RECHERCHER SUR INTERNET

Moteurs de recherche sur Internet : Un moteur de recherche est constitué de 2 outils.

• L'un, le robot logiciel (appelé aussi "spider" ou "crawler"), auquel un webmaster (ou un internaute) propose l'indexation d'un site, passe son temps à lire (et, pour Google, à "aspirer" ou "capturer") des millions de sites entiers, page par page, pour indexer chaque mot dans d'immenses bases de données.
• L'autre, le moteur de recherche en lui-même, celui que l'internaute utilise, recueille les mots "clés" que vous lui soumettez et recherche, dans ses bases de données, les pages contenant ces mots clés. Selon diverses méthodes, les résultats sont classés par ordre décroissant de pertinence.
• Cette pertinence "normale" peut être modifiée (ajustée mais aussi détournée, confisquée, poluée...) par l'indexation payante: à ce moment là, les réponses "les plus pertinentes", celles qui sont données en premier, sont celles des sites ayant payé le moteur hors, aujourd'hui, seuls les sites marchands peuvent (et doivent) payer pour être vus alors que le contenu vraiment informatif se trouve dans les sites perso (les sites de particuliers) qui eux ne peuvent pas payer pour que l'on trouve l'information que, déjà, ils rédigent, mettent à jour et mettent bénévollement à notre disposition.
• Chaque moteur de recherche "connait" une fraction du Web. Il faut donc, quelquefois, faire une recherche sur plusieurs moteurs ou utiliser un méta moteur. Par exemple, certains chiffres annoncent que Google indexe (et dispose en copie capturée) plus de 3 milliards de documents (chiffre Mai 2002).
  

Annuaires de recherche ou portails :

• Contrairement aux moteurs de recherche, qui utilisent des robots logiciels pour parcourir le Web, les annuaires utilisent des humains qui sélectionnent certains sites qui leur sont proposés (par d'autres internautes ou par les webmasters eux-même). Ils retiennent ou non les sites visités. Les sites retenus sont alors intégrés dans des catégories (des rubriques et sous rubriques etc... celà s'appèle un "annuaire hiérarchique") selon un classement propre à chaque annuaire (l'un des annuaires actuel annonce ainsi référencer 1 million de sites classés dans 140.000 catégories !!!).
• Pertinance des résultats:
  • Les résultats sont trouvés à l'intérieur d'une rubrique, hors déjà, celle-ci n'est pas toujours évidente à trouver. Ainsi la sous-sous-sous-rubrique "recettes de cuisine" peut être trouvée dans la sous-sous-rubrique "loisirs" chez certains annuaires, mais dans la rubrique "alimentation" chez d'autres ou encore dans la sous-rubrique "vie quotidienne" etc...
  • La recherche est parfois extrêmement ardue car, généralement, un site ne peut être référencé que dans une seule rubrique, mais laquelle. Le site "1 terroir de France", par exemple, pourrait être classé dans plus de 300 rubriques, l'internaute n'est donc pas certain de trouver dans une rubrique tous les sites traitant du sujet. Ainsi "1 terroir de France" est classé par certains en "recettes de cuisine" mais, par d'autres, il ne sera jamais trouvé dans cette rubrique mais en "site de ressources" ou "site de référence" ou "site sur le patrimoine" etc... Ce site traite des 26 régions de France hors il ne sera jamais classé dans les 26 sous-rubriques "région Alsace", "région Aquitaine" etc...
  • L'ordre des réponses données est souvent une liste alphabétique.
  • L'ordre des réponses données est parfois anti-chronologique : le dernier site inscrit dans l'annuaire apparaît en premier sur la liste (ou, parfois, chronologiquement, en dernier)
  • Certains annuaires donnent en premier, par rubrique, la liste de quelques sites qui leur semble essentiels (leurs préférences ou coup de coeur) parcequ'ils les ont réellement visités, puis le reste des sites.
  • Enfin, le référencement payant bouleverse la donne en faisant apparaître en premier les noms des sites ayant payé l'annuaire.
  • Un dernier problème : le nom du site est changé, volontairement ou involontairement, par l'annuaire. Ainsi, "1 terroir de France" s'est retrouvé nommé "Inventaire du patrimoine" dans un grand annuaire.
    

