Les moteurs de recherche

Exercices corrigés

1. Qu'est-ce qu'un index inversé ?

   • A.Une structure qui associe à chaque mot la liste des pages qui le contiennentBonne réponse
   • B.Une liste des pages classées de la moins bonne à la meilleure
   • C.Un classement des sites par ordre alphabétique inversé
   • D.La liste des pages qu'un site refuse de laisser explorer

   Réponse : A — Une structure qui associe à chaque mot la liste des pages qui le contiennent

   Un index ordinaire donnerait, pour chaque page, la liste de ses mots. L'index inversé fait le contraire : pour chaque mot, la liste des pages où il apparaît. Chercher revient alors à lire des listes toutes prêtes et à les croiser, ce qui est extrêmement rapide. Le mot « inversé » ne désigne donc pas un ordre de classement, mais le sens de l'association mot-page.

2. D'où vient l'essentiel des revenus d'un grand moteur de recherche ?

   • A.De l'abonnement payé par les internautes
   • B.De la publicité ciblée vendue aux annonceursBonne réponse
   • C.D'une subvention versée par les États
   • D.De la vente des serveurs qu'il fabrique

   Réponse : B — De la publicité ciblée vendue aux annonceurs

   L'usage est gratuit pour l'internaute, mais le service coûte des milliards : le financement vient de la publicité. Les annonceurs achètent aux enchères le droit d'apparaître sur certains mots-clés et paient le plus souvent à chaque clic. C'est ce modèle qui explique l'intérêt du moteur pour tes données : mieux il te connaît, plus la publicité qu'il affiche est chère.

3. Trois pages ont été indexées : la page A contient « chat noir », la page B « chat blanc », la page C « chien noir ». Que renvoie la requête « chat noir » ?

   • A.Les pages A, B et C, car chacune contient au moins un des deux mots
   • B.Aucune page, car aucun index ne contient les deux mots ensemble
   • C.La page A uniquement, seule à figurer dans la liste de « chat » et dans celle de « noir »Bonne réponse
   • D.Les pages B et C, car elles contiennent chacune un mot de la requête

   Réponse : C — La page A uniquement, seule à figurer dans la liste de « chat » et dans celle de « noir »

   Dans l'index inversé, « chat » pointe vers A et B, « noir » pointe vers A et C. Le moteur croise les deux listes et ne garde que ce qui figure dans les deux : la page A. Les options 1 et 4 correspondraient à une recherche avec OU, alors qu'une requête à plusieurs mots-clés fonctionne par défaut comme un ET. Et l'option 2 oublie que A contient bien les deux mots.

4. Quel est l'ordre correct des trois grandes étapes du travail d'un moteur ?

   • A.Classement, puis exploration, puis indexation
   • B.Exploration, puis indexation, puis classement au moment de la requêteBonne réponse
   • C.Indexation, puis classement, puis exploration
   • D.Exploration, puis classement, puis indexation

   Réponse : B — Exploration, puis indexation, puis classement au moment de la requête

   Les robots explorent d'abord le Web en suivant les liens, le contenu récupéré est ensuite rangé dans l'index, et ce n'est qu'au moment où tu tapes ta requête que le moteur sélectionne puis classe les pages de son index. Les deux premières étapes tournent en permanence, indépendamment de toi ; seule la troisième dépend de ta question. Les autres ordres sont impossibles : on ne peut pas classer des pages qu'on n'a pas encore découvertes.

5. Tu trouves une information sur trois sites différents. Deux d'entre eux citent explicitement le troisième comme source. Qu'en conclure ?

   • A.L'information est confirmée par trois sources indépendantes, elle est donc fiable
   • B.En réalité, tu ne disposes que d'une seule source : le recoupement n'a pas eu lieuBonne réponse
   • C.Les deux sites qui citent leur source sont forcément faux
   • D.L'information est fiable car elle apparaît en tête des résultats

   Réponse : B — En réalité, tu ne disposes que d'une seule source : le recoupement n'a pas eu lieu

   Recouper, c'est vérifier auprès de sources qui n'ont pas la même origine. Ici, deux sites ne font que relayer le troisième : si celui-ci se trompe, tous les trois se trompent ensemble. Tu n'as donc qu'une seule source réelle. C'est un mécanisme très fréquent de propagation d'une fausse information : la répétition crée une impression de confirmation. Citer sa source est au contraire un bon signe de sérieux, cela ne disqualifie personne. Et la position dans les résultats ne prouve rien.

6. Comment appelle-t-on les programmes qui parcourent automatiquement le Web en suivant les liens pour découvrir des pages ?

   • A.Des serveurs DNS
   • B.Des robots d'exploration, ou crawlersBonne réponse
   • C.Des navigateurs
   • D.Des cookies

   Réponse : B — Des robots d'exploration, ou crawlers

   Ces programmes, appelés robots d'exploration, crawlers ou spiders, passent de page en page en suivant les liens hypertextes et rapportent le contenu pour l'indexer. Un serveur DNS ne fait que traduire des noms en adresses IP, un navigateur est le logiciel que TU utilises pour afficher des pages, et un cookie est un simple fichier texte déposé sur ton appareil.

