La veille temps réel

Le « web temps réel » (real time web) désigne un ensemble de technologies et de pratiques permettant la transmission instantanée d’informations à travers le web. Cela signifie que les données et les mises à jour sont immédiatement disponibles et accessibles aux utilisateurs dès qu’elles sont publiées, sans nécessiter de rafraîchissement manuel ou de mise à jour périodique de la page. Initiée dans les années 2000 avec des réseaux sociaux comme Twitter, cette notion s’est particulièrement développée à partir des années 2010, avec l’avènement des smartphones et l’utilisation généralisée des notifications push sur les applications mobiles. Plus récemment, l’Internet des objets et l’analyse en temps réel de grandes quantités de données (big data) ont apporté de nouvelles dimensions.

Dans ce contexte, la notion de « veille temps réel » correspond à la fois à la collecte et à l’analyse automatisée de contenus publiés sur les médias sociaux et le « real time web », ainsi que de contenus publiés sur des sites classiques, dès leur publication.

Le caractère « temps réel » porte ainsi à la fois sur la collecte et l’analyse des données collectées. 

La collecte de nouveaux contenus publiés sur des sites classiques (sites de médias par exemple) passe généralement par des flux au format RSS ou ATOM. Le protocole Open Source WeSub (anciennement Pubsubhubbub) a permis d’améliorer la mise à jour de ces flux. Les abonnés sont notifiés quasiment en temps réel de l’apparition de nouveaux éléments, sans que cela charge outre mesure le trafic entre les éditeurs de flux et les abonnés. Ce protocole est désormais adopté par le W3C comme recommandation.

En raison des volumétries de plus en plus importantes des contenus recueillis sur les médias sociaux, le caractère temps réel de la veille concerne également l’analyse et le traitement de l’information, via des outils de cartographie, datavisualisation ou classement automatisé de l’information, destinés à filtrer le bruit et surtout à faire émerger les tendances importantes.

Les récents développements de l’intelligence artificielle mettent la puissance des algorithmes au service de l’analyse temps réel de volumétries importantes de données. Des procédés de machine learning peuvent détecter des pics inhabituels de mentions d’une marque ou d’un produit, ou d’un terme sur le web et les réseaux sociaux. Les veilleurs sont ainsi alertés en temps réel d’une hausse ou une baisse anormale de ces mentions. Les IA peuvent également résumer automatiquement et synthétiser les sentiments exprimés dans ces publications, et tenter ainsi d’expliquer les raisons de cette hausse (ou baisse) de publications, que leur teneur soit positive ou négative.

L’analyse prédictive utilise également des algorithmes pour prévoir les tendances futures à partir des données collectées en temps réel.