Chapitre 4. La recherche par Internet
p. 71-93
Texte intégral

1Internet est devenu un outil de recherche de plus en plus privilégié, voire indispensable. Le volume phénoménal d’information désormais disponible (plus de trois milliards de pages Web en 2004) laisse croire que la communication approche la perfection : tout ce qu’on désire savoir se trouverait à portée de la main, à quelques clics de soi. La présence croissante du WWW dans les universités confirme son utilité pour la recherche universitaire et gagnera en importance dans les années à venir.
2Les chercheurs sont toujours plus nombreux à diffuser leurs travaux dans Internet, des sites sont créés pour favoriser l’étude de sujets bien délimités et faire connaître les résultats de la recherche, des revues savantes n’existent plus qu’en ligne, les catalogues de presque toutes les bibliothèques universitaires sont accessibles à distance, des listes, des répertoires et des bases de données sont dorénavant disponibles pour consultation n’importe où dans le monde. On organise même des colloques virtuels. On le voit : Internet offre de multiples possibilités à l’étudiant-chercheur. Mais comment trouver l’information pertinente au beau milieu de ce réseau si vaste où il est si facile de se perdre ? Comment s’y retrouver entre les sites sérieux, les pages personnelles farfelues, les commerces virtuels et les sites pornographiques ?
3Chercher une information dans Internet, c’est souvent jeter une bouteille à la mer, ou partir à la pêche et en revenir bredouille ou seulement avec une vieille godasse. C’est suivre un parcours piégé où le meilleur côtoie le pire et où la rapidité d’accès n’a d’égale que la brièveté de la durée de vie de l’information. C’est pourquoi il est capital de bien préparer sa recherche, de se familiariser avec les outils disponibles, de connaître les principales ressources propres à son domaine d’étude et de disposer d’un esprit suffisamment critique pour choisir la bonne information.
4.1. Une information de qualité
4Une recherche de niveau universitaire dans Internet s’avère une démarche complexe. Taper quelques mots dans un moteur de recherche et se fier aux premiers résultats ne garantit pas que l’information trouvée est de qualité. Les moteurs sélectionnent et classent les sites selon des critères qui n’ont que peu à voir avec l’esprit critique : la pertinence des résultats de ces recherches est toute relative. En d’autres termes, la facilité d’accès à une information dans Internet ne garantit pas sa fiabilité, ce qui s’explique par l’absence d’autorité universellement reconnue sur la toile.
5Nous avons vu au chapitre précédent que les articles scientifiques faisaient l’objet d’une évaluation par les pairs afin d’attester leur qualité et leur sérieux. Or, la grande majorité de l’information dans Internet n’est pas évaluée : un texte prétendant démontrer l’existence de la pierre philosophale figure dans le Web sur un pied d’égalité avec un rapport de recherche du ministère des Ressources naturelles. Les outils de recherche n’appliquent aucun critère qualitatif dans leurs recherches et ils accordent même une priorité à des sites avec lesquels des ententes commerciales ont été convenues. La diffusion de l’information par Internet, sauf exception, ne reçoit donc l’aval d’aucune autorité qui puisse attester sa valeur et sa rigueur scientifiques. Dans un tel contexte, il importe non pas de renoncer à chercher sa documentation dans Internet, mais plutôt de le faire avec vigilance et de chercher avant tout les canaux menant à une information de qualité.
EN PRATIQUE
Il en va de même pour les sites Web que pour les livres et les articles : il faut mentionner la source de l’information consultée.
La référence à un document Web doit contenir les éléments suivants : le nom de l’auteur (qu’il s’agisse d’un individu ou d’un organisme], le titre du document, la date de consultation et l’adresse URL (c’est-à-dire l’adresse Web) complète. Il est particulièrement important d’indiquer la date de consultation en raison des fréquentes mises à jour dont font l’objet les documents disponibles dans le Web. De plus, si la date de création du document est mentionnée, dans les périodiques en ligne par exemple, il est bon de l’inclure dans la référence.
Exemples : Ressources naturelles, faune et parcs Québec, Gros plan sur les mines, <http://www.mrn.gouv.qc.ca/mines/index.jsp> (page consultée le 8 février 2004).
Nelson Michaud, « Souveraineté et sécurité. Le dilemme de la politique canadienne dans l’"après 11 septembre" », Études internationales, vol. 33, no 4, décembre 2002, < http://www.erudit.org/revue/ei/2002/v33/n4/006660ar.html > (page consultée le 19 février 2004).
4.2. Préparer la recherche
6Il est facile de se perdre dans Internet, plus que dans une bibliothèque. Au gré des hyperliens, on peut se retrouver sur des sites sans aucune pertinence et, involontairement, perdre le fil de ce qu’on cherchait. La présence importante de ce qu’on appelle le bruit (les résultats de recherche sans lien avec le sujet) n’est pas étrangère à ce problème. C’est pourquoi la vigilance nécessaire à une recherche dans Internet commence par une préparation adéquate.
