Panorama des volutions de la recherche dinformation sur Internet

1

• Panorama des évolutions de la recherche
  dinformation sur Internet
• Marie-Laure MALINGRE
• Alexandre SERRESCo-responsables URFIST Rennes
• Février 2005

2
PLAN

• 7/ Gestion des requêtes
• 8/ Méthodes de classement et de traitement
• 9/ Présentation des résultats
• 10/ Personnalisation
• 11/ Autres évolutions métadonnées

• 1/ Introduction grandes évolutions de la RI
• 2/ Panorama, typologies des outils
• 3/ Evolutions économiques
• 4/ Evolutions technologiques
• 5/ La collecte des données
• 6/ Lindexation, les méthodes de TAL

3
Information préalable

• Ce support Power Point est complété par un
  support HTML, à consulter librement
• Panorama de la recherche d'information sur
  Internet approfondissement des aspects
  théoriques et techniques
• Disponible sur http//www.uhb.fr/urfist/Supports
  /Rechinfo2/Rechinfo2_cadre.htm

4
1/ Introduction les 7 grandes tendances de la
recherche dinformation

• Repères historiques
• 60s la recherche en différé 
• 70s  mode conversationnel 
• 80s micro et minitel
• 90s  la révolution Internet 
• 2000s explosion du web
• Voir Chronologie des outils de recherche

• Difficultés de létat des lieux de la recherche
  dinformation
• Abondance, explosion des outils
• Rapidité des évolutions
• Hybridation des outils
• Changement déchelle de la RI
• 7 tendances de fond, selon les composants de la
  RI

5
1/ Introduction les 7 grandes tendances de la
recherche dinformation

• Du côté des usagers
• De la dépendance totale (recherche médiatisée
  documentaliste informaticien) à lautonomie
  relative
• Du côté de loffre dinformation
• De lexplosion documentaire au déluge
  informationnel
• Triple changement
• déchelle
• de support
• de système éditorial

6
1/ Introduction les 7 grandes tendances de la
recherche dinformation

• Du côté de la chaîne de linformation
• De la validation a priori à la validation a
  posteriori
• Du côté des outils de recherche
• De la rareté à lexplosion, de la distinction à
  lhybridation des outils, de la complexité à la
  simplification
• Du côté des processus de recherche
• Du retrouvage booléen à la sérendipité

7
1/ Introduction les 7 grandes tendances de la
recherche dinformation

• Du côté des modèles de la recherche dinformation
  
• Du paradigme de laccès à celui du traitement
• Du côté de léconomie de la RI
• De la gratuité à la vente des mots-clés

8
2/ Panorama et typologies des outils 2.1
Contexte et spécificités de linformation et de
la  RII 

• surabondance,  déluge informationnel 
• structuration encore majoritairement faible
• hétérogénéité formats, langues, supports,
  technologies, sources, etc.
• instabilité de l information
• multiplicité des espaces dinformation web
  visible / invisible, intranet/extranet,
  ouverts/fermés, gratuits/marchands
• coexistence contenus statiques/dynamiques (PHP)

9
2.1 Les blogs

• Définition
• Weblog journal de bord du web
• Site web, régulièrement mis à jour, comportant
  des liens, des appels à commentaires
• Très nombreuses applications
• journaux personnels adolescents
• Tribunes politiques Dominique Strauss-Khan
• Outils journalistiques blogs du Monde
• Outils collaboratifs de veille blog de
  lUrfist
• Explosion du phénomène des blogs
• Evolution du web ?

10
2/ Panorama et typologies des outils 2.2 Quelles
typologie des outils aujourdhui ?

• Les difficultés de la typologie classique
• Par type doutils
• Annuaires de recherche Il présente, dans une
  hiérarchie de domaines et de sous-domaines
  divers, le contenu du Web au travers de ses sites
  décrits par un nom et un commentaire de quelques
  mots rédigés par un documentaliste de l'outil de
  recherche.
• Moteurs
• Métamoteurs
• Agents intelligents un outil logiciel qui
  accomplit des tâches sur Internet de façon
  automatisée, en fonction de ce que vous lui
  demandez

11
2/ Panorama et typologies des outils 2.2 Quelles
typologie des outils aujourdhui ?

