Laurent Bourrelly � Moteurs de recherche

La recherche d’information sans chercher

Laurent — Fri, 23 Jul 2010 09:19:02 +0000

[Google] La recherche d’information sans chercher

Un défi pris très au sérieux par Google concerne l’acquisition d’information sans avoir à effectuer de recherche.

Cette technologie n’est pas encore prête, mais c’est une prétention qu’affiche clairement le moteur de recherche. Encore une fois, entre utilité de la fonctionnalité et protection des données, notre cœur balance.

C’est au travers d’une interview très intéressante de Amit Singhal, chef ingénieur de l’algorithme Google, que j’apprends les évolutions prochaines sur lesquelles travaillent les équipes de Mountain View. Il est toujours important de connaître d’autres sons de cloche que ceux du consensuel Matt Cutts. D’ailleurs, Amit Singhal est beaucoup plus crédible lorsqu’il s’agit de parler d’évolutions d’algorithmes puisque Matt Cutts est cantonné à la lutte contre le spam.

Les cinq premiers points évoqués par Amit Singhal ne me surprennent pas : recherche au-delà du texte, recherche au-delà du langage, recherche personnalisée, recherche en temps réelle et sémantique appliquée à la recherche d’information.

Par contre, je m’arrête un moment sur le sixième point…

La recherche sans chercher

Le but de l’opération consiste à procurer des éléments d’information sans avoir à entreprendre des recherches.

L’exemple pris par Amit explique que vous voulez acheter une batte de cricket (seul un indien pouvait prendre le cricket en exemple) car votre ancienne batte est cassée et que vous allez avoir une heure de temps libre demain. Votre mobile connaît votre besoin car il est inscrit dans votre ToDo. Le mobile est également au courant de votre agenda. Le reste des informations nécessaire est aussi maîtrisé par le téléphone : localisation et autres informations locales. Du coup, le mobile peut vous envoyer une information qui propose un créneau horaire et un magasin pour acheter la batte et revenir à temps au bureau pour le prochain rendez-vous.

Bien ou pas ?

La technologie nous assiste toujours plus. Il n’y a qu’à voir l’App Store d’Apple ou le Android Market de Google. Désormais, il y a une app quasiment pour tous nos besoins et si ça n’existe pas encore, il est probable qu’un développeur travaille dessus.
Cependant, la vision de Google pousse la technologie vers un domaine encore plus précis en proposant des informations en amont de la demande.

Au premier abord, cela peut paraître intéressant. Puis, viennent rapidement les interrogations à propos du respect de la vie privée et du contrôle.

A mon humble avis, rien n’empêchera Google ou un autre (Apple?) de proposer ce type de fonctionnalité un jour prochain. Les soucis déontologiques seront écrasés comme ils le sont habituellement, puis nous serons toujours plus profilés et tracés.
Tiens, les participants au billet synchronisé sur le futur de la recherche d’information n’avaient pas vu l’enjeu de la recherche sans chercher. Pour ma part, j’avoue être totalement passé à côté de cette vision de l’évolution pour la recherche d’information. Pourtant, ça semble évident que Google se dirige vers ce type de technologie.

Le choix va vite devenir extrême : adopter ou repousser la technologie. L’entre-deux risque d’être de plus en plus difficile.

Le défi des entités nommées accéléré par l’achat de MetaWeb par Google

Laurent — Sat, 17 Jul 2010 16:49:58 +0000

Rachat de MetaWeb (réf des entités nommées) par Google

Le sujet des entités nommées est au centre du débat sur le Web sémantique. L’achat de MetaWeb par Google relance l’enjeu qui consiste à associer une entité à une référence.

Il y aura peut-être des implications pour le référencement, mais elles seront largement bénéfiques.

L’achat de MetaWeb par Google

Google devient plus perfectionnés par rapport à la compréhension des entités nommées avec l’acquisition de la société MetaWeb qui a construit un système d’indexation intégrant le concept d’entité nommée.

C’est par le biais de l’insatiable Bill Slawski que j’apprends la nouvelle aujourd’hui.

Qu’est ce qu’une entité nommée ?

Tout simplement, une entité nommée peut être une personne, un endroit ou autre chose qui sera associée à un numéro d’identification unique. L’entité peut intégrer un mot ou un groupe de mots.
C’est un peu comme une classification des ouvrages dans une librairie ou n’importe quelle base de données. L’intérêt est évidemment au niveau de l’indexation et de l’identification qui pourront être mieux ciblés par ce biais.
En associant une entité avec un numéro, la recherche d’information peut se révéler plus efficace. C’est par exemple très utile lorsqu’un même terme relève plusieurs significations. De même, les noms propres sont bien mieux traités grâce au système des entités nommées et Bill Slawski cite une étude Microsoft faisant ressortir que 20 à 30% des requêtes sont des entités nominales et 71% contient des requêtes contient une entité nominale.

Pour en savoir plus sur les entités nommées, je renvoie vers la présentation de Jean Véronis lors de SEO Campus 2010.

Entités nommées par Jean Véronis

MetaWeb

La société MetaWeb a été rachetée par Google récemment comme évoquent les posts du blog Google et celui de MetaWeb.

La technologie de MetaWeb peut se découvrir au sein de FreeBase qui rassemble plus de 12 millions d’éléments et que Google souhaite préserver à la disposition de tous.

Voici une vidéo (en anglais) qui introduit le principe de la technologie MetaWeb

Quel est le potentiel ?

En fait, cela dépend des possibilités d’intégration dans l’algorithme du moteur de recherche Google.
L’impact peut être relativement important car le problème des termes qui représentent plusieurs significations fait partie des challenges les plus importants pour la recherche d’information.
Dans tous les cas, c’est une prise de partie franche de la part de Google puisque le Web sémantique est toujours en manque d’une norme d’étiquetage définie.

Encore une fois, la raison du plus fort fera peut-être pencher la balance; tout en sachant que la technologie MetaWeb fait l’objet de plusieurs brevets. Le concept Open Source me semble plus approprié afin de légitimer la propagation du système.

Pour le référencement, ça serait très utile de savoir sur quoi compter pour valoriser ce type d’éléments car les diverses tentatives de standard sont plutôt improbables jusqu’à présent.
A défaut de système universel, on pourra au moins savoir comment s’adresser au leader des moteurs de recherche.

Et si on parlait d’Exalead ?

Laurent — Wed, 09 Jun 2010 09:55:24 +0000

Reparlons d'Exalead (et de Quaero)

Parmi les fleurons de la haute technologie française, on peut citer Exalead en bonne place. Les solutions proposées par l’éditeur de logiciels sont pointues et elles paraissent performantes.
D’un point de vue référenceur, j’aime bien suivre les évolutions du moteur de recherche Exalead puisqu’il a toujours focalisé sur la sémantique.

C’est par le biais d’un article présentant le bilan de Quaero, le soi-disant moteur de recherche européen, que je suis retombé sur Exalead puisqu’il fait partie des principaux partenaires.

