Note de méthode : arbitrer entre exhaustivité et fraîcheur dans une veille documentaire

Toute veille documentaire arbitre en permanence entre deux exigences que l'on présente volontiers comme complémentaires alors qu'elles se disputent les mêmes ressources : l'exhaustivité, c'est-à-dire la part du champ documentaire pertinent effectivement couverte par le corpus, et la fraîcheur, c'est-à-dire le délai qui sépare la publication d'un document de sa mise à disposition dans le dispositif. Un service qui cherche à tout voir accepte mécaniquement de voir plus tard. Un service qui veut voir tout de suite accepte de voir moins. Cette note pose les définitions, décrit un protocole d'arbitrage reproductible et précise les limites de ce que l'Observatoire constate sur les dispositifs qu'il examine.

L'enjeu n'est pas théorique. La plupart des dispositifs documentaires que nous examinons ne formalisent jamais cet arbitrage : il se fait implicitement, par accumulation de sources, par réglage par défaut d'un agrégateur ou par habitude d'un veilleur. Le résultat est un dispositif dont personne ne sait dire s'il est réglé pour la couverture ou pour la réactivité, et qui déçoit sur les deux tableaux. Formaliser l'arbitrage ne le supprime pas : cela rend visible ce qui a été échangé contre quoi, et à quel prix pour l'organisation.

Ce que recouvre l'exhaustivité dans un corpus de veille documentaire

L'exhaustivité n'existe jamais dans l'absolu : elle se définit toujours par rapport à un référentiel explicite. Trois acceptions circulent, et les confondre suffit à rendre une discussion stérile. L'exhaustivité de sources désigne la proportion de gisements pertinents effectivement interrogés, un simple décompte de robinets ouverts. L'exhaustivité documentaire désigne la part des documents pertinents réellement captés sur une période donnée, indépendamment du nombre de gisements. L'exhaustivité thématique désigne la couverture des angles d'un sujet, y compris ceux que l'organisation n'avait pas anticipés. Un dispositif interroge deux cents sources et manque la moitié des documents utiles, parce que ses requêtes sont mal formulées ou parce que ses gisements se recopient.

Mesurer l'exhaustivité documentaire suppose une référence extérieure au dispositif lui-même, sans quoi la mesure se réduit à un autotest. Le protocole applicable consiste à constituer un corpus témoin sur une fenêtre fermée, trente jours par exemple, en recensant à la main les documents pertinents à partir de gisements identifiés à l'avance, puis à confronter ce corpus témoin au corpus produit par le dispositif. Le rapport entre les deux donne un taux de couverture. Deux relecteurs qualifient indépendamment la pertinence de chaque document, et les désaccords sont tranchés par une règle écrite avant l'exercice, jamais après.

Le coût de l'exhaustivité se paie en aval, jamais en amont. Doubler le périmètre ne double pas le travail de collecte, qui est automatisé, mais il augmente le volume à dédoublonner et à qualifier. La précision baisse avant que la couverture ne progresse vraiment, parce que les gisements ajoutés en dernier sont les plus marginaux et les plus redondants. C'est cette asymétrie, et non une limite technique, qui fait de l'exhaustivité une exigence coûteuse.

Ce que mesure réellement la fraîcheur : latence de collecte et délai de détection

La fraîcheur n'est pas un nombre unique mais une chaîne de délais. Quatre segments se succèdent : le délai de collecte, entre la publication d'un document par son éditeur et sa capture par le dispositif ; le délai d'indexation, entre la capture et la disponibilité du document dans l'outil de recherche ; le délai de qualification, entre cette disponibilité et le moment où un opérateur ou un modèle a jugé le document pertinent ; le délai de diffusion, entre la qualification et la réception par le destinataire. Le délai ressenti par la personne qui décide est la somme des quatre, jamais le premier seul.

La plupart des dispositifs ne mesurent que ce premier segment, parce que c'est le seul que l'outil expose spontanément. Cette mesure partielle produit des conclusions trompeuses. Un gain de six heures sur la collecte ne change rien si la note de synthèse part une fois par semaine, et une équipe qui investit dans la vitesse de captation alors que son goulot d'étranglement est la qualification dépense sans effet observable. Localiser le segment le plus lent avant d'agir est le premier bénéfice d'une décomposition explicite.

Un rappel utile : aucun dispositif ne rafraîchit une source plus vite que son éditeur ne la publie. Journaux officiels, bases de brevets, dépôts réglementaires et registres publics ont un tempo propre, hebdomadaire ou mensuel pour certains, et la fraîcheur atteignable sur ces gisements reste bornée par ce tempo. L'effort y porte utilement sur la couverture et sur la qualification, pas sur la fréquence d'interrogation.

Pourquoi les deux exigences entrent en concurrence dans un même dispositif

La concurrence entre couverture et délai n'est pas idéologique, elle est arithmétique. À effectif constant, le temps disponible pour qualifier un document est le rapport entre le temps de travail alloué et le nombre de documents entrants. Élargir le périmètre augmente le dénominateur. Deux issues seulement : le temps consacré à chaque document baisse, et la qualité de qualification avec lui, ou la file d'attente s'allonge, et le délai de détection avec elle. Aucune organisation n'échappe à cette contrainte par la seule vertu de sa méthode interne.

