Les articles de Bases

Google News, ou Google Actualités dans sa version francophone, est l’un des services incontournables de Google pour les veilleurs et les professionnels de l’information. Il peut paraître plutôt simpliste a priori, mais les moyens d’y accéder et de le surveiller ne sont pas si limpides.

C’est pourquoi nous nous proposons de faire ici un point sur son contenu, son histoire, ses points d’accès et enfin les différents paramétrages, méthodes et outils à disposition pour surveiller une requête dans Google Actualités, qui comme on va le voir, peuvent faire considérablement varier les résultats.

Cet index spécifique de Google est né en 2002 et la version française a vu le jour en 2009. Pour rappel, Google News est un moteur de recherche dédié uniquement aux articles de presse et aux news publiés sur des sites ou portails spécialisés. D’après les derniers chiffres que nous avons pu trouver, il crawle au total 50.000 sources et il se décline en 60 versions régionales et en 35 langues. Ces précisions ont leur importance pour la recherche et la veille.

En cette période particulière, l’actualité de la veille et de la recherche d’information est très différente du paysage habituel. Une majorité des actualités et informations traitent des ressources d’information autour du coronavirus, la gratuité temporaire de certains outils et sources d’information ainsi que du thème du télétravail.

Cependant, tout ne s’est pas complètement arrêté et de nouveaux outils de recherche et de veille font leur apparition et d’autres évoluent.

Les nouveautés des géants du web

MÉTHODOLOGIE • Faut-il proscrire les opérateurs booléens sur Google : nous avons testé, pp. 1-3

DATAVIZ • Enrichir ses livrables de veille grâce à la datavisualisation, p. 4-5

OUTIL DE VEILLE • Mediatree veut faire profiter les veilleurs et professionnels de l’information de sa technologie de veille audiovisuelle, p. 6-8

BASES DE DONNEES • Knoema et Statista, deux portails incontournables pour la recherche de statistiques, pp. 9-10

BASES DE DONNEES • De nouvelles ressources gratuites sur le COVID-19 p. 11

Pour les professionnels de l’information, les opérateurs booléens représentent la clé de voûte d’une stratégie de recherche et de veille réussie.

Si de plus en plus d’outils de recherche (notamment gratuits) font disparaître les opérateurs booléens et encore plus les opérateurs de recherche avancés (opérateurs de proximité, troncature, etc.), Google, lui, n’a pas choisi cette voie-là.

Le géant américain qui reste un outil incontournable pour la veille et la recherche d’information permet depuis ses débuts (en 1998 déjà !) d’utiliser les opérateurs booléens AND (par défaut), OR et NOT (matérialisé sous la forme d’un tiret -).

Dans cet article, nous avons choisi de nous pencher sur l’opérateur OR qui est de plus en plus critiqué

L’une des difficultés dans l’exploitation de données consiste à associer le bon visuel pour valoriser l’information qui en découle. Le choix d’un mauvais support visuel peut entraîner une confusion et une mauvaise interprétation des données.

Dans cet article, nous expliquerons comment construire sa datavi­sualisation qui peut devenir un précieux outil lorsqu’il s’agit de traduire un ensemble de données chiffrées en information intelligible et opérationnelle. Dans un contexte professionnel, qu’elle soit sous forme d’infographie ou repré­sentation graphique PowerPoint par exemple, la datavisualisation vient en soutien aux arguments stratégiques et s’avère extrêmement efficace dans la communication interne de l’organisme.

Comment construire sa datavisualisation ?

Une bonne intelligibilité des données entraîne une appropriation de l’information plus rapide et une prise de décision maîtrisée.

Si la société Mediatree a été créée dès 2007 et se proclame « leader de la veille audiovisuelle en France », elle reste pourtant méconnue des professionnels de l’information. Grâce à des technologies de pointe brevetées, cette société française est en mesure de capter et d’indexer en temps réel le contenu de plus de 5 000 chaînes de télévision et radio dans le monde.