Exalead

Pour rappel, Exalead édite des logiciels B2B basé sur une technologie de recherche qui essaye de se démarquer des ténors du marché. Depuis le début, on sentait que le moteur français s’embarquait sur une tangente intéressante en prenant une approche sémantique. A la base, il s’agit d’extraire des mots clés associés à un document, permettant de déterminer au mieux le véritable sens d’un texte. Aujourd’hui, je reste dubitatif sur le réel succès; même si personne ne peut nier que c’est très intéressant. Au niveau des chiffres, l’index contient 16 milliards de pages Web et 1 milliard d’images.
Le mieux est d’essayer par soi-même en regardant ce que ressort le moteur pour les Termes associés. Parfois c’est pertinent, mais souvent c’est totalement à côté de la plaque.

A vrai dire, le moteur de recherche d’Exalead est toujours resté plutôt confidentiel. Je ne sais pas si vous le voyez passer comme referer dans vos stats, mais ce n’est pas courant.
Quoi que la véritable concurrence s’est toujours située au niveau des autres éditeurs de logiciels similaires, plutôt qu’au niveau des principaux moteurs qui ont des modèles économiques bien différents.

Les progrès de la recherche d’information

Malgré les avancées évidentes dans le domaine de la recherche d’information, dont celles de Google sont les plus en vues, il demeure un gros souci sur le plan fondamental : le moteur de recherche est idiot.

Je veux dire par là qu’il ne comprend toujours pas bien le contenu qu’il indexe.

Il est possible de disserter pendant longtemps sur les progrès et le futur de la recherche d’information comme nous étions plusieurs à discuter lors du billet synchronisé. Certains théorèmes sont vraiment intéressants avec le Latent Semantic Indexing (LSI) en tête, puisqu’il fait toujours couler beaucoup d’encre numérique parmi les référenceurs et autres observateurs du secteur de la recherche d’information. Le dernier article que j’ai lu sur le LSI par l’ami Didier Sampaolo est très intéressant; on sent bien que c’est très tentant d’y succomber de manière applicative. Pour ma part, je l’utilise seulement pour la théorie, mais un prochain article viendra expliquer tout cela en détails.

Donc, pour l’instant nous avons droit à aux préliminaires de la sémantique appliquée à la recherche d’information, mais les principaux moteurs ne sont pas aussi sophistiqués qu’on voudrait bien le croire si on s’interroge sur la compréhension du sens des documents qu’ils indexent.

Quaero

Les observateurs du secteur de la recherche d’information se rappellent sans doute l’annonce de lancement du projet Quaero par Jacques Chirac. A l’époque, il s’agissait de s’attaquer frontalement à l’hégémonie de Google par le biais d’un moteur de recherche européen.

Depuis plus rien jusqu’à l’annonce du bilan des deux ans.

Au premier abord, tout cela paraît prometteur : 300 millions d’euros de budget sur cinq ans pour 300 chercheurs qui ont publié 230 publications scientifiques et 20 demandes de brevets. J’en sais fichtre rien si c’est beaucoup ou peu avec tous ces sous et ces savants, mais 20 brevets semble déjà être un bilan intéressant. Cela aboutirait sur un moteur de recherche qui analyse automatiquement les contenus vidéo. Le programme inclut également la traduction instantanée, une télévision personnalisable et d’autres petites choses comme la recherche par similarité/caractéristique colorimétrique et le résumé automatique de morceaux de musique. Bref, on sent bien que l’accent est mis sur l’indexation du contenu multimédia, mais silence radio sur une éventuelle concurrence avec Google.

Le résultat est assez sympathique lorsqu’on regarde l’indexation des vidéos sur le site Elysee.fr avec tout le contenu audio qui est transformé en texte.

Après, je me perds dans qui fait quoi dans ce projet car les partenaires de Quaero préservent apparemment la primeur et la propriété de leurs découvertes, donc pas évident de savoir si c’est Quaero ou Exalead qui a installé le moteur sur le site de l’Elysée ou ailleurs, étant donné que les deux ont l’air de se féliciter des résultats.

Conclusion

Au travers de l’exemple Exalead et Quaero, on peut sentir que les choses bougent. Bien entendu, ils ne sont pas les seuls à bosser sur le futur de la recherche d’information. Les moyens de sociétés privées comme Google et Microsoft sont gigantesques et d’autres sont également sur les rails pour nous sortir le moteur du futur.
Mon propos n’était pas de faire un état des lieux complet ou partir dans des explications pseudo techniques, mais plutôt de montrer qu’il se passe des choses en France. Hormis Exalead et Quaero, il y a des recherches intéressantes dans plusieurs universités françaises, mais on dirait tout de même que l’essentiel reste la garde des chercheurs de la Sillicon Valley.

Des jolis graphes et des maths pour expliquer (un bout de) l’algorithme Google

Laurent — Wed, 02 Jun 2010 15:45:36 +0000

L'algo Google (en partie) expliqué

Cela faisait un moment que j’avais entamé la traduction (autorisée) de l’article suivant. Il était oublié au fond d’un répertoire, puis je suis retombé par hasard sur l’article original de SEOmoz rédigé par Rand Fishkin et Ben Hendrickson.
Après une nouvelle lecture, j’ai pensé qu’il serait vraiment intéressant de terminer la traduction pour partager cette analyse passionnante avec ceux qui sont en délicatesse avec la langue de Shakespeare.
Le but de cette analyse est de comprendre un peu mieux l’algorithme de Google en effectuant une corrélation de données sur la base de l’index Linkscape.

Corrélation de données

Linkscape est l’index Web de SEOmoz. En plus du travail habituel sur les statistiques, nous effectuons des recherches poussées qui sont partagées dans cet article.  Cependant, la lecture requiert de l’attention car la corrélation de données ne donne pas forcément toutes les réponses. Il n’en demeure pas moins que c’est extrêmement intéressant, donnant une vue de l’intérieur grâce à la modélisation des classements; tout en sachant qu’il ne faut pas simplement regarder les graphes, mais bien lire le commentaire associé. Donc, faites attention à la lecture des données brutes qui peuvent être sujettes à une mauvaise interprétation.

Quelques stats Linkscape (au 22/09/09)

Date de sortie : 6 octobre 2009
Domaines : 57 millions
Sous-domaines : 215 millions
URLs : 40,5 milliards
Liens : 456 milliards
Attributs de lien :
- Liens nofollow internes : 7 milliards (1,51% du total)
- Liens nofollow externes : 2,8 milliards (0,60% du total)
- Liens nofollow au total : 9,7 milliards (2,11% du total)
- URLs en 301 : 384 millions (0,08% du total)
- URLs en 302 : 3 milliards (0,59% du total)
- URLs employant rel= «canonical» 52 millions (0,01% du total)

Corrélation moyenne entre PageRank et mozRank
- Erreur absolue moyenne : 0,54

Corrélation moyenne entre mozRank du domaine (DmR) et PageRank de la homepage
- Erreur absolue moyenne : 0,37

Maintenant, entrons dans la recherche autour de la corrélation des données pour savoir comment utiliser Linkscape pour obtenir des statistiques intéressantes. Les premiers graphes utilisent la corrélation brute et pas seulement la relation entre les classements et les paramètres individuels. Encore une fois, il faut bien lire les descriptions et surtout ne pas faire de conclusions hâtives. Il ne faut pas croire qu’on peut forcément obtenir un meilleur classement en suivant les recommandations. Le but est de montrer quels paramètres sont appliqués aux pages qui sont positionnées parmi les meilleures positions des résultats de recherche.

