2010 BCU Google

Autour de Google Livres
BCU – Dorigny / 11 mars 2010

Alain Jacquesson

Vers.1.00

Deux pistes de réflexions

1. Les index de Google Livres

2. Les liens autour de Google Livres

Google / Jacquesson / Mars 2010 2

Les index
Google a indexé tout le Web visible
– Tous les mots de toutes les pages de tout
le Web…
Un peu plus que le Web visible
– Prêt du fichier RERO, par exemple
C‘est sa qualité
C‘est sa force

Mais…

 Seuls ~15 % du savoir se trouvent sur
le Web,
 donc ~85 % du savoir se trouvent
dans les livres
 Philippe Colombet, responsable de Google Livres pour la France (Paris,
BnF, janvier 2010)


De plus…
 Google veut numériser tous les livres

 Google's Goal:
Digitize Every Book Ever Printed

 Daniel Clancy, Chef du projet Livres chez Google (Déc. 2009)


Quelques chiffres…
 RERO 5 millions (notices)
 Google Livres 12 millions (livres)
 BnF 14 millions (notices)
 Bibliothèque
du Congrès 32 millions (notices)
 WorldCat
d’OCLC 169 millions (notices)

Chiffres exacts d’une bibliothèque
participant à Google Livres (Michigan)
Après la numérisation de 1 million de livres (janvier 2008)

25,8 kilomètres linéaires
680 tonnes
361 millions de pages
70’000 millions d’occurrences de mots
428 Langues
135’000 Sujets (LCSH)

Extrapolations à court terme
(En février 2010 Google a numérisé 12 millions de livres)


Ajouts aux index de Google
Hypothèse : 15 millions de livres numérisés

1’050’000 millions Mots non-significatifs
d’occurrences

(1 billion) 80 %

Mots significatifs 210’000 millions
20 % d’occurrences de mots


Loi de Zipf
(Vers 1920)
(Loi du moindre effort)

La fréquence d’un mot est inversement proportionnelle à son rang

Distribution statistique des recherches sur
Internet

50 % des recherches concernent les sites
30 % des recherches ordinaires (shopping,
voyages, informations médicales, etc.)

20 % des mots rares, obscurs, spécialisés,
exotiques, …

----------------- Loi de Pareto --------------------------
-

Qui utilisent ces mots rares ?

Les chercheurs, les spécialistes
Vocabulaire scientifique, produits, etc.

Le Grand public
Machines disparues, lieux, etc.


Distribution valable pour tous les
types d’internautes

 « Ordinary People with Extraordinary
Tastes »
 - pour le grand public

 Vocabulaire scientifique hautement
spécialisé
 - pour les chercheurs

Distribution dite de la
« Longue traîne »


Quels avantages ?
 Google grâce à son projet Livres peut
répondre à beaucoup plus de questions
que ses concurrents
 1 % de réponses supplémentaires
 = 5 % de satisfaction supplémentaire
 « Donc je reste sur Google pour la Fat
Tail »


Critiques
 Fat tail = forte concurrence
 Long tail = faible concurrence

 L'avantage de Google est injuste car ses concurrents
ne peuvent pas avoir accès au même corpus ; son
avance devient insurmontable

 Pratiqué à cette échelle, Michael Lesk se demande si
l'indexation relève encore du fair use


Saint Jean d’Acre
 Google Livres Saint Jean Acre 457 livres

 Library of Congress Acre (Israel) 64 références1
 Library of Congress Acre (Syria) from old catalog 3 références

 BnF Acre (Israël) 23 références

 Sudoc Acre (Israël) 14 références

 Rero Acre (Israël) 12 références
 Rero Saint Jean d'Acre 1 référence
 1Y compris des descriptions iconographiques


Mais…
 Acre (Ville d’Israël / Syrie)

 Acre (Province du Brésil)

 Google ne fait pas de différence !


Pierre ollaire / Stéatite
 RERO partout pierre ollaire 42 références
 RERO voc contrôlé pierre ollaire 28 références
 RERO partout stéatite 9 références
 RERO voc controlé stéatite 7 références
 RERO.DOC pierre ollaire 1 réf. / 5 occurrences
 RERO.DOC stéatite 1 réf. / 5 occurrences

 SUDOC pierre ollaire 51 références
 SUDOC stéatite 21 références

 Google Livres pierre ollaire 902 livres
 Google Livres stéatite 5’610 livres

 Google pierre ollaire 22’000 références
 Google stéatite 289’000 références

Et en sciences humaines… (1)

 RERO partout constructivisme 396 références
 RERO voc contrôlé constructivisme 277 références (Note 1)
 RERO.DOC constructivisme 1 référence

 SUDOC partout constructivisme 611 références
 SUDOC voc contrôlé constructivisme 2 références

 BnF partout constructivisme 355 références
 BnF voc contrôlé constructivisme 59 références

 Google Livres constructivisme 431 livres
 Google Livres constructivisme 1’527 occurrences

 Google constructivisme 139’000 liens

 Note 1 : Avantage RERO qui fait la distinction « constructivisme (philosophie) » et
« constructivisme (psychologie) »


 RERO partout Faillibilisme 396 références
 RERO voc contrôlé Faillibilisme 277 références
 RERO.DOC Faillibilisme 1 référence

 SUDOC partout Faillibilisme 611 références
 SUDOC voc contrôlé Faillibilisme 2 références

 BnF partout Faillibilisme 355 références
 BnF voc contrôlé Faillibilisme 59 références

 Google Livres Faillibilisme 295 livres
 Google Livres Faillibilisme 531 occurrences

 Google Faillibilisme 2’050 liens

 Avantage RERO



 RERO partout hypostase 19 références
 RERO voc contrôlé hypostase 8 références
 RERO.DOC hypostase 0 références

 SUDOC partout hypostase 26 références
 SUDOC voc contrôlé hypostase 2 références

 BnF partout hypostase 23 références
 BnF voc contrôlé hypostase 10 références

 Google Livres hypostase 299 livres
 Google Livres hypostase 3’210 occurrences

 Google hypostase 127’000 liens (Note 1)

 Avantage : Google
 Note 1 : Wikipedia en premier, pas de publicité à placer !

