Sur Twitter, le nombre de fonctionnalités essentielles à la veille se réduisant drastiquement, nombreux sont les professionnels qui se questionnent sur les alternatives. Twitter a perdu encore 10 % d’abonnés en quelques mois, et les institutions, comme l’ENSSIB par exemple, commencent également à déserter cet espace.
Parmi ces alternatives, on distingue Bluesky, qui semble plus légitime que les autres, car créée par l’ancien fondateur de Twitter lui-même, Jack Dorsey. Cette plateforme de microblogging a été lancée en février dernier. Elle est actuellement disponible sur invitation uniquement et a dépassé le million d’utilisateurs (à titre de comparaison, Twitter compte environ 200 millions et Discord 300 millions d’utilisateurs réguliers). Outre sa ressemblance avec le Twitter des débuts, sans pubs, sans algorithmes intrusifs et de vraies fonctionnalités de recherche, son atout pour les veilleurs réside dans son ambition de rendre le contrôle des algorithmes, et donc des feeds, à ses utilisateurs.
Et si Bluesky réussit son challenge, le veilleur pourrait y retrouver sa communauté - et son sourcing - qu’il perd petit à petit sur Twitter. Parmi la communauté francophone, les journalistes, suivis par les chercheurs et les experts, s’y retrouvent déjà dans une ambiance calfeutrée et intimiste. Autre avantage, Bluesky remet les fils d’actualités - appelés Feeds - à l’honneur, un peu comme si Twitter avait mis en avant la fonctionnalité des Listes, essentielle aux veilleurs, mais toujours méconnue et de ce fait sous-exploitée.
Lire aussi :
« La veille sur les réseaux sociaux s’annonce de plus en plus fragmentée », BASES n° 417 - septembre 2023
Les générateurs de vidéos, ou Text to Video, sont-ils l’occasion de tester le format vidéo, trop cher jusqu’à présent, pour certains professionnels de la veille ?
La vidéo peut servir non seulement à favoriser la transformation d’une information en connaissance pour un livrable, mais elle peut aussi contribuer à animer, voire moderniser, un support pédagogique, ou encore à vendre son service de façon plus commerciale. Voici donc - parmi la centaine existants - 4 outils faciles à utiliser pour s’autoriser à passer le pas, technique et financier, de la vidéo. Au-delà du résultat, leur prouesse réside surtout dans leur facilité d’utilisation (les outils de notre sélection n’ont pas de table de montage) et dans leur rapidité d’exécution (une quinzaine de minutes suffit).
Voilà des dizaines d’années qu’on lit cette expression dans de multiples documents de toutes natures ou qu’on l’entend prononcée lors de conférences. Pour illustrer la « popularité » de cette expression, une recherche dans Google avec l’expression « 80% of technical information is found only in patents » génère entre 8 et 10 millions de réponses. Si l’on cherche avec l’expression traduite en français, le nombre de documents annoncés est proche de 200 000 ! On sait que l’on ne pourra les visualiser tous, mais le chiffre est impressionnant.
Il faut noter que, si le plus souvent on parle de 80 %, on trouve également la fourchette « 70 % - 90 % ».
Dans cet article, nous nous sommes demandé s’il s’agissait d’une « légende urbaine persistante » ou bien si cela était vrai.
Le réseau social par excellence pour faire de la veille a longtemps été Twitter (désormais X), en raison des fonctionnalités qu’il proposait et de la gratuité de son API qui permettait l’existence d’un écosystème d’outils de qualité pour analyser, rechercher et faire de la veille sur le réseau social.
Et cerise sur le gâteau, on y trouvait de nombreux contenus pertinents pour la veille professionnelle. X (ex-Twitter) était à la fois une plateforme de communication des entreprises, des marques, des associations et des collectivités, le lieu d’expression de la communauté scientifique ou encore des journalistes, une place de choix pour la veille métier des veilleurs, un outil de recherche fiable sans algorithme de sélection avec des archives remontant à 2006, etc.
La fin de la gratuité de l’API et les évolutions des fonctionnalités ont brutalement mis un terme à la veille et à l’analyse automatisée telle qu’on pouvait les connaître. X (ex-Twitter) est devenu un réseau social fermé, comme beaucoup d’autres.
Et cela a des conséquences directes pour le pro de l’information : il faut envisager la veille sur les réseaux sociaux d’une autre manière, où X (ex-Twitter) est devenu un réseau social parmi d’autres dans la liste toujours plus longue des réseaux.
Dans cet article, nous vous expliquons comment faire de la veille sur les réseaux sociaux dans un contexte où, a priori, tous les réseaux sociaux peuvent avoir un intérêt pour la veille. Quels réseaux envisager, quels éléments mettre sous surveillance et quelle méthodologie appliquer et quels outils utiliser ?
Alors que l’utilité des cartes mentales est relancée par le renouveau actuel du Personal Knowledge Management, une nouvelle génération, issue des IA génératives, arrive sur le marché.
