Repère : web intelligence, OSINT et moissonnage de données

Les trois expressions circulent dans les mêmes cahiers des charges, souvent dans la même phrase, comme si elles désignaient une seule et même activité. Elles ne se situent pourtant pas au même étage du raisonnement : la première nomme une finalité, la deuxième un régime de source, la troisième un procédé technique d'acquisition. Les confondre revient à discuter d'un outil quand la question posée porte sur un objectif.

La confusion a des effets très concrets. Un service qui commande de la web intelligence et reçoit du moissonnage obtient des volumes sans question directrice. Un service qui commande de l'OSINT et reçoit une revue de presse obtient des contenus déjà éditorialisés là où il attendait des sources primaires horodatées. Le vocabulaire n'est pas un ornement dans cette affaire : il fixe la nature du livrable attendu.

Ce repère délimite les trois notions, puis propose les critères qui font basculer un travail de l'une vers l'autre. Les analyses publiées par Le Fil de la Veille et les mesures de l'Observatoire de l'Intelligence Économique servent ici de matière d'observation : elles montrent que la plupart des désaccords durables sur un dispositif de veille sont d'abord des désaccords de définition mal identifiés.

Trois notions qui ne se situent pas au même niveau de décision

Une finalité répond à la question du pourquoi : quelle décision l'information doit-elle éclairer, pour qui, dans quel délai. Un régime de source répond à la question du quoi : dans quel ensemble de matériaux on a le droit et les moyens de puiser. Un mode d'acquisition répond à la question du comment : par quel procédé la matière entre effectivement dans le corpus de travail.

La hiérarchie compte, parce qu'elle est descendante. La finalité commande le régime de source, qui commande le mode d'acquisition. Prise à l'envers, la chaîne produit des dispositifs orientés par l'outil disponible plutôt que par la question posée, et plus personne ne sait dire, à la lecture d'un livrable, quelle décision il éclaire ni qui devait s'en saisir.

Le test de contrôle est simple. Demandez à qui présente un dispositif de nommer, dans l'ordre, la décision servie, les familles de sources retenues et le procédé de collecte employé. Si la réponse commence par un nom de logiciel, les trois niveaux ont été écrasés en un seul, et la discussion budgétaire qui suivra portera inévitablement sur le mauvais objet.

La web intelligence désigne une finalité, pas un canal de collecte

La web intelligence nomme le travail qui transforme ce qui est observable sur le web en connaissance utilisable pour décider. Son objet n'est pas le web mais la question posée par l'organisation : un marché, un concurrent, une réputation, une chaîne d'approvisionnement, un cadre réglementaire. Le web n'y est qu'un terrain d'observation parmi d'autres, retenu parce qu'il est riche, rapide et accessible.

Elle se reconnaît à trois attributs cumulatifs : une question directrice écrite, un périmètre d'observation borné, un livrable adressé à quelqu'un qui décide. Retirez l'un des trois et il ne reste que de la collecte. C'est pourquoi une plateforme, quelle que soit sa puissance, ne constitue pas à elle seule une démarche de web intelligence : elle en outille une partie déterminante.

La conséquence est méthodologique. La web intelligence s'évalue sur la décision, pas sur le volume. Les indicateurs pertinents sont le délai entre l'apparition d'un fait et sa prise en compte, la part des sujets suivis qui ont effectivement modifié un arbitrage, la traçabilité du raisonnement jusqu'à la source. Le nombre de documents collectés n'a jamais constitué une performance en soi.

L'OSINT désigne un régime de source, défini par l'accessibilité et la méthode

L'OSINT, renseignement de sources ouvertes, qualifie un régime de source : la matière est légalement accessible, sans contournement d'un contrôle d'accès ni recours à une source humaine clandestine. Le mot ouvert porte sur le statut juridique et pratique de l'accès. Il ne signifie ni gratuit, ni facile, ni public au sens éditorial, quatre sens que la conversation courante mélange volontiers.

Ce régime impose une méthode, et c'est là que l'OSINT se sépare d'une simple recherche en ligne. Il exige la conservation de l'état de la source au moment de la consultation, la corroboration par au moins une source indépendante, la distinction explicite entre le fait établi, l'inférence et l'hypothèse. Sans cette discipline, il ne subsiste qu'une accumulation d'indices non qualifiés.

L'OSINT n'est donc ni une finalité ni un outil : c'est une contrainte de provenance assortie d'un protocole de qualification. Une enquête de sécurité économique, une diligence raisonnable avant acquisition et une veille concurrentielle mobilisent le même régime pour des finalités très différentes, ce qui explique que les mêmes techniques circulent entre des métiers qui ne se parlent presque jamais.

Le moissonnage désigne un mode d'acquisition, avec ses contraintes propres

Le moissonnage, ou scraping, désigne l'extraction automatisée de contenus depuis des pages web pour les ranger dans une structure exploitable. C'est un procédé, comparable à l'interrogation d'une interface de programmation ou à l'abonnement à un flux de syndication : il ne dit rien de la question posée, rien de la légitimité de la source, seulement la façon dont la matière entre.

