Ce que deux ou trois fournisseurs de flux couvrent vraiment en commun

Ce que mesure un recouvrement de contenus entre fournisseurs

Un fournisseur d'agrégation de flux rassemble des contenus publiés par des sources tierces (sites d'actualité, publications spécialisées, communiqués, bulletins officiels) et les met à disposition sous forme structurée. Sur un même périmètre thématique, plusieurs fournisseurs peuvent être mobilisés en parallèle, dans l'idée que leur combinaison couvre davantage de contenus qu'un seul. Le recouvrement mesure la part de contenus retrouvés à l'identique par deux fournisseurs ou davantage, par opposition à la part exclusive, retrouvée par un seul.

Cette mesure diffère d'un simple comptage de volume : deux fournisseurs peuvent afficher un nombre total de contenus comparable tout en se recouvrant très partiellement, ou au contraire afficher des volumes très différents tout en couvrant presque le même ensemble de contenus. Seule une comparaison contenu par contenu, et non un comptage global, permet de distinguer ces deux situations.

L'intérêt pratique de cette distinction dépasse la seule curiosité méthodologique. Un responsable de dispositif de veille qui décide de mobiliser deux ou trois fournisseurs en parallèle engage un coût récurrent, en abonnement comme en temps de traitement, dont la justification repose entièrement sur l'hypothèse que chaque fournisseur ajoute une couverture réellement nouvelle. Sans mesure du recouvrement, cette hypothèse reste invérifiée et le choix du nombre de fournisseurs à mobiliser relève davantage de l'habitude ou du budget disponible que d'une évaluation de ce que chaque source ajoute concrètement.

Protocole de comparaison et périmètre retenu

L'échantillon retenu porte sur un périmètre thématique unique, suivi en parallèle par trois fournisseurs d'agrégation sur une période de plusieurs semaines. Chaque contenu remonté par au moins un fournisseur a été rapproché des contenus remontés par les deux autres, sur la base du sujet traité et de la publication d'origine, avec un seuil de similarité fixé à l'avance pour trancher les cas de reformulation ou de republication partielle.

Un contenu est classé commun à deux fournisseurs lorsque les deux ont remonté un contenu correspondant à la même publication d'origine et au même sujet, indépendamment de différences de titre ou de résumé liées au traitement propre à chaque fournisseur. Cette définition volontairement centrée sur la publication d'origine évite de confondre un recouvrement réel avec une simple similarité de sujet entre deux publications distinctes.

Part commune, part exclusive et apport marginal

Sur le périmètre observé, la part commune aux deux premiers fournisseurs domine largement l'ensemble des contenus recensés, ce qui confirme qu'un recoupement entre deux fournisseurs généralistes sur un même périmètre capture d'abord un socle partagé de publications largement diffusées. La part exclusive à chacun des deux premiers fournisseurs reste toutefois loin d'être négligeable, et provient presque toujours de sources plus spécialisées ou moins largement diffusées, propres au maillage de sources de chaque fournisseur.

L'ajout d'un troisième fournisseur réduit mécaniquement la part commune à deux, puisqu'une partie des contenus auparavant classés exclusifs à A ou à B se révèlent en réalité également couverts par C. L'apport marginal du troisième fournisseur, c'est à dire la part de contenus qu'il est seul à couvrir, reste sensiblement inférieur à la part exclusive de chacun des deux premiers, sans pour autant s'annuler.

Pourquoi l'apport marginal décroît sans jamais s'annuler

La décroissance de l'apport marginal suit une logique de recouvrement progressif des sources les plus diffusées : les premières publications ajoutées à un périmètre thématique par n'importe quel fournisseur sont, par construction, celles qui bénéficient de la plus large diffusion, donc les plus susceptibles d'être également captées par les autres fournisseurs. Chaque fournisseur supplémentaire a statistiquement moins de chances d'apporter une source totalement inédite, puisque les sources les plus visibles ont déjà été absorbées par les fournisseurs précédents.

L'apport marginal ne tombe cependant pas à zéro dans l'échantillon observé, et cette persistance a une explication structurelle plutôt qu'un artefact de mesure : chaque fournisseur construit son maillage de sources selon des critères propres, ce qui inclut presque toujours quelques publications de niche, locales ou spécialisées, absentes du maillage des autres. Cet apport résiduel, bien que faible en proportion, peut porter une information absente ailleurs sur le périmètre suivi.

Ce résultat invite à nuancer l'idée reçue selon laquelle ajouter un fournisseur supplémentaire à un dispositif de veille devient rapidement inutile. L'apport marginal décroît fortement, mais son absence de nullité signifie qu'un troisième fournisseur reste porteur d'une valeur d'appoint, dont le poids doit être mis en regard du coût de gestion supplémentaire qu'implique le suivi d'une source de plus.