Ces cartes mentales générées par IA, ou Text to Mindmap, créent instantanément une carte mentale à partir d’un simple titre. Elles constituent un bon exemple de l’apport possible des IA génératives dans les pratiques de veille, quand celles-ci sont utilisées à bon escient.
Utilisés en phase de mise en place et de définition du périmètre d’une recherche ou d’une veille, les outils Text to Mindmap se révèlent ainsi un atout non négligeable. Bien sûr, ils ne sont pas parfaits et ne font pas (tout) le travail, mais ils constituent une première étape intéressante et sans doute un gain de temps et d’attention réels.
Avec la multiplication des médias sociaux et les changements récents au sein de X (ex-Twitter) qui conduisent à se poser sérieusement la question d’une alternative, les professionnels de la veille sont amenés à tester, maintenant plus que jamais, de nouveaux canaux pour surveiller (et diffuser) leurs informations.
L’une des plateformes où trouver de l’information de qualité, souvent de niche, est Discord. L’outil étant réservé au départ aux gamers et peu intuitif au premier abord dans une démarche de veille, beaucoup de professionnels n’ont sans doute pas encore osé franchir le pas. Pourtant, la qualité des communautés, du contenu et des relations entretenues sur cette plateforme, ainsi qu’une expérience plus saine pour notre santé mentale, garantie sans intrusion publicitaire ni surcharge algorithmique, valent la peine de fournir un effort supplémentaire. Mode d’emploi.
Les universités américaines publient de grandes quantités de journaux et disposent également d’« entrepôts de données » bien garnis, mais ces informations ne sont pas facilement accessibles et il est exclu de les rechercher sur chaque site d’université.
Ce ne sont pas, en général, des articles « validés par les pairs » tels que ceux dont on trouve les références dans beaucoup de banques de données classiques. Mais ils ne sont pas, pour autant, sans intérêt, car on peut difficilement croire que ces publications sont des « revues prédatrices ».
Nous avons dans ce cadre identifié une source originale et peu connue, qui offre l’accès à des données produites par 655 universités grâce au Digital Commons Network.
La fiabilité des sources est un critère essentiel pour les professionnels de la veille. En effet, ils doivent s’assurer que les informations qu’ils collectent sont exactes et fiables afin de pouvoir les transmettre à leurs clients.
Pour cela, ils vérifient davantage la fiabilité des sources en amont en bâtissant un dispositif solide, plutôt que via un «fact-checking après coup» des sources des informations. Cette opération serait en effet bien trop chronophage, le temps devant être consacré à la validation et l’analyse du contenu de l’information lui-même.
C’est ainsi que pour les zones géographiques que l’on maîtrise, on a son échelle de valeur de qualité des sources. Sur des zones que l’on connaît mal, c’est plus difficile.
Aujourd’hui, devant l’impact des IA génératives sur la chaîne de l’information et par souci d’exhaustivité, le veilleur n’a d’autre choix que d’explorer les solutions alimentées à l’IA. Il s’expose ainsi à une masse de contenu non fiable, en provenance des générateurs de texte comme ChatGPT ou Bard, ainsi que des moteurs de recherche dopés à l’IA comme Bing Chat ou Perplexity.
Pour en évaluer le contenu, ces textes générés par IA, dits « synthétiques », doivent être a minima vérifiables. Pour cela, trois éléments sont à vérifier : la source, les faits et leur interprétation. Or, non seulement l’IA génère de fausses informations, mais elle ne permet pas actuellement de les vérifier. Ce faisant, elle va jusqu’à inverser le rapport au temps du veilleur entre la production d’une analyse (qui devient très rapide) et sa vérification (chronophage).
Parmi les outils IA, ceux qui proposent la fonctionnalité de Text-to-Speech (ou Text to Voice) représentent un gain de productivité. On les utilise pour écouter ses sources, ou pour faire écouter son livrable en format audio.
Nous en avons sélectionné quatre, en accès gratuit ou freemium, parmi une vingtaine d’outils explorés.
Nous les avons choisis pour la qualité du son généré par IA, c’est-à-dire le plus proche possible de la voix humaine, et pour la richesse de ce qu’ils offrent déjà dans leur version gratuite.
Il existe de très nombreuses banques de données bibliographiques de littérature scientifique. Selon les cas, les possibilités de recherche sont plutôt rustiques ou, au contraire, plus ou moins sophistiquées (indexation, opérateurs de proximité, troncatures, conversion des orthographes américaine et anglaises, reconnaissance des abréviations, recherche sur des valeurs numériques, liens citants/cités, recherche par structures chimiques, recherche dans plusieurs banques de données à la fois…).
Europe PMC (https://europepmc.org/) va plus loin même si elle n’offre pas toutes ces possibilités et nous n’hésitons pas à la qualifier de banque de données augmentée car elle permet, d’une part, de focaliser la recherche sur certaines parties d’un article, par exemple les éléments de méthodologie ou les figures. Elle permet aussi, ce qui est original, d’établir, à partir du contenu d’une référence des liens avec plusieurs banques de données externes plutôt factuelles/numériques, spécialisées dans le domaine des sciences de la vie telles que ChEMBL-small molecules ou MGnify-Metagenomics.