Moissonner le web avec Outwit

Publié le 24 mai 2008 et mis à jour le 1 août 2008 - 4 commentaires -
PDF Afficher une version imprimable de cet article

Le web, ses sites et les moteurs de recherche ont une particularité : ils présentent des tonnes d’information, mais en général, faiblement structurées.

La couche de présentation “web/HTML” détruit la structure originelle des informations, très souvent stockées dans des bases de données. Il en résulte des silos de données disparates difficiles à exploiter. Pourtant, des trésors d’informations sont disponibles qui pourraient être mieux exploitées : données financières, listes diverses, comparaisons de prix, listes d’objets à vendre, etc.

image

Cela fait des années que les chercheurs et spécialistes des standards du web cherchent une réponse. Elle s’appelle le plus souvent “web sémantique”, voire “web services”. Le “web sémantique” consiste à publier les données sur le web avec des informations sur leur structure, leur sens, permettant une exploitation intelligente par les logiciels. Il s’appuie notamment sur le standard W3C “RDF” qui permet de spécifier la structure des données et leur sémantique (tel champ est un nom, tel autre est une adresse, etc). Le seul hic, c’est que ce standard n’est pas adopté et que le web reste un bazar toujours faiblement structuré au niveau des données publiées.

Les “services web” permettant quant à eux d’interroger les sites à partir de logiciels, comme si on interrogeait une base de données (pour faire simple), ne se sont pas plus généralisés. Les moteurs de recherche comme Google Search fonctionnent de leur côté en utilisant des batteries de statistiques, et pas du tout par sémantique.

Résultat, le web sémantique est pour l’instant dans les limbes. Il est à peine utilisé au sein des entreprises et très rarement sur Internet. Les logiciels en sont réduits à deviner la structure des informations publiées pour les exploiter. On pourrait appeler cela le “web sémantique implicite”.

C’est pour cela qu’il existe plein d’outils souvent en Shareware pour aller grappiller des informations structurées sur les sites web. On appelle cela des “scraper”, ou bien des outils de téléchargement pour ce qui est des images. Mais il est difficile de trouver des outils de ce genre qui soient à la fois faciles d’emploi, flexibles et extensibles.

Répondre à ce besoin est la mission d’Outwit. Avec l’idée de faciliter la récupération d’informations structurées de sites web qui… la déstructurent !

L’équipe

OutWit Logo

Je connais Jean-Christophe Combaz depuis deux ans. Diplômé de la Harvard Business School, c’est un entrepreneur en herbe au long parcours. Il a créé Calliscope en 1987 et l’a dirigé en France et en Californie. Il a créé ensuite la filiale européenne de l’éditeur de logiciels de conception 3D Ray Dream, puis a démarré le portail AdForum dédié au marché de la publicité, dont il a conçu le site.

C’est un véritable visionnaire et un passionné du web sémantique. Il a plein d’idées sur les services qu’il pourrait rendre, et de manière très pragmatique. Il avait développé dès 2006 un prototype d’outil permettant de récupérer des données sur les sites web, et qui ne tournait que sur Macintosh.

Après une grosse année de préparation, il a lancé son entreprise, Outwit Technologies, et trouvé des business angels pour financer l’aventure et divers conseils tels qu’Etienne Krieger (CEO de Navidis) et votre serviteur. De la est sorti une première bêta d’Outwit, créée avec trois développeurs, et qui est maintenant téléchargeable.

Le produit

Le “Outwit Hub” est une extension Firefox compatible avec la version 3.X du navigateur (depuis fin juillet 2008). C’est en fait une application à part entière qui intègre le navigateur de Firefox et se lance à partir de Firefox.

Outwit Hub est téléchargeable en bêta 1 ici. Son mode d’emploi rapide est ici. Le produit étant encore en développement, son aide en ligne est succincte.

Le principe d’utilisation d’Outwit Hub s’articule en trois phases :

  • On ouvre une page web et on sélectionne les éléments à récupérer dans le haut de la fenêtre (images, listes, emails, tableaux, RSS).
  • On envoie la sélection dans le “catch”, en mode manuel ou automatique, c’est une liste en bas de la fenêtre d’Outwit Hub. Le catch va accumuler les éléments récupérés jusqu’à ce qu’on efface ce qu’il contient. Le mode manuel consiste à appuyer sur le bouton “Catch” et le mode automatique, à sélectionner la case “Catch selection” en bas à droite. Il s’appliquera aux pages web suivantes obtenues soit avec une nouvelle URL, soit avec les boutons de déplacement (flèches droites simples ou doubles).
  • La sauvegarde des éléments récupérés sur le disque, en mode manuel ou automatique (optionnelle pour les images). Pour des images, c’est leur récupération dans un répertoire. Pour des listes et tableaux, c’est la sauvegarde dans un fichier Excel ou la copie dans le presse-papier après leur sélection.

image

Le logiciel est plein de ressources mais il est encore un peu tôt pour les décrire en détail car il faut déjà s’approprier les fonctions de base.

