ApplicationData & analyseAgnostique

Semantica

Semantica se présente comme un "Palantir open source pour agents IA" : une infrastructure de graphe de connaissance qui vient se placer sous le LLM, le vector store et le framework d'agent déjà en place, sans les remplacer. Chaque décision prise par un agent devient un nœud de graphe traçable (record_decision), relié à ses causes et conséquences, comparable à des précédents, et exportable au format W3C PROV-O pour une soumission à un régulateur. Le moteur de raisonnement (chaînage avant, réseau de Rete, Datalog, SPARQL) est entièrement déterministe : aucun LLM n'est nécessaire pour construire le graphe, raisonner dessus ou générer la provenance. Le projet cible explicitement les secteurs régulés (finance, santé, juridique, secteur public, défense) où un agent qui "agit sans laisser de trace" est une exposition de conformité, pas un simple inconvénient.

Voir le projet 2 692 · GitHub

Avantages clés

Licence MIT, plus de 2 700 étoiles GitHub, projet actif depuis mi-2025 avec des mises à jour quotidiennes
Stockage de graphe polyglotte et interchangeable sans changer le code (RDF via Oxigraph/Blazegraph/Jena, graphes de propriétés via Neo4j/FalkorDB/AWS Neptune)
Connecteurs natifs pour Databricks et Snowflake avec introspection de lignage, pensés pour rester dans l'infrastructure existante de l'entreprise plutôt que d'exporter les données
Serveur MCP, API REST et CLI inclus, utilisable indépendamment de tout framework d'agent particulier

Pour qui, pour quoi

Équipes plateforme IA, équipes conformité et risque, et agences ou DSI qui déploient des agents IA chez des clients dans des secteurs régulés et doivent pouvoir répondre à "pourquoi l'IA a-t-elle décidé ça" avec une réponse structurée, pas un log applicatif.

Construire un journal de décision auditable pour un agent qui approuve, recommande ou arbitre (crédit, RH, contenu) avec chaîne causale complète
Transformer des tables déjà présentes dans Databricks (Unity Catalog) ou Snowflake en graphe de connaissance gouverné, sans export préalable vers un SaaS tiers
Détecter et signaler des faits contradictoires entre sources plutôt que de les écraser silencieusement, un problème courant en RAG classique

Comment démarrer

1Installer la librairie Python : `pip install semantica`.
2Vérifier l'installation : `semantica doctor`.
3Créer un premier graphe de contexte et enregistrer une décision avec `ContextGraph()` et `record_decision()`, puis interroger la chaîne causale avec `trace_decision_chain()`.

Points de vigilance

Courbe d'apprentissage réelle pour qui n'est pas familier des graphes de connaissance, RDF, SHACL ou des moteurs de règles : ce n'est pas un outil "prompt et ça marche".
La gouvernance et les règles de conformité doivent être configurées et maintenues par l'équipe qui l'installe, l'outil fournit l'infrastructure de traçabilité, pas une certification de conformité prête à l'emploi.
Projet actif depuis un peu plus d'un an : la traction est réelle (2 700+ étoiles) mais le passif en production sur des cas réglementaires critiques reste plus court que celui d'une infrastructure de graphe établie depuis une décennie.

Questions fréquentes

Faut-il un LLM pour utiliser Semantica ?

Non pour la construction du graphe, le raisonnement ou la provenance : ces couches sont entièrement déterministes. Semantica se place sous le LLM et le framework d'agent déjà utilisés, il ne les remplace pas et n'en impose aucun.

Semantica remplace-t-il un vector store ou du RAG classique ?

Non, il vient en complément : les stores vectoriels restent en place, Semantica ajoute la couche de décisions traçables, de raisonnement causal et de provenance par-dessus.

Les données doivent-elles quitter l'infrastructure de l'entreprise ?

Non, c'est un argument central du projet : les connecteurs Databricks et Snowflake permettent de construire le graphe directement sur des données déjà en place dans le lakehouse ou l'entrepôt, sans passage par un SaaS tiers.

Explorer d'autres outils Discuter d'un projet

Outils similaires

À explorer aussi

MCPData & analyse