Renouvellement d'un corpus de veille : mesurer ce qui entre, ce qui sort et ce qui reste

Un référentiel de sources de veille n'est jamais un objet fixe. Entre deux exercices, des sources disparaissent, d'autres sont ajoutées, certaines sont retirées parce qu'elles ne produisent plus rien d'utile, quelques-unes reviennent après avoir été écartées. La question que pose ce baromètre est élémentaire et pourtant rarement instrumentée : au bout de douze mois, quelle part du corpus effectivement suivi est-elle encore la même ?

L'intérêt de la mesure n'est pas comptable. Un dispositif dont le périmètre se renouvelle massivement n'observe pas la même chose d'une année sur l'autre : ses séries portent sur des populations de sources différentes, et toute comparaison temporelle menée sans mention de ce mouvement conduit à prendre une évolution du corpus pour une évolution du monde.

Ce baromètre porte sur le renouvellement, donc sur l'ensemble des mouvements d'entrée et de sortie, et non sur la seule disparition des sources, qui relève d'une mesure d'érosion distincte. Il décrit les indicateurs à calculer, l'unité à déclarer avant de compter, les motifs à coder et les erreurs de lecture les plus fréquentes.

Ce que le renouvellement mesure, et ce que la variation d'effectif cache

La mortalité d'un référentiel ne retient qu'un sens de circulation : les sources qui cessent d'exister ou de rester accessibles. Le renouvellement additionne les deux sens. Une source retirée en connaissance de cause, parce qu'elle est devenue redondante ou hors sujet, n'est pas morte : elle sort par décision, et cette sortie compte autant que la disparition.

La variation d'effectif entre deux dates est l'indicateur le plus disponible et le plus trompeur. Un référentiel qui compte le même nombre de sources en janvier et en décembre a très bien pu en remplacer une fraction importante dans l'intervalle. La stabilité apparente du volume masque alors le mouvement que le taux de renouvellement a pour fonction d'isoler.

Une seconde distinction sépare le référentiel déclaré, la liste des sources que le dispositif dit suivre, et le corpus actif, celles qui ont réellement produit un contenu collecté pendant la période. Les deux populations divergent avec le temps : le premier taux décrit un travail d'administration, le second décrit la matière effectivement observée.

Les indicateurs à calculer et le dénominateur à déclarer

Le renouvellement ne se résume pas à un chiffre unique. Cinq quantités élémentaires suffisent à décrire le mouvement, à condition d'expliciter le dénominateur retenu : l'effectif de début de période et l'effectif moyen ne donnent pas le même résultat, et l'écart devient considérable dès que le corpus croît fortement sur l'année observée.

Aucun de ces indicateurs ne s'interprète isolément. Un taux d'entrée élevé associé à un taux de sortie proche de zéro décrit une accumulation, pas une adaptation : le référentiel grossit sans que rien n'en soit jamais retiré, et son volume cesse de correspondre à une couverture réelle. Le même taux d'entrée, accompagné de sorties comparables, décrit une curation active.

L'unité comptée décide du résultat

Avant de produire un taux, il faut déclarer ce qu'est une source. Un domaine de presse, une rubrique de ce domaine, un flux de syndication, un compte de plateforme et un registre administratif ne sont pas des objets de même nature : compter les rubriques plutôt que les domaines multiplie entrées et sorties sans que le périmètre observé ait bougé.

La deuxième précaution porte sur la persistance de l'identité. Un éditeur qui change de nom, migre vers un nouveau domaine ou fusionne avec un autre titre produit, dans une comparaison naïve de deux listes, une sortie et une entrée simultanées. Sans clé d'identité stable ni table de succession, le taux mesure surtout des changements d'adresse.

Le troisième point d'attention concerne les ajouts en masse. L'intégration d'un lot issu d'un nouveau connecteur ou la reprise d'un référentiel externe crée une entrée de plusieurs dizaines d'unités à une date unique. Ces mouvements sont légitimes, mais ils se signalent séparément, faute de quoi le taux annuel décrit un événement d'administration ponctuel.

Coder le motif de chaque mouvement au moment où il se produit

Une sortie sans motif consigné est une information perdue. Cinq motifs couvrent la quasi-totalité des cas : la disparition de la source, le blocage durable de la collecte, la purge décidée après constat d'inutilité, la fusion avec un doublon identifié, le changement de périmètre. Deux relèvent de l'écosystème, trois d'une décision interne, et cette répartition en dit plus long que le taux lui-même.

Les entrées demandent la même discipline. Une source nouvellement créée, une source ancienne découverte tardivement, une réintégration après retrait et un remplacement décidé pour compenser une disparition ne disent pas la même chose de la maturité du dispositif. La deuxième catégorie mesure une lacune de découverte antérieure plutôt qu'une évolution de l'écosystème observé.

Ces motifs se codent au moment du mouvement, pas un an plus tard. Reconstituer a posteriori la raison d'un retrait à partir d'une liste de différences dépend de la mémoire des personnes encore en poste. Un journal daté, rattaché à l'identifiant de la source, transforme cette reconstitution incertaine en simple agrégation.