En gros, Outwit Hub sera scriptable et on pourra créer des “scrapers” personnalisés de sites divers. Et l’ensemble fonctionnera dans un mode communautaire. Le site web d’Outwit jouera ainsi un rôle fédérateur des utilisateurs et contributeurs d’Outwit.

De plus, on pourra développer des “Outfits”, des applications spécifiques créées avec le moteur d’Outwit qui est au coeur du Hub. Le modèle économique reposera sur leur développement et leur distribution, ainsi que sur un financement du site communautaire d’Outwit par la publicité. Tout est à construire.

Tout ceci constitue le plan à exécuter pour les mois à venir !

Les utilisateurs

Qui pourra utiliser Outwit ?

Pour ce qui est de la récupération d’images, c’est un peu tout le monde.

Pour ce qui est de listes, cela concernera les “chercheurs d’informations structurées” avec notamment : les enseignants et les étudiants, les métiers du marketing, de la communication, de la veille technologie, les économistes et les investisseurs financiers.

Et ce, à l’échelle mondiale. Ce qui explique pourquoi le logiciel est actuellement développé avec une interface utilisateur en anglais.

L’objectif de Jean-Christophe Combaz est de créer ou permettre la création par des tiers d’applications à partir du noyau de l’Outwit Hub. A terme, Outwit Hub sera plutôt destinés à des utilisateurs avancés du web.

Comment le découvrir ?

Je vous propose de découvrir le Outwit Hub grâce à deux petits tutoriaux “faits main”  illustrés dans les deux posts suivants. L’un pour récupérer des listes, comme celle des 2000 plus grandes entreprises mondiales du classement Forbes 2000. Et l’autre, pour récupérer des images sur Google Image. Il s’agit de tutoriaux sur des fonctions basiques du logiciel car celui-ci permet de réaliser des choses bien plus sophistiquées… qu’il reste à documenter !

image

Ensuite, vous pourrez faites quelques tests vous-mêmes et utiliser le menu “Feedback” d’Outwit pour faire suggestion et reporter les bugs et dysfonctionnements que vous identifierez. Et en étant indulgent : ce n’est qu’une bêta non finalisée.

Article modifié le 1ier août 2008 pour indiquer qu’Outwit Hub est maintenant compatible avec Firefox 3.X.

RRR

 
S
S
S
S
S
S
S
img
img
img

Publié le 24 mai 2008 et mis à jour le 1 août 2008 Post de | Entrepreneuriat, Google, Innovation, Internet, Logiciels | 15361 lectures

PDF Afficher une version imprimable de cet article          

Reçevez par email les alertes de parution de nouveaux articles :


 

RRR

 
S
S
S
S
S
S
S
img
img
img

Les 4 commentaires et tweets sur “Moissonner le web avec Outwit” :

  • [1] - benoitfelten a écrit le 15 avril 2009 :

    Super intéressant.

    Quel est le business model envisagé ?

  • [2] - Olivier Ezratty a écrit le 15 avril 2009 :

    Plusieurs variantes, dont un service premium pour les entreprises.

  • [3] - Yarbud a écrit le 22 août 2009 :

    Bonjour,

    Est ce qu’il est possible de traiter des informations de récupération du web a partir de données d’un fichier Excel?

    Eric

  • [4] - Olivier Ezratty a écrit le 22 août 2009 :

    Pas sûr de bien comprendre la question.
    On peut générer des fichiers Excel à partir des résultats obtenus dans la récupération de données sur le web.
    Le language de scripting pour créer des “scrapers” ne me semble par contre pas disposer des moyens de s’alimenter dans une feuille Excel.




Ajouter un commentaire

Vous pouvez utiliser ces tags dans vos commentaires :<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong> , sachant qu'une prévisualisation de votre commentaire est disponible en bas de page après le captcha.

Captcha

Pour valider votre commentaire, veuillez saisir les lettres ci-dessus et cliquer sur le bouton Publier le commentaire ci-dessus.


Derniers articles

Derniers albums photos

Depuis juillet 2014, mes photos sont maintenant intégrées dans ce site sous la forme d'albums consultables dans le plugin "Photo-Folders". Voici les derniers albums publiés ou mis à jour. Cliquez sur les vignettes pour accéder aux albums.
albth
S3 Odéon Oct2017
2017
336 photos
albth
Women in AI Oct2017
2017
28 photos
albth
Microsoft Experience Oct2017
2017
137 photos
albth
CES 2017
2017
3109 photos
albth
MIT35 Station F Sept2017
2017
74 photos
albth
Universités d'Eté du MEDEF Aug2017
2017
179 photos
albth
Nouveaux portraits
Expo
476 photos

Téléchargements gratuits

Le Rapport du CES de Las Vegas, publié chaque année en janvier depuis 2006. Vous souhaitez une restitution personnalisée et un point de veille du marché pour votre organisation ? Contactez-moi.