EN PRATIQUE
La stratégie à élaborer pour une recherche dans Internet ne diffère pas de celle pour une recherche en bibliothèque : il est judicieux par conséquent d’utiliser cette dernière comme point de départ pour le monde virtuel. Attention : comme il n’y a pas de vocabulaire contrôlé dans Internet, il faudra peut-être avoir plus souvent recours aux synonymes.
7Nous avons expliqué, au premier chapitre, comment définir son sujet et l’adapter en vue de la recherche, en isolant les concepts, en associant ceux-ci à des mots-clés et à des synonymes, puis en les mettant en relation à l’aide des opérateurs booléens. La même démarche est de mise pour une recherche par Internet : avoir une idée claire de ce qu’on cherche permet de ne pas perdre de vue son objectif. Il importe également de savoir quels types de documents on espère trouver : articles (scientifiques ou de magazine), images, coordonnées, données statistiques, bibliographiques et biographiques, etc. Selon ce que l’on cherche, la stratégie de recherche variera, tout comme les outils employés. En sachant ce que l’on cherche, on évite d’emprunter une fausse piste qui fera perdre du temps et qui risque de donner l’illusion que l’information désirée n’est pas disponible.
EN PRATIQUE
Il faut toujours vérifier l’orthographe des mots inscrits dans la requête. Certains outils de recherche, tel Google, repèrent les fautes de frappe et suggèrent la bonne orthographe (supposée), mais ce n’est pas la règle.
À LA BONNE ADRESSE
« le guide " Outils de recherche " de la Toile du Québec »
< www.toile.com/guides/recherche/outils_de_recherche > ;
Ce guide propose des liens vers les principaux outils de recherche du Web : répertoires, moteurs de recherche et métamoteurs de recherche.
4.3. Les outils de recherche et leur fonctionnement
8Il existe plusieurs façons de trouver ce qu’on cherche dans Internet, chaque outil pouvant donner des résultats plus ou moins précis. Si les moteurs de recherche passent pour la porte d’entrée privilégiée du Web, une connaissance plus approfondie des ressources Internet dans un domaine du savoir favorisera le recours à des répertoires ou à des portails spécialisés. L’information recherchée, et généralement sûre, se concentre davantage dans ces derniers.
9La meilleure façon d’obtenir de bons résultats au moyen des outils de recherche demeure le recours à plus d’un outil.
4.3.1. Répertoires
10Les répertoires sont des bases de données organisées par des humains qui conçoivent un mode hiérarchisé de classification des sites Internet permettant une navigation de catégorie en sous-catégorie (selon une structure dite « en arborescence »). Ils regroupent l’« essentiel » de ce qu’internet propose dans chaque domaine. Les sites inscrits au répertoire ont fait l’objet d’une validation par des navigateurs professionnels. En plus de l’exploration de l’arborescence, on peut y procéder à des recherches par mots-clés. Parmi les répertoires les plus connus figurent la Toile du Québec, About.com, Open Directory et Yahoo ! Ce dernier est devenu depuis février 2004 un moteur de recherche à part entière, mais son répertoire demeure fiable. La plupart des pays ont un répertoire Yahoo ! privilégiant les sites locaux, ce qui est utile lorsque la recherche concerne un pays précis.
11Les professionnels qui établissent le contenu des répertoires ne sont généralement pas des spécialistes universitaires. Leur décision d’inclure un site ne dépend pas de critères scientifiques, mais plutôt du souci de répondre aux attentes d’un vaste public. Dès lors, la présence d’un site dans un répertoire ne dispense pas l’usager de devoir évaluer lui-même l’information qu’il contient.
12L’interrogation d’un répertoire s’effectue sur un nombre de sites plus restreint que l’interrogation d’un moteur de recherche, mais le répertoire a l’avantage de proposer des sites minimalement fiables dans une présentation relativement bien ordonnée. Par exemple, la requête archéologie Québec donne une trentaine de résultats avec le répertoire About.com et 64 200 avec le moteur de recherche Google : on gagne plus de temps à dépouiller les 30 résultats du répertoire qu’à démêler les centaines de résultats douteux du moteur. Les recherches dans les répertoires, sans promettre des résultats exhaustifs, seront fructueuses et moins sujettes au bruit. Il s’agit donc d’un point de départ intéressant pour connaître ce que le Web peut proposer de valable sur un sujet.
4.3.1.1. Fonctionnalités de recherche
13Le classement des sites en catégories et sous-catégories permet une navigation thématique dans chaque répertoire. De la catégorie générale appropriée, on peut se rendre à la sous-catégorie la plus pertinente pour sa recherche et consulter les sites retenus : certains seront généraux, d’autres plus pointus, mais en les visitant on peut trouver des liens de plus en plus utiles. Lorsque l’information cherchée n’est pas des plus précises, la recherche thématique dans un répertoire donne un aperçu à partir duquel on peut définir plus précisément sa stratégie de recherche.
