Catégorisation, réseaux sémantiques, analyse de contenu

Trois innovations importantes sont apparues depuis deux ou trois ans et concernent la manière dont certains outils de recherche traitent et présentent les résultats d’une requête : la catégorisation des résultats, les réseaux sémantiques et l’analyse de contenu. Mise en œuvre sur le moteur de recherche Exalead, et sur le métamoteur Vivisimo [10] , la catégorisation dynamique du résultat des recherches permet de « classer » les documents trouvés dans des catégories, des rubriques porteuses de sens (notamment sur Exalead). L’intérêt de cette technologie provient du caractère « dynamique » de cette catégorisation, opérée à partir des caractéristiques réelles du lot de documents trouvés, et non selon des rubriques établies a priori. Concrètement, à partir de la requête « cheval de course », Exalead a généré, à partir des 68 111 résultats, quatre grandes rubriques (Sport, Commerce et Economie, Régional, Sciences), avec des sous-rubriques (Elevage dans la rubrique Commerce et Economie). (Serres, 2004) Les technologies de catégorisation des résultats réintroduisent ainsi du sens, de la structuration dans le Web et elles sont appelées, d’une certaine manière, à jouer le même rôle que les thésaurus classiques, avec la différence de taille entre une indexation humaine a priori et une indexation automatisée a posteriori ... Deux autres métamoteurs, Kartoo [11] et MapStan [12], ont développé une autre manière de présenter les résultats, non sous forme de rubriques calculées à partir des thèmes propres aux documents, mais sous forme de cartes, de réseaux sémantiques, calculés à partir des liens sémantiques entre les pages Web. Au lieu de référer les documents à des catégories thématiques, les pages Web sont reliées les unes aux autres, en fonction des mots-clés qu’elles partagent. Les résultats sont donc présentés graphiquement, sous forme de nœuds et de liens : les nœuds, qui correspondent aux pages Web trouvées, sont de taille variable, selon le degré de pertinence [13] des pages Web ; les liens entre les nœuds représentent les relations entre les pages Web, c’est-à-dire leur proximité, leur similarité. Représentés sous forme de sphères et de liens sur Kartoo, de places et de rues sur MapStan, ces réseaux sémantiques, parfois difficiles à décoder, offrent plusieurs intérêts pour l’utilisateur : possibilité d’affiner les requêtes (par choix de mots-clés, sur Kartoo), de visualiser des liens entre sites Web que l’on n’aurait pas pensé à associer, d’élargir les recherches sur les sites proches, de mettre en évidence (notamment sur MapStan) des réseaux d’acteurs sur telle ou telle thématique, avec des indications sur l’importance de tel ou tel site (par le nombre de liens qu’il reçoit) [14]. Une troisième orientation technologique porte sur l’analyse automatique du contenu des documents. Elle est développée notamment par un métamoteur américain, SurfWax [15]. Après une requête sur ce métamoteur (qui permet d’interroger près de 500 sources !), une fonction, appelée SiteSnaps, offre une sorte de synthèse de l’information sur chaque document trouvé, sous forme de fiche récapitulative : on y trouve ainsi le nombre de mots, de liens, d’images, éventuellement le résumé de l’auteur, les mots-clés de la requête dans leur contexte, les points clés (Key Points) de la page. En bref, une sorte d’analyse des documents, permettant à l’utilisateur de mieux faire ses choix, d’affiner et d’élargir sa recherche.

Comme on l’a vu rapidement, ces innovations dans le traitement des résultats induisent des usages différents et offrent des intérêts spécifiques pour la recherche d’information : d’un côté la mise en catégories de documents, de l’autre la représentation cartographique d’un réseau, ou encore l’analyse du contenu.