation
du processus d’appariement entre les CVs et les offres d’emploi.
Annotation sémantique Ontologie de référence

Document source
Personne
Boucetta dris
Boucetta dris est
Né le 11/10/1955 Date de naissance
Date de naissance
A constantine Lieu de naissance
11/10/1955
Date
Lieu de naissance
Lieu
Constantine
Relation sémantique
Légende : concept
Relation «instance de »
Instance d’une
instance Relation sémantique
Figure 1.6- Exemple d’une annotation sémantique accordée par une ontologie de référence.
6.3.2. Le stockage des annotations

Les annotations peuvent être soit « embarquées » soit « débarquées » vis-à-vis de la
ressource documentaire source [HABE05]:
§ Une annotation est dite « embarquée » : lorsqu’elle est ajoutée directement au
contenu du document d’origine. Ce dernier pourra être mis à jour sur le site Web
d’origine, dans le système de gestion de contenu documentaire de l’entreprise, ou
simplement enregistré localement sur un ordinateur pour une réutilisation ultérieure
[AMAR07].
§ Une annotation est dite « débarquée » : lorsqu’elle est stockée à l’extérieur du
document source. Non seulement l’annotation elle-même doit être stockée, mais le lien
avec la ressource annotée doit aussi être préservé. C’est ce qui permettra ensuite de
retrouver toutes les annotations correspondantes à une ressource. Généralement, ces
annotations sont stockées sur des serveurs d’annotations qui peuvent être interrogés afin
de retrouver les annotations d’une ressource donnée.
L’inconvénient de l’annotation débarquée réside dans le fait que si le document source
est modifié ou supprimé, les annotations deviennent obsolètes voire orphelines
[AMAR07].
6.3.3. Représentation des annotations et la tache d’annotation

Les premiers outils d’annotation comme SHOE KA, OntoAnnotate utilisent des langages
non standardisés, respectivement SHOE, HTML-A. Puis avec l’arrivée de RDF et de
DAML+OIL, ces précédents formats sont plus ou moins tombés en désuétude : les anciens
outils ont migré leurs applications vers la prise en compte de RDF et/ou DAML+OIL alors
que les nouveaux outils ont bien sûr directement implémenté l’utilisation de ces langages
pour leurs annotations. Enfin, on constate récemment l’arrivée d’annotations générées en
OWL. Mais RDF reste pourtant un standard en matière d’annotations documentaires.
Une annotation regroupe essentiellement trois éléments principaux [SIDH05], à savoir :
− L’annotateur, la personne qui réalise l’annotation.
− Le document source concerné par l’annotation (le document de la figure 1.7).
− Les objets d'annotation introduits sur le document (la figure 1.8 si on utilise comme
langage d’annotation RDF et la figure 1.9 si on utilise OWL DL pour annoter).
La formalisation de pages web se définit comme la tâche d’annotation.
Une tâche d’annotation selon [TOUS07] consiste à annoter avec des méta-données une page
Web ou son contenu, une tache d’annotation sémantique c’est lorsque les méta-données
utilisées pour l’annotation sont des instances de concepts et de relations entre les concepts
décrits formellement et structurés dans une ontologie. Amardeilh dans [AMAR07] conserve
la même définition et ajoute la notion de relier la notation à la page web annotée.
De ce fait la tache d’annotation consiste à :
- décrire le contenu de la page en utilisant les ontologies.
- relier ce contenu à la page web.
Pour bien expliquer l’activité d’annotation, on a préféré utiliser un exemple. On utilise
l’ontologie « famille » pour annoter l’extrait ci-dessous (figure 1.7). Cette ontologie
contiendrait le concept «Personne» des attributs comme « lieu de naissance », « date de
naissance» etc. Des relations telles que «MariéAvec (Personne, Personne) ». Le document
serait alors annoté en fonction de ces éléments, à savoir :
- Par les instances de concepts. Par exemple, une annotation sera créée avec «Boucetta
_Dris» qui représente une instance du concept « Personne ».
- Par les valeurs d’attributs. Par exemple, « 11octobre 1955 » peut être la valeur de l’attribut
« date de naissance » qui sera attachée à l’instance «Boucetta_Dris» de notre annotation.
- Par les instances de relations. Par exemple, l’instance « Boucetta _Dris» du concept
Personne et l’instance « Zitouni_Halima » du concept Personne peuvent être connectées par
la relation «MariéAvec». Le document sera annoté avec cette instance de relation
« MariéAvec (Boucetta _Dris, Zitouni_Halima) ».
La figure 1.8 présente le fichier d’annotation simulé en langage RDF du texte ci-dessous
en utilisant « l’ontologie famille ». Ces annotations correspondent aux mots écrits en gris
de la figure 1.7.
La famille de dris
Boucetta dris né le 11 octobre1955 à Constantine, en Algérie. Il est père de cinq enfants,
zouhel, azhar , soumia , mohtaz, rawnak. Marié avec Zitouni halima, le 5 juillet 1978. Zitouni
Halima est née le 20 janvier 1956 à Constantine.
Figure 1.7- Une page web www.famillededris.html.
<xml ”version=”1.0” encoding=”UTF-8”>

<rdf:RDF xmlns:rdf=”http://www.w3.org/1999/02/22-rdf-syntax-ns#”
Xmlns:famille=”http://www.laboratoirelire.com/onto#famille”>
< rdf:Description rdf:about=”http:// www.famillededris.htm>
<dc:subject rdf:resource=”#boucetta_ dris”/>
</rdf:Description>
<rdf:Description rdf:about=”Boucetta_Dris”>
< Famille:date_naissance>11 octobre1955 </people:date_naissance>
< Famille:lieu_naissance rdf:resource=”#Constantine/>
< Famille : MariéAvec>
<rdf:Description rdf:about=”Zitouni_Halima”>
< Famille:date_naissance>20 janvier 1956 </people:date_naissance>
< Famille:lieu_naissance rdf:resource=”#Constantine/>
</rdf:Description>
</ Famille : MariéAvec>
</rdf:Description>
</rdf:RDF>
</xml>
Figure 1.8- Exemple d’annotation sémantique en RDF.

<?xml version="1.0"?>
<rdf:RDF
xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:xsd="http://www.w3.org/2001/XMLSchema#"
xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#"
xmlns:owl="http://www.w3.org/2002/07/owl#">
<owl:Ontology rdf:about=" http://www.laboratoirelire.com/onto#famille "/>
<owl:Class rdf:ID="personne"/>
<owl:ObjectProperty rdf:ID="MariéAvec">
<rdfs:range rdf:resource="#personne"/>
<rdfs:domain rdf:resource="#personne"/>
</owl:ObjectProperty>
<owl:DatatypeProperty rdf:ID="lieudenaissance">
<rdfs:range
rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>
</owl:DatatypeProperty>
<owl:DatatypeProperty rdf:ID="datenaissance">
<rdfs:range
rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>
<personne rdf:ID="Boucetta_Dris">
<datenaissance xml:lang="fr">11 octobre 1955</datenaissance>
<lieudenaissance xml:lang="fr">Constantine</lieudenaissance>
<MariéAvec>
<personne rdf:ID="Zitouni_Halima">
<lieudenaissance xml:lang="fr">Constantine</lieudenaissance>
<datenaissance xml:lang="fr">20 janvier 1956</datenaissance>
</Personne>
</MariéAvec>
</personne>
< rdf:Description rdf:about=”http:// www.famillededris.htm>
<dc:subject rdf:resource=”#boucetta_ dris”/>
</rdf:Description>
</rdf:RDF>
Figure 1.9- Exemple d’annotation sémantique en OWL.
6.3.4. Approche d’annotations

Nous pouvons citer plusieurs processus d’annotation des ressources web, selon le degré de
leur automatisation. Les trois approches principales sont les suivantes : Manuelle, semi
automatique et automatique [MESTI07].
Ø Approche manuelle [KAHA01], [HAND01] l’annotation manuelle est entièrement

effectuée par un annotateur humain qui place les annotations de son choix dans un
document existant en phase de rédaction.
Alors l’annotation manuelle consiste simplement à mettre en place une interface utilisateur
dans laquelle l’utilisateur humain peut sélectionner la ressource à annoter, choisir le modèle
formel servant à la création des annotations sémantiques, tout en respectant les contraintes
imposées par le modèle formel, créer les annotations voulues sur la ressource sélectionnée.
Ø Approche semi automatique l’annotation semi-automatique s’appuie généralement sur
un moteur d’extraction d’informations qui est intégré dans un outil d’annotation. Il suggère
des annotations à l’utilisateur qui doit ensuite les valider manuellement.
Ø Approche automatique l’annotation automatisée est entièrement réalisée par un outil
d’extraction d’informations qui est intégré dans l’outil d’annotation. Le traitement
automatique consiste à [TENI07] :
1. Identifier automatiquement, dans une page web, les éléments qui sont pertinents.
2. Déterminer quels sont les concepts de l’ontologie les plus spécifiques possibles, pour
annoter chacun de ces éléments.
L’automatisation repose sur un apprentissage à partir d’un corpus constitué d’éléments
marqués par un expert. Le marquage associe à chaque concept de l’ontologie des éléments
de la page en rapport avec ce concept. L’apprentissage génère un WRAPPER (systèmes
d’extraction d’informations) capable d’annoter des éléments du document sous la forme
d’instances de concepts et de rôles de l’ontologie fournie. Des mécanismes de raisonnement
exploitant l’ontologie sont utilisés pour déterminer le concept le plus spécifique avec lequel
un élément doit être annoté.
Pour conclure, l’approche d’annotation adoptée dans notre travail est l’annotation
manuelle vu l’outil utilisé pour l’annotation. Nous avons deux types de ressources à
annoter : les CVs, les offres d’emplois.
6.3.5. Rôle des annotations sémantiques :
Les annotations sémantiques sont utilisées pour deux grandes tâches. La première est la
recherche d’informations, puisque toute annotation informatique liée à une ressource
représente de ce fait un index pour cette ressource. La seconde est la composition de
documents, de fragments de documents, de services en vue de construire de nouveaux
documents (cours, catalogues, réponses à une question, etc.) [PRIE04].
Les annotations sémantiques sont applicables à n’importe quel type de contenu : pages web,
documents textuels non structurés, champs d’une base de données, documents audio ou
vidéo, etc. Enfin, plus le modèle de l’annotation est formalisé, plus les services proposés à
partir de cette annotation peuvent devenir « intelligents ».
En effet, les agents logiciels pourront inférer de nouvelles connaissances, raisonner sur ces
connaissances et ainsi améliorer les résultats de la recherche d’information ou bien dégager
un sens implicite contenu dans le document d’origine [AMAR07].
6.3.6. Framework pour les annotations sémantiques
Annotea et CREAM sont deux cadres de travail (frameworks) pour l’annotation sémantique.
Ils sont implémentés d’une manière différente dans plusieurs outils d’annotation sémantique
[LUON07].
§ Annotea [KAHA01] [KOIV2005] est un projet du W3C qui spécifie l’infrastructure
pour l’annotation des documents du Web. Le format principal utilisé dans l’Annotea est
RDF et les types de documents qui peuvent être annotés sont les documents en HTML
ou basés sur XML. Annotea fournit dans XPointer une méthode permettant de localiser
des annotations dans un document. XPointer est une recommandation du W3C pour
identifier des fragments des ressources avec leur URI. L’approche d’Annotea se
concentre sur un modèle semi-formel d’annotation dans lequel les annotations
contiennent des déclarations qui ont besoin d’être ajoutées à l’aide de méta-données (i.e.
l’auteur, la date…).
§ Le framework CREAM [HAND03] (voir figure 1.10), comme Annotea, souscrit
également aux formats standards du W3C avec des annotations représentées en RDF ou
OWL et au XPointer. Ces annotations sont utilisées pour annoter des ressources et des
documents dont les formats sont en XML et HTML. Il spécifie les composants exigés
pour un système d’annotation qui doit supporter la création semi- automatique des
annotations basées sur l’ontologie.
Figure 1.10- Exemple d’annotation avec CREAM.

6.3.7. Outils pour l’annotation sémantique

Basés sur Annotea et CREAM plusieurs outils ont été proposés afin de créer et manipuler
les annotations. Ces outils peuvent supporter l’annotation automatique, semi-automatique et
manuelle.
6.3.7.1 Qu’est ce qu’un outil d’annotation ?
Un outil d’annotation sémantique est un outil logiciel qui permet d’insérer et de gérer des
annotations sémantiques liées à au moins une ressource documentaire donnée. Dans le cadre
du Web Sémantique, les outils d’annotation sémantique utilisent une ontologie, ou tout au
moins un modèle formel, qui formalise et structure les annotations produites en fonction des
concepts et des contraintes définis dans cette ontologie [AMAR07].
Ces outils d’annotation sémantique ont pour objectif d’alléger le fardeau de l’annotation
manuelle dans les pages Web. La plupart d’entre eux ont évolué vers des environnements de
plus en plus automatisés grâce aux méthodes issues des domaines de l’Extraction
d’Information et des Systèmes d’Apprentissage [CORC06]. En plus de l’interface
traditionnelle d’annotation manuelle, ces méthodes sont capables de suggérer à l’utilisateur
un ensemble d’annotations sémantiques relatives à la ressource documentaire analysée
[AMAR07].
6.3.7.2 Quels sont les outils d’annotation les plus connus ?
Nous présentons dans cette section quelques outils, parmi les plus connus, qui nous
permettent d’élaborer des annotations pour des ressources et des documents texte en se
référant à une ontologie.
§ SMORE [KALY03] Le groupe de recherche Mindswap1 de l’Université de Maryland, a
fait évoluer SHOE KA2 vers une implémentation des ontologies et des annotations
générées en OWL et RDF respectivement donnant naissance à l’outil SMORE
[KALY03]. Celui-ci conserve néanmoins les caractéristiques de SHOE KA, si ce n’est
que les interfaces utilisateurs sont grandement améliorées. En plus d’annoter
sémantiquement des pages Web existantes, SMORE permet également de combiner
l’annotation et la création de nouvelles pages HTML grâce à son éditeur HTML
incorporé. Il intègre aussi l’éditeur d’ontologie SWOOP3, également conçu par
Mindswap, qui permet de naviguer dans une ontologie et de sélectionner les classes,
relations ou attributs afin de créer les triplets qui seront ajoutés aux pages HTML
traitées. Enfin, SMORE4 permet de vérifier les propriétés de domaine et de portée pour
détecter les triplets invalides et en alerter l’utilisateur humain pour correction.
§ OntoAnnotate5 [STAA01] [STAA01a] est un outil d’annotation semi-automatique qui
permet de rassembler les connaissances des documents et des pages Web aux formats
HTML et XML, de créer des annotations sémantiques de document et d’enrichir la base

d’annotations avec des méta-données. Cet outil basé sur l’approche CREAM
[HAND01] utilise la source de données fondamentales et le moteur d'inférence de
l’outil OntoBroke6 pour son processus d’annotation. Par défaut, Annotea utilise les
propriétés du DublinCore, telles que l’auteur, la date, le titre, l’éditeur, etc., pour créer
des méta-données sur les documents traités. L’utilisateur peut également fournir une
ontologie de domaine modélisée en RDFS. Les annotations créées sont conservées de
façon externe au document annoté. Ces annotations sont alors disponibles soit
localement sur l’ordinateur de l’utilisateur, soit sur un serveur d’annotation RDF public.
§ OntoMat-Annotizer7 est un outil d’annotation de page Web qui est intuitif et interactif
pour l’utilisateur. Cet outil est aussi basé sur l’approche CREAM. Il aide aux tâches de
création et de maintenance des méta-données des pages Web. Au lieu d’annoter
manuellement la page avec un éditeur de texte, OntoMat-Annotizer permet à
l’annotateur de souligner les parties appropriées de la page Web et de créer de nouvelles
instances par les opérations drag-and-drop. Cet outil est une application Java, il a une
architecture modulaire avec des plugs-in qui sont dédiés au navigateur d’ontologie, au
navigateur de web, etc.
6.3.7.3 Synthèse
Beaucoup d’outils d’annotation sémantique ont été conçus ces dernières années. Mais
malheureusement certains sont payants et le reste sont des outils de laboratoire pleins de bug
et sont généralement dans la phase de test telles que ONTOMAT et SMORE. ONTOMAT
est un outil facile à utiliser (voir figure 1.11). Son problème est la non génération du fichier
résultat de l’annotation après le processus d’annotation, vu un bug dans la fonctionnalité
qui génère ce dernier.
1http://www.mindswap.org/
2http://www.cs.umd.edu/projects/plus/SHOE/KnowledgeAnnotator.html 3 http://www.mindswap.org/2004/SWOOP/
4 http://www.mindswap.org/2005/SMORE/ 5 http://www.ontoprise.de/content/index_eng.html
6 http://ontobroker.semanticweb.org 7 http://annotation.semanticweb.org/ontomat.html
Figure 1.11 Annotation avec ONTOMAT.
SMORE (voir figure1.12) est un outil dédié aux ingénieurs ontologiques. Pour l’utiliser, il
faut avoir des notions préalables sur les ontologies RDF (prédicat, sujet, etc.) pour créer des
triplets RDF qui forment une annotation, ainsi sur OWL (concept, rôle, etc.) pour naviguer
dans l’ontologie. Ce dernier après le processus d’annotation génère un fichier illisible et
inexploitable.
Figure 1.12 Annotation avec SMORE.
Vu ces problèmes, un outil d’annotation « FETCH » est développé dans notre équipe par
Allioua soufiane dans [ALLI08], mais ce dernier est dédié aux images. Nous l’avons adapter
pour l’annotation des fichiers HTML. Le résultat de l’annotation de ce dernier est un fichier
OWL, à l’avenir nous pourrons ajouter une fonctionnalité pour avoir comme résultat de
l’annotation un fichier RDF. Le type du fichier d’annotation (RDF ou OWL) n’est pas le
problème, l’essentiel est qu’il ne soit pas ambigu et qu’il soit utilisable par un programme.
Exemple d’utilisation de l’outil « FETCH »: cet exemple est basé sur l’utilisation de
l’ontologie-ER sous OWL et un CV. Cette ontologie permet aux chercheurs d’emplois et
aux recruteurs, l’accès sémantique à leurs CVs ou offres d’emploi respectivement. Dans
l’interface du système, la partie gauche s’affiche le document à annoter par l’annotateur et
dans la partie droite les structures ontologiques (classes, attributs et relations) à utiliser.
L’annotation consiste à choisir un segment du document (le sélectionner) puis voir ce qui
lui correspond dans l’ontologie (instance/propriété/classe). A chaque instance créée les
attributs littéraux ainsi que les relations (rôles) peuvent être renseignés. Comme on peut
utiliser les instances de l’ontologie (instance de classe ou de relation) pour enrichir un CV
ou offre d’emploi avec des annotations. La figure 1.13 illustre cet exemple d’annotation
sémantique.
Pour la sauvegarde des annotations l'outil d'annotation génère un document OWL qui
renferme les annotations effectuées par l’utilisateur. Ce document est conservé dans
l’entrepôt des annotations.
Figure.1.13 Annotation avec FETCH.

7. Conclusion
Nous avons détaillé dans ce chapitre la notion d’ontologie et d’annotation. Nous nous
sommes intéressées principalement à l’annotation sémantique et nous avons vu que dans le
cadre du Web Sémantique, elle est fondamentalement liée à la modélisation d’une
ontologie. En effet, cette ontologie va représenter les concepts, attributs et relations d’un
domaine à l’aide d’un langage de représentation des connaissances orientées Web comme
OWL. Les annotations sémantiques sont structurées à l’aide de cette ontologie et leurs
valeurs pointent vers les instances de concepts ou de relations de l’ontologie de référence.
Les annotations sémantiques sont éditées dans un langage formel de représentation de
connaissance, pouvant être stockées dans la ressource annotée ou/et dans un serveur des
annotations selon l’outil d’annotation utilisé.
Nous avons vu qu’il existe une gamme assez importante d’outils d’annotations sémantiques
ayant chacun des caractéristiques propres mais dont le but est de plus en plus orienté vers
l’assistance des annotateurs humains à la création des annotations.
Nous avons vu que l’avantage majeur de l’annotation sémantique est qu’elle permet un
traitement automatique du contenu des ressources web par des agents logiciels, ce qui
permet de fournir à l’utilisateur des résultats pertinents et intelligents.
De ce fait, nous allons utiliser l’annotation sémantique pour annoter les CVs/offres
d’emplois avec des éléments d’une ontologie-ER son domaine est « L’informatique et la
Télécommunication » pour automatiser le rapprochement de ces documents.
Chapitre2 : Gestion des documents dans le cadre du e-Recrutement 34
Chapitre 2
Gestion des documents dans le cadre du e-recrutement
Sommaire
1. Introduction
2. Les sites d’emplois
3. CVs /offres d’emploi et outils de génération
3.1. Rubrique d’un CV
3.2. L’offre d’emploi
3.3. Outils de génération des CVs /offres d’emploi
4. Le e-recrutement
4.1. Les phases du processus de recrutement
4.2. Les limite du e-recrutement
5. La gestion des connaissances et des compétences
5.1. Gestion des connaissances (KM)
5.1.1 Définition
5.1.2 Objectif de la gestion des connaissances
5.2. C’est quoi une Compétence.
5.3. Gestion des compétences
6. L’appariement sémantique pour le e-recrutement
6.1. L’appariement syntaxique des documents
6.2. L’appariement sémantique des documents
7. Les travaux existants
7.1. Une approche basée sur l’annotation pour modéliser le contenu sémantique
7.2. Un processus de recrutement basé ontologie
7.3. BRIDGE
7.4. Evaluation des travaux existants
8. Conclusion
«J ’écoute et j’oublie, je vois et je me souviens, je fais et je comprends »

Proverbe chinois
1. Introduction
L'Internet s'est transformé rapidement en un outil de recrutement performant. 53% des
recrutements en Allemagne sont le résultat d'une postulation en ligne [BIZE05]. Un chiffre
qui est susceptible d’augmenter. Cependant, vu les limites des outils dédiés à la gestion et à la
recherche des Curriculum Vitae (CVs)/offres d’emplois, l’écoulement de l'information sur ce
marché de travail est loin d’être optimal. Dans ce qui suit, nous allons décrire les
caractéristiques des CVs et des offres d’emplois, leurs outils de génération, puis nous allons
décrire le processus de recrutement dans le web actuel et ses limites. La solution, pour la
majorité de ces problèmes, réside dans la prise en compte du contenu sémantique de ces
documents afin d’automatiser leur rapprochement. Pour, cela l’approche annotation du Web
sémantique est utilisée par des travaux qui visent l’automatisation du e-recrutement, il seront
détaillés dans la section 7.
2. Les sites d’emplois

Les portails de travail différent selon la gamme des services qu'ils fournissent. Il existe par
exemple, des sites Internet qui se spécialisent dans l'emploi provisoire, des agences de
recrutement qui offrent des emplois dans des secteurs spécifiques comme « l’informatique et
la télécommunication, la finance… », des sites d’emplois spécifiques pour les jeunes
diplômés AFIJ1, d’autres généraux comme Jobpilot2.
Le tableau 2.1 [MIFE06] présente une synthèse des sites d’emplois les plus connus. Ces sites
sont classés selon les services qu’ils présentent. Par la suite nous détaillons quelques uns.
Jobpilot : Fondée en 1995, Jobpilot est une entreprise leader du recrutement en ligne,
présente dans 15 pays européens. Jobpilot fournit à ses clients des solutions de
recrutement rapides, économiques et efficaces, tout en assurant un service haut de
gamme. L’offre de service Jobpilot comprend de nombreux produits novateurs, en
complément de la publication d’offres et de demandes d’emplois. La publication des CVs
est gratuite pour les demandeurs d'emplois tandis que les employeurs payent les espaces,
d'annonce.
1 : (http://www.afij.org/,d’autre),
2 : (http: // http://www.jobpilot.com/content/service/pr_ir/news/Adecco-jobpilot.html).
Ce portail www.Jobpilot.com fournit :
§ Un marché d'emploi consacré à la recherche et à l’enseignement.

§ Une recherche à texte intégral de toutes les offres d'emploi.
§ Une vue d'ensemble des sociétés et de leurs profils.
§ Une aide gratuite pour écrire un CV.
§ Une rubrique d‘emploi est consacrée aux étudiants et aux diplômés.
§ Les offres sont rangées selon le niveau, l’expérience professionnelle.
§ Les mises à jour hebdomadaires d'information du travail, sont fournies aux adhérents
par des messages E-mail.
La recherche en ligne dans ce portail implique deux étapes : une recherche générale
suivie d'une recherche détaillée. Dans la recherche générale l'utilisateur définit: type
d’emploi, région globale, la langue. Cette information sera employée comme base pour
une recherche détaillée dans laquelle les particularités du travail désiré peuvent être
définies telles que (la précision détaillée de l’emploi cherché, le secteur industriel, la
précision de la région…). Une liste de résultats appropriés est donnée à la fin de la
recherche.
StepStone (http://www.lesinfos.com/news61730.html)
StepStone est un site de jobs où se rencontrent les recruteurs et les travailleurs, attirant
1,9 million de visiteurs par semaine. Les candidats peuvent littéralement y construire leur
carrière : chercher un job, postuler et mettre leur CV en ligne dans la base des CVs . Les
patrons peuvent quant à eux y recruter du personnel : en publiant leurs offres d'emploi, et
rechercher des candidats idéaux dans la base de CV de StepStone.
StepStone travaille avec les petites et les grandes entreprises, les bureaux de sélection.
Jobgate [JOBG07]: (http://www.indicerh.net/actu/article.php?sid=318)
Jobgate.fr est créé en 2002. Il se distingue en offrant une ergonomie révolutionnaire qui
permet une accessibilité aisée aux informations.
Il est présent sur tous les secteurs d'activité avec plus de 70 000 CV en ligne, 320 000
visiteurs par mois et 2 millions de pages vues par mois, avec une augmentation régulière
du trafic. Jobgate.fr est composé d’un site généraliste Ejob.fr (www.ejob.fr), de sites
d’emplois spécialisés par domaines ou catégories socioprofessionnelles (Seaad.com,
Batijob.com, Medicajob.com, …). Il offre ainsi une visibilité optimale des annonces
d’emplois auprès des candidats en multi-diffusant ces annonces sur les sites partenaires
du réseau auxquels les candidats s’identifient. D’autre part, Jobgate.fr a une politique
référencement qui permet de promouvoir également les annonces sur les moteurs de
recherches francophones (Google, Yahoo, Msn, Voila ...).
§ AFIJ
Le site de l'insertion professionnelle de jeunes diplômés. http://www.afij.org/
§ ANPE
Sites Le site de L'ANPE : plus de 100 000 offres d'emplois. http://www.anpe.fr/
Institutionnels § APEC
Efficace et très riche en études, le très célèbre site fonctionne très bien avec plus
de 9 000 offres !
http://www.apec.asso.fr/
§ Regionsjob
Site portail de l’emploi dans les régions avec 6 sites sur le territoire Français
Ouestjob, Nordjob, Estjob, Rhonealpesjob, Pacajob, Sudouestjob.
http://www.regionsjob.com
§ MECABOURG
Les Industriels de la Métallurgie Mécanique et ...
Sites en 1er pôle français de carrosserie industrielle, construction de matériel de
Régions transport et savoir-faire associés. Plus de 30 entreprises – 3 000 salariés.
http://www.mecabourg.com
§ Rhonalpemploi
annonces d'emploi Lyon Rhone Alpes, offre d'emploi CDD Lyon ...Le site emploi
du groupe Progrès / Dauphiné Libéré ... De nombreuses offres d'emploi en CDD à
Lyon avec Le Progrès et Le Dauphiné Libéré. ...
www.rhonalpemploi.com
§ Emploi informatique - lesjeudis.com
Lesjeudis.com : emploi informatique - Retrouvez nos offres d'emploi
informatique,
déposez votre CV, alerte email pour recevoir les offres, assistez aux ...
http://www.lesjeudis.com
Sites
§ FraGGo.com Transport, Transports, logistique : offres d'emploi ...
Spécialisés
FraGGo.com moteur de recherche Transport Logistique, Site emploi transport et
logistique, guide export.
http://www.fraggo.com
§ BTP
Site de consultation d'offres d'emploi dans le BTP et les carrières publiques.
§ http://www.emploi.lemoniteur-expert.com
§ Interim Adecco
Adecco, n°1 du travail temporaire et premier réseau d'agences d'interim
spécialisées, vous propose également des prestations de recrutement pour des
Sites Travail postes.
Temporaire www.adecco.fr/
§ SYNERGIE travail temporaire
Réseau international d'agences de travail temporaire. Dépôt de CV.
www.synergie.fr
§ Cadremploi
Le site d'emploi du groupe Le Figaro. Un nouvel espace des jeunes diplômés vient
d'ouvrir ses pages!
http://www.cadremploi.fr
§ Cadresonline
Toutes les offres de la presse - Le Monde, l'Express, LSA, l'Usine Nouvelle... –
http://www.cadresonline.com/
§ EmailJob
Sites
La réputation d'EmailJob n'est plus à faire, Il fait partie des sites emploi les plus
Généralistes
performants.
http://www.emailjob.com/
§ Jobpilot
Jobpilot est un des leaders européens de l'emploi sur Internet..
http://www.jobpilot.fr/
§ Monster
Offres d'emplois, dépôt de CV, conseils, le petit frère français d'un des plus gros
sites US.
http://www.monster.fr/
§ Centres de Gestion de la FONCTION PUBLIQUE TERRITORIALE
Site National des Centres de Gestion de la FONCTION PUBLIQUE
Site Emploi TERRITORIALE réalisée par la Fédération Nationale de Centres de Gestion
(FNCDG)
Fonction
Publique www.fncdg.com
Territoriale § Centre de gestion de l’ain
Introduction Présentation, organes, concours, base documentaire, foire aux
questions.
www.cdg01.fr
§ Actualités sociales hebdomadaires (ASH)
Flashes, interviews et informations pratiques, offres d’emplois de l'hebdomadaire
de l'action sociale en ligne.
Sites Emploi http://www.ash.tm.fr
Social § CREAI- Rhones alpes, carrefour des acteurs publics et privés
CREAI Rhône-Alpes : carrefour des acteurs publics et privés / conseil / étude
/formation / dans le champ de l'action sociale.
www.creai-ra.org
Tableau 2.1- Synthèse des sites d’emploi.
3. CVs /offres d’emploi et outils de génération

Les CVs/offres d’emplois sont des documents structurés, qui constituent la base du processus
de recrutement. Les portails d’emplois disposent d’outils pour les générer sous format
numérique.
3.1. Rubrique d’un CV :

Le CV est un document structuré. Les informations qu’il comporte sont groupées de façon
thématique au sein de rubriques qui seront matérialisées par un titre.
Selon Europass [EURO03] les rubriques les plus importantes sont :
§ Informations personnelles : il s’agit de la première rubrique et de la seule dont la
présentation différera de celle des autres. En effet, cette partie, qui prend en général place
en haut à gauche, ne comporte pas de titre. Le recruteur comprend sans peine qu’il s’agit
de l’état civil d’un demandeur d’emploi. Elle comprend les informations suivantes :
prénom et nom, adresse postale, numéros de téléphone (fixe et/ou mobile), télécopie,
situation familiale (marié, célibataire, enfants …), date de naissance, nationalité, le sexe.
§ Emploi recherché /Domaine de compétence : cette rubrique donne un aperçu immédiat
du profil du chercheur d’emploi et elle doit être remplie avec la plus grande attention.
§ Education et formation : il s’agit de détailler et de préciser toutes les études menées, les
diplômes préparés et/ou obtenus, les formations suivies, allant généralement de la
formation la plus récente à la plus ancienne. Chaque formation est décrite séparément par
les informations : l’année de la formation, l’intitulé de la formation, le nom et le type de
l’établissement fréquenté, le diplôme obtenu, niveau dans la classification nationale ou
internationale.
§ Expérience professionnelle : cette rubrique est celle à laquelle un recruteur attache le
plus d’importance, car elle met en avant tous les points forts d’un demandeur d’emploi.
Organisée généralement sous la forme d’une énumération chronologique, chaque
expérience professionnelle est décrite séparément, avec les informations suivantes :
l’intitulé du stage ou la fonction occupée, la date d’exercice du stage ou de la fonction, un
résumé des tâches effectuées et des responsabilités assumées, le nom de l’entreprise, sa
localisation et son secteur d’activité.
§ Aptitudes et compétences personnelles : sous cette rubrique un chercheur d’emploi fait
un inventaire de toutes ses aptitudes et ses compétences organisationnelles, techniques,
informatiques, langue et autres acquis au cours de son parcours professionnel, éducatif,
formateur.
§ Information complémentaire : un chercheur d’emploi indique ici toute autre information
qu’il juge utile, par exemple: publications ou travaux de recherche.
§ Annexes : dans cette rubrique un postulant énumère ses pièces jointes.
Selon l’expérience de travail et les compétences, on peut structurer les CVs de trois façons :
§ Le CV anti-chronologie : c'est le CV à la "mode". Il consiste à présenter de manière

systématique votre dernière expérience professionnelle ou votre dernière formation. Ce
type de CV permet de mettre en avant les compétences acquises le plus récemment qui
sont la plupart du temps vos expériences les plus significatives. Il est particulièrement
conseillé si vous avez connu une progression de carrière régulière et cohérente.
§ Le CV thématique : ce type de CV est peu répandu, car difficile à faire, mais il présente,
dans certains cas, de nombreux avantages. Il est particulièrement indiqué pour les
personnes ayant exercé plusieurs métiers différents sans continuité ou cohérence. Mais il
est aussi indiqué si on souhaite minimiser une erreur de parcours ou un trou dans notre
expérience car il permet de mettre l'accent sur telle ou telle de nos compétences.
§ Le CV chronologique : ce type de CV se fait rare et clairement dépassé de la mode. En
revanche il peut être utilisé en annexe dans certains cas. Par exemple, pour les prestataires
et les consultants qui verront dans ce type de présentation un bon moyen de mettre en
avant- l'ensemble des missions qu'ils ont effectués au cours de leur carrière ou dans le
cadre de leur dernier contrat de travail qui comptera le plus souvent plus d'une mission.
Le tableau 2.2 récapitule les avantages et les inconvénients de chaque type de CV.
Type de CV Avantages Inconvénients Notre avis

met en valeur les expériences les très classique.
les parcours linéaires, plus récentes sont
Chronologique logiques et cohérents entre reléguées en fin de
l’expérience partie !
professionnelle et la
formation
met en évidence Lorsque la dernière moderne et de plus
Anti- l’expérience ou la expérience en plus répandu,
chronologique formation la plus récente, ne correspond pas dynamique,
donc la plus actuelle. au poste visé. il est généralement bien
accepté.
insiste sur les le recruteur est dans le cadre d’une
compétences plus que les toujours tenté de se candidature spontanée ou
Thématique parcours. Valorise les livrer à une d’une expérience très riche,
diverses activités. gymnastique cela permet rapidement au
Estompe l'effet "à trous" intellectuelle recruteur de cerner les
du CV chronologique pour retracer capacités d’un chercheur
avec ruptures d'activités. la chronologie d’emploi.
de nos parcours.
Table 2.2- Comparaison entre les différents types de CV.
3.2. L’offre d’emploi : est un document moins structuré que le CV. Les informations de
l’offre, d’après les différents sites d’emplois, peuvent être regroupées dans les catégories
suivantes :
§ Entreprise : dans cette catégorie, le recruteur décrit son organisme, ainsi que le secteur
d’activité de son organisme.
§ Poste : dans cette catégorie le recruteur décrit les responsabilités et les tâchés liées au
poste, ainsi que les avantages dont peut bénéficier une recrue.
§ Profil : le recruteur définit dans cette catégorie les diplômes, les compétences,
l’expérience professionnelle requise.
§ Information de contact : le recruteur cite son adresse complète, le nom et l’email de la
personne à contacter (responsable de recrutement).
3.3. Outils de génération des CVs /offres d’emploi