Ses premiers clients furent des sociétés de production audiovisuelle désireuses de retrouver des extraits sonores ou vidéo et de pouvoir les réutiliser au sein d’émissions ou de documentaires. Mais ce service a très vite aussi intéressé les responsables de communication au sein de services gouvernementaux, de sociétés de grandes marques ou d’associations, qui souhaitaient disposer d’un outil leur permettant de couvrir les médias audiovisuels pour y réaliser toutes sortes de recherches, de veilles d’image ou de réputation.

Mediatree s’est également beaucoup développée jusqu’ici en « marque blanche » ou plus exactement sous forme d’API pour d’autres sociétés évoluant dans le domaine de la veille. Son service, qui repose sur une technologie de speech-to-text, est ainsi intégré au sein de nombreux services bien connus des veilleurs : Europresse, Tagaday, Akio/Spotter, etc.

Knoema et Statista sont deux plateformes fournissant des quantités importantes de données statistiques issues de milliers de sources. Elles couvrent différents secteurs, marchés ou encore pays.

Les deux plateformes se positionnent à première vue sur un même marché similaire. Pourtant, il existe entre elles des différences non négligeables et elles ne répondent pas aux mêmes besoins.

Comment ces deux plateformes peuvent-elles répondre aux besoins des professionnels de l’information en matière de données statistiques ? Laquelle faut-il privilégier ?

Dans le dernier numéro de BASES, nous avions présenté une série de sources pour effectuer une veille sur le Coronavirus.

Compte tenu de l’actualité et de l’effervescence liée au sujet, de nouvelles sources voient le jour très régulièrement, sachant que certaines ressources se retrouvent dans plusieurs sites agrégeant les principales ressources sur le sujet.

Dialog offre maintenant la nouvelle banque de données COVID-19 Research

Lancée en février, la nouvelle base lancée par Dialog Solutions propose aujourd’hui plus de 33 500 références bibliographiques de documents scientifiques, essentielle­ment des articles, ce nombre augmentant rapidement, avec une mise à jour quotidienne.

OUTIL DE VEILLE • Edd devient Aday, la mutation de la plateforme de veille média, pp. 1-4

AGENDA • Report des conférences et formations, p. 4

BREVETS • Les combinations sets dans la classification des brevets, p. 5

IST • Les nouveaux outils de recommandation pour l’IST, pp. 6-9

SOURCING • Quelles sources pour une veille sur le Coronavirus ? pp. 10-11

L’acteur historique de l’accès numérique à la presse française a changé discrètement de nom courant mars. Mais ce changement de nom est le reflet d’une mutation plus profonde qui a démarré il y a plusieurs années.

Né en 1989 de la fusion de G.Cam serveur et Juridial, sous le nom de l’Européenne de Données à l’époque, il a été l’un des premiers à offrir un accès en ligne aux grands quotidiens comme Le Monde ou aux dépêches de l’AFP. Racheté en 1991 par ORT, il continue alors à être commercialisé sous sa marque. Lorsque Reuters rachète ORT en 1999, l’Européenne de Données ne fait pas partie du rachat et est reprise à titre personnel par les fondateurs d’ORT. C’est en 2004 que L’Européenne de Données adopte le sigle EDD, plus facile à utiliser.

D’agrégateur de presse, EDD est désormais devenu Aday, une véritable plateforme de veille média évoluant dans la sphère médiatique au sens large. Côté clientèle, la croissance repose essentiellement sur les communicants (services et directions de la communication au sein des organisations, services de relation presse, etc.). Mais la croissance de Aday s’explique aussi par sa capacité à attirer de nombreux éditeurs, en offrant une solution qui valorise réellement leurs contenus auprès de la clientèle. Au sein de cette industrie des médias, les journalistes sont également ciblés par les produits prochainement offerts par Aday.

Il existe, ou il a existé, plusieurs classifications de brevets reposant sur les éléments constitutifs de chaque brevet.

La plus récente est la Classification Coopérative des brevets (CPC) qui est une extension de la Classification Internationale des Brevets (CIB), créée par l’Arrangement de Strasbourg de 1971, qui est un système hiérarchique de classement des brevets selon les différents domaines technologiques aux­quels ils appartiennent.