• Les difficultés de la typologie classique
• Par type doutils
• Portails
• Moteurs humains
• Agrégateurs de fils RSS
• Sa validité nest plus aussi évidente en raison
  de la convergence de outils.

12
2/ Panorama et typologie des outils 2.2 Quelles
typologies aujourdhui ?

• Différents critères permettent denvisager
  dautres typologies possibles
• Selon le référentiel internet
• Outils généralistes
• Outils spécialisés
• Diversité des spécialisations supports,
  formats, géographiques, disciplinaires, web
  invisiblegt Evolution vers la spécialisation
• Selon le mode dindexation
• indexation des documents web (tout ou partie)
• indexation sur le contenu d une classification

13
2/ Panorama et typologie des outils 2.2 Quelles
typologies aujourdhui ?

• Selon le contenu des ressources indexées
• Articles de presse / dépêches d actualité
• Littérature grise (Lancement de Google Scholar)
• Blogs Technorati, Daypop
• Flux RSS Savoirs CDI...
• Wiki Wikipédia

14
2/ Panorama et typologie des outils 2.3.1 Les
moteurs de recherche

• Quelques typologies possibles des moteurs
• selon le référentiel Internet
• moteurs généralistes
• moteurs spécialisés
• par domaines disciplinaires Spinoo
• par type de données, de ressources
• par type d objets Internet
• selon le classement des résultats
• Indice de pertinence Exalead
• Indice de popularité Google
• Selon le degré de traitement
• recherche exclusivement
• traitement, gestion et exploitation des résultats

15
2/ Panorama de loffre 2.4 Métamoteurs

• Repères
• outils interrogeant en parallèle plusieurs outils
  (moteurs et annuaires)
• possibilité de fusion et de tri des résultats
• diversité des métamoteurs
• Evolutions
• amélioration des performances techniques fusion
  et synthèse des résultats
• spécialisation
• présentation graphique des résultats
• personnalisation et services de veille
  exploitation des résultats

16
2/ Panorama de loffre 2.5 Portails

• Définition
• "Ressource accessible via Internet, constituant
  un point d'accès unique, simplifié, facile
  d'emploi et unifié, pour un public cible, à des
  ressources (services, produits) électroniques
  distantes, variées et hétérogènes". (Sylvie
  Dalbin, Instruments de recherche sur le Web, in
  La Recherche d'information sur les réseaux, cours
  INRIA 2002)
• Dispositif
• documentaire (ressources informationnelles),
  communicationnel, éditorial, technique...
• Diversité des ressources et services
• recherche d information, achats/ventes,
  informations générales, spécialisées,
  personnalisation, messagerie, forums, services
  dalerte
• Portails généralistes / spécialisés
• Exemples Yahoo.fr, ConnectSciences, Ploteus,
  BusinessCom, Fabula, Culture.fr, Educlic

17
2/ Panorama de loffre 2.6 La syndication de
contenus

• Définition
• Agrégation de contenus divers sur un même
  navigateur
• possibilité de publier automatiquement sur un
  site web des informations issues dautres sites
  web
• Outils
• Agrégateur de fils RSS en lecture
• Editeur de fils RSS pour lédition
• Très nombreuses applications, liens avec les
  blogs
• Nombreux enjeux et questions
• Explosion du phénomène du RSS

18
2/ Panorama de loffre 2.6 Les agrégateurs de
fils RSS

• Outils personnalisables
• Permettent la réception automatique de fils RSS
  de diverses sources
• Presse ex. de Libération
• Blogs ex. de UrfistInfo
• Sites web Savoirs CDI
• Deux types doutils
• Outils autonomes FeedReader, FeedDemon
• Agrégateurs intégrés dans le navigateur Firefox
• Deux possibilités dutilisation
• En ligne NewsIsFree
• Hors ligne FeedReader
• Beaucoup doutils gratuits

19
2/ Panorama de loffre 2.7 Les moteurs de bureau
(desktop search)

