Analyse des logs de Gallica et de Data BnF et modélisation des comportements

Dans le cadre du Bibli-Lab, partenariat de recherche entre la BnF et Télécom ParisTech, et avec le soutien du TeraLab, a été conduite une analyse inédite des logs de connexion aux serveurs de Gallica, en leur appliquant des méthodes d’apprentissage automatique (machine learning). L’objectif n’était pas de connaître les usagers ni leurs profils mais d’identifier des parcours-types. Durant 15 mois, un chercheur en contrat postdoctoral, Adrien Nouvellet, encadré par quatre enseignants-chercheurs de Télécom ParisTech (Florence d’Alché-Buc, Valérie Beaudouin, Christophe Prieur, François Roueff), a mis au point un algorithme de partitionnement de données (ou clusterisation) permettant de regrouper des sessions de Gallica présentant des similitudes dans l’enchaînement et la durée des actions. Ce travail est une première pour la BnF, mais aussi pour le monde des bibliothèques.

L’intérêt de ces méthodes d’apprentissage est de tirer profit de ce qui fragilise au contraire les méthodes traditionnelles de connaissance des usages : la masse des connexions (45 000 visites/jour sur Gallica). Cette masse interroge en effet la représentativité des enquêtes en ligne – représentatives d’abord et avant tout des internautes les plus engagés, mais pas de l’ensemble des internautes.

Malgré la puissance des algorithmes, l’apprentissage automatique requiert cependant un nombre important de décisions qui nécessitent de disposer d’autres sources de connaissance sur les usages et les usagers. Pour cette raison, le choix méthodologique fort a été ici de faire dialoguer les modèles statistiques avec les résultats issus d’autres approches (observations ethnographiques, entretiens, etc.).

L’intérêt du travail réalisé sur les logs de Gallica a convaincu la BnF et Télécom ParisTech d’ajouter à cette recherche un deuxième volet dédié aux logs de Data BnF, mais aussi aux parcours des internautes entre Gallica, Data BnF et BnF catalogue général.

Retrouvez la synthèse des résultats des deux volets de cette recherche. Le rapport complet de l’analyse des logs de Gallica, incluant une présentation de la méthodologie, est accessible dans HAL.