La catégorisation des résultats de recherche sur Google Images

Google vient d’introduire dans son outil de recherche d’images la fonctionnalité Sort by subject [Tri par sujet si vous utilisez l’interface en français].

Si l’option Sort by relevance [Tri par pertinence] demeure la présentation par défaut d’une recherche, la nouvelle option Sort by subject exploite a priori un nombre plus faible de résultats et propose un affichage réduit sous forme de listes triées par sujets:

Recherche du mot « Paris », un classique de l’homographie. Le choix « Sort by relevance » donne 256 000 résultats tandis que « Sort by subject » en fournit seulement 114 000 mais distingue plusieurs « sujets » : la demoiselle et différents aspects de la ville.

L’affichage doit dans ce cas être considéré comme un ensemble d’échantillons d’images pour chacune des catégories repérées. L’utilisateur prend alors connaissance des grands types de résultats de manière très visuelle à l’aide d’une sélection de quelques images par sujet, mais il n’est pas possible pour lui d’augmenter le nombre d’images pour chaque échantillon proposé. À l’issue d’une telle catégorisation, il peut par contre affiner sa recherche en cliquant sur le titre d’un sujet proposé de façon à lancer une nouvelle requête.

L’organisation par sujets des résultats d’une recherche n’est pas véritablement une nouveauté dans un outil destiné au grand public. Il est ainsi possible depuis longtemps de regrouper par clusters les images lors d’une recherche sur Flickr à l’aide des tags (essayez sur le mot tiger par exemple). La nouvelle fonctionnalité proposée par Google agit cependant sur des collections bien différentes, extraites du Web, et elle possède quelques caractéristiques qui méritent que l’on s’y attarde.

La firme de Mountain View donne trois exemples d’utilisations de la fonctionnalité: restreindre rapidement et visuellement le champ d’une recherche, retrouver plus facilement une image particulière correspondant à une idée à illustrer, explorer et prendre connaissance visuellement de quelques informations sommaires sur un sujet recherché.

La mise en page des résultats catégorisés est donc conçue comme une aide visuelle à la recherche. L’outil est simple et paraît au premier abord efficace et utile.
Les algorithmes utilisés permettent d’après Google d’identifier des relations entre des images du Web. Il s’agit d’un développement des technologies utilisées dans les fonctionnalités Similar Images et Image Swirl introduites en 2009.

Cependant, comme toujours avec cette société, il est pratiquement impossible d’obtenir plus de renseignements sur les méthodes utilisées. On doit alors effectuer quelques tests pour tenter d’en savoir un peu plus, en particulier en ce qui concerne l’aspect linguistique de cette fonction.

Tout d’abord, la catégorisation n’est pas identique selon la langue de l’interface du moteur mise en action. Comparez par exemple la recherche sur le mot dog avec l’interface en anglais, en français, en italien de google.com. La fonctionnalité ne semble même pas (pas encore ?) disponible dans certaines langues pourtant très présentes sur le Web comme le portugais.

De la même façon, une recherche sur le mot mer en utilisant l’interface en anglais n’apparaît pas catégorisée, mais elle l’est lorsque l’on effectue la recherche avec l’interface en français.

Les résultats sont aussi différents selon le domaine utilisé. Ainsi, les recherches sur le mot dog avec google.com et google.fr à l’aide de l’interface en anglais génèrent des catégorisations identiques mais des listes d’images distinctes. Ce phénomène, que l’on connait déjà pour la recherche par pertinence puisque les moteurs des différents domaines ont des vues distinctes sur les index de Google, est amplifié dans le cas d’une présentation par sujets.

L’option de catégorisation doit donc être manipulée avec quelques précautions et s’avère parfois peu commode à l’usage lorsque l’on réalise régulièrement des recherches en plusieurs langues.

Quelques autre particularités méritent aussi d’être signalées.

Le nombre de catégories affichées est limité à 15, non seulement pour des recherches spécifiques (Usain Bolt) mais également pour des termes plus génériques (sky, glass). Même si cette limite est nettement plus élevée que pour les clusters de Flickr, elle induit dans bon nombre de cas une certaine distorsion et peut conduire à s’interroger sur la logique statistique du classement.

C’est ainsi par exemple que la recherche sur dog effectue une répartition des résultats selon quelques noms importants de la nomenclature des races de chiens, tandis que la recherche sur cat propose une toute autre catégorisation, essentiellement fondée sur le type de représentation des chats. Cette différence de comportement paraît à première vue incohérente, mais il s’agit là très certainement d’un effet de bord de l’algorithme mis en oeuvre qui proposerait probablement bien plus d’espèces de chats si le système pouvait afficher plus de 15 catégories.

La combinaison des opérateurs avancés de recherche fonctionne dans certains cas avec l’option Sort by subject. Avec l’exemple précédent du mot Paris, on peut ainsi afficher les catégories qui correspondent aux visages ou aux images en noir et blanc. Mais il n’est pas possible par contre de s’affranchir explicitement de la riche nunuche en tapant Paris -Hilton (ce qui fonctionne pourtant à peu près avec l’option Sort by relevance).

Enfin, la catégorisation des locutions est sensible à l’ensemble des mots recherchés et à leur ordre : black white est différent de black and white et de white black.

Comme pour tous les algorithmes sensibles de Google, le mécanisme précis de la catégorisation automatique réalisée par l’option Sort by subject demeure assez obscur. La logique d’applaudimètre liée au nombre de citations joue cependant un rôle probablement plus important pour les images qu’il ne l’est actuellement pour les recherches purement textuelles. Cette prime à la loi des grands nombres ainsi que le nombre restreint et non extensible de résultats présentés dans chaque catégorie risquent d’accentuer encore le caractère réducteur de la recherche d’images puisque le système ne propose que les toutes premières images selon cette organisation. La catégorisation selon Google est une aide intéressante et efficace; elle permet de clarifier rapidement la masse des images présentées et de rebondir ensuite sur d’autres requêtes, mais elle ne peut être considérée à elle seule comme un véritable mode de recherche.


6 réponses

  1. Comme le biais induit par MS PowerPoint sur les présentations de résultats des entreprises par rapport à un mode de pensée unique, il va y avoir des biais et des détournements sur les recherches d’informations. Donnez-moi Paris sans Hilton !

  2. Google est très fort pour nous faire perdre nos après-midis. Bon, je vais pas refaire le coup du google suggest ou ngrams, mais je suis sûr que celui-ci attirera les réflexions des visualoculturistes :
    http://bit.ly/m5fRB6
    du sang, des larmes, la mort…
    Pourquoi ? 🙂

  3. Vincent Glad dit :

    C’est une bénédiction pour mon vieux tumblr
    http://page1page49.tumblr.com/

  4. Christophe & Vincent: De « Suggest » à « Sort by subject », Google apporte en effet une contribution majeure aux lol studies.

  1. 12 mai 2011

    […] Peccatte talks about it in its blog, pointing out some good and some bad features.  Imprimer ce billet Cette entrée a été […]

  2. 2 novembre 2011

    […] nouveautés qui intéressent en particulier les chercheurs attentifs aux images, telles que Google Images Sort by subject ou Search by Image. Le livre est toutefois complété par un blog que le lecteur intéressé par […]

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *