MOTEURS DE RECHERCHE :
DES ENJEUX DÕAUJOURDÕHUI AUX MOTEURS DE DEMAIN.
INTRODUCTION...................................................................................................................... 2
JÕai 10 ans................................................................................................................................ 2
Giant Global Graph ?................................................................................................................ 2
1. DES MACHINES SOCIALES................................................................................................ 3
1.1. Description, restitution, prescription................................................................................. 3
Description........................................................................................................................... 3
Restitution............................................................................................................................ 3
Prescription.......................................................................................................................... 4
1.2. Algorithmes sous le
moteur............................................................................................... 4
Fivre algorithmique.............................................................................................................. 5
ComplexitŽ algorithmique objectivŽe ou panoptique subjectif ?............................................... 5
1.3. ConcentrŽ dÕŽconomies et Žconomie concentrŽe É........................................................... 6
1.4. Une diversitŽ de services É au service dÕune confusion des pratiques................................. 6
1.5. Un moteur. Des recherches................................................................................................ 7
2. DERIVE DES CONTINENTS DOCUMENTAIRES ET RECHERCHE UNIVERSELLE...... 8
2.1. DŽrive des continents documentaires.................................................................................. 8
Premire pŽriode.................................................................................................................. 8
Deuxime pŽriode................................................................................................................. 8
2.2. Le web comme base de donnŽes....................................................................................... 9
Pages statiques et web dynamique......................................................................................... 9
Dans la base des moteurs...................................................................................................... 9
Bases de moteurs et flux de donnŽes................................................................................... 10
Read Write Web................................................................................................................ 11
2.3. La recherche universelle ou lÕalgorithmie ambiante ?.......................................................... 11
De la recherche universelle en particulier É......................................................................... 11
É ˆ lÕalgorithmie ambiante en gŽnŽral..................................................................................... 12
2.4. Mon nom est personne.................................................................................................... 13
2.5. Indexation marchande et indexation sociale : le thesaurus comme
trŽsor............................. 13
Indexeurs sans le savoir...................................................................................................... 14
LÕŽchec des balises <META>............................................................................................ 14
Standardisation et communautŽ mŽtier................................................................................. 14
Folksonomies : le retour de la communautŽ comme indexeur................................................ 14
Ontologies et Web sŽmantique............................................................................................ 15
3. CHAPITRE TROISIEME...................................................................................................... 15
3.1 Rve de Web Operating System....................................................................................... 15
Webtop.............................................................................................................................. 15
Collectif.............................................................................................................................. 16
Mixage............................................................................................................................... 16
3.2. Rve dÕimplicite............................................................................................................... 16
LÕimportance du chemin...................................................................................................... 16
Myware + everyware......................................................................................................... 17
3.3. Rve sŽmantique.............................................................................................................. 17
Moteurs sŽmantiques : lÕapproche Ç top-down È.................................................................. 17
Moteurs sŽmantiques : lÕapproche Ç bottom-up È................................................................. 18
Petite revue de troupes....................................................................................................... 19
3.4. Une question de gŽnŽration É......................................................................................... 20
3.5. Rve de synchronicitŽ...................................................................................................... 20
CONCLUSION........................................................................................................................ 21
Bibliographie.............................................................................................................................. 22
RESUME : Les moteurs de recherche occupent une place prŽpondŽrante dans nos accs ˆ l'information et ˆ la connaissance. Ils suscitent Žgalement de vives interrogations, notamment dans leur capacitŽ ˆ rendre indexable des informations relevant indistinctement des sphres publiques, privŽes et intimes des contenus disponibles en ligne. A l'heure o le modle Žconomique de ces outils semble stabilisŽ, nous nous efforcerons, au travers d'une mise en perspective de leurs principaux dŽveloppements technologiques, d'une analyse des pratiques en recherche d'information, et d'un Žtat de l'art des questionnements sociŽtaux actuels, de fournir quelques bases pour une analyse prospective de ce secteur. Une premire partie sÕattachera ˆ dŽcrire la constitution des moteurs de recherche tels que nous les connaissons aujourdÕhui, comme autant de machines sociales. Dans un second point nous reviendrons sur les dŽveloppements et directions actuellement les plus significatifs, permettant dÕatteindre le graal dÕune Ç recherche universelle È. Dans une troisime partie nous prŽsenterons les enjeux qui, ds demain, seront dŽterminants pour les moteurs de recherche et la perception quÕils nous renvoient du web.
En septembre 2007 le moteur Google ftait ses
10 ans dÕexistence. En Juin 2008, lÕannuaire Dmoz (projet OpenDirectory)
soufflait Žgalement dix bougies. A cette dernire exception prs, le modle des
annuaires de recherche a aujourdÕhui atteint ses limites, dans lÕincapacitŽ de
sÕaligner sur lÕexplosion de la masse documentaire ˆ lÕŽchelle du web. Pour les
moteurs en revanche, plus prŽcisŽment pour les quelques grands acteurs qui
dominent ce secteur, lÕavenir appara”t radieux. La multitude des services
quÕils dŽveloppent et proposent Ð gŽnŽralement gratuitement Ð ˆ lÕusager, lÕimpŽrieuse nŽcessitŽ de leur
usage pour qui veut accŽder aux informations et connaissances aujourdÕhui disponibles
sur le rŽseau, les rend tout simplement incontournables. En 2008, leur modle
Žconomique est constituŽ (publicitŽ Ç contextuelle et ciblŽe È et
liens Ç sponsorisŽs È) et gŽnre dÕŽnormes profits. Pour autant, cet
‰ge dÕor nÕest pas nŽcessairement pŽrenne et prŽsente quelques risques pour des
usagers trop candides.
La plasticitŽ du web, la dynamique de ses
acteurs, les nouveaux entrants sur ce secteur et le nombre des chantiers
technologiques actuellement en cours et
restant ˆ mettre en place rend cependant trs dŽlicat tout exercice de
prospective. Cet article sÕefforcera donc dÕobserver la situation actuelle des
acteurs de la recherche dÕinformation sur Internet, de pointer et dÕanalyser
les changements technologiques en cours ˆ la lumire des usages Žmergents ou
dŽjˆ actŽs, et de soulever un certain nombre de questionnements qui font
aujourdÕhui problme. Des questionnements principalement liŽs ˆ la position
hŽgŽmonique de certains moteurs, ˆ leur capacitŽ ˆ capter et ˆ monŽtiser des
pans entiers de nos activitŽs et de nos vies numŽriques. Soit le passage du
World Wide Web au Ç Giant Global
Graph È pour reprendre lÕexpression de Tim Berners Lee (BERN, 2007).
LÕexpression fait rŽfŽrence ˆ trois niveaux dÕanalyse
diffŽrents mais dŽterminants pour comprendre la gense et lÕavenir des moteurs
de recherche en particulier et des acteurs de lÕaccs ˆ lÕinformation et de la
diffusion de contenus en gŽnŽral. Ces trois niveaux sont ceux du
Ç Net È en tant quÕinfrastructure technologique, du Ç Web È
comme plateforme de mise ˆ disposition des contenus, et du Ç Graph È
dŽsignant la capacitŽ ˆ produire dynamiquement de lÕinformation, des
connaissances, sur la base dÕun recoupement des informations et connaissances
dŽjˆ existantes. La notion de Ç graphe È Žtait dŽjˆ prŽsente dans la
vision initiale de Tim Berners Lee quand celui-ci Ç inventa È le web
actuel (BERN, 1989). Mais elle prend aujourdÕhui une tout autre dimension gr‰ce
aux travaux autour du web sŽmantique (BERN 2001) et ˆ lÕŽmergence et
lÕengouement massif suscitŽ par les rŽseaux sociaux. Sans anticiper sur les
conclusions de cet article, il appara”t aujourdÕhui trs clairement que cÕest
sur leur capacitŽ ˆ articuler ces deux dimensions (sociale et sŽmantique) que
seront construits les moteurs de demain.
La rŽalitŽ sociale du web compte
aujourdÕhui prs dÕun milliard dÕinternautes (NIEL, 2005). Sa rŽalitŽ
documentaire fait Žtat dÕestimations autour de 30 milliards de pages web[1] en FŽvrier 2007, alors que
la dernire version Ð 2003 Ð de lÕŽtude quantitative systŽmatique menŽe ˆ
Berkeley (LYMA, 2003) faisait Žtat dÕun web Ç de surface È Ð cÕest ˆ
dire indexŽ ou indexable par les moteurs Ð reprŽsentant 167 tŽrabits
dÕinformation. Au vu de cette seule volumŽtrie et de ces chiffres qui confinent
ˆ lÕincommensurable, on comprend mieux lÕimpŽrieuse nŽcessitŽ de lÕexistence
dÕoutils de repŽrage, de classification et dÕaccs. De fait, les moteurs de
recherche ont vu le jour ds que le nombre de serveurs web est devenu ingŽrable
ˆ lÕaide de simples signets ou de listes dÕadresses. La dŽmesure de ce
continent documentaire a ensuite rapidement conditionnŽe les logiques de
dŽploiement des outils permettant de sÕy retrouver : le repŽrage et
lÕaccs prenant le pas sur la classification ordonnŽe.
Les premiers temps du web virent
dÕabord la reconduite dÕun schŽma de traitement documentaire
Ç classique È, cÕest ˆ dire la sŽlection, la validation et le
classement thŽmatique des sites web par des individus. Yahoo !, premier
annuaire historique, Žtait au dŽpart une simple liste de signets, maintenue par
ses deux fondateurs, chaque site retenu Žtant accompagnŽ dÕune description de son contenu. DŽcrire et
hiŽrarchiser thŽmatiquement des contenus validŽs Žtant les deux principales
caractŽristiques de ces annuaires.
Compte tenu de lÕexplosion
volumŽtrique dŽjˆ mentionnŽe, et gr‰ce aux progrs de lÕingŽnierie linguistique
permettant lÕindexation rapide de trs larges corpus, les moteurs de recherche
firent ensuite progressivement leur apparition, dotŽs de Ç spiders È[2] leur permettant
dÕatteindre rapidement les sommets dÕune Žchelle quantitative autrement
ingŽrable. Dans lÕimaginaire de lÕutilisateur comme dans la rŽalitŽ
technologique, lÕavantage est au moteur disposant de la plus grosse base
dÕindex. Cette course au quantitatif occasionna pendant quelques temps une Ç
guerre dÕaffichage È sur les pages dÕaccueil des moteurs, guerre dans
laquelle entrait une bonne part de marketing. Cette stratŽgie dÕaffichage est aujourdÕhui
abandonnŽe par la plupart des acteurs[3] et il est donc trs
difficile dÕobtenir une vue non-biaisŽe du volume des contenus effectivement
indexŽs. La seule certitude est que ceux-ci se comptent en milliards (de pages,
dÕimages É). LÕurgence ˆ laquelle permirent de faire face les moteurs de
recherche fut celle de la restitution
en temps quasi-rŽel[4]
du rythme de publication propre au web.
La bataille actuellement engagŽe et celle de la prescription. A lÕheure ou la plupart des contenus, quelle que soit leur nature, sont presque instantanŽment disponibles, visibles dans les moteurs, et devant le gigantisme des mmes contenus et lÕŽtroitesse de la vue qui nous en est proposŽe par les moteurs et par nos usages[5], lÕinternaute a un besoin croissant de prescription et de conseil. Il sÕagit de disposer dÕinformations supplŽmentaires permettant de rŽduire lÕŽcart entre les contenus effectivement disponibles et pertinents et ceux renvoyŽs par les moteurs[6] ainsi que la part dÕalŽatoire inhŽrente au choix des mots-clŽs dŽposŽs par lÕinternaute. Cette prescription peut prendre plusieurs formes. Les sites marchands (Amazon par exemple) proposent ainsi divers systmes plus ou moins fiables[7] de Ç recommandation È[8] permettant, sur la base dÕun acte dÕachat initial, dÕorienter les internautes vers des produits semblables ou similaires. De leur c™tŽ les moteurs de recherche mettent en pratique diffŽrentes stratŽgies. Il est aujourdÕhui possible de crŽer des moteurs personnalisŽs[9] sur la base dÕun corpus de sites web dŽfini par lÕinternaute. Une autre solution consiste ˆ valoriser la capacitŽ de prescription affinitaire des Ç proches È, des Ç amis È ou des Ç collaborateurs È de lÕinternaute. Moteurs de recherche et rŽseaux sociaux travaillent ainsi ˆ des rapprochements qui permettraient dÕoptimiser la capacitŽ de restitution des premiers et la force de prescription des seconds.
Les algorithmes dÕindexation et
de classement constituent le cÏur technologique des moteurs de recherche. Celui
de Google, baptisŽ Ç Pagerank È constitua ˆ lÕŽpoque de sa mise en
Ïuvre une vŽritable (r)Žvolution technologique, aujourdÕhui copiŽe par
lÕensemble des acteurs majeurs du secteur. LÕheure est ˆ la convergence des
algorithmes de pertinence mme si, comme nous le verrons plus loin, les
tentatives de diversification et de diffŽrentiation sur ce secteur
technologique restent importantes. Rappelons dÕabord que le PageRank est
inspirŽ des indicateurs scientomŽtriques dŽfinis par Eugne Garfield (GARF, 1972)
pour lÕŽvaluation des publications scientifiques. En lieu et place du nombre de
citations dÕun article scientifique dans la bibliographie dÕautres articles, la
pertinence dÕune page web est dŽfinie ˆ partir du nombre et de la pertinence
des pages qui la citent (backlinks). CÕest une mesure quantitative qui est
utilisŽe pour construire des mŽtriques qualitatives. Le Ç coup de
gŽnie È des fondateurs de Google fut de parvenir ˆ transposer ce mode
opŽratoire depuis un corpus trs spŽcifique et normŽ et disposant de puissants
filtres Žditoriaux en amont (publications et Ždition scientifique) vers un
corpus ouvert, non filtrŽ et gŽnŽraliste : le web.
Contrairement ˆ une premire idŽe reue, le brevet du Pagerank originel dŽposŽ ˆ lÕŽpoque ou Serguei Brin et Larry Page Žtaient Žtudiants ˆ lÕuniversitŽ de Stanford, est public[10] et lÕensemble des documents originaux publiŽs par ses inventeurs est disponible (BRIN, 1998a, 1998b, 1999). On dispose Žgalement dÕun grand nombre dÕanalyses extŽrieures dŽcrivant et analysant son fonctionnement (LANG, 2003). Le fonctionnement du PageRank originel est donc connu, ce qui permit aux autres acteurs de sÕen inspirer et de faire de lÕanalyse des backlinks lÕun des tous premiers critres pour lÕaffichage de leurs listes de rŽsultats et la constitution de leur base dÕindex. En revanche, la domination technologique de Google est liŽe ˆ la difficultŽ dÕŽvaluer le poids exact de lÕindicateur relationnel dans lÕalgorithme de pertinence. Dans un billet en date du 20 Mai 2008 sur le blog officiel de Google[11], on apprend que pour lÕannŽe 2007 le Pagerank a connu plus de 450 modifications ! Un enrichissement naturellement confidentiel mais qui passe notamment par la prise en compte de logiques qualitatives en amont (nature et sŽmantique des backlinks), par de puissantes procŽdures de filtrages en aval (permettant dÕattŽnuer les usages dŽtournŽs[12]), et par une infrastructure technique permettant de travailler ˆ une Žchelle statistique et computationnelle hors-norme[13].
Les
algorithmes de lÕensemble des moteurs sont de la mme manire en permanence
modifiŽs. De plus, certains types de contenus peuvent nŽcessiter une
algorithmie dŽdiŽe. CÕest notamment le cas de lÕindexation image pour laquelle
Google vient de publier une approche diffŽrente de celles couramment
utilisŽes : le VisualRank (JING, 2008). LÕindexation image est un secteur
stratŽgique essentiel pour le futur de la recherche dÕinformation, particulirement
dans la tendance actuelle dÕune recherche globalisŽe et universelle[14].
Quand
nous consultons une page de rŽsultat de Google ou de tout autre moteur, nous ne
disposons pas simplement du rŽsultat dÕun croisement combinatoire binaire entre
des pages rŽpondant ˆ la requte et dÕautres nÕy rŽpondant pas ou moins (matching). Nous disposons dÕune vue sur
le monde (watching) dont la
neutralitŽ est clairement absente. Derrire la liste de ces rŽsultats se
donnent ˆ lire des principes de classification et dÕorganisation de
lÕinformation et des connaissances : lÕaffichage lisible dÕune liste de
rŽsultats, est le rŽsultat de lÕitŽration de principes non plus seulement
implicites (comme les plans de classement ou les langages documentaires
utilisŽs dans les bibliothques) mais invisibles et surtout dynamiques, le
classement de la liste rŽpondant ˆ la requte Žtant susceptible dÕŽvoluer en
interaction avec le nombre et le type de requtes ainsi quÕen interaction avec
le renforcement (ou lÕeffacement) des liens pointant vers les pages prŽsentŽes
dans la page de rŽsultat (ERTZ, 2004).
LÕautre grande Ç nouveautŽ È quÕapportent les moteurs de recherche au mode de circulation, dÕorganisation et dÕaccs habituel aux connaissances est lÕassujetissement ˆ des logiques marchandes dans lesquelles la publicitŽ EST du contenu[15].
La caractŽristique principale de
la toile mondiale nÕest pas tant quÕelle a permis de rendre disponibles des
milliards dÕinformations, mais surtout quÕelle a amenŽ des millions
dÕutilisateurs ˆ faire de la recherche dÕinformation et de la recherche
de documents une t‰che quotidienne. Dans cette t‰che, les moteurs de
recherche en gŽnŽral et Google en particulier, sont gŽnŽralement les seuls
intermŽdiaires entre lÕexpression dÕun besoin et sa partielle ou totale
satisfaction.
En France, le moteur Google
reprŽsente ˆ lui seul prs de 75% de lÕensemble des recherches effectuŽes[16]. Cette proportion pour
les Etats-Unis, bien que plus faible (50%)[17], marque cependant une
claire domination du moteur, qui se mesure autant ˆ lÕaune des parts de marchŽ
quÕil reprŽsente, quÕˆ son adoption gŽnŽralisŽe, avec par exemple le passage
dans lÕusage de lÕexpression Ç Googler quelque chose ou quelquÕun È
qui dŽsigne mŽtonymiquement lÕensemble du processus de recherche sur Internet.
Le service offert par les moteurs
de recherche est un service gratuit. Mais le cožt quÕil reprŽsente est
maintenant considŽrable, aussi bien en termes de recherche et dŽveloppement
quÕen termes dÕinfrastructures. Les moteurs disposent aujourdÕhui dÕun modle
Žconomique aussi rentable quÕefficace, lÕaffichage de bandeaux et de bannires
publicitaires sur leurs pages dÕaccueil sÕŽtant rapidement rŽvŽlŽ insuffisant.
LÕarrivŽe de la publicitŽ sous forme de liens sponsorisŽs permit aux moteurs de
dŽgager des bŽnŽfices ˆ la hauteur des parts de marchŽ quÕils occupent[18]. Leur modle Ð tout au
moins pour des sociŽtŽs dans lesquelles la Ç recherche È est le cÏur
de mŽtier[19]
- est donc celui dÕune rŽgie publicitaire qui diffuse dans un panel de mŽdias
de plus en plus large (web bien sžr mais Žgalement plus rŽcemment tŽlŽvision et
radio). La structure de lÕoffre est assez simple : il est possible
dÕacheter des mots-clŽs pour un affichage en premire page de rŽsultats, ou bien
dÕafficher sur son site, les liens sponsorisŽs contextuels envoyŽs par le
moteur qui vous reverse alors un pourcentage pour chaque clic (offres Google
Adwords et Adsense).
Le marchŽ du Ç Search È comme lÕappelle les amŽricains est ainsi outrageusement dominŽ par Google, avec, trs loin derrire lui Yahoo ! et Microsoft, en France comme outre-atlantique. La trs rŽcente proposition de rachat adressŽe ˆ Yahoo ! par Microsoft (CROS 2008) a finalement ŽtŽ rejetŽe, lÕoccasion pour Google dÕasseoir, in fine, encore un peu plus sa position en contractant avec Yahoo! un partenariat qui lui permettra de placer des publicitŽs ˆ c™tŽ des recherches menŽes par les internautes sur le moteur de recherche de Yahoo!
Si la publicitŽ est la clŽ du modle Žconomique des moteurs, le corrŽlat est de rŽussir ˆ augmenter au maximum le trafic sur leurs sites ou ceux de leurs services. DÕo une stratŽgie de diversification desdits services et le virage vers une offre de type Ç portail È pour optimiser davantage la rentabilitŽ publicitaire de ce public Ç captif È. Toute la logique de dŽploiement des services dŽcrits ci-dessous correspond ˆ un seul credo : maintenir le plus longtemps possible lÕinternaute dans la pŽriphŽrie des services associŽs ou possŽdŽs par le moteur. Au-delˆ donc de la Ç recherche pure È, les moteurs proposent aujourdÕhui :
CrŽer, hŽberger, rechercher, indexer, classer, sÕorienter, localiser, partager, analyser É Cette liste dÕactions repose sur une liste tout aussi consŽquente (et non-exhaustive) de services soit crŽŽs soit rachetŽs par les moteurs : FlickR et Del.icio.us appartiennent dŽsormais ˆ Yahoo!, YouTube et Blogger sont la propriŽtŽ de Google, pour ne citer que quelques-uns des sites emblŽmatiques du web 2.0.
Dans cet Žcosystme, les usagers peuvent tre rapidement dŽsorientŽs ou ne pas prendre conscience des Ç filiations È entre ces diffŽrents services. Une situation qui satisfait pleinement les moteurs : plus leur Žcosystme sera large, moins les internautes auront la possibilitŽ de sÕen Žloigner ou dÕen sortir, plus la navigation se fera en son sein, et plus le modle Žconomique choisi Ð cÕest ˆ dire la publicitŽ Ç en Žchange È de la gratuitŽ Ð sera rentable.
Cette
confusion des pratiques sÕajoute ˆ une diversitŽ dŽjˆ ancienne des modes de
requtage en vigueur sur le web. (BROD, 2002) Žtablit
une taxonomie des recherches en fonction du Ç besoin derrire la question È, distinguant ainsi trois classes :
-
des recherches navigationnelles visant ˆ retrouver une page particulire,
-
des recherches informationnelles qui nŽcessitent la consultation
de plusieurs pages
-
des recherches transactionnelles enfin, qui manifestent un dŽsir
dÕaccomplir une action comme un achat en ligne.
Au moment de lÕŽtude (2002) la
rŽpartition entre ces requtes est respectivement de 50%, 20% et 30%. Le
panorama actuel des outils, conjuguŽ ˆ lÕexplosion des sites spŽcifiquement
marchands et des comparateurs de prix, ainsi quÕˆ la levŽe progressive Ð en
terme dÕhabitudes de consommation Ð des rŽticences ˆ lÕachat sur Internet,
permettent de penser que la dernire catŽgorie doit aujourdÕhui avoir connue
une croissance significative.
Cette
premire sŽriation doit tre affinŽe par la prise en compte de lÕaspect de plus
en plus communautaire de certains sites de recherche, qui se servent de la
somme des expertises individuelles et/ou de lÕanalyse des actes dÕachat
individuels pour alimenter ensuite des systmes de recommandation dont
lÕamplitude peut osciller entre le cercle plus ou moins large de pairs et/ou
des amis et celui beaucoup plus large de lÕensemble de la communautŽ des
utilisateurs de lÕoutil.
Ces recherches et ses actions sÕinscrivent aujourdÕhui dans un Žcosystme trs large qui mle indistinctement les univers informationnels publics, privŽs et intimes.
Le web actuel se caractŽrise par une mixitŽ et une permŽabilitŽ de plus en plus grande de ses contenus, phŽnomne que nous analyserons comme une dŽrive des continents documentaires. Les rŽsultats de cette dŽrive sont tout ˆ la fois sensibles dans les usages connectŽs qui viennent sÕy greffer et dans la manire dont les acteurs de la recherche dÕinformation proposent aujourdÕhui des fonctionnalitŽs de recherche Ç universelle È dŽsignant la capacitŽ pour lÕutilisateur de chercher simultanŽment dans les diffŽrents index (et les diffŽrentes bases de donnŽes) proposŽs par les moteurs de recherche.
La reprŽsentation que nous avons du web est conditionnŽe par les possibilitŽs de navigation et dÕaccs que proposent les moteurs de recherche. De sa naissance (BERN, 1989) jusquÕˆ la fin des annŽes 1990 le web comme continent documentaire se confond avec le web public (Ç World Wide Web È), indexŽ par les moteurs. A ses c™tŽs un web Ç profond È se constitue (BERG, 2001) : les pages sont gŽnŽrŽes dynamiquement ˆ partir des requtes dŽposŽes par les utilisateurs[24]. Les moteurs de recherche peinent encore (pour des raisons techniques) ˆ indexer ces contenus, justifiant lÕexpression dÕun Ç web invisible È[25]. En parallle, lÕŽchange de courriers Žlectroniques et les documents stockŽs sur les ordinateurs personnels Žchappent ˆ lÕindexation des moteurs. La ligne frontire des continents documentaires visibles et invisibles tient donc ˆ lÕimpossibilitŽ dÕaccŽder ˆ certains types de contenus pour les indexer. Une frontire aujourdÕhui abolie.
Web public, web profond, correspondances Žlectroniques personnelles mais aussi fichiers et documents stockŽs sur nos ordinateurs personnels sont dŽsormais rŽunis en une mme sphre dÕindexabilitŽ (ERTZ, 2005b). La raison : le passage Ç en ligne È de lÕessentiel de nos comportements informationnels, gr‰ce au dŽploiement dÕoutils dŽdiŽs mis ˆ disposition par les moteurs de recherche (webmail, desktop search)[26]. LÕessentiel du matŽriau documentaire qui dŽfinit notre rapport ˆ lÕinformation et ˆ la connaissance se retrouve entre les mains de quelques sociŽtŽs marchandes : courriers privŽs, fichiers personnels, pages web publiques, pages web dÕentreprises, publication savantes, fonds numŽrisŽs de bibliothques. Un seul et mme outil, une seule et mme sociŽtŽ commerciale[27] indexe et supervise lÕaccs ˆ cet ensemble. En termes dÕaccs et de droit ˆ lÕinformation, lÕextrme mouvement de concentration qui touche ici la mŽdiasphre fait dŽbat. DÕautant que de nouveaux usages produisent une hybridation inŽdite des sphres publiques et privŽes : on parle ˆ propos des blogs, dÕespaces de publication Ç extimes È (TISS, 2001). Enfin, des comportements informationnels de plus en plus nomades se cristallisent autour des outils bureautique en-ligne offerts par les mmes acteurs.
Soit un nouvel Žcosystme informationnel global prŽemptŽ par quelques moteurs de recherche qui font commerce de lÕaccs ˆ ces contenus. Rappelons ici que lÕindexation massive de la sphre documentaire publique, privŽe et intime nÕa plus comme objectif principal de rŽpondre ˆ des logiques de recherche dÕinformation en optimisant la pertinence des rŽsultats proposŽs. Elle vise la diffusion ciblŽe de publicitŽs contextuelles sur tout type de contenu documentaire, dans tous les types dÕactivitŽs sociales ou professionnelles connectŽes.
Sur la base de ce gigantesque continent rŽunifiŽ, les moteurs vont progressivement mettre leur pratique dÕindexeurs ainsi leurs algorithmes en cohŽrence avec cette nouvelle configuration des gisements, des Ç silos È informationnels. La premire Žtape consistant ˆ tenter de Ç rationaliser È la dimension profondŽment hŽtŽrarchique du web en sÕinspirant de lÕarchitecture et de la structuration des bases de donnŽes.
A ses dŽbuts, le web Žtait composŽ de pages dites Ç statiques È, gŽnŽrŽes en HTML. Puis le dŽveloppement de langages de programmation dŽdiŽs permit au web de devenir Ç dynamique È. La notion de page ou de web dynamique dŽsigne les sites reposant sur une base de donnŽe permettant la composition et lÕaffichage de pages Ç ˆ la volŽe È, sur la base dÕune requte dŽposŽe par lÕinternaute, par exemple au travers dÕun formulaire de saisie ou de recherche. La plupart des sites de rŽservation (train, avion, h™tel, etc) et lÕimmense majoritŽ des sites marchands fonctionnent sur ce systme. Ce web dynamique compose Žgalement pour une grande part ce que lÕon nomme le web invisible (cf supra) : les pages nÕŽtant pas affichŽes en permanence mais gŽnŽrŽes ˆ la demande et nÕexistant que le temps de la session de lÕinternaute, les moteurs de recherche nÕont pas la possibilitŽ technique de les indexer. Sauf ˆ Ç dŽporter È ces gisements dÕinformation vers leurs propres serveurs, par exemple en proposant un service de crŽation et de gestion É de base de donnŽe.
Le
16 Novembre 2005, Google lance Google Base[28]. Le
principe du service est trs explicite : Ç Tout le monde, des grandes entreprises aux gestionnaires de sites
jusquÕaux individus peut soumettre son contenu sous forme de donnŽes (Ôdata
itemsÕ). Nous les hŽbergeons et les rendons accessibles gratuitement. (É) Cette
version bŽta est un petit pas supplŽmentaire vers notre but, crŽer une bases de
donnŽe en ligne dÕinformation facilement accessible et structurŽe. È[29]
Comme dans une base de donnŽe Ç classique È, chaque item peut tre
enrichi de divers attributs et de valeurs permettant dÕy faciliter la recherche
par champs. Il est Žgalement possible dÕy ajouter des Ç labels È (dix
au maximum) sous forme de phrases ou de mots-clŽs en complŽment des attributs,
ainsi quÕune description (texte libre) et un contact (nom, numŽro de tŽlŽphone,
courriel É).
La
logique de dŽploiement de ce service sÕinscrit dans la continuitŽ de lÕambition
de Google et des autres moteurs : celle de rendre indexables et
Ç cherchables È (et donc marchandisables) lÕensemble des produits,
des biens, des informations et des connaissances. En se dotant de lÕossature
architecturale dÕune base de donnŽe ˆ vocation planŽtaire, ces mmes moteurs
tracent les nouvelles frontires dÕun continent documentaire rŽunifiŽ. Ils se
rŽservent du mme coup la possibilitŽ dÕy apposer un jour des droits de douane
dont ils seront les seuls bŽnŽficiaires.
Ce projet et le format de structuration des donnŽes quÕil utilise (XML) fut peru par certains analystes comme un pas significatif vers le web sŽmantique : Ç dans le systme Google base, les descripteurs sont ˆ lÕorigine des entitŽs du systme, et collent au plus prs aux besoins des utilisateurs. Il nÕy a pas dÕontologie, mais un ensemble de labels permettant de crŽer des hiŽrarchies ˆ la volŽe, complŽtŽs par des attributs. Si lÕutilisation va dans ce sens, on pourrait considŽrer que Google base reprŽsente un outil de crŽation de schŽmas dÕannotation, de mise en place dÕannotations/mŽta-donnŽes/items et de recherche dans ces items, soit une autre manire de se diriger vers un web Ç sŽmantique È. È[30]
Le
projet Google Base est rŽvŽlateur dÕune logique de dŽlocalisation, de
dŽsintermŽdiation, de dŽplacement documentaire. Un dŽplacement qui affecte
aujourdÕhui lÕensemble du web, et qui est notamment perceptible derrire les
sites emblŽmatiques du web 2.0. Ç LÕexplosion
dont il est question concerne la bascule des contenus dÕun site web dÕune
internalitŽ ˆ une externalitŽ. Au lieu quÕun site web ne soit un
Ç lieu È dans lequel les donnŽes Ç sont È et vers lequel
dÕautres sites Ç renvoient È, un site web sera une source de donnŽes
qui seront elles-mmes dans de nombreuses bases de donnŽes externes, dont celle
de Google (GoogleBase). Pourquoi alors Ç aller È sur un site web
quand tout son contenu a dŽjˆ ŽtŽ absorbŽ et remixŽ dans un flux de donnŽes
collectif (Ôcollective datastreamÕ). È (GREE, 2005)
Cette
nouvelle externalitŽ se donne particulirement ˆ voir dans les pages dÕaccueil
personnalisables du type de celle de Netvibes[31].