Cette nouvelle classification des brevets est gérée conjointement par l’Office Européen des Brevets (OEB) et l’United States Patent and Trademark Office (USPTO) et intègre les meilleures pratiques de classification des deux offices. Sa création a été initiée en 1990 par un accord entre les deux offices et elle a été mise à disposition au début de 2003.

Devant la complexité croissante et le nombre d’éléments présents dans certains brevets, une réflexion a été menée à l’OEB pour rendre les recherches plus rapides et plus efficaces.

Depuis deux ou trois ans, le nombre de nouveaux outils pour la recherche d’information scientifique et technique est en nette progression, ce qui est une bonne nouvelle. Et cerise sur le gâteau, la majorité de ces outils fonctionne sur un modèle de gratuité.

La principale raison de cette prolifération d’outils est simple : il y a d’une part le développement de l’open science (articles scientifiques en open access, ouvertures des données de la recherche) qui fournit une matière précieuse au développement de nouveaux projets et outils et d’autre part les récentes avancées de l’IA qui permettent de proposer des outils d’un nouveau genre.

En 2020, la trajectoire semble se confirmer et de nouveaux outils de recommandation automatique de contenus appliqués à l’IST ont récemment fait leur apparition.

Nous avons choisi dans cet article de faire le point sur ces nouveaux outils de recommandation de contenus en l’occurrence Meta, Scitrus, Sparrho et CoCites.

Comment fonctionnent-ils ? Comment viennent-ils s’intégrer dans les processus de veille et de recherche des professionnels de l’information ? Quelle est leur valeur ajoutée par rapport à des outils de recherche classiques ?

Actualité oblige, de nombreux professionnels de l’information se retrouvent à devoir effectuer recherches d’information ou veilles sur le sujet du coronavirus.
Mais cela n’a rien de simple tant le volume d’information à l’échelle mondiale illustre parfaitement le concept de surinformation.

Un volume d’information impossible à gérer humainement

Du côté de la presse par exemple, Tagaday (ex-Pressedd) recensait plus de 19 000 mentions du coronavirus dans la presse française en mars 2020 (voir figure 1.).

Mediatree relevait quant à lui plus de 49 000 mentions sur les radios et TV françaises entre le 19 et le 25 mars. Et on se situe ici uniquement au niveau français...

Les articles scientifiques ne sont bien sûr pas en reste. Les bases de preprints (donc non validés par les pairs) MedrXiv et BiorXiv dépassent déjà les 1 000 articles dédiés au Coronavirus.

Enfin, les réseaux sociaux ne parlent pratiquement plus que de cela.

Dans ce contexte, vouloir tout surveiller ou un maximum est vain et surtout contre-productif. Mieux vaut donc privilégier la qualité plutôt que la quantité, d’autant que nombre de sources ne font que reprendre les mêmes informations.

IST • Les outils documentaires du CHU de Rouen : CISMeF, LiSSa et HeTP

TENDANCES • L'OSINT : illusion marketing ou nouveau champ d’investigation pur les professionnels de l’info ?

BREVES • I-expo et Documation reportés au mois de mai 2020

OPEN DATA • L’INPI vient de lancer la base gratuite data.inpi.fr

MOTEURS DE RECHERCHE • Google, toujours à l’affût de nouveaux créneaux porteurs

Dès 1995, le CHU de Rouen s’est intéressé aux sites web en langue française concernant la santé puis à la littérature médicale en langue française et a acquis une notoriété certaine. Nous avons choisi dans cet article de nous intéresser aux différents outils documentaires qu’il propose.

CISMef et son moteur DocCISMeF

Cet intérêt du CHU de Rouen a débouché, dans un premier temps, sur le projet de Catalogue et Indexation des Sites Médicaux de langue française (CISMeF) qui a été réalisé par l’équipe qui appartient aujourd’hui au D2IM (Département d’Informatique et d’Information médicale du CHU hôpitaux de Rouen). Ce site s’est développé et se développe toujours de façon continue tant au niveau de son contenu que des possibilités de recherche aujourd’hui très avancées. Il a été distingué par de très nombreux prix, a reçu de nombreux labels et a bénéficié aussi du soutien financier de divers organismes.

