Blogs: Les derniers ne seront jamais les premiers

[Version anglaise - English version]

Le site Technorati propose un classement des blogs en fonction de leur popularité. La mesure utilisée est simple: Technorati prend en compte le nombre de sites qui pointent vers le blog à évaluer (et non le nombre de liens), dans les six derniers mois. Je vois ainsi que Technologies du Langage est classé 4724^ème avec 655 liens provenant de 210 sites différents (c'est ce dernier chiffre qui est pris en compte dans le classement).

Pas mal pour l'ego! 4724 sur les 18,7 millions de blogs recensés par Technorati à ce jour, ça n'est pas si mal! D'autant que la disproportion entre langues fait que les blogs francophones sont défavorisés (oui, d'accord, celui-ci est un peu bilingue). Le premier blog francophone me semble être Standblog (197^ème) [merci de me corriger le cas échéant]. Le Meur n'est que 694^ème. Aucun blog francophone n'apparaît dans le Top 100.

J'ai regardé plus en détail comment se présentait la relation entre le rang et le nombre de sites référents, en faisant un sondage sur une centaine de blogs qui couvrent toute la gamme du classement. Technorati semble un peu buggé: le rang est parfois mentionné, parfois pas, mais en utilisant à la fois l'interface Web et l'API, j'ai réussi à avoir une indication de rang pour la plupart d'entre eux. Comme on pouvait s'y attendre, la relation suit approximativement une "loi de puissance", c'est-à-dire que si on reporte les rangs sur un axe, le nombre de sites sur un autre, le tout en coordonnées logarithmiques, on obtient grosso modo une droite:

Ce type d'organisation se retrouve dans un grand nombre de domaines, qui n'ont pas grand chose à voir entre eux, comme le vocabulaire d'un texte (c'est la fameuse loi de Zipf, à laquelle j'ai fait allusion très brièvement à propos du spam, mais sur laquelle il faudra certainement que je revienne), les relations sociales, la structure physique de l'internet, ou l'organisation hypertexte du Web. C'est si surprenant qu'on en a fait des livres...

Que les blogs suivent ce type de loi n'a donc rien d'anormal, mais il est intéressant de noter que la courbe n'est linéaire que dans sa partie supérieure (ligne rose). A partir des rangs 5000 à 10 000, elle s'affaisse tout doucement et prend une allure parabolique (ligne bleue), dérogeant ainsi progressivement à la loi de puissance. Il y a en quelque sorte "trop" de blogs qui ont peu de citations. On voit très probablement à l'oeuvre (à moins qu'il ne s'agisse d'un bug grossier de Technorati) l'invasion des spams ou "splogs", dont on sait qu'ils constituent une part très importante de la blogosphère (Philip Lensenn en comptait récemment jusqu'à 60% sur Blogger -- voir ici). Il est à peu près impossible (et en tous cas trop coûteux) pour des spammeurs d'avoir des centaines de sites référents, mais les splogs sans citations ou avec un tout petit nombre de citations sont légion (il suffit de taper des mots-clés comme "Viagra" ou "Babe" dans Technorati pour s'en convaincre). Ce sont certainement eux qui tirent la courbe vers le bas.

Splogs ou pas, la "loi de puissance" en question fait le désespoir des blogueurs: elle signifie qu'un tout petit nombre de blogs accapare la majorité des citations, tandis que l'immense majorité des blogs n'est citée (et peut-être lue) par personne ou presque... En fait, à partir du rang 777 745, les blogs ne sont plus cités qu'une fois. Évidemment il doit y avoir beaucoup d'ex aequo, et Technorati ne donne pas de rang pour les blogs qui ne sont pas cités du tout. On peut toutefois faire une estimation à partir des 10 derniers rangs connus:

En extrapolant la courbe, on peut estimer à environ 460 000 le nombre de blogs ex aequo cités par un seul site. En ajoutant ça aux 777 744 qui précèdent, on obtient une estimation d'environ 1 235 000 blogs qui sont cités au moins par un site. Cela veut dire que17,5 millions de blogs ne sont cités par personne, soit plus de 93% d'entre eux... Sont-ils lus? Beaucoup d'entre eux sont certainement du spam, comme je l'ai dit précédemment. D'autres sont des blogs qui viennent d'être créés. D'autres sont des blogs sans intérêt qui n'auront vraisemblablement aucune vie future.

Quelques-uns (combien?) grimperont la difficile échelle du classement... Peut-être les retrouvera-t-on dans le Top 100 un jour ou l'autre, mais il vaut mieux que leurs auteurs ne rêvent pas! Technorati a, à juste titre, récemment adopté une limite de six mois pour le calcul des sites référents; sans limite temporelle, un nouveau site n'a pratiquement aucune chance d'apparaître haut dans le classement, par la simple inertie des "gros" déjà en place. Même avec cette limite, en fait, les chances sont quasi nulles. Des cas comme celui du blog de Michael Barnett (interdictor) qui est arrivé 90^ème en quelques mois sont tout à fait exceptionnels et il faut des événements planétaires pour remonter aussi violemment la pente (en l'occurrence la couverture de l'ouragan Katarina) -- à noter qu'interdictor est déjà redescendu au 100^ème rang (la liste donnée par Technorati n'est pas à jour).

Pour être dans le Top 100, il faut (à l'heure actuelle) être cité par 1973 sites. Ça n'a l'air de rien, mais ça n'est pas facile (puisque justement 100 blogs seulement y sont arrivés ;-). Le tableau ci-dessous donne le nombre de sites référents qu'il faut avoir pour être dans le Top 100, 1000, etc. :

Top	Sites référents
100	1973
500	817
1000	552
5000	200
10000	120
100000	20

O rage, ô désespoir. Même si le nombre de sites qui parlent de Technologies du langage doublait (mes chers alliés, allez-y, liez!), ce blog ne passerait jamais qu'au 1600^ème rang mondial. Et en plus, comme ça ne se fera pas du jour au lendemain, les "gros" auront encore plus de citations, et les frontières auront reculé. Il faudrait un ouragan dans les TIC pour gagner le Top 100 ou même le Top 1000... Secouer les puces à Google ne suffira jamais.

Snif. Je vais faire du pipol.