Auparavant, Google n'effectuait la mise à jour de son index que tous les 30 jours, et à l'origine, ne le faisait que tous les quatre mois. Ce sont les attentats du 11 septembre 2001 qui ont marqué un tournant, incitant Google à offrir sur ses pages des résultats de recherche mis à jour quasiment en temps réel. Le 11 septembre en effet, Google News n'existait pas. Le géant de la recherche indexée - qui à l'époque n'avait que trois ans d'existence - ne restituait pas les dernières nouvelles dès qu'elles étaient mises en ligne. Mais immédiatement après les attentats, CNN.com et d'autres sites d'information ont eu du mal à répondre à la demande. « Comme Google a pu avoir accès à ces sites, il a commencé à livrer les pages mises en cache, car l'entreprise ne disposait pas de la bande passante nécessaire pour faire face au nombre de visiteurs, » a déclaré Matt Cutts, chef de l'équipe Web en charge du spamming chez Google.

« En quelques heures, nous pouvions mettre à disposition un contenu utile auquel les gens ne pouvait pas avoir accès autrement, parce que les autres sites ne pouvaient pas suivre, » a-t-il déclaré. « Google aurait retiré les pages web mises en cache si les sites propriétaires le lui avaient demandé, » a-t-il dit. C'est, en partie, de cette demande survenue après le 11 septembre qu'est né Google News. Elle a également servie d'impulsion pour orienter l'entreprise vers le choix de rendre compte immédiatement, » a-t-il ajouté.

Jusque-là Google s'employait à parcourir une partie du web toutes les nuits, puis indexait les nouveaux éléments par lot. Avec Caffeine, Google indexe immédiatement les informations mises à jour à mesure que ses robots explorent l'Internet. Mis en action depuis cette semaine, on peut déjà constater que le moteur de recherche affiche des changements immédiats. Le blog I4U News a même décidé de mettre Caffeine à l'épreuve : après avoir publié un article avec un mot rare dans le titre, le site a constaté que son titre modifié était apparu après une minute à peine dans les résultats de recherche de Google.

Cependant, tous les changements réalisés sur chaque site n'apparaîtront pas immédiatement. « Google se base sur des critères comme le classement de la page dans les résultats pour déterminer quels sites mettre à jour plus rapidement, » a expliqué Matt Cutts. « Google parcourt également les sites d'information et de blogs plus souvent que d'autres, » a-t-il dit. Le moteur de recherche commence également à s'appuyer sur de nouveaux outils, tel Pubsubhubbub, pour savoir à quel moment les sites sont mis à jour. Utilisé par les blogs, cet outil Open Source envoie un ping vers Google lorsque le site est mis à jour et le moteur peut alors ajouter la nouvelle page à son index.

Jean Eylan
Plus d’infos sur http://www.lemondeinformatique.fr/