Il existe plusieurs outils pour la génération des CVs ou des offres d’emploi sous format
électronique, à partir d’un ensemble de formulaires à remplir, avec la disponibilité de
listes de choix pour certaines rubriques. Parmi les outils qui nous semblent les plus
importants, nous citons :
§ Le site Europass pour la rédaction d’un CV (http://europass.cedefop.europa.eu/). Le CV
Europass est devenu pratiquement la plate-forme d’écriture des CVs dans toute
l’Europe pour les demandeurs d'emploi qui veulent se présenter d'une manière claire et
concise. Le Curriculum Vitae Europass, est disponible en 26 langues. Europass
conseille fortement d’insérer le contenu dans l’ordre suivant : informations
personnelles, expérience professionnelle, éducation et formation, aptitudes et
compétences personnelles. Le site Europass de rédaction des CVs a rencontré un vif
succès: actuellement près de quinze milles visites sont comptabilisées chaque jour; plus
d'un million et demi de CVs ont été créés en ligne, et plus de 8 millions de documents
ont été téléchargés (modèles, exemples, instructions...). Par ailleurs, le CV Europass
peut être sauvegardé sous différents formats électroniques (Word, OpenOffice, PDF,
XML, HTML), ce qui permet sa diffusion par voie électronique, le format PDF a
l'avantage de bloquer le contenu et la forme du CV telle que définie par le titulaire, sans
possibilité de vandalisme. La mise à jour des données du CV peut se faire également
par le biais du site Europass (pour les documents sauvegardés au format PDF ou XML),
ce qui évite évidemment de tout retaper à chaque modification.
§ Le site Annonces emploi : (www.annoncesemploi.org): il donne des exemples concrets des
CVs et des conseils et services pratiques (Corriger, rediger, traduire) de construction de
ceux-ci. Il propose également 110 modèles pour rédiger un CV, il donne la possibilité
de télécharger la totalité de ces modèles. Après l’écriture de CV selon les modèles
proposés, le candidat suit certaines instructions pour stocker son CV dans la base des
CVs du site. Les chercheurs d’emploi peuvent également enregistrer leurs offres
d’emplois électroniques dans la base des offres d’emplois.
§ Le site CVGen : (http://cvgen.free.fr) : il offre un générateur en ligne de CVs. La
génération du CV n'est qu'une étape finale du processus de rédaction. Il faut tout
d’abord préciser les objectifs professionnels (type de travail souhaité et centres
d’intérêt) afin de connaître le candidat et de mieux cibler sa recherche. La création
automatique de CV se déroule en plusieurs étapes : l’inscription du candidat,
l’introduction des informations personnelles, la description des formations avec des
listes de choix disponibles, la description des expériences professionnelles et une

rubrique personnalisée pour des informations spéciales. La mise en page du CV peut
être classique ou sous forme d’un arbre XML.
4. Le e-recrutement
Internet a totalement modifié le processus de recrutement des entreprises : de nombreux sites
(Jobpilot, Monster, etc.) disposent d’outils pour la génération des offres d’emploi (ou des
CVs), permettant de les publier. Le résultat de la sélection est automatiquement envoyé par
mail au postulant. Internet a permis d’optimiser le processus de recrutement, et d’augmenter
considérablement le nombre des candidatures (plus de 70 000 CVs reçus par Jobgate).
Nous détaillons, ci-dessous le processus de recrutement ainsi que les problèmes rencontrés
par le e-recrutement.
4.1. Les phases du processus de recrutement

Du point de vue organisation, un processus habituel de recrutement peut être divisé en quatre
phases :
§ Le département de fonctionnement définit les requis pour un poste de travail et
écrit l’offre d’emploi.
§ Le département du personnel publie l’offre d’emploi.
§ Le département du personnel reçoit les demandes d’emploi, sélectionne un
ensemble et le passe au département de fonctionnement.
§ Après l’interview avec les candidats, la décision de recrutement au poste vacant
est prise par le département de fonctionnement et du personnel.
Nous détaillons par la suite la totalité du processus de recrutement [BIZE04] :
Écriture d'une signalisation du travail : de nos jours, les offres d’emploi sont écrites
sous forme de texte libre en utilisant un vocabulaire non contrôlé. Elles sont
habituellement structurées dans les rubriques suivantes: la description d'organisation, la
description des fonctions, les compétences et les qualifications exigées et les informations
de contact.
La publication des CVs/offres d’emploi : deux manières de publication des
CVs/offres d’emploi sont possibles à travers les portails d’emploi ou les portails des
entreprises :
§ Les portails d’emploi : il existe un nombre important de portails d’emploi tels que
Monter1, jobpilot2… ils sont financés par les frais de publication des offres d’emploi
(La publication des CVs est généralement gratuite). L’avantage de la publication
dans un portail d’emploi réside dans le nombre de personnes qui peuvent consulter
ces documents.
§ Les portails des entreprises : la publication dans ce cas n’est pas coûteuse, car le
recruteur va publier son offre dans son propre site. Mais elle est limitée, parce que les
offres sont consultées par un nombre limité de chercheurs d’emploi.
Réception et présélection des demandes des candidats : il y a deux moyens pour écrire et
envoyer un CV :
§ Les chercheurs d’empois envoient leur CVs par mail sous format texte (word, pdf, ...)
aux organismes. Cette technique ne permet pas l’automatisation de la présélection, le
recruteur doit analyser les CVs manuellement pour sélectionner le profil adéquat.
§ Les candidats remplissent des formulaires Web prédéfinis qui existent dans les sites
des organisames ou dans les portails d’emploi. L’utilisation des formulaires permet
une certaine automatisation de la présélection. Ce qui réduit son coût élevé.
Décision de recrutement final : la sélection finale consiste à faire un entretien avec
chaque postulant qui possède un CV sélectionné à l’étape précédente puis sélectionner
les meilleurs selon le classement des tests.
4.2. Les limite du e-recrutement

L’automatisation de la présélection des CVs (cas d’un recruteur) ou offre d’emploi (cas d’un
chercheur d’emploi) est l’objectif visé par le e-recrutement. Malheureusement, il est
confronté à plusieurs problèmes résumés dans le tableau suivant (Tableau 2.3).
Problème description
L’hétérogénéité des formats (format Word, HTML, XML, etc) cela peut nécessiter un
des CVs/offre d’emploi. traitement particulier pour chaque type.
L’échec des formulaires l’originalité d’un CV est difficile à mettre en évidence

prédéfinis. dans un formulaire prédéfini.
les frais de publication élevés sur les portails ont conduit

Le coût de publication. les recruteurs à publier leurs offres seulement sur un
nombre limité de portails.
les portails de travail disponibles sont nombreux mais

La division du marché de indépendants. Ils ont divisé le marché du travail en lignes
travail. en îles d’informations isolées [BIZE05], ce qui a rendu
impossible, pour un chercheur d’emploi, d’avoir une idée
globale de tous les postes de travail offerts.
La recherche dans les portails de travail comme monster

L’inefficacité des moteurs de (http://www.monster.de), d’une offre d’emploi (cas d’un
recherche. chercheur d’emploi), ou d’un CV (cas d’un recruteur), se
fait via des moteurs de recherche propres au site.
Cependant, la recherche est purement syntaxique et basée
sur des mots clés. [BIZE04]
La formalisation des acquis et La difficulté rencontrée pour exprimer les compétences
des requis. acquises, cas d’un chercheur d’emploi (CV), ou requises
cas d’un recruteur (offre d’emploi).
Tableau 2.3- Les Limites de e-recrutement
Les techniques disponibles pour la gestion des CVs/offre d’emploi sont purement syntaxiques
et limitées face à l'afflux des informations à traiter [MORI02]. Ce qui a rendu ces grandes
masses de données, souvent mal exploitées [TRIC06]. La gestion des compétences et des
connaissances sous-jacentes aux documents, qui est primordiale dans le cadre du recrutement
[TRIC06], doit être supportée par les technologies du Web sémantique, pour permettre
l’automatisation de l’appariement d’une manière efficace.
5. La gestion des connaissances et des compétences

A l’heure actuelle, les sources d’informations et de connaissances dans les entreprises
deviennent de plus en plus importantes et elles jouent aussi un rôle crucial pour le
développement de l’entreprise. Le partage du travail nécessite un partage de connaissances au
sein des entreprises et ce besoin peut devenir encore plus crucial à l’avenir. Les compétences
personnelles des employés sont les connaissances les plus importantes dans les entreprises.
Afin de maximiser la performance humaine, les compagnies doivent efficacement dépister et
manipuler les compétences possédées ou exigées par des personnes dans toute l'entreprise
avec un système de gestion de compétences, qui permet d’affecter la personne appropriée à
un poste, détecter le manque en compétences des employés pour assurer la formation
nécessaire. Alors pour réussir il faut que l’entreprise assure une bonne gestion des
connaissances et des compétences de ses employés.
5.1. Gestion des connaissances (KM)

La gestion des connaissances est basée sur la capitalisation des connaissances permettant
d'aborder la dialectique entre des métiers traditionnels et les apports extérieurs, les
innovations. Elle constitue l'ensemble des méthodes et outils visant à rechercher, conserver et
à gérer des connaissances, en utilisant une architecture informatique comme support
structurel. Dans ce qui suit, nous présentons sa définition et ses objectifs.
5.1.1 Définition
Tisseyre [TISS99] définit le Knowledge Management (KM) comme "la gestion consciente,
coordonnée et opérationnelle de l’ensemble des informations, connaissances des membres
d’une organisation au service de cette organisation".
Ce qui introduit trois points essentiels :
§ La prise de conscience : il faut que les membres de l’organisation ou du groupe aient

une conscience mutuelle à travailler ensemble et à partager des connaissances. Ceci
introduit la notion d’ "awareness" ou "conscience" qui facilite la coordination
implicite [SIMO00].
§ La coordination : le KM vise à ce que l’ensemble des membres d’une organisation
travaille de la même manière, tournés vers les mêmes objectifs en partageant le
maximum d’informations et de connaissances.
§ Résultats opérationnels attendus : l’objectif du KM n’est pas de faire plaisir

intellectuellement, c’est d’avoir des résultats concrets sur lesquels on puisse compter
pour développer sa propre activité, ce qui impose de faire des calculs de retour sur
investissement afin de démontrer la fiabilité de la solution.
5.1.2 Objectif de la gestion des connaissances [BENA05]
Les objectifs principaux de la gestion des connaissances sont :
- formaliser les connaissances tacites afin de les rendre mobilisables et opérationnelles
au niveau de l’organisation entière [BOUG01].
- créer les conditions convenables à la création de nouvelles connaissances.
5.2. Qu’est ce que une Compétence3 ?

C’est la capacité reconnue d’un acteur à mobiliser des ressources (connaissances, savoir
professionnel, qualités comportementales) afin de réaliser une action, d’atteindre un résultat
et de répondre à l’attente d’une entreprise, d’une organisation ou de tout système social.
Nous pouvons distinguer plusieurs types de compétences :
§ Compétences collectives : diffèrent de la somme des compétences individuelles. La
réponse compétente à un problème dépend de la qualité de la collaboration entre les
acteurs (réponse collective). La compétence collective serait alors l’organisation ou la
structuration des diverses compétences individuelles. Une équipe est un acteur
collectif.
§ Compétences requises : définissent ce qu’on attend du professionnel en situation de
travail. De quels savoir-faire opérationnels validés avons-nous besoin (en réponse aux
objectifs de soins).
§ Compétences réelles : potentiel du professionnel à agir dans l’action, ce qu’il fait, ce
qu’on peut observer, donc évaluer. Elles sont définies par les résultats obtenus lors
des évaluations.
L’écart entre les compétences acquises et celles requises définit le champ dans lequel devra
opérer la formation proposée aux équipes.
5.3. Gestion des compétences : la gestion des compétences est issue d'un réel besoin des
entreprises de maîtriser leur capital immatériel. Elle est complexe vu le nombre important de
compétences et d’individus à gérer en entreprise [BLAN04]. Les gens, les connaissances, les
3 : http://www.interef.com/ateliers/grh_demain/fiches/gestion_competences.htm
capacités et les habiletés réunies dans le milieu du travail constituent un levier fondamental
pour la réussite des entreprises.
Suite à ce constat, de nombreuses recherches ont porté sur la compréhension et la définition
de la notion « gestion des compétences ». Nous allons citer quelques unes par la suite :
- « Méthode, outil de gestion des ressources humaines qui vise à optimiser la compétitivité
d’une entreprise en recherchant la meilleure adéquation possible entre les compétences
nécessaires à l’entreprise et les compétences des ressources humaines disponibles3 ».
- « La gestion des compétences a pour fonction l'orientation du personnel et la gestion de
leur potentiel de manière optimale. Elle contribue à l’épanouissement professionnel du
personnel [BEUM07] ».
Elle comprend plusieurs processus complexes dont nous pouvons citer : l’identification des
compétences requises d’un domaine, l’évaluation des compétences acquises par les individus,
l’étude de l’adéquation des compétences acquises et requises, la mise à jour des compétences
acquises et requises [BLAN04].
Des outils informatiques semblent nécessaires pour la réalisation de ces processus
pour [DUJA02]:
- Mieux décrire les métiers dans leur entreprise.
- Décrire de manière systématique les compétences de leur personnel.
- Mieux connaître les compétences de leur personnel pour prendre des décisions
adéquates en matière de recrutement.
- Cerner les besoins de formation et vérifier l’adéquation des programmes de
formation par rapport à ceux-ci.
L’utilisation de la notion de compétence par les gestionnaires et les spécialistes des
ressources humaines dans les organisations, a permis aux organisations de bien gérer leurs
ressources humaines. Dans la section 7 nous allons détailler quelques travaux qui visent à
gérer les connaissances et les compétences des CVs/offres d’emploi dans un portail de
travail.
6. l’appariement sémantique pour le e-recrutement
Le mot appariement possède plusieurs synonymes selon le dictionnaire de la langue française

qui sont : accorder, appareiller, assortir, coupler. Il signifie, dans le domaine de
reconnaissance des formes, la mise en correspondance de formes selon un ensemble prédéfini

de règles ou de critères. Dans notre contexte de travail qui est le marché d’emploi, il signifie
la compatibilité entre les demandes et les offres de travail selon les qualifications. Il vise
d’automatiser le processus de recrutement électronique et en particulier la phase de
présélection, où les recruteurs (chercheurs d’emploi) se trouvent devant un nombre énorme
de CVs à analyser (offres d’emploi).
6.1. L’appariement syntaxique des documents
Consiste à chercher les mots d’un document avec exactitude dans un autre document, comme
exemple d’un moteur de recherche syntaxique Google. Dans le cadre du e-recrutement, tous
les portails d’emploi disposent de moteur de recherche syntaxique pour la recherche des
CVs ou offres d’emploi.
6.2. L’appariement sémantique des documents
Nécessite l’utilisation d’une approche du Web Sémantique telle que l’annotation.

L’annotation sémantique est utilisée pour enrichir les documents avec leurs contenus
sémantiques, en termes de méta-données associées à des ontologies de domaine.
L’appariement sémantique est une technique qui calcule le degré de rapprochement de deux
documents en se basant sur leur similarité sémantique et non seulement sur des mots clés, et
cela par la comparaison de leurs méta-données on exploitant des ontologies de domaine pour
cette tache.
Exemple : si on a une offre d’emploi annotée seulement avec la compétence JAVA et deux
CVs, le premier annoté seulement avec la compétence SQL et le deuxième avec la
compétence C++.
Pour l’appariement sémantique le deuxième CV est plus similaire à l’offre d’emploi que le
premier.
7. Les travaux existants

Vu les limites des méthodes de recrutement du web actuel, résultante de sa structure
syntaxique qui ne permet pas à un recruteur (respectivement chercheur d’emploi) de trouver
le CV (respectivement l’offre) qui correspond à son besoin, et vu la pertinence du web
sémantique qui vise de cacher le manque de la sémantique dans les documents du Web
traditionnel, pour qu’ils soient lisibles par une machine et donc permettre leurs traitements
automatiques, cela est réalisé par l’ajout de certaines sortes de données additionnelles, pour
que n'importe quel outil puisse accéder à ces données, les traiter selon ses conditions et
présenter ses résultats à l'utilisateur avec plus de pertinence et d’intelligence plutôt qu'une
simple recherche par mot-clé. Ces données additionnelles sont les méta-données. Leur
représentation s'appuie sur des extensions des fonctionnalités des langages de marquage que
le World Wide Web Consortium (W3C) a déjà publié comme des standards (RDF,
OWL…....). Leurs ajouts et effectué par l’approche annotation du Web Sémantique qui
permet d’assigner à un document des éléments d’une ontologie de domaine.
Parmi les travaux les plus importants qui s’intéressent à l’application de l’annotation pour
l’automatisation du e-recrutement, nous citons :
7.1. Une approche basée sur l’annotation pour modéliser le contenu sémantique
[YAHIA06]:
Ce travail présente une approche basée sur l’annotation sémantique des CVs et des offres
d’emploi pour automatiser le processus de recrutement électronique. Le principe de base
consiste à modéliser formellement le contenu de ces documents en termes de leurs acquis
(cas des CVs) ou requis (cas des offres d’emploi), à l’aide d’un référentiel commun
ontologique entre les recruteurs et les chercheurs d’emploi. L’ontologie de domaine
construite est inspirée des parties les plus significatives de ces documents (données
signalétiques, formation et expérience professionnelle) et permet la gestion des compétences
sous-jacentes. Le modèle proposé de la compétence définit la compétence comme un savoir
agir, elle peut être scientifique et technique ou comportementale (savoir être). Elle est
caractérisée par un sujet et un niveau d’expertise qui peut avoir l’une des valeurs suivantes :
notion (20%), application (50%), maîtrise (70%) ou expert (90%). Le domaine de l’ontologie
est « l’informatique et télécommunication » elle est composée de cinq sous-ontologie inter
liées sémantiquement (Figure 2.1) :
§ La sous-ontologie « personne » : décrit les caractéristiques personnelles les plus
importantes demandées par un employeur ou possédées par un chercheur d’emploi.
§ La sous-ontologie « annotation » : associe au CV (offre d’emploi) respectivement des
acquis (requis) correspondants sous forme d’annotation.
§ La sous-ontologie «Métier» : décrit les concepts relatifs aux métiers du domaine.
§ La sous-ontologie «diplôme» : décrit les concepts relatifs aux diplômes du domaine.

§ La sous-ontologie «compétence» : décrit les compétences relatives aux domaines
« informatique et télécommunication ». Le cœur de cette ontologie est le modèle de
compétence, qui définit la compétence comme suit : une compétence peut être une aptitude
ou une compétence scientifique/technique qui peut être générale ou spécifique. Elle possède
alors un sujet qui peut être un aspect logiciel ou un thème. Un thème peut être général,
mathématique ou informatique et il appartient à une hiérarchie des thèmes. Chaque thème
est caractérisé par un attribut «poids» qui représente le pourcentage de sa contribution dans
son thème parent.
DIPLOME COMPETENCE METIER
ANNOTATION
PERSONNE
Figure 2.1 - Architecture globale de l’ontologie-ER
Cette ontologie permet à l’utilisateur d’enrichir explicitement son document avec des
méta-données qu’il sélectionne depuis les différentes ontologies (Personne, Compétence,
Métier, Diplôme) et il les enregistre dans l’ontologie « Annotation » manuellement.
L’appariement sémantique entre les CVs et les offres d’emploi, basé sur le calcul d’un
coefficient de rapprochement, peut se faire selon deux techniques complémentaires.
D’une part, l’appariement superficiel s’intéresse au requis/acquis à un niveau superficiel et
d’autre part, l’appariement basé compétence exploite toutes les compétences explicites et
implicites, sous jacentes à ces documents.
Appariement superficiel : les acquis ou les requis, avec lesquels un document (CV/offre
d’emploi) peut être annoté explicitement, sont de quatre types différents : compétence,
diplôme, expérience professionnelle (métier et nombre d’années d’expertise) et qualifications
personnelles (encapsulées dans une instance de « Person »). Dans ce type d’appariement, la
recherche d’un requis du poste de travail dans l’ensemble des acquis du candidat (CV) se fait
avec exactitude (existe ou non). Un coefficient de pondération est associé à chacun des types
de requis/acquis afin de valoriser son importance dans le calcul du degré d’appariement en
question; le coefficient 8 au type « Person » (1 pour chacune qualification), 10 au type
«Diplôme», 20 au type « Métier_exp » et 5 au type « Compétence ».
Appariement basé compétence l’appariement basé compétence s’intéresse aux
compétences sous-jacentes aux documents annotés. Le principe consiste à chercher chacune
des compétences requises (de l’offre d’emploi) dans l’ensemble des compétences acquises
(CV). Si cette compétence existe, un poids sera cumulé, sinon la hiérarchie du thème de cette
compétence, si elle existe, sera exploitée pour valoriser le niveau du candidat dans ce thème.
Un coefficient de pondération
est associé à chacun des types de compétences. 2 au type « CompétenceGénérale » et
«Aptitude» et un coefficient de 6 au type «CompétenceSpécifique». Le niveau d’expertise de
la compétence scientifique et technique s’évalue à (N≅20%) si niveau<25%, à (A≅50%) si
25%≤niveau <60%, à (M≅70%) si 60% ≤niveau ≤75% et à (E≅90%) si niveau>75%.
Dans notre travail, nous adoptons la définition de la compétence présentée par ce travail :
« une compétence peut être scientifique ou technique ou une aptitude ». Nous faisons
introduire le contexte d’acquisition de la compétence et la notion de ressource pour la
compétence scientifique ou technique et catégorie pour les aptitudes.
7.2. Un processus de recrutement basé ontologie [BIZE05] :

Comme première étape dans ce projet, une ontologie de gestion des ressources humaines est
développée (ontologie-RH voir Figure 2.2). Elle est composée de plusieurs sous ontologies
[MALG04], chacune d’elles est créée par l’utilisation des référentiels existants.
Education (description de la formation), Organisation (description du recruteur), Person

(description du candidat), skills (description des compétences) et industry (inspirée des
référentiels métiers existants).
La conception de chaque sous ontologie ainsi que les relations entre les sous ontologies ne
sont pas détaillées. Le modèle de la compétence n’est pas défini.
Concernant l’annotation des CVs /offres d’emploi, un outil d'annotation est utilisé.
L’utilisateur (recruteur ou chercheur d’emploi) utilise cet outil pour annoter son document
(offres d’emploi ou CV respectivement) avec le vocabulaire de l’ontologie HR. Le résultat
de l’annotation est un fichier de type RDF de méta-données qui représentent les acquis d’un
chercheur d’emploi ou les requis d’un recruteur, décrits avec le vocabulaire contrôlé de
l’ontologie-HR.
JobPositionSeeker
HR-BA-XML + BKZ
Education Industry Organisation Skills

WZ2003 +NAICS
JobPositionPosting Person
HR-BA-XML + BKZ
Figure 2.2 - Architecture globale de l’ontologie-HR
Le processus d’appariement consiste à comparer les descriptions des postes de travail offerts
et les profils des candidats, en se basant sur leur similarité sémantique et non pas seulement
sur des mots clés. Les connaissances spécifiques du domaine ont été représentées sous forme
de différentes hiérarchies de concepts (secteurs d’activités, classification de métiers,
compétences, etc.). Celles-ci peuvent être utilisées pour déterminer la similarité sémantique
entre les concepts, en exploitant les résultats de certains travaux existants, pour le calcul de la
similarité dans les graphes ([ZHON02] et [BILL02]). La similarité entre deux concepts C1 et
C2 de la hiérarchie, est déterminée par la distance dc(C1, C2), qui reflète leurs positions
respectives dans la hiérarchie des concepts : simc (C1,C2) = 1- dc(C1,C2).
Une valeur Milestone(n) a été associée au préalable à chaque nœud (n) de la hiérarchie
1/ 2
utilisée, avec : Milestone(n)= tel que l(n) est la profondeur du nœud et K un facteur
K l (n)
supérieur à 1.
La distance entre deux nœuds est celle qui passe par le parent commun le plus proche (CCP) :
dc(C1, C2)= dc(C1, CCP)+ dc( CCP, C2) et dc(C, CCP)= Milestone(CCP)-
Milestone(C).
Le niveau de la compétence (CL) a été aussi pris en charge dans le calcul de la similarité tel
que: 1-α(CL1- CL2) Si CL1- CL2 ≥ 0 avec 0 ≤ α ≤ 0,25
1 Si CL1- CL2< 0
Simp (CL1, CL2)=
Le degré de similarité entre une offre d’emploi (JPP) et une demande d’emploi (JPS) est
calculé comme suit :
Sim (JPP, JPS)= ∑ w(C i
jpp ). max[simc (C ijpp , C jps
j
).simp ( p (C ijpp ), p (C jps
j
)/ j∈J ]
i∈I
Avec : ∑ C ijpp = 1 et
∑
i∈I
Chaque compétence requise par le poste de travail offert ( C ijpp ) est comparée avec chacune
des compétences acquises par le candidat ( C j ). Cela inclut le calcul de la similarité aussi
jps
bien des compétences que des niveaux de compétence. Le meilleur degré de similarité entre
le concept requis (compétence requise) et un des concepts acquis (compétence acquise) sera
multiplié par le poids correspondant au requis, puis cumulé dans le degré de similarité final.
L’algorithme présenté dans ce travail nous a servi d’avantage dans l’écriture des algorithmes
d’appariement basé compétence que nous allons présenter dans le chapitre 3.
7.3. BRIDGE [TRIC06]:

BRIDGE est un projet qui vise le traitement des problèmes du e-recrutement en considérant
une nouvelle approche basée sur la gestion des compétences. L'idée consiste à employer des
ontologies de domaine comme un système de références pour qu’un demandeur d'emploi
(respectivement un recruteur) puisse identifier les compétences sous-jacentes à son

curriculum vitae (respectivement son offre de travail). Ces compétences sont les
connaissances, les qualifications comportementales, les capacités, acquises par une personne
(respectivement requises pour un poste de travail). D'un point de vue technique, ces
compétences correspondent aux annotations. Les annotations sont utilisées pour automatiser
le processus d’appariement basé compétence entre « CV et offre d’emploi ».
Le modèle de la compétence adoptée, est basé sur la définition suivante : « une compétence
correspond à un ensemble de ressources : savoir, comportement ou savoir-faire de base, qui
sont mobilisés dans un contexte particulier pour atteindre un objectif ». Ce modèle de
compétence nous a servi dans l’élaboration de notre modèle de compétence.
Dans BRIDGE le noyau ontologique se compose de deux types d'ontologies :
- Les ontologies des secteurs : pour chaque secteur d’activité une ontologie est développée.
Elle fournit une description détaillée des postes de travail (tâches, savoir, savoir-faire,
compétences comportementales) du secteur considéré.
- Les ontologies d'entreprise : elles incluent la description des aspects les plus singuliers des
sociétés telles que les tâches spécifiques qui sont exclusivement exécutées par une entreprise
ou la description technologique et économique de cette entreprise.
Ces ontologies sont en cours de développement, le langage du web sémantique adopté pour
leurs implémentations est OWL. Les référentiels utilisés dans le cadre de ce travail pour la
4 5 6
conception des différentes ontologies sont : O*Net , Cigref , CareerSpace .
Jusqu’ à ce jour, le processus d’appariement n’est pas traité dans ce projet.
7.4. Evaluation des travaux existants :

Le manque majeur dans ces travaux est l’incomplétude [TRIC06] ou un niveau de détail
insuffisant [BIZE05], sauf le travail de yahiaoui et Al dans [YAHI06]. La modélisation de
l’ontologie ainsi que, le modèle de compétence, le processus d’annotation, les services
d’appariement sont bien détaillés, ce qui nous a servi dans notre travail.
Néanmoins dans ce travail [YAHI06], la simplicité du modèle et la négligence du contexte
dans ce dernier a engendré quelques faiblesses dans le processus d’appariement. Pour mieux
rapprocher ces documents d’un point de vue de la compétence, nous introduisons dans la
modélisation de cette dernière, des notions concernant le contexte organisationnel et
économique dans lequel cette compétence est acquise ou requise afin que les résultats du
4 : http://online.onetcenter.org.
5: http://www.cigref.fr.
6: http://www.careerspace.com.
processus d’appariement basé compétence soient les plus faibles possibles (A titre d’exemple
deux demandeurs d’emploi ayant la même compétence et le même niveau dans cette
compétence, seront distingués par le contexte s’ils ont travaillé dans des entreprises de taille
différente « contexte économique »).
Par ailleurs, le processus d’annotation est compliqué au point qu’il est dédié aux experts
(ingénieur ontologique), car un utilisateur, pour annoter son document, doit naviguer dans
l'ontologie, et la manipuler pour stocker ces annotations dans l’ontologie « annotation ».
Pour remédier à ces problèmes et afin de simplifier la tâche de l’utilisateur, nous proposons
un processus d’annotation guidé par un outil développé dans l’équipe SIBC [ALLI08], que
nous l’avons adapté à nos besoins. Nous avons aussi remarqué dans [YAHI06] la confusion
entre les compétences acquises et requises dans le service d’appariement basé compétence où
l’algorithme proposé considère que si une personne possède une qualification (diplôme ou
expérience professionnelle) alors elle possède obligatoirement toutes les compétences sous-
jacentes.
De plus, nous considérons dans notre travail d’autres critères pour l’appariement des CVs et
offres d’emploi qui sont les exigences tolérées par le recruteur ou le chercheur d’emploi
(type de contrat, type emploi, rotation, déplacement, salaire). Des poids de pondération sont
également considères et appliqués aux exigences (type de contrat, etc.), aux compétences
(sous-jacentes aux métiers/diplômes) et aux qualifications personnelles (âge, sexe, etc.)
annotant le document de l'utilisateur (recruteur ou chercheur d'emploi), et qui seront
explicitement spécifiés par ce dernier afin d’exprimer son choix.
8. Conclusion
Internet a prouvé que les méthodes classiques du recrutement (les annonces dans les
journaux, magazine….), sont lentes et chères pour sélectionner le candidat qualifié dans un
bref délai. L’utilisation accrue du web dans le cadre du recrutement (les plus grands sites web
annoncent plus de 50 000 CVs enregistrés dans leurs bases) a fait de l’Internet une véritable
approche de gestion des connaissances (CVs/offres). Cependant la révolution du marché du
travail basée sur l’utilisation des technologies de l’information n’est pas accompagnée d’un
développement des outils efficaces pour la gestion des CVs /offres d’emploi. Les outils de
modélisation et de recherche existant des CVs/offres d'emploi sont souvent syntaxiques et
limités.
Introduire les technologies du web sémantique tel que l’annotation via le vocabulaire d’une
ontologie de domaine semble bénéfique pour enrichir les documents avec leurs contenus
sémantiques. Pour cela elle est adoptée par certains travaux qui sont en cours de réalisation.
L’idée de base consiste à utiliser les éléments d’une ontologie (concept, instance, relation)
pour expliciter le contenu sémantique des CVs/offres d’emploi puis utiliser ces éléments pour
automatiser leurs rapprochements. Le travail de magister de Leila Yahiaoui [YAHI06a],
préparé au département informatique de l’université de Constantine est le plus complet au
niveau modélisation. Mais ce dernier souffre de quelques lacunes, comme la négligence du
contexte de la compétence (organisationnel et économique) dans la modélisation de la
compétence. Par ailleurs, des critères importants tels que certaines exigences (type de contrat,
type d’emploi, rotation, déplacement, salaire), n’ont pas été considérés. Ceci a engendré
quelques faiblesses dans le processus d’appariement entre les CVs et les offres d’emploi.
Notre contribution, qui fera l’objet du troisième chapitre de ce mémoire, consiste à pallier à
ces insuffisances et de plus, nous considérons dans notre travail, des poids de pondération à
appliquer aux exigences (type de contrat, salaire, etc.), aux compétences (sous-jacentes aux
métiers/diplômes) et aux qualifications personnelles (âge, sexe, etc.) annotant le document de
l'utilisateur (recruteur ou chercheur d'emploi), et qui seront explicitement spécifiés par ce
dernier afin d’exprimer son choix.
Chapitre 3 : Appariement sémantique des CVs /offres d’emploi 58
Chapitre 3
Appariement sémantique entre les CVs et les offres d’emploi
Sommaire
1. Introduction
2. L’objectif de notre travail
3. L’architecture du système proposé
4. Modélisation de la compétence proposée
4.1. Définition des éléments utilisée dans le modèle de la compétence proposée
4.2. Le modèle de la compétence proposée
5. La modélisation du contenu sémantique a base de l’ontologie- ER
5.1 Description de l’ontologie-ER
6. Le processus d’annotation des CVs /offre d’emploi
7 L’appariement sémantique
7.1. Convention d’écriture et formule utilisées
7.2. Principe d’appariement des qualifications personnelles
7.3. Principe d’appariement des exigences
7.4. L’appariement des compétences
7.4.1. Principe de l’appariement Exact des compétences « CompExact »
7.4.2 Principe de l’appariement Partiel des compétences « PartielComp »
7.4.3. Principe de l’appariement Rapproché des compétences « RapprochéComp »
7.4.4. Discussion sur les algorithmes d’appariements proposés.
8. Conclusion
« Il y a une science qui étudie l’être en tant qu’être

et les attributs qui lui appartiennent essentiellement »
Aristote
1. Introduction :
Pour automatiser le rapprochement des CVs et des offres d’emploi par l’utilisation des
technologies du web sémantique, il est nécessaire de modéliser leurs contenus sémantiques par
une ontologie. Le référentiel commun (ontologie) est inspiré des parties communes entre ces
documents (diplôme, expérience professionnelle, compétence, qualification personnelle,
exigence). Ce référentiel peut être ensuite utilisé par un recruteur (ou un chercheur d’emploi)
pour annoter son document avec ses requis (ses acquis). Les méta-données résultantes sont
exploitées pour automatiser le processus de rapprochement entre l’offre et les CVs disponibles
(ou vice versa). Le résultat de rapprochement permet au recruteur de sélectionner le CV adéquat
pour un poste de travail et à un chercheur d’emploi de trouver le poste qui correspond le plus à
ses qualifications.
Dans ce chapitre, nous proposons une technique d’appariement des qualifications personnelles
(Sexe, nationalité, etc.) requis et acquis, une technique d’appariement des exigences (rotation,
contrat, etc.) requis et acquis, trois techniques d’appariement des compétences (appariement
exact, appariement partiel, appariement rapproché) requis et acquis. Le degré d’appariement final
est le rapport entre la somme des poids des acquis vérifiés et celle des poids des requis. Le
chapitre est organisé comme suit : dans la section 2, nous détaillons les objectifs de notre travail.
La section 3 présente l’architecture globale du système proposé et dans laquelle nous retrouvons
essentiellement un composant ontologique, une interface d’annotation, un composant
d’appariement et un composant sélection du formateur. La section 4 décrit le modèle de la
compétence proposée. La section 5 présente l'ontologie développée pour modéliser le contenu
sémantique des CVs/offres d’emplois. La section 6 présente le processus d’annotation. Dans la
section 7, nous décrivons les services d’appariement sémantique à appliquer entre les documents
et qui traitent trois aspects : i) les qualifications personnelles, ii) les exigences, iii) les
compétences. Nous terminons ce chapitre par une conclusion.
2. L’objectif de notre travail

