Cela peut sembler une évidence, mais je me rends compte qu’il vaut mieux préciser l’antagonisme qu’il y a à appliquer les recettes  classiques du Search Engine Optimization dans le cadre d’une démarche d’exposition des données sur le web.

Si vous souhaitez publier vos données en utilisant les normes du web sémantique sur le « web de données », le linked data, et que vous souhaitez proposer également une version des données au format HTML (+ RDFa), il y a de fortes chances pour que vous souhaitiez aussi  que ces pages HTML soient référencées du mieux possible par les moteurs de recherche.

Les techniques de maîtrise (parce qu’on ne maîtrise pas les liens depuis les autres domaines) du Search Engine Optimization reposant essentiellement sur l’optimisation dans le choix des mots clés et leur positionnement dans le code HTML, vous allez arriver en contradiction avec votre démarche d’ouverture des données.

Allez vous modifier vos données sous prétexte d’être mieux référencé ? Non, bien sûr.

La marge de manœuvre réside uniquement dans les parties éditoriales des pages, si l’on veut optimiser ses mots-clés : autant dire une peau de chagrin si vous êtes dans une logique d’exposition des données « brutes » (oui, je sais Alain Pierrot, çà n’existe pas des données brutes). En effet, on ne peut pas faire des pages et des pages éditoriales écrites pour les moteurs de recherche dans une démarche d’ouverture et d’exposition des données.

Que reste-t-il donc à faire ? A placer vos données au meilleur endroit dans le code HTML, a mettre du RDFa qui utilise des vocabulaires reconnus par Google, Yahoo! et BING ( voir par exemple About RDFa par Google), et à espérer que les moteurs favoriseront non seulement l’affichage de vos pages dans la liste des résultats (les « rich snippets » de Google) mais aussi le ranking de ces pages HTML plus structurées.

Related posts:

1. I want my data back ! Ce n’est plus le « I want my money back !...
2. Search Based Applications C’est une tendance forte dans le marché des moteurs de...
3. MIT video lectures search engine Via Stefano Mazzocchi, découvrez le nouveau MIT video lectures search...

Jean Véronis est un professeur comme on aimerait en voir plus souvent :

• Il propose des analyses stimulantes depuis plusieurs années sur son blog Technologies du Langage ;
• Ses travaux sur le traitement du langage naturel couplé aux techniques statistiques et appliqués aux discours de nos hommes politiques pendant, et après, la dernière campagne présidentielle ont, me semble-t-il, irrémédiablement changé notre regard sur la communication politique ;
• Ses analyses et ses critiques sur le fonctionnement des logiques de pertinence des moteurs de recherches sont également très précieuses ;
• Il a été consultant pour la radio, pour plusieurs sociétés dans les technologies de l’information, et notamment pour Orange pour lequel il a publié récemment un article s’interrogeant sur la position hégémonique de Google;

Cette année, il a commencé, avec d’autres partenaires, à mettre son nez dans le fonctionnement du site Wikio, fondé par l’homme d’affaire Pierre Chappaz. Le premier des chantiers est « bien évidemment » le classement Wikio des blogs, la vitrine du site, son moteur d’audience.

Allons tout de suite à ce qui fait débat.

Wikio EST un moteur de recherche, et ce que j’essaie de faire c’est justement de faire converger classement et pertinence. Je suis prêt à accepter que les deux scores doivent être différents, mais pour l’instant je ne vois pas pourquoi. Après tout Google pourrait aussi publier un classement des sites Web sur la base du vrai Page Rank (pas celui qui s’affiche dans la toolbar est qui est tellement discrétisé qu’il y aurait des millions d’ex aequo). La Nasa serat probablement dans les tout premiers, etc. Mais bon, il y a peut-être un truc qui m’échappe.

C’est précisément sur « ce truc qui échappe » que je voudrais essayer d’amener quelques éclaircissements.

