Cet article soutient que les graphes de connaissances structurés de manière ontologique peuvent jouer un rôle crucial dans la prédiction d'événements futurs, en s'appuyant sur l'ontologie formelle de base (BFO) et l'ontologie du tronc commun (CCO). Nous présentons une méthode permettant d'organiser et de récupérer des données, telles que les trajectoires de déplacement des navires de pêche, dans un graphe de connaissances afin de générer un modèle de chaîne de Markov, qui peut ensuite être utilisé pour prédire les états futurs à partir des trajectoires passées du navire. Pour compléter la sémantique structurelle nécessaire, nous introduisons le terme « instant spatio-temporel », critiqueons les modèles ontologiques probabilistes du futur existants et proposons une perspective alternative qui considère qu'au moins certaines probabilités sont liées aux profils de processus réels afin de mieux saisir la dynamique des phénomènes du monde réel. Enfin, nous démontrons comment les calculs de probabilité basés sur la chaîne de Markov peuvent être intégrés au graphe de connaissances pour soutenir des analyses et des prises de décision plus approfondies.