L’objectif de notre travail consiste à proposer un processus d'appariement sémantique à appliquer
entre les fichiers des annotations des offres d'emploi et des CVs, ces derniers sont annotés via une
ontologie qui modélise leur contenu sémantique. L’aboutissement d’un tel objectif est le fruit
d’une progression dans la réalisation des sous-objectifs suivants :
1. Proposition d’une modélisation pertinente du contenu sémantique à base d’ontologie des CVs
et des offres d’emploi, axée sur la modélisation de la compétence. Le modèle de la compétence
proposé est riche et tient compte du type de la compétence (scientifique ou technique ou
aptitude), des ressources relatives aux compétences scientifiques (habilité, savoir, savoir-faire),
de la catégorie relative aux aptitudes (managériales, action et réalisation,…), du niveau de
l’expérience et des contextes organisationnel et économique.
2. Proposition d’un processus d’annotation sémantique de documents, basé sur l’exploitation et
l’instanciation de l’ontologie construite.
3. Proposition des services d’appariement sémantique à appliquer entre les CVs et les offres
d’emploi et qui traitent trois aspects : i) les qualifications personnelles, ii) les exigences, iii) les
compétences.
3. L’architecture du système d’appariement et d’annotation proposé

L’architecture du système proposé est donnée dans la figure 3.1 elle est constituée des
composants suivants :
L’ontologie ER : utilisée pour la description du contenu des CVs, des offres d’emploi,
des programmes de formation.
Les serveurs des documents : ils permettent le stockage des CVs et des offres d’emploi.
Les dépôts des annotations : les dépôts sont utilisés pour stocker les fichiers des
annotations des CVs, ceux des offres d’emploi ainsi que ceux des programmes de
formation.
Le Raisonneur + les APIs de protégé : pour l’accès et l’interrogation des fichiers des
annotations et de l’ontologie-ER.
L’interface du système : elle se compose de :
§ Une interface d’annotation : elle permet à un utilisateur d’annoter son document
(CVs/offre d’emploi) ou sa page WEB (formateur), par l’instanciation et l’exploitation
de l’ontologie-ER. Le résultat de cette opération est un fichier des annotations qui va être
stocké dans l’un des trois dépôts.
§ L’interface d ’appariement : elle permet aux recruteurs et aux chercheurs d’emploi

d’interroger le composant d’appariement, comme elle leur présente les résultats retournés
par ce dernier.
§ L’interface de sélection d’un formateur : elle permet aux recruteurs d’interroger le
composant « sélection d’un formateur », comme elle présente aux recruteurs les résultats
retournés par ce dernier.
Le composant d’appariement : il permet de calculer les degrés de rapprochement des
acquis avec les requis. Le résultat est un ensemble de quintuplés (URI, DAfinal, DAQPersonnel,
DAExigence, DAcompétence) trié par le degré d’appariement final (DAfinal ) suivi par les trois
autres degrés (DAcompétence ,DAQPersonnel , DAExigence ) leur ordre de tri est en fonction du
choix de l’utilisateur, l’URI est l'identifiant d’un CV ou d’une offre d’emploi, DAfinal est le
degré d’appariement de tous les acquis avec tous les requis, DAQPersonnel est le degré
d'appariement selon les qualifications personnelles, DAExigence est le degré d'appariement
selon les exigences, DAcompétence est le degré d'appariement selon les compétences.
Le composant sélection formateur : un chercheur d’emploi sélectionné dans le processus
d’appariement dans la majorité des cas ne correspond pas à 100 ٪au besoin du recruteur.
Pour cela l’employeur utilise le composant sélection d’un formateur dont le rôle est la
sélection d’un formateur qualifié pour former un candidat choisi par l’employeur.
Utilisateur
Serveur de documents
Déposer
Interaction
Document à annoter
3 Requête
Composant
Interface Interface Interface
d’appariement
Sélection formateur D’annotation D’appariement 7 Réponse
8 Requête 12 Réponse 1 Exploitation 6 Exploité

2 Génération Instanciation
des annotations
Composant
Sélection formateur
11 Exploité 5 Exploité
Ontologie-ER
10 Exploité
4 utilise
9 Utilise
Les Entrepôts des annotations
des CVs , des offres d’emploi
et des formateurs
Raisonneur +
API de protégé
4 Utilise
Ontologie-ER
Figure 3.1- Architecture du système proposé.
4. Modélisation de la compétence proposée

La gestion des compétences est issue d'un réel besoin des entreprises de maîtriser leur capital
immatériel. Elle est complexe, vu le nombre important de compétences et d’individus à gérer
[BLAN04]. Pour une meilleure gestion des compétences, la formalisation est devenue nécessaire.
Cette formalisation se base essentiellement sur un modèle pertinent de la compétence.
Le modèle de la compétence est l’ensemble des facteurs de succès qui incluent les
comportements principaux exigés pour l’excellente exécution dans un rôle particulier [TECH00].
Les compétences sont les qualifications et les caractéristiques dont l’individu a besoin pour
accomplir un travail d’une manière efficace [BAUG97].
4.1. Définition des éléments utilisés dans le modèle de la compétence proposée

Avant de décrire le modèle de la compétence proposée, nous définissons en premier lieu les
éléments qui constituent ce dernier :
• Le savoir (connaissance) : c’est toute chose qu’on acquiert et enregistre intellectuellement. Il
concerne tout ce qui peut être appris dans les systèmes d’éducation ou d’enseignement. Cette
catégorie inclut les connaissances théoriques (exemple : la connaissance des lois de la
thermodynamique), les connaissances sur des objets existants (telles que la connaissance de
l’opération de test d’un équipement) et les connaissances procédurales (telles que la connaissance
de la procédure de montage d’une carte électronique pour un type de contrôleur programmable)
[TRIC06].
• Savoir-faire : il est relié à l’expérience personnelle et les conditions de travail car il est
acquis par la pratique. Il s’agit des capacités opérationnelles et expérimentales, de savoir faire
normalisé (telles que l’application des procédures de travail). Les savoir-faire et les
connaissances sont très importants car ils permettent l’évolution de la compétence de l’individu
[TRIC06].
• L’habilité1 : c’est la tendance naturelle de faire quelque chose avec succès (don).
• Les aptitudes : c’est l’ensemble des compétences comportementales [TRIC06] telles que :
- Commandement (la capacité de guider, de motiver, d’influencer dans l’organisation).
- Adaptabilité (capacité de s’adapter à des nouvelles conditions, être réceptif à des
nouveaux avis et idées).
• Contexte de la compétence
La compétence est toujours liée à un contexte. Le contexte de la compétence est relié à
l’environnement dans lequel la compétence est acquise. Il présente les conditions et les
contraintes pour l’acquisition des compétences.
4.2. Le modèle de la compétence proposée

L’objectif de notre travail est de permettre à l’utilisateur (chercheur d’emploi ou recruteur) de
rendre explicites toutes les compétences sous-jacentes à son document (CV ou offre d’emploi)
d’une façon automatique. Pour cela, il faut représenter formellement ces compétences par un
modèle formel et pertinent, dont le but est de pouvoir les expliciter et les manipuler par machine
afin de fournir des services d’appariement des compétences puissants.
1: www.encarta.msn.com/dictionary_/ability.html
La figure 3.2 présente ce modèle, basé sur la définition suivante : une compétence peut être une
aptitude comportementale ou une compétence scientifique ou technique. Les aptitudes sont
classées selon des catégories [CIGRE05], alors que la compétence scientifique/technique est
caractérisée par la mobilisation d’un ensemble de ressources pouvant être un savoir, un savoir-
faire ou une habilité (un don). Chaque savoir ou savoir-faire est lié à un thème particulier,
appartenant à une hiérarchie de thèmes généraux ou spécifiques et à un domaine (le domaine
informatique et télécommunication dans notre cas).
La compétence est également caractérisée par un niveau d’expérience, dont la valeur dépend du
type de celle-ci. Dans le cas d’une compétence scientifique ou technique, ce niveau peut avoir
l’une des valeurs suivantes : Débutant (D/1), Intermédiaire (I /2), Moyen (M/3), Compétent (C/4)
ou Professionnel (P /5) ; alors qu’il peut avoir juste l’une des deux valeurs, forte (FO/2) ou faible
(FA/1), dans le cas d’une aptitude. Le contexte de la compétence sous-entend le contexte
organisationnel et économique. Le contexte organisationnel représente une évaluation du groupe
de formation (cas d’une compétence mobilisée par un diplôme) ou du service de travail (cas
d’une compétence mobilisée par un métier), selon le nombre des personnes engagées
[DAGM01], il peut être {grand service (6), service moyen (5), petit service (4), petit groupe (3),
groupe moyen (2), grand groupe (1)}. Le contexte économique décrit plutôt l’importance de
l’organisme formateur (cas d’un diplôme) ou de l’organisme recruteur (cas d’un métier), selon la
réputation ou l’importance économique de cet organisme [DAGM01] (chiffre d’affaire de la
société, qualification d’une université parmi d’autres, etc.). Un contexte économique peut être
{Grande entreprise (6), entreprise moyenne (5), petite entreprise (4), grande école (3), université
(2), centre universitaire (1)}.
Remarque : plus de détails concernant le contexte se trouvent dans l’annexe A.

AptitudeManagériale Aptitude Compétence
Compétence
EfficacitéPersonnelle Scientifique/technique
aContexte
1. N aNiveau
AssistanceEtService Contexte
mobiliseRessou Niveau
ActionEtRéalisation Ressource
Economique Organisationnel
Habilité SavoirFaire Savoir
aThème aThème
Thème
Relation
ThèmeGénéral ThèmeSpécifique
Est un
Figure 3.2 - Le Modèle de la compétence proposée
5. La modélisation du contenu sémantique à base de l’ontologie- ER

Les ontologies sont cruciales dans le cadre du e-recrutement car elles permettent aux
recruteurs et aux chercheurs d’emploi de partager un référentiel commun pour décrire le contenu
de leurs documents d’une façon précise, sémantique et formelle. Ce référentiel servira comme
support pour le processus d’annotation générant des données formalisées, permettant ainsi un
traitement automatique dans le cadre d’un rapprochement entre les CVs et les offres d’emploi.
Dans cette perspective, nous avons construit une ontologie nommée « ontologie-ER » [BOUC08]
dont les concepts et les relations sont inspirés des parties communes les plus significatives pour
les CVs et les offres d’emploi (qualification personnelle, exigence, diplôme, expérience
professionnelle, compétence).
5.1 Description de l’ontologie-ER

La figure 3.3 présente les éléments de cette ontologie, que nous décrivons :
• Document : c’est le concept décrivant le document à annoter (CV ou offre) à travers son type,
son URI, etc.
• Qualification personnelle : c’est un concept décrivant les caractéristiques personnelles les
plus importantes, qu’un recruteur peut exiger ou qu’un candidat peut avoir. Il s’agit du sexe, de
l’âge, de la nationalité, de la ville de résidence, etc.
• Exigence : ce concept décrit certaines contraintes imposées par le recruteur ou le chercheur
d’emploi telles que : le salaire, le type de contrat, le déplacement, etc.
• Diplôme (voir l’annexe A): c'est un concept qui décrit les diplômes appartenant à une famille
particulière « FamilDiplôme ». Un référentiel pour ces diplômes « RéférentielDiplomes»,
concernant un domaine particulier « Domaine », est inspiré de la réforme LMD [LMD04] de
l’enseignement supérieur algérien. Le concept diplôme est lié également au concept
« Compétence » pour pouvoir attester les compétences mobilisées par un diplôme particulier.
• Métier (voir l’annexe A) : c'est un concept qui décrit les métiers appartenant à une famille
particulière « FamilMétier ». Un référentiel pour ces métiers « RéférentielMétiers», concernant
un domaine particulier « Domaine », est inspiré de CIGREF [CIGRE05]. Le concept métier est
lié également au concept « Compétence » pour pouvoir attester les compétences mobilisées par
un métier particulier.
• Compétence : c’est un concept décrivant la compétence selon le modèle proposé dans
la section 4. Ses instances sont liées généralement à un métier ou à un diplôme particulier et aux
ressources mobilisées par cette compétence.
QualificationPersonnelle
Est un /sous classe de
Relation /Rôle
Concept/Classe
Concept du modèle
de la compétence Permis Sexe Service Age Nation VileRési Situatio
Conduire Militaire -alité dence -nFamil
Exigence
Document
Salaire TypeEmploi Déplacement Rotation Contrat
RéférentielDiplomes Domaine RéférentielMétiers

liéA liéA
reféreMétier
Niveau
référeDiplome aNiveau
1. N
1.N
aFamilDiplome mobilise mobilise
FamilDiplome Diplôme Compétence Métier
1. N 1. N aFamilMétier
1. N Compétence Aptitude FamilMétier

Ressource technique/scientifique
mobiliseRessou
aContexte
Habilité SavoirFaire Savoir
aThème aThème Aptitude- ActionEt Assistance Efficacité
1. N 2. N
Managériale Réalisation EtService Personnelle
Thème
ThèmeGénéral ThèmeSpécifique Contexte
Organisationnel Economique
Figure.3.3- Architecture de l’ontologie-ER proposée

6 Le processus d’annotation des CVs /offre d’emploi :

Un recruteur ou un chercheur d’emploi peut exploiter l’ontologie-ER pour annoter son document
CV/offre à l’aide d’un outil d’annotation [ALLI08] que nous avons adapté pour l’annotation de
ces documents. Les instances des métiers, des diplômes et des compétences sous-jacentes à ces
deux derniers sont créées à l’avance pour que l’utilisateur s’en servir durant le processus
d’annotation de son document. Il procède alors en plusieurs étapes [BOUC08] :
1. Instancier la classe « Document » pour décrire son document (URI).
2. Instancier les sous-classes de « QualificationPersonnelle » pour décrire les qualifications
personnelles acquises par le chercheur d’emploi (cas du CV) ou requises par le recruteur (cas de
l’offre). Pour chaque requis /acquis, un poids d’importance est fixé par l’utilisateur ainsi que
d'autres informations importantes telles que la distance tolérée entre la ville de résidence requise
par lui et la ville de résidence du chercheur d'emploi (ou vice versa). Ainsi la différence
maximale d’âge tolérée par le recruteur (chercheur d’emploi) entre l’âge requis par lui (acquis) et
l’âge du chercheur d’emploi (requis par le recruteur).
3. Instancier les sous-classes de « Exigence » pour décrire certaines contraintes imposées par le
recruteur ou le chercheur d’emploi telles que (la valeur du salaire, le déplacement, etc.),
l'utilisateur assigne également un poids à chacune de ces contraintes selon leurs importances pour
lui, ainsi que d'autres données, telles que la différence de salaire tolérée par un recruteur entre sa
proposition et celle exigée par un chercheur d'emploi.
4. Sélectionner explicitement des compétences sous-jacentes à un métier ou un diplôme figurant
dans son document, via un choix dans une liste d’instances prédéfinies, inspirées des différents
référentiels de métiers et de diplômes utilisés. Il doit également assigner un poids à chacune de
ces compétences selon leurs importances pour lui.
Le résultat de ce processus est un ensemble méta-données réparties sur deux entrepôts de méta-
données (celui des CVs et celui des offres d’emploi).
7 L’appariement sémantique :
Raisonneur +
Les fichiers Les fichiers
des annotations Ontologie APIs de Protégé
des annotations
des offres des CVs
d’emploi
Composant d’appariement
Figure.3.4- Processus d’appariement
L’appariement sémantique (figure 3.4) des requis d’un recruteur (fichiers d'annotations de l’offre
d’emploi : FAoffre) et les acquis d’un chercheur d’emploi (fichier d'annotations d’un CV : FACV)
revient à calculer leur degré de rapprochement selon les trois critères [BOUC08] : qualifications
personnelles, exigences et compétences (voir figure.3.5). Pour chaque critère, nous proposons le
service (algorithme) d'appariement adéquat. Pour les compétences, nous proposons trois
techniques de rapprochement, exact, rapproché, partiel. Une technique est choisie à la fois par
l’utilisateur selon son choix. Le résultat final d’appariement entre une offre d’emploi et un
ensemble de CVs (ou vice versa) est une liste de quintuplés (URI, DAfinal, DAQPersonnel
,DAExigence, DAcompétence) trié par le degré d’appariement final (DAfinal ) suivi par les trois autres
degrés (DAcompétence ,DAQPersonnel , DAExigence ) leur ordre de tri est en fonction du choix de
l’utilisateur, l’URI est l'identifiant d’un CV ou d’une offre d’emploi, DAfinal est le degré
d’appariement de tous les acquis avec tous les requis, DAQPersonnel est le degré d'appariement
selon les qualifications personnelles, DAExigence est le degré d'appariement selon les exigences,
DAcompétence est le degré d'appariement selon les compétences.
Dans l’écriture de l’algorithme Appariement CV/offre nous utilisons les services (algorithmes)
Exigence, QPersonnel, CompExact , PartielComp, RapprochéComp, chaque service est détaillé
dans les séctions suivantes. Ainsi nous utilisons les variables FAoffre, FAcv , choix , DAfinal
DAQPersonnel, DAExigence, DAcompétence, TotalQP, TotalEX, TotalComp pour représenter
respectivement le fichier des annotations de l’offre, le fichier des annotations du CV, le type de
service d’appariement des compétences choisi, le degré d’appariement de tous les acquis avec
tous les requis ,le degré d’appariement des qualifications personnelles , le degré d’appariement
des exigences ,le degré d’appariement des compétences, la somme des poids des qualifications
personnelles requises, la somme des poids des exigences requises, la somme des poids des
compétences requises.
Appariement CV/offre (FAoffre, FAcv , choix, DAfinal ,DAQPersonnel, ,DAExigence, ,DAcompétence)

Exigence (FAoffre, FAcv, DAExigence,TotalEX)
QPersonnel (FAOffre, FACv, DAQPersonnel, , TotalQP)
Si choix =1 alors
CompExact (FAOffre, FACv, DAcompétence, TotalComp)
Sinon
Si choix =2 alors
PartielComp(FAOffre, FACv, DAcompétence, TotalComp)
Sinon
Si choix =3 alors
RapprocheComp(FAOffre, FACv, DAcompétence, TotalComp)
DAfinal =
(DAExigence * TotalEX ) + ( DAQPersonnel * TotalQP ) + (DAcompétence * TotalComp )
TotalEX + TotalQP + TotalComp
Fin
Profil requis Profil acquis
Nationalité Compétence, contexte, niveau

Permis de conduire
Ville de résidence
Age Nationalité
Situation Familiale Permis de conduire
Sexe Ville de résidence
Service national Age
Situation Familiale
Sexe
Voyage Service national
Contrat
Salaire Voyage
Rotation Contrat
Type emploi. Salaire
Rotation
Compétence, contexte, niveau Type emploi.
Figure.3.5- Appariement des acquis /requis

7.1. Convention d’écriture et formules utilisées

Nous définissons d’abord formellement la structure des méta-données puis, nous citons quelques
conventions d’écritures utilisées dans les algorithmes.
Nous considérons le terme « méta-donnée » comme le synonyme d’instance d’ontologie. La
définition d’une structure de méta-donnée est comme suit:
Définition formelle (structure des méta-données) [MAE02].

Une structure de méta données est un 6-tuple MD: = (O, I, L, inst, instr, instl), où :
o O : est une ontologie.
o I : Ensemble d’éléments appelés instances.
o L : Ensemble de valeurs littérales.
o inst : C 2I une fonction appelée instanciation des concepts.
inst(C) = I peut être écrite C (I).
o Une fonction instr : P 2 I X I appelée instanciation des relations.
Pour instr (P) = {I1, I2} on peut l’écrire P (I1, I2).
IX L
o La fonction instl : P 2 appelée instanciation d’attributs, a comme résultat,
une valeur littérale L.
Les services (algorithmes) proposés décrits par la suite utilisent les conventions suivantes :
o A→ C : le concept C subsume le concept A dans la hiérarchie des concepts et A est
subsumé par C.
o C (i) : i est un individu/instance du concept/classe C alors classe (i) = C.
o i.nomAtr : la valeur de l’attribut « nomAtr » de l’individu i ou l’ensemble des individus
{ij , j≥0} avec lesquels i est relié par le rôle « nomAtr » ⇒ nomAtr (i, ij) j≥0.
o i.nomRole : l’ensemble des individus {ij, j≥0} avec lesquels i est relié par le rôle
« nomRol » ⇒ nomRol (i, ij) ∀ j≥0.
7.2. Principe d’appariement des qualifications personnelles

Les qualifications personnelles constituent la première catégorie d’informations à traiter. Pour
illustrer leur appariement, nous considérons des éléments tels que l’âge, la ville de résidence, la
nationalité, le sexe, etc. Chaque qualification personnelle requise (R) annotée dans l’offre
(FAOffre) est recherchée avec exactitude dans l’ensemble des acquis annotés dans le CV (FAcv).
Dans le cas d’une égalité avec un acquis de même type, le poids d’importance du requis est
cumulé. Pour le requis « ville de résidence », le recruteur limite la distance acceptée entre la ville
requise et celle de résidence d’un chercheur d’emploi par une distance maximale acceptée. Si la
distance entre les deux villes est inférieure à la distance maximale tolérée, elle servira dans
l’ajustement du poids du requis avant que ce dernier ne soit cumulé. Le même principe s’applique
pour l’âge. L’utilisateur instancie la différence maximale d’âge accepté (MaxAge) par lui, si la
différence entre l’âge requis et acquis (ou vice versa) est inférieure à MaxAge, le poids du requis
est ajusté avant d’être cumulé. L’appariement des qualifications personnelles est le rapport entre
le cumul des poids des requis vérifiés et le cumul des poids de toutes les qualifications requises
par le recruteur. La fonction (Distance) est utilisée dans l’algorithme de l’appariement des
qualifications personnelles pour retourner la distance entre la ville requise et acquise (ou vice
versa). La procédure ExtraireQP est utilisée pour l’extraction des qualifications personnelles
depuis un fichier d’annotations.
L’algorithme de l’appariement des qualifications personnelles est détaillé dans la figure.3.6.
7.3. Principe d’appariement des exigences :

Les exigences constituent la deuxième catégorie d’informations à traiter. Pour illustrer leur
appariement, nous considérons des éléments tels que la rotation (3x8), le type d’emploi, le
salaire, etc. Chaque exigence du recruteur (R) annotée dans le fichier des annotations de l’offre
(FAoffre), est recherchée avec exactitude dans l’ensemble des exigences d’un chercheur d’emploi
annoté dans le fichier des annotations du CV (FACV ). En cas d’égalité avec une exigence de
même type, le poids d’importance du requis est cumulé. Le recruteur peut aussi limiter la
différence acceptée entre « le salaire » qu’il exige et « le salaire » qui peut être demandé par un
chercheur d’emploi par une différence maximale acceptée. Cette dernière sera utilisée pour
ajuster le poids à cumuler. Le degré d’appariement des exigences est le rapport entre le cumul des
poids des requis vérifiés et le cumul des poids de toutes les exigences annotées par le recruteur.
La procédure ExtraireEX est utilisée pour extraire les exigences depuis un fichier d’annotation.
L’algorithme de l’appariement des exigences est détaillé dans la figure.3.7.
QPersonnel (FAOffre, FACv, DAQPersonnel,TotalQP )

QPcv : = ∅ /* les qualifications personnelles du CV */
QPoffre : = ∅ /*les qualifications personnelles de l’offre */
PQpersonel : = 0 /* le cumul des poids de tout les qualifications personnelles vérifié */
TotalOP : = 0 /* le cumul des poids de tout les qualifications personnelles requise */
ExtraireQP(FAOffre, QPoffre) /*Extraire les qualification personnel depuis l’offre*/
ExtraireQP(FACv,QPcv)/*Extraire les qualifications personnel depuis le CV*/
Pour chaque R Є QPoffre Répéter
Si sexe (A) alors
TotalOP : = TotalQP + R.poids
Si ∃ A Є QPcv / sexe (A) et R .sexe =A. sexe alors
PQpersonnel : = PQpersonnel + R.poids
Si Nationalité (R) alors
Si ∃ A Є QPcv / Nationalité (A) et R .nationalité =A. nationalité alors
Si ServiceNational (R) alors
Si ∃ A Є QPcv / ServiceNational (A) et R .dégagé =A. dégagé alors
Si SituationFamiliale (R) Alors
Si ∃ A Є QPcv / Situationfamiliale (A) et R .marié =A.marié alors
Si VilleR(R) alors
Si ∃ A Є QPcv / VilleR (A) et R .ville =A.ville alors
Sinon /* MaxDA est la distance maximale acceptée */
Si ∃ A Є QPcv / VilleR (A) et distance (R .ville, A.ville) < R .MaxDA alors
PQpersonnel : = PQpersonnel + (R.poids *(1-((1/ R.MaxDA)*Distance)))
Si Age (R) alors
Si ∃ A Є QPcv / Age (A) et R. Age =A. Age alors
Sinon /* MaxAge la maximale différence d’age entre l’age requis et acquis (ou vice versa) */
Si ∃ A Є QPcv /(AgeR (A) et (A.age > R.age ) et (A .age - R.age) < R .MaxAge) alors
PQpersonnel : = PQpersonnel + (R.poids * (1- ((1/ R.MaxAge) * (A.age - R.age))))
Sinon Si ∃ A Є QPcv /(Age (A) et (R.age > A.age ) et ((R .age -A.age) < R .MaxAge) alors
PQpersonnel : = PQpersonnel + (R.poids * (1- ((1/ R.MaxAge) * (R.age - A.age))))
Si PermisConduire(R) alors
Si ∃ A Є QPcv / PermisConduire (A) et R .catégorie =A. catégorie alors
Fin Répéter
DAQPersonnel := (PQpersonnel / TotalQP)*100 /* le degré d’appariement des qualifications personnelles*/
Fin
Figure.3.6- Appariement des qualifications personnelles

Exigence (FAoffre, FAcv, DAExigence, TotalEX)

EXoffre : = ∅ /*les exigences de l’offre */ .EXcv : = ∅ /*les exigences du CV */
PExigence : = 0 /*le cumul des poids des exigences vérifiés*/
TotalEX : = 0 /* le cumul des poids des exigences requise*/
ExtraireEX(FAoffre,EXoffre) /*Extraire les exigences depuis l’offre*/
ExtraireEX(FACv, EXcv) /*Extraire les exigences depuis le CV */
Pour chaque R Є EXoffre Répéter
Si contrat (R) alors
TotalEX : = TotalEX + contratR.poids
Si ∃ A Є EXcv / contrat (A) et R.type = A.type alors
PExigence : = PExigence + R.poids
Si salaire (R) Alors
TotalEX : = TotalEX + R.poids
Si ∃ A Є EXcv / salaire (A) et R. montant) ≥ A. valeur) alors
Sinon /*.MaxDif : la différence maximal accepté */
Si ∃ A Є QPcv / salaire (A) et (A .valeur - R. montant) < R .MaxDif alors
PExigence : = PExigence + (R.poids *(1-((1/ R.MaxDif)*(A. montant - R. montant))))
Si rotation (R) Alors
Si ∃ A Є EXcv / rotation (A) et R.accepté = A.accepté alors
Si déplacé (R) Alors
Si ∃ A Є EXcv / déplacé (A) et R.accepté = A.accepté alors
Si EmploiType (R) Alors
Si ∃ A Є EXcv / TypeEmploi (A) et R.type = A.type alors
Fin répéter
DAExigence : = (PExigence / TotalEX)*100 /* le degré d’appariement des exigences */
Fin
Figure 3.7- Appariement des exigences

7.4. L’appariement des compétences

Vu l’importance des compétences pour la sélection d’un chercheur d’emploi le plus qualifié ou
de l’offre d’emploi la plus intéressante, nous proposons trois techniques d’appariement des
compétences : l’appariement exact (CompExact), l’appariement rapproché (RapprochéComp),
l’appariement partiel (PartielComp).
L’appariement exact est appliqué dans le cas où le recruteur cherche un candidat possédant
exactement les compétences requises par lui, l’appariement partiel est appliqué si aucun candidat
n’est sélectionné par l’appariement exact. Alors le recruteur diminue ses contraintes.
L’appariement rapproché est appliqué dans le cas où l’appariement partiel ne donne pas de
résultats satisfaisant le recruteur.
7.4.1. Principe de l’appariement Exact « CompExact » :
L’appariement exact est appliqué dans le cas où le recruteur cherche un candidat qui possède
exactement les compétences requises pour un poste. Une compétence scientifique ou technique
requise (R) est recherchée avec exactitude dans l’ensemble des compétences acquises (CompCV).
Le cas échéant, nous nous intéressons à la compétence acquise dont le produit de son niveau
évalué et de son contexte évalué est supérieur ou égal au niveau évalué de la compétence requise
multiplié par le contexte évalué de celle-ci. Le même principe est appliqué aux aptitudes.
La procédure CompExact :
Cet algorithme utilise les variables : compétenceoffre, compétencecv, PComp, TotalComp,

DAcompétence pour représenter respectivement les compétences de l’offre, les compétences de
CV, le cumul des poids des compétences requises vérifiées, le cumul des poids de toutes les
compétences requises, le degré d’appariement des compétences, d’autres variables sont utilisées
pour des résultats intermédiaires. La fonction (EvaContext) est utilisée dans l’algorithme
d’appariement exact des compétences. Elle retourne le cumul de la valeur du contexte
organisationnel ajusté (multiplié par α) et de la valeur du contexte économique ajusté (multiplié
par β)). A titre d’exemple, pour une compétence acquise dans un grand service d’une grande
entreprise, EvaContext(compétence) vaut la valeur du contexte économique d’une grande
entreprise ajustée + la valeur du contexte organisationnel d’un grand service ajusté, dans ce cas
elle est égale à (6 * α +6 * β).
Nous proposons pour α la valeur (1/4) et pour β la valeur (3/4) (car le contexte économique est
plus important que le contexte organisationnel) mais α et β doivent être ajustées par des experts
du domaine de la compétence. Le rôle de la procédure « ExtraireComp » consiste à extraire des

compétences depuis un fichier des annotations. CompExact est détaillée dans ce qui suit :
EvaContext(comp)
contexte : ensemble des contextes d’une compétence.
contexte : = {comp.aContexte}, valeur := 0
Pour chaque C Є contexte répéter
Si Economique (comp.aContexte) alors valeur : = C.poids + ¾ * valeur
Si Organisationnel (comp.aContexte) alors valeur : = C.poids + ¼ * valeur
Fin répéter
EvaContext : = valeur
Fin
CompExact (FAOffre, FACv, DAcompétence ,TotalComp)

CompétenceOffre : = ∅ /* les compétences de l’offre */
CompétenceCv : = ∅ /* les compétences de Cv */
PComp : = 0 /* cumul des poids des compétences vérifiés*/
TotalComp : = 0 /* cumul des poids de toutes les compétences requises */
ExtraireComp (FAOffre, CompétenceOffre), ExtraireComp (FACv, CompétenceCv)
Pour chaque compoffre Є CompétenceOffre Répéter /* pour chaque compétence de l’offre fait*/
TotalComp : = TotalComp + compoffre.poids
Si ∃ compcv Є CompétenceCv / compcv. nom = compoffre.nom et
.
(compoffre.aNiveau valeur*EvaContext(compoffre))<= (compcv.aNiveau.valeur)
*EvaContext(compcv)) alors PComp : = PComp+ compoffre.poids
Fin si
Fin répéter
DAcompétence : = (PComp /TotalComp)*100 /* le degré d’appariement des compétences*/
Fin
7.4.2 Principe de l’appariement partiel PartielComp :
L’appariement partiel est appliqué dans le cas où le résultat de l’appariement exact ne satisfait
pas le recruteur, alors ce dernier diminue ses exigences concernant le niveau et le contexte. Une
compétence scientifique ou technique requise (R), est recherchée avec exactitude dans l’ensemble
des compétences acquises (CompCV). Le cas échéant, nous nous intéressons à la compétence
acquise dont le produit de son niveau évalué et de son contexte évalué est supérieur ou égal au
niveau évalué de la compétence requise multiplié par le contexte évalué de celle-ci. Si cette
contrainte est vérifiée, le poids du requis est cumulé. Sinon nous recherchons la compétence
acquise de niveau et de contexte le plus similaire au niveau et au contexte de (R). Dans ce cas, le
poids du requis est ajusté avant d’être cumulé. Le même principe est appliqué aux aptitudes. Le
degré de rapprochement entre les compétences acquises et requises, est le rapport entre les poids
des requis vérifiés et le cumul des poids de tous les requis.
La procédure PartielComp :
Cet algorithme utilise certains éléments définis auparavant qui sont : CompétenceOffre,
CompétenceCv, PComp, TotalComp, DAcompétence d’autres variables sont utilisées SCOrg,
SCEco pour représenter respectivement le degré de similarité des contextes organisationnels et le
degré de similarité des contextes économiques. D’autres variables simples sont utilisées pour des
résultats intermédiaires.
Dans l’écriture de l’algorithme d’appariement PartielComp, nous utilisons les procédures
suivantes :
§ La procédure « ExtraireComp » : permet d’extraire les compétences depuis un fichier des
annotations.
§ La procédure « SimNiveau » : permet d’estimer le degré de similarité de deux niveaux de
compétences, le calcul de degré de similarité est basé sur la formule (4). La procédure est
détaillée dans ce qui suit :
SimNiveau (compoffre,compcv)
simn : = 0 /* variable intermédiaire*/
simn : = compoffre.aNiveau.valeur - compcv.aNiveau.valeur
Si compétence Technique/scientifique (compoffre) alors
/*le degré de similarité de deux compétences technique ou scientifique requise et acquise*/
simn : = 1/5 * simn. /* 5 niveau*/
Sinon
/*le degré de similarité d’une aptitude requise avec une aptitude acquise*/
simn : = 1/2 * simn /* 2 niveau*/
Fin
Si compoffre.aNiveau.valeur -compcv.aNiveau.valeur > 0 alors
SimNiveau : = 1 - simn
Sinon
SimNiveau : = 1
Fin
Fin
§ La procédure « ExtraireContext» permet d’extraire le contexte organisationnel et le contexte