Commençons par nous poser la question de l’intérêt général d’un classement (d’un Hit Parade). A cela je réponds qu’il réside essentiellement dans ses variations : plus çà rentre, plus çà sort, et plus il y a de variation dans le classement, meilleur c’est. Vous imaginez-vous regarder un Top 50, un Top des ventes, un Top des hôpitaux, etc. qui ne bougerait pas, ou alors de façon infinitésimale ?

Imaginons un classement qui soit parfait en terme de pertinence et que Jean Véronis arrive à trouver LA formule ; il y a de fortes chance qu’il soit très figé et donc que son intérêt diminue très rapidement (car, comme l’indique Jean, il y a 3 à 5% des blogs qui attirent 90% des « citations »). Or, ce qui attire dans un hit parade, son intérêt, c’est le mouvement, et il n’y a là rien de nouveau. Aussi n’est-ce pas un hasard si on a retrouvé, à propos du nouveau classement wikio, des thématiques du genre : « les plus grosses gamelles », « les plus grosses remontées », « les changements dans le podium », etc. Bref, les mêmes thématiques et les mêmes rubriques que celles d’il y a 25 ans dans le Top 50 de Marc Toesca.

C’est donc à ce titre que Wikio bénéficie des travaux pratiques de Jean Véronis car, pertinents ou pas, cela met du mouvement et créé du buzz. Et ce n’est pas Pierre Chappaz qui se plaindra sur cet afflue d’audience.

Si le ranking que cherche à améliorer Jean Véronis est tout à fait légitime pour un moteur de recherche, il ne l’est plus pour un classement. Il ne l’est plus car le ranking est un moyen parmi d’autres pour classer des réponses à une requête, or je pose la question : à quelle requête répond le hit parade des blogs de wikio ? A aucune.

La démarche repose également sur l’hypothèse que tout est lié avec tout sur le web : la réalité est tout autre car le nombre de pages orphelines est important sur le web, ce qui amène d’ailleurs Google à utiliser beaucoup d’autres aspects que le simple PageRank. Utiliser et afficher le « page ranking » des sites comme classement d’un Hit Parade c’est prendre le moyen pour une finalité. Le classement des blogs tourne a vide si on l’utilise à partir du ranking du moteur de recherche qui ne constitue qu’une partie de la logique du moteur de recherche : enlevez cette partie pour en faire un classement à plat des blogs est un choix tout à fait arbitraire en tout cas qui ne peut se justifier en affirmant que « çà marche pour le moteur de recherche, donc çà devrait aussi marcher pour un hit parade ».

Un classement présenté comme le résultat d’une pertinence sans qu’il n’y ait de requête est une tromperie. Faire « converger le classement et la pertinence » c’est vouloir créer une chimère.

D’un côté l’intérêt et la motivation de Jean est d’affiner la modélisation du calcul de la pertinence pour le moteur de recherche de Wikio (formidable terrain de jeu grandeur nature), de l’autre l’intérêt pour Wikio est que chacune de ces nouvelles formules change le classement. Car cela augmente mécaniquement l’audience de Wikio : mieux vaut une foule d’insatisfaits et de satisfaits aux déclassements et aux promotions de classement qu’une majorité d’indifférents.

Quoiqu’il en soit, il y a deux choses qui m’intéresseraient plus que le classement des blogs en lui même et sur lesquelles j’espère que Jean se penchera :

• Tout d’abord la formule qui ne serait pas celle de la pertinence, puisque cela ne veut rien dire pour un classement des blogs, mais celle qui m’indiquerait qu’elle est le niveau de variation dans le classement qui rende optimal l’audience de wikio. Car autant un classement qui ne bouge pas n’a que peu d’intérêt, autant un classement qui a de trop fortes variations risquerait de perdre en crédibilité. A la formule que cherche Jean devrait donc s’ajouter quelque chose qui serait un coefficant d’audience. Cette première formule serait statistique ;
  
• Autre formule qui serait également très intéressante serait celle qui pourrait attribuer un blog à une catégorie, voire qui suggèrerait de nouvelles catégories (ce que fait très bien Clusty, vitrine web des solutions de search et de clustering de Vivisimo ). Les catégories actuelles sont arbitraires et la répartition des blogs dans ces quelques catégories génériques n’a pas grand sens. Cette deuxième formule serait sémantique ( pas au sens du web sémantique, mais au sens du text-mining) ;
  

Toujours est-il que je suivrai avec attention et grand intérêt les prochaines publications de Jean sur le sujet (et sur tous les autres sujets d’ailleurs), même si je pense que ce Hit Parade des blogs de wikio est en l’état actuel des choses un leurre qui consiste dans la surimposition de la notion de classement (qui évoque des faits incontestables) avec celui de la pertinence (beaucoup plus mouvant et contextuel).