• Définition
• Outils dindexation et de recherche de fichiers
  sur disque dur
• Développement de ces solutions par les moteurs de
  recherche en complément de la recherche sur le
  web
• Recherche sur le PC dun document Word, dun
  e-mail, dune vidéo, dun fichiers PDF, etc.
• Outils
• Yahoo Desktop Search (sous Windows XP et 2000,
  recherche sur 200 types de fichiers)
• Copernic Desktop Search (recherche des formats
  les plus courants Microsoft Office,
  WordPerfect, PDF, fichiers texte et RTF)
• Google Desktop Search (recherche sur les fichiers
  Word, Excel, Powerpoint, les e-mails)
• Autres Lycos, Ask Jeeves, HotBot

20
3/ Evolutions économiques

• Concurrence des outils taille dindex, services
  
• Concentration du marché (Yahoo) / fragilisation
• Passage du tout gratuit au payant
•  Marchandisation  croissante de la recherche
  dinformation
• bannières publicitaires sur les outils
• soumissionnement payant des sites Nomade,
  Voila, Alta Vista mais retour de Yahoo au
  principe du référencement gratuit ! A voir
• positionnement payant dans les lots de résultats
  
• présence en tête des résultats, avec ou sans
  signe distinctif
•  liens sponsorisés  placés dans une zone
  distincte,  insertions contextuelles 

21
3/ Evolutions économiques

• Vente de mots-clés
• pour le positionnement payant, système de vente
  aux enchères de mots-clés, par sociétés
  spécialisées (Overture, Espotting)
• sites classés selon système de mise aux enchères
  des mots-clés site ayant eu plus forte enchère
  classés en tête
• achat des mots-clés
• par CPM (coût pour mille affichages) nombre
  d affichages de liens, cliqués ou non
• par CPC (coût par clic) paiement au clic, a
  largement remplacé le CPM

22
4/ Panorama des évolutions technologiques des
moteurs et métamoteurs

• Définition outil automatisé dindexation et de
  recherche des ressources du web
• Fonctionnement
• 3 modules autonomes
• robot collecteur collecte des données
• module dindexation base de données du moteur
• module de requête gestion des requêtes et des
  résultats
• principes communs entre les moteurs
• parfois utilisation commune du même robot
• mais nombreuses spécificités

23
4/ Panorama des évolutions problèmes posés aux
moteurs de recherche

• Le web opaque
• récupération des pages "orphelines"
• difficulté de récupération des pages liées à une
  indexation partielle
• Le web privé
• pages interdisant le référencement par les
  moteurs (fichier robots.txt)
• Le web propriétaire
• pages à accès contrôlé (par logon), non
  collectées (plateforme Phare)
• Le vrai web invisible
• prise en compte de formats autres que html (ex
  base Mémofiches)
• prise en compte de protocoles internet autres que
  celui du web
• difficultés d'indexation face aux frames,
  scripts, technologies propriétaires comme Flash,
  etc.
• difficultés de recherche sur les pages dynamiques
  (.asp, php)
• ? pas d'exhaustivité des outils de recherche

24
4/ Panorama des évolutions technologiques

• Interfaces de recherche
• simplification, aide
• Fonctionnalités de recherche
• Possibilités de filtrage
• Enrichissement des requêtes

• Collecte des données
• Élargissements de la collecte
• Indexation des données
• traitements linguistiques
• Indexation sémantique

25
4/ Panorama des évolutions technologiques

• Présentation des résultats
• Cartographie
• Moteur parlant
• Personnalisation
• Profils de requête
• Sauvegarde, partage des résultats

• Classement des résultats
• Indice de popularité
• Clusterisation (rangement des liens en dossiers
  thématiques), catégorisation
• Traitement des résultats
• Résumés automatiques
• Géolocalisation

26
5/ La collecte des données fonctionnement

• Principes du robot collecteur
• Partage du même robot par plusieurs outils
• Modalités dexploration du web
• exploration initiale
• soumission manuelle par les webmestres,
  référencement payant
• sélection des meilleurs sites
• explorations aléatoires
• parcours des liens
• en largeur
• en profondeur

27
6/ Lindexation des données 6.1 Fonctionnement,
évolutions...

• Principes
• base de données index principal et fichiers
  inverses
• index  cur  du moteur de recherche
• 4 éléments pour l indexation
• taille de lindex
• objets de lindexation
• nature des ressources indexées
• méthodes de traitement des données

28
6/ Lindexation des données 6.1 Fonctionnement,
évolutions...

