Les techniques de gestion des connaissances sont utilisées depuis longtemps pour traiter l'hétérogénéité, même si elles n'ont généralement pas la capacité de gérer des flux de données dynamiques dans des environnements décentralisés. Bien que le domaine du raisonnement sur les flux ait progressé vers le traitement continu des flux sémantiques au cours de la dernière décennie [28], il existe un important déficit de recherche en ce qui concerne le raisonnement décentralisé sur les flux de données, et plus encore en ce qui concerne les mécanismes d'organisation et de coopération entre les différents processeurs de flux. Même si des efforts ont été déployés récemment pour sémantiser les données en continu sous la forme de graphes de connaissances dynamiques, les modèles actuels et les systèmes mis en œuvre n'ont pas la capacité de gérer et de raisonner sur des connaissances qui évoluent rapidement dans un environnement hautement distribué et entièrement décentralisé. En outre, les raisonneurs de flux peuvent difficilement être combinés afin de partager les tâches de calcul ou d'agréger les résultats des données de flux, étant donné la diversité de leurs modèles de traitement sous-jacents et leur manque de capacités d'orchestration.
Ce projet aborde ces défis en proposant les fondements théoriques et technologiques d'une approche pour le traitement décentralisé des graphes de connaissances en continu, où des raisonneurs autonomes peuvent combiner le traitement individuel et collectif de données continues. Ces processeurs de flux décentralisés seront capables de partager non seulement la connaissance du flux de données, mais aussi les tâches de traitement, en utilisant des protocoles de collaboration et de négociation. En outre, des vocabulaires sémantiques communément acceptés seront utilisés pour tenir compte de la grande dynamique des connaissances et des objectifs des raisonneurs. L'approche proposée dans ce projet va au-delà des travaux antérieurs sur le raisonnement en flux, en permettant l'auto-organisation et la coordination entre les raisonneurs de flux distribués, sur la base de techniques et de principes inspirés par les systèmes multi-agents. D'une part, elle permet d'expliciter les objectifs de traitement, les capacités et les connaissances, et d'autre part, elle exploite les possibilités d'interconnexion de manière à accroître leur capacité/efficacité combinée pour gérer des flux très dynamiques de connaissances en continu. Grâce à cette approche, des processeurs de flux locaux efficaces en périphérie peuvent établir des schémas de traitement coopératifs, en respectant les restrictions en matière de confidentialité des données et les exigences de localité des données par l'échange de graphes de connaissances en continu.