Related posts:

1. La révolte commence dimanche soir Et l’état se prépare à cette catastrophe politique : Selon...

La nouvelle a vite fait le tour de la blogosphère : Adobe, Yahoo et Google ont signé un partenariat pour indexer les fichiers flash.
Les premières réactions que j’ai pu lire sont plutôt positives. Mais je reste dubitatif devant cette initiative, et ce pour certaines raisons :

• d’abord sur le contenu : j’imagine (à tort ?) que la plupart des contenus en flash ne sont pas les textes les plus passionnants du web ; beaucoup de communication marketing me semble-t-il, non ? Ou en tout cas des textes très fragmenté.

• ensuite, ce contenu, s’il s’avère être de piètre qualité, va énormément rajouter de bruit dans les réponses des moteurs de recherche : quel intérêt pour l’utilisateur de voir les messages publicitaires et marketing contenus dans les flashs se retrouver dans ses résultats de requête ?

• la logique d’un site en flash n’est pas la même que celle d’un site en HTML, dans le premier elle est événementielle et souvent scénarisée, alors qu’il n’y a pas cette logique d’enchaînement scénarisé dans le HTML. Qui plus est, un évenement sous Flash (car Flash c’est surtout une programmation évenementielle), n’est pas forcément un clic de souris alors que le clic reste le seul moteur hypermedia du web en HTML. Deux logiques d’architecture de l’information et de politique éditoriale différentes donc.

• donc, comment ces deux logiques de contenu éditorial et d’architecture de l’information vont elles cohabiter dans l’index des moteurs de recherche et les pages de résultats ?

Au dela des contraintes techniques, il y a donc eu un partenariat. Mais pourquoi ce partenariat et pourquoi maintenant ?
L’intérêt d’Adobe semble de prime abord évident : c’est une reconnaissance pour leur format de fichier que de passer à la moulinette de l’indexation des moteurs de recherche. Les documents des interfaces riches vont rejoindre la masse des autres documents qui sont rentrés dans l’économie des moteurs de recherche.

Mais pour Google : pourquoi choisir d’indexer les fichiers Flash et de prendre ainsi le risque de perturber le modèle même de son fonctionnement ?

Google trouve-t-il son intérêt directement dans l’indexation, ou indirectement ? Dit autrement : font-il çà pour quelque chose ou contre quelque chose (ou quelqu’un) ? Vu sous cet angle c’est encore Microsoft le premier visé (décidément). Un Microsoft qui risque de se retrouver à être le seul moteur qui indexe ses interfaces riches en Silverlight.

Mais ce qui m’embête le plus dans cette annnonce, c’est que les architectures orientés ressources, qui sont les architectures de prédilection des trois interfaces riches (GWT, Flex et Silverligth), vont devenir moins incontournables : en effet, pourquoi faire les choses proprement avec une architecture orientée ressource si je peux avoir mon site indexé directement en Flash ? Cette annonce lève à mes yeux une contrainte qui avait du bon et qui avait le mérite de rendre cohérente, et vertueuse, une démarche d’architecture de l’information (et applicative) couplée avec des interfaces riches.

Certes, il est toujours possible – et souhaitable – de faire des architectures orientées ressrources, mais la contrainte de l’indexation étant maintenant partiellement levée, tout cela risque de ralentir la progression de certaines bonnes pratiques.
Autre hyppothèse pour expliquer ce partenariat : Google préfèrerait-il garder le web dans un certain « bordel ambiant » pour rester celui qui l’organise et le monétise pour nous ?
Et je termine avec cette dernière hypothèse : Google souhaite-til indexer les fichiers Flash non pas comme des documents, mais bien comme des applications, c’est à dire avec une logique d’indexation et de restitution bien spécifique (et donc monétisable de manière plus fine et mieux adaptée).