• Taille de lindex
• Nombre de pages indexées
•  course à lindex le plus grand 
• Google passage brusque à un index de 8
  milliards de pages
• Yahoo Search Technology 4 milliards
• Exalead un milliard de pages
• Objets de l indexation
• quels champs indexés ? titre, URL, métadonnées,
  frames Différences entre moteurs.
• Nature des ressources
• développement de lindexation des documents
  images, sonores...

29
6.2 Lindexation Les techniques de traitement
linguistique

• TAL (Traitement Automatique des Langues) au
  fondement de lindexation automatisée
• Différences indexation manuelle / indexation
  automatisée
• indexation documentaire manuelle les concepts
• indexation automatisée les mots, texte intégral
• Méthodes de TAL
• issues de travaux et de problématiques différents
  de ceux de la RI
• traitement en  local , pour lanalyse de corpus
  de textes

30
6.2 Lindexation Les techniques de traitement
linguistique

• Evolution majeure des moteurs de recherche
  intégration des techniques du TAL, notamment dans
  la gestion des requêtes
• Différents types de traitements linguistiques
• Présence des méthodes de TAL à la fois dans les
  modules dindexation et de requête différences
  difficiles à établir
• Enjeu majeur de développement de la RI
• quelles techniques de TAL pour lindexation,
  notamment avec le web sémantique ?

31
6.4 Indexation Méthodes de traitement
statistique

• Principale méthode dindexation sur le web
  traitement statistique des mots (pour
  lestimation de pertinence)
• Problème localisation des traitements
  statistiques
• dans le module dindexation (sur la base de
  données) ?
• Ou dans le module de requêtes (sur les lots de
  résultats) (cf plus loin) ?gt les deux à la fois
  identification difficile des méthodes
  statistiques utilisées

32
7/ La gestion des requêtes et des résultats

• Généralités
• partie visible du moteur de recherche trois
  grandes fonctions
• gestion des requêtes fonctions de recherche en
  mode simple et avancé, différentes options de
  filtrage, affinement...
• gestion des résultats catégorisation,
  classement, question des critères de pertinence
• gestion de la présentation des résultats
  linéaire, graphique

33
7/ Gestion des requêtes 7.1 Fonctionnalités de
recherche

• Simplification des procédures, éclatement des
  formulaires
• diversification des options de recherche en mode
  simple et avancé
• 4 types doptions linguistiques, recherche
  booléenne, filtrage, affinement
• options linguistiques gt innovations requêtes
  en langage naturel, correction orthographique,
  lemmatisation...
• options de recherche booléenne gt innovations
  généralisation du ET implicite, utilisation
  (encore rare) de lopérateur de proximité

34
7.2 Développement des technologies de filtrage

• Innovation majeure et la plus répandue
  nombreuses possibilités de filtrage
• géographique du web mondial, francophone
• linguistique choix de la langue des ressources
• des types de ressources images, audio
• des ressources internet web, forum, messagerie,
  weblogs
• des formats HTML, PDF, DOC, PPT, XLS, RTF
• des dates nombreuses options
• des champs titre, URL, host, domaine
• thématique choix du domaine de recherche (Alta
  Vista)
• du contenu filtrage  parental  (Alta Vista)

35
7.3 Les fonctionnalités daffinement des requêtes

• possibilité daffiner une requête à partir dun
  premier lot de résultats
• reposent sur plusieurs techniques, - spécifiques
  aux moteurs différents niveaux d affinement
• affinement  simple  restriction de la
  recherche à un lot de résultats, à un site...
• affinement/extension propositions de pages
  similaires (similar pages)
• techniques de classification automatique (cf plus
  loin)

36
8/ Méthodes de classement des résultats autre
typologie

• Méthodes de classement fondées sur le contenu des
  documents
• indice de pertinence
• classifications automatiques
• Méthodes de classement fondées sur
  linfrastructure hypertextuelle du web
• exploitation des liens des auteurs / éditeurs de
  sites web indice de popularité de Google,
  navigation dans les résultats
• exploitation des activités des utilisateurs
  mesure daudience, mesure des parcours