économique d’une compétence. Elle est détaillée dans ce qui suit :
ExtraireContext(comp,X,Y)
/* extraire les contextes d’une compétence dans la variable contexte*/
Contexte : = {compoffre.contexte}
/* extraire le contexte organisationnel */
X : = Cont Є contexte / organisationnelle (contexte)
/* extraire le contexte économique*/
Y : = Cont Є contexte / économique (contexte)
Fin
§ La procédure « SimContext» : permet d’estimer le degré de similarité de deux contextes de

compétences. Premièrement, le degré de similarité des contextes organisationnels SCOrg est
calculé, puis le degré de similarité des contextes économiques SCEco est calculé. SimContext
est le cumul de (α * SCOrg) et (β * SCEco). Le calcul de SCOrg et SCEco est basé sur la
formule (4). SimContext est détaillée dans ce qui suit :
SimContext(compoffre, compcv)
/*extraire le contexte organisationnel, économique d’une compétence de l’offre */
ExtraireContext(compoffre, Xof,Yof)
/* extraire le contexte organisationnel, économique d’une compétence de CV */
ExtraireContext(compcv, Xcv ,Ycv)
/*calculé le degré de similarité de deux contextes organisationnels*/
Si X1.poids – Y1.poids > 0 alors
SCOrg : = (1- 1/ 6 *(X1.poids – Y1.poids)) /* six contextes Organisationnels*/
Sinon
SCOrg : = 1
Fin si
/*calculé le degré de similarité de deux contextes économiques*/
Si X2.poids – Y2.poids > 0 alors
SCEco : = (1- 1/ 6 *(X2.poids – Y2.poids)) /* six contextes Economiques */
Sinon
SCEco : = 1
Fin si
SimContext : = ¼ * SCOrg + ¾ * SCEco /*calculé le degré de similarité de deux contextes*/
Fin
L’algorithme de l’appariement Partiel des compétences est détaillé ci-dessous :

PartielComp(FAOffre, FACv, DAcompétence, TotalComp)

S:=0
ExtraireComp (FAOffre, CompétenceOffre), ExtraireComp(FACv, CompétenceCv)
Pour chaque compoffre Є CompétenceOffre Répéter
/* pour chaque compétence de l’offre*/
/*chercher une compétence de CV qui vérifie les conditions cites*/
Si ∃ compcv Є CompétenceCv / compcv.nom = compoffre.nom et
(compoffre.aNiveau.valeur * EvaContext(compoffre)) ≤ (compcv.aNiveau.valeur *
EvaContext(compcv)) Alors
PComp : = PComp + compoffre.poids
Sinon/* si la condition de sélection n’est pas vérifiée le poids des requis est ajusté*/
S : = Max (SimNiveau (compoffre,compcv) * SimContext(compoffre,compcv))
∀ compcv Є CompétenceCv / (compcv.nom = compoffre.nom)
PComp : = PComp + compoffre.poids * S
Fin si
Fin Répeter
DAcompétence : = (PComp/ TotalComp) * 100
Fin
7.4.3. Principe de l’appariement Rapproché “RapprochéComp” :

Dans ce cas, le rapprochement n’est pas sévère. Chaque compétence requise de l’offre est
recherchée dans l’ensemble des compétences acquises annotées dans (FACV), selon ses
ressources (cas d’une compétence scientifique/téchnique), sa catégorie ou son nom (cas d’une
aptitude), son niveau et son contexte (cas d’une compétence scientifique/téchnique ou aptitude).
Si la compétence requise est de type aptitude, son nom est cherché avec exactitude. Sinon, sa
catégorie est recherchée avec exactitude dans l’ensembles des catégories des aptitudes annotant le
CV (FACV). L’appariement d’une compétence scientifique ou technique requise R avec une
compétence acquise A, revient à l’appariement des deux ensembles de ressources mobilisées par
ces deux compétences, selon la formule (2) sachant que les ressources sont de trois types
(habilité, savoir, savoir-faire). L’habilité (H) de la compétence requise (R) est recherchée avec
exactitude dans l’ensemble des habilités de la compétence acquise (A). Si elle est vérifiée, un
poids de 1 (tout ou rien) est cumulé dans DAhabilité. Le rapprochement des savoirs (ou savoir-
faire) d’une compétence requise (R) avec ceux d’une compétence acquise A revient au
rapprochement de leurs thèmes.
Chaque thème d’un savoir (ou d’un savoir-faire) d’une compétence (R) est recherché dans
l’ensemble des thèmes des savoirs (ou savoir-faire) d’une compétence acquise (A) de même type
(général ou spécifique), en utilisant la formule de similarité des concepts (3). Le meilleur degré
de similarité sera cumulé dans DAsavoir (ou dans DAsavoirF). Le degré de rapprochement global
entre la compétence requise (R) et la compétence acquise (A) est le rapport entre la somme de
(DAhabilité, DAsavoir, DAsavoirF) et le nombre de ressources qui constituent R.
La fonction SimNiveau calcule la similarité de leurs niveaux par l’application de la formule
(4), alors que la fonction SimContext calcule la similarité de leurs contextes, c’est le cumul de
α *SCOr (similarité des contextes organisationnels multiplié par α) et β * SCEc (similarité des
contextes économiques multiplié par β), les deux fonction SCOr, SCEc sont calculé par
l’application de la formule (4).
Les formules suivantes sont utilisées dans l’algorithme d’appariement rapproché des
compétences, la formule (4) est utilisée ainsi dans l’algorithme d’appariement partiel des
compétences. Soit :
• c1, c2 ∈ C, C est l'ensemble de toutes les instances de type « Compétence
scientifique/technique »
• P : la relation « mobilise » qui relie une compétence ci à un ensemble de ressources R.
• AS (P, ci) [MAE02] : la fonction qui retourne l’ensemble des instances de type « Ressource »
mobilisées par la compétence ci, tel que :
AS (P, ci): = {rJ: rJ ∈ R ∧ P (ci, rJ )}. (1)
F (c1, c2, P) [MAE02] est une fonction qui calcule la similarité de deux compétences en se
basant sur la relation P « mobilise » qui les relie aux instances d’un autre concept
« Ressource ». Soit rj ∈ AS (P, c1), et b ∈ AS (P, c2) et N = | AS (P, c1)| : le nombre
d’instances de cet ensemble.
N (2)
∑ max {sim(rj, b)/ b ∈ As(P, c2 )}
j= 1
F (c1, c2, P) =
N
La fonction sim concerne dans notre cas le calcul de la similarité entre deux ressources (rj,b) de
type « Ressource », pouvant être de type spécifique : « Savoir », « Savoir-faire » ou « Habilité ».
Si le type spécifique de rj est différent de celui de b alors sim (rj, b)=0 (on ne peut pas comparer
un savoir à une habilité par exemple)
Si rj et b ont le même type spécifique « Habilité » alors sim (rj, b)=1 Sinon (rj et b sont tous les
deux des savoirs ou des savoir-faire)
t1 := rj.aThème ayant le type T1 et t2 := b.aThème ayant le type T2 (T1 et T2 sont des sous-classes
de « Thème ») si le type spécifique de t1 est différent de celui de t2 («ThèmeGeneral » ou
« ThèmeSpécifique ») alors sim (rj, b) = 0
Sinon appliquer la formule (3) [BERN04] :
Sim (rj,b) = ( 2*log PROF(MRCA(T1,T 2)) ) / ( log PROF(T1) + log PROF(T2) ) (3)
Sachant que :
• PROF (T1) est la profondeur du thème T1 dans la hiérarchie des thèmes de
« ThèmeGeneral » ou « ThèmeSpecifique ». PROF (T1) = (nombre des sous classes de
T1+1)/nombre de classes de la hiérarchie du concept « ThèmeGeneral » ou
« ThèmeSpecifique ».
• MRCA (T1, T2) est l’ancêtre commun le plus proche entre T 1 et T2 dans la hiérarchie de
thèmes.
Pour le calcul de la similarité (SimNiveau) de deux niveaux de compétence n 1 et n 2 nous
utilisons la formule (4) [BIZE05] : α est le nombre des niveaux, il est égal à 5 pour les
compétences scientifique/technique et à 2 pour les aptitudes.
Pour le calcul de la similarité (SCEc) de deux contextes économiques ctx1 et ctx2, on utilise la
même formule avec α=6 le nombre de contexte économique. Même chose pour le contexte
organisationnel (SCOr).
= 1 - 1/α (a1- a2) Si a 1- a 2 ≥ 0 (4)

1 Si a1- a 2 < 0
Pour le rapprochement des compétences nous proposons dans ce qui suit la formule (5), sur
laquelle base l’algorithme de rapprochement des compétences RapprochéComp :
RaprocheComp(Compétenceoffre , CompétenceCV ) =
(∑ poids(Compoffre
i
) * Max[sim(Compoffre
i j
, CompCV i
) * SimContext(Compoffre j
, CompCV )* (5)
i∈I
i
SimNiveau(Compoffre j
, CompCV ) / j ∈ J ]) / ∑ poids(Compoffre
i
)
i∈I
Telles que :
§ Sim (Compoffre
i j
, CompCV i
) = F ( Compoffre j
, CompCV , P) compétences scientifiques/ techniques
1 aptitude ont le même nom

¼ aptitude ont la même catégorie
0 sinon
Sim est le degré de similarité (rapprochement) de deux compétences. Pour des compétences
scientifiques ou techniques, la similarité est calculée par l’application de la formule (2).
Pour les aptitudes, elle est égale à 1 s’ils ont le même nom et ¼ (c’est une valeur
subjective, les experts du domaine seuls qui peuvent la validé) s’ils ont la même catégorie
sinon elle est égale à 0.
§ SimContext (Compoffre
i j
, CompCV ) = (α * SCOr) + (β * SCEc) la similarité des contextes de
deux compétences est le cumul de degré de similarité des contextes organisationnels (α *

SCOr) et le degré de similarité des contextes économiques (β * SCEc). SCOr et SCEc :
sont calculés par l’application de la formule (4).
§ SimNiveau : la similarité de deux niveaux de compétence est calculée aussi par
l’application de la formule (4).
§ i
poids(Comp offre ): est le poids de la compétence annotée par l’utilisateur.
La procédure RapprochéComp :
Cet algorithme utilise certains éléments définis auparavant qui sont : CompétenceOffre,
CompétenceCv, PComp, DAcompétence Totalemen, et d’autres :
SavoirOf : les ressources de type savoir de l’offre.
SavoirCv : les ressources de type savoir de CV.
DAsavoir : degré d’appariement des savoir.
SavoirFOf : les ressources de type savoir faire de l’offre.
SavoirFCv : les ressources de type savoir faire de CV.
DASavoirF : degré d’appariement des savoir-Faire.
HabilitéOf : les ressources de type habilité de l’offre.

HabilitéCv : les ressources de type habilité de CV.
DAhabilité : degré d’appariement des habilités.
D’autres variables simples sont utilisées pour des résultats intermédiaires.
Dans l’écriture de l’algorithme d’appariement RapprochéComp, nous allons utiliser les
procédures et les fonctions suivantes :
§ La procédure « ExtraireComp » : permet d’extraire les compétences depuis un fichier des
annotations.
§ La fonction « NBRe » : retourne le nombre de ressources d’une compétence.
§ La fonction « Nbr » : retourne le nombre des concepts dans la hiérarchie des thèmes
(Héra).
§ La procédure « ExtraireSavoir » : permet d’extraire tous les savoir sous-jacents à une
compétence de l’offre d’emploi dans SavoirOf ou d’un CV dans SavoirCv. Elle est
détaillée ci-dessous :
ExtraireSavoir(compcv,compoffre,SavoirOf,SavoirCv)
Savoirof : = {R Є {compOf.requis} / Savoir (R)}
/* extraire les savoirs d’une compétence d’offre d’emploi*/
SavoirCv : = {R Є {compCv.requis} / Savoir (R)}
/* extraire les savoirs d’une compétence d’un CV*/
Fin
§ La procédure « ExtraireSavoirF» : permet d’extraire tous les savoir-faire sous-jacents à une

compétence de l’offre d’emploi dans SavoirFaireOf ou d’un CV dans SavoirFaireCv.
Elle est détaillée ci-dessous :
ExtraireSavoirF(compcv,compoffre,SavoirFOf,SavoirFCv)
Savoirof : = {R Є {compOf.requis} / SavoirFaire (R)}
/* extraire les savoir-faire d’une compétence d’offre d’emploi*/
SavoirCv : = {R Є {compCv.requis} / SavoirFaire (R)}
/* extraire les savoir-faire d’une compétence d’un CV*/
Fin
§ La procédure « ExtraireHabilité » : permet d’extraire toutes les habilités sous-jacentes à une

compétence de l’offre d’emploi dans HabilitéOf ou d’un CV dans HabilitéCv. Elle est
détaillée ci-dessous :
ExtraireHabilité(compcv,compoffre,HabilitéOf, HabilitéCv)
Savoirof : = {R Є {compof.requis} / Habilité (R)}
/* extraire les habilités d’une compétence d’offre d’emploi*/
SavoirCv : = {R Є {compCv.requis} / Habilité (R)}
/* extraire les habilités d’une compétence d’CV*/
Fin
§ La procédure « Rapprochement » : permet de calculer le degré d’appariement des Savoir

et le degré d’appariement des savoir-Faire d’une compétence d’un CV avec celle d’une offre
emploi. Elle est détaillée ci-dessous :
Rapprochement (Ressourceof, Ressourcecv,DAR)
SRI : tableau des degrés de rapprochements des thèmes des ressources.
Pour chaque Rof Є Ressourceof répéter
I : = 0 ; SRI : = ∅. /* Rof, Rcv sont respectivement une ressource de compétence de
L’offre et une ressource de compétence de CV*/
Si themespécifique(Rof.atheme) alors /*pour chaque thème spécifique*/
Pour chaque Rcv Є Ressourcecv et themespécifique(Rcv.atheme) répéter
SRI : = Raproch (Rof, Rcv, Hthemesspécifique)
/*le calcul le degré de rapprochement de Rof, Rcv*/
I:=I+1
Fin répéter
Sinon /*pour chaque thème général*/
Pour chaque Rcv Є Ressourcecv et themegénéral(Rcv.atheme) répéter
SRI : = Raproch (Rof, Rcv, Hthemesgénéral)
/*le calcul le degré de rapprochement de Rof, Rcv */
I:= I+1
Fin répéter
Fin si
DAS : = DAS + Max (SRI) /*le degré d’appariement des thèmes des ressources
d’une compétence de l’offre avec les thèmes des ressources d’une compétence du CV */
Fin répéter
Fin
Dans l’écriture de cette procédure nous allons utiliser la procédure «Raproch» qui permet de
calculer la similarité de deux thèmes dans une hiérarchie des thèmes par le biais de la
formule (3), dont PROF est la profondeur d’un concept, MRCA est l’ancêtre commun le plus
proche de deux concepts. «Raproch» est détaillée comme suit :
Raproch (Rof, Rcv, Hthemes)

Stop: = ∅
/* calcule la similarité de deux thèmes dans la hiérarchie des thèmes*/
Raproch: = 2 * log PROF (MRCA {classe (Rof.atheme), classe (Rcv atheme)},Hthemes,
stop)) / log PROF ({classe(Rof.atheme)}, Hthemes, stop) + log PROF ({classe(Rof.atheme)},
Hthemes, stop)
Fin
La procédure « Raproch » utilise les deux fonctions suivantes. Elles sont détaillées comme suit :
1- La fonction « PROF » : permet de calculer la profondeur d’un concept dans une hiérarchie.
§ PROF (C, Héra, stop)

F : = { Fi , i > = 0 / Fi → ck , ck Є C } U C
/*F est l’union des subsumes précédant C et des nouveaux subsumes d’un concept*/
Si | Stop | <> | F | alors
Stop: = Stop U F
PROF (F, Héra, stop) /*Recursive*/
Sinon
PROF : = | F | +1 / Nbr (Héra) /*pas de nouveau subsumé*/
Stop : = ∅
/* nombre de subsumés du concept +1 divisé par le nombre de concepts dans la hiérarchie*/
Fin si
Fin
2- La fonction « MRCA » : retourne l’ancêtre commun le plus proche de deux concepts dans
une hiérarchie de concept (l’intersection des généralisations transitives des deux concepts).
§ MRCA (A, B)
/*subsument d’un concept ou ensembles de concept*/
X: = {xi , I > = 0 / xk → xi , xk Є A}
/* subsument d’un concept ou ensembles de concept */
Y: = {yi, i > = 0 / yk →yi , yk Є B}
/*l’intersection est l’ensemble vide*/
Si X ∩ Y = {} alors
MRCA (X, Y) /*récursivité*/
Sinon
Si X = Y alors
MRCA: = {A}
Sinon
MRCA : = X ∩ Y /* intersection des subsument des deux concepts*/
Fin si
Fin si
Fin
-Les procédures « SimContext» et « SimNiveau » ont été détaillées précédemment.

L’algorithme de l’appariement Rapproché des compétences est détaillé comme suit :
RapprochéComp (FAOffre, FACv, DAcompétence)

DAI : tableau.
ExtraireComp(FAOffre, CompétenceOffre), ExtraireComp(FACv, CompétenceCv)
Pour chaque compoffre Є compétenceoffre répéter
/* pour chaque compétence de l’offre*/ I : = 0, DA : = ∅,
Si compétence Téchnique/scientifique (compoffre) alors
/*pour chaque compétence de CV*/
Pour chaque compcv Є compétenceCV répéter
/* extraire les savoir d’une compétence de CV et une compétence de l’offre*/
ExtraireSavoir(compcv,compoffre,SavoirOf,SavoirCv)
/* calculer le degré de rapprochement des savoir d’un CV avec les savoir d’une offre*/
Rapprochement (SavoirOf,SavoirCv,DAsavoir)
/* extraire les savoir-faire d’une compétence de CV et une compétence de l’offre*/
ExtraireSavoirF(compcv,compoffre,SavoirFOf,SavoirFCv)
/* calculer le degré de rapprochement des savoir-faire d’un CV avec les savoir-faire d’une offre*/
Rapprochement (SavoirFOf,SavoirFCv, DASavoirF)
/* extraire les habilités d’une compétence de CV et une compétence de l’offre*/
ExtraireHabilité(compcv,compoffre,HabilitéOf, HabilitéCv)
/*calculé le degré de rapprochement des habilités d’un CV avec les habilités d’une offre*/
Pour chaque Hof Є HabilitéOf répeter
Si ∃ Hcv Є HabilitéCv / Hof = Hcv alors /*égalité des deux habilités*/
DAhabilité : = DAhabilité + 1
Fin si
Fin répéter /*le degré de rapprochement de deux compétences scientifique/technique*/
DAI : = ((DAsavoir + DAsavoirF + DAhabilité) /NBRe (compoffre))
*SimNiveau(compoffre,compcv)*SimContext(compoffre, compcv)
I:= I +1
Fin répéter /* NBR retourne nombre de ressources d’une compétence*/
PComp : = PComp + ( compoffre.poids)* Max (DAI)
Sinon
/* le degré de rapprochement de deux aptitudes.*/
Si Compoffre.nom = Compcv.nom alors
PComp : = PComp + compoffre.poids * SimNiveau(compoffre,compcv) * SimContext (compoffre,
compcv)
Sinon
Pour chaque compcv Є CompétenceCv répéter
Si AptitudManagériale(compcv) = AptitudManagérial (compoffre) ou
ActionRéalisation(compcv) = ActionRéalisation(compoffre) ou
EfficacitéPersonnelle(compcv) = EfficacitéPersonnelle(compoffre) ou
AssistanceEtService(compcv) = AssistanceEtService(compoffre) alors
DAI : = SimNiveau(compoffre,compcv) * SimContext (compoffre, compcv)
I:= I +1
Finsi
Fin répéter
PComp : = PComp + (compoffre.poids)* Max (DAI) *1/4
Finsi
Fin si
Fin répéter
DAcompétence := (PComp / TotalComp )*100
Fin
7.4.4 Discussion sur les algorithmes d’appariements proposés :
Pour le choix d’un CV le recruteur se concentre généralement sur les compétences scientifiques
ou techniques ou les aptitudes, mais dans certains cas les qualifications personnelles telles que
l’âge, sexe, nationalité, permis de conduire, service national, ville de résidence ainsi que
certaines exigences telles que le salaire, le type de contrat, le type d’emploi , rotation ,
déplacement peuvent écarter un candidat bien que ses compétences soient satisfaisantes dans
l’offre d’emploi.
Pour prendre en charge ces différents cas, ce qui n’est pas fait par les travaux existants, nous
avons proposé des techniques d’appariement sémantique entre les CVs et les offres d’emploi qui
prennent en charge ces trois aspects, L’appariement de qualification personnelle prend en charge
la correspondance entre les qualifications personnelles requises dans offres d’emploi et celles
acquises par un candidat (CV); Quant à l’appariement des exigences, il permet d’assurer une
correspondance entre les exigences tolérées par le recruteur et le chercheur d’emploi . Pour les
compétences, vu leurs pertinences pour la sélection d’un candidat, nous avons proposé trois
techniques d’appariement : l’appariement exact qui est appliqué dans le cas où le recruteur
cherche un candidat qui possède exactement les compétences requises par lui. L’appariement
partiel est appliqué si aucun candidat n’est sélectionné par l’appariement exact, alors le recruteur
diminue ses contraintes. L’appariement rapproché est appliqué dans le cas où l’appariement
partiel ne donne pas de résultats satisfaisant le recruteur.
L’apport des techniques d’appariement proposé est qu’ils prennent en considération le choix
de l’utilisateur en donnant la main à ce denier de pondérer chaque acquis ou requis avec un poids
annoté par lui selon son choix. Ainsi pour les compétences nous avons proposé trois techniques
différentes permettant au recruteur à chaque fois de diminuer dans ses contraintes jusqu‘à trouver
des CVs qui le satisfassent en compétence même partiellement. De plus pour le rapprochement
des documents d’un point de vue de la compétence, nous avons introduit des notions concernant
le contexte organisationnel et économique dans lequel cette compétence est acquise ou requise,
afin que les résultats du processus d’appariement basé compétence soient les plus faibles
possibles.
8. Conclusion
Dans ce chapitre, nous avons proposé une modélisation pertinente du contenu sémantique à base
d’ontologie des CVs et des offres d’emploi, axée sur la modélisation de la compétence. Le
modèle adopté de la compétence est riche parce qu’il tient compte du type de la compétence
(scientifique et technique ou aptitude), des ressources relatives aux compétences scientifiques
(habilité, savoir, savoir-faire), de la catégorie relative aux aptitudes (managériales, assistance
et service, …), du niveau d’expérience et des contextes organisationnels et économiques.
Nous avons proposé ainsi un processus d’annotation simple qui se base sur l’exploitation et
l’instanciation de l’ontologie-ER via un outil d’annotation [ALLI08]. Ce processus permet
d’enrichir les documents avec des méta-données, ces dernières sont exploitées par les algorithmes
d’appariement originaux que nous avons proposés. Les algorithmes d’appariement proposé
permettent aussi bien le rapprochement basé sur les qualifications personnelles et les exigences,
que celui basé sur les compétences. Vu l’importance des compétences pour la sélection d’un
chercheur d’emploi, nous avons proposé trois services d’appariement des compétences :
appariement exact des compétences, appariement partiel des compétences, appariement
rapproché des compétences. Le résultat final d’appariement est une liste de quintuplés (URI,
DAfinal, DAQPersonnel, DAExigence, DAcompétence) trié par le degré d’appariement final (DAfinal)
suivi par les trois autres degrés (DAcompétence, DAQPersonnel , DAExigence ) leurs ordre de tri est en
fonction du choix de l’utilisateur.
Dans le chapitre suivant nous détaillons le processus de développement de l’ontologie-ER.

Chapitre 4 : Construction de l’ontologie-ER 89
Chapitre 4
Construction de l’ontologie-ER
Sommaire
1. Introduction
2. Processus de construction d’une ontologie
2.1 Spécification
2.2 Conceptualisation
2.3 Formalisation.
2.4 Implémentation.
2.5 Evolution de l’ontologie et Test.
3. Construction d’une ontologie pour le e-recrutement
3.1 Spécification
3.2.1 Construction du glossaire de termes.
3.2.2 Construction des hiérarchies de concepts.
3.2.3 Construction du diagramme de relations binaires.
3.2.4 Dictionnaire de concepts.
3.2.5 Tableau des relations binaires.
3.2.6 Tableau des attributs.
3.2.7 Tableau des axiomes logiques.
3.2.8 Les instances des concepts et les assertions sur les instances.
3.3 Formalisation
3.3.1 Construction de TBOX
3.3.2 Construction de ABOX
3.4 Implémentation.
3.4.1 Création d’un nouveau projet OWL
3.4.2 Création des classes et la hiérarchie des classes
3.4.3 Création des propriétés
3.4.4 Création des instances
3.4.5 Génération de code
3.4.6 Test et évolution
4. Conclusion
« Une petite colline te fait arriver à une grande »

Proverbe africain
1. Introduction
L’objectif de ce chapitre est de décrire le processus de construction de l’ontologie-ER dédiée
au e-recrutement, dont le domaine est « Informatique et Télécommunication ». Pour ce faire,
nous basons sur la méthodologie METHONTOLOGY [FERN97] qui est le support de base pour
la conceptualisation de notre ontologie. La logique de description est le formalisme adopté pour
l’expression de l’ontologie semi-formelle, résultat de la phase de conceptualisation. Basé sur
cette formalisation, OWL [PATE03] est le langage de définition d’ontologie est choisi afin de
codifier l’ontologie en utilisant l’éditeur d’ontologies PROTEGE OWL1 [RECT04]. RACER2
[HAAR03] est le système d’inférences utilisé afin de tester la consistance de l’ontologie tout au
long son processus de développement.
2. Processus de construction d’une ontologie
Nous décrivons par la suit le processus que nous avons adopté dans le développement de
l’ontologie-ER (une ontologie de domaine). Les grandes étapes de ce processus sont inspirées de
la méthodologie de construction d’ontologies « Methontology » [FERN97]. L’application de
chacune des étapes de ce processus est basée sur l’exploitation du travaille de HEMMAM
[HEMA05]. On part dans le processus de connaissances brutes et on arrive à une ontologie pour
le e-recrutement, opérationnelle représentée par le langage OWL. Ce processus est composé de
cinq étapes :
o Spécification des besoins.

o Conceptualisation.
o Formalisation.
o Implémentation.
o Evolution de l’ontologie et Test.
1: http//protégé/standford/edu/plugins/owl
2: http://www.sts.tu-harburg.de/~r.f.moeller/racer/
2.1 Spécification
Cette étape consiste à établir un document formel de spécification des besoins. Ce dernier permet
de décrire l’ontologie à construire à travers les cinq aspects suivants :
1. Le domaine de connaissance : déterminer aussi précisément que possible le domaine que va
couvrir l’ontologie.
2. L’objectif : le but de l’ontologie à créer pour le domaine considéré.
3. Les utilisateurs : identifier au maximum les futurs utilisateurs de l’ontologie à créer.
4. Les sources d’informations : déterminer les sources d’informations d'où les connaissances
seront obtenues. Exemple, les experts du domaine, les documents techniques, etc.
5. La portée de l’ontologie : déterminer à priori la liste des termes (les plus importants) pour le
domaine à représenter.
2.2 Conceptualisation :
L’étape de conceptualisation est la plus importante dans le processus de construction
d’ontologie présenté par METHONTOLOGY. Elle est inspirée de la méthodologie qui consiste
à identifier et à structurer, à partir des sources d’informations, les connaissances du domaine. Elle
permet d’aboutir à un ensemble de représentations intermédiaires semi-formelles
indépendamment des langages de formalisations à utiliser pour représenter l’ontologie par la
réalisation des tâches suivantes :
1. Construction du glossaire de termes.
2. Construction du diagramme de classification des concepts.
3. Construction du diagramme de relations binaires et de classification des concepts.
4. Construction du dictionnaire de concepts (DC).
5. Décrire les relations dans une table de relations binaires.
6. Spécifier des contraintes sur les attributs dans une table d’attributs.
7. Spécifier des axiomes sur les concepts dans une table d’axiomes logiques.
8. Décrire les instances des concepts dans une table d’instances et les assertions dans une
table des assertions.
A la fin de cette phase, nous obtenons une ontologie conceptuelle.

2.3 Formalisation
Cette phase consiste à formaliser l’ontologie conceptuelle obtenue dans l’étape précédente afin de
faciliter sa représentation ultérieure dans un langage complètement formel et opérationnel.
Notre choix est porté sur le formalisme de représentation de la logique de description.
Elle permet de représenter les connaissances relatives à un domaine de référence à l’aide de
"descriptions" qui peuvent être des concepts, des rôles et des individus. Les concepts modélisent
des classes d’individus et les rôles des relations entre classes. Une sémantique est associée aux
descriptions par l’intermédiaire d’une fonction d’interprétation. La relation de subsomption
permet d’organiser les concepts et les rôles en hiérarchie. La classification et l’instanciation sont
les opérations qui sont à la base du raisonnement sur les descriptions, ou raisonnement
terminologique.
Il existe de nombreux constructeurs permettant de former toute une famille de logiques de
description. Par ailleurs, la logique de description SHIQ [HORR02] regroupe un ensemble plus
riche de constructeurs. Le tableau (Tableau.4.1) décrit les plus importants, ainsi que leur
Tableau 4.1- Les constructeurs essentiels d’une logique de description.
sémantique en s’appuyant sur la syntaxe de SHIQ [PATL03], qui présente une logique de
description très expressive et qui offre un certain nombre de constructeurs des axiomes,
représentés dans la figure 4.1, pour exprimer le passage du modèle conceptuel (ontologie
conceptuelle) à l’ontologie formalisée en LD.
Rôles Axiomes assertionels (A_Box)
Atomique R Instance C (a)

Inverse R Rôle R (a,b)
même a=b
Concepts différents a≠b
Universel/absurde T / ⊥
Axiomes de Rôle (R_Box)
Atomique
Non ¬C Sous rôle
Et transitivité Trans (S)
Ou
Existe
Axiomes de concept (T_Box)
Pour tous
Au moins Sous-classe
Au plus Equivalence
énumération
Figure 4.1 - Syntaxe de la logique de description SHOIN
L’ontologie formelle résultante est constituée d’une partie terminologique (TBOX) où sont
introduits les concepts, et d’une partie (ABOX) où sont introduites les assertions de concepts et
de rôles.
La partie terminologique TBOX comprend des définitions et des organisations formelles des
concepts de l’ontologie. Cela est fait par l’utilisation des axiomes de la logique de description,
décrits dans ce qui suit :
< Concept >→ <concept-primitif> | <Τ> | <⊥> |
<Concept > ∩ < Concept > | < Concept > ∪ < Concept >|
¬< Concept >| ∀<role>.< Concept >| ∃ <role>. < Concept > |
≥ n <role>. < Concept> | ≤ n <role>. <concept> |

La partie assertionnelle ABOX, définit les individus, les rôles en fonction des concepts qui
l’utilisent, par l’utilisation de l’une des formes suivantes :
a : C où C est un concept défini et a est un individu.

