Moteur de recherche
1951
31612780
2008-07-16T00:48:33Z
TXiKiBoT
195090
robot Ajoute: [[af:Soekenjin]]
{{ébauche|informatique}}
{{voir homonymes|recherche (homonymie)}}
[[Image:Searchtool.svg|32px]] Un '''moteur de recherche''' est un [[logiciel]] permettant de retrouver des ressources ([[page web|pages web]], forums [[Usenet]], [[image numérique|images]], [[vidéo]], etc.) associées à des mots quelconques.<br />Certains [[site web|sites web]] offrent '''un moteur de recherche''' comme principale fonctionnalité ; on appelle alors ''moteur de recherche'' le site lui-même ([[Dailymotion]], [[YouTube]], [[Google Video]], etc. sont des moteurs de recherche vidéo).
Outil de recherche sur le [[World Wide Web|web]] constitué de « [[robot d'indexation|robots]] », encore appelés ''spiders'', ''crawlers'' ou agents qui parcourent les [[site web|sites]] à intervalles réguliers et de façon automatique (sans intervention humaine, ce qui les distingue des [[annuaire web|annuaire]]s) pour découvrir de nouvelles adresses ([[Adresse réticulaire|URL]]). Ils suivent les liens [[hypertexte]]s (qui relient les pages les unes aux autres) rencontrés sur chaque page atteinte. Chaque page identifiée est alors [[indexation|indexée]] dans une [[base de données]], accessible ensuite par les [[internaute]]s à partir de [[mot clé|mots-clés]].
Par abus de langage, on appelle également ''moteurs de recherche'' :
*des sites web proposant des [[annuaire web|annuaires]] de sites web : dans ce cas, ce sont des ressources humaines qui répertorient et classifient des sites web jugés dignes d'intérêt et non des robots d'indexation — on peut citer par exemple [[Voila|Voilà]] et [[Yahoo!]], etc. ;
*des [[logiciel]]s installés sur un [[ordinateur personnel]] : ce sont des moteurs dits ''desktop'' qui combinent la recherche parmi les [[Fichier (informatique)|fichier]]s stockés sur le [[compatible PC|PC]] et la recherche parmi les sites web — on peut citer par exemple [[Google Desktop]] et [[Copernic (société)|Copernic]] Desktop Search, etc.
On trouve également des [[métamoteur]]s, c'est-à-dire des sites web où une même recherche est lancée simultanément sur plusieurs moteurs de recherche (les résultats étant ensuite fusionnés pour être présentés à l'[[internaute]]) — on peut citer [[Mamma.com|Mamma]], [[Kartoo]], Seek.fr, etc.
<br/>
Plus récemment, on trouve également des annuaires qui exploitent des systèmes de [[folksonomie]] à base de ''tags'' (ou étiquettes) positionnés par les internautes.
== Fonctionnement ==
Le fonctionnement d'un moteur de recherche se décompose en trois étapes principales.
# '''L'exploration''' ou ''crawl'' : le web est systématiquement exploré par un [[robot d'indexation]] suivant [[récursivité|récursivement]] tous les [[hyperlien]]s qu'il trouve et récupérant les ressources jugées intéressantes. L'exploration est lancée depuis une ressource pivot, comme une page d'[[annuaire web]]. Un moteur de recherche est d'abord un outil d'[[indexation]], c'est à dire qu'il dispose d'une technologie de collecte de documents à distance sur les sites web, via un outil que l'on appelle [[robot]] ou [[bot]]. Un robot d'indexation dispose de sa propre signature (comme chaque navigateur web). [[Googlebot]] est le [[user agent]] (signature) du crawler de Google
# '''L'indexation''' des ressources récupérées consiste à extraire les mots considérés comme significatifs du [[corpus||corpus à explorer]]. Les mots extraits sont enregistrés dans une base de données organisée comme un gigantesque [[dictionnaire inverse]] ou, plus exactement, comme l'[[index terminologique]] d'un ouvrage, qui permet de retrouver rapidement dans quel chapitre de l'ouvrage se situe un terme significatif donné. Les termes non significatifs s'appellent des [[mots vides]]. Les termes significatifs sont associés à une valeur de ''poids''. Ce poids correspond en à une probabilité d'apparition du mot dans un document. Cette probabilité est indiquée sous la forme d'une "fréquence de terme", ou "inverse de fréquence de terme" et est souvent calculée par la formule [[TF-IDF]].