14La recherche par mots-clés dans un répertoire s’effectue généralement dans le titre du site, sa description, sa catégorie et les mots-clés proposés lors de l’inscription du site au répertoire, et non dans le contenu des pages. Les résultats de la recherche indiquent habituellement la catégorie dans laquelle le site a été classé. Cette catégorie apparaît le plus souvent sous la forme d’hyperlien : on peut s’y rendre et reprendre la recherche. Par exemple, la requête urbanisme Québec dans le répertoire canadien-français de Yahoo ! donne parmi les résultats le site de l’INRS-Urbanisation, culture, société, décrit comme un centre de recherche en sciences sociales ; en plus de son URL, on affiche son emplacement dans le répertoire (« Québec ® Sciences humaines ® Urbanisme »). L’interrogation par mots-clés peut être limitée à une catégorie particulière : les résultats seront moins nombreux et plus pertinents.
15Le moteur de recherche d’un répertoire offre généralement la possibilité d’interroger « tout le Web » : la recherche en répertoire peut ainsi devenir le tremplin d’une recherche beaucoup plus large. Il faut noter que les moteurs de recherche des répertoires comptent le plus souvent les mêmes fonctions de recherche que les grands moteurs.
4.3.1.2. Portails spécialisés
16Les portails spécialisés dans des domaines universitaires sont de véritables mines d’or pour les chercheurs. Ces sites rassemblent quantité d’information autour d’un sujet et constituent le point de rencontre des spécialistes et amateurs éclairés. Groupes de discussions, bibliographies, actualités et articles sont autant d’activités qui font d’un portail spécialisé un lieu de référence vivant à partir duquel il est possible de lancer une recherche, d’autant plus que quantité de liens y sont généralement disponibles. Un bon exemple de portail spécialisé est Fabula (<www.fabula.org>), consacré à la recherche en littérature.
17Dans le cas des portails mis sur pied par une instance liée à une université ou à une société savante internationale, on aura peu de doutes quant à la fiabilité de son contenu. Il se peut aussi que certains portails soient l’oeuvre d’un groupe de recherche : les ressources proposées sont alors très précises et souvent des plus complètes.
18Les catégories de la plupart des répertoires généraux comptent une sous-catégorie « Portails » où sont énumérés les portails propres à une discipline. Les sites Web des bibliothèques universitaires ou nationales fournissent aussi des listes de portails spécialisés par domaine.
À LA BONNE ADRESSE
« BREF »
< www.bnquebec.ca/bref > ;
La Bibliothèque nationale du Québec a élaboré un répertoire de sites de référence sur de nombreux sujets. Ces sites proposent une information sùre, qui fait autorité. Il s’agit d’un bon point de départ pour une recherche par lnternet.
4.3.2. Moteurs de recherche
19Les moteurs de recherche, tels que Google et Alta Vista, fonctionnent à partir de bases de données qui emmagasinent l’information transmise par des logiciels-robots explorant le Web et ses innombrables pages. Il n’y a aucune intervention humaine dans ce processus. Grâce aux moteurs de recherche, l’utilisateur peut effectuer des recherches à l’aide d’un langage d’interrogation plus ou moins élaboré. À partir des mots-clés soumis, le moteur cherche dans sa base de données les occurrences correspondant à la requête, quel que soit le type de document ou la nature du site, et présente les résultats par ordre de pertinence.
20Cette pertinence est calculée de différentes façons selon les moteurs, généralement en fonction de la fréquence et de la position des termes de la requête dans les pages balayées par le moteur. Et c’est notamment en vertu du nombre de références faites à une page dans d’autres pages (les « liens » ou « links ») que les résultats de recherche sont ordonnés ; autrement dit, plus le moteur recense de liens vers une page donnée, plus celleci est considérée comme pertinente. Il faut noter que les moteurs effectuent leurs recherches à travers toutes les pages qu’ils ont explorées, contrairement aux répertoires qui pour leur part considèrent le site comme unité.
21Le Web est constamment en mouvement et les moteurs de recherche y sont sensibles. Les résultats de recherche pour une requête peuvent varier d’un jour à l’autre et d’un moteur à l’autre. Tout est donc relatif quand vient le moment de confier sa recherche à un moteur. Une recherche simple dans un moteur de recherche produira des résultats sans distinction quant au contenu du site : les sites transactionnels côtoieront les archives de quotidiens, par exemple. Il est fréquent de tomber sur des liens brisés, c’est-à-dire sur des liens vers des sites qui n’existent plus ou qui ont déménagé, parfois sans laisser d’adresse. Cependant, lorsqu’un lien aboutit à une page du type « 404 — Non trouvé », il se peut que ça ne soit que temporaire, en raison d’une mise à jour en cours ou d’une panne de serveur, par exemple. Si le site semble prometteur et pertinent, il est bon alors de prendre en note l’adresse et de réessayer quelques heures plus tard ou le lendemain.
22Il existe toutefois un embêtement plus fréquent que les autres. En effet, dans les moteurs de recherche, l’homonymie est reine : une recherche pour des documents en anglais sur le sabbat juif (sabbath) ne manquera pas de produire des liens à propos du groupe musical Black Sabbath... L’homonymie est une source de bruit et surcharge les résultats d’une recherche avec des liens sans pertinence qui compliquent le repérage de l’information appropriée.
