Ce qu’il y a à trouver, ce qu’il y a à savoir

29 décembre 2012
Par

Champ pluridisciplinaire en expansion, niche économique, la recherche d’informations est une notion qui se développe depuis le vingtième siècle. Mais avant tout, qu’est-ce que l’« information » ? On peut considérer qu’un ensemble de données véhicule de l’information s’il présente du sens, du contenu, voire une certaine complexité. Or plus une ressource est complexe, plus il est facile de s’y perdre. La recherche et l’extraction d’information permettent d’explorer et de retrouver du sens. Ces deux notions se complètent assez bien : la recherche d’informations permet d’obtenir des données suite à des requêtes précises ; l’extraction consiste elle à trouver des données dans des documents non structurés.

La recherche d’informations peut prendre deux formes. Quand un utilisateur a besoin d’informations sur une plateforme numérique, il se tourne vers des collections de documents (bibliothèque, Web) dans lesquelles il peut soit effectuer une recherche par navigation ou par requête (comme sur un moteur de recherche).

Présente dès les débuts du Web, la recherche par navigation fait écho aux portails Web. Sur Internet, on a souvent affaire à des ressources organisées arbitrairement, on parle de folksonomie ou indexation personnelle, ou au contraire organisées efficacement, comme le calendrier collaboratif du projet Mur Mitoyen. Les nuages de mots-clés sont aussi un autre exemple de taxonomie particulière. C’est à l’utilisateur de se déplacer entre les ressources.

Face à une base de données structurée, l’utilisateur a besoin de conceptualiser son besoin – en langage naturel – en une requête, qui dispose d’une sémantique propre au système et à la structure de la ressource interrogée. Des technologies adaptées permettent ensuite de renvoyer les documents les plus adaptés pour cette requête, que ce soit des pages Web sur le moteur de recherche Google ou des musiques via MusicBrainz. Tout l’enjeu consiste à casser les barrières entre l’homme et la machine, pour les faire utiliser un langage commun.

La plus grande part des communications humaines passe par une information non structurée qui, aujourd'hui, est stockée sous forme électronique. Le web offre un accès facile à toute cette information mais cette dernière n'est pas organisée. L’extraction d’informations vise à récupérer d'une source d'information des éléments pertinents, précis. Dès lors, est considérée comme extraction d'informations l'activité qui consiste à remplir automatiquement une banque de données à partir de textes écrits en langue naturelle. L'extraction d'informations est un domaine de recherche aujourd'hui très actif autour des questions de transformation du langage naturel en informations utilisables par les bases de données, malgré les ambiguïtés et la flexibilité du langage.

L’extraction et la recherche d’informations sont deux notions en pleine expansion, à l’heure où les inter-connections entre dispositifs numériques explosent. Elles permettent d’organiser l’information à plusieurs niveaux et d’accélérer sa diffusion. Mais la mainmise sur les données et leur diffusion est devenu un véritable enjeu économique et politique : quelles informations peut-on ou doit-on trouver sur le web ? Comment les algorithmes mettent en forme l’accès à l’information du plus grand nombre ? Ces questions font débat aujourd’hui. Les données sont le nouvel or noir de l’industrie de l’information (cf. la pétition sur le « coût du savoir » lancé par les universitaires contre Elsevier, le géant hollandais de l’édition). Et la ruée vers l’or ne fait que commencer !

Par Sandrine Desmurs et Luc Rocher, étudiants en Master Architecture de l'Information à l'ENS de Lyon ; d'après un exposé de Ghita Benotmane & Quentin Agren.


Imprimer ce billet Imprimer ce billet

Mots clefs : , , , , , , ,

Posté dans : Billets, Notions

Un commentaire pour “ Ce qu’il y a à trouver, ce qu’il y a à savoir ”

  1. afaraldi le 16/12/2014 à 11:09

    Cet article sur la facilitation de l'extraction de données dans le monde numérique par l'émergence d'un langage commun homme/machine, est tout à fait fascinant. Il permet de s'interroger sur une question fondamentale de l'architecture de l'information : comment faire parvenir une information, à ceux à qui on veut la faire parvenir, et sous une forme accessible.
    Si je souligne ce dernier point, c'est parce que si je me mets en situation (empathie envers l'utilisateur, UX quand tu nous tient...), je vois très bien que lorsque je fais une recherche dans google ou dans gallica, je vais trouver un tas d'informations. Plus ou moins pertinentes. Mais les plus pertinentes ne sont pas toujours les premières, et alors il me faut survoler plusieurs pages de résultats (quand je cherche une carte de Florence au XVe siècle par exemple)...ce qui est fort horripilant. Ainsi, l'information est là, mais moyennement accessible.
    Toutefois, il me semble que quelque chose a changé ces dernières années en la matière et mérite d'être mentionné... C'est une révolution silencieuse et lente, mais qui doit faire changer nos méthodes de recherche sur le web, il s'agit de la sémantique.
    Avec l'arrivée de la sémantique, la recherche ne se base plus sur des chaînes de caractères pour donner des résultats, et donc plus sur des mots-clés. Elle s'appuie sur la relation des objets les uns avec les autres, formalisée par des graphes. Le moteur de recherche est censé comprendre lorsque l'utilisateur parle d'une personne, d'un lieu, d'un objet dans sa requête, et doit donc fournir un résultat plus pertinent. Cf. http://www.fredcavazza.net/2012/05/28/la-recherche-passe-a-lere-semantique-et-sociale-et-pas-visuelle/
    Pourtant, la "old fashion way" perdure, comme le démontre cet article de décembre 2014 expliquant "comment tirer le meilleur parti des mots clés pour son site internet" (http://www.commentcamarche.net/faq/35576-utiliser-le-generateur-de-mots-cles-de-google-pour-son-site-web-pro).

    Le changement c'est fait, quand est ce qu'on en tient compte ?
    Pour se mettre au goût du jour :
    http://openclassrooms.com/courses/ameliorez-la-visibilite-de-votre-site-grace-au-referencement/la-semantique-et-le-referencement-1
    http://www.graphemeride.com/blog/google-semantique-en-5-etapes#.VI_2XoqG9As

Laisser un commentaire

Master Archinfo

> Référentiel de compétences

> Présentation, Programme, Candidature

> INF01 Introduction à l’architecture de l’information