Celles-ci ne comportent plus de contenu Ç interne È mais reposent sur
une architecture informationnelle entirement gŽnŽrŽe (et temporairement
stabilisŽe, fixŽe numŽriquement) ˆ partir de contenus informationnels tous
externalisŽs[32]. Le contenu sÕefface
derrire lÕarchitecture. Le discours nÕest plus ancrŽ dans un dispositif
(technologique) mais le dispositif ancre le discours. Au delˆ de
lÕeffervescence technologique, il y a bien ici un changement de nature dans la
forme du web, dans les modes dÕagrŽgation, et dans lÕinstanciation de ses
contenus.
Sous
lÕimpulsion des moteurs et avec lÕassentiment des internautes qui voient dans
ces usages un gain qualitatif incontestable, sÕefface lÕancienne frontire
entre la nature structurŽe Ð et donc ˆ forte valeur ajoutŽe Ð des bases de
donnŽes et celle profondŽment chaotique du Web. Un effacement ˆ moindre frais,
une partie significative des cožts de dŽveloppement Žtant reportŽe sur
lÕintŽrt des internautes ˆ alimenter un tel service, intŽrt sÕexpliquant
lui-mme par leur intŽrt ˆ voir leurs donnŽes dotŽes dÕune visibilitŽ
inatteignable sans Google.
Ç itÕs about the emergence of a data web made
of loosely coupled sets of XML fragments that people and processes can easily
read and write. È[33] Le
web se structure. Ce qui en soi nÕest ni un bien ni un mal. Mais ce qui pose la
question de la ma”trise dÕÏuvre de cette structuration et de ses finalitŽs.
Le
web devient essentiellement dynamique. ConditionnŽ par des logiques de flux qui
reposent de manire lancinante la question de lÕarchivage, celle de la
trace.
Du point de vue de lÕinformation perue comme un Žcosystme, cette double dynamique caractŽrise le web 2.0, un web non plus simplement accessible en lecture mais Žgalement ouvert en Žcriture. Read/Write Web. CÕest en tenant compte de ce paramtre que les moteurs dŽploient de nouvelles ambitions, de nouveaux services, de nouvelles stratŽgies.
Le principe de la recherche universelle est donc de renvoyer sur la page de rŽsultat des contenus en provenance de lÕensemble des bases proposŽes par le moteur (web mais aussi images, blogs, vidŽos É). Ce renvoi peut prendre deux formes : les contenus diffŽrents sont directement insŽrŽs dans la page de rŽsultat (Ç embed È), ou ils sont prŽsentŽs sous forme de liens (Ç linked È) au bas de la page de rŽsultats sur la base dÕune requte identique ou augmentŽe dÕun ou deux mots, lesquels liens pointent en fait vers dÕautres services (images, news, maps É).
Le risque principal de ce genre dÕapproche pourrait tre celui dÕune dŽperdition de pertinence du fait de la multiplication du nombre de rŽsultats rŽpondant ˆ la requte. Or, et cÕest bien lˆ lÕintŽrt Ð et la part dÕopacitŽ algorithmique Ð de ce service, Google Universal Search[34] nÕappara”t pas conu comme un service de fusion unidirectionnelle entre bases de donnŽes, permettant dÕobtenir systŽmatiquement pour chaque requte, un rŽsultat de chaque base interrogŽe ou interrogeable. De fait, Google insre depuis dŽjˆ assez longtemps des rŽsultats de ses bases Ç livres È, Ç actualitŽs È ou encore Ç local È tout en haut de certains rŽsultats web. Avec Universal Search, lÕobjectif est ˆ terme de rendre tout cela transparent pour lÕutilisateur, de ne disposer au final que dÕun seul calcul de PageRank Ç universel È, tournant sur lÕensemble des bases Google[35]. Alors que nombre dÕautres moteurs mettent en place la mme approche[36], la condition sine qua non de sa rŽussite est le passage au premier plan de la gestion de lÕhistorique des recherches individuelles : la pertinence et la hiŽrarchisation dÕun ensemble de contenus hŽtŽrognes nÕa de sens quÕau regard des intŽrts exprimŽs par chacun dans le cadre de ses recherches prŽcŽdentes. Ainsi tel internaute se connectant frŽquemment sur des sites de librairies en ligne pourrait voir augmenter significativement le nombre dÕitems de la base Ç livre È sur sa page de rŽsultats. La question de la personnalisation, du profilage quÕelle autorise et de lÕanticipation quÕelle permet de mettre en place pour tout requte Ç identifiŽe È est au cÏur de la stratŽgie de dŽploiement de lÕoffre de service des moteurs.
LÕautre enjeu dÕune telle approche est de rendre lÕoffre de contenus plus visible gr‰ce ˆ cette verticalisation. Plus prŽcisŽment il sÕagit de porter ˆ visibilitŽ Žgale des contenus jusquÕici sous-utilisŽs ou sous-exploitŽs, pour augmenter leur potentiel marchand en dopant de la sorte le rendement des liens publicitaires affŽrents.
Ce
qui peut tre vu comme lÕaboutissement logique du phŽnomne de dŽrive des
continents documentaires a pour effet collatŽral de relancer la course
technologique autour de lÕalgorithmie des moteurs, algorithmies qui semblaient
arrivŽes ˆ maturitŽ avec un effet de convergence observable[37]. Non
pas quÕil ne soit pas possible des les optimiser davantage[38],
mais les cožts en termes dÕinvestissements et de recherche et dŽveloppement
deviennent trs ŽlevŽs au regard du mince gain qualitatif attendu. La recherche
universelle ouvre un immense champ de possibles pour la mise en Ïuvre
dÕalgorithmes capables de prendre en charge les paramtres excessivement
complexes de la personnalisation, de la gestion des historiques de recherche,
de lÕaspect relationnel ou affinitaire qui relie un nombre de plus en plus
grand dÕitems, ou encore du
brassage de ces gigantesques silos de donnŽs. Un brassage totalement inŽdit ˆ
cette Žchelle.
A la manire de lÕinformatique Ç ambiante È qui a vocation ˆ se diluer dans lÕenvironnement au travers dÕinterfaces prenant la forme dÕobjets quotidiens, se dessinent les contours dÕune algorithmie Žgalement ambiante, cÕest ˆ dire mettant sous la coupe de la puissance calculatoire des moteurs, la moindre de nos interactions en ligne, le moindre de nos comportements connectŽs, la plus infime trace de nos plus ŽphŽmres conversations. Un exemple parlant (parmi dÕautres) est lisible dans lÕanalyse du brevet dŽposŽ par Google pour son service de recherche de blogs[39]. Parmi la liste des critres retenus pour calculer la pertinence dÕun blog par rapport ˆ un autre, il indique que : Ç (É) les rŽfŽrences vers le blog par dÕautres sources peuvent Žgalement tre des indications positives sur la qualitŽ dudit blog. Par exemple, le contenu des emails ou la transcription de conversations (chat) peuvent contenir lÕUrl du blog. Les emails ou les clavardages (chat) qui incluent des liens vers le blog sont des indicateurs positifs de la qualitŽ dudit blog. È
Derrire cette algorithmie ambiante on trouve la volontŽ dŽterminŽe dÕoptimiser encore davantage la marchandisation de toute unitŽ documentaire recensŽe, quelle que soit sa sphre dÕappartenance dÕorigine (publique, prive, intime), sa nature mŽdiatique propre (image, son, vidŽo, page web, chapitre de livre, etc...), sa granularitŽ (un extrait de livre, un billet de blog, un extrait de vidŽo É) et son taux de partage sur le rŽseau (usage personnel uniquement, usage partagŽ entre Ç proches È, usage partagŽ avec lÕensemble des autres utilisateurs du service).
LÕuniversalitŽ voulue des stratŽgies de recherche et dÕaccs ˆ lÕinformation nŽcessite, pour tre rapidement opŽratoire, de sÕappuyer sur lÕadhŽsion des utilisateurs, dÕabord en accentuant les possibilitŽs de personnalisation. Cette personnalisation peut revtir trois formes.
La personnalisation Ç invisible È ou Ç transparente È dŽsigne principalement la collecte des logs de navigation ainsi que celle des diffŽrentes actions menŽes par lÕusager dans le cadre dÕune session pour laquelle il sÕest auparavant identifiŽ.
La personnalisation Ç persistante È est un effet corrŽlŽ de la premire : une fois que vous vous tes identifiŽ dans un service (webmail de Google par exemple), lorsque vous ouvrez une nouvelle fentre ou un nouvel onglet de navigation pour aller interroger le moteur de recherche de la mme sociŽtŽ, vous Ç emportez avec vous È votre identification, vous vous trouvez automatiquement identifiŽ et donc reconnu pour les recherches que vous effectuerez sur le moteur, ce qui permet ensuite de rŽcupŽrer ces ŽlŽments pour les verser dans votre profil et dans votre historique de navigation, et ce sans que vous en ayez explicitement exprimŽ le besoin. Cette activation Ç par dŽfaut È est une clŽ importante dans la stratŽgie des moteurs.
Le troisime type est une personnalisation participative, qui nŽcessite lÕadhŽsion, la participation explicite et librement consentie des utilisateurs. Il sÕagit alors dÕactiver volontairement la procŽdure dÕidentification pour accŽder aux services de personnalisation proposŽs, ou bien de proposer aux utilisateurs de dŽcrire (ˆ lÕaide de mots-clŽs ou de tags) les ressources quÕils ont produites ou quÕils souhaitent partager avec dÕautres. Si lÕon prend lÕexemple de lÕindexation collaborative de ressources (cf infra), les moteurs multiplient ainsi les chances de repŽrage et dÕaccs ˆ des contenus en jouant ˆ la fois sur les modes de classement les plus frŽquents (par pertinence, par date ou par Ç popularitŽ È - les contenus les plus accŽdŽs, les vidŽos les plus vues É), ainsi que sur les mots-clŽs dŽposŽs par les utilisateurs eux-mmes.
A lÕimage du Ç Read/Write Web È[40], le cÏur technologique que constitue lÕindexation, sÕouvre Ç en Žcriture È aux usagers. Il est important de comprendre lÕhistorique de cette ouverture pour mieux en cerner les perspectives.
Dans le contexte dÕune Žconomie de lÕaccs et de lÕattention (SALA, 2004) (DAVE, 2001) totalement prŽemptŽe par les moteurs de recherche, tout est mis en Ïuvre pour accro”tre les possibilitŽs de recouper systŽmatiquement les donnŽes ainsi collectŽes, jusquÕˆ constituer une Ç base de donnŽe des intentions È (BATT, 2003) couvrant lÕensemble des donnŽes, informations et connaissances indexables.