(a1, a2) : R où R est un rôle défini et a1, a2 sont deux individus définis.
2.4 Implémentation
Cette étape consiste à traduire le résultat de la phase précédente (ontologie formelle), dans un
langage opérationnel (OWL) de définition d’ontologie. Afin de faciliter le processus de
codification, nous utilisons PROTEGE OWL version 3.1.1 disposant d’une interface permettant
l’édition, la visualisation, le contrôle (vérification des contraintes) d’ontologies [NOY00], issu du
modèle des frames et contenant des classes (concepts), des slots (propriétés) et des facettes
(valeurs des propriétés et contraintes), ainsi que des instances des classes et des propriétés.
2.5 Évolution et test

Cette étape sert aussi à suivre l’évolution de l’ontologie, c’est-à-dire les nouveaux concepts à
ajouter dans sa partie terminologique (TBOX). Une classification a lieu chaque fois qu’une
définition de concept est nouvellement créée. Le mécanisme de raisonnement de base des
logiques de description est la classification de concepts. Elle est réalisée par un algorithme de
classification, appelé « le classifieur ». Le classifieur utilise la description d’un nouveau concept
pour le placer à l’endroit correspondant dans la hiérarchie. Afin de trouver la place appropriée au
nouveau concept, l’algorithme de classification détermine les relations de subsomption entre ce
concept et les autres. Ces relations peuvent être spécifiées directement, trouvées par transitivité
ou calculées à partir de la sémantique des conditions des rôles. La recherche de la place correcte
pour le nouveau concept comporte trois étapes :
1. La recherche des subsumants les plus spécifiques SPS (concepts qui subsument le concept à
classer et dont les fils ne le subsument pas)
2. La recherche des subsumés les plus généraux SPG (concepts subsumés par le concept à classer
et dont les pères ne sont pas subsumés par lui).
3. Insertion du nouveau concept dans la hiérarchie.
Le TEST consiste à exploiter les services d'inférence fournis par la logique de description afin
d’améliorer la qualité de l’ontologie. Pour ce faire, l’outil Racer est choisi [HAAR01] car c’est le
moteur d’inférence le plus utilisé dans ce domaine pour ses performances et sa stabilité. Racer
travaille sur les ontologies modélisées par son langage, mais il accepte aussi celles décrites en
RDF ou OWL, ces dernières étant traduites vers le langage utilisé par Racer. Ce moteur
d’inférence possède également son propre langage de requête RQL (Racer query Language) pour
interroger les ontologies sur la ABox et la TBox. Se système se connecte facilement à l’outil
PROTEGE-OWL
3. Construction d’une ontologie pour le e-recrutement
Dans cette section, nous construisons notre ontologie-ER. A cette fin, nous suivrons les étapes du
processus de construction d’ontologie décrite dans la section 2.
3.1 Spécification
Pour commencer le développement de l’ontologie, nous entamons d’abord la phase de
spécification qui consiste à établir un document de spécification des besoins.
Au sein de ce document, nous dériverons l’ontologie à construire à travers les cinq aspects
suivants:
o Le domaine de connaissance : le domaine de l’ontologie-ER est « l’Informatique et la
Télécommunication».
o L’objectif : c’est la modélisation du contenu sémantique des documents (CVs/offres
d’emploi) et principalement les compétences sous-jacentes aux métiers et aux diplômes.
Cette conceptualisation partagée sera utilisée par l’utilisateur afin d’annoter son document
avec ses requis (ou acquis). Ces annotations seront utilisées pour assurer un
rapprochement sémantique et automatique ultérieur entre les offres et les demandes
d’emploi.
o Les utilisateurs : cet aspect présente l’ensemble des utilisateurs qui pouvant exploiter
l’ontologie. Dans notre cas, ce sont les recruteurs et les chercheurs d’emploi. Ils utilisent
l’ontologie-ER pour annoter leurs documents avec les éléments de cette dernière.
o Les sources d’informations : les sources d’informations sur lesquelles nous nous
sommes basées, sont : les prototypes des ontologies des travaux voisins, les sites
d’emploi, les référentiels de métiers et de diplômes existants, les sites dédiés à la
rédaction des CVs (tels que Europass), etc.
o La portée de l’ontologie : Cet aspect détermine à priori la liste des termes de l’ontologie-
ER (les plus importants) parmi lesquels, nous pouvons citer : métier, diplôme,
compétence, contexte, savoir, savoir faire, salaire, rotation, déplacement, contrat, sexe,
permis de conduire, âge, type de l’emploi, etc.
Quant aux scénarios d’usage les plus importants et les questions auxquelles l’ontologie est
sensée fournir des réponses, nous citons :
Quelles sont les compétences sous-jacentes à un métier particulier et leurs types ?
Quelles sont les compétences sous-jacentes à un diplôme particulier et leurs types ?
Quelle est la famille d’un métier ?
Quelle est la famille d’un diplôme ?
Quels sont les diplômes d’un domaine particulier ?
Quels sont les métiers d’un domaine particulier ?
Quel est le domaine d’un référentiel particulier ?
Quelles sont les ressources d’une compétence ?
Le résultat de cette étape est le document de spécification illustré dans la figure 4.2.
o Domaine : documents CVs et offres d’emploi reliés à la spécialité « Informatique et

Télécommunications ».
o Développé par : Boucetta zouhel
o Objectif opérationnel (But) : la modélisation du contenu sémantique des
documents (CVs/offres d’emploi), principalement les compétences sous-jacentes
ou métiers et ou diplômes.
o Utilisateurs : les recruteurs et les chercheurs d’emploi.
o Degré de formalisme : formel
o Porté (Liste des termes importants): Métier, Diplôme, compétence, contexte, , savoir,
savoir faire , salaire, rotation,déplacement, contrat, sexe, permis de conduire, âge,type
d’emploi, etc.
o Granularité (niveau de détail) : fine.
o Sources de connaissances : Autres ontologies, portail d’emploi, analyse de
documents, référentiel existants de métiers et de diplômes, interviews, etc.
Figure.4.2- Le document de spécification
Une fois que la majorité des connaissances est acquise, on doit les organiser et les structurer en
utilisant des représentations intermédiaires semi-formelles qui sont faciles à comprendre et
indépendantes de tout langage d’implémentation. Cette phase contient plusieurs étapes qui sont :
o Construction du glossaire de termes.
o Construction du diagramme de classification de concepts.
o Construction du diagramme de relations binaires.
o Dictionnaire de concepts.
o Construction du tableau des relations binaires.
o Construction du tableau des attributs.
o Construction du tableau des axiomes logiques.
o Construction du tableau des instances et du tableau des assertions.
3.2.1 Construction de glossaire de termes

Ce glossaire contient la définition de tous les termes relatifs au domaine (concepts, attributs,
relations) qui seront représentés dans l’ontologie finale.
Le tableau ci-dessous (Tableau 4.2) fournit seulement une liste de quelques termes utilisés dans
l’ontologie:
CONCEPT DESCRIPTION
Référentiel Un référentiel des Métiers du domaine «Informatique et

Métiers Télécommunication»
Métier Décrit les métiers du domaine «Informatique et Télécommunication»
(job, travail)
FamilMétier Décrit les familles de métiers du domaine « Informatique et
Télécommunication»
Compétence Décrit tout type de compétences
Aptitude Décrit les compétences comportementales

(compétence
comportementale)
Compétence Décrit les compétences scientifiques et techniques
Scientifique
Technique
Domaine Décrit le domaine du référentiel des métiers ou du référentiel des
diplômes.
Qualification Décrit les qualifications personnelles
Personnelle acquises ou requises
Décrit la situation envers le service militaire (dégagé ou non).
ServiceMilitaire
Age décrit l’âge, acquis (CV) ou requis (offre d’emploi)
décrit le sexe, acquis (CV) ou requis (offre d’emploi)

Sexe
PermisConduire Décrit la catégorie du permis de conduire requis par un recruteur
ou possédé par un chercheur d’emploi.
CONCEPT DESCRIPTION
Décrit le document à annoter (CV/offre d’emploi) à travers son URI

document
et son type.
Contexte Décrit le contexte d’une compétence.
Economique Décrit le contexte économique d’une compétence.
Organisationnel Décrit le contexte organisationnel d’une compétence.
Diplôme Décrit les diplômes valides du domaine «Informatique et

(certificat, Télécommunication»
attestation)
Décrit les familles de diplômes du domaine « Informatique et
FamilDiplôme Télécommunication»
Référentiel Décrit le référentiel des diplômes du domaine «Informatique»
Diplômes
Décrit les ressources d’une compétence.
Ressource
Habilité Décrit les habilités d’une compétence.
SavoirFaire Décrit les savoirs faire d’une compétence.
Savoir Décrit les savoirs d’une compétence.
Thème Décrit le thème d’un savoir ou d’un savoir faire
ThèmeGénéral Décrit le thème Général d’un savoir ou d’un savoir faire
Salaire Décrit le salaire toléré par le recruteur ou le chercheur d’emploi
Contrat Le type de contrat toléré par le recruteur ou le chercheur d’emploi
Thème Spécifique Décrit le thème spécifique d’un savoir ou d’un savoir faire
VilleRésidence Décrit la ville de résidence d’un chercheur d’emploi, ou celle requise

par un recruteur
Nationalité Décrit la nationalité d’un chercheur d’emploi, ou celle requise par le

recruteur
(…) (…)
Tableau.4.2- L a table du glossaire de termes

3.2.2 Construction des hiérarchies de concepts

Dans cette étape, nous construisons les diagrammes de classification de concepts. La
construction des hiérarchies de concepts de l’ontologie-ER est basée principalement sur l’analyse
des CVs et des offres d’emploi et leurs éléments communs les plus significatifs, de certains
documents techniques ou référentiels ([CIGR05], [LMD04], [YAHI06a]), de l’analyse d’autres
3
ontologies ([YAHI06A], [SCHM06a], [TRIC02], IT-Skill ). Initialement, nous répertorions les
concepts en ensemble d’organisations, ensuite nous relions les concepts entre eux, si nécessaire,
par des relations « Est-un ». Les différentes hiérarchies de classification de concepts démontrent
l’organisation des concepts de l’ontologie en un ordre hiérarchique qui exprime la relation « Est-
un ». La relation «Est-un » entre les classes définit que, la classe C1 est une sous classe de la
classe C2, si et seulement si toute instance de la classe C1 est une instance de la classe C2. La
figure 4.3 représente les différentes hiérarchies de concepts construits.
Un concept universel « Thing », qui généralise tous les concepts, racines des différentes
hiérarchies de concepts, peut être utilisé pour former une seule hiérarchie globale, afin d’éviter
d’avoir des concepts isolés. La figure 4.4 représente la hiérarchie globale de tous les concepts de
l’ontologie-ER.
La hiérarchie du concept « Thème » ne peut être entièrement représentée par un graphe car
elle est volumineuse, mais elle est représentée sous forme de tableaux en Annexe A. La
hiérarchie du concept « ThèmeGénéral », est inspirée du référentiel de [CIGR05] enrichi par
d’autres concepts. La hiérarchie du concept « ThèmeSpécifique», est inspirée des référentiels
[LMD04], [CIGR05], [ABRA04], [YAHI06a] et l’ontologie IT-Skill et des avis des experts.
3: http://www.wiwiss.fu-berlin.de/suhl/radek/semmf
Exigence QualificationPersonnelle
PermisConduire
SituationFamil
VileRésidence
ServiceMilitaire
Rotation TypeEmploi
Nationalité
Sexe
Age
Déplacement Contrat Salaire
Thème
Compétence
ThèmeGénéral ThèmeSpécifique
Compétence Aptitude
technique/scientifique
Mathématique AlgoProgram
Animation Compilation EfficacitéPersonnelle
Budget GenieLogiciel
AssistanceEtService
Langues TraitSensImage
Pédagogie TéchnologiéWeb ActionEtRéalisation
Electronique SystèmeExploitatio
Juridique AptitudManagérial
RéseauxTélécom
Organisation
ArchitectureMachine
ConduitProjets Ressource
ExploitationProduction
AuditSécurité
IntelligenceArtificielle
Management
InterfaceHommeMachine Habilité
Bureautique
SavoirFaire Savoir
GestionD’information
ProcessusMetier
ExploitationProduction
CultureD’entreprise
Contexte
GestionFournisseursAchats
Economique Organisationnel
Est un
Figure 4.3 - Les hiérarchies de concepts
3.2.3 Construction du diagramme des relations binaires

Dans cette étape, nous construisons le diagramme des relations binaires. Dans ce diagramme, les
classes sont représentées par des rectangles et les relations par des arcs orientés (du domaine vers
le co-domaine) et étiquetés par le nom de la relation. La relation inverse d’une relation est aussi
schématisée dans ce diagramme. La figure 4.5 illustre le diagramme des relations binaires.
RéférentielMétiers
RéférentielDiplômes Domaine
liéA liéA
Niveau
réfèreDiplôme référéParRM
référéParRD réfèreMétier
aNiveau
mobilise mobilise
Diplôme Compétence Métier
aFamilDiplôme familDiplômeDe Concerne familMétierDe

aContexte aFamilMétier
FamilDiplôme
FamilMétier
Contexte
SavoirFaire Savoir
mobiliseRessou
aThème aThème Ressource
Compétence
technique/scientifique
Thème
La figure 4.5- Le diagramme des relations binaires.
3.2.4 Dictionnaire de concepts

Dans cette étape nous allons assurer une description formelle des concepts qui ont été présentés
dans la hiérarchie des classes. Ce processus correspond à la création du dictionnaire de concepts
accordé au METHONTOLOGY. Dans ce dictionnaire, nous définissons pour chaque concept :
les attributs, les relations dont la source est ce concept, le père. Le tableau 4.3 représente le
dictionnaire des concepts de l’ontologie-ER.
CONCEPT ROLE PARENT ATTRIBUTS
- Thing typDocument,
document uriDocument
Contexte - Thing poids, nom, expAnglais,

valeurMin, valeurMax
Economique - Contexte poids, nom, expAnglais,
Organisationnel - Contexte poids, nom ,expAnglais,
Diplôme mobilise Thing nom, expAnglais,
(certificat, expFrançais
attestation)
- Thing nom, expAnglais
FamilDiplôme
- QualificationPersonn poids, nationalité
Nationalité elle
- Thing nom
Ressource
Habilité - Ressource nom
SavoirFaire aThème Ressource nom
aThème Ressource nom

Savoir
- Thing nom
Thème
- Thème nom
ThèmeGénéral
- Thème nom
Thème Spécifique
Salaire - Exigence poids, montant, maxDif
Contrat - Exigence poids ,type
TypeEmploi - Exigence poids, type
(…) (…) (…) (…)
Tableau 4.3 – Dictionnaire de concepts de l’ontologie-ER

3.2.5 Tableaux de relations binaires

Les relations binaires sont représentées sous forme de propriétés qui lient un concept à un autre.
Pour chaque relation dont la source est dans l’arbre de classification de concepts, nous
définissons : son nom, sa description, le nom du concept source, le nom du concept cible, la
cardinalité et le nom de la relation inverse. Le tableau 4.4 représente la table des relations
binaires de l’ontologie-ER.
RELATION DESCRIPTION CONCEPT (S) CONCEPT (S) CARDINALIT RELAT

SOURCE (S) CIBLE (S) ES ION
S C INVER
SE
Relie un savoir ou Savoir Théme 1. N 1. N

aThème un savoir faire avec SavoirFaire
son thème.
aFamil Relie un diplôme à Diplôme FamilDiplôme 1. N 1 familD
Diplôme une famille de iplôme
diplômes De
aFamil Relie un métier à Métier FamilMétier 1. N 1 famil
Métier une famille de Métier
métiers De
liéA Relie un référentiel RéférentielDi-- Domaine 1. N 1
de diplômes ou un plomes
référentiel de RéférentielMé-
métiers a tiers
son domaine
mobilise Relie un métier ou Métier Compétence 1. N 1. N
un diplôme à un Diplôme
ensemble de
compétences
réfèreMéti Relie un référentiel Référentiels Métier 1. N 1..N référé
er de métiers à -Métier ParR
l’ensemble des M
métiers qu’il définit
(…) (…) (…) (…) (…) (…) (…)
Tableau 4.4- La table des relations binaires de l’ontologie-ER.

3.2.6 Tableaux des attributs
Les attributs sont des propriétés qui prennent leurs valeurs dans les types prédéfinis (String,
Integer, Boolean, Date…).Pour chaque attribut nous spécifions : son nom, description, les
concepts qu’il contient, son type et l’intervalle de ses valeurs possibles, sa cardinalité, sa valeur
par défaut. Le tableau 4.5 représente la table des attributs des concepts de l’ontologie-ER.
ATTRIBUT DESCRIPTION CONCEPT(s) TYPE Car Val Dom_

d _ Vals
Déf
age Age du candidat, ou Age Entier>0 1
age exigé par un
recruteur
maxDif La différence maximale Salaire Entier>0 1
acceptée entre le salaire
requis et celui toléré
par le chercheur
d’emploi (ou vice
versa)
maxDA La distance maximale VilleRésidence Entier>0 1
acceptée entre la ville
requise et celle de
résidence du chercheur
d’emploi (ou vice
versa).
marié - L’état civil du SituationFamil Chaîne de 1 Oui,
candidat cas caractère non
D’un CV (célibataire
ou marié)
- L’état civil requis par
le recruteur (célibataire
ou marié)
Identification Identifier RéférentielDipl Chaîne de 1
les référentiels ômes, caractère
RéférentielMéti
-ers
(…) (…) (…) (…) (..) (.) (..)
Tableau 4.5- La table des attributs de concepts de l’ontologie-ER.

3.2.7 Tableau des axiomes logiques
Ce tableau contient des définitions de concepts à l’aide des expressions logiques qui sont toujours
vraies. Dans ce tableau nous définissons pour chaque axiome sa description en langage naturel, le
nom du concept auquel l’axiome se réfère et l’expression logique. On ne peut pas citer tous les
axiomes. Le tableau 4.6 représente un extrait de cet ensemble.
CONCEPT AXIOME DESCRIPTION
Ressource ∀ (X), Ressource (X) ⇒ Savoir(X)∨ Une ressource est un savoir

SavoirFaire (X) ∨ Habilité (X) ou un savoir faire ou une
habilité.
Compétence ∀ (X), Compétence(X) ⇒ Aptitude(X) ∨ Une compétence est soit
CompétenceScientifique Technique (X) comportementale soit,
scientifique ou technique.
Thème ∀ (X), ThèmeSpécifique (X) ⇒ Thème (X) Les concepts
Spécifique ∧ (¬ Thème Général(X)) ThèmeSpécifique et
ThèmeGénéral sont
incompatibles
Aptitude ∀ (X), Aptitude (X) ⇒ Compétence(X) ∧ Les concepts Aptitude et
(¬ CompétenceScientfiqueTechnique (X)) CompétenceScientifique ou -
Technique,sont
incompatibles
Thème ∀ (X), Thème (X) ⇒ ThèmeGénéral (X) Chaque thème est soit un
∨ Thèmespécifique(X) thème général, soit un thème
spécifique.
Contexte ∀ (X), Contexte (X) ⇒ Economique (X) Chaque contexte est soit
∨ Organisationnel(X) économique, ou
organisationnel.
Exigence ∀ (X), Exigence (X) ⇒ Rotation (X) ∨ Chaque exigence est soit,
Déplacement (X) ∨ TypeEmploi (X) ∨ rotation, soit déplacement,
Contrat (X) ∨ Salaire(X) soit type emploi, soit contrat,
soit salaire.
(…) (…) (…)
Tableau 4.6- La table des axiomes de concepts de l’ontologie-ER

3.2.8. Les instances des concepts et les assertions sur les instances
Les concepts et les relations de l’ontologie-ER sont instanciés à l’avance par l’expert du domaine,
afin de fournir les différentes instances, dont l’utilisateur (recruteur ou chercheur d’emploi) peut
se servir durant l’annotation de son document.
Les instances et les assertions liées aux concepts relatifs aux métiers (Métier, FamilMétier,
compétence) et diplôme (Diplôme, FamilDiplôme, compétence) sont inspirées respectivement de
[CIGR05], [LMD04] enrichi.
Dans cette section nous allons présenter une description de quelques instances de l’ontologie.
Pour cela, nous spécifierons les noms des individus et les valeurs des attributs pour chacun d’eux.
Le Tableau.4.7 illustre quelques instances pour chaque classe, quelques assertions sur ces
instances sont présentées dans la table des assertions (Tableau 4.8).
CONCEPT INSTANCE ATTRIBUTS VALEURS
Èconomique eco_graEnt poids 6

expAnglais, Great Company
nom Grande Entreprise
Domaine dom_infTélé nom, Informatique et Télécommunication
expEnglais Computers and Télécommunication
Organisationnel org_graSer poids 6
expAnglais, small group
nom petit groupe
valeurMin 5
valeurMax 14
Compétence comp_ traEqui nom TraEqui
expAnglais, Team work
expFrançais Travail en équipe
Diplôme dip_ingInfInD nom Ingénieur ID
expFrançais Ingénieur en Informatique Industrielle
expEnglais Engineer Computers Industrial
(..) (…) (…) (...)
Tableau 4.7- La table des instances de concepts de l’ontologie-ER.

RELATION INSTANCE SOURCE INSTANCE(S) CIBLE(S)
aFamilDiplôme dip_ masterSI FD_ master

aFamilMétier mét_ adminBD FM_ produExploi
Mobilise mét_ adminBD assi_ pédagogie
aContexte comp_java eco_graEnt
liéA RM_réféMétInforma dom_infTélé

mobiliseRessou comp_java hab_raisonner
(...) (…) (…)
Tableau 4.8- La table des attributs de concepts de l’ontologie-ER.
3.3 Formalisation
Dans cette étape, nous utilisons le formalisme des logiques de description pour formaliser le
modèle conceptuel que nous avons obtenu dans l’étape de conceptualisation.
3.3.1 Construction de TBOX

Les définitions des différents concepts sont illustrées dans le tableau 4.9 où nous définissons les
concepts relatifs à notre domaine, en utilisant les constructeurs fournis par les logiques de
descriptions pour donner des descriptions structurées aux concepts. Nous spécifions ainsi dans le
tableau 4.9 les relations de subsomption qui existent entre les différents concepts.
Pour les rôles, nous les définissons en donnant les couples des concepts sources et cibles de
chacune, et/ou en spécifiant son rôle inverse. Le tableau 4.10 représente les définitions de
quelques rôles de notre ontologie.
CONCEPT DEFINITION RELATION DE

SUBSOMPTION
Ressource ∩ (= 1 nom .String) ∩ SavoirFaire⊆
SavoirFaire (=1 aTheme.Théme) Ressource
Exigence ∩ (= 1 accepté .String) ∩

(=1 poids.Int) Déplacement ⊆
Déplacement
Exigence
(=1 nom.String) ∩ (=1 expFrançais.String) ∩
(=1 expEnglais.String) ∩ Métier ⊆ thing
Métier ∩ (=1 aFamilMétier. FamilMétier) ∩
(≥1 mobilise. Compétence)
(=1 nom.String) ∩ (= 1 expFrançais.String) ∩
RéférentielDiplômes (=1 Identification .String) ∩ (≥1 auteur RéférentielDiplômes
.String) ∩ (=1 liéA.domaine) ∩ (≥1 ⊆ thing
réfèreDiplôme. diplôme).
(…) (...) (…)
Tableau 4.9- Définitions des concepts de l’ontologie-ER (dans TBOX).
ROLES COUPLE (DOMAINE, CO-DOMAINE) ROLE INVERSE
aFamilMétier (Métier, FamilMétier) familMétierDe
référeDiplôme (RéférentielMétiers, Métier) référéParRM
RéféreDiplôme (RéférentielDiplômes, Diplôme) référéParRD
aFamilDiplôme (Diplôme, FamilDiplôme) familDiplômeDe
liéA (RéférentielDiplômes, Domaine) -
mobiliseRessou (CompétenceScientifiqueTechnique, Ressource) -
mobilise (Diplôme, Compétence) -
mobilise (Métier, Compétence) -
aContexte (Compétence, Contexte) concerne
(…) (…) (…)
Tableau 4.10- Définitions des rôles de l’ontologie-ER (dans TBOX).

3.3.2 Construction de ABOX
Le langage assertionnel est dédié à la description des faits, en spécifiant les individus (avec leurs
classes) et les relations entre eux de la manière suivante :
A:C Pour dire que A est une instance de la classe C.
(A1, A2) : R Pour dire que les deux individus A1 et A2 sont reliés par la relation R.
Dans les tableaux (tableau 4.11, tableau 4.12) nous définissons quelques assertions :
CONCEPT DESCRIPTION
Contexte eco_graEnt : Contexte, eco_moyEnt : Contexte, eco_petEnt : Contexte.

eco_graEco: Contexte, eco_univ : Contexte…
Habilité hab_raison : Habilité, hab_mémoris : Habilité, …
Domaine dom_infTélé : Domaine …
Organisationnel org_graSer : Organisationnel, org_petSer : Organisationnel

org_moySer : Organisationnel...
Diplôme dip_licProgl : Diplôme, dip_licSI : Diplôme, dip_ingSIA : Diplôme,

dip_ docRéseau: Diplôme, dip_docSys : Diplôme, dip_ingSPD : Diplôme.
(…) (…)
Tableau 4.11- Description assertionnel de concepts.

RELATION DESCRIPTION
aFamilMétier (mét_ adminBDD , FM_ produExploi ) : aFamilMétier ; …
aFamilDiplôme (dip_ masterSI , FD_ master ) : aFamilDiplôme ; …
mobilise (mét_ adminBDD , assi_ pédagogie): mobilise ; …
aContexte (com_java, eco_graEnt): aContexte ; …
liéA (RM_réféMétInforma , dom_infTélé ): liéA; …
(…) (…)
Tableau.4.12- Description assertionnel de relations.
Nous avons attribué un modèle conceptuel à l’ontologie-ER dans cette section. Dans la section
suivante, nous détaillons son implémentation en utilisant éventuellement les outils qui ont été
développés pour cet objectif.
3.4. Implémentation
L’implémentation consiste à traduire l’ontologie formelle de l’étape de formalisation ou

d’évolution, dans un langage opérationnel de définition d’ontologies. Notre choix porte sur le
langage OWL pour la codification de l’ontologie, et cela pour toutes les fonctionnalités
sémantiques que permet OWL et qui sont plus riches que celles de DAML+OIL. D’autre part,
OWL est considéré comme un langage standard de définition des ontologies pour le Web. Par
ailleurs, OWL fait partie du formalisme des logiques de descriptions. Sa sémantique peut être
définie via une transcription vers la logique de descriptions SHIQ.
3.4.1 Création d’un nouveau projet OWL

Lors du premier démarrage de « protégé », une boite de dialogue (Welcome to protégé) s’ouvre
(Figure 4.6).Afin de créer un nouveau projet OWL, nous devons cliquer sur le bouton
« Créate New Project...» puis le bouton « Close » qui se trouvent sur cette boite. De ce fait, une
autre boite de dialogue (Créate New Project) se crée, sur laquelle plusieurs choix sont offerts,
permettant de créer de nouveaux projets OWL selon plusieurs types. Dans notre cas il s’agit d’un
fichier OWL « OWL Files (.owl or .rdf) ». Une fois que ce choix est validé, l’interface de l’outil
s’affiche (Figure 4.7) permettant d’éditer, de visualiser et d’enregistrer des ontologies en OWL.
Figure 4.6- Création d’un nouveau projet OWL
Figure 4.7- Interface de l’outil Protégé-OWL (version3.1.1)

Comme illustrée à la Figure 4.7 l’interface utilisateur de plugin OWL contient divers onglets
associés à des taches spécifiques. Parmi ces onglets, nous présentons ceux utilisés dans
l’implémentation de l’ontologie-ER.
3.4.2 Création des classes et la hiérarchie des classes
L’onglet (OWLClasse) permet de créer les classes (concepts) et la hiérarchie de classes.

Une classe universelle (owl : thing) est utilisée comme racine pour cette hiérarchie, et la création
des sous-classes se fait par le choix de la classe mère, suivi par un simple clique sur le bouton de
création des sous-classes (Figure 4.8). Dans cet onglet, les classes disposant des sous-classes
apparaissant sur l’onglet sont précédées par le signe ( ), alors que les classes disposant des sous-
classes qui n’apparaissent pas sur l’onglet sont précédées par le signe ( ). Ces sous-classes
peuvent être montrées par un simple clique sur ce signe.
Crée une classe

Create new
expression
Nom de la classe
Super classe
Figure 4.8- La hiérarchie des classes.

Les classes définies peuvent être introduites à travers un éditeur des expressions en logique de
descriptions (Figure 4.9). Celui-ci s’affiche en cliquant sur le bouton « Create new expression »
(Figure 4.8).
Figure 4.9- Editeur d’expressions en logique de descriptions
3.4.3 Création des propriétés
L’onglet (Properties) permet de créer les propriétés des classes qui peuvent être de deux types
différents (attribut ou rôle). Il s’agit des attributs (datatypeProperty) de concepts et des rôles
(objectProperty) qui relient les concepts.
La création d’une propriété (dataTypeProperty) pour une classe particulière, consiste à

choisir la classe en question, puis cliquer sur le bouton de création d’une nouvelle propriété
(dataTypeProperty). Les caractéristiques de cette propriété peuvent être renseignées dans
une nouvelle fenêtre (Figure 4.10). Il s’agit de son domaine (rdfs : domain) et co-domaine (rdfs :
range), son domaine de valeurs, un commentaire, les types de données possibles pour les attributs
sont celles offertes par XMLschéma (xsd : boolean, xsd :integer, xsd :positiveInteger, xsd :float,
xsd :string, xsd :decimal, ect).
nom de datatype-
Crée datatype -Property
-Property
domaine datatype
-Property
co-domaine datatype
-Property
Figure 4.10- Création des propriétés (datatypeProperty) des classes.
Les propriétés (objectProperty) peuvent être hiérarchisées dans l’onglet (Properties). Les
caractéristiques des propriétés peuvent être renseignées dans la fenêtre (Figure 4.11). Il s’agit de
son domaine (rdfs : domain) et co-domaine (rdfs : range), la relation inverse qui lui correspond
(owl : inverseOf), un commentaire, ainsi que les caractéristiques de cette propriété
(fonctionnalité, fonctionnalité inverse, symétrie, transité) et les autres propriétés équivalentes et
différentes.
nom objectProperty
Crée
objectProperty
-Property
domaine object co-domaine

-Property objectProperty
Figure 4.11- Création des propriétés (objectProperty) des classes.
Des restrictions sur les cardinalités et les valeurs possibles concernant les propriétés créées
pour certaines classes peuvent être ajoutées à partir de la fenêtre (Figure 4.12). Celle-ci peut être
créée en cliquant sur le bouton « Create restriction… » et s’affiche la figure 4.13.

Création
d’une
restriction
Restrictions
Sur les
propriétés
Figure 4.12- Définition des restrictions sur les propriétés.
Figure 4.13- Création d’une restriction.

3.4.4 Création des instances
Les individus (instances) peuvent être créés en cliquant sur l’onglet (individuals) de l’interface de
Protégé-OWL (Figure 4.14), sur lequel nous sélectionnons la classe à instancier puis nous créons
l’instance. Les champs (propriétés) sont à compléter, soit par les valeurs des attributs, soit par les
noms des instances avec lesquelles cette instance est reliée par un rôle.
Nom de l’instance
Figure 4.14- Définition des instances.
3.4.5 Génération du code

L’outil PROTEGE OWL a été conçu pour dégager et libérer le développeur de la complexité du
codage, même pour implémenter une petite ontologie, celle–ci va prendre plusieurs lignes du
code et nécessite un grand effort. Le code de l’ontologie-ER sera donné à l’annexe B de ce
mémoire.
3.4.6 Test & évolution de l’ontologie
Comme nous l’avons indiqué auparavant, nous utilisons le raisonneur Racer pour vérifier notre
ontologie. Une fois installé, celui-ci se lance par double clique sur son icône d’application qui
ouvre une fenêtre de console, et lance le raisonneur avec une communication HTTP activée.
L’interface utilisateur courante permet de tester la consistance [KNUB04] et la classification. Le
test de la consistance peut être invoqué via le menu « OWL » (Figure 4.8) et s’affiche (la figure
4.15). Il consiste à déterminer si une classe peut être instanciée ou non. Le test de classification
est invoqué entre les classes. Il consiste à inférer une nouvelle hiérarchie de classes, à partir des
définitions de celles-ci. Il permet d’enlever l'inconsistance entre ces dernières.
Figure 4.15- Une partie du menu «OWL » de l’interface de Protégé-OWL.
Indépendamment du raisonneur Racer, le plugin OWL, fournit un mécanisme pour exécuter des
tests supplémentaires sur l’ontologie construite. Ces tests sont des petits programmes java
prédéfinis (liste disponible à travers le menu « OWL », test settings), qui peuvent être étendus par
les programmeurs. Ils prennent une classe, une propriété, un individu ou l’ontologie comme
entrée, vérifient des conditions sur celles-ci, et retournent un message d’erreur dans le cas
d’échec. Un exemple de test prédéfini est celui qui assure l’invariante «l’inverse d’une propriété
fonctionnelle est une propriété fonctionnelle inverse », et vice versa. Si une propriété, dans
l’ontologie a violé les conditions qui lui sont attachées, le système affiche une erreur et peut
même offrir la possibilité de la corriger.
4. Conclusion
Nous avons développé l’ontologie-ER dédiée au e-recrutement. La méthode
METHONTOLOGY est adoptée pour la conceptualisation de l’ontologie afin d’atteindre un
ensemble de représentations intermédiaires qui facilitent sa formalisation via la logique de
description SHOIN. En nous basant sur cette formalisation, nous avons choisi, le langage OWL,
pour codifier l'ontologie formelle, en utilisant l’éditeur graphique PROTEGE OWL, afin de
guider l'implémentation et de produire un code OWL. Par ailleurs, pour vérifier et raffiner
l'ontologie OWL au cours du processus de développement, nous utilisons le système RACER. Ce
dernier peut lire des représentations au format OWL, et effectuer des inférences sur le niveau
terminologique et assertionnel. Les principaux services d’inférences fournis par le système
RACER sont le test de consistance d’un concept« check consistency » et le test de subsomption
d’un concept « classify taxonomy ».
Pour motiver notre travail d’un point de vue pratique, le chapitre suivant montre l’application
des différents services d’appariement proposés et leurs traitements des différents cas de figure.
Chapitre 5 : Etude de cas et implémentation 122
Chapitre 5
Etude de cas et implémentation
Sommaire
1. Introduction
2. Application des services d’appariement
2.1 L’appariement Exact et partiel des compétences
2.1.1 L’appariement de l’offre d’emploi offre1 avec CV1
2.1.3. L’appariement partiel des compétences entre l’offre1 avec CV1
2.1.4. L’appariement partiel des compétences l’offre1 avec CV2
2.2 L’appariement rapproché des compétences
3. Aspect d’implémentation
4. Conclusion
«J ’écoute et j’oublie, je vois et je me souviens, je fais et je comprends »

Proverbe chinois
1. Introduction
Dans ce chapitre, nous présentons une étude de cas qui concrétise notre contribution.
Nous choisissons des CVs et des offres d’emplois variés pour montrer l’application des
différents services d’appariement proposés et leurs traitements des cas particuliers. Ces
services traitent les trois aspects i) les qualifications personnelles. ii) les exigences. iii)
les compétences. Leurs aspects d’implémentation sont détaillés dans la section 3.
2. Application des services d’appariement
Afin de mieux comprendre le déroulement des services d’appariement proposés, nous
choisissons des CVs et des offres d’emploi variés puis nous utilisons le processus
d’annotation proposé dans le chapitre 3 pour annoter ces derniers. Ces CVs et ces offres
d’emploi permettent de bien montrer l’application des différents services proposés.
L’algorithme CV/offre d’emploi proposé utilise les variables : SimComp, SimNiveau,
SimContext pour représenter respectivement le degré de similarité des compétences, le
degré de similarité des niveaux des compétences, le degré de similarité des contextes
des compétences.
2.1 L’appariement Exact et partiel des compétences
Pour mieux comprendre l’exécution des deux services d’appariement des compétences
Exact et partiel, nous choisissons une offre d’emploi (offre1) et deux CVs (CV1, CV2).
Nous les annotons par l’outil FETCH [ALLI08] voir figure 5.1. Les fichiers des
annotations des CVs/offres d’emploi sont détaillés dans l’annexe B. Nous exposons les
fichiers des annotations de l’offre et des deux CVs par la suite en langage naturel pour
des raisons de lisibilité.
En premier lieu, nous montrons l’application de l’appariement exact des compétences,
puis nous montrons l’application de l’appariement partiel (l’appariement des
qualifications personnelles et l’appariement des exigences sont appliqués dans tous les
cas). Le tableau 5.1 synthétise le résultat de l’appariement de l’offre 1 avec CV1et CV2
par l’application des services cités auparavant.
Figure.5.1 Processus d’annotation de l’offre1.
Poids : 05 Age 28 maxDAg : 3 ans

Poids : 05 Sexe féminin
Poids : 05 Nationalité algérien
Poids : / Permis de conduire /
Poids : / Situation Familiale /
Poids : 05 Ville de résidence Constantine maxDA: 150 Km
Poids : / Service national /
Poids : 00 Déplacé : /
Poids : 10 Contrat : titulaire
Poids : 10 Salaire : 30 000DA maxDif : 6000 DA
Poids : 00 Rotation : /
Poids : 10 Type emploi : temps plein
Poids : 50 Compétence : C ++ niveau : Compétent
Contexte économique : Grande entreprise Contexte organisationnel : grand service
Poids : 30 Compétence : Résistance aux pressions niveau : forte
Contexte économique : Grande entreprise Contexte organisationnel : grand service
Figure 5.2. Fichier des annotations de l’offre1.