37
8.1 Classement des résultats indice de
pertinence

• Principes
• classement fondé sur la fréquence dapparition et
  la localisation des termes de la requête dans une
  page web (cf. réponses dans BCDI)
• attribution dune valeur aux pages indexées
• absolue indépendante des requêtes (module
  d index)
• relative dépendante des recherches (module de
  requête)
• affichage des résultats à partir du calcul dun
  score pour chaque réponse
• Utilisation
• première méthode de classement utilisée sur le
  web, la plus répandue
• Problèmes
• détournement par le spamdexing

38
8.1 Classement des résultats indice de
pertinence

• Critères destimation automatique de pertinence
  
• pondération calcul du  poids  dun mot selon
  
• sa position sur la page  poids  plus
  important dans le titre, en début de texte, en
  majuscules...
• sa fréquence dans la base calcul des
  occurrences du mot dans la base dindex mots
  rares favorisés, mots fréquents sous-évalués,
  mots-vides éliminés...
• sa densité calcul des occurrences du mot par
  rapport à la taille du document poids supérieur
  pour les documents plus petits
• similarité appariement entre mots de la requête
  et du document

39
8.2 Classement des résultats indice de
popularité

• Principes, origines
• Utilisation de la nature hypertextuelle du web
  prise en compte des liens entre sites, considérés
  comme des liens de parenté sémantique
• calcul de la notoriété dun site en fonction du
  nombre de liens pointant vers le site
• principes scientométriques, pratiques de citation
  entre articles
• Utilisation
• indice de popularité lancé par Google en 98
• originalité et succès de Google et de son
  PageRank
• Projet Clever, Teoma

40
8.2 Classement des résultats indice de
popularité

• Critères de calcul de popularité
• classement des pages par combinaison de plusieurs
  facteurs deux niveaux de pondération
• 1ère pondération plus forte
• des  pages pivots  listes de liens,
  sélections de ressources
• des  pages de référence  pages recevant de
  nombreux liens
• 2ème pondération plus forte
• des pages de référence fréquemment citées par
  pages pivots

41
8.2 Classement des résultats indice de
popularité

• Avantages de l indice de popularité
• renforcement de la pertinence
• élimination du spamming
• Problèmes et limites
• renforcement de la notoriété  effet
  Saint-Matthieu  (favorise les sites jouissant
  déjà dune certaine notoriété)
• problème des sites peu connus, des ressources
  nouvelles...
• problème des liens artificiels, pas toujours
  éliminés
• exemple de requêtes sur Google sur la psychiatrie
  
• Nouvelles pratiques de spamdexing

42
8.3 Classement classification automatique des
résultats

• Concerne à la fois les technologies daffinement
  des requêtes et le classement des résultats
• Technologies les plus complexes domaine des
  innovations les plus importantes des moteurs cf
  Exalead
• Principes
• organisation dun lot de résultats pour donner
  possibilité daffiner ou étendre la requête
• répartition des objets dans des classes
• deux méthodes
• classifications a priori
• classification a posteriori

43
8.3 Classement classification automatique des
résultats

• Principes
• classement des informations par sujets
• gt traitement sémantique
• modélisation des domaines de connaissance
• automatisation du classement des informations
• enjeu essentiel mise en ordre du  chaos
  informationnel 

44
8.3 Classement classification automatique des
résultats

• Classification a priori
•  classification par apprentissage supervisé 
  classement des éléments dans des classes
  préétablies problème de l élaboration et du
  suivi des classes
• exemple Voilà et ses domaines prédéfinis
  (sports, arts..)
• principe des annuaires, avec classification
  préétablie

45
8.3 Classement classification automatique des
résultats

• Classification a posteriori
•  classification par apprentissage non
  supervisé ,  clustering  regroupement des
  résultats par comparaison sur la base de
  similarités trouvées dans les documents
• analyse des caractéristiques statistiques,
  linguistiques, sémantiques du corpus
• processus automatisé
• création de groupes
• répartition des documents dans les groupes et
  attribution d un nom à la classe
• tri par pertinence au sein des groupes

46
8.3 Classement classification automatique des
résultats

• Classification a posteriori (suite)
• Intérêt pour la recherche
• aide à la sélection dun mot-résultat
• aide à lélimination des corrélations
  inintéressantes, évidentes ou connues
• suggestion didées et de pistes nouvelles
• Complémentarité avec les techniques de
  représentation graphique de linformation
• exemples Exalead, Vivisimo, AllTheWeb