SÕil est vrai que notre monde est et a toujours ŽtŽ documentŽ, le cÏur de cette reprŽsentation est lÕindexation, humaine ou machinique, qui demeura pendant des sicles hors de toute considŽration marchande. Avec lÕarrivŽe des liens sponsorisŽs fonctionnant aussi bien en production (Ç jÕachte un mot È) quÕen rŽception (Ç jÕaffiche une publicitŽ È), il nÕest plus un secteur des industriels culturelles qui nÕŽchappe ˆ cette nouvelle dimension marchande de la reprŽsentation et de lÕaccs ˆ lÕinformation. LÕarrivŽe de nouvelles procŽdures dÕindexation sociale ou Ç folksonomies È[41] (DEUF, 2006) (ERTZ, 2006) pourrait tre lue comme une alternative possible ˆ la situation monopolistique dŽcrite jusquÕici. Mais les outils quÕelle nŽcessite sont la propriŽtŽ des mmes acteurs. Dans le mme temps, ces pratiques achvent de faire de chacun dÕentre nous les mŽdiateurs-indexeurs permanents de toute trace documentaire existante, si infime soit-elle[42].
Dans lÕarticle scientifique o ils exposent pour la premire fois le principe du PageRank (BRIN, 1998b), les fondateurs de Google indiquent quÕen sus du mode de comptabilitŽ des liens entrants, chaque internaute producteur de contenu agit comme un indexeur ˆ chaque fois quÕil dŽcide de crŽer un lien hypertexte. Il sÕagit certes lˆ dÕune sorte de Ç degrŽ zŽro È de lÕindexation, mais lÕŽchelle ˆ laquelle il est pratiquŽ depuis lÕinvention du web en fait trs concrtement le premier alliŽ des moteurs pour optimiser leurs procŽdures.
Profitant de la manne potentielle que reprŽsentent ces ressources humaines planŽtaires dÕindexeurs, la possibilitŽ se fait jour de rationaliser et dÕhomogŽnŽiser un peu lÕindexation en proposant Ð toujours aux mmes producteurs de contenus Ð de prendre la main sur lÕindexation de leurs sites gr‰ce aux balises <META> dŽposŽes dans lÕen-tte HTML de la page. CÕest lÕaspect communautŽ de pratique qui est ici privilŽgiŽ : on ne parle ˆ lÕŽpoque pas encore de Web 2.0 et la production et la mise en ligne de contenus nŽcessite un minimum de connaissances techniques et informatiques. Mais ces balises <META> sÕavrent rapidement sous-utilisŽes (faute de ma”triser les compŽtences techniques nŽcessaires) et dŽvoyŽes dans des logiques de Spamdexing[43]. La majoritŽ des moteurs fera alors le choix dÕabandonner compltement leur prise en compte ou de ne sÕen servir quÕˆ la marge[44].
Ces balises auront cependant permis de jeter les bases dÕune standardisation possible et nŽcessaire, ˆ la condition que cette dernire soit pilotŽe par une communautŽ mŽtier. Or depuis lÕavnement dÕInternet et lÕarrivŽe massive sur le rŽseau dÕinformations relevant des sciences et techniques, la question du classement, de la prŽservation et de lÕarchivage documentaire nÕappartiennent Ð heureusement Ð plus aux seuls moteurs de recherche. Le monde des bibliothques et de la documentation a mis en Ïuvre des mŽthodologies (mŽtadonnŽes), des standards (Dublin Core[45]), et des spŽcifications permettant dÕappliquer ˆ ces contenus un ensemble de principes dÕindexation contr™lŽe.
Les folksonomies dŽsignent Ç un processus de classification collaborative par des mots-clŽs librement choisis, ou le rŽsultat de cette classification È[46]. Elles puisent leur origine dans le croisement de deux phŽnomnes renvoyant ˆ des techniques de recherche et de partage de documents. Techniques de recherche et de filtrage tout dÕabord. Gr‰ce ˆ des services comme Del.icio.us[47], de nouvelles plateformes dÕŽchange de signets (Ç social bookmarking È) voient le jour, sur lesquelles chaque utilisateur peut dŽposer ses signets et les assortir de mots-clŽs. Il est ensuite possible de laisser un accs et une visibilitŽ complte aux listes constituŽes pour les partager avec dÕautres. Le succs des Folksonomies est confortŽ par le fait quÕelles sÕappuient sur des communautŽs dÕintŽrt et dÕusage.
La dernire Žtape de ce rapide panorama de la problŽmatique de lÕindexation sur le Web, est celle du Web sŽmantique. La communautŽ visŽe est ici celle rŽunissant les compŽtences, les outils et lÕapproche mŽtier nŽcessaire au dŽploiement dÕontologies au formalisme trs rigoureux. Mais ce web sŽmantique qui apparaissait il y a encore quelques temps comme un simple rve ou comme un inaccessible idŽal, dispose aujourdÕhui dÕŽlŽments contextuels favorables ˆ son dŽploiement. Parmi ceux-lˆ : la structuration de plus en plus forte de certains contenus web (cf point 2.2), lÕunification des diffŽrents gisements informationnels et les options de personnalisation de plus en plus fine quÕelle autorise, mais Žgalement le besoin de plus en plus fortement exprimŽ par les usagers de pouvoir disposer de fonctionnalitŽs de recherche Ç intelligente È, lesquelles ne peuvent tre imaginŽes sans que soit mis en place un formalisme ontologique minimal.
Du strict point de vue des usages, le Web semble aujourdÕhui nÕexister que Ç dans È et Ç par È lÕimage que les moteurs en donnent. A lÕŽvidence, les usagers ne sont plus simplement utilisateurs mais bel et bien acteurs de la production et Ð dans une moindre mesure Ð de lÕorganisation des contenus sur le Net. Ces mmes usagers bŽnŽficient, dans le cadre de lÕoffre des moteurs de recherche, dÕune gamme dÕoutils et dÕapplications de plus en plus riches, et de possibilitŽs dÕinteractions de plus en plus denses et personnalisables avec des contenus de tout type et de granularitŽ diffŽrentes. Le rŽsultat, constatŽ par les analystes en mme temps quÕencouragŽ par les moteurs, est que nos comportements informationnels basculent chaque jour un peu plus Ç en ligne È.
Le lieu dans lequel convergent la plupart des applications informatiques que nous utilisons quotidiennement nÕest plus nŽcessairement le systme dÕexploitation (Operating System) de notre ordinateur personnel, mais bel et bien le web, ou plus prŽcisŽment lÕespace dÕaccs au web que les moteurs de recherche mettent ˆ notre disposition. CÕest bien ˆ la constitution dÕun Web Operating System que nous assistons aujourdÕhui, et qui peut tre caractŽrisŽ par la place quÕil laisse au partage (contr™lŽ) et au mixage dÕapplications (libres ou propriŽtaires).
Comme nous lÕavons dŽjˆ indiquŽ, le modle Žconomique des moteurs de recherche en particulier et du secteur de lÕinformatique logicielle grand public en gŽnŽral a changŽ. Il devient tout aussi voire plus intŽressant de mettre ˆ disposition gratuitement des applications plut™t que de vendre des licences logicielles[48]. Le modle de la publicitŽ contextuelle et ciblŽe devient dÕautant plus intŽressant que lÕon attire (par la gratuitŽ des services offerts) un nombre consŽquent dÕutilisateurs ou de simples visiteurs. Ce Ç simple È paramtre Žconomique suffit ˆ expliquer les offres de plus en plus allŽchantes des moteurs de recherche qui en viennent tous progressivement ˆ proposer des solutions de stockage illimitŽes (pour nos courriers Žlectroniques par exemple).
Sans engager pour autant une disparition des disques durs (ERTZ, 2005b), il nÕy a aujourdÕhui plus de barrire entre le local (le disque dur de Ç ma È machine) et le global (Internet). Les ordinateurs personnels sont depuis dŽjˆ longtemps Ç sur È internet. La nouveautŽ cÕest que leurs contenus sont aujourdÕhui Ç dans È le web, et plus exactement, Ç dans È les moteurs de recherche. DÕo lÕanglicisme de Ç webtop È forgŽ sur le modle du Ç laptop È (ordinateur portable). Les ordinateurs Žtaient devenus portables. Le web est dŽjˆ ubiquitaire.
Le passage massif vers des pratiques communautaires de travail se cristallise dans les diffŽrents sites et rŽseaux sociaux/communautaires[49] Ç motorisŽs È, cÕest ˆ dire soit ŽquipŽs dÕune technologie de recherche appartenant ˆ lÕun des trois grands opŽrateurs, soit rachetŽs par lÕun des trois mmes.
Le mixage ne porte pas seulement sur les diffŽrents silos informationnels que permet de rassembler la recherche universelle. Il concerne Žgalement la combinaison dÕapplications au travers du phŽnomne des Mashups, des applications disponibles sur des sites web dont le contenu rŽsulte de la combinaison de plusieurs autres sources ou applications. LÕune des plus cŽlbres permet par exemple de sÕappuyer sur le service de cartographie proposŽ par Google Maps pour visualiser le catalogue dÕune agence immobilire.
Un
moteur de recherche peut-il anticiper nos requtes ? La recherche
dÕinformation peut-elle revtir une dimension implicite, cÕest ˆ dire
sÕeffectuer sur un besoin non encore exprimŽ ou formalisŽ ? Telles sont
les questions sur lesquelles travaillent actuellement les moteurs. En observant
aujourdÕhui le dŽveloppement des usages et des applications web, on observe une
dynamique trs forte : les processus et leurs applications
Ç descendent È au niveau de lÕusager en sÕefforant, notamment via
une personnalisation de plus en plus fine, de rendre parfaitement intuitive la
dŽfinition de la requte et la ou les stratŽgies de recherche associŽes. Les
moteurs de recherche ne fonctionnent plus sur un modle Ç donne-moi ce que
je tape È (travail sur lÕoccurrence des mots-clŽs choisis) mais
Ç donne-moi ce que je veux È (travail sur lÕadŽquation des rŽsultats
de recherche au profil de lÕusager, ou au profil dÕun macro-ensemble de
requtes semblables).
Il
sÕagit de transformer en itinŽraire dirigŽ et centrŽ sur les attentes de
lÕusager, ce qui Žtait considŽrŽ au dŽbut du web comme une nuisance, ˆ savoir
la profusion de parcours autorisŽe par les liens hypertextes[50].
Qui aurait pu imaginer il y a encore quelques annŽes quÕune interface de
recherche soit capable, sur la base dÕune simple requte, de nous fournir en
retour non plus de simples Ç rŽsultats È, mais des recommandations,
des choix de reformulation, en accord avec nos choix, nos itinŽraires, nos
parcours prŽcŽdents ou avec ceux dÕune collectivitŽ ayant dŽposŽ une requte
semblable ? Nous assistons lˆ au retour ˆ lÕidŽe premire de lÕhypertexte
telle quÕelle avait ŽtŽ thŽorisŽe par (BUSH, 1945) : le parcours, le chemin
(Ç trail È) importe au moins autant que lÕinstanciation du lien. Nous
sommes donc passŽs dÕune toute puissance du lien hypertexte, point
nŽcessairement nodal de dŽveloppement du rŽseau et des services et outils
associŽs, ˆ une toute puissance du Ç parcours È, de la navigation
Ç qui fait sens È, de la navigation Ç orientŽe È au double
sens du terme. Et les premiers rŽsultats sont lˆ : au moment o, sur
Amazon par exemple, nous Ç activons È les liens proposŽs sous forme
de recommandation[51]
suite ˆ une requte ou une recherche initiale, nous nÕavons pas formulŽ
explicitement ce besoin. Au final pourtant, le parcours Ç aura fait
sens È (avec plus ou moins de succs), et lÕactivitŽ mentale couplant
recherche et navigation nÕaura plus eu besoin dÕtre littŽralement
Ç dŽclarative È, permettant ainsi de parler dÕun web implicite.