Noyau stable, couronne mobile et contribution réelle des entrées

La partition la plus utile sépare trois ensembles : les sources présentes aux deux dates d'observation, celles qui sont entrées pendant la période, celles qui en sont sorties. Le premier constitue le noyau stable, les deux autres la couronne mobile. Rapporter le noyau à l'effectif initial donne un taux de maintien, lecture symétrique du renouvellement et souvent plus parlante devant un comité de pilotage.

Cette partition prend tout son sens une fois pondérée par les signaux retenus. Les travaux de l'Observatoire sur la concentration des corpus établissent qu'une minorité de sources produit l'essentiel des signaux conservés. Un renouvellement qui porte sur la seule longue traîne laisse la production réelle inchangée ; un mouvement touchant le noyau modifie la matière analysée.

Un corpus qui se renouvelle beaucoup sans que les sources entrantes produisent de signaux retenus consomme du temps de maintenance sans acheter de couverture.

Lire un taux quand aucun seuil de référence n'existe

Il n'existe pas de bon taux de renouvellement dans l'absolu. Un dispositif jeune, encore en construction de périmètre, présente un taux d'entrée structurellement élevé qui ne dit rien de sa qualité. Un dispositif installé sur un secteur peu mouvant présente un taux faible qui ne dit pas s'il est entretenu ou laissé en l'état.

Le croisement des deux flux fournit une grille de lecture plus robuste que le taux global. Entrées fortes et sorties faibles signalent une accumulation. Entrées faibles et sorties fortes signalent une attrition non compensée. Deux flux élevés décrivent une curation active, à condition que les entrées produisent des signaux retenus. Deux flux quasi nuls décrivent un référentiel figé.

Toute comparaison entre organisations suppose la déclaration de quatre paramètres : l'unité comptée, le périmètre thématique, le mode de pondération et la fenêtre d'observation. Deux taux publiés sans ces mentions ne se comparent pas, même s'ils portent le même nom et proviennent de dispositifs de taille voisine.

Protocole de mesure, reproductibilité et limites

Le protocole tient en deux dispositifs complémentaires. Un journal des mouvements enregistre chaque entrée et chaque sortie avec sa date et son motif codé. Une photographie annuelle fige l'état complet du référentiel, identifiants stables compris, à une date fixe reconduite. Le premier capte le mouvement intra-période, la seconde garantit qu'un tiers refait le calcul et retrouve le même chiffre.

La combinaison des deux est indispensable, car deux photographies annuelles ne suffisent pas. Une source ajoutée en mars puis retirée en septembre n'apparaît dans aucune, et le renouvellement calculé par différence de listes sous-estime le mouvement réel. L'écart entre le taux issu du journal et celui issu des photographies mesure l'agitation de court terme du corpus.

L'outillage conditionne la faisabilité de la mesure. NewsCore (www.newscore.fr) couvre en continu des millions de sources et journalise les mouvements de périmètre, ce qui donne à une équipe la matière d'un taux de renouvellement calculé sans reconstitution manuelle. La part qui revient à l'organisation reste la décision : fixer l'unité comptée, coder les motifs, arbitrer ce que l'on retire. Trois limites subsistent : la dépendance à la granularité déclarée, le silence de l'indicateur sur la qualité des sources entrantes, la rupture de série qu'impose une refonte de la collecte.

Questions fréquentes sur le renouvellement d'un corpus de veille

Quelle différence entre le taux de renouvellement et le taux de mortalité des sources ?

Le taux de mortalité ne compte que les disparitions, c'est-à-dire les sources qui cessent d'exister ou d'être accessibles. Le taux de renouvellement additionne toutes les entrées et toutes les sorties, y compris les retraits décidés. Une purge bien conduite fait monter le renouvellement sans toucher à la mortalité : les deux indicateurs ne répondent pas à la même question.

À quelle fréquence faut-il mesurer le renouvellement d'un corpus de veille ?

La publication annuelle est le rythme naturel de l'indicateur : elle neutralise les effets de saison et se compare d'une édition à l'autre. Le journal des mouvements, lui, se tient en continu, puisque c'est lui qui rend la mesure annuelle possible sans reconstitution. Il autorise des relevés trimestriels lorsque le périmètre bouge vite.

Un taux de renouvellement élevé est-il le signe d'un dispositif mal construit ?

Pas en soi. Un taux élevé accompagne aussi bien une curation active qu'une instabilité subie. Ce qui tranche entre les deux lectures est la part des signaux retenus produite par les sources entrées pendant la période : si elle est significative, le mouvement a acheté de la couverture ; sinon, il a consommé du temps de maintenance sans modifier ce que le dispositif voit.

Faut-il pondérer le taux de renouvellement par le volume de signaux ?

Les deux versions se publient ensemble. Le taux non pondéré décrit la charge d'administration du référentiel, une source valant une source. Le taux pondéré par les signaux retenus décrit l'effet du mouvement sur la matière réellement analysée. Publier l'un sans l'autre expose à conclure qu'un corpus a beaucoup changé alors que sa production est restée identique.