Pour être complet…
 Google Livres constructivisme 431 livres
 Google Livres constructivisme 80 livres affichage complet

 Google Livres faillibilisme 295 livres
 Google Livres faillibilisme 1 livre affichage complet

 Google Livres hypostase 301 livres
 Google Livres hypostase 365 livres affichage complet

 Les derniers résultats sont incohérents : l’affichage complet doit être
égal ou inférieur au premier total (recherche répétée plusieurs fois)

 Interrogations faites le 6 mars 2010


Evolution de la base de données
Août 2009 Décembre 09 Mars 2010
Stendhal 5’547 4’490 5’220 Réponses
Marie Henri Beyle 331 322 345 Réponses
Beyle Marie Henri 332 333 351 Réponses
Henri Beyle 402 363 412 Réponses
Beyle Henri 401 365 412 Réponses
Henry(sic) Beyle 24 23 45 Réponses
Beyle Henry(sic) 24 23 45 Réponses


Conclusion provisoire
 Avec la numérisation, l’indexation des livres
est passée à un stade industriel

 L’indexation est désormais « autre chose »

 Les bibliothèques ne pourront pas échapper à
un vaste débat sur le futur de l’indexation
manuelle


Les liens autour de Google Livres

 Les ouvrages numérisés dans Google
Livres ne sont pas isolés

 De nombreux liens y arrivent

 De nombreux liens en sortent


Les liens venant du catalogue local

Google Livres

VD

VD

RERO


Informations redondantes

WorldCat/OCLC
169 millions de notices
1,4 milliard de localisations

Google Livres
?
12 millions de
Livres numérisés
RERO
5 millions de notices


Liens internes à Google Livres

Google Livres

Ouvrage
consulté


Liens sur des informations
propres à Google - 1


Liens sur des informations
propres à Google - 2

Liens venant de
Google Scholar


Liens extérieurs à Google Livres
(Internet Archive / 1.8 million de livres numérisés)


Le futur des liens
Vers des dictionnaires biographiques

DHS
Dictionnaire historique
de la Suisse Numérisé à Oxford le
1/4/2008

Notices d’autorité
Google Livres
Catalogues
LoC, Rero, Sudoc, …


Constitution de grands « blocs »
d’informations contrôlées
 Monographies, périodiques, brochures…
 Catalogues, bibliographies, listes…
– Bibliothèques, domaines spécialisés, enseignants…
 Dictionnaires, répertoires, recueils, lexiques
– Biographiques, géographiques, historiques,
techniques, scientifiques, archéologiques, etc.
 Données brutes
– Astrophysiques, biologiques, géolocalisées, mais
encore juridiques (lois, règlements, jurisprudence,
etc.), culturelles, etc.

Mais encore des « blocs » non contrôlés

Wiki (?)
– Est-ce de l’information contrôlée ?
Blogs
– Grand public, spécialisés, etc.
Commerce
– eBay, Abebooks, etc.
– (Informations volatiles)


Nature des informations
Gratuites
– Officielles, contrôlées, libres,
personnelles, …
Payantes
– Commerciales (Elsevier, Benezit…)
– Jstor, HighWire, …


Dans tous les cas :
des informations stables

• Des adresses permanentes
• PURL – Permanent URL
• URN – Uniform Resource Name
• DOI – Digital Object Identifier
• Handle System (Ancres)
• Des résolveurs de liens


Google et la gestion des liens

 Un savoir faire exceptionnel sur lequel
est construit initialement le moteur de
recherche

 Une avance énorme

 Des essais dans tous les domaines


L’interconnexion des savoirs

 Une nouvelle étape dans le domaine
des bibliothèques numériques

 Les bibliothèques devront travailler
avec de nouveaux acteurs



Les futurs moteurs de recherche…

 Disposeront d’un contenu hors norme

 utiliseront abondamment les liens

 à travers des interfaces graphiques

 et interactives

Exemple d’interface graphique
de type « Fisheye »
http://ontology.univ-
savoie.fr/tricot/recherche/cs/realisations/demo/SystemFigureDesConnaissancesHumaines/
EyeTree/index.php

(très peu de données)


Références complémentaires
Anatomy of the Long Tail: Ordinary People with Extraordinary Tastes
Goel, S.; Broder, A.; Gabrilovich, E.; Pang, B.
WSDM (2010)
http://research.yahoo.com/pub/3011

Google's Goal: Digitize Every Book Ever Printed
Arlington, Virginia : Public Broadcasting Services (PBS) Newshour, Dec. 30, 2009 ; 8m35s
http://www.pbs.org/newshour/bb/entertainment/july-dec09/google_12-30.html
[En anglais (américain). Avec des interviews de Daniel Clancy (Chef de projet de Google Livres), Michael Keller
(Directeur des Bibliothèques de Stanford), Garry Reback (Avocat de l'Open Book Alliance), etc. PBS est
une télévision éducative indépendante].


Coordonnées
Alain Jacquesson
9 Route de Bellebouche
1246 Corsier (GE) / Suisse

Tél 0(0 41) 22 751 20 63
Mail alain.jacquesson@gmail.com


2010 BCU Google

Recommandé

Recommandé

Contenu connexe

En vedette

En vedette (20)

2010 BCU Google