Demain
probablement, ces mmes interfaces, ces mmes moteurs, sauront ce que nous
sommes le plus susceptibles de chercher ou de saisir comme requte selon
lÕheure de la journŽe, le lieu de notre connexion ou encore nos historiques de
recherche, et ce sans mme avoir besoin dÕune requte initiale, dÕun premier
Ç amorage È.
La
langue anglaise Žtant en la matire plus synthŽtique et illustrative que la
n™tre, on pourrait dŽcrire ce futur (proche) par la combinaison de deux
termes : Myware + Everyware. Ç Myware È pour ce cortex collectif,
in-vivo. Ç everyware È pour dŽsigner le rgne de cette algorithmique
ambiante, ubiquitaire.
La question dÕun web sŽmantique et de moteurs susceptibles dÕen extraire plus Ç intelligemment È du contenu, ne cesse de se poser depuis lÕarticle fondateur de (BERN, 2001).
Les moteurs de recherche Ç sŽmantiques È soulvent plusieurs questions. La premire est celle de la relative complexitŽ de leur prise en main ˆ lÕheure o les utilisateurs rŽclament des interfaces de plus en plus fluides, riches[52] et intuitives. On sait par exemple le r™le que joua la sobriŽtŽ et la simplicitŽ de lÕinterface de Google dans son succs. On conna”t Žgalement la difficultŽ que posent les interfaces cartographiques[53] ˆ lÕinternaute lambda. Mme les outils de catŽgorisation[54] ont mis longtemps avant dÕtre adoptŽs par le grand public et sont encore aujourdÕhui perus comme plut™t rŽservŽs ˆ des utilisateurs avertis. Si tant est que le web sŽmantique puisse un jour tre rŽalisŽ dans la forme imaginŽe par son concepteur, encore faudra-t-il que les moteurs proposent des interfaces adaptŽes.
La richesse dÕun web sŽmantique, du point de vue de la recherche dÕinformation, se situe principalement dans les capacitŽs de navigation optimisŽes quÕil permettrait dÕoffrir. SÕil sÕagit Ç simplement È de rŽpondre ˆ des questions du type Ç Quid È[55] ou mme de simple dŽsambigu•sation[56], les moteurs de recherche actuels grent suffisamment bien ce genre de questions. En revanche ˆ partir dÕune requte initiale, le fait de pouvoir naviguer non plus simplement ˆ lÕaveugle ou sur la base des backlinks menant dÕun site ˆ un autre, mais bel et bien dans un environnement sŽmantique explicite et contextualisŽ pourrait tre grandement intŽressant[57].
Si une rŽelle recherche sŽmantique devient un jour possible, elle sera longtemps rŽservŽe ˆ lÕexploration de corpus dŽdiŽs dans des contextes de t‰che bien identifiŽs et au sein de communautŽs de pratique trs dŽlimitŽes, avant de se trouver ˆ portŽe dÕinterface du grand public.
LÕŽtat de lÕart actuel indique plut™t que les avancŽes technologiques se servent du web pour proposer une architecture de navigation inspirŽe de celle des bases de donnŽes relationnelles.
A lÕinverse dÕune approche descendante impliquant que soient dŽjˆ franchis les diffŽrents obstacles techniques permettant la mise en Ïuvre dÕun web totalement sŽmantique, lÕŽvolution des fonctionnalitŽs sŽmantiques des moteurs de recherche suivra plus probablement une approche ascendante, Žmergente. Il sÕagit cette fois de prendre progressivement en compte les diffŽrentes avancŽes des protocoles, langages et formalismes liŽs au web sŽmantique, non pas de manire globale mais sur des contenus trs ciblŽs, ou dans le cadre de contextes de recherche lˆ encore trs spŽcialisŽs.
En Mars 2008, Yahoo ! a ainsi annoncŽ[58] quÕil prendrait en compte le standard RDF[59] ainsi que les microformats[60]. Pour ne prendre que ce dernier exemple, de nombreux dŽveloppements existent actuellement[61]. La dernire course de fond engagŽe par les moteurs consistera donc ˆ en prendre le maximum en compte (sans nŽcessairement attendre une harmonisation globale ou une standardisation univoque de lÕensemble des dŽveloppements applicatifs en cours), tout en trouvant le moyen de sÕen servir pour Ç enrichir È lÕexpŽrience utilisateur lors dÕune recherche dÕinformation, par exemple en prŽsentant des rŽsultats de recherche davantage structurŽs ou permettant davantage dÕinteractions synchrones avec dÕautres recherches, dÕautres services, dÕautres terminaux dÕaccs[62]. Dit autrement, les moteurs sŽmantiques pourraient fournir une solution aux limitations de la recherche par mot-clŽ.
Figure 1 : Les limites de la recherche par mot-clŽ.[63]
Il existe actuellement trois grands types de moteurs prenant en charge certains aspects du web sŽmantique.
Les moteurs gŽnŽralistes et grand public, qui intgrent progressivement diffŽrents microformats.
Les moteurs Ç sŽmantisŽs È dont la plupart nÕinterrogent pour lÕinstant quÕune seule base, celle de Wikipedia, et dans lesquels les requtes sÕeffectuent sous forme de questions en langage naturel. Une contextualisation et des complŽments sŽmantiques de chaque requte sont alors proposŽs aux utilisateurs. Dans cette catŽgorie citons Trueknowledge (http://www.trueknowledge.com/), Powerset (http://www/powerset.com) ou encore Twine (http ://www.twine.com/). Ces moteurs sont encore en phase expŽrimentale (versions alpha ou bŽta). La question clŽ est celle du niveau de structuration de leur base dÕappui. La proposition de fonctionnalitŽs sŽmantiques nŽcessite en effet, en plus dÕune algorithmie particulire, des corpus relativement structurŽs ou aisŽment Ç structurables È.
Il faut enfin citer, pour tre complet, les moteurs de recherche et solutions Ç corporate È qui intgrent des fonctionnalitŽs sŽmantiques souvent plus riches car ils fonctionnent gŽnŽralement sur des silos informationnels bien dŽlimitŽs (les donnŽes internes de lÕentreprise).[64]
Au final, ce Ç rve sŽmantique È se donne aujourdÕhui ˆ lire dans une rŽalitŽ de plus en plus Ç sŽmantisŽe È de la recherche dÕinformation.
Les moteurs de premire gŽnŽration, reposaient sur lÕanalyse du contenu des pages indexŽes et
ne prenaient en compte que le Ç matching È (croisement) entre des
mots-clŽs (ceux de la requte et ceux des pages indexŽes).
Les moteurs de deuxime
gŽnŽration sÕintŽressent dÕabord ˆ la structure du web en tant que graphe
orientŽ, structure qui v”nt trouver sa place au cÏur de leur algorithmie
(PageRank), permettant une recherche dÕinformation Ç augmentŽe È.
La troisime gŽnŽration est celle
des moteurs Ç sociaux È et Ç personnalisables È[65] qui ajoutent le filtrage
amont des sources par les usagers comme un modle de pertinence diffŽrent. La personnalisation permettant ˆ chacun de
fabriquer Ç son È propre moteur[66],
de choisir Ç ses È sources et dÕouvrir ensuite cet espace ˆ dÕautres
(communautarisation) est aujourdÕhui une tendance trs forte qui fait suite ˆ
lÕengouement pour les sites de signets partagŽs dans lesquels lÕusager
construit, agrge ses sources et les fait partager ˆ une communautŽ.
La quatrime gŽnŽration sÕinscrit dans une
logique disruptive avec lÕarrivŽe des Mashups[67] et le mixage qui peut opŽrer entre services, ou entre un moteur
et un/des services. Une arrivŽe qui vient se conjuguer ˆ la
structuration de plus en plus fine des contenus, que cette structuration soit
produite en aval par les usagers (indexation sociale), ou en amont par les
moteurs (microformats et sŽmantisation des logiques et standards de description
Ð triplets RDF notamment). Par ailleurs, en mettant ˆ disposition un nombre de
plus en plus grand dÕAPIs[68],
les moteurs deviennent les premiers fournisseurs de services É et les premiers bŽnŽficiaires
des donnŽes collectŽes.
A la fois cause et consŽquence de cette
Žvolution, les techniques liŽes au protocole RSS viennent offrir au pŽrimtre
de la recherche dÕinformation une granularitŽ quantitative et qualitative
jusquÕici impossible ˆ atteindre (ERTZ, 2005c). Les moteurs de recherche
reprenant lˆ encore ˆ leur compte ces nouvelles logiques dÕexploitation en
proposant certains de leurs rŽsultats directement au format RSS (ERTZ, 2008d
pp. 30-42).
La dynamique du web, lÕŽmergence de ses contenus sÕest trs longtemps contentŽe de se dŽcliner dans un Ç prŽsent antŽrieur È de la recherche dÕinformation, les moteurs sÕefforant dÕindexer le plus rapidement possible lÕessentiel des contenus disponibles, effaant au fur et ˆ mesure les contenus les plus anciens de leurs index pour les remplacer par des nouveaux.
Or le web, les moteurs et leurs usages se dŽclinent aujourdÕhui dans le cadre dÕune temporalitŽ Ç enrichie È. Il est en effet possible, gr‰ce ˆ lÕinvention de la Wayback Machine[69], de remonter dans le temps pour visualiser les diffŽrentes versions antŽrieures de tel ou tel site. Le passŽ est ainsi rendu accessible. Par ailleurs, comme nous venons de le dŽtailler, les travaux du web sŽmantique, la personnalisation sans cesse augmentŽe et la rŽfŽrence ˆ une dimension implicite de la recherche dÕinformation permettent de penser quÕun Ç futur proche È ou ˆ tout le moins un Ç futur immŽdiat È de la recherche dÕinformation sera un jour accessible gr‰ce aux moteurs de recherche qui relveront ce pari.