Age 28
Sexe féminin
Nationalité algérien
Permis de conduire non
Situation Familiale célibataire
Ville de résidence Constantine
Service national dégagé
Déplacé : non
Contrat : titulaire
Salaire : 25 000DA
Rotation : non
Type emploi : temps plein
Compétence : C++ niveau : Débutant
Contexte économique : entreprise moyenne Contexte organisationnel : service moyen
Compétence : Résistance aux pressions niveau : Faible
Contexte économique : entreprise moyenne Contexte organisationnel : service moyen
Figure 5.3. Fichier des annotations du CV1.
Age 30
Sexe féminin
Nationalité algérien
Permis de conduire non
Situation Familiale célibataire
Ville de résidence Skikda
Service national non dégagé
Déplacé : non
Contrat : titulaire
Salaire : 37 000DA
Rotation : non
Compétence : C++ niveau : Intermédiaire
Contexte économique : Grande entreprise Contexte organisationnel : petit service
Compétence : Résistance aux pressions niveau : forte
Contexte économique : Grande entreprise Contexte organisationnel : petit service
Figure 5.4. Fichier des annotations du CV2.
2.1.1 L’appariement de l’offre d’emploi offre1 avec CV1 (nous utilisons leurs
fichiers d’annotations pour extraire les requis et les acquis).
Appariement des qualifications personnelles
Poids : 05 Age : 28 28 maxDAg : 3 ans

Poids : 05 Sexe : féminin féminin
Poids : 05 Nationalité : algérien algérien
Poids : / Permis de conduire : / non
Poids : / Situation Familiale : / célibataire
Poids : 05 Ville de résidence : Constantine Constantine maxDA: 150 Km
Poids : / Service national : / dégagé
PQpersonnel : = 05 + 05 + 05 + 05 = 20
TotalOP : = 20
DAQPersonnel : = (20/ 20) * 100 : = 100 ٪
Appariement des exigences
Poids : / Déplacé : / non

Poids : 10 Contrat : titulaire titulaire
Poids : 10 Salaire : 30 000DA 25 000DA maxDif : 6000 DA
Poids : / Rotation: / non
Poids : 10 Type emploi : temps plein temps plein
PExigence : = 10 + 10 + 10 : = 30
TotalEX : = 30
DA Exigence : = (30 / 30)*100 : = 100 ٪
Appariement exact des compétences
Dans ce qui suit, nous allons comparer les compétences qui annotent l’offre1 (C++,
résistance aux pressions) avec (C++, résistance aux pressions) qui annotent le CV1 par
l’application du service ExactComp.
Compétence : C ++ Compétence : C++

niveau : Compétent niveau : Débutant
Contexte économique : Grande entreprise Contexte économique : Entreprise moyenne
Contexte organisationnel : Grand service Contexte organisationnel : Service moyen
Sim (C ++, C ++ ) : = 1
Pour la compétence « C++ » de l’offre 1 nous calculons le produit du niveau par

EVAcontext.
EVAcontext (grande entreprise, grand service) = 6 * 3/4 + 6 * 1/4 = 6
Niveau * EVAcontext (grande entreprise, grand service) = 4 * 6 = 24
Pour la compétence « C++ » de CV1 nous calculons le produit du niveau par

EVAcontext.
EVAcontext (entreprise moyenne, service moyen) = 5 * 3/4 + 5 * 1/4 = 5
Niveau * EVAcontext (entreprise moyenne, service moyen) = 1 * 5 = 5
24 n’est pas inférieur à 5 alors PComp : = 0
Compétence : Résistance aux pressions Compétence : Résistance aux pressions

niveau : forte niveau : faible
Contexte économique : Grande entreprise Contexte économique : entreprise moyenne
Contexte organisationnel : grand service Contexte organisationnel : service moyen
Sim (résistance aux pressions, résistance aux pressions ) = 1.
Pour la compétence « résistance aux pressions » de l’offre1 nous calculons le produit du
niveau par EVAcontext.
EVAcontext (grande entreprise, grand service) = 6 * 3/4 + 6 * 1/4 = 6
Pour la compétence « C++ » de CV nous calculons le produit du niveau par

EVAcontext.
EVAcontext (entreprise moyenne, service moyen) = 5 * 3/4 + 5 * 1/4 = 5
12 n’est pas inférieur à 5 alors PComp : = 0
Le degré d’appariement final des compétences CompExact : = 0 + 0 = 0
Le degré d’appariement de tous les acquis avec tous les requis est :
DAFinal : = (30 + 20) / (30 + 20 + 80) * 100 = 38.46 ٪

Poids : / Permis de conduire : / non
Poids : 15 Ville de résidence : Constantine skikda maxDA: 150 Km
Poids : / Service national : / dégagé
PQpersonnel : = (15 * (1- ((1/ 3) * (30 - 28)))) + 05 + 05 + (15 *(1-((1/ 150) * 80)))
= 20
TotalOP : = 40
DAQPersonnel : = (20/ 40) * 100 = 50 ٪

Poids : / Rotation : / non
PExigence : = 05 + 0 (par ce que : 7 000 ≤ 6 000) + 05 = 10

TotalEX : = 20
DAExigence : = (10 / 20)*100 = 50 ٪
Appariement exact des compétences
Dans ce qui suit, nous allons comparer les compétences annotant l’offre1 qui sont (C++,
résistance aux pressions) avec (C++, résistance aux pressions) annotant CV2
par l’application du service ExactComp.
Compétence : C ++ Compétence : C++

niveau : Compétent niveau : Intermédiaire
Contexte économique : Grande entreprise Contexte économique : Grande entreprise
Contexte organisationnel : Grand service Contexte organisationnel : petit service
Sim (C ++, C ++ ) = 1
Pour la compétence « C++ » de l’offre1 le produit du niveau par EVAcontext.
égal a 24 (déjà calculé).
Pour la compétence « C++ » de CV2 nous calculons le produit du niveau par

EVAcontext.
EVAcontext (grande entreprise, petit service) = 6 * 3/4 + 4 * 1/4 = 5.5
Niveau * EVAcontext (grande entreprise, petit service) = 2 * 5.5= 11
24 n’est pas inférieur à 11 alors PComp : = 0.
Compétence : Résistance aux pressions Compétence : Résistance aux pressions

niveau : forte niveau : forte
Contexte économique : Grande entreprise Contexte économique : Grande entreprise
Contexte organisationnel : grand service Contexte organisationnel : petit service
Sim (résistance aux pressions, résistance aux pressions ) = 1
Pour la compétence « résistance aux pressions » de l’offre1 le produit du niveau par

EVAcontext égal 12 (déjà calculé).
Pour la compétence « résistance aux pressions » de CV2 nous calculons le produit du
niveau par EVAcontext.
EVAcontext (grande entreprise, petit service) = 6 * 3/4 + 4 * 1/4 = 5.5
Niveau * EVAcontext (grande entreprise, petit service) = 2 * 5.5 = 11.
12 n’est pas inférieur à 11 alors PComp : = 0.
Le degré final d’appariement des compétences CompExact: = 0 + 0 = 0.

DAFinal : = (20 + 10) / (40 + 20 + 80) * 100 = 21.42 ٪
2.1.3. L’appariement partiel des compétences entre l’offre1 avecCV1 (nous

utilisons leurs fichiers d’annotation pour extraire les requis et les acquis).
Dans ce qui suit, nous allons calculer le produit du degré de similarité du contexte et le
degré de similarité du niveau, de chaque compétence de l’offre avec celle du CV de
même type (compétence scientifique /technique ou aptitude).
SimNiveau (niveau (C ++), niveau (C ++)) = SimNiveau (compétent, débutant) =
= 1-(1/5(4 - 1)) = 2/5.
SimContext(contexte (C ++), contexte (C ++))
= ¾ * similarité économique contexte + ¼ * similarité contexte organisationnel
= ¾ * SCEco (grande entreprise, entreprise moyenne) + ¼ * SCOrg (grand service,
service moyen) = 5/6
SimNiveau * SimContext = 2/5 * 5/6 =1/3.
PComp = 1/3 *50 = 16.66
SimNiveau (niveau (résistance aux pressions), niveau (résistance aux pressions)) =

SimNiveau (forte, faible) = 1-(1/2(2 - 1)) = 1/2
SimContext (contexte (résistance aux pressions), contexte (résistance aux pressions))
= ¾ * similarité contexte économique + ¼ * similarité contexte organisationnel
= ¾ * SCEco (grande entreprise, entreprise moyenne) + ¼ * SCOrg (grand service,
service moyen) = 5/6
SimNiveau * SimContext = 1/2 * 5/6 = 5/12
PComp = 5/12 * 30 = 12.5
Le degré d’appariement partiel des compétences entre l’offre 1 et le CV1 est :
PComp = 12.5 + 16.66 = 29.16
TotalComp = 80.
DACompétence = (((16.66+ 12.5) /80) * 100) = 36.45٪
DAFinal : = ((20 + 10 + 29.16) / (40 + 20 + 80)) * 100 = 63.68 ٪
2.1.4. L’appariement partiel des compétences l’offre1 avec CV2 (nous utilisons leurs
Dans ce qui suit, nous allons calculer le produit de degré similarité de contexte par le
degré de similarité de niveau, de chaque compétence annote l’offre avec la compétence
de même nom qui annote le CV.
SimNiveau (niveau (C ++), niveau (C ++)) = SimNiveau (compétent, intermédiaire) =
= 1-(1/5 * (4 - 2)) = 3/5
SimContext(contexte (C ++), contexte (C ++))
= ¾ * SCEco (grande entreprise, grande entreprise) + ¼ * SCOrg (grand service,
petit service) = ¾ + ¼ * (1- 1/6(6- 4)) = ¾ + ¼ * (2/3) = 0.91
SimNiveau * SimContext = 3/5 * 0.91 = 0.549
PComp = 0.55 *50 = 27.5
SimNiveau (niveau (résistance aux pressions), niveau (résistance aux pressions)) =
SimNiveau (forte, forte) = 1
SimContext (contexte (résistance aux pressions), contexte (résistance aux pressions))
= ¾ * SCEco (grande entreprise, grande entreprise) + ¼ * SCOrg (grand service,
petit service) = ¾ * 1 + ¼ * (1-1/6(6 -4)) = ¾ + ¼ * 2/3 = 0.91
SimNiveau * SimContext = 1 * 0.91 = 0.91.

PComp = 0.91* 30 = 27.3.
TotalComp = 80.
Le degré d’appariement partiel des compétences entre l’offre d’emploi 1 et le CV2 est :
PComp : = 27.5 + 27.3 = 54.8
DACompétence = ((54.8)/80) * 100 = 69 ٪
DAFinal : = (20 + 10 + 54.8) / (40 + 20 + 80) * 100 = 60.57 ٪
Le tableau 5.1 résume le résultat d’appariement de l’offre 1 avec CV1 et CV2:
Degré DAFinal Exact DAFinal Partiel Qualification Exigence

d’appariement dans le cas Compétence dans le cas Compétence personnelle
d’appariement d’appariement
Exact des Partiel des
compétences compétences
CV1 38.46 ٪ 0٪ 63.68 ٪ 36.45 ٪ 100٪ 100٪
CV2 21.42 ٪ 0٪ 60.57 ٪ 69 ٪ 50٪ 50٪
Tableau 5.1. Les degrés d’appariement de l’offre1 avec CV1 et CV2
2.2 L’appariement rapproché des compétences

Nous choisissons une offre d’emploi (offre2) et trois CV (CV3, CV4, CV5) variés pour
montrer l’application du service d’appariement rapproché des compétences et aussi
l’appariement des qualifications personnelles et celui des exigences
et pour bien montrer aussi le traitement des cas particuliers. Les CVs et l’offre d’emploi
nous les annotons par l’outil FETCH voir la figure 5.5 et la figure 5.6. Les fichiers des
annotations des CVs/offres d’emploi sont détaillés dans l’annexe B. Nous exposons les
fichiers des annotations de l’offre et des deux CVs par la suite en langage naturel pour
des raisons de lisibilité aux lecteurs.
Le résultat de l’appariement pour chaque couple (offre1, CVx) et x Є {3, 4,5}: est le
degré d’appariement de tous les acquis avec tous les requis (DAfinal) le degré
d’appariement des qualifications personnelles (DAQPersonnel), le degré d’appariement des
exigences (DAExigence), le degré d’appariement des compétences (DAcompétence) ils sont
synthétisés dans le tableau 5.2 et triés selon DAFinal puis par DAcompétence puis par
DAQPersonnel puis DAExigence ( c’est un choix fait par exemple par un utilisateur) .
Figure.5.5. Processus d’annotation de l’offre2.

Figure.5.6. Processus d’annotation de CV3.
Poids : 15 Age : 28 maxDAg : 2 ans

Poids : 05 Sexe : féminin
Poids : 05 Nationalité : algérien
Poids : 00 Permis de conduire : /
Poids : 00 Situation Familiale : /
Poids : 15 Ville de résidence : Constantine maxDA: 90 Km
Poids : 05 Service national : dégagé
Poids : 00 Déplacé : /
Poids : 05 Contrat : titulaire
Poids : 10 Salaire : 30 000DA maxDif : 5000 DA
Poids : 05 Rotation : non
Poids : 05 Type emploi : temps plein
Poids : 50 Compétence : java niveau : Compétent
Contexte économique : Grande entreprise
Contexte organisationnel : service moyen
Poids : 30 Compétence : Travail en équipe niveau : forte
Contexte économique : Grande entreprise
Contexte organisationnel : service moyen
Figure.5.7. Fichier des annotations de l’offre2.

Age : 30
Sexe : masculin
Nationalité : algérien
Permis de conduire : /
Situation Familiale : marié
Ville de résidence : Skikda
Service national : dégagé
Déplacé : non
Contrat : titulaire
Salaire : 50 000DA
Rotation : non
Compétence : pascal Niveau : Compétent
Contexte économique : Grande entreprise Contexte organisationnel : Grand service
Compétence : coopération Niveau : forte
Contexte économique : petite entreprise Contexte organisationnel : petit service
Figure 5.8. Fichier des annotations de CV3.

Age 26
Sexe féminin
Nationalité : algérien
Situation Familiale : célibataire
Ville de résidence : Constantine
Déplacé : non
Contrat : titulaire
Salaire : 34 000DA
Rotation : non
Compétence : lisp Niveau : Compétent
Contexte économique : petite entreprise Contexte organisationnel : petit service
Compétence : gestion de situation Niveau : faible
Contexte économique: petite entreprise Contexte organisationnel: petit service
Age : 34
Sexe : féminin
Nationalité palestinien
Situation Familiale : célibataire
Ville de résidence : Sétif
Déplacé : non
Contrat : titulaire
Salaire : 30 000DA
Rotation : non
Compétence : C++ Niveau : professionnel
Contexte économique : Centre universitaire Contexte organisationnel : Grand group
Compétence : Autonomie Niveau : faible
Contexte économique : Grande entreprise Contexte organisationnel : Grand service
Compétence : Travail en équipe Niveau : forte
Contexte économique : Centre universitaire Contexte organisationnel : Grand group

Thème
Thème Thème
Général Spécifique
. Mathématique Langue Gestion

D’information AlgoProgram
Allemand Anglais
LangProgHautNiveau Algorithmique
LangProImpératif LangProFonctionnel LangProOrientéObje

t
Basic Pascal Haskell Lisp Java C++
Figure 5.11 Hiérarchie des thèmes.
fichiers d’annotations pour extraire les requis et les acquis)

Poids : 05 Sexe : féminin masculin
Poids : / Permis de conduire : / /
Poids : / Situation Familiale : / oui
Poids : 15 Ville de résidence : Constantine Skikda maxDA: 90 Km
Poids : 05 Service national : dégagé dégagé
PQpersonnel : = (15 * (1- ((1/ (3)) * (30 - 28)))) + 00 + 05 +

(15 *(1-((1/ (90))*80))) + 05 = 16.8

TotalOP : = 45
DAQPersonnel : = (16.8/ 45) * 100 : = 37.33 ٪

Poids : 05 Rotation : non non
PExigence : = 05 + 0 (le zéro est due pace que : 30 000 < 50 000) + 05 + 05 : = 15
TotalEX : = 25
DAExigence : = (15 / 25)*100 : = 60 ٪
Appariement rapproché des compétences
Dans ce qui suit nous allons comparer les compétences qui annotent l’offre2 qui sont
{java, travail en équipe} avec {pascal, coopération} qui annotent CV3 par l’application
du service RapprochéComp. Chaque compétence scientifique ou technique mobilise un
ensemble de ressources (un extrait de la hiérarchie des thèmes des ressources est illustré
dans la figure 5.11, le nombre de concepts dans la hiérarchie des thèmes spécifique
égale à 361), java mobilise les ressources suivantes : (savoir mathématique, savoir
anglais, savoir en langage orienté objet, savoir faire algorithmique, savoir-faire java,
habilité de raisonner, perception des enjeux), pascal mobilise les ressources suivantes :
(savoir mathématique, savoir anglais, savoir en langage impératif, savoir faire
algorithmique, savoir-faire pascal, habilité de raisonner, perception des enjeux).
Le calcul de la similarité de «java » et «pascal » selon leurs ressources, leurs contextes,
leurs niveaux est le suivant :
DAhabilité= Sim (raisonner, raisonner) + Sim (perception des enjeux, perception des
enjeux) = 1+ 1 = 2
DAsavoir = Sim (mathématique, mathématique) + Sim (anglais, anglais) + Sim (langage
orienté objet, langage impératif)
DAsavoir = 1 + 1 + Sim (langage orienté objet, langage impératif)
= 1+1+ 0.73 = 2.73
DAsavoirF = Sim (algorithmique, algorithmique) + Sim (java, pascal)

= 1 + SimComp (java, pascal) = 1+0.49= 1.49.
SimComp = F(R, A, mobilise) = DAhabilité + DAsavoir + DAsavoirF / N
= (2 + 2.73 + 1.49) /7 = 0.89.
SimNiveau (niveau (java), niveau (pascal)) = SimNiveau (compétent, compétent) = 1.
SimContext (contexte (java), contexte (pascal))

= ¾* similarité contexte économique + ¼ * similarité contexte organisationnel
= 3/4* SCOrg (grande entreprise, grande entreprise) + 1/4 * SCEco (service moyen,
grand service).
= ¾ * 1 + ¼ * 1 = 1.
PComp : = 50 * 1*1* 0.89 = 44.5.
Pour calculer la similarité des deux aptitudes « travail en équipe» et « coopération» ,
nous calculons d’abord la similarité de leurs niveaux puis de leur contexte, puis de leur
nom (sinon de leur catégorie).
SimNiveau (niveau (travail en équipe), niveau (coopération)) = SimNiveau (forte, forte)
= 1.
SimContext (contexte (travail en équipe), contexte (coopération))
= ¼ * similarité contexte organisationnel + ¾ * similarité contexte économique
= ¼ * SCOrg (service moyen, petit service) + ¾ * SCEco (grande entreprise, petite
entreprise)
= ¼ * (1- (1/6 * (5 - 4)) + ¾ * (1- (1/6 * (6 - 4)) = 0.7
PComp : = poids * SimNiveau * SimContext * SimComp = 30 * 1 * 0.7 * ¼ = 5.25
SimComp = 1/4 parce que « travail en équipe» et « coopération» sont de la même

catégorie.
PComp : = 44.5 + 5.25 = 49.75

TotalComp : = 30 + 50 = 80
DACompétence : = (49.75 /80) * 100 = 62.18 ٪
DAFinal : = (16.8 + 15 + 49.75 ) / ( 45 + 25+ 80 ) *100 = 54.36 ٪
Nous procédons de la même manière pour le CV4, nous comparerons les requis du
recruteur avec les acquis du chercheur d’emploi par l’application des services proposés
(appariement des qualifications personnelles, appariement des exigences, appariement
rapproché des compétences).

Poids : 15 Ville de résidence : Constantine Constantine maxDA: 90 Km
PQpersonnel : = (15 * (1- ((1/ (3)) * (28 - 26)))) + 05 + 05 +

15 + 05 = 35
TotalOP : = 45
DAQPersonnel : = (35/ 45) * 100 = 77.77 ٪

PExigence : = 05 + (10*(1- ((1/5000) *(34000-30000)))) + 05 + 05 : = 17

TotalEX : = 25
DAExigence : = (17 / 25)*100 = 68 ٪
Dans ce qui suit nous allons comparer les compétences requises avec celles acquises,
par l’application du service RapprochéComp, sachant que les compétences annotant
l’offre2 sont {java, travail en équipe} et {lisp, gestion de situation} pour CV4.
Les ressources de java comme indiquées précédemment sont (savoir mathématique,

savoir anglais, savoir en langage orienté objet, savoir faire algorithmique, savoir-faire
java, habilité de raisonner, perception des enjeux).
Lisp mobilise les ressources suivantes : (savoir mathématique, savoir anglais, savoir en
langage fonctionnel, savoir faire algorithmique, savoir-faire lisp, habilité de raisonner,
perception des enjeux).
Le calcul de la similarité de «java » et « lisp » selon leurs ressources, leurs contextes,
enjeux) = 1+ 1 = 2.
DAsavoir = Sim (mathématique, mathématique) + Sim (anglais, anglais) +
Sim (langage orienté objet, langage fonctionnel)
DAsavoir = 1 + 1 + Sim (langage orienté objet, langage fonctionnel)
= 1+1+0.67 = 2.67
DAsavoirfaire = Sim (algorithmique, algorithmique) + Sim (java, lisp)
= 1 + Sim (java, lisp) = 1+0.49 = 1.49
SimComp = F(R, A, mobilise) = DAhabilité + DAsavoir + DAsavoirF / N
= (2 + 2.67 + 1.49) /7 = 0.88
SimNiveau (niveau (java), niveau (lisp)) = SimNiveau(compétent, compétent) = 1.
SimContext (contexte (java), contexte (lisp))
= ¾ * (grande entreprise, petite entreprise) + ¼ * (service moyen, petit service)
= ¾* (1-1/6(6-5)) + ¼ * (1- 1/6(5-4)) = 3/4*5/6 + 1/4 * 5/6 = 5/6
PComp : = poids * SimComp * SimNiveau * SimContext = 50 * 0.88 *1* 5/6 = 36.52.
Pour calculer la similarité des deux aptitudes « travail en équipe » et « gestion de
situation » en premier lieu, on calcule la similarité de leurs noms (sinon de leurs
catégorie), puis de leurs niveaux, puis de leurs contextes.
Parce que « travail en équipe » et « gestion de situation », ont des noms et des
catégories différentes, donc leur similarité est égale à zéro.
PComp : = 36.52
TotalComp : = 30 + 50 = 80
DACompétence : = (36.52/ 80)*100 = 45.65٪
DAFinal : = (36.52 + 17 + 35 ) / (80 + 25 + 45 ) *100 = 59.01 ٪
On va répéter les mêmes étapes vues précédemment entre offre2 et CV5.

Poids : 05 Nationalité : algérien palestinien
Poids : 15 Ville de résidence : Constantine Sétif maxDA: 90 Km
PQpersonnel : = 0 + 05 + 0 + 0 + 05 = 10
TotalOP : = 45
DAQPersonnel : = (10 / 45) * 100 = 22.22 ٪

PExigence : = 05 + 10 + 05 + 05 : = 25
TotalEX : = 25
DAExigence : = (25 / 25)*100 = 100 ٪
Dans ce qui suit nous allons comparer les compétences annotant l’offre2 qui sont {java,
travail en équipe} avec {C++, travail en équipe, autonomie} annotant le CV5
par l’application du service RapprochéComp.
Les ressources de java sont : (savoir mathématique, savoir anglais, savoir en langage
orienté objet, savoir faire algorithmique, savoir-faire java, habilité de raisonner,
C++ mobilise les ressources suivantes : (savoir mathématique, savoir anglais, savoir en
langage orienté objet, savoir faire algorithmique, savoir-faire C++, habilité de raisonner,
Le calcul de la similarité de « java » et « C++ » selon leurs ressources, leurs contextes,
enjeux) = 1+ 1 = 2
DAsavoir = Sim (mathématique, mathématique) + Sim (anglais, anglais) +
Sim (langage orienté objet, langage orienté objet)
DAsavoir = 1 + 1 + Sim (langage orienté objet, langage orienté objet) = 1+1+1 = 3
DAsavoirF = Sim (algorithmique, algorithmique) + Sim (java, C++)
= 1 + Sim (java, C++) = 1+0.67 = 1.67
SimComp = F(R, A, mobilise) = DAhabilité + DAsavoir + DAsavoirF / N = (2 + 3 +
1.67) / 7 = 0.95
SimNiveau (niveau (java), niveau (C++)) = SimNiveau (compétent, professionnel) = 1
SimContext (contexte (java), contexte (C++))

= ¼ * (service moyen, grand group) + ¾ * (grande entreprise, centre universitaire)
= ¼ * (1- (1/6 * (5 - 1)) + ¾ * (1- (1/6 * (6 - 1)) = 0.21.
PComp : = poids * SimComp * SimNiveau * SimContext = 50 *0.95 *1 *0.21 = 9.97.
Pour calculer la similarité des deux aptitudes « travail en équipe » et «travail en
équipe », et de «travail en équipe » et « autonomie », en premier lieu, on calcule la
similarité de leur nom (sinon de leur catégorie), puis de leurs niveaux, puis de leurs
contextes.
Puisque «travail en équipe » et « autonomie » n’ont pas le même nom et comme ils
n’ont pas aussi la même catégorie, alors leur similarité est égale à zéro.
SimNiveau (niveau (travail en équipe), niveau (travail en équipe)) = SimNiveau (forte,
forte) = 1
SimContext (contexte (travail en équipe), contexte (travail en équipe))
= ¼ * (service moyen, grand group) + ¾ * (grande entreprise, centre universitaire)

= ¼ * (1- (1/6 * (5 - 1)) + ¾ * (1- (1/6 * (6 - 1)) = 0.21.
PComp : = poids * SimComp * SimNiveau * SimContext = 30 * 1 * 1 * 0.21 = 6.3.
PComp : = 6.3 + 9.97 = 19.42.

TotalComp : = 30 + 50 = 80.
DACompétence : = (19.42 /80)*100 = 24.27٪
DAFinal := (10+ 25 + 19.42) / (45 + 25 +80) * 100 = 36.28 ٪
Degré Final Compétence Qualification Exigence

d’appariement personnelle
CV4 59.01 ٪ 45.65٪ 77.77 ٪ 68 ٪
CV3 54.36 ٪ 62.18٪ 37.33 ٪ 60 ٪
CV5 36.28٪ 24.27٪ 22.22 ٪ 100٪
Tableau 5.2. Les degrés d’appariement de l’offre2 avec CV3 et CV4 et CV5
On peut synthétiser d’après les exemples montrés précédemment que l’introduction de

degré de rapprochement des contextes dans le calcul de degré d’appariement des
compétences influence sur ce dernier, la similarité faible des contextes minimise le
degré de rapprochement des compétences même si ces compétences sont similaires
(leurs ressources sont similaires ou leurs noms ou leurs catégories) ainsi que leurs
niveaux.
3. Aspect d’implémentation
Les fichiers d’annotation des CVs et des offres d’emploi ainsi que l’ontologie-ER sont
codés en OWL. Le raisonneur RACER [HAAR04] est un programme Java qui peut
interpréter des documents OWL et offre des services de raisonnement aussi bien pour le
niveau terminologique de l’ontologie (T_box) qui définit les concepts, que pour le
niveau assertionel (A_box) qui définit les individus et les rôles qui lient ces derniers.
Ces deux niveaux constituent une base de connaissance.
RACER dispose d’un langage de requêtes riche RQL (Racer Query Language)
[HAAR04] offre des fonctionnalités de raisonnement sur le A-Box et le T-Box qui
permettent l’implémentation des services d’appariement basés compétences proposées
telles que :
§ Déterminer les descendants et les parents d’un concept dans une hiérarchie : Cette
fonctionnalité permet l’implémentation du service appariement RaprochéComp
où précisément la procédure Raproch permet de calculer le degré de rapprochement

des thèmes de ressource (savoir ou savoir faire) en exploitant la hiérarchie des thèmes
général ou spécifique.
§ Le calcul du type direct (la classe) d’un individu (instance): cela pourra être utilisé
pour les tests de type d’un requis, tel que « si aptitude (requis) », ou
« si Aptitude (requis) » ou «si CompétenceSientifiqueTéchnique(requis)» dans le
service appariement rapproché des compétences «RapprochéComp »
Le code en RQL de ces requêtes est le suivant :
-(retrieve () (|java|) (|CompétenceSientifiqueTéchnique|)) permet de tester si la
compétence java est une compétence scientifique ou technique.
-(retrieve () (|coopération|) (|Aptitude|)) permet de tester si la compétence coopération
est une Aptitude.
§ L’extraction des instances d’une classe particulière, même selon différents critères, à
base des rôles et des attributs de ses instances. On utilise cette fonctionnalité par
exemple pour l’implémentation des deux procédures
« ExtraireComp(FAOffre,CompétenceOffre) »,« ExtraireComp(FACv,CompétenceCv)»
qui sont utilisées par les services : appariement Rapproché des compétences,
appariement Exact des compétences, appariement Partiel des compétences. Exemple des
requêtes utilisées par ces deux procédures sont :
- (retrieve ( ?x) ( ?x Compétence) : pour extraire les instances de la classe compétence.
- (retrieve ( ) ( ?x Aptitude) : répond avec « vrai» s’il existe des instances de la classe
citée.
- (retrieve ( ?x) ( ?x java aContexte) : pour extraire le contexte organisationnel et
économique d’une compétence.
- (retrieve (? x) (? x java mobilseResou) : pour extraire les resources d’une compétence
scientifique ou technique.
Pour l’implémentation des services «appariement des qualifications

personnelles » et « appariement des exigences », Java est le langage utilisé pour le
codage de ces services. Nous avons utilisé éventuellement les APIs de PROTEGE OWL
puisque les deux services n’ont pas besoin d’un raisonnement ontologique. Parmi ces
APIs on trouve les APIs :
edu.stanford.smi.protegex.owl.jena: la classe (JenaOWLModel)
edu.stanford.smi.protegex.owl.model: les classes (OWLNamedClass,
OWLProperty, OWLIndividual, RDFSLiteral).
Et d’autres APIs fournies par l’éditeur PROTEGE OWL. Pour interrogé les fichiers des
annotations OWL. Le code complet de ces service se trouve a l’annexe C, un extraie est
illustré a la figure 5.12 et un résumé des classe est schématiser dans la figure 5.13.
Figure 5.12. Un extraite du code.
Figure 5.13. Résumé du code.

