b) Traiter l’information

La notion de traitement de l’information est très vaste. Lorsqu’on lit et qu’on classe un courrier, il y a déjà une opération de traitement qui s’effectue. Quand il s’agit de traiter un corpus assez dense d’informations collectées en amont, il s’agira de mettre en oeuvre des méthodes et des logiciels sophistiqués permettant d’obtenir plus d’information sur son contenu, de le trier intelligemment, le classer, l’analyser sous tel ou tel angle, le cartographier, etc. Nous avons évoqué plus haut quelques-uns de ces systèmes informatiques destinés notamment au traitement de corpus structurés (bibliométrie par exemple). L’évolution du web a nécessité une adaptation de ces fonctionnalités pour s’intéresser aux formats textuels qui s’y trouvent, notamment par des méthodes d’analyse syntaxique, ainsi qu’au traitement multilingue.

Les outils qui interviennent dans les phases de traitement sont en fait liés à la taille du corpus. Dans le cadre d’une veille organisée et récurrente sur des thématiques bien définies, et faisant appel à des collectes d’informations régulières, le corpus sera rapidement important et son traitement indispensable. Par contre un autre type de traitement sera appliqué à un flux continu d’informations qui ne sont pas forcément stockées en corpus, mais qui ont besoin d’être analysées à leur arrivée pour être envoyées par push à des utilisateurs par exemple.

L’objectif de l’étape de traitement est de faire émerger les connaissances principales contenues dans le corpus, qu’il soit structuré (les champs d’une base de données par exemple) ou non structuré (plein texte). Deux grandes techniques coexistent et se complémentent :

• l’analyse statistique : elle s’applique généralement au premier type de données (structurées) et se décline en opérations de comptages de termes (fréquence d’apparition) ainsi que des analyses multidimensionnelles factorielles. Une des applications les plus communes est le traitement des bases de données brevets. Mais ces méthodes appliquées seules ont des limitations : elles permettent difficilement de distinguer les signaux faibles de ce qui est trivial, et ’la fréquence n’est pas toujours liée à l’importance réelle d’un terme par rapport à un texte’ [SESA00]. Cependant ce type de traitement est très utile sur des corpus volumineux.
  La bibliométrie est une analyse statistique particulièrement adaptée aux bases de données bibliographiques. Elle permet par exemple d’effectuer des dénombrements d’acteurs clés (personnes, institutions, pays...), d’identifier des réseaux d’acteurs ainsi que les thèmes présents dans un corpus [TABA98]. Elle ’présente surtout de l’intérêt pour dégager les tendances lourdes, pour déterminer l’évolution de secteurs d’activité généralement assez larges : elle est manifestement un outil amont de la veille stratégique. Elle est beaucoup moins intéressante dans le cas de la surveillance ponctuelle de la concurrence, mais elle est nécessaire à l’entreprise au moment du choix de grandes orientations, de détermination de changements d’axes de recherche par exemple.’ [JAKO96]

• l’analyse linguistique : plus adaptée à de petits corpus, ce traitement complète le précédent. Les techniques utilisées mettent en oeuvre le repérage des co-occurrences, la classification, l’analyse morpho-syntaxique ou sémantique, avec comme objectif de dépasser la notion d’indexation de mots dans un corpus mais de prendre ce dernier dans son ensemble.
  Ces deux technologies (analyse statistique et syntaxique) sont employées par des indexeurs pour les moteurs de recherche, les outils de data et textmining, mais aussi des outils de résumés et des traducteurs automatiques, ainsi que les logiciels de cartographie. Pour cette dernière famille d’outils, on peut citer ceux qui analysent le résultat d’une recherche sur le web par exemple et proposent une visualisation des principaux concepts.

• les traducteurs automatiques, utilisés sur un média aussi multilingue que le web, aident au dépistage des informations. Certes la qualité n’est pas encore parfaite, mais le résultat est souvent suffisant pour se faire une idée assez juste du contenu d’un texte (voir par exemple le module ’Translate’ proposé par le moteur Altavista, à partir d’une url ou d’un texte collé dans le formulaire, avec un choix assez complet de langues). Par contre si l’utilisateur désire diffuser la traduction, il aura la plupart du temps besoin de la corriger.

• les outils de résumés automatiques fonctionnent plus ou moins bien (plusieurs techniques existent), et ne donnent pas toujours une idée juste du contenu d’un texte.

Nous pourrions également inclure dans cette fonction de traitement de l’information la notion d’analyse. Certes, il s’agit d’une étape stratégique des plus importantes, où l’intervention humaine est absolument nécessaire. Cependant quelques outils peuvent servir de support à ce travail. Il s’agira surtout de mettre en forme les informations pour aider à la détection de signaux faibles, et matérialiser les liens qui les font correspondre. C’est le cas des outils proposés comme support à la création de puzzles.