# '''La recherche''' correspond à la partie ''requêtes'' du moteur, qui restitue les [[Page de résultats d'un moteur de recherche|résultats]]. Un [[Algorithmique|algorithme]] est appliqué pour identifier dans le [[corpus|corpus documentaire]] (en utilisant l'index), les documents qui correspondent le mieux aux mots contenus dans la requête, afin de [[Page de résultats d'un moteur de recherche|présenter les résultats des recherches]] par ordre de pertinence supposée. Les algorithmes de recherche font l'objet de très nombreuses investigations scientifiques. Les moteurs de recherche les plus simples se contentent de requêtes [[Booléen|booléennes]] pour comparer les mots d'une requête avec ceux des documents. Mais cette méthode atteint vite ses limites sur des corpus volumineux. Les moteurs plus évoluées utilisent la formule TF-IDF pour mettre en perspective le poids des mots dans une requête avec ceux contenus dans les documents. Cette formule est utilisée pour construire des vecteurs de mots, comparés dans un espaces vectoriel, par une mesure de Cosinus ([[Similarité cosinus|la similarité Cosine]]). Pour améliorer encore les performances d'un moteur, il existe de nombreuses techniques, la plus connue étant celle du [[PageRank]] de Google qui permet de pondérer une mesure de cosinus en utilisant un indice de notoriété de pages. Les recherches les plus récentes utilisent la méthode dîtes [[Analyse sémantique latente|d'analyse sémantique latente]] qui tente d'introduire l'idée de co-ocurrences dans la recherche de résultats (le terme "voiture" est automatiquement associé à ses mots proches tels que "garage" ou un nom de marque dans le critère de recherche).
Des modules complémentaires sont souvent utilisées en association avec les trois briques de bases du moteur de recherche. Les plus connus sont les suivants:
# '''Le correcteur orthographique''' : il permet de corriger les erreurs introduites dans les mots de la requête, et s'assurer que la pertinence d'un mot sera bien prise en compte sous sa forme canonique.
# '''Le lemmatiseur''' : il permet de réduire les mots recherchés à leurs [[Lemme (linguistique)|lemme]] et ainsi d'étendre leur portée de recherche.
# '''L'anti dictionnaire''' : utilisé pour supprimer à la fois dans l'index et dans les requêtes tous les mots outils (tels que "de", "le", "la") qui sont non discriminants et perturbent le score de recherche en introduisant du [[bruit]].
== Optimisation des moteurs de recherche ==
Afin d'optimiser les moteurs de recherche, les [[webmestre]]s insérent des [[métaélément]]s (métatags) dans les [[pages web]], dans l'en-tête HTML (head). Ces informations permettent d'optimiser les [[recherches d'information]] sur les [[sites web]].
{{Article détaillé|Optimisation pour les moteurs de recherche}}
==== Financement ====
Les sites dont la recherche est le principal service se financent par la vente de technologie et de publicité.
Le financement par la publicité consiste à présenter des publicités correspondant aux mots recherchés par le visiteur. L'annonceur achète des mots-clés : par exemple une agence de voyage peut acheter des mots-clés comme « vacances », « hôtel » et « plage » ou « Cannes », « Antibes » et « Nice » si elle est spécialisée dans cette région. Cet achat permet d'obtenir un référencement dit "référencement payant" à distinguer du référencement dit "référencement naturel".
Le moteur de recherche peut afficher la publicité de deux manières : en encart séparé ou en l'intégrant aux résultats de la recherche. Pour le visiteur, l'encart séparé se présente comme une publicité classique. L'intégration aux résultats se fait en revanche au détriment de la pertinence des résultats et peut avoir des retombées négatives sur la qualité perçue du moteur. De ce fait, tous les moteurs ne vendent pas de placement dans les résultats.
Les moteurs de recherche constituent un enjeu économique. La valeur boursière de [[Google]], principal moteur de recherche, est de 165 milliards d'euros en janvier 2008.
==== Techniques de détournement ====
L'importance des enjeux économiques a généré des techniques de détournement malhonnêtes des moteurs de recherche pour obtenir des référencements "naturels", le [[spamdexing]].
Les deux techniques les plus pratiquées de [[spamdexing]] sont :
- Le [[cloaking]], qui est une technique permettant de fournir une page différente aux moteurs de recherche de celle visible par un internaute.
- Les sites miroirs, qui sont des copies exactes d'un site internet mais sous une autre adresse.
Les techniques de [[spamdexing]] sont pourchassées par les éditeurs de moteurs de recherches, qui constituent des "blacklists" provisoires ou définitives.