Il est d’ailleurs toujours à la recherche de financements pour assurer à la fois la continuité de son développement et la gratuité de son accès qui est un principe de base. Cette recherche permanente de financement est le lot de ce type de produit/service qui a pour principe le libre accès et n’est pas financé par la publicité. Le contenu de CISMeF est centré sur la santé et les sciences médicales, dépassant la médecine proprement dite.

Depuis quelque temps, on voit fleurir un peu partout, sur les réseaux sociaux et en particulier dans les environnements liés à la veille et à l’intelligence économique, le terme d’« OSINT », sorte de hashtag de ralliement, entre initiés, à une cause ou une injonction secrète.

La difficulté à en saisir immédia­tement le sens, - le terme semble, sinon barbare, pour le moins abscons - nous a intrigués. S’agit-il d’un nouveau concept stratégique de notre monde de l’information, d’un code communautaire ou bien, très prosaïquement, d’un hashtag «marketing » destiné à promouvoir, dans la collectivité des professionnels de l’information et sur le web, quelques consultants ou produits ?

Quoi qu’il en soit, nous avons voulu savoir ce qui se cachait réellement derrière...

Data.inpi.fr propose des données sur les entreprises issues du Registre National du Commerce et des Sociétés.

Cette base vient rejoindre les autres bases de données gratuites déjà disponibles, proposées par l’INPI sur :

les marques françaises, de l’Union Européenne et internationales ;

les brevets français, européens et internationaux ;

les dessins et modèles français et internationaux ;

Christoph Haxel qui organise AI - SDV est parfaitement capable, comme il le montre, d’adapter le nom de sa ou ses manifestation(s) pour suivre l’évolution des technologies.

En effet, AI - SDV remplace IC - SDV qui a eu lieu deux fois et qui était la fusion des deux manifestations II - SDV et ICIC. De plus, la localisation à Heidelberg a été abandonnée. La mention « AI » dans le titre illustre, bien sûr, le développement de l’intelligence artificielle et de ses applications.

C’est pourquoi, les thèmes privilégiés seront l’intelligence artificielle, la nu­mérisation comme préalable à la mise en place d’une intelligence artificielle, l’apprentissage profond (deep learning), …

Les conférences seront données d’une part par des praticiens qui présenteront les réalisations de leurs entreprises (Bayer Healthcare, Novo Nordisk, Novartis, Boehring Ingelheim). Cela illustre une certaine avance du secteur de la pharmacie dans le domaine et sans doute aussi que ce secteur a une plus grande facilité ou habitude que d’autres, à présenter ses réalisations.On pourra d’autre part bénéficier de présentations de consultants, de producteurs de solutions et d’organismes.

Avec Google, impossible de s’ennuyer, car l’actualité ne s’arrête jamais : nouveaux produits, évolutions de fonctionnalités, revirement de stratégie, etc. Et ce début d’année 2020 ne manque pas de nouveautés qui vont venir impacter le quotidien des professionnels de l’information pour le meilleur et pour le pire.

Les évolutions majeures concernent peu le moteur Web de Google mais surtout ses verticales thématiques : Google Datasets, Google Podcasts, ou encore Google Actualités.

Google Datasets s’améliore

Google Datasets (https://datasetsearch.research.google.com/), le moteur de données (données publiques et données de la recherche) lancé l’année dernière vient tout juste de sortir de sa version bêta.

BANQUE DE DONNÉES

• Propriété intellectuelle : Clarivate Analytics rachète darts-ip

DOSSIER AGRÉGATEURS DE PRESSE

• Google Actualités : la tendance n’est pas au beau fixe

• Quelles alternatives crédibles à Google Actualités en 2020 ?

• Les agrégateurs de presse payants ont-ils toujours de la valeur ?

darts-ip est un produit à la fois original et intéressant qui indexe de façon très fine et la plus exhaustive possible la jurisprudence en matière de propriété intellectuelle.