47
8.4 Traitement des résultats la
géolocalisation

• Innovation récente
• Sur Yahoo, Google (USA), FindWhat
• Principes
• Identification de lemplacement géographique de
  linternaute
• Fourniture de résultats, de services locaux,
  proches de lui
• Liste dadresses proches (hôtels,
  professionnels)
• Visualisation des résultats sur une carte
• Itinéraires routiers
• Enjeux financiers importants
• Lutte pour les marchés locaux des annonceurs

48
9/ Présentation et traitement des résultats

• Evolutions dans la présentation des résultats
  deux modèles
• listes
• cartographies
• Enrichissement de la structure et du contenu des
  listes
• structure des pages identification plus claire
  des différentes parties (rappel de requête, liste
  des résultats  naturels  et liens sponsorisés)
• représentation des documents enrichissement de
  la description (titre, catégorie, taille du
  fichier, date, extrait ou résumé, pages en
  cache)
• gt cf Google

49
9.1 Présentation graphique des résultats

• Principale innovation dans la présentation
  utilisation des techniques de cartographie de
  l information
• Technologie ancienne (veille) mais difficile à
  mettre en uvre sur Internet ressources
  techniques importantes
• Pionniers les métamoteurs Kartoo, MapStan,
  Vivisimo
• Principes
• présentation des résultats sous forme de carte de
  nuds et de liens
• nuds documents
• liens relations entre documents
• représentation en réseau de sphères (Kartoo), en
   plans de quartiers  avec places et rues
  (Mapstan), en arborescence (Vivisimo)

50
9.1 Présentation graphique des résultats

• Valeur des nuds
• document (Kartoo) taille variable selon degré
  de pertinence
• ensemble de documents (cluster) sur Mapstan
• Valeur des liens
• liens sémantiques, de similarité des thèmes
• Intérêt
• vision synthétique des résultats
• mise en évidence des relations entre sites

51
9.2. Présentation des résultats évolutions
récentes

• La lecture orale des résultats
• Cf le moteur qui parle Speegle (lancé par la
  société écossaise CEC Systems)Speegle utilise
  la catalogue web de Google 1 logiciel de
  reconnaissance vocale pour lire les notices.
• 3 formats pour la lecture
• méta-titre et méta-description
• url et méta-description
• url, méta-titre et méta-description
• comprend aussi un catalogue dactualités

52
9.3 Synthèse des présentations de résultats
(d après S. Dalbin)

• Mots-clés, listes de référence
• Indicateurs de contenu d un document
• Regroupement de références
• Indicateurs de thèmes
• Cartes
• Indicateur du positionnement des documents
• par rapport aux autres
• par rapports aux thèmes

53
9.5 Traitement des résultats extraits et
résumés automatiques

• Extraits automatiques
• présentation dun extrait dun document sur les
  pages de résultats (Exalead)
• correspond soit aux mots recherchés, soit aux
  premières lignes du documentgt pas de véritable
   résumé , car pas de reformulation
• Résumés automatiques
• Développement encore limité des technologies de
  résumé automatique sur le web système
  Pertinence
• extraction dune liste de phrases représentant
  idées essentielles d un texte
• techniques danalyse de discours, système de
  marqueurs linguistiques, affectation dune valeur
  aux tournures linguistiques

54
10. Personnalisation10.1 Des interfaces

• Tendance lourde de la recherche dinformation
• Personnalisation des interfaces proposées par les
  outils
• barre doutils téléchargeable et personnalisable
  (Google, HotBot, Voilà, Mapstan)
• extension du formulaire de requête (Alta Vista)
• services d aide à la recherche

55
10. Personnalisation10.2 De la recherche et des
résultats

• Plusieurs fonctionnalités de personnalisation des
  requêtes
• systèmes d alerte et de veille (Alta Vista,
  Kartoo)
• Google Alert alerte des changements dans les
  pages de résultats pour des mots-clés favoris
• exploitation des résultats envoi, sauvegarde,
  classement dans des catégories, annotations
  (AskJeeves, My Yahoo Search)
• historique des recherches
• prise en compte des préférences de linternaute,
  mémorisation et utilisations des requêtes
  précédentes (Ujiko, Eurekster)

