De données hétérogènes et fragmentaires provenant de sources multiples à un référentiel géohistorique d’adresses

From multiple highly heterogeneous sources to an open address dataset

• Auteur / Autrice : Charly Bernard
• Direction : Julien Perret, Nathalie Abadie
• Type : Thèse de doctorat
• Discipline(s) : Sciences et Technologies de l'Information Géographique
• Date : Soutenance le 26/02/2026
• Etablissement(s) : Université Gustave Eiffel
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2010-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire en Sciences et technologies de l'information géographique (Champs-sur-Marne) - Laboratoire en Sciences et technologies de l'information géographique (Champs-sur-Marne)
• Jury : Président / Présidente : Fatiha Saïs
• Jury : Examinateurs / Examinatrices : Julien Perret, Nathalie Abadie, Fatiha Saïs, Nathalie Aussenac-Gilles, Marlène Villanova-Oliver, Claire Lagesse, Bertrand Dumenieu
• Jury : Rapporteurs / Rapporteuses : Nathalie Aussenac-Gilles, Marlène Villanova-Oliver
• DOI : 10.70675/9a0bab78zfd91z4b0czb5c7zea5e0f19f2c0

Mots clés

Mots clés contrôlés

Positions géographiques

Infrastructures de données géographiques

Réseaux neuronaux (informatique)

Géographie historique

Bases de données -- Conception technique

Mots clés libres

Données

Adresse

Hétérogène

Data

Address

Heterogeneous

Résumé

Les adresses constituent un corpus important et jouent le rôle de références spatiales indirectes, permettant de localiser un lieu sans recourir à des coordonnées géographiques précises. Le géocodage repose sur un référentiel d'entités associées à des coordonnées, mais les outils classiques utilisent essentiellement des données contemporaines, ce qui conduit souvent à des échecs pour des adresses historiques. Ces adresses sont présentes en grande quantité dans différents documents historiques, tels que des plans ou des annuaires, dont l'accès est aujourd'hui facilité par la mise en ligne des archives par les institutions patrimoniales. Parallèlement, des outils d'extraction automatique, notamment basés sur des réseaux de neurones, permettent d'extraire un grand nombre d'informations à partir de ces documents anciens. Ces informations constituent des données hétérogènes et fragmentaires qu'il est essentiel de valoriser et de structurer afin de permettre leur intégration dans un référentiel géohistorique cohérent, permettant la modélisation spatio-temporelle des entités géographiques.Cette thèse propose de construire un référentiel géohistorique d'adresses, intégrant ces données hétérogènes et fragmentaires issues de sources variées. Les objectifs principaux sont de modéliser les adresses et les entités géographiques auxquelles elles se réfèrent, en tenant compte de leur dimension spatio-temporelle, et d'intégrer, normaliser, apparier et fusionner ces données fragmentaires. Pour ce faire, la thèse s'appuie sur un graphe de connaissances et une ontologie, PeGazUs, dédiés à la description des entités et de leurs évolutions spatio-temporelles. Elle propose également une méthode de peuplement du graphe, qui, en plus d'intégrer les données provenant de sources variées, permet de générer de nouvelles connaissances afin de reconstituer l'état du territoire à chaque instant et pour chaque entité, et ainsi suivre leur évolution au fil du temps

Historical addresses constitute a significant corpus and serve as indirect spatial references, allowing the localization of a place without relying on precise geographic coordinates. Geocoding relies on a reference dataset of entities associated with coordinates, but standard tools primarily use contemporary data, which often leads to failures when processing historical addresses. These addresses are found in large quantities in various historical documents, such as maps or directories, whose accessibility has been greatly facilitated by the online availability of archives provided by heritage institutions. At the same time, automatic information extraction tools, notably based on neural networks, enable the retrieval of a large amount of information from these historical documents. This information is heterogeneous and fragmentary, and it is essential to valorize and structure it to allow integration into a coherent historical geo-address reference system, enabling the spatio-temporal modeling of geographic entities.This thesis proposes the construction of a historical geo-address reference system, integrating these heterogeneous and fragmentary data from various sources. The main objectives are to model addresses and the geographic entities they refer to while accounting for their spatio-temporal dimension, and to integrate, normalize, match, and merge these fragmentary data. To achieve this, the thesis relies on a knowledge graph and an ontology, PeGazUs, dedicated to representing entities and their spatio-temporal evolution. It also introduces a graph population method, which, in addition to integrating data from multiple sources, generates new knowledge to reconstruct the state of the territory at any given time for each entity, thus enabling the tracking of their evolution over time