Chapitre 2 : URL, liens hypertextes et moteurs de recherche¶

Programme officiel (B.O.)¶

B.O. spécial n° 1 du 22 janvier 2019 - SNT Seconde

Contenus	Capacités attendues
Repérage dans le Web : URL	Déchiffrer l'URL d'une page Web. Déterminer la partie d'une URL correspondant au nom du site hébergeant la page et au fichier désignant la page.
Liens hypertextes	Comprendre le renvoi d'une page Web vers une autre à l'aide d'un lien hypertexte.
Moteurs de recherche : exploration, indexation, classement	Mener une analyse critique des résultats fournis par un moteur de recherche. Comprendre les enjeux de la publication d'informations.

1. Les URL¶

1.1. Qu'est-ce qu'une URL ?¶

Pour accéder à une page Web, le navigateur a besoin de connaître son adresse unique sur le Web. Cette adresse est l'URL (Uniform Resource Locator, localisateur universel de ressource).

Voici comment se décompose une URL :

https://www.mon-site.fr/pages/cours/index.html

Élément	Valeur	Rôle
Protocole	`https://`	Méthode de communication (HTTP ou HTTPS pour la version sécurisée)
Nom de domaine	`www.mon-site.fr`	Identifie le serveur qui héberge le site
Chemin	`/pages/cours/`	Répertoires sur le serveur
Ressource	`index.html`	Le fichier demandé

1.2. URL absolue et URL relative¶

Une URL absolue donne l'adresse complète depuis le protocole : https://www.mon-site.fr/images/photo.jpg
Une URL relative indique le chemin par rapport à la page courante : ../images/photo.jpg

L'URL relative est utilisée pour relier les pages d'un même site entre elles (liens internes), tandis que l'URL absolue sert à pointer vers des ressources externes.

1.3. HTTP et HTTPS¶

Quand on entre une URL dans le navigateur, celui-ci envoie une requête HTTP au serveur qui héberge la page. Le serveur répond en renvoyant le document demandé.

HTTP (HyperText Transfer Protocol) : protocole de transfert hypertexte, non chiffré.
HTTPS (HTTP Secure) : version sécurisée, les échanges sont chiffrés. Le cadenas affiché dans la barre d'adresse indique une connexion HTTPS.

Attention aux sites non sécurisés

Sur un site en HTTP (sans le s), les données circulent en clair : mots de passe, informations bancaires... peuvent être interceptés. Il faut toujours vérifier la présence du cadenas (HTTPS) avant de saisir des informations sensibles.

2. Les liens hypertextes¶

2.1. Principe¶

Les liens hypertextes sont le fondement du Web. Ils permettent de naviguer de page en page en cliquant sur un élément cliquable (texte, image...).

Tim Berners-Lee les définit ainsi : "L'hypertexte est un moyen de lier des informations de diverses natures et d'y accéder, comme un réseau de nœuds dans lequel l'utilisateur peut naviguer à volonté."

En HTML, un lien se crée avec la balise <a> :

<a href="contact.html">Nous contacter</a>

<a href="https://www.wikipedia.org">Wikipedia</a>

2.2. Types de liens¶

Type	Description	Exemple
Lien interne	Vers une page du même site	`<a href="page2.html">Page 2</a>`
Lien externe	Vers un autre site Web	`<a href="https://www.exemple.fr">Exemple</a>`
Lien ancre	Vers un endroit précis de la même page	`<a href="#section3">Aller à la section 3</a>`

3. Les moteurs de recherche¶

3.1. Qu'est-ce qu'un moteur de recherche ?¶

Un moteur de recherche est une application Web qui permet de trouver des ressources sur le Web à partir d'une requête formulée avec des mots clés. Les plus connus sont Google, Bing, Yahoo, Qwant, DuckDuckGo...

Ne pas confondre

Un moteur de recherche (Google) n'est pas un navigateur (Chrome). Le navigateur affiche les pages ; le moteur de recherche les trouve.

3.2. Fonctionnement en trois étapes¶

Le fonctionnement d'un moteur de recherche repose sur trois étapes :

Étape 1 : Exploration (crawling)

Des programmes appelés robots d'exploration (ou crawlers, spiders) parcourent en permanence le Web en suivant les liens hypertextes de page en page. Ils découvrent ainsi de nouvelles pages et détectent les mises à jour.