Mais dans la qute perpŽtuelle dÕun espace-temps cohŽrent et dŽdiŽ ˆ la recherche dÕinformation en particulier et ˆ nos comportements informationnels en gŽnŽral, une chose manque encore : la possibilitŽ de synchroniser nos informations, nos documents, nos donnŽes, nos pratiques, ˆ la fois dans le monde connectŽ et dans le monde non-connectŽ. Aprs avoir rŽussi ˆ rassembler en un seul et mme espace lÕensemble des continents documentaires existants, il importe aujourdÕhui de pouvoir y accŽder de manire synchrone, cÕest ˆ dire de permettre aux outils, aux applications et aux moteurs que nous utilisons quotidiennement, de savoir, Ç o nous en Žtions restŽs È, pour pouvoir nous proposer de travailler sur Ç la dernire version È de tel document partagŽ, sur Ç le dernier relevŽ È de courrier Žlectronique, et ainsi de suite. Des applications comme Google Gears[70] sÕinscrivent dans cette logique. LÕenjeu est de taille : effacer la dernire diffŽrence[71], la dernire frontire, celle entre les usages connectŽs et non-connectŽs.
Implicite, sŽmantique, sŽmantisŽ, synchrone, mixŽ et remixŽ (mashups), applicatif, ubiquitaire, granulaire, collaboratif É les adjectifs ne manquent pas pour dresser lÕinventaire des progrs actuels et des ambitions futures des outils dÕaccs et de recherche dÕinformation. Mais lÕŽvolution des moteurs de recherche ne peut tre observŽe ou mme pensŽe en dehors dÕune approche plus globale sur la nature des contenus et des usages sur le Net. Elle ne peut pas davantage lÕtre sans prendre en compte les paramtres Žconomiques qui bouleversent actuellement des pans entiers des industries culturelles. A ce titre, les moteurs de recherche sont de formidables catalyseurs dÕun ensemble beaucoup plus vaste de problŽmatiques ; ils font figure dÕobjets dÕŽtude ˆ part entire et ce bien au-delˆ de leur simple dimension algorithmique. Ils interrogent, au double sens du terme, des pans entiers de nos vies numŽriques.
QuÕil
sÕagisse de vie publique, de vie privŽe, mais Žgalement de lÕoffre de
substitution quÕils proposent dŽjˆ sur des secteurs et des enjeux de premier
plan comme la mŽdecine ou la gŽnomique[72],
lÕurgence est de poser la question de lÕopacitŽ
des algorithmes conjuguŽe ˆ celle de leur omniprŽsence. Il est aujourdÕhui
absolument nŽcessaire dÕouvrir un dŽbat autour de lÕŽcosystme non plus
simplement documentaire mais politique quÕils reprŽsentent. Faute de quoi, devant des usages de plus en
plus conditionnŽs ˆ des logiques marchandes instrumentalisant les donnŽes
collectŽes au cours mme du processus de recherche, cÕest lÕusager et lui seul
qui, dans lÕignorance de ces logiques, se trouvera totalement instrumentalisŽ,
devenant dans un mouvement rŽflexif paradoxal, le seul et unique objet de sa
recherche.
Pour ne prendre quÕun seul exemple liŽ ˆ lÕexplosion du phŽnomne des rŽseaux sociaux qui Ç ouvrent È dŽsormais lÕimmense catalogue des individualitŽs humaines qui les composent ˆ lÕindexation par les moteurs de recherche, et qui proposent par ailleurs des options de sŽmantisation dŽjˆ efficientes[73], cÕest la question de la pertinence des profils humains qui se trouve posŽe, celle de savoir si lÕHomme est ou non, un document comme les autres[74].
Avec
leur perpŽtuel effet miroir, dans le panoptique sans cesse actualisŽ quÕils
mettent ˆ notre disposition mais dans lequel ne se donnent ˆ lire que leurs
propres dispositions, les moteurs font basculer la question de la politique
documentaire dans une dimension et ˆ une Žchelle inŽdite, celle dÕune
macro-documentation du monde, aujourdÕhui nŽcessairement politique.
(Tous les liens actifs au 7 Mai 2008)
á
(BATT 2003) Battelle
J., Ç The Database of Intentions È, in Searchblog, 13 Novembre 2003. <http://battellemedia.com/archives/000063.php>
á
(BERG 2001) Bergman M.K.,
Ç The Deep Web : Surfacing
Hidden Value È, Ann Arbor, MI : Scholarly Publishing Office,
University of Michigan, University Library, vol. 7, no. 1, August, 2001. <http://hdl.handle.net/2027/spo.3336451.0007.104>
á
(BERN 1989) Berners
Lee, T., Ç Hypertext and the
CERN È, 1989. <http://www.w3.org/History/1989/proposal.html>
á
(BERN 2001) Berners
Lee T., Hendler J., Lassila O., Ç The
Semantic Web È, in Scientific American, Mai 2001, <http://www.sciam.com/article.cfm ?id=the-semantic-web>,
traduction franaise accessible in La Lettre de lÕUrfist n¡28 <http://www.urfist.cict.fr/archive/lettres/lettre28/lettre28.pdf>
á
(BERN 2007) Berners Lee, T., Ç Giant Global
Graph È, 21 Novembre 2007. <http://dig.csail.mit.edu/breadcrumbs/node/215>
á
(BRIN 1998a) Brin
S., Motwani R., Page L., Winograd T., Ç What can you do with a Web in your
pocket ? È Data Engineering Bulletin, n¡ 21, pp. 37Ð47, 1998.
á
(BRIN 1998b) Brin
S., Page L., Ç The anatomy of a large-scale hypertextual Web search
Engine È. Computer Networks and ISDN Systems, vol. 33, pp. 107Ð117, 1998.
á
(BRIN 1999) Brin
S., Page L.,, Motwami R., Winograd T., Ç The PageRank citation ranking: bringing order to the
Web. È Technical Report 1999-0120, Computer Science Department, Stanford
University, 1999.
á
(BROD 2002) Broder,
A. 2002. Ç A taxonomy of web search. È SIGIR
Forum 36, 2 (Sep. 2002), 3-10. <http ://doi.acm.org/10.1145/792550.792552.>
á
(BUSH 45) Bush V., Ç As We May Think. È, pp. 101-108, in
The Atlantic Monthly, vol.1, n¡176, Juillet 1945. <http://www.isg.sfu.ca/~duchier/misc/vbush>
á
(CONK 1897) Conklin
J., Hypertext : An introduction and survey. Computer Magazine, 20, 17-41,
1987.
á
(CROS 2008) Crosnier,
H. le, Ç Mouvements tectoniques sur la toile È, in Le Monde
Diplomatique, Mars 2008, p.19. < http ://www.monde-diplomatique.fr/2008/03/LE_CROSNIER/15673>
á
(DAVE 2001) Davenport
T., Beck J. C., The Attention Economy. Harvard Business School Press, 2001.
á
(DAVI 2006) David
S., Pinch T., Ç Six degrees of reputation : The use and abuse of online review and
recommendation systems È, in First Conna”tre, vol.11, n¡ 3 , Mars 2006. http ://firstmonday.org/issues/issue11_3/david/index.html
á
(ERTZ 2004) Ertzscheid
O., Gallezot G., Ç Des machines pour chercher au hazard : moteurs de
recherchŽ et recherche dÕinformation. È XIVe Congrs
SFSIC, Questionner lÕinternationalisation : cultures, acteurs,
organisations, machines, BŽziers 2004. <http ://archivesic.ccsd.cnrs.fr/sic_00000989/fr/>
á
(ERTZ 2005a) Ertzscheid
O., Ç Google se Microsoftise È
in Affordance.info, 27 Septembre 2005. <http ://affordance.typepad.com/mon_weblog/2005/09/google_se_micro.html>
á
(ERTZ 2005b) Ertzscheid,
O., Ç Le jour o notre disque dur
aura disparu. È, in Le Monde, 21 Avril 2005.
á
(ERTZ 2005c) Ertzscheid O., Ç Weblogs : un nouveau paradigme pour les
systmes dÕinformation et la diffusion de connaissances ? Applications et
cas dÕusage en contexte de veille et dÕintelligence Žconomique. È,
Communication avec Actes, Colloque ISKO 2005, Nancy, en ligne : http ://archivesic.ccsd.cnrs.fr/sic_00001433
á
(ERTZ 2006) Ertzscheid
O., Gallezot G., Ç Etude exploratoire des pratiques
dÕindexation sociale comme une renŽgociation des espaces documentaires. È
in Document
numŽrique et sociŽtŽ, (sous la dir. De) Ghislaine Chartron et Evelyne Broudoux.
ADBS ƒditions, 2006. 344 p. Collection Sciences et techniques de lÕinformation.
á
(ERTZ 2008a) Ertzscheid
O., Ç Bienvenue dans le World Life Web È, in Ecrans.fr, 15 fŽvrier
2008. <http://www.ecrans.fr/Bienvenue-dans-le-World-Life-Web,3016.html>
á
(ERTZ 2008b) Ertzscheid
O., Ç LÕindustrie de la
recommandation est-elle recommandable ? È Communication aux
journŽes dÕŽtude Polyphonies du livre, Mars 2008. Diaporama. <http ://www.slideshare.net/olivier/industrie-de-la-recommandation/>
á
(ERTZ 2008c) Ertzscheid
O., Ç Docteur Google : quelle
mŽdecine pour demain ? È, in Affordance.info, 2 Mars 2008. <http://affordance.typepad.com/mon_weblog/2008/03/docteur-google.html>
á
(ERTZ 2008d) Ertzscheid
O., CrŽer, trouver et exploiter les
blogs. Paris, ADBS Editions, 2008, 64p. (Coll. LÕessentiel sur)
á
(GARF 1972) Garfield
E, Ç Citation analysis as a tool in journal evaluation È, Science,
vol. 178, pp.471-479, 1972.
á
(GREE 2005) Green
Adam, Ç 2006 : The Year the Web
explodes È, in Darwinian Web, 18 Novembre 2005. < http ://darwinianweb.com/archive/2005/78.html>
á
(JING 2008) Jing
Y., Baluja S., Ç PageRank for
product image search È, in WWW2008, Beijing, 21-25 Avril 2008. < http ://www.esprockets.com/papers/www2008-jing-baluja.pdf>
á
(LANG 2003) Langville
Amy N., Meyer Carl D., Ç Deeper Inside
PageRank È, Internet Mathematics. Vol. 1, no. 3, pp. 335Ð380, 2003.
á
(DEUF 2006) Le Deuff O., Ç Folksonomies : Les usagers
indexent le web. È, BBF, 2006, n¡ 4, p. 66-70, <http://bbf.enssib.fr>
á
(LYMA 2003) Lyman
P., Varian Hal R., Ç How Much Information È,
2003. < http ://www.sims.berkeley.edu/how-much-info-2003>.
á
(NIEL 2005) Nielsen J., Ç One billion
Internet Users. È, DŽcembre 2005. En ligne :
http ://www.useit.com/alertbox/internet_growth.html.
á
(SALA 2004) SalaŸn J.-M.,
Ç Libre accs aux ressources
scientifiques et place des bibliothques. È, BBF, 2004, n¡ 6, p. 20-30, <http://bbf.enssib.fr>.
á
(TISS 2001) TISSERON
S., L'intimitŽ surexposŽe, Paris, Editions Ramsay , 2001.