EN PRATIQUE
Aucun outil de recherche ne couvre la totalité du Web. Dans tous les cas, il ne s’agit toujours que d’une parcelle de tout ce qui existe en ligne. Les robots utilisés par les moteurs pour explorer le Web ont chacun leur façon de fonctionner, selon des critères variant de l’un à l’autre : les bases de données ainsi élaborées ne présenteront pas le même contenu. Aussi, la même requête formulée simultanément sur deux moteurs amènera des résultats tout à fait différents. C’est pourquoi il est recommandé de toujours lancer sa requête dans au moins deux outils de recherche.
23Pour diminuer le bruit produit par un moteur de recherche, on peut ajouter à la requête un mot-clé spécifique au sujet de la recherche : ajouter jew ou jewish à sabbath. Mais dans d’autres cas, il est utile de procéder à une recherche en mode avancé, car cela permet de rechercher une expression exacte, d’en exclure d’autres susceptibles de créer du bruit ou encore de limiter la recherche à une seule langue.
24Nous suggérons la procédure suivante.
Faire une recherche simple (Sabbath).
Repérer les résultats inappropriés et les parcourir (fan clubs de Black Sabbath, vente en ligne de disque rares de Black Sabbath, site officiel de l’émission « The Osbornes », etc.).
Comprendre en quoi ils ne sont pas pertinents à la recherche et trouver des mots-dés pour les désigner (black, rock, métal, hard rock, musique).
Reprendre la recherche en mode avancé, en reformulant la recherche et en indiquant les mots-dés à exclure (équivalent de l’opérateur SAUF) et, si possible, en incluant une expression exacte suffisamment spécifique pour préciser la recherche, sans être toutefois trop restrictive.
4.3.2.1. Fonctionnalités de recherche
25Par défaut, les moteurs proposent une recherche en mode simple : il s’agit de soumettre un ou plusieurs mots-clés dans un champ de saisie, et le moteur cherchera les pages contenant le ou les mots-clés. C’est rapide, mais les résultats seront très nombreux et comprendront beaucoup de bruit. Pour affiner l’interrogation, il est possible d’utiliser les opérateurs booléens (généralement en majuscules), mais les signes utilisés pour les désigner peuvent varier d’un outil à l’autre. De plus, l’opérateur par défaut, lorsque les mots-clés ne sont pas liés, n’est pas toujours ET (ou AND). En consacrant quelques minutes à la consultation de la rubrique d’aide du moteur, on évite beaucoup de temps perdu en recherches stériles.
26L’emploi des parenthèses, jumelé aux opérateurs booléens, indique au moteur les mots-clés et opérateurs à traiter en premier. Lorsque des paren¬ thèses en contiennent d’autres, la priorité ira à celles qui sont le plus à l’intérieur. Par exemple, une recherche sur les politiques culturelles américaines qui veut tenir compte de quelques synonymes doit être formulée ainsi :

27Le moteur traitera la requête en trois étapes :
1re étape : il traitera la parenthèse (culture OR cultural OR arts) ;
2e étape : il cherchera, dans les pages trouvées à la première étape, celles qui contiennent le mot policy, et il cherchera aussi, simultanément, les pages citant les mots united states ou american ;
3e étape : le moteur cherchera les pages qui sont communes aux résultats des deux recherches de la deuxième étape.
28En l’absence de parenthèses, les requêtes complexes risquent d’être peu fructueuses, car le traitement des opérateurs booléens et des mots-clés qu’ils lient, dans ces cas-là, suivra un ordre prédéterminé, sans lien avec la logique de la requête.
a) Fonctions courantes
29Le mode de recherche avancé, appelé aussi recherche évoluée, mode expert ou options de recherche, permet d’effectuer des recherches plus précises en combinant différents critères qui font écho à la logique booléenne. Chaque critère dispose d’un champ de saisie :
tous les mots (ET),
expression exacte,
un des mots suivants (OU),
aucun de ces mots (SAUF).
30La recherche d’une expression exacte (saisie entre guillemets dans une recherche simple) permet de trouver une séquence de mots dans un ordre déterminé, ce qui peut s’avérer utile pour dénicher une citation, un titre, un lieu géographique, un nom propre, etc. L’utilisation des critères équivalant aux opérateurs OU et SAUF aide à élargir la recherche tout en éliminant les principaux facteurs de bruit.
EN PRATIQUE
Les fonctions de recherche avancée sont nombreuses et variées. C’est pourquoi il est important de consulter la rubrique d’aide à la recherche avant d’utiliser un outil de recherche que l’on connaît peu. La rubrique d’aide indique les modes de recherche possibles et la façon de les utiliser. Cette rubrique mentionne également les limites de l’outil de recherche.
b) Autres fonctions
31Les moteurs de recherche sont toujours sensibles à la proximité des motsclés soumis ; ils en font presque un critère de base du calcul de la pertinence. Certains moteurs proposent un opérateur de proximité parmi leurs critères de recherche avancée, grâce auquel il est possible de chercher les pages présentant les mots-clés séparés par un nombre maximum de mots donné. Par exemple, pour une recherche sur l’art à Florence, une requête art ET Florence risque d’être trop générale (les deux mots peuvent figurer sur une même page dans des contextes différents), alors que la recherche de l’expression exacte « “art à Florence” » sera peut-être trop restrictive ; par contre, chercher les mots « art » et « Florence » séparés par au plus 10 mots s’avère plus flexible, car le moteur retiendra « l’influence de l’art dans l’histoire de Florence »,» ... à Florence, où l’art a connu... », etc. Une telle requête est formulée par l’opérateur NEAR, pour certains moteurs, ou en mode avancé, dans le champ de saisie approprié.
