Cours NSI-SNT
Moteurs de recherche
Définition
Un moteur de recherche est un logiciel qui explore le web de façon à pouvoir proposer des résultats les plus pertinents aux requêtes des utilisateurs. On peut interroger un moteur de recherche directement dans la barre d’adresse du navigateur ou en allant sur le site du moteur (google.fr, bing.com…)
Un peu d’histoire
Vous pouvez faire plus de recherche à partir de la vidéo du Dr. Nozman sur les moteurs de recherche.
Fonctionnement
Nous allons voir ici le fonctionnement très simplifié d’un moteur de recherche comme Google.
Exploration et PageRank
Le robot (« bot ») d’un moteur de recherche parcourt en permanence le web en suivant des liens hypertextes. Lors de son exploration le bot de Google calcule le PageRank de chaque page. Actuellement, le PageRank est l’un des nombreux critères qui permet de classer les résultats de recherche. Le PageRank représente schématiquement la probabilité qu’a un internaute d’arriver sur une page. C’est ce qui a permis à Google de se démarquer de la concurrence à la fin des années 90.
Nous allons calculer une version simplifiée du PageRank sur un ensemble de 6 pages reliées par des liens représentés par des flèches sur le graphe ci-dessous.
Pour cela, nous utiliserons l’algorithme suivant :
- Mettre un pion (gomme…) sur une page au hasard ;
- Déplacer le pion sur une autre page en utilisant un lien au hasard ;
- Recommencer l’étape 2 trente fois.
À chaque fois que le pion va sur une page, il faut mettre un bâton dans le tableau ci-dessous. Pour choisir réellement au hasard, on pourra utiliser un générateur de nombre aléatoire en ligne.
2) Compléter le tableau ci-dessous en utilisant l’algorithme précédent.
| Page | A | B | C | D | E | F |
|---|---|---|---|---|---|---|
| Nombre de visites |
3) Grâce à vos résultats et à ceux de vos camarades, calculer la probabilité (sous forme d’un pourcentage) de tomber sur chacune des pages. Noter vos résultats dans le tableau ci-dessous :
| Page | A | B | C | D | E | F |
|---|---|---|---|---|---|---|
| Proba de visite |
4) Quelle est la page qui a le plus grand PageRank ? Pour quelle raison simple ?
Les pages web
URL
URL signifie Uniform Ressource Locator. On assimile souvent URL avec adresse web alors qu’il peut exister des URL pour des ressources qui ne sont pas sur le web (FTP, mail…).
Une adresse web a une URL qui commence par http:// pour HyperText Transfer Protocol. C’est la base du World Wide Web inventé par Tim Berners-Lee en 1989.
Prenons pour exemple une URL pour en comprendre toutes les parties :
https://www.debian.org/intro/about
Sur l’URL ci-dessus on peut distinguer :
https: le protocole, il est avant le séparateur. Dans le cas du web il sera toujours http ou https ;://: le séparateur ;www.debian.org: le nom de domaine/sous-domaine. Il se situe entre le séparateur et le premier/;/intro/about: le chemin vers la ressource.
1) Sur l’URL ci-dessous, déterminer le protocole, le domaine/sous-domaine et le chemin vers la ressource.
https://www.gnu.org/philosophy/philosophy.fr.html
2) Donner l’URL de la page Wikipedia sur Tim Berners-Lee.
Le chemin vers la ressource suit l’arborescence du serveur. / est la racine du serveur et /intro/ correspond au dossier « intro » sur le serveur.
3) Donner l’URL du dossier « devel » sur le serveur www.debian.org .
Modèle client / serveur
Pour obtenir le contenu d’une URL, un navigateur (le client) envoie une requête à un serveur et il attend sa réponse. Le serveur répond en envoyant certaines informations (ce qu’on appelle les « en-têtes ») et le contenu de l’URL demandée.
Pour voir les requêtes dans Firefox il faut appuyer sur F12, puis l’onglet “network” ou Ctrl + Maj + E puis cliquer sur la première ligne de la liste qui apparaît. Il sera nécessaire de rafraîchir la page et de choisir la requête que l’on veut observer. On s’intéressera particulièrement aux entêtes (headers) des requêtes.
4) En allant sur la page du tp https://profcardoso.github.io/cours_seconde/web/moteur_de_recherche_2.html , observer la requête envoyée et la réponse pour url-requete-http puis compléter les informations ci-dessous :
- méthode de la requête (GET ou POST) ;
- code d’état renvoyé par le serveur ;
- type de contenu (content-type) de la réponse ;
- logiciel du serveur (Server) ;
- taille de la réponse (Content-Length) ;
- navigateur du client (dans le User-Agent) ;
- système d’exploitation du client (dans le User-Agent)
HTTPS
HTTPS est une amélioration du protocole HTTP qui permet de crypter les échanges d’informations entre le client et le serveur. C’est à dire qu’une personne qui intercepterait votre communication ne pourrait pas la comprendre. En cherchant sur internet ou avec l’aide du prof, répondre aux questions suivantes :
5) Que veut dire le « s » de HTTPS ?
6) Comment reconnaît-on facilement qu’une page est en HTTPS ?
7) De quel élément, signé par un tiers de confiance, le protocole https a-t-il besoin pour fonctionner ?