4. Conclusion
Dans ce chapitre, nous avons appliqué les services proposés dans le chapitre 3 sur des
offres d’emplois et des CVs. En premier lieu nous avons choisi une offre d’emploi et
deux CVs pour montrer l’exécution des services i) appariement exact des compétences,
ii) appariement partiel des compétences et au même temps l’appariement des
qualifications personnelles et l’appariement des exigences. Nous avons montré aussi
l’application des services i) appariement des qualifications personnelles ii) appariement
des exigences iii) appariement rapproché des compétences sur une offre d’emploi et
trois CVs variés. Nous avons essayé de traiter la majorité des cas spéciaux, montré que
le contexte influence largement le degré d’appariement des compétences, plus les
contextes des compétences sont similaires plus le degré de
rapprochement des compétences est grand et vice versa.
L’implémentation des services d’appariement basé compétences est possible via les
fonctionnalités offertes par le raisonneur RACER, en particulier le langage de requêtes
RQL. Pour les services appariement des qualifications personnelles et appariement des
exigences nous les avons implémentés via les APIs de PROTEGE-OWL dans une
application java.
Dans ce qui suit nous présentons une conclusion de notre travail et des perspectives
pour des travaux futurs.
Conclusion et perspectives 147
Conclusion générale et perspectives

« Ce n'est pas la fin.
Ce n'est même pas le commencement de la fin.
Mais, c'est peut-être la fin du commencement »
Winston Churchill
Internet est devenu le canal principal pour le recrutement. Cependant les outils dédiés à la
recherche des CVs/offres d’emplois sont purement syntaxiques et les résultats retournés sont
loin de satisfaire l’utilisateur. L’introduction des technologies émergentes du Web
Sémantique est devenue une nécessité. Parmi ces technologies on trouve l’annotation
sémantique, elle est l’approche la plus utilisée par les travaux qui visent l’automatisation du
rapprochement des CVs/offres d’emploi, vue sa simplicité. Elle consiste a l’assignement des
éléments d’une ontologie (instance de classe, instance de relation) aux éléments d’un
document.
En premier lieu, dans ce mémoire nous avons décrit l’architecture globale du système qui
supporte l’appariement sémantique des CVs/offre d’emploi, par la suite nous avons détaillé
chaque composant et montré l’application de notre approche par une étude de cas.
Pour la modélisation du contenu sémantique des CVs et des offres d’emplois, nous avons
construit une ontologie dédiée au e-recrutement. Cette ontologie permet une meilleure
gestion des compétences et des connaissances, elle est axée sur la modélisation de la
compétence. Le modèle de la compétence proposé est riche et pertinent parce qu’il tient
compte du type de la compétence (scientifique et technique ou aptitude), des ressources
relatives aux compétences scientifiques (habilité, savoir, savoir-faire), de la catégorie relative
aux aptitudes (managériales, résolution des problèmes, …), du niveau d’expérience et des
contextes organisationnel et économique de la compétence. Les concepts et les relations de
l’ontologie-ER que nous avons proposée sont inspirés des parties communes les plus
significatives des CVs et des offres d’emploi (qualification personnelle, exigence, diplôme,
expérience professionnelle, compétence). Les métiers sont inspirés de CIGREF et les

diplômes sont inspirés du référentiel LMD. Le domaine de cette dernière est « l’Informatique
et la Télécommunication ». Nous avons adopté METHONTOLOGY pour la conceptualisation
de l’ontologie, afin d’atteindre un ensemble de représentations intermédiaires qui facilitent sa
formalisation via la logique de descriptions SHOIN. En nous basant sur cette formalisation,
nous avons choisi le langage OWL, pour codifier l'ontologie formelle, nous avons utilisé
l’éditeur graphique PROTEGE-OWL, pour guider l'implémentation de l’ontologie et pour
produire un code OWL. Par ailleurs, pour vérifier et raffiner l'ontologie OWL au cours du
processus de développement, nous avons utilisé le système RACER. Ce dernier, peut lire des
représentations au format OWL, effectuer des inférences sur le niveau terminologique et
assertionnel. Les principaux services d’inférences fournis par le système RACER sont le test
de consistance d’un concept« check consistency » et le test de subsomption d’un concept
« classify taxonomy ».
Pour l’annotation, nous avons proposé un processus pour les recruteurs et les chercheurs
d’emplois, qui consiste à instancier et exploiter l’ontologie-ER par un outil d’annotation
[ALLI08] que nous avons adapté pour l’annotation des documents HTML. Ce dernier facilite
l’enrichissement des documents avec des annotations. L’appariement sémantique est l’objectif
visé par ce mémoire, entre les requis d’un recruteur (fichiers d'annotations de l’offre d’emploi
: FAoffre) et les acquis d’un chercheur d’emploi (fichier d'annotations d’un CVs : FACV). IL
revient à calculer leur degré de rapprochement. Pour cela, nous avons proposé des services
d’appariement qui traitent trois aspects : les qualifications personnelles, les exigences, les
compétences. Puisque les compétences sont cruciales pour la sélection d’un chercheur
d’emploi (l’offre qui correspond le plus au profil d’un chercheur d’emploi), nous avons
proposé trois techniques pour les rapprocher : exacte, partielle et rapprochée. Le résultat
d’appariement d’une offre d’emploi avec des CVs (ou vice versa) est un ensemble de
quintuplés (URI, DAfinal, DAQPersonnel, DAExigence, DAcompétence) trié par le degré d’appariement
final (DAfinal ) suivi par les trois autres degrés (DAcompétence ,DAQPersonnel , DAExigence ) leur ordre
de tri est en fonction du choix de l’utilisateur, l’URI est l'identifiant d’un CV ou d’une offre
d’emploi, DAfinal est le degré d’appariement de tous les acquis avec tous les requis,
DAQPersonnel est le degré d'appariement selon les qualifications personnelles, DAExigence est le
degré d'appariement selon les exigences, DAcompétence est le degré d'appariement selon les
compétences.
Nous avons montré dans ce mémoire par une étude de cas l’application des algorithmes
proposés. Nous avons pris en considération dans cette étude les différents cas spécifiques des
algorithmes proposés. Nous avons implémentés l’algorithme d’appariement des qualifications

personnelles et l’algorithme d’appariement des exigences par l’exploitant des APIs de
Protégé-OWL, dans une application JAVA, nous avons ainsi discuté les aspects
d’implémentation des algorithmes d’appariement basé compétence qui sont possibles via le
raisonneur RACER et le langage de requête RQL.
Dans l’état actuel de cette étude, nous envisageons plusieurs améliorations ou extensions
possibles :
1. Pour augmenter la pertinence des résultats d’appariement, nous comptons prendre en

compte des contextes plus complexes tels que le contexte technologique (la
technologie d’un outil utilisé).
2. Il serait également intéressant de considérer, dans la modélisation de l’ontologie,
l’opérateur de formation, comme troisième acteur de notre système (portails de
recrutement sémantique), en plus du recruteur et du chercheur d’emploi.
3. La proposition des services adéquats pour la sélection d’un formateur, pour former
un chercheur d’emploi choisi durant le processus d’appariement.
4. Le test de notre approche sur un nombre important de documents réels (CVs et offres
d’emploi), ce qui nous permettra de juger vraiment son efficacité.
5. Généraliser l’ontologie construite à d’autres domaines.
Glossaire 156
Glossaire
Ce glossaire regroupe et donne la définition des principaux termes utilisés dans

ce mémoire.
IC: Ingénieur des Connaissances.
DTD: Document Type Definition.
DAML+OIL: DARPA Agent Markup Langage + Ontology Inference Layer.
HTML: Hypertext Markup Langage.
OWL: Ontology Web Langage.
RACER: Renamed Abox and Concept Expression Reasoner.
RDF: Resource Description Framework.
RDF(S): Resource Description Framework Schema.
TOVE: TOronto Virtual Enterprise.
URI: Uniform Resource Identifiers.
URL: Uniform Resource Locator.
W3C: World Wide Web Consortium.
WWW: World Wide Web.
XHTML: eXtensible Hypertext Markup Langage.
XML: eXtensible Markup Langage.
DEUA : diplôme universitaire des études appliquées.
IA : intelligence artificielle.
STIC : science et technologie de l’information et de la communication.
SPD : systèmes parallèles et distribués.
SIA : systèmes d’information avancés.
GL : génie logiciel.
SI : système d’information.
1.Hiérarchie des thèmes de ressources
1.1Les sous thèmes de « THEME GENERAL»
Animation Animation de groupe
Animation de réunion
Animation et coordination d’un réseau de correspondants fonctionnels et opérationnels
d’application
Méthodes et support de communication
Méthodes et support de formation
Audit et contrôle de gestion
Etablissement d’un diagnostique de situation
Méthodes d’analyse des risques
Audit / sécurité Méthodes d’analyse et d’organisation
Sécurité au sens général
Sécurité physique et industrielle
Techniques et procédures d’audit
Coûts des produits et service
Gestion économique et financier appliquée à l’informatique
Budget
Gestion et control des couts informatiques et de télécom
Définition/suivi de budgets et de comptes d’exposition
Direction de projet
Gestion du changement
Gestion des conflits
Conduite Vision des impacts organisationnels de projet
De Ingénierie d’accompagnement de projet
Projet Mener des projets avec des acteurs multiples
Mise en place des indicateurs de suivi de projet
Méthodes et techniques de conduite de projet
Elaboration des scénarios de gestion /conduite projet
Connaissance de l’environnement de l’entreprise
Connaissance du milieu de travail
Culture Connaissance de l’organisation /fonctionnement de l’entreprise
D’entreprise Connaissance des métiers et activités de l’entreprise
Connaissance des clients de l’entreprise /utilisateurs SI et leurs besoins
Connaissance des systèmes d’information d’entreprise
Connaissance pour mener une offre commerciale
Gestion des
Mise en place de dispositifs contractuels
Fournisseurs /
Gestion des stocks de matériel et approvisionnement
Achats
Gestion des contrats de prestataires
Connaissance générale en droit
Connaissance juridique en droit des contrats
Juridique Réglementation de l’informatique et des télécoms
Législation sur la sécurité
Réglementation du personnel
Langue anglais
Langues Langue français
Langue Allmen
Conception de solution organisationnelles
Elaboration des procédures du fonctionnement / utilisation du SI
Techniques de l’organisation
Organisation Planification
Organisation du soutien aux utilisateurs
Organisation de flux
Vision des impacts organisationnels d’un projet
Modélisation et analyse de processus
Processus
Pratique des outils métiers et connaissance des conditions de leur utilisation
Métiers
Procédures, normes et standards PM
Pratique de la communication téléphonique et Fax
Messageries électronique
Bureautique
Informatique bureautique
Capacité rédactionnelle
Gestion sociale
Management Méthodes de management d’équipe
Technique de gestion de situations conflictuelles
Connaissance/manipulation des circuits électroniques
Electronique Electricité
Connaissance du fonctionnement du composant électronique
Critères et techniques d’évaluation
Pédagogie Connaissance des importants éléments psycho pédagogiques
Techniques d’renseignement
Algèbre
Analyse
Mathématique Logique mathématique
Probabilités
Statistiques
1.2. Les sous thèmes de « THEME SPECIFIQUE »
Analyse algorithmes
Algorithmique Modélisation Algorithmes linéaires
Problèmes
Algorithmes parallèles/distribués
Types de données simples
Structure séquentielles
Structures Structure récursive
De Structure hiérarchique
Données Fichier
Graphe
Abstrais
Langage événementielle
Lisp
Algorithmique & Langage
Haskell
Programmation fonctionnelle
Scheme
Langage Prolog
logique Clips
C++
LangagueProgrammation JAVA
HautNiveau Langage Delphi
orienté objet Visual Basic
Smaltolk
C
Pascal
Langage
Basic
impératif
Fortran
Perl
Analyse performances machine
Connaissance composant matérielle
Composants Connectique
Matériels Entretien installations techniques
Architecture Systèmes de câblage
Machine Architecture fondamentale de l’ordinateur
Interfaçage matériel / logiciel
La microprogrammation
Types architecture machine
Intégration de matériel
Théorie des langages
Compilation Principales de la compilation
Principales de l’interprétation
Méthodes de gestion de données
Modèles conception BDDS Modèle objet

Conception de
Modèle relationnel
BDDS
Technique conception BDDS
Outils de développement BDDS
Développement de Langages de BDDS SQL
BDDS PLSQL
MySQL
Création BDD
Bases Administration de Manipulation BDD
De BDDS Maintenance BDD
Données Sécurité BDD
SGBD Relationnel
Type SGBD Access
SGDB Objet Oracle
Intégration de BDDS
Optimisation de BDDS
BDDS contrainte
BDDS distribuées
BDDS BDDS géographiques
avancées BDDS multimédia
BDDS XML
BDDS parallèles
Environnement du SI
Gestion
d’information Modélisation du SI
Système Processus de conception du SI
d’information
Méthodes SADT
Conception de cartésiennes
SI REMORA
Méthodes de Méthodes MERISE
conception des SI systémiques
UML
Méthodes OO
OMT
Processus de développement des SIs
Développeme
nt du SI Techniques de développement des SIs
Normes et outils de développement des SIs
Intégration de Intégration de différents SIs
SIS Intégration de nouvelles technologies dans le SIs
Test / validation SI
Installation/ Techniques d’Installation et maintenance du SI
maintenance
Processus d’Installation et maintenance du SI
SI
Analyse des performances du SI
Gouvernance Pilotages des activités du SI
SI Gestion économique et financière du SI
Raisonnement statistique applique au SIs
Sécurité SI
Sis basés web
Sis coopératifs
Sis avancés
sis géographiques
Sis multimédia
Infrastructure de transport des informations
Architecture
Les topologies réseau
réseau
Les types de réseaux (LAN,WAN)
Outils réseau
Théorie de Méthodes
Traitement du signal et télétraitement
Réseaux et Télécommun Architecture de communication
télécoms ication Protocoles de communication
Contrôle de communication
Codage / compression des informations
Installation / maintenance réseaux
Administration des réseaux
Les services réseaux
La sécurité réseaux
Interface Composants de l’interface
Homme Machine Fonction de l’interface
Ergonomie de l’interface
Programmation des interfaces
Outils de construction d’interfaces
Evaluation et configuration d’interfaces
Exploitation système d’information
Méthodes /outils /normes d’exploitation
Système/outils de production
techniques/outils de production informatique
Exploitation production
Techniques Install/ Techniques I/M des systèmes d’exploitation
Maintenance des Techniques I/M des systèmes d’information
systèmes Techniques I/M des systèmes de production
Optimisation des capacités
Ingénierie des Acquisition des connaissances
connaissances Représentation des connaissances
Les systèmes à base de connaissances
Les systèmes Composants du système expert
experts Fonctionnement du système expert
Application pratique en système expert
Le raisonnement Gestion des connaissances
IA Les types de raisonnement en IA
La logique floue
Reconnaissance La vision artificielle
des formes et L’optimisation combinatoire
Intelligence systèmes Approches conception SC
artificielle complexes Réseaux de neurone
Les systèmes Mécanismes Systèmes de
complexes génération SC classification
Programmation génétique
Vie artificielle / robotique
Les systèmes Architecture d’un SMA
multi – agents Les types d’agents dans les SMAs
Coopération SMAs
Négociation SMAs
Palification SMAs
Langue programmation agent
Application pratique en SMAs
Architecture système centralisé
Architecture SE
Architecture système distribué
Fonctions du SE Gestion de la mémoire
Allocation du processeur
Gestion des fichiers
Gestion des E/S
Gestion des interruptions
Gestion des processus
Système d’exploitation
Programmation système
Configuration des systèmes d’exploitation
Installation / Analyse des performances du
maintenance des SEs Installation des SEs
Maintenance des SEs centralisés
SYSTEME
Maintenance des SEe distribués

Techniques d’installation /maintenance des Ses
Intégration des systèmes d’exploitation
Sécurité du système d’exploitation
Systèmes UNIX
d’exploitation MS DOS
utilisés LINUX
Windows Xp
Windows NT
Windows 2000 Serveur
Systèmes parallèles
Système
avancés
Systèmes tems réel
Systèmes concurrent distribués

Spécification des besoins
Besoins Validation des besoins
Logiciel Gestion des besoins
Outils modélisation/gestion des besoins
Notions de base de la conception logiciel
La concurrence/interaction
Issues clés de la
Control des événements
conception
Logiciel Distribution des composants
Prise en charge des exceptions /erreur
Architecture et Structures architecturales/points vue
structure logiciel Patrons de conception
Conception logiciel
Evaluation de la conception logiciel
Description structurale et comportementale
Outils de conception logiciel
Conception orientée fonction
Méthodes /
Conception centrée structure données
de conception
Conception orienté objet
logiciel
Conception basée composants
Notions de bases de la réalisation logiciel
Techniques de programmation (héritée)
Intégration de logiciels
Sécurité d’applications
Réalisation Paramétrage d’applications
Outils de développements logiciels
Génie logiciel Techniques de développement (prototypage, rad, objet…)
Logiciel Application pratique en développement d’application
Notions de bases du test logiciel
Techniques de test
Test /validation Niveaux de test
De logiciel Mesures reliée au test
Processus de test outils de test logiciel
Outils de test logiciel
Notions de base de la maintenance logiciel
Evaluation/ estimation du cout de la maintenance logiciel
Maintenance du
Processus de maintenance logiciel
logiciel
Techniques de maintenance logiciel
Outils maintenance logiciel
Identification de configuration logiciel
Contrôle de la configuration logiciel
Gestion
Audit configuration logiciel
configuration logiciel
Distribution et gestion des versions du logiciel
Outils de gestion de configuration logiciel
Définition de la portée du logiciel
Planification du projet du logiciel
Mise en place du projet logiciel
Gestion d’ingénierie
Evaluation du logiciel
logiciel
Clôture du projet logiciel
Mesure de l’ingénierie logiciel
Outils de gestion d’ingénierie logiciel
Modèles de cycle vie logiciel
Processus de cycle de vie logiciel
Définition du
Notations pour définition du processus
processus IL
Adaptation du processus IL
Processus
Automatisation
D’ingénierie
Evaluation du Modèles d’évaluation du processus IL
Logiciel
Processus Méthodes évaluation processus IL
Implémentation du processus Ilet changement
Mesure du produit er du processus
Outils du processus d’ingénierie logiciel (case…)
Méthodes structurées
Méthodes
Méthodes orientées données
Heuristiques
Méthodes orientées objet
Méthodes Langages de spécification
Génie Méthodes
D’ingénierie Raffinement
Logiciel Formelles
Logiciel Vérification/preuve des propriétés
Méthodes Les styles
De Cible de prototypage
Prototypage Techniques d’évaluation
Concepts de base de la qualité logiciel
Outils de qualité logiciel
Processus de Assurance de la qualité logiciel
Gestion de la qualité Vérification et validation logiciel
Qualité logiciel Revue et audit de la qualité logiciel
Du
Besoins de la qualité d’application
Logiciel
Considération Caractérisation de défaut
Pratiques Techniques gestion qualité logiciel
De la qualité logiciel Mesure qualité logiciel
Traitement sens Les types de données multimédia

et image Les données Représentation des données multimédia
multimédia Manipulation des données multimédia
Compression / stockage des données multimédia
Les systèmes graphiques
La modélisation géométrique
Traitement d’image Les techniques de base de l’infographie
Les outils de traitement d’image
La réalité virtuelle
Codification du sens
Traitement Techniques de traitement du sens
du sens
Traitement de la parole
moteur de recherche
Web Développement d’application HTML

Technologie Classique web PHP
Web ASP
Java script
VB script
La sécurité web
Représentation Formalismes de Frames
Des représentation Graphes
Connaissance Du WS conceptuels
En WS Réseaux
sémantiques
Logique de
description
Web Les ontologies Eléments
Sémantique d’ontologie
Construction
D’ontologie
Intégration
d’ontologies
Maintenance
D’ontologies
Langages du XML
WS XML schéma
RDF
RDFS
DAML+OIL
OWL
2. Les métiers du domaine « Informatique et Télécommunication » et leurs familles
Familles Métiers Métiers
Conseil en SI Consultant en SI, Architecte SI, Chef projet maîtrise d’ouvrage,

Et maîtrise D’ouvrage Responsable Du SI, Responsable de projet.
Support/ Assistant Fonctionnel, Technicien support SVP, Chargé
Assistance aux utilisateurs d’affaires internes.
Production/ Exploitation Technicien D’exploitation, Technicien poste de travail,

Technicien réseaux/télécoms, Administrateur d’outils
/systèmes/réseaux et télécom, Administrateur BDD Intégrateur
d’exploitation, Pilote D’exploitation.
Etude/ Développement Chef projet maîtrise d’œuvre, Développeur (Analyste
/intégration programmeur), Intégrateur d’applications, Parametreur d ’ERP.
Assistance Expert système D’exploitation, Expert réseaux /télécoms,

Technique Architecte Technique, Responsable sécurité SI, Expert méthodes
interne Et outils/ Qualité/sécurité, Expert de technologie
Internet/intranet et multimédia.
Administration Responsable du Management, Responsable D’une entité
/Gestion Informatique, Responsable Service administratif et finance,
Responsable Exploitation Informatique, Responsable Télécoms
Enseignement Enseignant En post Graduation, Enseignent En Graduation,

/Recherche Enseignant École, Poste Scientifique.
3. Les diplôme domaine « Informatique et Télécommunication » et leurs familles
Familles Diplômes Diplômes
Baccalauréat Bachelier.
DEUA DEUA en Système d’information. DEUA en Réseaux/

Télécoms.
Ingéniorat Ingénieur d’état SPD, Ingénieur d’état SIA, Ingénieur d’état en IA,
Ingénieur en Informatique Industrielle.
Licence Licence Académique, Licence Professionnelle GL, Licence
Professionnelle SI, Licence Professionnelle STIC.
Master Master Option SI, Master Option IA.
Magister Magister Option Réseaux, Magister

Option GL, Magister Option Système, Magister
Option SIA, Magister Option Information&Computation.
Doctorat Docteur En IA, Docteur En système, Docteur En SI, Docteur En
Réseaux.
4. les types de contrat : les types d’emploi sont :
- Intérim.
- Stage.
- Titulaire.
5. les types d’emploi : les types d’emploi sont :
- Temps pleins.
- Temps partiel.
- Journalier
Remarque : pour le contexte organisationnel le nombre minimal et maximal de personnel

dans un groupe ou service selon le type de ces derniers est détaillé dans le tableau suivant :
Le nombre minimal personnel Le nombre maximal personnel
Grand service
Service moyen
Petit service
Grand group
Group moyen
Petit group
Concernent le contexte Economique, le chiffre d’affaire minimal et maximal pour chaque type
d’entreprise est détaillé dans le tableau suivants :
chiffre d’affaire minimal chiffre d’affaire maximal
Grande entreprise 18,620 milliards de dollars
Entreprise moyenne
Petite entreprise
Un extrait du code OWL de l’ontologie_ER
<rdf:RDF
xmlns:owl="http://www.w3.org/2002/07/owl#"
xmlns="http://www.owl-ontologies.com/unnamed.owl#"
xml:base="http://www.owl-ontologies.com/unnamed.owl">
<owl:Ontology rdf:about=""/>
<owl:Class rdf:ID="EfficacitéPersonnelle">
<rdfs:subClassOf>
<owl:Class rdf:ID="Aptitude"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="AssistanceEtService">
<rdfs:subClassOf>
<owl:Class rdf:about="#Aptitude"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="CultureEntreprise">
<rdfs:subClassOf>
<owl:Class rdf:ID="ThémeGénéral"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Animation">
<rdfs:subClassOf>
<owl:Class rdf:about="#ThémeGénéral"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="RéférentielDiplomes">
<rdfs:subClassOf>
<owl:Restriction>
<owl:minCardinality rdf:datatype="http://www.w3.org/2001/XMLSchema#in” >1</owl:minCardinality>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="réfèreDiplôme"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf rdf:resource="http://www.w3.org/2002/07/owl#Thing"/>
<rdfs:subClassOf>
<owl:Restriction>
<owl:cardinality rdf:datatype="http://www.w3.org/2001/XMLSchema#int” >1</owl:cardinality>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="liéA"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="ressource">
<owl:equivalentClass>
<owl:Class>
<owl:unionOf rdf:parseType="Collection">
<owl:Class rdf:ID="Habilité"/>
<owl:Class rdf:ID="Savoir"/>
<owl:Class rdf:ID="SavoirFaire"/>
</owl:unionOf>
</owl:Class>
</owl:equivalentClass>
</owl:Class>
<owl:Class rdf:ID="Théme">
<owl:Class>
<owl:Class rdf:ID="ThémeSpécifique"/>
</owl:unionOf>
</owl:Class>
</owl:Class>
<owl:Class rdf:ID="Salaire">
<rdfs:subClassOf>
<owl:Class rdf:ID="Exigence"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Compétence">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="aContexte"/>
</owl:onProperty>
<owl:minCardinality rdf:datatype="http://www.w3.org/2001/XMLSchema#int" >2</owl:minCardinality>
</owl:Restriction>
</rdfs:subClassOf>
<owl:Class>
<owl:Class rdf:ID="CompétenceScientifiqueTéchnique"/>
</owl:unionOf>
</owl:Class>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="aNiveau"/>
</owl:onProperty>
<owl:minCardinality rdf:datatype="http://www.w3.org/2001/XMLSchema#int"
>1</owl:minCardinality>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Bureautique">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="RéseauxEtTélécom">
<rdfs:subClassOf>
<owl:Class rdf:about="#ThémeSpécifique"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="ServiceMilitaire">
<rdfs:subClassOf>
<owl:Class rdf:ID="QualificationPersonnelle"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="SituationFamil">
<rdfs:subClassOf>
<owl:Class rdf:about="#QualificationPersonnelle"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#Savoir">
<rdfs:subClassOf>
<owl:Class>
<owl:intersectionOf rdf:parseType="Collection">
<owl:Class rdf:about="#ressource"/>
<owl:Class>
<owl:complementOf>
<owl:Class rdf:about="#Habilité"/>
</owl:complementOf>
</owl:Class>
<owl:Class>
<owl:complementOf>
<owl:Class rdf:about="#SavoirFaire"/>
</owl:complementOf>
</owl:Class>
</owl:intersectionOf>
</owl:Class>
</rdfs:subClassOf>
<rdfs:subClassOf rdf:resource="#ressource"/>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="aThéme"/>
</owl:onProperty>
<owl:cardinality rdf:datatype="http://www.w3.org/2001/XMLSchema#int">1</owl:cardinality>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="GestionFournisseursAchats">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="TypeEmploi">
<rdfs:subClassOf>
<owl:Class rdf:about="#Exigence"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Rotation">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#QualificationPersonnelle">
<owl:Class>
<owl:Class rdf:ID="Age"/>
<owl:Class rdf:ID="Nationalité"/>
<owl:Class rdf:ID="PermisConduire"/>
<owl:Class rdf:about="#ServiceMilitaire"/>
<owl:Class rdf:ID="Sexe"/>
<owl:Class rdf:about="#SituationFamil"/>
<owl:Class rdf:ID="VileRésidence"/>
</owl:unionOf>
</owl:Class>
</owl:Class>
<owl:Class rdf:ID="IntelligenceArtificielle">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#CompétenceScientifiqueTéchnique">
<rdfs:subClassOf>
<owl:Class>
<owl:Class rdf:about="#Compétence"/>
<owl:Class>
<owl:complementOf>
</owl:complementOf>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
<rdfs:subClassOf rdf:resource="#Compétence"/>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="mobiliseRessou"/>
</owl:onProperty>
<owl:minCardinality rdf:datatype="http://www.w3.org/2001/XMLSchema#int “>1</owl:minCardinality>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Contexte">
<owl:Class>
<owl:Class rdf:ID="Economique"/>
<owl:Class rdf:ID="Organisationnel"/>
</owl:unionOf>
</owl:Class>
</owl:Class>
<owl:Class rdf:about="#SavoirFaire">
<rdfs:subClassOf>
<owl:Restriction>
<owl:cardinality rdf:datatype="http://www.w3.org/2001/XMLSchema#int" >1</owl:cardinality>
<owl:onProperty>
<owl:ObjectProperty rdf:about="#aThéme"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf>
</owl:complementOf>
</owl:Class>
<owl:Class>
<owl:complementOf rdf:resource="#Savoir"/>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Langues">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Diplome">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="mobilise"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="aFamilDiplôme"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#Nationalité">
<rdfs:subClassOf rdf:resource="#QualificationPersonnelle"/>
</owl:Class>
<owl:Class rdf:ID="AuditSécurité">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="GénieLogiciel">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="FamilDiplome"/>
<owl:Class rdf:ID="Organisation">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="ArchitectureMachine">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#PermisConduire">
</owl:Class>
<owl:Class rdf:ID="Système">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="GestionDInformation">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#VileRésidence">
</owl:Class>
<owl:Class rdf:ID="Juridique">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="InterfaceHommeMachine">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="TraitementSensEtImage">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#ThémeGénéral">
<rdfs:subClassOf>
<owl:Class>
<owl:Class rdf:about="#Théme"/>
<owl:Class>
<owl:complementOf>
</owl:complementOf>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
<rdfs:subClassOf rdf:resource="#Théme"/>
</owl:Class>
<owl:Class rdf:ID="ActionEtRéalisation">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#ThémeSpécifique">
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf rdf:resource="#ThémeGénéral"/>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="RéférentielMétiers">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:about="#liéA"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="réfèreMétier"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#Organisationnel">
<rdfs:subClassOf rdf:resource="#Contexte"/>
<rdfs:subClassOf>
<owl:Class>
<owl:Class rdf:about="#Contexte"/>
<owl:Class>
<owl:complementOf>
<owl:Class rdf:about="#Economique"/>
</owl:complementOf>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#Sexe">
</owl:Class>
<owl:Class rdf:about="#Exigence">
<owl:Class>
<owl:Class rdf:ID="Contrat"/>
<owl:Class rdf:ID="Déplacement"/>
<owl:Class rdf:about="#Rotation"/>
<owl:Class rdf:about="#Salaire"/>
<owl:Class rdf:about="#TypeEmploi"/>
</owl:unionOf>
</owl:Class>
</owl:Class>
<owl:Class rdf:about="#Contrat">
<rdfs:subClassOf rdf:resource="#Exigence"/>
</owl:Class>
<owl:Class rdf:ID="Métier">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="aFamilMétier"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Pédagogié">
<rdfs:subClassOf rdf:resource="#ThémeGénéral"/>
</owl:Class>
<owl:Class rdf:ID="Domaine"/>
<owl:Class rdf:about="#Economique">
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf rdf:resource="#Organisationnel"/>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
<rdfs:subClassOf rdf:resource="#Contexte"/>
</owl:Class>
<owl:Class rdf:ID="ExploitationProduction">
<rdfs:subClassOf rdf:resource="#ThémeSpécifique"/>
</owl:Class>
<owl:Class rdf:ID="Electronique">
</owl:Class>
<owl:Class rdf:about="#Age">
</owl:Class>
<owl:Class rdf:about="#Aptitude">
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf rdf:resource="#CompétenceScientifiqueTéchnique"/>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
<owl:Class>
<owl:Class rdf:about="#ActionEtRéalisation"/>
<owl:Class rdf:ID="AptitudManagérial"/>
<owl:Class rdf:about="#EfficacitéPersonnelle"/>
<owl:Class rdf:about="#AssistanceEtService"/>
</owl:unionOf>
</owl:Class>
</owl:Class>
<owl:Class rdf:about="#AptitudManagérial">
<rdfs:subClassOf rdf:resource="#Aptitude"/>
</owl:Class>
<owl:Class rdf:ID="AlgoProgrammation">
</owl:Class>
<owl:Class rdf:ID="TéchnologiesWeb">
</owl:Class>
<owl:Class rdf:ID="Compilation">
</owl:Class>
<owl:Class rdf:about="#Déplacement">
</owl:Class>
<owl:Class rdf:ID="Magement">
</owl:Class>
<owl:Class rdf:about="#Habilité">
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
</owl:Class>
<owl:Class>
<owl:complementOf rdf:resource="#SavoirFaire"/>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Budget">
</owl:Class>
<owl:Class rdf:ID="Niveau"/>
<owl:Class rdf:ID="FamilMétier"/>
<owl:Class rdf:ID="ConduiteDeProjets">
</owl:Class>
<owl:Class rdf:ID="Document"/>
<owl:ObjectProperty rdf:about="#aFamilDiplôme">
<rdfs:range rdf:resource="#FamilDiplome"/>
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="familDiplômeDe"/>
</owl:inverseOf>
<rdfs:domain rdf:resource="#Diplome"/>
<owl:ObjectProperty rdf:about="#aContexte">
<rdfs:range rdf:resource="#Contexte"/>
<rdfs:domain rdf:resource="#Compétence"/>
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="concerne"/>
</owl:inverseOf>
<owl:ObjectProperty rdf:about="#réfèreMétier">
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="réfèreParRM"/>
</owl:inverseOf>
<rdfs:domain rdf:resource="#RéférentielMétiers"/>
<rdfs:range rdf:resource="#Métier"/>
<owl:ObjectProperty rdf:about="#réfèreDiplôme">
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="référeParRD"/>
</owl:inverseOf>
<rdfs:domain rdf:resource="#RéférentielDiplomes"/>
<rdfs:range rdf:resource="#Diplome"/>
<owl:ObjectProperty rdf:about="#aFamilMétier">
<rdfs:range rdf:resource="#FamilMétier"/>
<rdfs:domain rdf:resource="#Métier"/>
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="familMétierDe"/>
</owl:inverseOf>
<owl:ObjectProperty rdf:about="#mobiliseRessou">
<rdfs:domain rdf:resource="#CompétenceScientifiqueTéchnique"/>
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="ressouEstMobilisePar"/>
</owl:inverseOf>
<rdfs:range rdf:resource="#ressource"/>
<owl:ObjectProperty rdf:about="#réfèreParRM">
<owl:inverseOf rdf:resource="#réfèreMétier"/>
<rdfs:range rdf:resource="#RéférentielMétiers"/>
<owl:ObjectProperty rdf:about="#familDiplômeDe">
<rdfs:domain rdf:resource="#FamilDiplome"/>
<owl:inverseOf rdf:resource="#aFamilDiplôme"/>
<owl:ObjectProperty rdf:about="#aThéme">
<rdfs:domain>
<owl:Class>
<owl:Class rdf:about="#Savoir"/>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<rdfs:range rdf:resource="#Théme"/>
<owl:ObjectProperty rdf:about="#concerne">
<owl:inverseOf rdf:resource="#aContexte"/>
<rdfs:range rdf:resource="#Compétence"/>
<rdfs:domain rdf:resource="#Contexte"/>
<owl:ObjectProperty rdf:about="#référeParRD">
<rdfs:range rdf:resource="#RéférentielDiplomes"/>
<owl:inverseOf rdf:resource="#réfèreDiplôme"/>
<owl:ObjectProperty rdf:about="#familMétierDe">
<rdfs:domain rdf:resource="#FamilMétier"/>
<owl:inverseOf rdf:resource="#aFamilMétier"/>
<owl:ObjectProperty rdf:about="#aNiveau">
<rdfs:range rdf:resource="#Niveau"/>
<owl:ObjectProperty rdf:about="#ressouEstMobilisePar">
<rdfs:range rdf:resource="#CompétenceScientifiqueTéchnique"/>
<owl:inverseOf rdf:resource="#mobiliseRessou"/>
<rdfs:domain rdf:resource="#ressource"/>
<owl:ObjectProperty rdf:about="#mobilise">
<rdfs:domain>
<owl:Class>
<owl:Class rdf:about="#Diplome"/>
<owl:Class rdf:about="#Métier"/>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:ObjectProperty rdf:about="#liéA">
<rdfs:domain>
<owl:Class>
<owl:Class rdf:about="#RéférentielDiplomes"/>
<owl:Class rdf:about="#RéférentielMétiers"/>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<rdfs:range rdf:resource="#Domaine"/>
<owl:DatatypeProperty rdf:ID="maxAge">
<rdfs:domain rdf:resource="#Age"/>
<rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#int"/>
<owl:DatatypeProperty rdf:ID="identification">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#string"/>
<owl:DatatypeProperty rdf:ID="expFrançais">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="sexe">
<rdfs:domain rdf:resource="#Sexe"/>
<owl:DatatypeProperty rdf:ID="accepté">
<rdfs:domain>
<owl:Class>
<owl:Class rdf:about="#Déplacement"/>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="nationnalité">
<rdfs:domain rdf:resource="#Nationalité"/>
<owl:DatatypeProperty rdf:ID="type">
<rdfs:domain>
<owl:Class>
<owl:Class rdf:about="#Contrat"/>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="age">
<owl:DatatypeProperty rdf:ID="marié">
<rdfs:domain rdf:resource="#SituationFamil"/>
<owl:DatatypeProperty rdf:ID="nom">
<rdfs:domain>
<owl:Class>
<owl:Class rdf:about="#FamilMétier"/>
<owl:Class rdf:about="#FamilDiplome"/>
<owl:Class rdf:about="#Domaine"/>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="dégagé">
<rdfs:domain rdf:resource="#ServiceMilitaire"/>
<owl:DatatypeProperty rdf:ID="auteur">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="valeurMin">
<owl:DatatypeProperty rdf:ID="montant">
<rdfs:domain rdf:resource="#Salaire"/>
<owl:DatatypeProperty rdf:ID="catégorié">
<rdfs:domain rdf:resource="#PermisConduire"/>
<owl:DatatypeProperty rdf:ID="poids">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="villeR">
<rdfs:domain rdf:resource="#VileRésidence"/>
<owl:DatatypeProperty rdf:ID="désigniation">
<rdfs:domain rdf:resource="#Niveau"/>
<owl:DatatypeProperty rdf:ID="UriDocument">
<rdfs:domain rdf:resource="#Document"/>
<owl:DatatypeProperty rdf:ID="maxDif">
<owl:DatatypeProperty rdf:ID="valeur">
<owl:DatatypeProperty rdf:ID="maxDa">
<owl:DatatypeProperty rdf:ID="valeurMax">
<owl:DatatypeProperty rdf:ID="typDocument">
<owl:DatatypeProperty rdf:ID="expEnglais">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
</rdf:RDF>