Sur ce sujet, je vous invite à lire deux billets intéressants sur le blog de François Le Droff, puis de consulter une très bonne synthèse d’Aurélien Pelletier sur les technologies RIA.

Vos avis sont les bienvenus pour confronter mes tergiversations à votre vision de la compréhension et des conséquences de cet accord Google / Yahoo! / Adobe sur l’indexation du Flash

Related posts:

1. Google Video for Business Google vient de rajouter la video dans son Offre Google...
2. Jouir de l’avenir Dans sa Vie du lettré aux éditions de minuit, William...
3. Plus loin avec Google Apps Saviez-vous qu’avec Google Spreadsheet vous disposez de quelques fonctionnalités bien...

Pourquoi pas si dans certaines types de recherche c’est plus approprié ?

Mais, contrairement à ce que l’on pourrait penser, le temps de consultation sera beaucoup plus long. Ce ne sera pas du « lèche vitrine » mais du « lèche pages » :

Searchme:

Related posts:

1. Positionnement et avenir du moteur de recherche pour l’entreprise Il y a un changement de paradigme qui commence à...
2. Quelques évidences sur le moteur de recherche Pourquoi des moteurs de recherche ? Pour trouver de l’information,...
3. Choisir un moteur de recherche pour l’entreprise Lorsqu’on choisit un moteur de recherche, il est naturel de...

La promesse d’une solution de Search fédérée permettant de lancer une recherche sur l’ensemble des sources d’entreprise est rarement une réalité.

Mais, aussi faible que soit cette réalité, c’est une tendance qui se confirme de plus en plus. On est dès lors en droit de se demander :

Que va-t-il se passer lorsque l’entreprise aura des données dans une, voire plusieurs, solutions SaaS ?

Comment faire une recherche fédérée sur les données qui sont dans mon legacy et dans mon système d’information en même temps que sur mes données sur un SalesForce, un Microsoft Live ou une solution de WCM en mode SaaS ?

Par défaut les solutions SaaS proposent une solution de recherche embarquée, mais si vous souhaitez intégrer ces données dans l’index de votre moteur de recherche d’entreprise, il y a un grand flou.

En standard les solutions SaaS n’offrent pas la possibilité de crawler les données pour les récupérer dans l’index du moteur de recherche d’entreprise.

Car, techniquement, il n’est pas évident – avec les architectures virtualisées – de savoir où sont les données, ce qui complique nettement le process d’indexation. Bien sûr, aucun client ne souhaiterait se faire indexer ses données par un autre client de la solution SaaS.

Mon conseil est mettre sur la table, dès le début de la négociation avec le fournisseur de solution SaaS, le droit d’indexation de vos données dans leur infrastructure.
A défaut, le droit de pouvoir lancer une requête sur l’index du SaaS à partir du moteur d’entreprise qui servirait de méta-moteur.

Related posts:

1. Les prévisions du Gartner pour le SaaS Gartner nous donne ses prédictions pour le SaaS en cinq...
2. Le SaaS est-il toxique pour les SSII ? C’est un thème récurrent que j’ai moi même évoqué. En...
3. Ironie du sort Le « slogan » de Microsoft pour décliner sa mutation vers le...

Mon collègue Jean-Paul Taravella et moi-même avons commis quelques articles dans le magazine Archimag au sujet de la veille, des moteurs de recherche et du web 2.0, dans le cadre d’un Guide d’Achat.
Le sommaire en pdf.

Related posts:

1. Concentration dans les moteurs de recherche FAST vient de racheter CONVERA. L’enjeu pour le norvégien est...
2. Pratique des moteurs de recherche Que chacun fasse appel à sa propre expérience : lorsqu’on...
3. Ars Industrialis sur Twitter Vous pouvez à présent suivre l’actualité d’Ars Industrialis sur Twitter....