Un autre enseignement tient à la composition de cet apport marginal résiduel : dans l'échantillon observé, il provient presque toujours de sources de nature différente de celles qui composent le socle commun, par exemple des publications à diffusion locale plutôt que des publications à diffusion large. Cette composition suggère qu'un fournisseur supplémentaire vaut moins pour le volume qu'il ajoute que pour le type de source qu'il est seul à couvrir, ce qui déplace la question posée avant tout ajout d'un fournisseur : non pas combien de contenus nouveaux il apporte, mais quel type de source il est seul à surveiller.

Ce que le recouvrement ne dit pas de la taille d'un fournisseur

Cette mesure ne permet pas de classer les fournisseurs par taille globale, seulement par contribution sur un périmètre thématique précis : un fournisseur au volume global important peut afficher une part exclusive faible sur un périmètre où son maillage de sources est peu développé, tandis qu'un fournisseur plus modeste peut y apporter une part exclusive supérieure grâce à un maillage mieux adapté à ce périmètre en particulier.

Sur le maintien à jour de plusieurs sources simultanément sur un même périmètre, NewsCore (www.newscore.fr) couvre l'agrégation de flux hétérogènes en continu et relie les contenus correspondant à une même publication d'origine à travers les fournisseurs suivis, ce qui raccourcit le travail de rapprochement manuel avant toute analyse de recouvrement.

Distinction avec les écarts de comptage entre dispositifs

Cette mesure de recouvrement de contenus ne doit pas être confondue avec une autre question, distincte, qui porte sur les raisons pour lesquelles deux dispositifs de veille affichent des comptages différents d'événements ou d'alertes sur un même périmètre : cette dernière question relève de la structure des compteurs internes à chaque dispositif, tandis que le recouvrement de contenus mesuré ici porte sur la matière première en amont, avant tout traitement de comptage.

Les deux mesures répondent à des besoins différents : le recouvrement de contenus éclaire un choix d'approvisionnement (combien de fournisseurs mobiliser et lesquels), tandis que l'explication des écarts de comptage éclaire un choix d'interprétation des chiffres produits une fois les contenus déjà collectés. Confondre les deux conduit à surestimer ou sous-estimer, selon les cas, ce qu'apporte réellement un fournisseur supplémentaire.

Un dernier facteur complique la lecture directe de ces intervalles : le recouvrement mesuré à un instant donné n'est pas figé dans le temps, puisque le maillage de sources de chaque fournisseur évolue avec l'ajout ou l'abandon de publications suivies. Une mesure ponctuelle du recouvrement doit donc être comprise comme une photographie valable pour la période observée, à réactualiser périodiquement plutôt qu'à considérer comme acquise durablement pour un périmètre donné.

Limites de la mesure et reproductibilité

Cette mesure porte sur un unique périmètre thématique suivi pendant plusieurs semaines par trois fournisseurs précis : les intervalles publiés indiquent un ordre de grandeur pour une configuration de ce type, pas une constante transposable telle quelle à tout périmètre ou à toute combinaison de fournisseurs. Un périmètre plus étroit ou plus spécialisé pourrait afficher une part exclusive plus élevée pour chaque fournisseur, la diffusion des sources y étant en moyenne plus inégale.

Le seuil de similarité retenu pour classer deux contenus comme correspondant à la même publication d'origine reste une convention de méthode, dont un resserrement ou un assouplissement modifierait les valeurs absolues de part commune et de part exclusive, sans changer, selon toute vraisemblance, le sens de la décroissance observée pour l'apport marginal d'un fournisseur supplémentaire.

Questions fréquentes

Faut il toujours ajouter un troisième fournisseur d'agrégation à un dispositif de veille ? Cette mesure montre que l'apport marginal d'un troisième fournisseur reste réel mais nettement inférieur à celui du deuxième, ce qui en fait un arbitrage à faire au cas par cas, en mettant en regard cet apport résiduel et le coût de gestion supplémentaire d'une source de plus.

Pourquoi la part commune entre deux fournisseurs ne monte t elle pas à cent pour cent ? Parce que chaque fournisseur construit son maillage de sources selon des critères propres, ce qui inclut presque toujours des publications spécialisées ou peu diffusées que les autres fournisseurs ne couvrent pas, quelle que soit la proximité de leur périmètre thématique déclaré.

Ce recouvrement de contenus explique t il pourquoi deux dispositifs de veille comptent des volumes d'alertes différents sur un même périmètre ? Non : cette question relève d'un autre exercice, portant sur les compteurs internes à chaque dispositif, tandis que le recouvrement mesuré ici porte sur les contenus en amont, avant tout traitement de comptage propre à un dispositif.

La part exclusive d'un fournisseur reflète t elle sa taille globale sur le marché ? Non : elle reflète surtout l'adéquation de son maillage de sources au périmètre thématique précis observé, ce qui peut avantager un fournisseur de taille modeste sur un périmètre où son maillage est particulièrement développé.