32Alors que la troncature est courante dans les catalogues de bibliothèques, sa présence est beaucoup plus limitée dans les moteurs de recherche, ou souvent n’existe carrément pas. Ce n’est qu’en consultant la rubrique d’aide du moteur qu’on sait si la troncature (appelée également lemmatisation) est offerte.
33Comme la recherche universitaire repose en bonne partie sur l’examen des sources, on appréciera la possibilité offerte par les moteurs d’afficher les pages qui pointent vers l’URL spécifié dans le champ de saisie pertinent. La fonction de référence, ou de citation, peut être utile pour vérifier la fiabilité du site en sachant quels sites le réfèrent, mais aussi pour découvrir d’autres sites portant sur le même sujet. Par exemple, on peut apprendre que le portail Global Biodiversity Information Facility (<www.gbif.org>) fait l’objet de 1500 liens, à partir notamment de nombreux instituts de recherche universitaires, du National Biodiversity Network et de sites consacrés à une branche particulière de la biodiversité.
34Les plus importants moteurs de recherche du Web offrent la possibilité de chercher des documents audiovisuels, tels des images ou des fichiers MP3. Parallèlement, les bibliothèques nationales, les archives nationales et les musées peuvent constituer de bons points de départ pour la recherche de ce type de documents, car souvent une partie de leurs collections a été numérisée et organisée en bases de données interrogeables. Ces documents sont parfois libres de droits.
c) Délimiteurs
35On peut aisément et avec profit affiner une recherche en en excluant d’emblée les sites qui, dans leurs caractéristiques générales, ne seront d’aucune utilité. En limitant la recherche à une langue (ou à plusieurs, selon les moteurs) choisie dans un menu déroulant, on exclut les sites rédigés dans les autres langues, ce qui allège substantiellement les résultats. La requête simple thomas bernhard (nom d’un célèbre écrivain autrichien) donne parmi les dix premiers résultats sept liens en allemand, peu utiles (bien que pertinents) si on ne maîtrise pas la langue ; la même requête limitée aux pages en français donnera des résultats plus exploitables pour l’étudiant qui peut répéter la requête en la limitant à une autre langue qu’il maîtrise. Certains moteurs proposent aussi le pays comme délimiteur.
36Lorsque la fraîcheur de l’information s’avère un facteur déterminant pour la recherche, la date de la dernière mise à jour devient un délimiteur efficace. La recherche peut se concentrer sur les pages créées ou modifiées dans un intervalle spécifié à partir, là aussi, d’un menu déroulant. Il existe toutefois des serveurs qui ne fournissent pas les dates de mise à jour de leurs pages ; par conséquent, ces sites échapperont à la recherche.
37Le type de domaine est également un délimiteur. On peut centrer la recherche sur des pages liées à un même domaine, voire à une extension de domaine (.ca,.com, etc.), ou les en exclure (selon une combinaison de menu déroulant et de champ de saisie). Il faut toutefois être prudent, car les frontières entre les différentes extensions de domaines sont poreuses. Ce serait faire fausse route que d’exclure par exemple tous les.com en espérant se débarrasser des sites transactionnels, car ils n’ont pas l’exclusivité de cette extension : beaucoup d’information de qualité est logée sur des sites.com.
38Certains moteurs prennent en considération des formats de fichiers autres que les pages HTML, tels que les fichiers PDF, Word, Excel, etc. Il est parfois possible de préciser quels types de fichier sont recherchés, à partir d’une liste proposée ou d’un champ de saisie. On trouvera ainsi plus aisément certains articles en ligne, des travaux de recherche ou des prépublications, par exemple.
d) Limites des moteurs de recherche
39Les requêtes adressées aux moteurs de recherche doivent tenir compte des limites de chacun. Par exemple, certains moteurs ne font pas la distinction entre les majuscules et les minuscules ou n’incluent pas dans la recherche les accents et caractères diacritiques (cédille, tilde espagnol, umlaut allemand, etc.). Quant aux signes de ponctuation (incluant les tirets, les traits d’union, les apostrophes, etc.), il vaut mieux s’abstenir de les utiliser, car il existe des moteurs qui ne les prendront pas en compte.
40Rappelons finalement que les moteurs ne cherchent que dans les pages qu’ils ont explorées, ce qui est loin d’inclure l’ensemble du Web ; nous y reviendrons.
4.3.3. Métamoteurs de recherche
41Les métamoteurs sont des outils qui permettent d’effectuer une recherche à l’aide de plusieurs moteurs simultanément. On connaît entre autres Copernic et Meta-Crawler. S’ils font gagner du temps, leurs résultats ne seront pas toujours utiles, surtout dans le cas de recherches très précises.