Annuaires et moteurs simultanés :

• Aujourd'hui, tous les annuaires proposent également un moteur de recherche (qui peut limiter sa recherche à une catégorie de l'annuaire, à tous les sites référencés dans l'annuaire ou l'étendre à tout le Web).
• Tous les moteurs proposent également un annuaire, même Google. Il n'y a donc plus de véritable distinction.
• Il y a un énorme effet de concentration et de disparition des petits.
• Il y a un énorme effet de spécialisation.
  • Annuaires : LôôkSmart par exemple, est un annuaire utilisé (vendu) à plus de 300 autres annuaires. Donc, souvent, en vous baladant dans plusieurs dizaines d'annuaires, en fait vous n'en utilisez que 2 ou 3, toujours les mêmes partout, avec un look différent. L'Open Directory Project est une base de données des sites internet basée sur les favoris de centaines de millions d'internautes - il est en voie d'être utilisé par la totalité des annuaires actuels.
  • Moteurs : Google par exemple fournis ses résultats à plusieurs centaines d'autres moteurs qui, en fait, habillent les résultats avec leur look.

Méta Moteurs de recherche :

• Ce sont des outils qui reccueillent vos mots clés pour les soumettre dans la syntaxe propre à chacun d'entre eux, à plusieurs moteurs simultanément et agrègent les résultats (dédoublonnent les résultats). Pratique mais attention : tous ces outils (de Copernic dans sa version gratuite à Alexa etc...) sont ou contiennent des espions (spyware) (voir aussi la liste des logiciels contenant un spyware).

• Google France
  LE moteur de recherche sur le Web. Incroyable capacité à déterminer et classer la pertinence de ses réponses. Indexe, selon certains, 3 milliards de documents dont 2 milliards de pages Web. Google ne se contente pas d'indexer les pages, il en garde une copie au moment où il l'a indexée ce qui permet d'éviter les erreur 404 (page non trouvée) et lui permet d'afficher la page recherchée avec vos mots clés surlignés. En sus, google offre un annuaire d'un type complètement novateur, basé sur l'étude des favoris de millions d'internautes : l'Open Directory Project dont Google modifie le classement en utilisant sa technologie "PageRank" basée sur la "popularité" des sites. Google indexe également des documents non html : Voir plusieurs tips, trucs et astuces dans l'usage de Google à http://terroirs.denfrance.free.fr/forum_cuisine_recettes/phpBB2/viewtopic.php?t=13
  http://www.google.fr
  
  

• Exite
  Excite : un important moteur et annuaire en anglais (Excite France n'existe plus depuis le 19 décembre 2001). Les sites référencés sont commerciaux et professionnels (il n'y a pas de site perso) car le Webmaster d'un site (la société ou l'organisme) est systématiquement facturé au trafic généré par Excite. La page d'accueil est personnalisable par chaque internaute. Les recherches commencent sur la page "Excite Precision Search". Permet des recherches générales et approfondies avec leur technologie «ICE» (extraction intelligente). Par exemple, lorsque vous cherchez «soins pour chiens», Excite vous amène aux pages contenant « toilettage des animaux de compagnie », même si les mots «chien» et «soins» ne se trouvent pas réellement dans la page.
  http://www.excite.com/
  
  
• Yahoo!
  Yahoo!, l'un des annuaires Internet le plus visité de France, classe les sites retenus, après examen par des humains, de manière hiérarchisée. Un moteur de recherches est également proposé qui balaye, dans un premier temps, l'indexation des sites présents dans l'annuaire. Si rien n'est trouvé, Yahoo! passe la main à un moteur. Après avoir travaillé avec la base de données d'Inktomi (également fournisseur de HotBot et autres ténors) pour son moteur, Yahoo! travaille depuis juin 2000 avec l'immense base de données de Google.
  http://fr.yahoo.com/
  
