L'activité de modélisation de connaissances consiste à élaborer une représentation externe structurée de la conceptualisation subjective qu'a un agent cognitif (le modélisateur) d'un domaine de connaissances. Cette conceptualisation est externalisée dans un « modèle » à l'aide d'un langage qui peut être plus ou moins formel. Pour un agent cognitif humain, l'usage d'un langage semi-formel favorise l'expressivité au cours de l'activité de modélisation, tout en réduisant l'ambigüité du langage informel. Un modèle, qu'il soit informel, semi-formel ou formel peut néanmoins comporter des erreurs de représentation. La production automatique par un agent informatique de la liste des propositions sémantiques exprimées en langage naturel et résultant d'une interprétation formelle d'un modèle semi-formel pourrait guider le modélisateur à objectiver sa conceptualisation du domaine. Cet article présente comment OntoCASE, une méthodologie d'ingénierie ontologique, peut aider le modélisateur pour ce faire. Nous décrivons les principaux composants de cette méthodologie et exposons quelques exemples de modèles semi-formels comportant des ambigüités ou des erreurs de représentation afin d'illustrer comment OntoCASE assiste le modélisateur à objectiver sa conceptualisation. Nous présentons aussi quelques résultats d'une expérimentation d'OntoCASE par quelques modélisateurs permettant de démontrer son potentiel en tant qu'outil de validation de modèles semi-formels.