Comprendre les graphes

Mean Index By Value (index moyen par valeur) : c’est utilisé pour l’axe y de plusieurs graphes. Au lieu de faire la moyenne des valeurs brutes, nous effectuons le calcul sur son index relatif dans les résultats de recherche – si ordonnés par cette valeur. Prenons 3 résultats de recherche où la page en première position est la quatrième en terme de liens, la deuxième est la première pour les backlinks, puis la troisième est en dixième position pour les liens. L’index moyen par nombre de liens pour la première position sera (4+1+10)/3=5.
Mean Count Numbers (moyenne des nombres) : ces nombres apparaissent sur l’axe y du premier graphe, montrant la moyenne du nombre de liens.
Position : c’est utilisé sur certains axes x. Pour les graphes concernés, spécifiques à la position organique dans Google.com, les résultats de recherche non traditionnels sont exclus (local, vidéo, news, images, etc.).
Error Bars (Barres d’erreur) : ces barres qui relient les courbes dans nos graphes montrent l’intervalle entre deux éléments différents. Sur certains graphes, elles montrent les 95% des intervalles de la moyenne potentielle si nous avions une infinité de données à traiter.

Les backlinks sont-ils en corrélation adéquate avec le positionnement ?

Une logique récurrente dans le référencement prétend que le nombre de liens qui pointent vers un résultat permet une bonne prédiction du positionnement. Cependant, on remarque que Yahoo! Site Explorer (et même Google dans ses Webmaster Tools) inclut un grand nombre de liens inutiles (nofollow, format exotique, internes, etc.), tandis qu’il exclut des éléments intéressants (comme les redirections 301).  En utilisant les données Linkscape, nous pouvons éliminer ce bruit afin d’extraire seulement les liens qualifiés et les 301.

Ce premier graphe suggère qu’une corrélation existe entre nombre de liens et positionnement. Sauf que les pics sont frustrants. Au travers d’une analyse plus profonde, nous avons établi qu’il était évidemment causé par un déséquilibre de liens parmi certains résultats.  Du coup, il s’est avéré pertinent de produire le graphe suivant :

Ici, nous pouvons voir ce qui pourrait se passer si nous manipulions les résultats par nombre de liens. Dans ce cas, chaque paquet de résultats ont été assigné un chiffre (1, 2, 3, etc.) qui correspond à la quantité de liens en comparaison avec les autres pages (la page avec le plus de liens est assignée le « 1″, la deuxième qui reçoit le plus de liens porte le « 2″, etc.).  On voit que la courbe est devenue régulière, mais nous pouvons assurer de sa précision.

Les barres sur la courbe ci-dessous montre l’intervalle permise pour estimer la ligne médiane.

La corrélation est forte, suggérant que le nombre de liens externes est important. Le standard relevé pour l’erreur est si bas que nous sommes confiants à propos de la véracité de cette analyse.  Clairement, les liens sont très importants, mais ils ne représentent pas la totalité de la solution. Amasser le plus de liens possible est un excellent objectif, mais cela ne peut pas être votre seul but.

Le dernier morceau à observer pour cette partie concerne la déviation standard. Cela démontre la latitude de variation d’une page par rapport aux moyennes.

Ce graphe nous montre que la variation pour un paquet individuel de résultats peut être très large. Acquérir plus de liens n’est pas forcément un moyen infaillible. La déviation standard est éloignée de la ligne médiane (1,97). Au niveau global, il importe de prendre en compte le nombre de liens externes qui sont correctement suivis, mais nous allons développer nos modèles et élargir notre champ de réflexion pour d’obtenir des informations actionnables au niveau granulaire.

Une seule mesure peut-elle prédire le positionnement ?

Franchement, ça serait excellent…
Nous avons regardé des indices comme le PageRank, le nombre de liens dans Yahoo! Site Explorer, Alexa Rank, etc. Pour être clair, ces indices sont aussi fiables que piocher au hasard. Le score du PageRank de Google était approximativement 16% plus performant (donnée datée de février 2009) qu’une prédiction basée sur le hasard pur pour déterminer le positionnement d’une page Web (N+10 ou la page positionné N°1 contre la page 2). Le PageRank était également 5% meilleur que le hasard pour prédire le positionnement (N+1 ou la position 1 contre position 2).
Le graphique ci-dessous montre des corrélations pour un certain nombre d’indices liés au référencement.

Nick, Ben et Chas ont travaillé dur afin d’améliorer la valeur et la qualité de l’index Linkscape, ainsi que l’utilité des mesures.
Le graphe suivant montre nos progrès.

Les corrélations du graphe ci-dessus sont 35-50% plus satisfaisantes que les résultats piochés au hasard (il ne s’agit pas d’une comparaison 1 pour 1 avec les nombres ci-dessus – cela viendra dans un prochain post). L’observation de ce graphe suggère que le mozRank externe (représentant la quantité de « link juice » vers un page depuis les liens externes) et les liens externes suivis correspondent bien au positionnement actuel, apportant des éléments d’information intéressants pour les chasseurs de backlinks. Cette ligne de corrélation peut suggérer, dans un scénario classique du positionnement, l’importance de l’apport de liens émanant de pages à fort mozRank/PageRank qui contiennent peu de liens externes (ainsi les liens passent plus de « link juice »), ainsi qu’une grande quantité brute de liens externes suivis. De plus, ce graphe supporte l’idée que l’apport de liens depuis un domaine unique est pertinent.

La partie frustrante à propos de ces donnés est que ça ne raconte pas l’ensemble de l’histoire, ni que ça soit directement actionnable pour une requête spécifique. Comme vous pouvez voir ci-dessous, la déviation standard des nombres montre que pour n’importe quelle recherche, l’étendu varie drastiquement.

Lorsque nous observons cet effet, exactement comme dans le cas ci-dessus, l’application pour un travail de référencement d’un projet client, dont l’objectif est d’obtenir un positionnement spécifique, n’est pas clair. Employer ces mesures comme KPI et moyens d’évaluer les liens potentiels est probablement utile. Construire des analyses de concurrence avec ces points de données sera certainement plus efficace qu’utiliser des mesures extérieures, mais cela ne dit pas « fais ceci pour mieux te positionner, » tout comme ce n’est pas le « Saint Graal » que nous pourchassons.

Comment les facteurs « On Page » coïncident avec le positionnement ?

Pour l’instant, nous avons peu évalué les facteurs « On Page » et leur corrélation avec le positionnement. C’est ce que nous allons voir maintenant.

Google a récemment annoncé que la meta keywords était ignorée. Ces données montrent une courbe très irrégulière et des barres d’erreurs dans la limite du 13, supportant cette affirmation. Employer la requête/phrase dans la meta keywords est un des signaux les moins significatifs que nous avons étudié.

La balise Title qui contient le terme de la requête semble avoir une réelle corrélation avec le classement. Ils ne sont pas en parfaite corrélation, mais ce graphe nous montre que Google a une claire préférence, en moyenne, pour les pages qui emploient le terme de la requête dans la balise Title.

Nous avions examiné auparavant les balises d’en-têtes H1/H2/Hx pour arriver à la conclusion qu’elles avaient un impact faible sur le positionnement. Ce graphe suggère que c’est toujours le cas. Il y a une corrélation plus grande lorsque les termes sont utilisés dans d’autres zones «on page» du body ou dans l’ancre des liens (internes ou externes).  Bien que le graphe montre une courbe horizontale, suggérant que les en-têtes H1 à H4 n’ont pas trop de bénéfice à l’utilisation, ce n’est pas aussi vilain que l’effet hasardeux observé avec la meta «keywords» (les courbes démarrent en-dessous de 13 et se terminent juste au-dessus). En tout cas, la corrélation positive est basse avec la ligne horizontale qui se tient entre les barres d’erreur.

