données
Un texte en entrée, ses entités clés en sortie, reliées à Wikidata
KEW (KeywordExtractionWorker) lit un texte en français ou en anglais et en sort les entités nommées : personnes, organisations, lieux, concepts. Chaque entité est rattachée à sa fiche Wikidata, enrichie et classée. Le service sert les autres applications de la flotte et les agents IA.
Ce qu’elle fait
KEW reçoit un texte brut et détecte sa langue. Deux modèles de reconnaissance d’entités, l’un pour le français, l’autre pour l’anglais, repèrent les noms qui comptent.
Chaque nom trouvé est ensuite résolu sur Wikidata, la grande base de connaissance ouverte. Le choix de la bonne fiche tient compte du contexte de l’article, pour départager les homonymes. Une décision humaine peut imposer une fiche ou interdire une résolution.
L’entité revient enrichie : libellés, description, propriétés clés (pays, siège, fondateurs, maison mère pour une organisation), et place dans une taxonomie hiérarchique. La réponse existe en trois niveaux de détail, du plus complet au plus léger.
La chaîne est entièrement déterministe : aucun modèle de langage n’y décide. Le même texte donne le même résultat. Un appui sémantique par vecteurs existe en option, désactivé par défaut.
Pour qui
Pour toute application qui reçoit du texte et veut savoir de qui et de quoi il parle : veille, revue de presse, enrichissement de documents avant indexation, graphe de relations entre acteurs. Dans la flotte, KEW enrichit les articles collectés par RssArchiver et alimente le référentiel Entreprises.
Comment elle est construite
KEW est une application du socle V005 en deux conteneurs. Le premier, en Java, porte le worker kew : il orchestre la chaîne, expose une vingtaine d’actions MCP (le protocole qui permet à un agent IA d’appeler l’outil) et une route REST d’extraction. Le second, en Python, fait tourner les modèles de reconnaissance d’entités.
Les résultats sont gardés dans une base PostgreSQL au standard de la plateforme, avec un cache qui rend quasi instantané un second appel sur la même entité. Le service est publié sur la passerelle d’API du Hub (APIM) en trois formules d’abonnement, avec clé, quotas et facturation à l’appel.
Le même code tourne sur trois types de machines : carte graphique NVIDIA, puce Apple Silicon ou simple processeur. Le service Python choisit seul le meilleur calculateur disponible.
Points forts
Un résultat reproductible
Aucun modèle de langage ne décide dans la chaîne. Un même texte rend toujours les mêmes entités, ce qui rend le service auditable.
Ancré sur une base de connaissance mondiale
Chaque entité pointe vers sa fiche Wikidata. Les propriétés utiles, comme le siège ou la maison mère d’une organisation, viennent avec elle.
Le contexte départage les homonymes
Le choix de la fiche confronte la description de chaque candidat au sujet de l’article. Une décision humaine peut corriger un cas une fois pour toutes.
Une seule base de code, trois matériels
Le même service tourne sur GPU NVIDIA, sur puce Apple ou sur processeur standard. On choisit la machine selon le débit voulu et le coût.
Prêt pour les agents IA
Les actions MCP permettent à un agent d’extraire, de chercher une entité ou de demander un graphe de co-occurrences sans code d’intégration.