56
12/ Autres évolutions de la recherche
d information le web sémantique

• Evolution du côté de la structuration et de
  lindexation de linformation
• travaux du web sémantique, généralisation de XML,
  des métadonnées
• gt mutations peut-être les plus profondes,
  conditionnant toutes les autres
• touchent à la structuration du document numérique

57
12.1 Evolutions à venir le web sémantique

• Définition du  Semantic Web 
• chantier de recherche du W3C
• Constat des insuffisances du web actuel
• absence de description et dindexation des
  ressources, etc
• hétérogénéité des formats
• pas de structure explicite du web
• Objectifs
• meilleure structuration du web, exploitation
  sémantique de la nature du web...

58
12.1 Evolutions à venir le web sémantique

• Projet du Web sémantique (daprès P. Laublet)
• Introduction dune couche sémantique
  permettant
• la description des ressources
• La description des contenus (métadonnées)
• La structuration des ressources, avec un certain
  niveau de formalisation
• gt permettre la recherche dinformations à partir
  des concepts, des notions, et non plus de simples
  chaînes de caractères (mots-clés)
• Web sémantique
• (ré) introduction des problématiques
  documentaires de catalogage (avec les
  métadonnées) et dindexation (avec les
  ontologies), MAIS
• de manière totalement automatisée
• sur les connaissances et plus seulement sur les
  documents

59
12.1 Evolutions à venir le web sémantique

• Principes et outils du web sémantique
• quadruple normalisation nécessaire, quatre
  directions de recherche
• identification des ressources numériques le DOI
• description des ressources systèmes de
  métadonnées
• structuration des documents numériques XML
• indexation des ressources langages de
  description, thésaurus, ontologies,
  classifications
• principe fondamental du web sémantique
• séparation du contenu des documents de
  lorganisation de ce contenu

60
12. Evolutions 12.2. Les métadonnées

• Ancienneté du principe catalogage
• Données à propos dautres données
• informations pour la description des ressources
  enjeu important pour l indexation et la
  recherche
• Resource Description Framework (préconisation du
  W3C).
• Diversité des formats, standards, normes de
  métadonnées

61
12.2 Evolutions Les métadonnées

• Quels apports des métadonnées ?
• Structures plus stables que HTML
• amélioration des performances des moteurs de
  recherche
• exemple d application utilisation des
  métadonnées par Google dans le cadre de son
  projet avec les universités américaines et le
  MIT.
• description plus fine des contenus et des
  relations entre documents
• facilitation du classement des contenus
• meilleure visibilité des droits de propriété
  intellectuelle
• information sur la gestion du document
• partage des informations plus facile

62
12.2 Les métadonnées le LOM

• LOM (Learning Object Metadata )
• Pour les productions sur les web liées aux objets
  dapprentissage
• Métadonnées sur les objets d'apprentissage
• Norme permettant de décrire les objets
  d'enseignement.
• A partir des métadonnées du Dublin Core en les
  détaillant davantage
• structure de l'objet (structure, niveau
  d'agrégation),
• gestion de versions (version, état),
• gestion plus fine des contributeurs (rôle),
• description fine des métadonnées utilisées,
  description de l'implémentation technique au-delà
  du format taille, localisation, prérequis
  techniques,
• gestion plus fine des droits (
• gestion plus fine du sujet (par mots-clés ou
  classification) type et niveau d'interactivité,
  type de ressource densité sémantique , type
  d'utilisateur
• Le document LOM va probablement être repris par
  l'ISO. Si l'on souhaite faire de la veille sur
  les métadonnées et le web sémantique, l'IEEE est
  l'institut dont il faut suivre les travaux.

63
12.4 Quelles conséquences du web sémantique sur
la documentation ?

• Une menace ?
• Vers lautomatisation complète de la recherche
  dinformation?
• Une chance ?
• Travail en profondeur dans la  trame  des
  documents, notion de  granularité  de
  linformation
• Possibilités inédites de recherche intelligente
  sur le contenu
• Une revanche ?
• Généralisation des concepts documentaires
  organisation documentaire du web.

64

• MERCI DE VOTRE ATTENTION !