  
• LôôkSmart
  LôôkSmart est un annuaire (proposant également un moteur de recherches) peu connu sous son nom car il est commercialisé en "marque blanche". Lorsque vous utilisez Altavista, Aol, Everyday, Club-Internet, Netscape et bien d'autres, c'est en fait LôôkSmart que vous utilisez. Sa sélection se fait par 180 analystes coordonnés par des professionnels de chaque branche (un médecin pour la médecine etc...) qui ne retiennent que le meilleur (soit, tout de même, 1 millions de sites actuellement et 3.000 nouveaux sites par jour) classés de manière hiérarchisée en catégories, sous catégories etc... (70.000 catégories).
  http://www.looksmart.fr
  
  
• Nomade
  Nomade est un annuaire (proposant également un moteur de recherches) racheté successivement par Liberty Surf puis par Tiscali. Il est aujourd'hui l'outil de recherche du Groupe Tiscali en France. Lokace également n'existe plus est renvoi vers Nomade.
  http://www.nomade.fr/
  
  
• Altavista France
  Altavista France s'appuie sur LôôkSmart donc tout ce qui est dit pour LôôkSmart s'applique à Altavista. Nombreux services additionnels comme, depuis fin 1997, une fonction de traduction du contenu des pages Web dans la langue désirée en conservant la mise en page (technologie de la société Systran).
  http://www.altavista.fr/
  
  
• Voila
  Voila L'annuaire de recherche de la filiale de France Télécom (proposant également un moteur de recherches).
  http://www.voila.fr/
  
  
• Francite
  Francite
  http://www.francite.com/
  
  
• Ctrouvé
  C'est trouvé
  http://www.ctrouve.com/
  
  
• QuiQuoiOù de Wanadoo
  Qui Quoi Où de Wanadoo
  http://www.wanadoo.fr/
  
  
• Lycos
  Lycos France. Un annuaire thématique avec un nombre restreint de sites de qualité sélectionnés par des humains. Propose également un moteur de recherche. HotBot a été racheté par Lycos mais continu d'exister bien qu'il ne soit accessible que par la page d'accueil de Lycos. Attentions aux recherches car Lycos n'indexe que les 100 premiers mots "importants" de chaque page (contrairement à d'autres qui indexent la totalité du texte). Terroirs d'en France a été retenu parmi les favoris dans la rubrique Gastronomie de Lycos.
  http://www.lycos.fr/
  
  
• Infoseek
  Infoseek
  http://www.go.com/
  
  
• AllTheWeb
  All The Web comme son nom l'indique
  http://www.alltheweb.com/index.php3
  
  
• Msn the MicroSoft Network
  Msn - The Microsoft Network : ce moteur et annuaire dispose des moyens énormes de Microsoft, tant techniques que financiers.
  http://www.fr.msn.com/
  
  
• Copernic
  Copernic est un métamoteur de recherches, efficace, mais dont la partie installée sur votre ordinateur comporte un spyware qu'il faudra éradiquer par PestPatrol ou tout autre anti-spyware après l'avoir installé et avant de l'utiliser. Toutefois, même dans la version pro, payante, les requêtes sont exaspérantes de simplification et le rende inutilisable pour des consultations intelligentes : la requête utilise soit :
  • tous les mots saisis (booléens ET)
  • au moins un des mots saisis (booléens OU)
  • la requête exacte

Il est impossible d'utiliser les booléens autrement !!! pourtant chacun des moteurs consulté a la capacité d'utiliser les niveaux de parenthésage, les inclusions et les exclusions, chacun avec sa syntaxe propre. En sus, Copernic vous prend pour un con en vous disant qu'il est inutile de saisir des booléens car il s'en occupe automatiquement alors qu'en réalité il ne sait pas le faire (ce qui, pourtant, du point de vue écriture informatique du programme, est extrêmement simple).
http://www.copernic.com/fr

• Infoclic
  Une manière différente de chercher, en posant des questions à de " vraies " personnes.
  http://infoclic.fr

• Deep Index
  Nouveau moteur de recherche (Mai 2002) sur les sites français et francophones. DeepIndex est un crawler (indexeur) et moteur de recherche dont le but est de permettre une recherche efficace dans les sites internet francophones. Il contient une base de 200.000 sites francophones repartis entre la France, le Canada, la Belgique, le Luxembourg et la Suisse.