Aujourd’hui plus de cinq millions de documents sont disponibles, concernant des litiges et même de simples poursuites dans les domaines des brevets (1,6 million d’affaires), marques (3,2 millions d’affaires), dessins et modèles (108 000 affaires), noms de domaines (136 000 affaires), copyright (156 000 affaires) et concurrence déloyale couvrant aujourd’hui le monde entier.

Pendant longtemps, le seul accès était l’accès direct à la base après avoir signé un contrat avec darts-ip, ce qui supposait que l’on en avait entendu parler d’une façon ou d’une autre.

---

Lire aussi :

darts-ip : croissance et changement de politique
BASES n°294, juin 2012 : à commander en direct en nous écrivant à Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.

---

Le terme « agrégateur de presse » est indissociable de la recherche d’information presse mais il revêt aujourd’hui de multiples dimensions.

A l’origine, le terme faisait exclusivement référence aux agrégateurs de presse payants comme Factiva, Nexis, Press’edd, etc. qui fournissaient un outil de recherche mais également un accès au texte intégral à tous les articles de presse qu’ils indexaient.

Aujourd’hui, la grande majorité de ces acteurs intègrent des contenus plus larges (blogs, médias sociaux, sites, etc.) et se contentent pour certaines sources de crawler les sites Web sans donner accès au texte intégral.

Ces acteurs n’utilisent d’ailleurs même plus le terme « agrégateur de presse » sur leurs supports commerciaux

---

Lire aussi : 

Quelles alternatives crédibles à Google Actualités en 2020 ?
Les agrégateurs de presse payants ont-ils toujours de la valeur ?

---

Nous avons pu voir dans l’article « Google Actualités : la tendance n’est pas au beau fixe » de ce dossier spécial que Google Actualités s’avérait de plus en plus décevant dans un contexte professionnel et que de récentes annonces ne faisaient d’ailleurs que venir noircir un peu plus le tableau.

Des alternatives gratuites à Google Actualités existent depuis des années… mais jusqu’ici aucune n’était réellement satisfaisante.

La dégradation de Google Actualités pourrait bien changer la donne et laisser une chance à ses concurrents historiques ou à de nouveaux entrants.

---

Lire aussi :

Les agrégateurs payants ont-il toujours de la valeur ?
Google Actualités : la tendance n’est pas au beau fixe

---

Face à la dégradation de Google Actualités et à l’absence d’alternatives réelles en matière d’agrégateurs de presse gratuits, on pourrait être tenté de considérer que seuls les agrégateurs de presse payants peuvent permettre de réaliser de bonnes recherches d’information sur la presse.

Sur le papier, leurs corpus de sources continuent de s’enrichir et se diversifier avec les années et les fonctionnalités de recherche expertes restent présentes tandis que de nouvelles se développent.

Les agrégateurs de presse payants sont-ils aujourd’hui la seule solution pour réaliser des recherches d’infor­mation de qualité ? Ou bien à l’image des agrégateurs de presse gratuits, eux aussi seraient-ils en réalité sur une pente descendante ?

Et si la solution pour la recherche dans la presse se trouvait ailleurs ?

---

Lire aussi :

Google Actualités : la tendance n’est pas au beau fixe
Quelles alternatives crédibles à Google Actualités en 2020 ?
Presse, réseaux sociaux, contenus multimédias, littérature scientifique, données ... : rechercher sur des contenus très disparates

---

DOSSIER SPECIAL CONFERENCE SEARCH SOLUTIONS 2019 - Londres

• Le SEO et la veille au défi des moteurs 

BREVES •  LexisNexis Newsdesk devient Nexis Newsdesk

SERVEURS • WTI : des ressources allemandes peu connues

INDEX •  Les lettres de BASES 2019

Pour la troisième année consécutive, nous avons assisté à la journée « Search Solutions » à Londres où se côtoient ceux qui font les moteurs (ingénieurs, data scientists, informaticiens, etc.) et ceux qui les utilisent (professionnels de l’information et du SEO).

L’intelligence artificielle et plus particulièrement le machine learning et le NLP (Natural Language Processing) étaient encore une fois au cœur de la très grande majorité des présentations.

Mais contrairement aux années précé­dentes, l’accent était mis davantage sur des outils de recherche spécialisés et thématiques et moins sur les grands acteurs de la recherche Web comme Google ou Microsoft.