42En effet, les métamoteurs n’utilisent pas les moteurs au mieux de leurs capacités. Bien souvent, les interrogations ne se font qu’en mode simple et ne s’adaptent pas aux particularités de chaque moteur. Une requête complexe soumise à un métamoteur risque de ne pas toujours être comprise par les moteurs qu’ils mettent à contribution.
43Ces outils sont toutefois utiles pour effectuer un tour d’horizon très général d’un sujet et observer comment chaque moteur réagit à la requête en vertu de ses propres caractéristiques.
4.4. Le Web invisible
44C’est un mythe très répandu que celui selon lequel les moteurs de recherche donnent accès à l’ensemble du WWW. Rien n’est plus faux.
45D’une part, les moteurs ne permettent de trouver que l’information contenue dans les pages qu’ils ont recensées. D’autre part, les internautes ordinaires ne peuvent consulter que l’information disponible en libre accès ; or la quantité d’information d’accès restreint est très importante.
46Il y a aussi le Web invisible, cette zone d’Internet où l’information est accessible, mais pas directement à partir d’un moteur de recherche : le contenu des documents PDF, par exemple, n’est pas toujours exploré par les moteurs. C’est aussi le cas des sites qui emmagasinent beaucoup de données : les robots ne repéreront que l’information générale sur le site, sans s’attacher aux données stockées. Cette difficulté d’accès ne relève généralement pas de l’obstacle que pose l’exigence d’un numéro d’usager, d’un mot de passe ou d’une somme à débourser, mais plutôt des insuffisances des outils de recherche qui ne sont pas parfaits ni doués d’intelligence artificielle.
PAR EXPÉRIENCE
Pour un travail en histoire, j’ai eu besoin de consulter un texte ancien, Topographia Hibemica, que je croyais pouvoir trouver dans Internet. Mes recherches furent infructueuses, tes moteurs n’ayant donné aucun résultat menant au texte intégral de l’ouvrage. Or, l’ouvrage était disponible sur Gallica (<gallica.bnf.fr>), une bibliothèque virtuelle de la Bibliothèque nationale de France, mais ce n’est qu’en me rendant sur le site que je découvris le document, car les moteurs ne pouvaient indexer le contenu de cette bibliothèque virtuelle. Il peut en aller de même pour des articles scientifiques, des listes, des bottins, des annuaires, etc.
47Une grande quantité d’information scientifique paraît dans des articles de périodiques savants en ligne, dont l’accès se limite souvent aux seuls résumés. En revanche, les bibliothèques universitaires sont, elles, abonnées à de très nombreux périodiques en ligne que la communauté étudiante peut consulter. Les bibliothécaires peuvent en fournir la liste de même que les modalités d’accès.
48Mais le Web invisible est surtout constitué de ces pages qui échappent aux moteurs parce qu’aucun lien ne pointe vers elles, parce que leur webmestre empêche leur indexation ou encore parce que le volume du contenu à indexer est trop important en regard de son utilité. Ces pages peuvent aussi être invisibles parce qu’elles appartiennent à une base de données dont l’accès nécessite son interrogation, ce qu’un moteur ne sait faire. Dans la plupart des cas, il s’agit d’information disponible par le truchement d’Internet, mais qui n’est pas à proprement parler dans Internet.
49Il existe donc beaucoup d’information en ligne dont la consultation exige une stratégie de recherche complexe, surtout s’il s’agit d’information spécialisée.
50Lorsqu’une information ou un document demeure introuvable malgré plusieurs recherches à l’aide de répertoires, de portails et de moteurs de recherche, il est possible que l’information ou le document soit logé quelque part dans le Web invisible. Cette information, par conséquent, doit être cherchée de manière indirecte : plutôt que de se demander où la trouver, il vaut mieux se demander par où on doit passer pour y accéder (catalogue, répertoire, annuaire, bibliothèque virtuelle, titre ou type de publication, type de donnée, etc.). Autrement dit, on doit demander au moteur de nous emmener aux portes du Web invisible. Un bibliothécaire de référence peut aider à s’y rendre.
51Un occupant de choix du Web invisible est sans conteste les bibliothèques virtuelles, nées de l’ambition de rendre possible la consultation en ligne d’ouvrages de tous auteurs et de toutes époques. Nous avons vu qu’internet est en train de devenir un canal privilégié pour la diffusion de travaux de recherche actuels, mais la chose est tout aussi vraie pour les travaux du passé. À l’initiative de plusieurs bibliothèques nationales, entre autres, de nombreux projets de bibliothèques virtuelles sont sur pied grâce auxquels des milliers de textes appartenant au domaine public (c’est-à-dire libres de tout droit d’auteur) sont à la disposition des internautes. Quelques-unes des plus connues sont Gallica (Bibliothèque nationale de France, plus de 70 000 documents numérisés), le Project Gutenberg (conçu par Michael Hart) et ABU : la bibliothèque universelle (Association des bibliophiles unis). Ces bibliothèques virtuelles font souvent partie du Web invisible, car l’accès aux textes nécessite l’interrogation d’une base de données (impossible aux moteurs) ou ces textes sont simplement emmagasinés sur un serveur à part, hors de portée des robots de recherche.