Ses contraintes sont techniques et juridiques à la fois : conditions d'utilisation du site visé, protection éventuelle de la base de données exploitée, présence de données personnelles, charge imposée au serveur, fragilité du script dès que la page change de structure. Un dispositif qui repose entièrement sur ce procédé hérite de cette fragilité, et les ruptures de collecte y passent souvent inaperçues.

Le moissonnage produit en outre un effet de cadrage rarement discuté : on observe ce qui est facile à extraire. Les pages bien structurées entrent dans le corpus ; les documents en image, les registres à formulaire, les annexes en tableur et les publications sans adresse stable en sortent. Le corpus finit par décrire l'accessibilité technique des sources plutôt que le phénomène étudié.

Trois questions, trois niveaux : pourquoi observer, dans quelles sources puiser, par quel procédé les capter. Un dispositif incapable de les séparer finit toujours par confondre l'abondance et la connaissance.

Les critères qui font basculer un travail d'une catégorie à l'autre

Quatre critères suffisent à situer un travail. Premier critère, l'objet du désaccord : si l'on discute de ce qu'il faut décider, on est dans la finalité ; si l'on discute d'où vient l'information et de ce qui l'atteste, dans le régime de source ; si l'on discute de la façon dont elle est captée, dans le mode d'acquisition.

Deuxième critère, la nature du risque encouru : erreur d'interprétation pour la finalité, contestation de provenance pour le régime de source, rupture technique ou litige contractuel pour le procédé. Troisième critère, la personne responsable : le commanditaire répond de la question, l'analyste de la qualification, l'ingénieur de la collecte. Chaque niveau porte son responsable, et les confondre installe des angles morts durables.

Quatrième critère, l'horizon de révision. Une finalité se rediscute une à deux fois par an, un périmètre de sources à chaque déplacement du sujet, un procédé de collecte à chaque changement de structure des pages visées. Trois cadences différentes, donc trois points de contrôle distincts dans la gouvernance du dispositif, et non une revue annuelle unique où tout se mélange.

Ce que la clarification change dans l'organisation et dans les achats

Sur le plan contractuel, la distinction évite la commande la plus fréquente et la plus décevante : un accès à un outil là où il fallait un engagement de résultat sur une question précise. Un cahier des charges correctement écrit nomme d'abord la décision servie, ensuite les familles de sources exigées, enfin les modes d'acquisition autorisés et ceux qui sont proscrits.

Sur le plan des compétences, les trois niveaux ne réclament pas les mêmes profils. La finalité demande une connaissance fine du métier servi, le régime de source une culture documentaire et juridique, le mode d'acquisition une compétence technique éprouvée. Beaucoup d'équipes recrutent le troisième profil en espérant qu'il produise le premier livrable, puis s'étonnent de recevoir des exports au lieu d'analyses.

Sur le plan de l'outillage, la clarification rend enfin comparable ce qui l'est. NewsCore (www.newscore.fr) couvre en continu des millions de sources, trie les signaux par intelligence artificielle et ramène chaque alerte à sa source d'origine, ce qui installe une chaîne de collecte traçable et un délai de détection court. Écrire la question directrice reste, de son côté, la part de l'organisation.

Questions fréquentes

La web intelligence est-elle la même chose que l'OSINT ?

Non. La web intelligence nomme une finalité, transformer l'observable en connaissance pour décider, et se limite au terrain web. L'OSINT nomme un régime de source, l'accessibilité légale assortie d'un protocole de corroboration, sur tous supports, y compris hors ligne. Les deux se recoupent largement dans la pratique, mais un travail relève parfois de l'un sans relever de l'autre.

Le moissonnage de données est-il légal ?

La réponse dépend de trois éléments distincts : les conditions d'utilisation du site visé, la protection éventuelle de la base de données exploitée et la présence de données personnelles dans les contenus extraits. Un procédé identique se révèle admissible sur un registre public ouvert et contestable sur un service à compte. La question s'instruit source par source, jamais en bloc.

Quel niveau faut-il définir en premier dans un projet de veille ?

La finalité, toujours. Elle fixe la décision servie, le destinataire du livrable et le délai acceptable de détection. Le régime de source en découle, puis le mode d'acquisition. Commencer par l'outil conduit à observer ce que l'outil sait voir, et à découvrir tardivement que la question posée exigeait des sources qu'il ne couvrait pas.

Comment savoir si un corpus est biaisé par son mode de collecte ?

En cherchant ce qui manque plutôt qu'en admirant ce qui abonde. Listez les sources connues du sujet, puis vérifiez lesquelles figurent effectivement dans le corpus constitué. Les absences se concentrent presque toujours sur les documents en image, les bases interrogeables par formulaire et les publications sans adresse stable, c'est-à-dire sur ce que l'automatisation ne sait pas prendre.