CouvertureRapportCES

Le Guide des Startups, mis à jour chaque année au printemps, avec la somme la plus complète et actualisée d'informations pour lancer et faire vivre votre startup :

image

Voir aussi la liste complète des publications de ce blog.

image

Avec Marie-Anne Magnac, j'ai lancé #QFDN, l'initiative de valorisation de femmes du numérique par la photo. Installée depuis début octobre 2015 au Hub de Bpirance à Paris, elle circule dans différentes manifestations. L'initiative rassemble plus de 650 femmes du numérique (en juillet 2017) et elle s'enrichi en continu. Tous les métiers du numérique y sont représentés.

Les photos et les bios de ces femmes du numérique sont présentés au complet sur le site QFDN ! Vous pouvez aussi visualiser les derniers portraits publiés sur mon propre site photo. Et ci-dessous, les 16 derniers par date de prise de vue, les vignettes étant cliquables.
flow
Yousra Touki (Air France)
Yousra est chef de projet en analyse de données dans l'audit et le contrôle interne d'Air France KLM.
flow
Pascale Chehikian (Sopra-Steria)
Pascale est manager de projets de création et mise à disposition de services numériques dans les secteurs industriel et tertiaire chez Sopra Steria. Membre du programme Passer’Elles de Sopra Steria en faveur de la mixité.
flow
Elisabeth Moulin (Valeur d'Etre)
Elisabeth est créatrice de "Valeur d'être", organisation dédiée à l'émergence de projets humanistes, innovants pour les professionnels, les entreprises et les particuliers.
flow
Carole Thourigny (8FabLab)
Carole est directrice du 8 Fablab Drôme à Crest.
flow
Marie Poulle (LoveBox)
Marie est cofondatrice et chief brand&sales officer de la startup grenobloise Lovebox.
flow
Marie Dorange (Opla)
Marie est cofondatrice et CEO de la startup Opla dans l’intelligence artificielle, une plateforme de création d’assistants virtuels.
flow
Jade Ataoui (Boost in Lyon)
Jade est Déléguée Générale de BoostInLyon, l'accélérateur de startups de Lyon qui recrute, accompagne et fait décoller les startups lyonnaises. A également cofondé Percola.top, une agence de création de contenus en ligne.
flow
Audrey Moriaud
Audrey est Responsable Réseaux & Télécoms dans une Maison de luxe.
flow
Arlette Quillere (CRT Services)
Arlette est Directrice des Systèmes d’Information chez CRT Services.
flow
Laetitia Guillotin (Fleur en ville)
Laetitia est fondatrice du service en ligne de livraison de fleurs personnalisées Fleur en ville.
flow
Véronique Bardet (Banque Postale)
Véronique est Responsable Exploitation à la DSI de La Banque Postale et du Réseau du groupe La Poste.
flow
Nora Guemar (Engie)
Nora est analyste stratégique sénior à la direction de la stratégie du groupe Engie.
flow
Diana Filipova
Diana est responsable de l’écosystème startups chez Microsoft France, où elle a fondé KissMyFrogs.com, le média alternatif des startups et de la tech en France. Egalement cofondatrice du collectif OuiShare, essayiste et écrivain.
flow
Sylvie Roche (CRiP)
Sylvie est Directrice Déléguée du CRiP, le Club des Responsables d’Infrastructure et de Production.
flow
Anna Stépanoff (Wild Code School)
Anna est co-fondatrice et dirigeante du réseau d’écoles numériques Wild Code School qui propose une formation d’excellence ouverte à tous au métier de développeur web et mobile. #entrepreneuse
flow
Sylvie Charissoux (Exide)
Sylvie est Chief Technology Officer au sein de l'entreprise américaine Exide Technologies, spécialisée dans le stockage électrique pour le transport et l’industrie.

Derniers commentaires

“Un article sur l'#IA clair, documenté et lucide......”
“@jmplanche moi je bouge pas sans l'avis d' @olivez ...”
“#IA or not IA that's the...”
“En effet, bien vu ! Le cognitif est un moyen de contourner le problème. Même si le terme est aussi un peu...”
“IBM a clairement l'intention de dépasser le débat sémantique autour de l'IA en parlant en lieu et place (au moins aux US) d'Intelligence Cognitive ou d'Intelligence augmentée. Voir l'interview récent de sa...”

Tweets sur @olivez



Abonnement email

Pour recevoir par email les alertes de parution de nouveaux articles :


 

RRR

 
S
S
S
S
S
S
S
img
img
img


Catégories

Tags

http://www.oezratty.net/wordpress/2016/ecosysteme-entrepreneurial-guyane/

Voyages

Voici les compte-rendu de divers voyages d'études où j'ai notamment pu découvrir les écosystèmes d'innovation dans le numérique de ces différents pays :

Evénements

J'interviens dans de nombreuses conférences, événements, et aussi dans les entreprises. Quelques exemples d'interventions sont évoqués ici. De nombreuses vidéos de mes interventions en conférence sont également disponibles sur YouTube.