Le tri automatisé déplace ce point d'équilibre en absorbant la part répétitive de la qualification et en présentant d'abord ce qui a le plus de chances d'être pertinent. NewsCore (www.newscore.fr) couvre en continu des millions de sources en plusieurs langues, trie les résultats par pertinence et fait remonter les signaux en temps réel avec un lien direct vers la source d'origine. Le cadrage du besoin et la décision finale restent le travail de l'organisation : c'est là que se joue la qualité de l'arbitrage.

Protocole d'arbitrage : trois paramètres réglables et leur effet observé

Trois paramètres suffisent à décrire la position d'un dispositif documentaire. La largeur du périmètre, c'est-à-dire le nombre et la nature des gisements interrogés. La fréquence de collecte et le seuil de déclenchement d'une alerte, qui déterminent le débit entrant. Le niveau de qualification exigé avant diffusion, du signalement brut à la note vérifiée et contextualisée. Chaque paramètre se règle indépendamment, mais aucun ne se règle sans conséquence sur les deux autres.

Le protocole tient en quatre étapes. Décrire d'abord la décision que la veille alimente, et le délai au-delà duquel l'information n'a plus de valeur pour cette décision. Déclarer ensuite laquelle des deux exigences est contrainte, donc non négociable, et laquelle est optimisée sous cette contrainte. Régler les trois paramètres en conséquence. Mesurer enfin, sur une fenêtre fermée, le taux de couverture et le délai bout en bout obtenus, puis publier les deux résultats ensemble. Un taux de couverture annoncé sans son délai associé ne veut rien dire.

Un dispositif documentaire ne se règle pas sur un idéal de couverture : il se règle sur la décision qu'il alimente et sur le délai au-delà duquel cette décision est déjà prise.

Sur les dispositifs que nous observons, les réglages tenables se regroupent en deux familles. Les veilles à obligation, réglementaire, normative ou contractuelle, contraignent la couverture : manquer un texte est une faute, le recevoir deux jours plus tard est un inconvénient. Les veilles d'exposition, image, opinion, sécurité, contraignent le délai : arriver après la propagation d'un contenu rend l'information sans usage, alors qu'une couverture incomplète reste exploitable. Les dispositifs qui prétendent contraindre les deux sont ceux dont les utilisateurs se plaignent le plus.

Limites de la mesure et conditions de reproductibilité

Trois limites méritent d'être posées explicitement. Le corpus témoin est constitué par des humains et hérite de leurs angles morts : il sous-estime ce que personne n'a pensé à chercher. La datation des documents est peu fiable, car les dates affichées sont parfois des dates de mise à jour, parfois des dates de republication, et l'horodatage de capture n'est pas l'heure de publication réelle. Enfin, les ordres de grandeur que nous constatons proviennent de dispositifs qui acceptent d'être examinés, ce qui n'a rien d'un échantillon représentatif.

La reproductibilité, elle, ne coûte presque rien. Elle demande de publier avec chaque mesure la définition de la pertinence retenue, la fenêtre d'observation, la liste des gisements interrogés, la règle de dédoublonnage et la règle de datation appliquée aux documents sans date fiable. Une équipe qui documente ces cinq éléments compare son dispositif à lui-même six mois plus tard, ce qui reste hors de portée de la plupart des tableaux de bord de veille.

Questions fréquentes

Faut-il privilégier l'exhaustivité ou la fraîcheur dans une veille documentaire ?

La question n'a de réponse qu'une fois l'usage précisé, et elle en a alors une nette. Si la veille alimente une obligation, suivi réglementaire, normatif, contractuel ou de propriété industrielle, la couverture est contrainte et le délai s'ajuste : mieux vaut recevoir le texte trois jours plus tard que ne pas le recevoir du tout. Si elle alimente une réaction, image, opinion, sécurité, crise, le délai est contraint et la couverture s'ajuste. Un dispositif servant les deux usages gagne à être scindé en deux flux distincts plutôt que réglé sur un compromis moyen, qui déçoit les deux publics.

Comment mesurer le taux de couverture d'un corpus de veille sans référence externe ?

Sans référence externe, la mesure directe est impossible, mais deux approximations restent utiles. La première consiste à retirer temporairement un gisement du dispositif et à observer la part de documents pertinents perdue : elle donne la contribution marginale de chaque source et repère les gisements redondants. La seconde consiste à reconstituer a posteriori, sur trois ou quatre événements déjà survenus, la première trace exploitable et à vérifier si le dispositif la contenait. Ces méthodes ne donnent pas un taux, elles donnent une direction, ce qui suffit souvent à décider d'un ajustement.

Quelle différence entre la fraîcheur d'un corpus et le délai de détection ?

La fraîcheur qualifie le corpus : elle mesure l'écart entre la publication d'un document et sa disponibilité dans l'outil. Le délai de détection qualifie le dispositif entier : il mesure l'écart entre la publication et le moment où une personne en situation de décider a l'information sous les yeux, déjà qualifiée comme pertinente. Un corpus très frais alimentant une chaîne de validation lente produit un délai de détection long. Les deux indicateurs se publient ensemble, jamais l'un à la place de l'autre.