Le graphe est l’illustration la plus claire du fait qu’il faille construire des systèmes plus avancés qu’une simple et directe corrélation. Selon ce graphe, l’utilisation du terme de recherche dans le nom de fichier ou chemin d’URL est légèrement négatif en corrélation avec un bon classement. Le sous-domaine apparaît largement inutile, tandis que le domaine racine à une forte corrélation. Bien que toutes les courbes (sauf le domaine racine) soient sur une bande étroite de l’axe x, les bonnes pratiques du référencement nous dictent d’utiliser les mots clés dans ces éléments. Du coup, lorsque nous analysons ce graphe, il convient d’émettre quelques hypothèses. Par exemple, les termes de recherche de l’URL seraient éliminés lorsque ils apparaissent dans le domaine racine et ailleurs dans l’URL. Les moteurs de recherche peuvent voir ceux qui répètent les termes du domaine racine dans l’URL comme des pratiquants du « keyword stuffing ». Cela peut aussi impliquer que la corrélation brute perçoit un grand nombre de pages qui optimisent moins l’URL, mais qui sont performantes grâce à d’autres facteurs (liens, autorité, etc.). C’est aussi vrai que la plupart des sites qui emploient le mot clef dans l’URL ne l’utilisent pas forcément dans le domaine racine. Du coup, le négatif de l’un peut être mélangé au positif de l’autre pour tenter d’y voir plus clair.

Cet exemple est la parfaite illustration des problèmes d’interprétation sur la corrélation de données brutes, nécessitant une modélisation toujours plus sophistiquée.

Pouvons-nous construire une modélisation utilisable du positionnement?

Nous avons besoin d’un modèle qui imite Google du mieux possible pour obtenir une représentation de la valeur potentielle pour les actions de référencement. Sauf que ce n’est pas facile car Google possède plus de 200 paramètres dans son algorithme de classement des pages Web. Bien que nous possédons de nombreux points d’analyse, il n’en demeure pas moins que c’est un challenge complexe.

La courbe «Über» en rouge dans le graphe ci-dessus est construite en prenant tous les points d’analyse que nous possédons. Les données sont moulinées pour établir une corrélation avec les résultats de recherche. La courbe rouge fait clairement apparaître que notre modèle est le plus efficace pour prédire le classement. En plus, la courbe est carrément excellente pour le Top 10 des résultats de recherche.
Cette modélisation peut aussi s’affiner pour obtenir un impact à propos de l’utilisation du mot clef dans une zone spécifique.

Regardons comme exemple la corrélation négative des mots clés dans l’URL.

Encore une fois, le graphe montre clairement l’inefficacité latente des mots clés dans le sous-domaine, mais que c’est extrêmement efficace dans le domaine racine. Sinon, les courbes peuvent suggérer un faible effet positif tout en observant une descente en dessous du 0 de l’axe x pour les positions 20-25, indiquant que l’utilisation du mot clef peut aussi avoir un effet négatif. Ainsi, l’utilisation du mot clef au sein de multiples endroits peut être néfaste; ce qui dirait à certains qu’une utilisation moins agressive des mots clés serait bénéfique.

Dans ce graphe, les barres d’erreurs de déviation standard sont mises en évidence. Ainsi, nous pouvons dire que l’utilisation des mots clés dans l’URL n’a pas d’impact négatif pour les meilleurs résultats, tandis que ce constat est moins serein pour la dernière portion de résultats.
Tournons notre attention vers ces satanés Hx encore une fois pour voir si notre modélisation a d’autres choses à dire.

Nous obtenons des résultats similaires qui perçoivent les tags H1-H4 comme peu intéressants pour y placer des mots clés. Les Hx semblent aider un peu, mais peuvent aussi avoir un léger impact négatif pour la dernière portion des résultats. Cette analyse est une évidence plutôt efficace pour déclarer que les tags Hx n’ont pas une grosse importance pour le référencement (même en prenant en compte les barres d’erreur). Evidemment, il faut continuer d’utiliser les en-têtes, mais ce ne sont pas les endroits les plus stratégiques à incorporer à propos de l’optimisation pour le référencement.

Notre mesure pour les liens a aussi été l’objet d’améliorations qui donne un constat plus nuancé. Vous pouvez voir ci-dessus que notre mozRank amélioré apparaît plus important pour les premiers résultats de recherche; tout en observant que le nombre brut de liens n’a pas une grande valeur. Plus profond dans les résultats, certaines pages semblent utiliser à outrance l’acquisition de liens et du mozRank – probablement à cause de liens qui proviennent de sites à faible autorité ou même spammy.  Ce graphe ne contient pas un grand nombre de données actionnables, mais cela confirme plutôt bien ce qu’on sait du référencement (ex: peu de bons liens est mieux que beaucoup de mauvais liens).

Ce dernier graphe montre quelques données intéressantes de nos tests sur les éléments «on page». Le gros paramètre aperçu concerne l’utilisation d’images avec un attribut «alt» adéquat incorporant les mots clés. La ligne verte est une des plus fortes corrélations pour l’utilisation «on page» des mots clés. Mettre les mots clés en gras, dans le corpus et même dans les ancres a le même type d’impact positif étudié précédemment, ainsi qu’un léger impact négatif dans la zone 20-25.

Conclusions

Je sais que cela représente beaucoup de données à ingurgiter, mais il est aussi très important de comprendre que la crédibilité du travail de référencement passe aussi par l’appui sur ce type d’analyse. SEOmoz n’est certainement pas la seule compagnie à travailler de la sorte (quoi que certainement la seule à rendre les résultats publics). Tout cela peut apporter des supports intéressants pour des projets clients ou en interne avec des données qui montrent l’importance et la valeur prévue pour les changements effectués en tant que référenceur. Nombreux sont ceux qui critiquent le métier parce que l’expertise se base énormément sur l’intuition et le bon sens. Avec ces analyses, nous pouvons recentrer le débat. Nous ne prétendons pas que ces données sont infaillibles, mais il s’agit certainement d’un excellent point supplémentaire à ajouter dans l’équation.

Les éléments suggérés par l’analyse, dont nous sommes confiants de la pertinence :

Les liens sont importants, mais les données trop basiques peuvent être trompeuses. Il faut établir des analyses sophistiquées sur les liens.
Il n’y a pas une donnée en particulier qui peut prédire le positionnement.
H1 (et H2 à H4) ne sont probablement pas des bons endroits pour capitaliser sur des mots clés
L’attribut «alt» des images est un endroit privilégié pour mettre des mots clés
Le keyword stuffing peut vous retenir au-delà des 15 premiers résultats.
En faire trop avec des liens de mauvaise qualité peut avoir un impact négatif.

=> Une autre étude à consulter sur les paramètres influents des backlinks.

Le point sur Flash et le référencement

Laurent — Fri, 30 Apr 2010 07:56:17 +0000

Jadis rangée dans le rayon des facteurs bloquant, la technologie Flash fait l’objet de toutes les attentions de la part des moteurs de recherche.
Parmi la communauté, on ressent toujours une extrème méfiance par rapport à Flash qui était notoirement connu pour bloquer l’indexation de son contenu.