7. Quand tu tapes une requête, où le moteur de recherche cherche-t-il réellement ?

   • A.Sur tous les sites du Web, un par un, en direct
   • B.Dans l'historique de ton navigateur
   • C.Dans les cookies enregistrés sur ton appareil
   • D.Dans son index, constitué à l'avance par les robots d'explorationBonne réponse

   Réponse : D — Dans son index, constitué à l'avance par les robots d'exploration

   Le moteur consulte son index, une immense base de données construite en amont : c'est ce qui explique qu'il réponde en quelques centièmes de seconde. Parcourir des milliards de pages en direct (option 1) prendrait des semaines. Ton historique et tes cookies peuvent servir à personnaliser le classement, mais ils ne contiennent évidemment pas le contenu du Web.

8. Que fait-on en entourant une expression de guillemets droits dans une requête ?

   • A.On exclut cette expression des résultats
   • B.On limite la recherche à un seul site
   • C.On demande l'expression exacte, avec les mots dans cet ordreBonne réponse
   • D.On demande uniquement des fichiers au format texte

   Réponse : C — On demande l'expression exacte, avec les mots dans cet ordre

   Les guillemets imposent une correspondance exacte : le moteur ne renvoie que les pages contenant précisément cette suite de mots, dans cet ordre. C'est très efficace pour retrouver une citation ou un titre. L'exclusion se fait avec le signe moins collé au mot, la restriction à un site avec l'opérateur site:, et le filtrage par format avec filetype:.

9. Que signifie l'abréviation SEO ?

   • A.L'achat de publicités sur les moteurs de recherche
   • B.Un protocole de chiffrement des recherches
   • C.Le système d'exploitation des serveurs de Google
   • D.Le référencement naturel : l'ensemble des techniques pour être mieux classé sans payer le moteurBonne réponse

   Réponse : D — Le référencement naturel : l'ensemble des techniques pour être mieux classé sans payer le moteur

   Le SEO (Search Engine Optimization) regroupe tout ce qu'un site peut faire pour plaire à l'algorithme sans acheter d'espace : contenu de qualité, titres pertinents, pages rapides, liens entrants. L'achat de publicité, c'est le SEA, le référencement payant, dont les résultats portent obligatoirement une mention « annonce ». Le SEO n'a rien à voir avec le chiffrement ni avec un système d'exploitation.

10. Sur quel principe repose l'algorithme PageRank ?

    • A.Une page est jugée d'autant plus importante qu'elle reçoit des liens venant de pages elles-mêmes importantesBonne réponse
    • B.Une page est classée selon le nombre de fois où le mot-clé est répété dans son texte
    • C.Une page est classée selon son ancienneté sur le Web
    • D.Une page est classée selon la somme versée par son propriétaire

    Réponse : A — Une page est jugée d'autant plus importante qu'elle reçoit des liens venant de pages elles-mêmes importantes

    Le PageRank interprète chaque lien entrant comme un vote, mais pondère ce vote par l'importance de la page qui le donne : dix liens venant de sites reconnus valent mieux que mille liens venant de pages sans valeur. La répétition des mots-clés (option 2) a été massivement détournée par les spammeurs, ce qui a précisément motivé l'invention du PageRank. Ni l'ancienneté ni l'argent ne déterminent le classement naturel — payer donne des annonces, signalées comme telles.

11. Tu veux trouver uniquement des documents au format pdf sur le site eduscol.education.fr. Quelle stratégie est la plus efficace ?

    • A.Écrire une phrase complète décrivant ce que tu veux
    • B.Taper le mot « pdf » dix fois dans la requête
    • C.Chercher normalement, puis parcourir les vingt premières pages de résultats
    • D.Combiner les opérateurs site: et filetype: avec tes mots-clésBonne réponse

    Réponse : D — Combiner les opérateurs site: et filetype: avec tes mots-clés

    Les opérateurs se cumulent : site: restreint le domaine, filetype: restreint le format, et tes mots-clés font le reste. Le moteur applique ces filtres directement dans son index, ce qui évite de parcourir des pages de résultats inutiles. Rédiger une phrase complète noie les mots utiles parmi des mots vides, et répéter « pdf » n'a aucun effet : le moteur ne compte pas les répétitions dans ta requête.

12. Qu'est-ce que la bulle de filtre ?

    • A.L'enfermement progressif de l'internaute dans des contenus conformes à ses habitudes, parce que l'algorithme lui montre surtout ce qui lui a déjà pluBonne réponse
    • B.Un filtre installé par les fournisseurs d'accès pour bloquer les sites illégaux
    • C.Le fait qu'un moteur refuse d'indexer certains sites trop récents
    • D.Un dispositif technique qui empêche la publicité de s'afficher

    Réponse : A — L'enfermement progressif de l'internaute dans des contenus conformes à ses habitudes, parce que l'algorithme lui montre surtout ce qui lui a déjà plu

    La bulle de filtre résulte de la personnalisation : l'algorithme apprend de tes clics et te propose davantage de la même chose, ce qui te fait cliquer encore. Personne ne censure quoi que ce soit — c'est justement ce qui la rend sournoise : tu as l'impression de voir « ce qui existe » alors que tu vois « ce qui te ressemble ». L'option 2 décrit un blocage administratif et l'option 4 un bloqueur de publicité, deux choses bien différentes.