Publier des bases de données

Les bases de données, terme réservé jusqu'à récemment aux professionnels de l'informatique, est devenu une expression courante, et si le gens n'en sont pas toujours conscients, une part de plus en grande de l'information dans Internet, sinon la plus grande partie, se trouve, d'une façon ou d'une autre, dans une base de données. Les pages html statiques sont de plus en plus rares. À mesure que s'étend les applications où on peut ajouter des infos en ligne, les réviser, les compléter, les supprimer, plus cela sous-entend une "base de données" ou un système de gestion de contenu organisé d'une façon similaire à une base de données relationnelles. Les profils d'usagers, les blogues, les intranets où le personnel ajoute du contenu et le modifie, s'appuient plus ou moins sur des bases de données. (Techniquement, ce n'est peut-être pas le bon terme, mais l'esprit et les possibilités sont les mêmes).

Mais, voilà, il y a, pourrait-on dire, deux modalités pour présenter le contenu d'une base de données:

-1) une base de données "statique" qui attend les requêtes de l'usager dans un moteur de recherche pour afficher une partie du contenu.

- 2) une base de données dynamique et active ou plutôt "activée" par les responsables qui affichent plusieurs contenus de la base de données dans des gabarits, des modules de publication et des formats pré-établis.

Par exemple, sur les sites des journaux et des médias d'informations, on trouve sur toutes les pages des informations de la base de données déjà "affichées" pour l'usager: chroniques, manchettes, blogues, sections, etc. Chaque page contient en fait tout un ensemble de "requêtes", simples ou complexes", pré-définies, qui affichent l'ensemble des résultats dans une structure infographique donnée dès que l'usager fait afficher la page dans son navigateur. En fait, la page d'accueil de CyberPresse ou de Radio-Canada est comme une multi-requêtes qui affiche les résultats sous le titre de chaque rubrique et section.

Par opposition, on pourrait imaginer une sorte de portail absurde où plutôt que d'affiche immédiatement les dernières nouvelles sportives, culturelles, politiques, économique, il y aura sous chaque rubrique une ptit moteur de recher où l'usager trouverait autant de petit moteur de recherche où il devrait entre une recherche pour que sa page se remplissent d'informations!!! Ce média ne survivrait pas longtemps.

Cela est absurde, et pourtant les sites des bibliothèques institutionnelles et surtout de plusieurs grandes collections de fichiers numériques sont construits souvent dans cette esprit-là ou presque. C'est-à-dire que l'information affichée est sous la responsabilité de l'usager, c'est lui qui doit travailler à faire apparaître des informations et des contenus, sinon il ne voit rien. L'usager est devant une base de données statique qui attend d'être activée.

Sur les sites commerciaux, les gestionnaires ont déjà cherché de l'information avant même qu'un usager arrive dans leur site. Ce qui s'affiche dans la fenêtre du navigateur, ce sont les données de la base pré-activée par les responsables.

Le site de Google Archives pour la recherche dans les journaux numérisés, c'est un peu, beaucoup ça. L'étonnante Timeline qui s'affiche en haut de chaque résultat s'appuie nécessairement sur une méta-requête, sur une pré-indexation intelligente de toutes les dates dans les millions de page du corpus. Google a dû chercher et indexer les 365 dates de toutes les années (2 mars 1652, 3 avril 1876, etc, pour chaque date, pour chaque année!!!) que couvre leur corpus pour pouvoir créer automatiquement une Timeline aussi performante.

À la requête simple de l'usager, comme chercher l'expression "New France", s'ajoute une requête extrêmement complexe de la recherche des occurrences de ce terme, croisées avec la multitude des dates que l'on trouve à une certaine "proximité" sémantique de "New France". En fait, il est difficile de savoir comment Google a procédé, mais une chose est sûr: la requête simple de l'usager y est multipliée par le travail de formalisation et d'indexation réalisés avant qu'il la fasse.

Une fois liée à la méga-requête de la Timeline de Google, l'usager n'a plus à faire d'autres requêtes pour préciser la période historique qu'il veut couvrir, puisque Google y a déjà pensé. Mieux que ça, on peut imaginer une équipe d'historien construire des thésaurus thématique sur des grands événements ou des plus petits pour que la Timeline fasse apparaître non pas les seuls occurrences d'une expression à travers les années et les siècles, mais tout un réseau de mots-expresssions distribués sur des durées longues et courtes.

La machine Google archive les journaux

Par où passe la machine Google, le territoire de la recherche n'est plus le même. http://news.google.com/archivesearch

Leur projet de numérisation s'accompagne toujours d'une avancée technologique dans le développement d'applications conviviales et participatives. La recherche dans Google Images a donné le logiciel de publication Internet Picasa, comme toujours simple, efficace, performant, évolutif: à chaque mois, il doit y avoir une nouvelle fonctionnalité. Google Scholar et Google Livres ont donné l'application qui permet de créer en quelques minutes une bibliothèque personnelle, annotée, indexée, mise en ligne et partagée.

Mais Google Archives est vraiment étonnant. L'affichage des résultats avec la "Timeline" qui présente un tableau chronologique des résultats fait rêver: trouver toutes les occurences d'une date précise, 4 mai 1832, et les distribuer dans une chronologie fondée sur la date de parution des ouvrages où elle est mentionnée! Par exemple, ce n'est pas tout à fait possible en ce moment, mais on pourrait de la sorte suivre la mention de "14 juillet 1789" dans tous les ouvrages postérieurs avec une précision incroyable. Par exemple, voici un résultat pour "Bastille" ou New France (les journaux indexés sont presque tous anglais, malheureusement). Il faut faire glisser la souris sur la chronologie pour s'apercevoir de la puissance de leur indexation, ainsi que sur les mots-hyperliens qui apparaissent dans la courte description de chaque résultat.

C'est une application qui montre la recherche/développement que Google poursuit continuellement. Le moteur de recherche, dans ce cas=ci, enrichit la requête simple-simpliste de l'usager: à partir d'une seule expression, d'un seul mot, on obtient le début de l'histoire de ce mot dans l'imprimé occidental! Les mots-clés montre aussi une sorte de pré-indexation, probablement d'une sorte de thésaurus de mots importants, déjà reliés à un certain nombre de pages web. Sachant que tout cela n'a pas été fait à la main par des armées de lecteurs, il faut penser alors que la production d'une telle chronologie "indexée" suppose des requêtes complexes en arrière-plan pour enrichir une type de requête qui donne habituellement que le nombre d'occurrences dans X documents, et rien de plus. Dans tous les cas, c'est une application très stimulante.

C'est une manière de présenter les résultats qui suscitent la découverte, qui surprend, qui éveille la curiosité. Imaginer une telle Chronologie pour l'étude d'un grand corpus et d'un thésaurus de sujets rationnel pourrait faire appraître des connaissances nouvelles, impossibles précédemment.

Trouver un petit corpus de mots/expressions pour en explorer les possibilités.