Google en particulier prétend avoir progressé par rapport à la compréhension du contenu Flash, mais est-ce suffisant pour prétendre à une accessibilité correcte ?

Ma question initiale était de savoir si je devais sortir Flash de mes audits référencement en tant que paramètre freinant l’accessibilité aux moteurs de recherche.

Google et Yahoo! collaborent avec Adobe afin d’optimiser au mieux le format Flash (.swf)

L’annonce est ambitieuse puisqu’il s’agit de rendre compatibles toutes les versions de fichiers swf. C’est-à-dire que n’importe quel contenu présent actuellement sur le Web pourra bénéficier de l’indexation par Google et Yahoo!.

Actuellement, Google a pris de l’avance puisque l’implantation à traîné en longueur chez Yahoo! Depuis l’annonce en 2008 de l’indexation du contenu Flash, Google se débrouille plutôt bien pour interpréter le texte contenu dans une animation Flash ; tout en sachant qu’il existe tout un tas d’éléments graphiques qui pourraient ressembler à des caractères tout en étant autre chose.

Et les liens

Google est capable de suivre les liens dans Flash sous la condition qu’ils soient correctement fabriqués. Par exemple, en utilisant une fonction ActionScript qui appelle GetURL.

Y a bon Flash ?

Du coup, on peut être tenté de sortir Flash de la catégorie « néfaste à l’accessibilité pour les moteurs ». Sauf qu’il faut tout de même émettre certaines conditions car je crois seulement à moitié l’idée que les moteurs soient capables de comprendre n’importe quel contenu Flash.

En effet, Google et Yahoo! utilisent le SDK proposé par Adobe. La question est de savoir s’ils suivent assidument les évolutions de la technologie. J’émet tout de même un doute par rapport à la capacité de pouvoir indexer n’importe quel contenu Flash puisqu’il faut tout de même s’accorder avec les recommandations du SDK.

Du côté des développeurs, il est sage de justement s’accorder avec SDK afin de proposer des animations Flash qui soient accessibles aux moteurs de recherche.

Ensuite, reste le cas de Bing qui ne semble pas à la page concernant l’indexation Flash. Le moteur dispose sûrement d’une technologie maison puisqu’il n’y a pas de collaboration officielle avec Adobe, mais je n’ai rien vu passer qui témoigne d’un progrès de Bing.

Au final, je ne vais pas encore sortir totalement le paramètre Flash de mes audits référencement. Je pense qu’il est sain de vérifier si le contenu est effectivement bien indexé plutôt qu’assumer que l’accessibilité est parfaite.

La performance des sites Web sur la sellette

Laurent — Sat, 10 Apr 2010 12:21:23 +0000

Le dictat de Google a encore frappé et tout le monde est au garde-à-vous.

Google a annoncé vendredi qu’un signal lié à la vitesse d’affichage des pages est incorporé à l’algorithme.
Quelles sont les conséquences pour le référencement et comment faut-il appréhender ce nouveau paramètre ?
Plus grave encore, avons-nous vraiment des solutions ?

La récente mise à jour de l’infrastructure du moteur de recherche a fait couler beaucoup d’encre numérique au sein de la communauté du référencement et au-delà. Cette mise à jour surnommée Google Caféine a engendré son lot d’interprétations hasardeuses, mais la grande nouvelle concernait la prise en compte de la performance (vitesse d’affichage) des pages.

Non seulement un onglet intitulé Performance du site apparaît dans la console Google Webmaster Tools, mais Matt Cutts évoque la montée en puissance de ce paramètre et la récente annonce officielle donne quelques détails supplémentaires.

L’annonce officielle Google

Voici la traduction du billet posté vendredi sur le blog Google destiné à la communication avec les webmasters.

Utiliser la vitesse de site dans le classement des résultats de recherche

Vous avez entendu que nous (Google) sommes obsédés avec la vitesse dans nos produits et sur le Web. Dans cet effort, nous introduisons aujourd’hui un nouveau signal au sein de notre algorithme de classement des résultats de recherche : vitesse du site. La vitesse du site reflète la rapidité à laquelle il répond aux requêtes Web.

Accélérer les sites Web est important – pas seulement pour les responsables des sites, mais pour tous les utilisateurs d’Internet. Des sites plus rapides créés des utilisateurs contents et nous avons observé dans nos recherches internes que lorsqu’un site répond lentement, les visiteurs passent moins de temps dessus. Mais des sites plus rapides n’améliorent pas que l’expérience utilisateur ; des données récentes montrent qu’améliorer la vitesse du site réduit également les coûts d’opération. Comme nous, nos utilisateur portent un certain intérêt à la vitesse. C’est pour cela que nous avons décidé d’incorporer la vitesse du site dans les classements. Nous utilisons plusieurs sources pour déterminer la vitesse d’un site par rapport aux autres.

Si vous êtes un propriétaire de site Web, webmaster ou rédacteur, voici quelques outils gratuits que vous pouvez utiliser pour évaluer la rapidité de vos pages :

Page Speed est un plugin Firefox open source qui évalue la performance des pages Web et donne des suggestions d’amélioration.
YSlow est un outil gratuit de Yahoo! qui suggère des méthodes pour améliorer la vitesse du site.
WebPagetest montre un déroulé des performances de chargement, ainsi qu’une liste d’optimisation.
Webmaster Tools Labs > Performance Site montre la vitesse de votre site comme vont ressentir les utilisateurs autour du montre (exemple dans le graphe ci-dessous). Nous avons également blogue à propos de performance du site.

D’autres outils sur code.google.com/speed

Alors que la vitesse du site est un signal nouveau, il ne porte pas autant de poids que la pertinence d’une page. Actuellement, moins de 1% des résultats de recherche sont affectés par le signal relatif à la vitesse du site dans notre implémentation et le signal s’applique seulement aux visiteurs recherchant en anglais sur Google.com. Nous avons lancé cette modification il y a quelques semaines après des tests rigoureux. Si vous n’avez pas observé beaucoup de changement concernant le positionnement de votre site, cela suggère que le paramètre vitesse du site n’a pas affecté votre site.

Nous encourageons à regarder de plus près la performance de votre site (les outils ci-dessus procurent un excellent point de départ) – non seulement pour améliorer votre positionnement, mais aussi afin d’améliorer l’expérience de tout le monde sur Internet.

Mon point de vue

Concernant l’annonce en elle-même, on sent bien que Google se positionne encore une fois comme grand ordonnateur d’Internet. Il dicte sa loi et nous devons subir. Sans revenir plus en détails sur la suprématie de Google, il est assez affligeant de se mettre au diapason d’un moteur de recherche, posant un grave souci déontologique par rapport à la liberté d’Internet. Une fois de plus, la loi de Google devient la loi d’Internet.

Par rapport à la performance du site, c’est un problème compliqué. J’ai intégré depuis le début d’année des analyses liée à ce paramètre au sein de mes audits. La totalité des sites que j’ai audité flanchent à ce niveau et mes sites ne sont pas mieux servis.