À LA BONNE ADRESSE
« Quelques sites ou outils utiles pour explorer le Web invisible »
<urfist.univ-lyon1.fr/invisible.html>
L’Unité régionale de formation et de promotion pour l’information scientifique et technique de Lyon présente des liens vers des outils pour la recherche dans le Web invisible : moteurs de presse, répertoires et métamoteurs spécialisés.
4.5. Évaluer l’information
52Il est presque impossible qu’une recherche dans Internet fasse mouche du premier coup. Au mieux, on obtiendra un certain nombre de résultats en apparence pertinents, dont seuls quelques-uns seront vraiment utiles et fiables. Afin de ne pas se retrouver aux prises avec une documentation de qualité équivoque, le mieux est d’appliquer aux pages qui ont retenu l’attention quelques critères d’évaluation qui permettront de déterminer si l’information est digne de confiance. Les quatre principaux groupes de critères sont la crédibilité de la source, la qualité du contenu, la qualité de l’organisation intellectuelle de l’information et la présentation de l’information.
4.5.1. Crédibilité de la source
53Si la page Web trouvée n’est pas liée à une source crédible ou si elle ne semble pas bénéficier de la moindre autorité explicitement affichée, il est fort possible qu’elle ne présente aucune valeur pour une recherche de niveau universitaire.
54La crédibilité d’une page Web se mesure en regard de la possibilité d’en identifier le responsable ou la source. Il faut savoir quelle est l’expertise de l’animateur du site, si ce dernier est lié à une institution ou à un organisme, si l’objectivité de l’information est manifeste (présence ou absence de commandites, par exemple). À bien des égards (mais pas dans l’absolu), la stabilité du site est un gage de sa crédibilité : un site existant depuis plusieurs années, d’un accès facile et ne déménageant pas inspire davantage confiance qu’un autre.
55Il importe aussi de savoir quelle autorité se profile derrière la page Web et approuve la publication de l’information dans le cyberespace. L’opinion que se fera l’internaute universitaire sera différente selon qu’il tombe sur une page rédigée par un universitaire reconnu et diffusée par le site de son département, ou qu’il déniche une page conçue par un amateur dont le site est hébergé gratuitement par un serveur commercial. En jetant un coup d’oeil au type de domaine qui accueille la page, on peut se faire une idée générale des motifs de la diffusion de l’information : une page dans un domaine .gov, .gc ou .gouv, par exemple, est produite par une instance gouvernementale, donc officielle, alors qu’une page issue d’un domaine.com peut être assujettie à des motifs commerciaux.
56Un texte de présentation accessible dès la page d’accueil du site et décrivant son mandat, son historique, ses objectifs, mais aussi sa méthodologie et ses sources, sans oublier d’identifier le responsable du contenu et ses coordonnées, permet de juger du sérieux avec lequel les responsables du site choisissent et diffusent l’information.
57Quelques questions à se poser pour évaluer la crédibilité de la source : Qui est responsable du site ? L’animateur de la page est-il reconnu ? Y a-t-il une preuve de validation de l’information (éditeur, évaluateur, comité de rédaction, etc.) ? Le site cherche-t-il à informer ou à vendre ?
4.5.2. Qualité du contenu
58Que l’information soit proposée par des gens fiables ne signifie pas qu’il faille accepter tel quel le contenu de la page Web sans se questionner quant à sa qualité. La notion de mise à jour est capitale. Il y a fort à parier qu’un site qui n’a pas été mis à jour depuis longtemps ne sera pas en mesure de donner une information juste et valable : les données seront peut-être périmées, les liens pointeront vers des sites qui n’existent plus, par exemple. Notons toutefois que cette notion de péremption varie selon les domaines : en informatique ou en astrophysique, l’information jouit d’une durée de vie bien plus courte qu’en études littéraires. Quoi qu’il en soit, un site à l’abandon, même s’il contient des données valables, n’aura pas l’utilité d’un site régulièrement mis à jour, avec son lot de matière fraîche.
59La qualité du contenu dépend aussi de l’adéquation de celui-ci avec les objectifs du site et le public visé. Un site qui se veut une référence tout en se bornant à diffuser des généralités ne vaudra que très peu aux yeux du chercheur. De même, un site truffé de liens vers des commerces en ligne incitera à la prudence.
60Aussi, comme pour tout document, l’exactitude et la pertinence de l’information doivent être prises en compte, de même que la qualité des données et de l’écriture (une page pleine de fautes éveille la méfiance), la citation des sources et la présence d’une bibliographie. Lorsqu’on sait qui est l’auteur de la page (critère de crédibilité), la qualité du contenu est plus facile à évaluer.
61On se fiera à un site bien écrit proposant une information originale présentée en texte intégral et difficilement trouvable ailleurs. Un site complété par de nombreux liens actifs et de qualité bénéficie d’une valeur ajoutée, puisque ceux-ci permettent de relancer la recherche.
