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 | 15745 lectures

PDF Afficher une version imprimable de cet article          

Reçevez par email les alertes de parution de nouveaux articles :

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
L'Echappée Volée Jul2018
2018
297 photos
albth
Nouveaux portraits
Expo
511 photos
albth
Lancement Fondation Femmes Numériques Jun2018
2018
112 photos
albth
USI Jun2018
2018
195 photos
albth
Web2day Nantes Jun2018
2018
327 photos
albth
CEA Saclay Daniel Estève Jun2018
2018
23 photos
albth
French Tech Station F May2018
2018
21 photos

Téléchargements gratuits

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

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

L'ebook Les usages de l'intelligence artificielle, octobre 2017 (362 pages)

CouvertureAvanceesIA

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
Elise de Préville
Elise est consultante en Data Privacy et Cyber sécurité chez KPMG.
flow
Aroussia Maadi (Orange)
Aroussia est team Manager chez Orange, en charge d'une équipe de spécialistes en bases de données à la DSI d''Orange. Elle accompagne les applications du SI dans la construction d'architectures de bases de données et assure le maintien en conditions opérationnelles des plateformes. Elle est aussi investie dans la société civile, pour l'empowerment des femmes, en particulier en Afrique.
flow
Amina Maïza
Amina est ingénieure études et développement en Java/JEE chez Vizeo Technologies.
flow
Maud Franca (CDC)
Maud est Directrice Adjointe du Programme des Investissements d’Avenir en charge de l’économie numérique, Banque des Territoires, Groupe Caisse des dépôts (CDC). Membre de la cellule nationale French Tech, mentor et aux boards de startups.
flow
Chloé-Agathe Azencott
Chloé-Agathe est chargée de recherche au Centre de Bioinformatique de MINES ParisTech et de l'Institut Curie. Cofondatrice de la branche parisienne du meetup Women in Machine Learning and Data Science.
flow
Béatrice Moulin et Clara Deletraz (Switch Collective)
Béatrice et Clara sont cofondatrices de la startup Switch Collective.
flow
Laurence Devillers
Laurence est chercheur et Professeur en Intelligence Artificielle à Sorbonne Université/LIMSI-CNRS, équipe de recherche "Dimensions affectives et sociales dans les interactions parlées". Membre du comité de réflexion sur l’éthique du numérique (CERNA) d’Allistène, Auteure de « Des Robots et des Hommes : mythes, fantasmes et réalité », Plon 2017.
flow
Sophie Viger
Sophie est Directrice de la Web@cadémie, de la Coding Academy by Epitech et directrice pédagogique du Samsung Campus.
flow
Laura Jacquemod
Laura est consultante digitale au sein de Nexworld, accompagnant notamment ses clients dans l'intégration d'Intelligence Artificielle, comme dans un chatbot.
flow
Anais Barut (Damae Medical)
Anaïs est co-fondatrice et présidente de DAMAE Medical, elle est en charge de la stratégie globale de la société ainsi que des problématiques marketing et financières. La startup développe un dispositif médical permettant au dermatologue au sein même de son cabinet d’acquérir des images d’anomalies de la peau, en profondeur, de manière non invasive. #entrepreneuse
flow
Virginie Mathivet
Virginie est ingénieure en innovation spécialisée en Intelligence Artificielle (IA) et objets connectés (IoT), chargée de Recherche et Développement dans l’équipe innovation de TeamWork (InTW’IT), société de services du numérique.
flow
Catherine Bocquet
Catherine est fondatrice et dirigeante de SFI, une ESN de 25 personnes. Aussi co-présidente de Digital League, Cluster des entreprises du numérique en Auvergne Rhône-Alpes. Membre de l’association Femmes & Business et du Pôle Femmes à la CPME Loire. #entrepreneuse
flow
Nicole Sgro
Nicole est co-fondatrice et présidente de la société Fingerprint Technologies, opérateur télécom et intégrateur de services numériques hébergés, membre du cluster numérique Digital League. #entrepreneuse
flow
Frédérique Segond
Frédérique est Directrice de l'Innovation et des Partenariats pour l'Université Grenoble Alpes, Professeur Associée à l'Institut National des Langues et des Cultures Orientales, à Paris, où elle enseigne la représentation des connaissances. Co fondatrice et Présidente de l'Association ScientiMix pour promouvoir la mixité dans les Sciences et les technologies.
flow
Sonia Mokhtar
Sonia est chercheuse au CNRS en informatique au Laboratoire d'Informatique en Image et Systèmes d'Information (LIRIS). Responsable de l'équipe de recherche DRIM: Distribution, Recherche d'Information et Mobilité. Spécialiste des systèmes distribués et de la protection des données personnelles.
flow
Nathalie Mancuso
Nathalie est Directrice Générale du site de e-commerce Wanimo.com, une animalerie en ligne 100% française.

Derniers commentaires

“Probablement, même si je n'ai pas encore vu d'étude de cas dans ce créneau......”
“Et les applications en Supply Chain? Cela se limitera à tous les sujets d'optimisation existants déjà, mais en temps réel par...”
“En te lisant, cela a l'air si simple ! Va bien falloir plusieurs lecteurs pour que j'assimile tout cela ! ps : petite coquille dans le paragraphre "Types de qubits". - voir utilisés en production...”
“J’utilise depuis longtemps pour acheter des followers instagram et acheter des likes instagram. Je n’ai pas de problèmes avec ce type de service, après chacun fait comme il veut...”
“Merci pour toutes ces infos! Une mine d'or. Petite coquille dans le paragraphe créateur : qui vont pour une bonne part d’expatrier aux USA qui vont pour une bonne part s’expatrier...”

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


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.