Ce qui me pose un sérieux problème concernant le jugement porté par Google sur la vitesse de nos site se rapporte à la présentation Performance du site dans la console Webmaster Tools. Voici un screenshot d’un site statique qui présente un code source le plus simple possible et les seuls éléments de scripts appartiennent à Google (Analytics et Adsense). Comme énoncé, les pages se chargent en moyenne à 1,9 secondes. D’après Google, ça serait dans une tranche plus rapide par rapport à 77% des sites Web.

Maintenant, le graphe pose clairement le site dans la zone « Lente » et la zone « Rapide » est délimitée à 1,5 secondes.

Franchement, il veut quoi de plus le Dieu Google ? Ce sont ces propres scripts qui sont les seuls éléments ralentissant ces pages et 1,9 secondes ne semble pas être un temps qui paraît outrageant.

Parmi mes audits, certains sites montrent des temps qui dépassent allégrement les 20 secondes. Quel danger se tient au-dessus de ces sites ? Si un site qui s’affiche en moins de 2 secondes est considéré comme lent, cela va gravement impacter la quasi totalité des sites dynamiques. Google veut-il que nous revenions à la fin des années 90 concernant la construction de sites Web ?

En plus, améliorer la vitesse d’un site pose des problématiques relativement complexes. Certes, un outil comme WebPagetest est très intéressant puisqu’il montre clairement les éléments ralentissant, mais certaines configurations plombent les résultats, alors qu’elles sont clairement conçues pour améliorer l’expérience utilisateur. En effet, j’ai des résultats mitigés qui remontent concernant les configurations sur la base de cache serveur. Par contre, les recommandations de la console Webmaster Tools met franchement l’accent sur la compression de données.

Puis modifier une grosse machine dynamique ne se fait pas en trois coups de cuillère à pot. Chaque cas est différent et cela implique parfois une refonte totale de l’architecture, ainsi qu’une complète révision du code. La multitude de scripts contenus sur une page entrave clairement la performance, mais c’est aussi censé améliorer l’expérience utilisateur. Certes, il y a de nombreux scripts qui s’apparentent plus à des gadgets qu’autre chose, mais il réside tout de même un grand nombre de scripts qui sont très intéressants pour l’utilisateur, tout en ne bénéficiant pas la performance.

Comment trouver le juste milieu ; surtout en se basant sur l’hallucinante limite érigée par Google ? Descendre en dessous de 1,5 secondes est tout simplement mission impossible pour la plupart des sites. Il faut aussi prendre en compte l’hébergement ; avec les serveurs mutualisés directement en ligne de mire. La solution du serveur est tout simplement surdimensionnée pour certains sites, mais seront ils pénalisés par défaut pour cause d’hébergement de qualité médiocre ?

Google est bien gentil avec son annonce qui pose son dictat, mais il ne donne pas assez de détails pour travailler sereinement. Les indications données dans Webmaster Tools sont intéressantes, mais je reste persuadé que la limite recommandé est trop basse.

Puis, ça serait tout de même le minimum syndical que les propres sites Google ne soient pas des paramètres qui ralentissent une page Web site.

Sachant que les connexions internet sont de plus en plus rapides, je trouve que Google tombe un peu comme un cheveu sur la soupe avec son signal vitesse du site. Vu les standards que le moteur de recherche veut ériger, nous effectuons un retour vers le début d’Internet en termes de construction de pages Web.

Je sens déjà que tout le monde se tracasse réellement à propos de ce paramètre. Les sites que j’ai audité sont déjà bien engagés dans une nette amélioration par rapport à la vitesse, mais dans les meilleurs des cas, il demeure impossible de cadrer avec la zone « Rapide » énoncée dans Webmater Tools.

Comme d’habitude, Google nous laisse en plan avec un impératif et très peu d’éléments qui permettent de travailler sereinement. Encore une fois, il va falloir se débrouiller entre nous avec une méthode empirique qui devient petit à petit un standard sans aide vraiment utile de la part du moteur de recherche.

Edit : la solution proposée par Thomas semble vraiment intéressante. A lire sur son blog à propos de HTMLminify.

Nouveau brevet Google pour l’automobile

Laurent — Thu, 01 Apr 2010 13:19:15 +0000

Dernière innovation du moteur de recherche Google concerne maintenant la voiture qui sera équipée par des ordinateurs reliés aux datacenters Google et capables de choses plutôt incroyables.C’est un brevet découvert par un certain SEOKING et posté sur Twitter qui nous informe sur la future orientation commerciale de Google.

Ainsi, la voiture sera capable de conduire toute seule, se protéger contre les voleurs et pleins d’autres actions très sophistiquées.

Voici l’extrait du brevet

Billet synchronisé me voilà!

Laurent — Thu, 21 Jan 2010 21:00:26 +0000

Grande première mondiale : 15 blogueurs publient exactement au même moment sur un sujet identique.

Sujet : commentez librement l’étude Google « le moteur de recherche idéal vu par les internautes »

Quand : maintenant

En lisant l’étude qui a servi de point de départ pour ce billet, je me suis dit que ça serait intéressant d’avoir l’avis de certaines personnes que j’avais en tête. Puis, pourquoi pas carrément leur demander de rédiger un billet et publier au même moment.

J’ai donc demandé l’avis de deux ou trois potes qui traînaient sur Gtalk et vu l’enthousiasme (confirmé par le teasing), le concept du billet synchronisé était lancé. Tous les participants m’ont vraiment bien aidé avec des suggestions pertinentes à tous niveaux, mais une mention spéciale à Marie qui m’a donné un coup de main dans la logistique. D’ailleurs, vous pouvez lui souhaiter bon anniversaire car c’est aujourd’hui qu’elle devient enfin majeure.

Les blogueurs aux billets synchronisés

Les participants n’ont pas été choisi parce que se sont mes meilleurs amis ou que je leur dois de l’argent, mais plutôt dans un souci de confronter des expériences et des visions différentes. La plupart ont un lien direct avec le référencement, tandis que d’autres sont « non SEO ». Pour des raisons évidentes de logistique et de ne pas submerger le lecteur, nous avons gardé le groupe dans un volume restreint. Au départ, nous devions être 10 au maximum, mais la liste finale comporte 15 noms.

Je remercier chacun d’eux d’avoir tenté avec moi cette expérience synchronisée et surtout improvisée.

Le sujet

Il s’agit d’une étude exécutée par DirectPanel pour Google se basant sur un sondage d’utilisateurs français des moteurs de recherche. Je ne me suis pas renseigné, mais il est fort possible que cette étude ait pris place dans d’autres pays. La date de publication est très récente puisqu’elle remonte à décembre 2009.

Le lien pour télécharger Etude « Search of the Future » – France

En bonus, le slideshow

Directpanel Etude Google Search Of The Future 12 2009

Mon billet sur « le futur moteur de recherche »

Cette année, nous fêtons le 20^ème anniversaire de la naissance d’Archie (10/10/90) qui est l’ancêtre des moteurs de recherche. Je ne l’ai pas connu, mais je me rappelle de Lycos, Excite et surtout Altavista. En 1998, Google est arrivé, puis vous connaissez la suite.