On distingue le [[spamdexing]], détournement malhonnête, du SEO, Search Engine Optimisation. Les techniques de SEO sont commercialisées par des sociétés spécialisées.
====Vente de technologie====
Les grandes organisations (entreprises, administrations) disposent généralement de très nombreuses ressources informatiques dans un vaste [[intranet]]. Leurs ressources n'étant pas accessibles depuis [[Internet]], elles ne sont pas couvertes par les moteurs de recherche du web. Elles doivent donc installer leur propre moteur si elles veulent mener des recherches dans leurs ressources. Elles constituent donc un marché pour les développeurs de moteurs de recherche.
Il arrive également que des [[site web|sites web]] publics utilisent les services d'un moteur de recherche pour étoffer leur offre. On parle alors de [[SiteSearch]]. Ces logiciels permettent la recherche de contenus dans un ou plusieurs groupes de sites. Ces technologies sont particulièrement exploitées sur les sites de contenus et les sites de vente en ligne. La particularité de ces outils est souvent la complexité de mise en oeuvre et les ressources techniques nécessaires disponibles.
Il arrive aussi que les grands portails exploitent la technologie des moteurs de recherche. Ainsi [[Yahoo!]], spécialiste de l'[[annuaire web]], a utilisé pendant quelques années la technologie de [[Google]] pour la recherche, jusqu'à ce qu'elle lance son propre moteur de recherche Yahoo Search Technology en 2004, dont les fondations proviennent de Altavista, Inktomi et Overture, sociétés fondatrices des moteurs de recherche et rachetées par Yahoo!.
== Évolution vers le [[web sémantique]] ==
Dans la mesure où les producteurs de [[contenu]] indexent les bases avec des [[métadonnée]]s ou des [[taxinomie]]s ([[ontologie (informatique)|ontologies]]), les moteurs de recherche vont devoir s'adapter aux [[analyses sémantiques]]. Par rapport aux [[recherches plein texte]], les recherches dans le [[web sémantique]] sont beaucoup plus efficaces.
Quelques exemples de moteurs de recherche sémantiques :
* CORESE, développé à l'INRIA
* [[kartoo|KartOO]] et Ujiko
* Lingway KM est une plateforme linguistique et sémantique multilingue permettant le développement de moteurs de recherche spécialisés
* Seek de [[Verticrawl]], logiciel de recherche en mode webservice (www.verticrawl.com)
* [[Pertimm]]
* Sinequa CS de [[Sinequa]]
* Zoom, d'Acetic
==Principaux moteurs de recherche==
Selon une étude du cabinet Comscore réalisée en août 2007<ref>AFP, "Google leader écrasant de la recherche sur internet mondial", 10 octobre 2007 [http://afp.google.com/article/ALeqM5hmg2WxR4pLsvDGhzplle3bZWfcxg afp.google.com]</ref>:
* [[Google]], (environ 60%{{Référence nécessaire}} des 61 milliards de recherches sur internet)
* [[Exalead]], moteur de recherche français de nouvelle génération
* [[MozDex]], moteur de recherche libre
* [[Yahoo]], (8,5 milliards de recherches{{Référence nécessaire}}, soit 14% du total)
* [[Live Search]], ([[Microsoft]]) (2,1 milliards de recherches{{Référence nécessaire}}, 3,4%)
* [[Baidu]], "le Google chinois" qui monte en puissance (3,3 milliards de requêtes{{Référence nécessaire}}, soit 5,4% du total),
* Naver, moteur de recherche coréen du groupe NHN (2 milliards de recherches{{Référence nécessaire}}).
* [[Ask.com]]
* [[Voila]]
* [[Sharelook]], moteur de recherche, entre autres intégré dans les [[Lycos]]
* [[Swish-e]], moteur de recherche sous [[Licence publique générale GNU|licence GPL]]
* [[Wikia]], (moteur de recherche sur les logiciels libres)
* [[guruji]], moteur de recherche indien
==Multi-moteurs==
{{...}}
[[Image:Internal and external search on MediaWiki.png|thumb|635px|[[Special:Recherche|Recherche]] interne sur [[Wikipédia]] proposant de choisir un moteur de recherche dans une [[liste déroulante]]]]
On désigne par '''Multi-moteurs''' (ou plus rarement, "super moteur"<ref>[http://www.hooseek.com Hooseek] et [http://www.findforward.com/ FindForward] se désignent comme des supermoteurs et [http://supermoteur.free.fr/ Supermoteur] est le nom d'un multi-moteur</ref>) une [[page web]] proposant un ou plusieurs [[Formulaire#En informatique|formulaire]]s permettant d'interroger plusieurs moteurs.