á (VERO 2005) VŽronis J., Ç Google : index mystre È, in Technologies du langage, 27 Septembre 2005. <http://aixtal.blogspot.com/2005/09/google-index-mystre.html>
[2] Le spider ou robot
d'indexation est un logiciel parcourant le web de liens en liens afin d'indexer
les sites visitŽs et de mettre ˆ jour les bases de donnŽes des moteurs de
recherche.
[3] Sur ce sujet voir notamment
(ERTZ, 2005a) et (VERO, 2005).
[4] Le temps de prise en compte
des sites dans lÕindex des moteurs, sÕil sÕamŽliore constamment, reste cependant
variable. En revanche, pour des contenus de type actualitŽ (news) ou carnets
web (weblogs), cette indexation se fait quasiment en temps rŽel, amenant ˆ
parler dÕun World LIVE Web.
[5] La plupart des internautes
ne vont pas au-delˆ de la consultation de la premire page de rŽsultats.
[6] Il sÕagit du Ç taux de
rappel È, cÕest ˆ dire le ratio entre le nombre de documents pertinents
trouvŽs lors d'une recherche et le nombre total de documents pertinents
existant dans le systme. LÕautre indicateur est le Ç taux de
prŽcision È (ratio entre le nombre de documents pertinents trouvŽs lors
d'une recherche et le nombre total de documents trouvŽs en rŽponse ˆ la
question).
[7] Voir (DAVI, 2006)
[8] pour une vue plus complte
de ces systmes de recommandation, voir (ERTZ, 2008b)
[9] Rollyo (http://rollyo.com), Eurekster (http://www.eurekster.com/), Yahoo ! Search Builder (http://builder.search.yahoo.com/m/promo), Google Custom Search Engine (http://www.google.com/coop/cse/)
[12] le Ç spamdexing È
notamment, un rŽfŽrencement frauduleux visant ˆ tromper lÕindexation par les
moteurs gr‰ce ˆ de faux mots-clŽs.
[13] On parle actuellement
de Ç cloud computing È pour dŽsigner le recours ˆ des
infrastructures informatiques largement distribuŽes.
[14] cf la seconde partie de cet article.
[15] Ç Ads are
content È selon la formule dÕOmid Kordestani, en charge des programmes
dÕaffiliation publicitaire chez Google (http://battellemedia.com/archives/001974.php)
[16] Source : IT
Facts http://blogs.zdnet.com/ITFacts/
[18] pour le 4me trimestre 2007
les rŽsultats financiers de Google Žtaient de 4,83 milliards de $ de revenus,
soit une augmentation de 51 % par rapport ˆ 2006 et 14% par rapport au 3me
trimestre. (Source : http://www.google.com/intl/en/press/pressrel/revenues_q108.html
)
[19] ce qui est le cas pour Google et Yahoo! dans une moindre mesure, mais pas pour Microsoft qui reste dÕabord un fabriquant de logiciels.
[21] Office Live pour Microsoft
(http://www.officelive.com/) et Google
Docs (http://docs.google.com/)
[22] voir le point 2.1.
[23] Service Google Analytics : http://www.google.com/analytics
[24] par exemple sur des sites dÕachat, de rŽservation ou sur des catalogues en
ligne, etc.
[25] Le 11 Avril 2008, Google a annoncŽ qu'il allait tre capable d'indexer certaines donnŽes situŽes "derrire" les formulaires web. Voir ce billet : http://affordance.typepad.com/mon_weblog/2008/04/de-profundis.html
[26] Les webmails permettent de stocker et de consulter son courrier Žlectronique en ligne. LÕoffre Desktop Search permet dÕindexer le contenu dÕun ordinateur personnel gr‰ce au moteur choisi (Google, Yahoo ! ou Microsoft).
[27] Google dispose ici dÕun leadership incontestable, lequel ne peut tre Žlargi au delˆ des deux sociŽtŽs concurrentes que sont Yahoo et Microsoft.
[30] Message de Yannick PriŽ sur la liste du RTP-DOC (http://rtp-doc.enssib.fr/)
[32] Il est possible dÕy
Ç amener È diffŽrents services et/ou informations comme la
mŽtŽo de ma rŽgion (piochŽe par exemple sur Yahoo), mon courrier Žlectronique
(captŽ par exemple dans Gmail), les fils RSS de presse extraits de mon
agrŽgateur, et ainsi de suite.
[34] CommuniquŽ de presse annonant le lancement du service et dŽtaillant son ambition : http://www.google.com/intl/en/press/pressrel/universalsearch_20070516.html
[35] Des bases de plus en plus
nombreuses et consŽquentes suite aux rachats effectuŽs. En se rendant par
exemple propriŽtaire du service de partage de vidŽos YouTube, Google peut
mettre en place une indexation plus rapide et plus efficace de cet extraordinaire
fonds documentaire. Dans le mme ordre dÕidŽe, rappelons que Yahoo ! est
de son c™tŽ propriŽtaire du service de partage de photos FlickR et du site de
partage de signets Del.icio.us.
[36] Clusty.com ou Live.com.
Pour une liste plus complte, voir le billet :
http://www.readwriteweb.com/archives/how_alt_search_engines_implemented_universal_search.php
[38] (cf point 1.2)
[39] http://blogsearch.google.com. Le brevet est disponible ˆ lÕadresse : http://tinyurl.com/35etd4
[40] cf le point 2.2
[41] Les
folksonomies dŽsignent un systme de
classification collaborative, ˆ lÕaide de mots-clŽs librement choisis.
[42] LÕindexation
sociale permet de dŽposer des tags (mots-clŽs) sur des micro-contenus (billets
de blogs, images) ou sur des macro-contenus (sites web ou ouvrages en ligne).
[43] dŽfinition
Spamdexing : consistant, par exemple, ˆ positionner un site sur de faux
mots-clŽs ou sur les mots-clŽs dÕun concurrent.
[44] La balise <META Description> est ainsi frŽquemment utilisŽe pour afficher le court texte de description qui figure sous le titre dÕun site dans une page standard de rŽsultats de recherche.
[46] DŽfinition extraite du site
Wikipedia (http://www.wikipedia.org )
[48] sauf naturellement ˆ se
retrouver en situation de monpole ou de quasi-monopole
[49] MySpace (http://myspace.com) et Facebook (http://facebook.com) en sont emblŽmatiques
[50] cÕest
le Ç lost in hyperspace problem È dŽfini par (CONK, 1987) et reliant
la notion de Ç navigation È ˆ celle de Ç dŽsorientation È
et de surcharge cognitive.
[51] Sur le mode Ç les gens ayant achetŽ ce disque ont aussi achetŽs ceux-lˆ È
[52] sur la notion dÕinterface
riche ou RIA (Rich Internet Application), voir http://fr.wikipedia.org/wiki/Rich_Internet_Application
[53] Kartoo (http://www.kartoo.com), Grokker (http://www.grokker.com)
[54] Exalead (http://www.exalead.com), Clusty (http://www.clusty.com)
[55] date de naissance de telle
cŽlŽbritŽ, date de telle guerre ou catastrophe naturelle, dŽfinition de tel
terme É
[56] sur des requtes de type
Ç jaguar È nŽcessitant de prŽciser sÕil sÕagit de lÕanimal ou du
vŽhicule
[57] Le billet dÕAlex Iskold sur
les mythes et la rŽalitŽ de la recherche sŽmantique est sur ce point
particulirement Žclairant : http://alexiskold.wordpress.com/2008/05/30/semantic-search-the-myth-and-reality/
[58] http://www.techcrunch.com/2008/03/13/yahoo-embraces-the-semantic-web-expect-the-web-to-organize-itself-in-a-hurry/
[59] Ç Resource Description
Framework (RDF) est un modle de graphe destinŽ ˆ dŽcrire de faon formelle les
ressources Web et leurs mŽtadonnŽes, de faon ˆ permettre le traitement
automatique de telles descriptions. DŽveloppŽ par le W3C, RDF est le langage de
base du Web sŽmantique. È Source : http://fr.wikipedia.org/wiki/Resource_Description_Framework
[60] Les microformats sont un
langage de balisage qui permet l'expression de la sŽmantique dans une page web
HTML (ou XHTML).
[61] LÕun des plus prometteurs
est FOAF (Friend of A Friend), un vocabulaire RDF permettant de dŽcrire des
personnes et les relations qu'elles entretiennent entre elles. (http://fr.wikipedia.org/wiki/FOAF).
[62] TŽlŽphones cellulaires notamment
[63] Image extraite du diaporama
de Nova Spivack, http://novaspivack.typepad.com/nova_spivacks_weblog/files/nova_spivack_semantic_web_talk.ppt
[64] pour un panorama plus
complet de cette offre, voir le dossier du Monde Informatique sur le
sujet : http://www.lemondeinformatique.fr/dossiers/lire-le-web-semantique-un-vaste-terrain-d-applications-encore-a-defricher-25-page-3.html
[65] cf dans le point 1.1 ceux
citŽs dans la partie Ç Prescription È.
[66] voir la note 9
[67] Le terme de Ç Mashup È sert ˆ dŽsigner le
couplage de deux applications informatiques pour en construire une troisime.
[68] les API ou Application
Program Interface (Interface pour langages de programmation), permettent ˆ une
application d'accŽder ˆ des programmes pour communiquer ou extraire des
donnŽes. Ç Techniquement, les API consistent en des appels de fonction,
accompagnŽs des paramtres ˆ communiquer ˆ l'extŽrieur de l'applicatif. È
(Source : http://www.journaldunet.com/encyclopedie/)
Une liste non exhaustive des API de Google est accessible sur http://www.webrankinfo.com/actualites/200601-liste-api-google.htm.
[69] LittŽralement Ç machine ˆ remonter le temps È, la Wayback Machine est le moteur de recherche de lÕInternet Archive (http://www.archive.org), une fondation sÕŽtant donnŽe pour mission dÕarchiver le web. La Wayback Machine donne aujourdÕhui accs ˆ un fonds de deux milliards de pages Ç disparues È ou dans des versions antŽrieures impossibles ˆ retrouver autrement. Par ailleurs, la question dÕun archivage systŽmatique et raisonnŽ est une question essentielle dont se sont aujourdÕhui saisies les bibliothques, en dŽfinissant notamment la notion dÕun dŽp™t lŽgal pour les sites web (voir les pages de la BnF sur le sujet : http://www.bnf.fr/pages/infopro/depotleg/dl-internet_quest.htm)
[70] Google Gears permet, en
mode Ç dŽconnectŽ È, dÕaccŽder ˆ des applications et services
connectŽs (Google Reader Ð lecteur RSS Ð et Google Docs pour lÕinstant)
[71] on pourrait mme parler de
dernire Ç diffŽrance È dans lÕoptique de Derrida.
[72] A ce sujet, voir (ERTZ
2008c)
[73] microformat FOAF notamment (cf supra)
[74] (ERTZ, 2008a)