Algorithmes, moteurs et techniques d’indexation

Cuill, Radar, Powerset... L’année 2007 apparait comme celle de l’explosion de nouveaux moteurs, promettant un tournant technologique lors de leur sortie courant 2008. Dans beaucoup de cas il s’agit surtout de "promesses marketing" mais il y’a aussi de vrais pionniers qui tentent une approche révolutionnaire.

Seekport est un moteur lancé par une société allemande, qui a rapidement créé des versions "localisées" de son outil de recherche dans d’autres pays européens.

A l’heure où l’on parle de plus en plus de projets politiques pour créer un moteur de recherche européen, nous avons questionné Joachim Kreibich, le gérant de Seekport France, pour qu’il nous explique quelle était la stratégie de Seekport et comment il comptait positionner son outil dans ce contexte

Les chercheurs du centre de Recherche de Microsoft ont publié cet été deux articles sur "l’analyse des liens au niveau des blocs" (block level analysis) : il s’agit d’une amélioration des algorithmes basés sur la popularité des liens, comme le pagerank ou HITS. Nous en dévoilons les principes dans cet article...

Une interview de Michael James, Responsable du Développement Commmercial pour l’Europe de la société Mirago.

FOOXX est un nouveau moteur de recherche, qui utilise les informations récoltées auprès de la communauté de ses utilisateurs pour augmenter la pertinence de ses pages de résultat. Nous avons voulu en savoir plus et nous avons donc décidé de poser quelques questions au "papa" de FOOXX, Peter Krug.

Microsoft a annoncé fin 2003 qu’il allait remplacer Inktomi par sa propre technologie de recherche sur MSN. Annoncé d’abord pour le mois de juillet (juste après la date prévue pour l’IPO de Google, coïncidence ?), ce changement interviendra probablement à la rentrée 2004. Mais personne ne sait à quoi va ressembler ce nouveau moteur ... quoique ! On peut s’en faire une idée précise en examinant à la loupe les pistes de recherche explorées par les cerveaux réunis par Microsoft pour son moteur.

Alors que la guerre fait rage entre Yahoo et Google, et que MSN fourbit ses armes, un petit vent de fraîcheur venu d’Australie est venu démontrer qu’il y’avait encore une place pour des "outsiders".

On parle souvent plus des algorithmes de classement que des robots d’indexation, chargé de récupérer sur la Toile les informations qui serviront à constituer les index des consultés sur les moteurs de recherche. Les robots ou "araignées" (spiders) sont pourtant des éléments clés dans l’architecture d’un moteur. Dans cet article, nous faisons un point sur les différents écueils techniques rencontrés, et sur les dernières solutions trouvées pour les contourner.

HITS (et ses dérivés) est resté plus longtemps dans les laboratoires que le Pagerank, mais a eu aussi des applications pratiques. Des applications parfois méconnues, mais pourtant intégrées dans des moteurs de recherche grand public comme Ask Jeeves !

HITS est, avec le Pagerank, l’un des algorithmes les plus connus. Tous ceux qui s’intéressent au référencement et au monde des moteurs de recherche ont entendu parler des hubs et des authorities. Cet article rappelle les principes de fonctionnement de cet algorithme, et quelles sont ses applications pratiques...

L’équipe d’Andrew Tomkins et de Ravi Kumar a réussi fin 1999 un "coup médiatique" : transformer un résultat scientifique austère en une "image" à la fois originale et parlante. Il faut dire que comparer la structure du Web à un noeud papillon à de quoi surprendre au premier abord... et pourtant !

Comment utiliser un algorithme purement mathématique pour obtenir des résultats plus pertinents dans un contexte donné.

Les différentes pistes explorées par les chercheurs de stanford :
 le pagerank modulaire
 le blockrank
 et le pagerank sensible à la thématique

Ces travaux vont-ils rester des curiosités de laboratoire, ou vont-ils être utilisés par des moteurs ?
Que cherchait Google, en rachetant Kaltix société créée par les chercheurs qui ont imaginé ces solutions ?
ces solutions sont elles le futur des moteurs de recherche, où sont elles le dernier avatar d’une technologie déjà dépassée ?

Un outil affichant des valeurs entières ne peut pas représenter l’ensemble des nombres réels positifs, c’est tout le problème de la toolbar Google et de son estimation du PageRank.

La première partie de l’article nous a permis de découvrir la formule du PageRank et quelques exemples concrets de liaisons des pages d’un site. Continuons notre série d’exemples concrets.

Quelques centaines - voire quelques milliers - d’interventions sur des forums dédiés au référencement de France ou d’ailleurs m’ont fait réaliser que la notion de PageRank (PR) est parmi celles qui pose le plus de problèmes de compréhension au Webmaster débutant.