Microsoft vient donc de faire une offre sur FAST, le moteur de recherche pour entreprise d’origine Norvégienne.

Pourquoi ?
Quelques hypothèses, et à vous de choisir les bonnes :

1. Pour claquer du fric et payer moins d’impôts
2. Parce qu’il est inconcevable de construire un système d’information sans mettre le search au coeur du système
3. Parce que Microsoft veut la capacité de R&D et les labs Européens de FAST
4. Pour acquérir de nouveaux clients
5. Pour pouvoir indexer le web sur les data centers européens que construit actuellement Microsoft
6. Parce que le marché de l’ « enterprise search » est beaucoup plus important en valorisation que le celui du grand public
7. Parce que la R&D de FAST est particulièrement impliquée dans les moteurs de recherche sémantiques
8. C’est un joujou que s’offre Bill Gates avant son départ
9. Sur demande du gouvernement US pour empêcher l’Europe d’avoir des acteurs majeurs dans les technologies de l’information

Sans vouloir faire de mauvais de jeux de mots, Autonomy ne sera pas autonome bien longtemps…

Related posts:

1. Ironie du sort Le « slogan » de Microsoft pour décliner sa mutation vers le...
2. Microsoft contraint à sortir du bois Quand l’anglais Fasthosts propose les solutions de Microsoft en mode...
3. Le Magic Quadrant 2007 du Search par Gartner Entre FAST et Google, qui sont selon moi les deux...

Saviez-vous qu’avec Google Spreadsheet vous disposez de quelques fonctionnalités bien sympatiques ? La démonstration en image.

On peut même aller plus loin que ce qui est montré dans la video, et se faire un petit outil de veille pratique et gratuit.
ps. Il faut choisir l’interface en anglais dans ses préférences pour avoir accès à ces fonctions.

Related posts:

1. Stage Google Apps Engine [Message à caractère professionnel] Pour faire suite à l’annonce de...
2. « Best of » Google Apps Premier Edition Capgemini est le plus grand partenaire de référence de Google...
3. Des templates pour Google Doc & Spreadsheet On se demandait quand et comment Google offrirait des templates...

IBM Software et les organisateurs du salon ICC’2007 m’ont gentiment proposé d’animer une session autour des moteurs de recherche, arguant que j’étais un « expert reconnu » du sujet.

Il y a bien sûr un peu de flatterie de leur part à utiliser cette expression. Mais je n’aime pas trop cette reconnaissance, car les experts que j’ai rencontré dans ma vie sont généralement des personnes ayant des compétences reconnues, mais qui ont du mal à les communiquer et à les enseigner.

Sachant que tout mes efforts sont portés par une inspiration pédagogique, je préfère être celui-qui-sait-dire plutôt que celui-qui-sait (ce qui est souvent le cas).

N’allez pas croire que je ne souhaite pas être reconnu – je ne souhaite que çà – mais en tout cas pas comme un expert.

Je veux bien être une référence, mais pas une autorité.

Related posts:

1. Stage Google Apps Engine [Message à caractère professionnel] Pour faire suite à l’annonce de...
2. Pas de processus sur le Web Le principe de statelessness du web veut que chaque requête...
3. Capter l’attention, ce n’est pas « mal » A force de dénoncer ceux qui captent l’attention en faisant...

Le « slogan » de Microsoft pour décliner sa mutation vers le SaaS a du mal à afficher sa présence dans le moteur de Google.

Que l’on tape « Software + Services » ou « S+S », pas de Microsoft dans les premiers résultats. Et c’est pareil avec le moteur de recherche de Yahoo et de … Microsoft.
Ironie du sort, il va falloir que Microsoft renomme la déclinaison de son offre SaaS pour être visible.

Related posts:

1. Le périmètre trouble du Search en terrain SaaS La promesse d’une solution de Search fédérée permettant de lancer...
2. Microsoft contraint à sortir du bois Quand l’anglais Fasthosts propose les solutions de Microsoft en mode...
3. Microsoft rachète FAST Microsoft vient donc de faire une offre sur FAST, le...