Ce projet propose des algorithmes pour analyser et optimiser des requêtes SPARQL sur des bases de connaissances incertaines représentées par des triplets RDF. Il identifie les sous-requêtes défaillantes (αMFS) et génère des requêtes alternatives réussies (αXSS) pour éviter les réponses vides ou non conformes à un seuil de certitude donné. Les algorithmes implémentés incluent αLBA, NLBA, Bottom-Up, Top-Down et Hybrid.