Ah non, là, je bondis : personne n’a demandé à l’utilisateur du Web
d’être informaticien. Mais il me parait raisonnable de demander audit
utilisateur d’apprendre quelques choses concernant l’informatique et
notamment le fait que les logiciels ne manipulent pas (pas encore ?)
des concepts mais uniquement des mots et que « hélicoptère » ne trouvera
donc pas une page Web qui parle de « machine volante à aile rotative »
(même si c’est un parfait synonyme).

Est-ce une demande exorbitante ? Je ne crois pas. Chaque technique qui
diffuse dans la vie quotidienne nécessite un apprentissage, même parmi
les gens qui ne sont pas des professionnels. À une époque, apprendre à
lire était un travail de professionnel. Puis c’est
devenu une exigence normale et, lorsqu’on demande aux enfants
d’apprendre à lire, ils ne rétorquent pas « mais je n’ai pas
l’intention de devenir scribe ».

Ah si, il semble qu’on peut, et que ça marche avec Google (mais, semble t-il, pas avec les autres). La méthode est expliquée en :

http://www.robotstxt.org/wc/meta-user.html

et elle consiste à mettre, dans la section des pages de type « index » ou « navigation » (comme l’est la page d’accueil typique d’un blog) :

Les erreurs sont simples – comme celles que fait tout moteur lambda (donc : non sophistiqué) : il renverra des URL de pages dans lesquels ces mots sont répartis (à moins que l’utilisateur les ait mis entre guillemets) sans aucun rapport.

Par exemple : mon blog reçoit un nombre récurrent de requêtes à propos de « danseurs nus » et en particulier celle que j’ai cité ci-dessus « danseurs nus sur Arte ». La raison ? Un seul article, Souvenirs d’Italie, classé dans la rubrique « danse », et dans lequel je parle entre autres d’un documentaire qui était passé sur Arte à propos du « poète aux pieds nus »… Toutes les autres « erreurs » s’expliquent de la même façon. Enfin, sauf une que je viens de trouver et n’ai pas encore eu le loisir de me l’expliquer, « comment ne pas se faire déréférencer dans la grande distribution ». Beats me (pas le comment, mais le pourquoi) !

De toute façon, j’espère qu’on n’éliminera jamais les erreurs. Pour moi qui les vois, c’est une source d’amusement. Pour ceux qui en sont l’objet (ce qui m’arrive aussi), c’est parfois une source de découverte imprévue – la fameuse sérendipité…

Par contre, si jamais on arrive à rajouter de vraies ontologies, qui permettraient justement à un utilisateur normal (je ne le qualifie pas de « naïf » parce qu’il n’est pas informaticien – je pense que c’est plutôt une norme de ne pas l’être…) de poser une question en langage naturel et d’avoir des réponses moins farfelues.

Une cause fréquente d’erreurs d’aiguillage avec les blogs vient des pages (typiquement la page d’accueil) qui présentent les N dernières entrées du blog. Ces entrées n’ont souvent rien à voir entre elles mais le moteur de recherche typique ne connait pas la structure des pages Web et indexe souvent en bloc tout le texte, menant à des cadavres exquis toujours rigolos.

J’aimerai bien qu’on puisse préciser dans le robots.txt les pages à analyser (pour y trouver des liens) mais pas à indexer mais il semble qu’on ne peut pas.

Encore mieux : qu’on passe à un Web entièrement XML, avec des moteurs de recherche capables d’utiliser la structure dans l’indexation.

Sur mon blog, qui parle surtout d’informatique, voici quelques requêtes qui m’ont laissé rêveur :

- rugby club images au hasard
- l’architecture des tribunaux traditionnel
- fiche de lecture sur un fou ?
- comment tricher compteur electrique

D’autres requêtes sont moins suprenantes, vue l’orientation de mon blog mais montrent bien l’incroyable naïveté de tant d’utilisateurs, qui croient sincèrement que le moteur de recherche comprend des concepts :

- qui peut espionner mon disque dur
- comment commencer l’annotation des procédures
- les éléments d’un fichier xsd sont-ils obligatoires
- attaquer un serveur par son ip publique