---

Lire aussi : 

Comprendre les évolutions des moteurs Web généralistes pour mieux les utiliser
Moteurs de recherche spécialisés : entre IA et approche traditionnelle
Des nouveaux moteurs qui tirent parti des contenus multimédia
Le SEO et la veille au défi des moteurs

---

Après les moteurs spécialisés sur le juridique, le recrutement ou la santé, il a également été question de nouveaux moteurs qui tirent parti des contenus multimédia.

On le sait, les contenus multimédia prolifèrent et il est de plus en plus important de les inclure dans son dispositif de veille et ses recherches d’information. Pourtant, ce sont des contenus difficiles d’accès car peu représentés dans les outils traditionnels et surtout peu « recherchables » car la recherche ne porte généralement que sur les métadonnées.

Découvrons ici des projets et moteurs multimédia innovants.

---

Lire aussi :

Un avant-goût de l'avenir de la recherche sur le Web avec Search Solutions 2019
Comprendre les évolutions des moteurs Web généralistes pour mieux les utiliser
Moteurs de recherche spécialisés : entre IA et approche traditionnelle
Le SEO et la veille au défi des moteurs

---

 

Etre un expert de la veille et de la recherche d’information, et maintenir son expertise, est plus que jamais un challenge car le monde de l’information est en perpétuel mouvement.

Les outils de recherche et de veille évoluent très rapidement, de nombreux acteurs apparaissent et disparaissent régulièrement, les sources d’information évoluent et changent de business model, ce qui nécessite une surveillance large de son environnement.

Seule solution : se former et s’informer continuellement afin de connaître les dernières tendances et les meilleures méthodes, sources et outils.

La première intervention de cette conférence annuelle à Londres revenait en détail sur le fonctionnement de la recherche sémantique, qui, rappelons-le, est aussi mise en œuvre dans des moteurs comme Google depuis quelques années.

En comprendre le fonctionnement permet donc ensuite d’adapter ses stratégies et méthodes de recherche en fonction des évolutions récentes.

Au cœur de la recherche sémantique : bye bye recherche booléenne

Andreas Kaltenbrunner est directeur de la recherche chez NTENT, une société qui propose un moteur de recherche sémantique en marque blanche pour les entreprises.

Il est revenu en détail sur le foncti­onnement de leur moteur. Pour créer un moteur sémantique, il faut tout d’abord une ontologie, un lexique (un par langue) associé à l’ontologie, un « onomasticon » (une sorte de glossaire des noms propres) et des règles linguistiques.

---

Lire aussi : 

Un avant-goût de l'avenir de la recherche sur le Web avec Search Solutions 2019
Moteurs de recherche spécialisés : entre IA et approche traditionnelle
Des nouveaux moteurs qui tirent parti des contenus multimédia
Le SEO et la veille au défi des moteurs

---

Les moteurs de recherche spécialisés (recrutement, juridique, santé) étaient à l’honneur cette année.

Et tous ces acteurs s’intéressent à la façon dont ils peuvent faire évoluer leurs outils en tirant parti du développement de l’IA tout en restant à l’écoute de leurs utilisateurs.

Trois acteurs étaient venus présenter certains axes de recherche sur lesquels ils ont travaillé récemment pour améliorer leurs moteurs.

Trouver le bon dosage entre approche traditionnelle par mot-clé et deep learning : le cas d’un moteur dédié au recrutement

Nous commencerons avec un outil de recherche spécialisé dans le recrutement et les ressources humaines appelé Texternel, fondé en 2011 à Amsterdam. Il s’agit d’un moteur principalement utilisé par les services RH des entreprises et qui permet de rechercher sur des bases de CV et réseaux sociaux afin d’identifier les bons candidats pour un poste.

---

Lire aussi : 

Un avant-goût de l'avenir de la recherche sur le Web avec Search Solutions 2019
Comprendre les évolutions des moteurs Web généralistes pour mieux les utiliser
Des nouveaux moteurs qui tirent parti des contenus multimédia
Le SEO et la veille au défi des moteurs

---