Search Engine Roundtable a rapporté un dysfonctionnement de Google Dataset Search, le moteur spécialisé dans la recherche de jeux de données sur le Web. Le service affichait un message d’absence de correspondance, y compris pour des recherches proposées par son interface.
Deux recherches sans résultat dans le signalement
Les requêtes artificial intelligence et llm prompts site:huggingface.co figuraient parmi les exemples concernés. Au lieu d’une liste de ressources, le moteur indiquait qu’aucun jeu de données ne correspondait aux termes saisis.
Barry Schwartz, fondateur de Search Engine Roundtable, rapporte avoir reçu une alerte d’un lecteur nommé Manish. Celui-ci évoquait un problème depuis environ vingt-quatre heures.
Lors de notre vérification le 16 octobre vers 6 h 49, heure de Paris, ces deux recherches renvoyaient chacune plus de 100 résultats. La première affichait notamment des ressources consacrées aux marchés de l’intelligence artificielle. Le dysfonctionnement décrit n’était donc plus reproductible sur ces deux requêtes.
Un moteur qui exploite les descriptions des jeux de données
Dataset Search, lancé en 2018, aide notamment les chercheurs, les journalistes et les étudiants à retrouver des données publiées en ligne.
Sa documentation explique que les données structurées facilitent cette découverte. Elles précisent le nom, la description et le créateur, ainsi que les formats de distribution. Google reconnaît le type Dataset du vocabulaire Schema.org et les descriptions équivalentes au format DCAT.
Les ressources concernées peuvent être des tableaux ou fichiers CSV, des collections de fichiers, des images porteuses de données ou des éléments liés à l’apprentissage automatique.
Pour les éditeurs, Google recommande de vérifier que la page descriptive reste accessible à Googlebot, puis de la contrôler avec l’outil d’inspection d’URL. Un sitemap XML permet de signaler les nouvelles pages et leurs modifications.
La documentation précise enfin que les délais d’exploration et d’indexation peuvent atteindre plusieurs jours après publication.