Un extraie du fichier d’annotation de l’offre1
<rdf:RDF
xmlns:owl="http://www.w3.org/2002/07/owl#"
xmlns="http://www.owl-ontologies.com/unnamed.owl#"
xml:base="http://www.owl-ontologies.com/unnamed.owl">
<owl:Ontology rdf:about=""/>
<owl:Class rdf:ID="EfficacitéPersonnelle">
<rdfs:subClassOf>
<owl:Class rdf:ID="Aptitude"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="AssistanceEtService">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="RéférentielDiplomes">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="réfèreDiplôme"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="liéA"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Théme">
<owl:Class>
<owl:Class rdf:ID="ThémeGénéral"/>
<owl:Class rdf:ID="ThémeSpécifique"/>
</owl:unionOf>
</owl:Class>
</owl:Class>
<owl:Class rdf:ID="ressource">
<owl:Class>
<owl:Class rdf:ID="Habilité"/>
<owl:Class rdf:ID="Savoir"/>
<owl:Class rdf:ID="SavoirFaire"/>
</owl:unionOf>
</owl:Class>
</owl:Class>
<owl:Class rdf:ID="Salaire">
<rdfs:subClassOf>
<owl:Class rdf:ID="Exigence"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Compétence">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="aNiveau"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
<owl:Class>
<owl:Class rdf:ID="CompétenceScientifiqueTéchnique"/>
</owl:unionOf>
</owl:Class>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="aContexte"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#ThémeGénéral">
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf>
</owl:complementOf>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="ActionEtRéalisation">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#ThémeSpécifique">
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf rdf:resource="#ThémeGénéral"/>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="RéférentielMétiers">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="réfèreMétier"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:about="#liéA"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Organisationnel">
<rdfs:subClassOf>
<owl:Class rdf:ID="Contexte"/>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf>
<owl:Class rdf:ID="Economique"/>
</owl:complementOf>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Sexe">
<rdfs:subClassOf>
<owl:Class rdf:ID="QualificationPersonnelle"/>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#Exigence">
<owl:Class>
<owl:Class rdf:ID="Contrat"/>
<owl:Class rdf:ID="Déplacement"/>
<owl:Class rdf:ID="Rotation"/>
<owl:Class rdf:about="#Salaire"/>
<owl:Class rdf:ID="TypeEmploi"/>
</owl:unionOf>
</owl:Class>
</owl:Class>
<owl:Class rdf:ID="ServiceMilitaire">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#Contrat">
</owl:Class>
<owl:Class rdf:ID="Métier">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="aFamilMétier"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="SituationFamil">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#Savoir">
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf>
</owl:complementOf>
</owl:Class>
<owl:Class>
<owl:complementOf>
</owl:complementOf>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="aThéme"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Domaine"/>
<owl:Class rdf:about="#Economique">
<rdfs:subClassOf>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf rdf:resource="#Organisationnel"/>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Age">
<rdfs:subClassOf>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#Aptitude">
<owl:Class>
<owl:Class rdf:about="#ActionEtRéalisation"/>
<owl:Class rdf:ID="AptitudManagérial"/>
<owl:Class rdf:about="#EfficacitéPersonnelle"/>
<owl:Class rdf:about="#AssistanceEtService"/>
</owl:unionOf>
</owl:Class>
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf>
<owl:Class rdf:about="#CompétenceScientifiqueTéchnique"/>
</owl:complementOf>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#AptitudManagérial">
<rdfs:subClassOf rdf:resource="#Aptitude"/>
</owl:Class>
<owl:Class rdf:about="#TypeEmploi">
</owl:Class>
<owl:Class rdf:about="#Rotation">
</owl:Class>
<owl:Class rdf:about="#QualificationPersonnelle">
<owl:Class>
<owl:Class rdf:about="#Age"/>
<owl:Class rdf:ID="Nationalité"/>
<owl:Class rdf:ID="PermisConduire"/>
<owl:Class rdf:about="#ServiceMilitaire"/>
<owl:Class rdf:about="#Sexe"/>
<owl:Class rdf:about="#SituationFamil"/>
<owl:Class rdf:ID="VileRésidence"/>
</owl:unionOf>
</owl:Class>
</owl:Class>
<owl:Class rdf:about="#Déplacement">
</owl:Class>
<owl:Class rdf:about="#Contexte">
<owl:Class>
<owl:Class rdf:about="#Economique"/>
<owl:Class rdf:about="#Organisationnel"/>
</owl:unionOf>
</owl:Class>
</owl:Class>
<owl:Class rdf:about="#SavoirFaire">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:about="#aThéme"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf>
</owl:complementOf>
</owl:Class>
<owl:Class>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#CompétenceScientifiqueTéchnique">
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="mobiliseRessou"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
<owl:complementOf rdf:resource="#Aptitude"/>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#Habilité">
<rdfs:subClassOf>
<owl:Class>
<owl:Class>
</owl:Class>
<owl:Class>
<owl:complementOf rdf:resource="#SavoirFaire"/>
</owl:Class>
</owl:Class>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:ID="Diplome">
<rdfs:subClassOf>
<owl:Restriction>
<owl:minCardinality rdf:datatype="http://www.w3.org/2001/XMLSchema#int">1</owl:minCardinality>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="mobilise"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
<rdfs:subClassOf>
<owl:Restriction>
<owl:onProperty>
<owl:ObjectProperty rdf:ID="aFamilDiplôme"/>
</owl:onProperty>
</owl:Restriction>
</rdfs:subClassOf>
</owl:Class>
<owl:Class rdf:about="#Nationalité">
</owl:Class>
<owl:Class rdf:ID="Niveau"/>
<owl:Class rdf:ID="FamilDiplome"/>
<owl:Class rdf:ID="FamilMétier"/>
<owl:Class rdf:about="#PermisConduire">
</owl:Class>
<owl:Class rdf:about="#VileRésidence">
</owl:Class>
<owl:Class rdf:ID="Document"/>
<owl:ObjectProperty rdf:about="#aFamilDiplôme">
<rdfs:range rdf:resource="#FamilDiplome"/>
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="familDiplômeDe"/>
</owl:inverseOf>
<owl:ObjectProperty rdf:about="#aContexte">
<rdfs:range rdf:resource="#Contexte"/>
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="concerne"/>
</owl:inverseOf>
<owl:ObjectProperty rdf:about="#réfèreMétier">
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="réfèreParRM"/>
</owl:inverseOf>
<rdfs:domain rdf:resource="#RéférentielMétiers"/>
<owl:ObjectProperty rdf:about="#réfèreDiplôme">
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="référeParRD"/>
</owl:inverseOf>
<rdfs:domain rdf:resource="#RéférentielDiplomes"/>
<owl:ObjectProperty rdf:about="#aFamilMétier">
<rdfs:range rdf:resource="#FamilMétier"/>
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="familMétierDe"/>
</owl:inverseOf>
<owl:ObjectProperty rdf:about="#mobiliseRessou">
<rdfs:domain rdf:resource="#CompétenceScientifiqueTéchnique"/>
<owl:inverseOf>
<owl:ObjectProperty rdf:ID="ressouEstMobilisePar"/>
</owl:inverseOf>
<rdfs:range rdf:resource="#ressource"/>
<owl:ObjectProperty rdf:about="#réfèreParRM">
<owl:inverseOf rdf:resource="#réfèreMétier"/>
<rdfs:range rdf:resource="#RéférentielMétiers"/>
<owl:ObjectProperty rdf:about="#familDiplômeDe">
<rdfs:domain rdf:resource="#FamilDiplome"/>
<owl:inverseOf rdf:resource="#aFamilDiplôme"/>
<owl:ObjectProperty rdf:about="#aThéme">
<rdfs:domain>
<owl:Class>
<owl:Class rdf:about="#Savoir"/>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<rdfs:range rdf:resource="#Théme"/>
<owl:ObjectProperty rdf:about="#concerne">
<owl:inverseOf rdf:resource="#aContexte"/>
<owl:ObjectProperty rdf:about="#référeParRD">
<rdfs:range rdf:resource="#RéférentielDiplomes"/>
<owl:inverseOf rdf:resource="#réfèreDiplôme"/>
<owl:ObjectProperty rdf:about="#familMétierDe">
<owl:inverseOf rdf:resource="#aFamilMétier"/>
<rdfs:domain rdf:resource="#FamilMétier"/>
<owl:ObjectProperty rdf:about="#aNiveau">
<rdfs:range rdf:resource="#Niveau"/>
<owl:ObjectProperty rdf:about="#ressouEstMobilisePar">
<rdfs:range rdf:resource="#CompétenceScientifiqueTéchnique"/>
<owl:inverseOf rdf:resource="#mobiliseRessou"/>
<rdfs:domain rdf:resource="#ressource"/>
<owl:ObjectProperty rdf:about="#mobilise">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:ObjectProperty rdf:about="#liéA">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<rdfs:range rdf:resource="#Domaine"/>
<owl:DatatypeProperty rdf:ID="maxAge">
<owl:DatatypeProperty rdf:ID="identification">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="expFrançais">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="sexe">
<rdfs:domain rdf:resource="#Sexe"/>
<owl:DatatypeProperty rdf:ID="accepté">
<rdfs:domain>
<owl:Class>
<owl:Class rdf:about="#Déplacement"/>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="nationnalité">
<rdfs:domain rdf:resource="#Nationalité"/>
<owl:DatatypeProperty rdf:ID="type">
<rdfs:domain>
<owl:Class>
<owl:Class rdf:about="#Contrat"/>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="age">
<owl:DatatypeProperty rdf:ID="marié">
<rdfs:domain rdf:resource="#SituationFamil"/>
<owl:DatatypeProperty rdf:ID="nom">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="dégagé">
<rdfs:domain rdf:resource="#ServiceMilitaire"/>
<owl:DatatypeProperty rdf:ID="auteur">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="valeurMin">
<owl:DatatypeProperty rdf:ID="montant">
<owl:DatatypeProperty rdf:ID="catégorié">
<rdfs:domain rdf:resource="#PermisConduire"/>
<owl:DatatypeProperty rdf:ID="poids">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<owl:DatatypeProperty rdf:ID="désigniation">
<owl:DatatypeProperty rdf:ID="villeR">
<owl:DatatypeProperty rdf:ID="UriDocument">
<owl:DatatypeProperty rdf:ID="valeur">
<owl:DatatypeProperty rdf:ID="maxDif">
<owl:DatatypeProperty rdf:ID="maxDa">
<owl:DatatypeProperty rdf:ID="valeurMax">
<owl:DatatypeProperty rdf:ID="typDocument">
<owl:DatatypeProperty rdf:ID="expEnglais">
<rdfs:domain>
<owl:Class>
</owl:unionOf>
</owl:Class>
</rdfs:domain>
<Economique rdf:ID="eco_graEnt">
<nom xml:lang="fr">grandeEntreprise</nom>
<poids rdf:datatype="http://www.w3.org/2001/XMLSchema#int">0</poids>
<concerne>
<CompétenceScientifiqueTéchnique rdf:ID="comp_cplus">
<nom xml:lang="fr">cPlus</nom>
<aContexte>
<Organisationnel rdf:ID="org_graSer">
<concerne>
<EfficacitéPersonnelle rdf:ID="eff_résistancePressions">
<poids rdf:datatype="http://www.w3.org/2001/XMLSchema#int" >30</poids>
<aContexte rdf:resource="#org_graSer"/>
<nom xml:lang="fr">résistanceAuxPréssions</nom>
<aContexte rdf:resource="#eco_graEnt"/>
<aNiveau>
<Niveau rdf:ID="FO">
<désigniation xml:lang="fr">forte</désigniation>
<valeur rdf:datatype="http://www.w3.org/2001/XMLSchema#int" >0</valeur>
</Niveau>
</aNiveau>
</EfficacitéPersonnelle>
</concerne>
<nom xml:lang="fr">grandeService</nom>
<concerne rdf:resource="#comp_cplus"/>
</Organisationnel>
</aContexte>
<aContexte rdf:resource="#eco_graEnt"/>
<aNiveau>
<Niveau rdf:ID="C">
<valeur rdf:datatype="http://www.w3.org/2001/XMLSchema#int" >0</valeur>
<désigniation xml:lang="fr">compétent</désigniation>
</Niveau>
</aNiveau>
</CompétenceScientifiqueTéchnique>
</concerne>
<concerne rdf:resource="#eff_résistancePressions"/>
</Economique>
<Nationalité rdf:ID="Nationalité3">
<nationnalité xml:lang="fr">algérien</nationnalité>
</Nationalité>
<TypeEmploi rdf:ID="TypeEmploi3">
<type xml:lang="fr">tempsPlein</type>
</TypeEmploi>
<Salaire rdf:ID="Salaire3">
<maxDif rdf:datatype="http://www.w3.org/2001/XMLSchema#int" >6000</maxDif>
<montant rdf:datatype="http://www.w3.org/2001/XMLSchema#int">30000</montant>
</Salaire>
<Age rdf:ID="Age3">
<maxAge rdf:datatype="http://www.w3.org/2001/XMLSchema#int">3</maxAge>
<age rdf:datatype="http://www.w3.org/2001/XMLSchema#int">28</age>
</Age>
<VileRésidence rdf:ID="VileRésidence3">
<villeR xml:lang="fr">constantine</villeR>
<maxDa rdf:datatype="http://www.w3.org/2001/XMLSchema#int">150</maxDa>
</VileRésidence>
<Sexe rdf:ID="Sexe3"> <sexe xml:lang="fr">féminin</sexe>
</Sexe>
<Contrat rdf:ID="Contrat3">
<poids rdf:datatype="http://www.w3.org/2001/XMLSchema#int” >10</poids>
<type xml:lang="fr">titulaire</type>
</Contrat>
<Document rdf:ID="Document3">
<typDocument xml:lang="fr">offred'emploi</typDocument>
<UriDocument xml:lang="fr">C:\Documents and Settings\zouhel\Bureau\magister</UriDocument>
</Document>
</rdf:RDF>
Bibliographie 150
Bibliographie
[ALLI08] : S.Allioua " Annotation sémantique des images". Mémoire de Magister en

informatique, université de Tebassa, 2008.
[AYAR05] : S. El ayari. « Moteur D'indexation et De recherche: Vers une recherche
Intelligent De L'information Sur Internet ». Mémoire de maîtrise en Sciences du Langage
Université PARIS III, Institut de Linguistique et de Phonétique Générales et Appliquées,
Juillet 2005, 101 p.
[AMAR07] : F. Amardeilh. « Web Sémantique et Informatique Linguistique :
Propositions méthodologiques et réalisation d’une plateforme logicielle », Thèse de doctorat
en Informatique, Université Paris X – Nanterre, France 2007.
[ABRA04]: A. Abran, J. W. Moore, P. Bourque, R. Dupuis et L.L. Tripp. «Guide to the
Software Engineering Body of Knowledge-SWEBOK". A Project of the IEEE Computer
Society Professional Practices Committee, 2004.
http://www.swebok.org
[BLAN04]: E. Blanchard, M. Harzallah. « Inférences en gestion des compétences ». In 15
èmes journées francophones d'ingénierie des connaissances, 2004.
www.irit.fr/GRACQ/IMG/pdf/IC2004_prog.pdf.
[BAUG97]: J.Baugh. “Rewarding Competencies in Flatter Organizations”, Competency: the
journal of performance through people, v. 4:3, spring, and 1997.
[BERN04]: A. Bernsteinm, E. Kaufmann, C. Buerki, M. Klein.”Object Similarity In
Ontologies a Foundation for Business Intelligence Systems and High-Performance Retrievel”.
In: Twenty-Fifth International Conferences on Information Systems, 2004.
[BIZE04]: C. Bizer, M. Mochol, D. Westphal. Recruitment XML Clearinghouse Report,
Report 8, April 2004.
www.xml-clearinghouse.de/reports/Clearinghouse-Report.pdf.
[BILL02]: A. Billig, K. Sandkuhl.” Match-Making based on Semantic Nets: The XML-based
approach of BaSeWeb”. In: Tolksdorf, R., Eckstein, R. (Edt.).: Proceedings of the 1st
workshop on XML-Technologien für das Semantic Web, 2002, pp. 39–51.
[BLAN04]: E. Blanchard, M. Harzallah. « Inférences en gestion des compétences ». In :
15èmes journées francophones d'ingénierie des connaissances, 2004.
www.irit.fr/GRACQ/IMG/pdf/IC2004_prog.pdf
[BEUM07] : F. Beumier, « Echange d’expérience : La gestion des compétences 2007 ».
www.bbest.be/excel/excel79eecomp.pdf
[BOUG01] : I. Boughzala. « Démarche méthodologique de conception de système d’
information coopératifs », thèse de doctorat de l’ université de pierre et marie curie, décembre
2001.
[BOUC08] : Zouhel Boucetta , Zizette Boufaida et Leila Yahiaoui « Appariement sémantique
des documents à base d'ontologie pour le e-Recrutementé», Colloque Sur L’optimisation et
Les Système D’Information, tizi ouzou, COSI Algérie 2008.
[BIZE05]: C. Bizer, R. Heese, M. Mochol, R. Oldakowski, R. Tolksdorf, and R. Eckstein,
“The Impact of Semantic Web technologies on Job Recruitment Process”. In: International
Conference workshop on computer science (WI’05), (2005).
[BORG96]: S. Borgo, N. Guarino, & C. Masolo. “Stratified Ontologies: the case of physical
objects. Paper presented at the ECAI96”. Workshop on Ontological Engineering, Budapest.
(1996).
Bibliographie 151
[BRIN04]: S. Bringay, S. Barry, J. Chartlet. “Les documents et les annotations du dossier

patient hospitalier, I3 Informatique Interaction Intelligence, 2004, Vol 4, N 1.
[BENA05] : A. Benayache. « Construction D’une Memoire Organisationnelle De Formation
et Evaluation dans un Contexte E-Learning : Le Projet MEMORAE », Thèse de doctorat,
Université De Technologie Compiégne, 2005 ,226 p.
[TRIC06]: O. Corcho. “Ontology based document annotation: trends and open research
Problems”. In: International Journal of Metadata, Semantics and Ontologies, 1(1),
Inderscience, 2006, pp. 47-57.
[CIGRE05]: Nomenclature, « les emplois-métiers du système d’information dans les
grandes entreprises », (CIGREF), 2005.
http://www.cigref.fr/cigref/livelink.exe/Nomenclature
[DAGM01] : E.Dagmouch. Livre : « Cour en Economie d’Entreprise », septembre 2001.
[DESM02] : E. Desmontils et C. Jacquin. « Annotation sur le web : notes de lecture ».
Journées de l’AS-CNRS Web sémantique, 2002.
[DENO00] : L. Denoue. «De la création à la capitalisation des annotations dans un espace
personnel d’informations ». Thèse de Doctorat d’Informatique, Université de Savoie,
France, 2000.
[DUJA02] : J.M. Dujardin. « Du développement d'un logiciel de gestion des compétences à
l'accompagnement de démarches sur le terrain: une expérience de partenariat avec des
entreprises et organisations en Région francophone de Belgique ».
www.udi.hec.ulg.ac.be/.../documents/Personnel_et_gestion_du_developpement_d_un_logiciel
_002.pdf
[EURO03] : Instructions pour l’utilisation du curriculum vitae Europass
http://www.unispezia.it/doc/modulistica/CVguida_FR.pdf 2003
[FERN97] : M. Fernandez, A. Gomez-Perez et N. Juristo. “METHONTOLOGY: from
ontological art toward ontological engineering”. Spring symposium series on ontological
engineering. AAAI97, USA, 1996.
[GRUN96] : M. Grundstein. "La capitalisation des connaissances de l’entreprise, une
problématique de management". In actes de 5ème Rencontres du programme MCX,
Complexité : la stratégie de la relance, Aix-en Provence, 4-5 juillet 1996.
[GAND02] : F. Gandon, R. Dieng-Kuntz, O. Corby, A. Giboin. "Web Sémantique et
Approche Multi-Agents pour la Gestion d'une Mémoire Organisationnelle
Distribuée", IC'2002, Rouen, 28-30 mai.
[GRUB02]: T. R Gruber. “Ontolingua: A mechanism to support portable ontologies”.
Technical Report KSL 91-66, Stanford University, Knowledge Systems Laboratory.
Revision, 1992.
[GRUN95]: M. Gruninger, M.S. Fox. “The logic of enterprise modelling”. In J. Brown &
D.O.Sullivan, Eds. Reenginering the Enterprise: 83-98. London: Chapman & Hall,1995
[GUAR97] : N. Guarino. “Understanding, building and using ontologies”. International J.
Human-ComputerStudies, 46, 293-310, 1997.
[GÓME99]: A Gómez-Pérez. “Ontological Engineering: A state of the art”. Expert Update,
2(3), 33-43, 1999.
[GRUE93] : T. Gruber. “A Translation Approach to Portable Ontology Specifications”.
Knowledge Acquisition, 5(2), 199-220,1993.
[GOME98]: A. Gomez-Pérez. "Ontological Engineering", Tutorial of ECAI’ 98, Budapest,
Hongrie, août 1998.
[GUER07] : H.E Guergour. « Construction d’une ontologie d’application dans le cadre de
l’EAI ».Mémoire de magister université Montouri Constantine, algérie, 2007.
Bibliographie 152
[HEIJ97]: G. Van Heijst, A. Schreiber et B. J. Wielinga . “Using Explicit Ontologies in KBS

Development”. International Journal of Human and Computer Studies /Knowledge
Acquisition, 46(2/3), 183-292, 1997.
[HEMA05]: M. Hemam. " Un processus de développement d’ontologie dans le cadre du

Web sémantique". Mémoire de Magister en informatique, centre universitaire Larbi Ben
M’hidi-Oum El Bouaghi, institut des sciences exactes, mars 2005.
[HAND01]: S. Handschuh, S. Staab and A.Maedche.” CREAM - Creating relational metadata
with a component-based, ontology-driven annotation framework”. In Proceedings of the
Knowledge Capture Conference (KCAP’01), Banff, Canada, 2001, pp. 76-83.
[HAND03]: S. Handschuh, S. Staab et R. Studer. “Leveraging
metadata creation for the Semantic Web with CREAM”. KI '2003 - Advances in
Artificial Intelligence. In Proceedings Annual German Conference on AI, Sept. 2003.
[HABE05] : B. Habert. « Instruments et ressources électroniques pour le français »,
Collection « L'essentiel Français », Ophrys, Paris, 2005, 169 p.
[HAND05]: S. Handschuh. « Creating Ontology-based Metadata by Annotation for the
Semantic Web”, Thèse de doctorat, Université de Karlsruhe, 2005, 225 p.
[HAND02]: S. Handschuh, S. Staab et F. Ciravegna.”S-CREAM –
Semiautomatic CREAtion of Metadata” .The 13th International Conference on Knowledge
Engineering and Management (EKAW 2002), ed Gomez-Perez, A.,
Springer Verlag, 2002.
[HAAR03]: V. Haarslev et R. Moeller. " Racer : A core inference engine for the Semantic
Web". In 2nd International Workshop on Evaluation of Ontology-based Tools (EON-2003),
Island, 2003.
[HAAR01] : V. Haarslev and R. Moller. “Racer user’s guide and reference manual” version
1.6. Technical report , University of Hamburg, Computer Science Department, 2001.
[IKED99]: M. Ikeda, Y. Hayashi, J. Lai, W. Chen, J. Bourdeau, K. Seta, , and R. Mizoguchi.
“An ontology, more than a shared vocabulary”. In Proceedings of the AIED '99 Workshop on
Ontologies for Educational Systems, Le Mans, Francia, 1999.
[JOBG07] : JOBGATE Source de Talents.
http://www.jobgate.fr/pdf/plaquette_Mai2007.pdf.
[KALY03]: A. Kalyanpur, J. Hendler, B. Parsia and J. Golbeck.
“SMORE – Semantic Markup,Ontology, and RDF Editor”, 2003,
http://www.mindswap.org/papers/SMORE.pdf.
[KAHA01] : J. Kahan, M-J Koivunen., E. Prud'Hommeaux et R. Swick.
“Annotea: An Open RDF Infrastructure for Shared Web Annotations”. In Proceedings
10 th International World Wide Web Conference (WWW 2001) Hong Kong.
[KOIV2005]: M-R. Koivunen. “Annotea and Semantic Web Supported Collaboration, Invited
talk at Workshop on User Aspects of the Semantic Web” (UserSWeb). At European Semantic
Web Conference (ESWC 2005) Heraklion, Greece,
29 May 2005.
[KOIV01]: M. R. Koivunen, , and R. Swick. “Metadata Based Annotation Infrastructure offers
Flexibility and Extensibility for Collaborative Applications and Beyond”. Proceedings of
K-CAP 2001, Workshop on Knowledge Markup and Semantic Annotation. Victoria,
Canada, 21 October,2001.
[KNUB04] : H. Knublauch, M. A. Musen et A. L. Rector . “Editing Description Logic
Ontologies with the Protégé OWL Plugin". International Workshop on Description Logics -
DL2004, A technical discussion for logicians, Canada, 2004.
[LOCH99] : Loche Terminologie et intelligence artificielle (actes du colloque de Nantes, 10-
11 mai 1999).
Bibliographie 153
[LUON07] : P. H Luong. « Gestion de L’évolution D’un Web Sémantique

D’entreprise », Thèse de doctorat, l’Ecole des Mines de Paris, France, 2007.
[LMD04] : Reforme LMD de l’enseignement Supérieur, Université de Constantine, Faculté
des Sciences de l’ingénieur, Département Informatique, 2004.
[MEST07] : A Mestiri. « Vers Une Approche Web Sémantique dans Les Applications de
Gestion de Conférences », Mémoire de maîtrise en informatique pour l’obtention du grade de
maîtreès sciences (M.Sc.), Université Laval, Québec ,2007.
[MORI02] : E. Morin, E. Desmontils, C. Jacquin. " Indexation sémantique de documents sur
le Web: application aux ressources humaines". Journées de l'AS-CNRS Web sémantique,
IRIN, Octobre 2002.
[MAE02]: A. Maedche, V. Zacharias. ” Clustering Ontology-based Metadata in the Semantic
Web: Principles of Data Mining and Knowledge Discovery”. In: 6th European Conference,
PKDD, Helsinki, Finland , 2002.
[MARS98]: C.Catherine. “Toward an ecology of hypertext annotation”. Actes de ACM
conference on Hypertext and Hypermedia: Links, Objects, Time and Space, Juin 1998,
Pittsburgh (USA). ACM Press, pp. 40-49.
[MKAD04] : A. Mkardmi. « Recherche collaborative d’informations : repenser l’architecture
des SRIs à l’ère numérique », Thèse de doctorat, Université paris 8, 2004, 293 p.
[MIFE06] : A. MIFE. Les sites internet pour l’emploi 2006.
http://bijbourg.free.fr/site%20emploi.pdf
[NOY00]: N. Noy, R. W. Fergerson and M. A.Musen. “The knowledge model of
Protégé2000: combining interoperability and flexibility”. In Proceedings of the International
Conference on Knowledge Engineering and Knowledge Management (EKAW’00), 2000.
[NICO03]: S. Nicolas. “Sesei : une filtre sémantique pour les moteurs de recherche
conventionnels par comparaison de structures de connaissance extraites depuis des textes en
langage naturel. Master's thesis, Département d'informatique et de génie logiciel, Université
Laval. (2003).
[ONET]: Occupationnel information network O*NET.
http://online.onetcenter.org/.
[PRIE 04] : Y.Prie and S.Garlatti. « Méta-données et annotations dans le Web sémantique »,
Hors série de la Revue Information -Interaction - Intelligence (I3), 4(1), Cépaduès, Toulouse,
2004, pp. 45-68.
[PSYC04] : V. Psyché. « Proposition d'une méthode d'ingénierie ontologique pour les EIAH
: application aux systèmes auteurs Aspects théoriques, modèles et expérimentations.
Une proposition de recherche doctorale MAI 2004.
http://www.ecogesam.ac-aix-marseille.fr/revue/N2tmp/KM/
[PATE03]: P. F. Patel-Schneider, P. Hayes et I. Horrocks. «OWL web ontology language
semantics and abstract syntax". W3C Working Draft, 2003.
http://www.w3.org/TR/2003/WD-owl-semantics-20030331/.
[PATL03] : P. F. Patel-Schneider, I. Horrocks et F. V. Harmelen. «From SHIQ and RDF to
OWL: The making of a web ontology language". 2003.
http://www.cs.man.ac.uk/%7Ehorrocks/Publications/download/2003/HoPH03a.pdf
[RECT,04] : A. Rector, M. Horridge, H. Knublauch, R. Stevens et C. Wroe." A Practical
Guide to Building OWL Ontologies Using the Protégé-OWL Plugin and CO-ODE Tools".
Edition 1.0, université de Manchester en coopération avec l’université de Stanford, aout
2004.
http://www.co-ode.org/resources/tutorials/ProtegeOWLTutorial.pdf
[SIMO00]: C. Simone. "Unifying or reconciling when constructing Organizational Memory»
In extended version of ECAI’ 2000 workshop, Universita’ di Torino, 2000.
Bibliographie 154
[SIDH05] : S. Sidhom, C. Robert, A. David. « Analyse automatique de textes comme point

de départ d’un processus d’annotation », revue e-TI 2005.
[SCHM06]: A. Schmidt, C. Kunzmann. “Professional Learning Ontology and
Competencies”. In: the OntoContent workshop at the On the Move Federated Conferences,
Montpellier (2006).
[SCHM06a]: A.Schmidt,C.Kunzmann. “Professional Learning Ontology and Competencies”.
The project Learning in Process and subsequent research activities in the Information Process
Engineering research group of FZI Research Center for Information Technologies (2006)
http://professional-learning.eu/competence_ontology
[SOWA00]: J. F. Sowa. “Knowledge Representation: Logical, Philosophical, and
Computational Foundations”. Brooks/Cole Publishing Co, London, 2000 edition,
2000.
[SHIM04] : Y Shimimana, Outils d’Ingénierie Ontologique: étendre les ontologies aux
multiples points de vue pour résoudre les conflits 2004.
[STAA01] – S. Staab, A. Maedche, S. Handschuh. An Annotation Framework for the
Semantic Web,in Proceedings of the 1st International Workshop on MultiMedia Annotation,
Tokyo, Japon, 2001.
[STAA01b] – S. Staab, A. Maedche, S. Handschuh. Creating Metadata for the Semantic Web:
An Annotation Framework and the Human Factor, Technical Report, Institut AIFB,
Université de Karlsruhe, Allemagne, 2001, 25 p.
[TRIC02]: F. Trichet. "Annotating WithCigref". Un proyotype d’annotation développé sous
protégé-2000, 2002.
[TRIC06]: F.Trichet, V. Radevski. “Competency-based Systems dedicated to e-
Recruitment”. Proceedings of the 4th International Conference on Computer Scienceand
Information Technology (CSIT'2006, Amman).Volume 3, pp 185-197. ISBN: 9957-8592-0-
X, 2006.http://csit2006.asu.edu.jo
[TIXI01]: B Tixiter. « La problématique de la gestion des connaissances », Le cas d’une
entreprise de développement informatique bancaire, Rapport de Recherche No 01.9
Septembre 2001.
[TISS99] : R. C. Tisseyre. "Knowledge Management, théorie et pratique de la gestion des
connaissances",Eds.Hermès,1999.
http://www.cnam.fr/lipsor/dso/articles/fiche/rctisseyrekmtheorpratique.doc
[TENI07] : S. Tenier, A. Napoli, X. Polanco, Y. « Toussaint, A sémantique de pages web ».
[TECH00] : NOCompétences, « Dictionnaire sectoriel de compétences : Exploitants
de réseaux – Télécommunications», 2000.
www.technocompetences.qc.ca
[TOUS07] : Y. Toussaint, S. Tenier. « Annotation sémantique par classification », 2007.
[USCH95]: M. Uschold et M. King . "Towards a Methodology for Building Ontologies"
.Paper presented at the Workshop on Basic Ontological Issues in Knowledge Sharing, 1995.
[USCH96] : M. Uschold et M. Grüninger. Ontologies: Principles, Methos and Applications.
Journals of KnowledgeEngineering Review, 11(2), 1996.
[WEIB97]: S. Weibel et C. Lagoze. "An element set to support resource discovery" .In:
International Journal on Digital Libraries, 1997, 1: 176-186, 1997.
[W3C04]: W3C (2004) "OWL Web Ontology Language Overview:
http://www.w3.org/TR/2004/REC-owl-features-20040210/".
[YAHI06] : L. Yahiaoui, Z. Boufaida et Y. Prié. «Automatisation du recrutement dans le
cadre du web sémantique».IC 2006, 17 journée francophones d’ingénierie des connaissances,
Nantes du 28.
[YAHI06a] : L. Yahiaoui, " Annotation sémantique de documents application au
Bibliographie 155
e-recrutement". Mémoire de Magister en informatique, université montouri Constantine, juin

2006.
[ZHON02]: J. Zhong, H. Zhu, J. Li, and Y. Yu. « Conceptual Graph Matching for Semantic
Search ». In: Proceedings of the 2002 International Conference on Computational Science,
2002.

Bou 5113

Transféré par

Droits d'auteur :

Formats disponibles

Bou 5113

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Bou 5113

Transféré par

Droits d'auteur :

Formats disponibles

République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Soutenu publiquement le devant le jury composé de :

Président: Mme Faiza Belala Maitre de conférences Univ. Mentouri de Constantine

Préparé au sein du SIBC, Laboratoire LIRE

Je remercie Madame Faiza Belala Maitre de conférence à l’université de Constantine

Je tiens à exprimer toute ma reconnaissance à Monsieur Nacer eddine Zarour Maître de

A Monsieur Mahmoud Boufaida, Directeur de l’équipe SI & BC. Je le remercie de

A Monsieur sofiane Allioua et Monsieur tahar Madaci et Monsieur djamil Madaci un

Table des matières

Introduction générale ……………………………………………………….… 1

Chapitre I : Le Web Sémantique et l’annotation

6.1 Les méta-données …………………………………………………………….. 15

6.2.4 La différence entre l’annotation et une méta-donné…………………… 20

Chapitre II : Gestion des documents dans le cadre du e-Recrutement

6.1. L’appariement syntaxique des documents ……………………………………. 49

7. Les travaux existants…………………………………………………………………... 49

4. Modélisation de la compétence proposée……………………………………………... 62

Chapitre IV : Construction de l’ontologie-ER

Chapitre V : Etude de cas et implémentation

2.1.3. L’appariement partiel des compétences entre l’offre1 avecCV1……………… 129

Bibliographie ………………………………………………………………………… 150

LISTE DES FIGURES

Figure 1.1- Le cycle de vie de l’ontologie selon METHONTOLOGY………………… 11

Figure 5.7. Fichier des annotations de l’offre 2 ……………………………….............. 133

LISTE DES TABLEAUX

Tableau 1.1- La liste des 15 éléments formant le Dublin Core……………………... 16

1. Contexte de l’étude et problématique

Le web a rigoureusement changé la disponibilité en ligne des données et la quantité de

(qualification personnelle, exigence, diplôme, expérience professionnelle, compétence). Le

La méthodologie METHONTOLOGY [FERN97] est adoptée pour la construction de

Chapitre 1 : Le Web Sémantique et l’annotation des documents (état de l’art)

Chapitre 2 : Gestion des documents dans le cadre du e-recrutement (état de l’art)

Chapitre 3 : Appariement sémantique des documents à base d’ontologie

Chapitre 4 : Processus de construction de l’ontologie-ER

Dans ce chapitre, nous allons modéliser l’ontologie-ER, en suivant les étapes de la

Chapitre 5 : Étude de cas

Le Web Sémantique et l’annotation

Le Web sémantique vise à cacher le manque de sémantique des documents du Web

3.1. Les éléments constituant une ontologie

4. Méthodes à suivre pour élaborer une ontologie

4.1. Entreprise [USCH95]

4.2. Tove [GRUN95]

4.3. Methontology [FERN97]

Figure1.1- Processus de construction de l’ontologie selon METHONTOLOGY.

5. Les Langages de spécification d’ontologie

OIL DAML-OIL OWL

XOL SHOE OML RDF (S)

Figure 1.2- La pyramide des langages basés Web.

5.1. RDF (Resource Description Framework)

5.2. RDFS (Resource Description Framework Schema)

Un schéma RDF est un ensemble de déclarations de classes et de propriétés. Il s’apparente

5.3. OWL: (Web Ontology Language) [W3C04]

6. Méta-donnée, annotation, annotation sémantique

6.1.2. Le Dublin Core :

Nom Titre Identificateur Titre Définition

Titre Titre Le nom donné à la ressource.

Auteur / L’entité principalement responsable de la création

Des renseignements au sujet des droits détenus sur

Tableau 1.1- La liste des 15 éléments formant le Dublin Core [BENA05].