Nous voilà donc en 2010 à lire une étude commandité par Google qui a pour objectif de « savoir comment les utilisateurs voient le moteur de recherche idéal de demain : à quoi ressemblera-t-il ? Que sera t-il capable de faire ? Comment changera-t-il notre vie, la technologie et le Web en général ? »

En parcourant l’étude, j’avais une citation de Larry Page (co-fondateur de Google) lue il y a 7 ans qui me revenait sans cesse : « on peut imaginer un jour que votre cerveau soit renforcé par Google. Par exemple, vous pensez à quelque chose, et votre téléphone cellulaire vous chuchote la réponse dans l’oreille. »

Le Google Chip

Même si les réponses m’intéressaient, je voulais savoir si cette histoire de puce allait ressortir au travers des questions posées par Google. Sur ce point, je n’ai pas été déçu car les questions n’ont pas tardé à abonder dans ce sens. Quand je lis « fournir des informations sur ce que j’entends » ou « fournir des informations sur une personne ou un objet de que je touche » ou « permettre de rechercher dans les souvenirs stockés dans ma mémoire », c’est bien vers cette puce dans le cerveau qu’on se dirige.

A mon avis, ce « Google Chip » est technologiquement bien avancé, car ce sondage va tout à fait dans le sens d’une prise de température pour voir si le public commence à intégrer ces « progrès » à venir. Maintenant, la seule question réside de savoir quand ils trouveront le timing adéquat pour nous greffer le cerveau avec un puce « made in Mountain View. » Si vous craigniez pour vos données personnelles aujourd’hui, je vous laisse imaginer ce que le Google du futur nous réserve…

Peut mieux faire !

Pour le reste de l’étude, j’ai été surpris que la quasi totalité des utilisateurs attendent des améliorations. Quand je vois que cette même quasi totalité ne savent absolument pas utiliser au mieux un moteur de recherche, ça m’étonne d’apprendre que Google doit mieux faire. Rien qu’en utilisant une poignée d’opérateurs et en ayant une bonne réflexion autour de la requête, il n’y a pas de réponse qui reste inassouvie lors de la première recherche.

Remarque, l’utilisateur n’a pas non plus tort dans le sens où la technologie devrait s’adapter à l’homme et non le contraire. Sauf qu’il y a très peu de cas que je connaisse où cette notion est respectée. Pour revenir à Google, il est aussi vrai que le moteur ne comprend toujours pas ce qu’il indexe. Malgré quelques sursauts prometteurs il y a quelques années, je n’entends plus trop parler de la sémantique appliquée et les outils de recherche. La recherche d’information recentrée sur l’utilisateur au travers d’outil comme Twitter (on demande à ses followers, plutôt qu’à Google) suggère la limite d’un algorithme « idiot. »

Conclusion (et suite ?)

Le sentiment global qui ressort de cette étude est clairement que le moteur de recherche va devenir de plus en plus une partie intégrante de notre vie quotidienne. Sans attendre la puce dans le cerveau, le moteur va répondre à plus de besoins en étant toujours plus performant.

Quand je repense à Archie et Altavista, il s’en est vraiment passé des choses en 20 ans. Dire que nous sortons à peine de la Préhistoire du Search, il est stupéfiant de jeter un coup d’œil en arrière et se projeter sur ce qui va arriver demain.

J’ai tâché de rester concis car il y a 14 autres billets à lire, mais j’espère que cette expérience du billet synchronisé se révélera intéressante et qu’elle sera renouvelée. Parmi les idées, je voulais lâcher le concept en confiant le prochain sujet et choix des participants à un autre blogueur qui passera le relais à son tour afin de générer une sorte de chaine intellectuelle au travers des blogs.

Comment Google classe les Tweets

Laurent — Wed, 13 Jan 2010 21:20:05 +0000

Depuis un mois, nous voyons apparaître les Tweets – messages issus de la plateforme de micro-blogging Twitter – au sein des résultats de recherche lorsque la fonctionnalité Social Search est activée.

La question qui se pose maintenant est de savoir comment Google s’y prend pour choisir les Tweets à faire apparaître au sein des pages de résultats.

C’est à la lecture d’un article de David Talbot (pionnier du journalisme en ligne et web entrepreneur) que nous pouvons extraire quelques informations grâce aux commentaires de Amit Singhal, responsable de la Search Quality chez Google et chef du projet Real Time Search.

Classement du Tweet basée sur le PageRank

Apparemment, Google utilise une technologie semblable à celle du PageRank afin de sélectionner les Tweets qui méritent d’être publiés en temps réel au sein des résultats de recherche et dans les Updates du Social Search.

La clef est d’identifier les Followers de réputation honorable. Dans ce sens, le nombre de Followers n’est pas le critère prépondérant. C’est plutôt l’ensemble du réseau autour du compte qui est analysé afin de voir si l’environnement est construit autour d’une réputation qu’on peut qualifier de « recommandable » ou « honorable. » Nous retrouvons ainsi les notions d’autorité et réputation qui sont fortement impliquées dans le calcul du PageRank.

Encore et toujours le spam en ligne de mire

Maintenant, il faut bien que Google puisse décider instantanément si un Tweet tend à être du spam ou même de mauvaise qualité.

Le hashtag (#) est utilisé au sein des Tweets afin d’associer le message à certains mots clés. Cela permet de faire remonter le Tweet lorsqu’un utilisateur entre la requête associée au hashtag dans le moteur de recherche Twitter.

L’intérêt est d’accroître la visibilité d’un Tweet, mais cela engendre évidemment des abus avec des Tweets qui sont gavés de mots clés ou qui veulent faire passer un message publicitaire. Du coup, le hashtag est aussi symbole de spam, pub et mauvaise qualité. Pour bien faire, il faut savoir l’utiliser sans en abuser.

Singhal prétend qu’ils ont réussi à modéliser le comportement des utilisateurs par rapport à l’utilisation du hashtag. Bien entendu, il n’est pas rentré dans les détails, mais il remarque que cela constituait le véritable challenge technique du Real Time Search.

Lorsqu’un utilisateur émet une requête, Google scanne les Tweets afin d’en retirer le ratio signal/bruit adéquat. Un signal fort poussera le moteur à afficher des Tweets en relation avec la requête, fournissant ainsi les résultats les plus frais possibles.

Dans le futur, Google et Twitter veulent pousser du côté de la géo location des données, ainsi que de la téléphonie mobile.

Enfin Singhal rassure sur le fait que Twitter n’est pas le seule source d’information en temps réel. Chez Google, les autres médians (actualité, blogs, pages Web) sont interprétée comme des composants du Web en temps réel. Twitter est juste pratique car il comporte un contenu très limité sur lequel il est plus facile de travailler du côté technique.

Mon avis

Pour ce que j’ai testé, le hashtag me semble vraiment valorisé. En tout cas, j’arrive à faire apparaître mon tweet assorti d’un hashtag dans les updates Social Search et les recherches Web avec hashtag.

Sans le hashtag, ça se complique. Aucun problème pour la Updates, mais pour la recherche Web, il faut arriver à déclencher une insertion de tweets et ça ne marche pas à tous les coups. Le mix hashtag plus mot clef sans # associé marche aussi.

En dehors de Twitter, je vois passer quelques résultats de micro-blogging issus de FriendsFeed et Jaiku, mais je n’ai rien vu d’autre dans la partie Update ou dans la zone Real Time Search des recherches Web.

Pas trouvé non plus un type de profil privilégié pour les comptes Twitter qui ressortent.
Pour ma part, j’utilise le hashtag dans moins de 10% des tweets. Pour le reste, je ne suis pas plus assidu qu’un autre et encore moins influent. Pourtant, j’ai fais remonter chacun des tweets testés avec hashtag.

