Réalisé dans le cadre de notre cours Conduite de projet de recherche, par Florine Berquez et Bérénice Cambier. Le but étant d’analyser un moteur de recherche, ici nous avons choisi Google, selon une procédure établit en cours.

<aside>

Format PDF

BerquezFlorine_CambierBerenice_Projet_de_recherche_v2.pdf

</aside>

• Sommaire

Berquez Florine

Cambier Bérénice

Google

Partie 1 : Présentation du moteur de recherche

Dans le cadre de cette analyse, nous avons choisi d’évaluer le moteur de recherche Google, leader incontesté du marché de la recherche en ligne. Reposant sur des algorithmes avancés et une indexation massive du web, Google se distingue par sa capacité à fournir des résultats pertinents et personnalisés en fonction des requêtes des utilisateurs. Grâce à des critères de classement sophistiqués et à une interface intuitive, il optimise l’accès à l’information tout en intégrant divers filtres et fonctionnalités. L’étude de ce moteur permettra d’examiner sa performance en termes de pertinence des résultats, de précision des réponses et d’expérience utilisateur, afin de mieux comprendre son efficacité dans la satisfaction des besoins informationnels. Nous nous attendons à ce que les résultats les plus pertinents soient sur la première page et décroiseront au fur et à mesure.

L’analyse et l’évaluation d’un moteur de recherche ont pour objectif principal d’examiner la performance du système en termes de pertinence et d’exactitude des résultats fournis. Cette démarche vise à identifier la capacité du moteur à répondre efficacement à un besoin informationnel en utilisant des métriques telles que le rappel et la précision. On cherche également à évaluer l’expérience utilisateur, en tenant compte de la facilité d’utilisation, de la rapidité d’accès à l’information et de la qualité des résultats obtenus. En mettant en place un protocole rigoureux, cette analyse contribue à mieux comprendre les forces et les limites du moteur étudié, ouvrant ainsi la voie à de potentielles améliorations ou à des recommandations pour un usage optimal.

Le protocole mis en place pour répondre à l’analyse est simple. Nous avons élaboré 20 thématiques de recherche documentaire, chacun des membres du binôme en à créer 10 de manière indépendante pour l’autre membre. Ces thématiques devaient être précises, avec le ou les types de documents souhaités et les documents à exclure. Une fois ces thématiques élaborées, chacun des membres du binôme a pris connaissances des thèmes de l’autre pour pouvoir constituer des requêtes à partir du dictionnaire de syntaxe ci-dessous. Une fois les requêtes élaborées, nous les avons inscrites dans notre moteur de recherche, Google, puis nous avons sélectionné les résultats pertinents par rang de 10. Sur chaque page 10 résultats sont donnés par Google, nous avons donc comptabilisé les résultats pertinents pour les trois premières pages. Ce qui nous donne n résultats pertinents pour la page 1, n résultats pertinents pour la page 2 et n résultats pertinents pour la page 3.

Une fois ces résultats obtenus, il nous a fallu calculer les métriques. Pour cela, nous considérons 3 lots i, j et k où i comprend les dix premiers résultats d’une requête, j les dix résultats suivants et k les dix derniers résultats présent sur la troisième page. La première métrique que nous calculons est le taux de pertinence p=(a/)a+b100 où a est le nombre de documents pertinents retrouvés et b le nombre de documents non pertinents, il se calcule pour chaque lot. Nous allons ensuite calculer la valeur de rang (ranking value) pour chaque thématique. Nous calculons donc RV=((ni30+nj20+nk10)/600) où Ni est égale au nombre de documents pertinents au sein du lot i, Nj est égale au nombre de documents pertinents dans le lot j et Nk le nombre de documents pertinents présent dans le lot k. La valeur obtenue doit être comprise entre 0 et 1. Nous calculons cette valeur de rang pour définir l’effort cognitif effectué par l’usager ainsi que la répartition des documents pertinents dans les différentes pages du moteur de recherche. Finalement, nous analysons les résultats obtenus et comment notre méthodologie les impactent, avant de conclure.

Tableau de syntaxe du moteur Google

Partie 2 : Thèmes, descriptifs et requêtes

1. Thème 1

Thème : Quels sont les différents types d’intelligences artificielles et leurs spécificités ?

Descriptif : Je recherche des sites expliquant de manière accessible et détaillée les différents types d’intelligences artificielles (IA faible, IA forte, machine learning, deep learning, etc.). Les ressources doivent être récentes, après 2022, et adaptées à un public non expert. Je veux des vidéos explicatives sur des plateformes de partage comme Youtube, des articles de vulgarisation scientifiques, mais je refuse les articles trop techniques ou destinés aux chercheurs en intelligence artificielle. Je ne veux pas non plus d’études de marché ou de sources portés sur des chiffres.

Mots-clés : IA, française

Requête : "types d'intelligence artificielle" OR "catégories d'IA" ("IA faible" OR "IA forte" OR "machine learning" OR "deep learning") after:2022 -"étude de marché" -"rapport statistique"