Le choix d'un des moteurs peut se faire par [[bouton (informatique)|bouton]], [[bouton radio]], [[onglet (informatique)|onglet]], [[liste déroulante]] ou autre.
Les premières pages de ce type recopiaient le code des formulaires de plusieurs moteurs. Avec l'apparition du [[Javascript]] il est devenu possible de n'avoir plus qu'un seul formulaire.
On peut citer par exemple [[Creative Commons|Creative Commons Search]], [[A9.com]], [http://au.alpha.yahoo.com Alpha] de [[Yahoo!]], [http://www.hotbot.com Hotbot] de [[Lycos]], le module recherche de [[Netvibes]] ou [http://michbuze.club.fr/123/recherche.htm Meta] (qui permet d'interroger plus de 140 moteurs). Voir [http://www.dmoz.org/Computers/Internet/Searching/Multi-Search la catégorie correspondante] de [[DMOZ|l'annuaire DMOZ]] (en [[anglais]]) pour d'autres exemples.
== Voir aussi ==
=== Articles connexes ===
* [[Combinatoire sémantique]]
* [[Métamoteur]], [[Annuaire web]], [[Référencement]], [[Optimisation pour les moteurs de recherche|Positionnement]], [[Spamdexing]]
* [[Page de résultats d'un moteur de recherche]]
* [[Recherche d'information|Recherche d'information (IR)]], [[Système de recherche d'information]], [[Indexation]], [[Robot d'indexation|Exploration (robot d'indexation)]], [[Analyse sémantique]]
* [[Recherche plein texte]]
* [[Smart bookmark]]
=== Liens externes ===
<!-- MESSAGE AUX SPAMMEURS
Ne pas ajouter de lien vers un moteur de recherche ;
les moteurs de recherche notables ont leur propre article
dans Wikipédia et un lien depuis leur article.
Les ajouter dans la rubrique [[Liste des moteurs de recherche]] -->
* [http://www.dutailly.net/rechercher/fiabilite.htm Comment déterminer la fiabilité d'une information trouvée sur Internet]
* [http://csidoc.insa-lyon.fr/sapristi/index.php Sapristi !], guide pour la recherche de l'information scientifique et technique sur l'internet (depuis 1996). Un manuel présentant les méthodes et outils de recherche.
== Notes et références ==
{{Références}}
{{Portail informatique}}
[[Catégorie:Moteur de recherche|*]]
[[Catégorie:World Wide Web]]
[[af:Soekenjin]]
[[ar:محرك بحث]]
[[bg:Търсачка]]
[[bs:Internet pretraživač]]
[[ca:Motor de recerca]]
[[cs:Internetový vyhledávač]]
[[da:Søgemaskine]]
[[de:Suchmaschine]]
[[el:Μηχανή αναζήτησης]]
[[en:Web search engine]]
[[eo:Serĉilo]]
[[es:Motor de búsqueda]]
[[eu:Bilaketa motor]]
[[ext:Landeru]]
[[fa:جویشگر]]
[[fi:Hakukone]]
[[gl:Motor de busca]]
[[he:מנוע חיפוש]]
[[hr:Tražilica]]
[[hu:Keresőmotor]]
[[ia:Mechanismo de recerca]]
[[id:Mesin pencari]]
[[it:Motore di ricerca]]
[[ja:検索エンジン]]
[[ko:검색 엔진]]
[[lv:Meklētājprogramma]]
[[mk:Интернет пребарувач]]
[[ms:Enjin gelintar]]
[[nl:Zoekmachine]]
[[nn:Søkemotor]]
[[no:Søkemotor]]
[[pl:Wyszukiwarka internetowa]]
[[pt:Motor de busca]]
[[ro:Motor de căutare]]
[[ru:Поисковая система]]
[[scn:Muturi di circata]]
[[simple:Search engine]]
[[sr:Интернет претраживач]]
[[sv:Söktjänst]]
[[ta:தேடுபொறி]]
[[th:เสิร์ชเอนจิน]]
[[tr:Arama motoru]]
[[uk:Пошукова система]]
[[uz:Veb qidiruv tizimi]]
[[vi:Máy truy tìm dữ liệu]]
[[zh:搜索引擎]]