Il suffit d’observer quelques minutes une requête comme « haiti » au lendemain des tremblements de terre pour vraiment voir cette recherche en temps réel à l’œuvre. En effet, on remarque la présence d’une plus grande variété de sources qui sont incluses dans la zone de Real Time Search. Les tweets sont même carrément inondés par les articles d’actualités. Les tweets proposés ne m’ont pas paru être indispensables pour mieux comprendre de quoi il s’agit. Je n’ai rien vu passer digne d’être relevé entre les incitations aux dons, les messages de soutien et le relais des articles de presse.

Le seul tweet qui m’a interpellé était d’un humour tellement nul qu’il mérite que je poste le screenshot, mais je ne vois pas ce qu’il venait faire sur la première page de Google.

Bon, je crois qu’il est sage de ne pas s’emballer sur ces inclusions Twitter au sein du moteur Google. J’avais déjà émis des doutes lors de l’annonce du partenariat Twitter et Google, mais je n’ai pas changé d’avis. Ça me semble encore brut de décoffrage et je ne pense pas que l’algorithme qui traite le Real Time Search arrive à la cheville du PageRank. Chris Lake se pose plein de questions et j’avoue ne pas vouloir faire des plans sur la comète sous peine de partir dans les travers du « reverse engineering à la petite semaine » dont j’ai horreur.

A voir si j’ai la motivation pour pousser les tests plus loin que le hashtag, mais je suis curieux de savoir ce que vous avez trouvé au sujet du classement des tweets par Google.

Fondamentalement, le problème reste le même : Google ne comprend pas ce qu’il lit. A partir de là, on peut nous sortir toutes les formules mathématiques possibles sans jamais pouvoir atteindre l’évaluation sémantique nécessaire.

Murdoch contre Google ou la fin d’un règne

Laurent — Tue, 24 Nov 2009 11:12:20 +0000

La joute qui se déroule en ce moment entre Rupert Murdoch – le magnat de la presse internationale – et Google – le grand ordonnateur du Web et au-delà – évoque beaucoup plus qu’une affaire de gros sous.

Quelles sont les forces en présence et les conséquences de cette lutte ?

Ce qui semblait être un coup de gueule de la part d’un des plus gros patron de presse au monde, révèle plutôt un bouleversement de proportions dantesques.

Le vieux lion contre le jeune loup

Pour replacer dans le contexte, je rappelle que Rupert Murdoch est l’homme le plus dangereux du monde. Les centaines de médias majeurs possédés par cet homme peuvent déclencher les pires maux possibles et imaginables au sein d’une société. Un simple exemple en 2003 avec les 175 journaux de Murdoch qui soutenaient unanimement la guerre en Irak.

Ces médias représentent la vieille école : télévision, presse et radio. Sans avoir besoin de décodeur, tout le monde a compris que l’ancien modèle médiatique se faisait dégager aussi vite qu’un pet glisse sur une toile cirée.

De l’autre côté du ring, se dresse Google, le glouton du Web qui moissonne tout sur le passage de son algorithme. Il a suffit d’une demie décennie pour que ce moteur de recherche avale les données de la planète entière.

Le combat pour la ceinture des poids lourds de l’info était jouée d’avance. Il semblerait donc que l’année 2009 va s’éteindre avec l’effondrement total du paysage médiatique tel que nous l’avons connu.

Il ne peut y avoir qu’un seul maître du monde. Murdoch pousse un dernier rugissement, mais l’ogre du monde virtuel l’a déjà décapité depuis belle lurette.

Histoire d’une défaite annoncée

Car il ne faut pas se faire d’illusion. Aussi hallucinant que ça puisse paraître, Google s’est farcit Murdoch et sa News Corporation dès le premier jour du lancement de Google News. Un algorithme mathématique appuyé par des serveurs a fait un barbecue avec la presse traditionnelle par une méthode tellement efficace que ses propres créateurs ne pouvaient sans doute pas imaginer.

Ce qui m’étonne est que Murdoch ait attendu que le Glouton ait déjà tout dévoré avant d’aboyer de la sorte. Après avoir beuglé, le vieux lion s’est crû malin en se tournant vers l’adversaire le plus puissant en face de Google. Les discussions actuelles entre Murdoch et Microsoft s’apparentent à se tenir par le petit doigt sur une bouée crevée au milieu d’un ouragan. Il aurait peut-être été sage d’informer Murdoch que Google avait fait du petit bois de Microsoft depuis bien longtemps. Sur le Web, il n’y a qu’un seul prédateur et son nom ne commence pas par M.

De l’autre côté, le prédateur Google se contente de cracher dédaigneusement à la face de Murdoch et son empire, en expliquant que les sources d’information sont libres de ne pas figurer dans son agrégateur d’actualités. En guise, de gros molard soufflé sur les lunettes du vieux Murdoch, Google rappelle que son service d’actualité dépote 100 000 visiteurs à la minute.

A la base, Google est un voleur de contenu. Il s’approprie le travail d’autrui pour alimenter sa machine à indexer. Personne n’a bronché ; bien au contraire, tout le monde s’est empressé d’alimenter le monstre. Donc, Google a continué d’avaler tout ce qu’il pouvait trouver comme données sur Internet, puis il s’est attaqué au reste…

L’enjeu est simple, mais le résultat sera déterminant pour la face du monde médiatique et bien plus encore.

Logiquement, il faudrait que Google paye pour diffuser les sources d’information. Sauf que maintenant, il est trop tard puisque les millions d’internautes atteints de googlïte aigüe représentent un levier surpuissant. Aujourd’hui, la tendance est complètement renversée ; c’est Google qu’on doit logiquement grassement payer pour recueillir une fraction d’électron de son énorme trafic.

Une entité qui n’est pas capable d’attirer l’attention, sans se retourner contre un tel pourvoyeur de visiteurs, a avoué sa faiblesse. En bref, la News Corporation de Murdoch doit disparaître car il n’est pas possible d’exister sur Internet sans Google. Le monstre est devenu trop puissant pour lutter, même quand on s’appelle Murdoch. L’homme le plus dangereux du monde s’est fait détrôner par une formule mathématique, sans qu’un seul coup de feu soit tiré. C’est peut-être là qu’est le problème. Le vieux brigand était affuté pour lutter contre les plus puissants et vicieux de la planète, mais il n’était pas préparé à affronter ces jeunes de la Sillicon Valley qui proposent gratuitement des outils très utiles aux internautes.

Rien n’est jamais gratuit

Voilà, nous venons d’apprendre la fin du monde tel que nous l’avons connu. La gratuité de Google News et des autres services associés au moteur de recherche sont un bienfait pour l’utilisateur. Ces outils géniaux sont une aubaine pour vous et moi qui bénéficions sans bourse délier. Sauf que le prix à payer est peut-être beaucoup plus important que le prix d’un quotidien papier ou d’une licence pour un webmail. Je suis loin d’être le seul à décoder clairement où Google nous entraine, mais ceux qui dirigent le monde sont nuls au point de n’avoir rien vu venir ?

Vous devriez acheter un exemplaire de votre journal préféré le 31 décembre 2009 car c’est peut-être la dernière fois que la Saint Sylvestre sera célébrée sur un quotidien en papier.