62Quelques questions à se poser pour évaluer la qualité du contenu : L’information est-elle originale ? Le site a-t-il été récemment mis à jour ? L’auteur cite-t-il ses sources ? L’information est-elle approfondie ? Est-ce bien écrit ? Qu’est-ce qui habilite l’auteur à se prononcer sur ce sujet ? Y a-t-il une cohérence entre l’information sur le site et les connaissances actuelles de la discipline ?
EN PRATIQUE
La meilleure façon de valider une information consiste à la confirmer à l’aide d’une autre source fiable. La contre-vérification est très efficace pour évaluer la qualité de l’information trouvée en ligne. Les sites Web des bibliothèques universitaires mettent à la disposition des usagers des listes de sites dont l’information a été validée : il s’agit là d’un bon point de départ.
4.5.3. Organisation intellectuelle de l’information
63Internet a changé notre approche de la lecture. Plutôt que de lire un texte du début à la fin en tournant les pages, nous lisons les pages Web de façon fragmentée, au gré des hyperliens. Un site bien conçu doit tenir compte de ce changement dans nos habitudes et permettre à l’internaute de naviguer sur le site sans encombre.
64Les sites présentant l’information de façon structurée, disposant d’un moteur de recherche et d’un plan du site, et pourvus d’outils d’aide facilitent l’accès à l’information et sa compréhension. Quand on navigue aisément à travers le site, quand on risque peu de se perdre et quand on peut retourner sans mal à la page d’accueil, on prend plus facilement la mesure de ce qui est proposé et on en profite plus rapidement.
65Quelques questions à se poser pour évaluer l’organisation intellectuelle de l’information : Le site est-il facilement accessible ? Arrive-t-on facilement à la page désirée ? Le site est-il bien structuré ? Possède-t-il un plan, un moteur de recherche ? La navigation est-elle aisée ?
4.5.4. Présentation de l’information
66Que l’information soit pertinente et fiable, et que le site qui l’héberge soit bien organisé ne signifient pas que la consultation sera aisée et pratique. On peut se lasser rapidement de lire une page Web, même si elle recèle des trésors. Les institutions et organisations qui souhaitent diffuser dans Internet des informations sérieuses et utiles pour les chercheurs veillent généralement à ce que ceux-ci ne soient pas découragés devant un site dont la consultation relèvera de la course à obstacles.
67Un site à l’apparence soignée, dont les données sont chargées rapidement, disposant des logiciels nécessaires ou proposant un lien vers les sites pertinents pour les obtenir, spécifiant les préalables pour y naviguer, annonce une consultation prometteuse.
68Il y a plus important : l’information doit être clairement affichée, en caractères lisibles et de bonne taille, sur un fond neutre ; chaque page doit être clairement intitulée et le vocabulaire de signalisation précis et normalisé afin de pouvoir se déplacer sans encombre à travers le site. Dans le cas d’une page s’adressant à des universitaires, les notes doivent être accessibles par un hyperlien et permettre le retour au texte en un clic.
69Une information le moindrement substantielle demandera à être lue sur un autre support ou à un autre moment. À cet égard, le site devra permettre une récupération aisée de l’information, par téléchargement, sauvegarde ou impression, en proposant des liens vers une version imprimable de la page ou des documents en format PDF, par exemple.
70Quelques questions à se poser pour évaluer la présentation de l’information : Les pages sont-elles agréables à lire ? Se déplace-t-on avec aisance ? Peut-on imprimer ou télécharger l’information dans un format pratique ? Si la consultation du site demande des logiciels spéciaux, fournit-il les moyens de les obtenir ?
♦♦♦
71La rapidité et l’apparente facilité avec lesquelles Internet diffuse l’information ne doivent induire personne en erreur : une recherche efficace demande du temps et une stratégie bien élaborée. Aucune des nombreuses ressources disponibles pour explorer le Web ne saurait suffire à elle seule pour trouver des documents pertinents. Ces derniers étant souvent mêlés à des pages sans intérêt scientifique, il arrive fréquemment qu’il faille avoir recours à des outils précis demandant plus de patience que d’autres. Il s’agit par conséquent d’aborder ce versant de la recherche avec prudence et méthode.

72Pourquoi est-il essentiel d’évaluer avec soin les sites Internet ?
73🆁 Parce que l’information contenue dans Internet ne fait pas toujours l’objet d’une évaluation par une autorité reconnue.
74Comment appelle-t-on l’ensemble des pages Web qui échappent aux moteurs de recherche ?
75🆁 Le Web invisible.
76Qu’est-ce qu’un portail spécialisé ?
77🆁 Il s’agit d’un site Web consacré à un seul sujet ou à une seule discipline et proposant des ressources aussi variées que des groupes de discussions, des bibliographies, des actualités, des répertoires et des articles.
78Qu’est-ce qu’un métamoteur de recherche ?
79🆁 C’est un outil qui permet de lancer une recherche dans plusieurs moteurs simultanément.
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Guide méthodologique universitaire
Un programme en 12 semaines
Aude Jimenez et Jamal-Eddine Tadlaoui
2011
Éloge du flou
Aux frontières des mathématiques et de l’intelligence artificielle
Arturo Sangalli
2001