Étape 2 : Indexation

Le contenu découvert est analysé et stocké dans une immense base de données appelée index. Chaque page est catégorisée selon ses mots clés, son contenu, sa structure...

Étape 3 : Classement et diffusion

Quand un utilisateur soumet une requête, le moteur compare les mots clés avec son index, classe les résultats par pertinence et les affiche.

3.3. Critères de classement¶

Les moteurs de recherche utilisent des algorithmes pour classer les résultats. Les principaux critères sont :

Critère	Description
Pertinence	Présence et fréquence des mots clés dans la page
Popularité (PageRank)	Nombre et qualité des liens pointant vers la page
Qualité technique	Vitesse de chargement, compatibilité mobile, HTTPS
Fraîcheur	Date de mise à jour du contenu
Engagement	Taux de clics, temps passé sur la page

Esprit critique

Les premiers résultats ne sont pas toujours les plus fiables. Certains sont des publicités (annonces payantes). De plus, les algorithmes de classement favorisent la popularité, pas nécessairement la véracité de l'information. Il faut toujours croiser ses sources.

3.4. Focus : l'algorithme PageRank¶

Parmi les critères de classement, la popularité d'une page joue un rôle central. En 1998, Larry Page et Sergey Brin, fondateurs de Google, ont mis au point un algorithme appelé PageRank (du nom de Larry Page) pour mesurer cette popularité de manière automatique.

Le principe : le surfeur aléatoire¶

Pour comprendre PageRank, on peut imaginer un internaute fictif qui navigue au hasard sur le Web :

Il arrive sur une page quelconque.
Il choisit au hasard l'un des liens présents sur cette page et clique dessus.
Il recommence indéfiniment.

Au bout d'un très grand nombre de clics, certaines pages auront été visitées beaucoup plus souvent que d'autres. Les pages les plus visitées par ce surfeur aléatoire sont considérées comme les plus importantes : ce sont celles vers lesquelles de nombreux liens convergent, en particulier depuis des pages elles-mêmes importantes.

Résumé de l'idée

Une page est importante si beaucoup de pages importantes pointent vers elle. C'est une définition récursive : l'importance d'une page dépend de l'importance des pages qui la citent.

Le Web comme graphe orienté¶

On peut représenter le Web comme un graphe orienté : chaque page est un nœud (un point) et chaque lien hypertexte est une flèche allant de la page qui contient le lien vers la page de destination.

    A ───→ B
    ↑      │
    │      ↓
    D ←─── C
    │      ↑
    └──────┘

Dans cet exemple, la page A pointe vers B, B pointe vers C, C pointe vers D et vers A, et D pointe vers C. On dit que les flèches sont orientées car un lien de A vers B ne crée pas automatiquement un lien de B vers A.

Les pièges du graphe¶

Le surfeur aléatoire peut rencontrer deux situations problématiques :

Piège	Description	Conséquence
Le puits	Une page sans aucun lien sortant (aucune flèche qui en part).	Le surfeur est bloqué : il ne peut plus cliquer nulle part.
La poche Web	Un petit groupe de pages qui ne contiennent que des liens entre elles, sans lien vers l'extérieur.	Le surfeur tourne en boucle dans ce groupe et ne visite jamais le reste du Web.

Le facteur d'amortissement¶

Pour résoudre ces problèmes, l'algorithme PageRank introduit un facteur d'amortissement (souvent fixé à 0,85, soit 85 %) :

À chaque étape, le surfeur a 85 % de chances de suivre un lien au hasard sur la page courante.
Il a 15 % de chances de se « téléporter » vers une page complètement aléatoire du Web, comme s'il tapait une nouvelle adresse au hasard dans la barre du navigateur.

Ce mécanisme garantit que le surfeur ne reste jamais piégé : même s'il tombe dans un puits ou une poche, il finira par en sortir grâce à la téléportation aléatoire.

En pratique

Google ne se limite plus au seul PageRank pour classer ses résultats. L'algorithme actuel prend en compte des centaines de critères (pertinence du contenu, qualité technique du site, localisation de l'utilisateur, etc.). Mais le PageRank reste un concept fondateur pour comprendre comment fonctionne le classement automatique des pages Web.