Étude statistique sur le code html d'un milliard de page par Google

Bonjour à tous,

Via Olivier _Carmine_ G. et Microformats, voici le résultat d'une étude statistique sur la fréquence d'utilisation des éléments html dans un milliard de pages web par Google: Web Authoring Statistics (en anglais).
Modifié par Igor (26 Jan 2006 - 21:56)

J'avais pensé créer un sujet sur le forum à ce propos mais j'ai vu le tiens. Je poste donc mon billet ici.

Les statistiques de Google pour décembre 2005 sont disponibles et ont le mérite de remettre les choses en place.
code.google.com/webstats/

Pour nous qui vivons dans un cercle privilégié (alsacretaions, Hub, blogs d'évangélistes, logiciels libres, standards en tout genre...), c'est un choc. Certes, depuis mai 2003 (et la sortie du bouquin de Zeldman), la dynamique est lancée, mais l'adoption des standards est encore très marginale.

Analyse :
- Les éléments les plus utilisés dans les pages Web :
<br> avant <p>
<table> avant <div>
<script> avant <link>
<b> et <font> avant <style>

- Les attributs les plus utilisés sur ces éléments :
body : bgcolor
a : target
table : border...
Sans commentaires

- Les noms de classes les plus utilisés sont par contre réjouissants : footer, menu, title dominent. Les "mauvaises" classes (small, smalltext, style1, white) sont peu nombreuses.
Ce qui montre qu'à partir du moment où les feuilles de style sont adoptées, c'est toute l'idée de séparation structure/présenttaion qui est assimilée.

- Pour l'élément script, c'est plus mitigé. d'un côté l'attribut language est toujours plus répandu que l'attribut type.
De l'autre, l'usage massif de l'attribut src permet de penser que la séparation structure/comportement n'est pas si étrangère aux codeurs (même si ceci ne prouve rien en soit)

Je m'arrète là mais il ya encore beaucoup de choses à dire, ces statistiques méritent d'être consultées car elles permettent de faire le point.

De plus, elles sont déjà accompagnées d'analyses, certaines étant intéressantes.
Par exemple :

a écrit :
The title attribute enjoys some use. We wonder, though, if, if IE stopped showing the alt attribute as a tooltip, we would see a big increase in the number of pages that used title and a big decrease in the number of pages using the alt attribute.

a écrit :
- Les noms de classes les plus utilisés sont par contre réjouissants : footer, menu, title dominent. Les "mauvaises" classes (small, smalltext, style1, white) sont peu nombreuses.
Ce qui montre qu'à partir du moment où les feuilles de style sont adoptées, c'est toute l'idée de séparation structure/présenttaion qui est assimilée.

Pour ce qui est de la classe title c'est plutôt à ranger dans ta catégorie "mauvaise classe", et dénote surtout que les éléments de titre sont peu utilisés

le lien code.google.com/webstats/ mène à une page 404

Bonjour,

Les résultats tels qu'ils sont publiés reflètent essentiellement l'approche googlienne du Web, essentiellement via les silences et le choix de ce dont on parle et de ce dont on ne parle pas. C'est à la fois passionnant, et totalement censuré. Beaucoup plus amusant que le débat en cours sur Google et la censure chinoise, mais aussi beaucoup plus pernicieux
Modifié par Laurent Denis (28 Jan 2006 - 11:09)

Laurent, mais enfin, tu n'as pas pu ne pas remarquer comme cette étude claire, limpide et objective, met en évidence que l'aspiration profonde des auteurs web est l'avènement du HTML5 ?

Soit dit en passant, j'ai lu un post sur le QuirksBlog qui faisait fort justement remarquer que l'accessibilité de ladite étude laissait à désirer. Les fichiers svg utilisés ne sont en effet pas lisible correctement avec la plupart des navigateurs, sauf FireFox 1.5.
Modifié par Lanza (28 Jan 2006 - 11:30)

pierredureau a écrit :
c'est un choc.

Ahh bon ?
Je trouve qu'on ne pouvait pas vraiment s'attendre à grand chose de mieux...

Lanza a écrit :
Laurent, mais enfin, tu n'as pas pu ne pas remarquer comme cette étude claire, limpide et objective, met en évidence que l'aspiration profonde des auteurs web est l'avènement du HTML5 ?

Tu me rassures. J'ai cru fugitivement que c'était Google's mission to organize the world's information.

Lanza a écrit :

Soit dit en passant, j'ai lu un post sur le QuirksBlog qui faisait fort justement remarquer que l'accessibilité de ladite étude laissait à désirer. Les fichiers svg utilisés ne sont en effet pas lisible correctement avec la plupart des navigateurs, sauf FireFox 1.5.

Oui, j'ai voulu être charitable, histoire qu'on ne m'accuse pas de parti-pris.

Evidemment, je suis de parti-pris vis à vis de Google, étant donné que toute remise en cause du discours de celui-ci n'a jamais conduit qu'à une seule réponse de sa part: vous êtes de parti-pris, mais nous allons vous expliquer notre "vision" du Web, et vous allez tout de suite vous sentir mieux, vous allez voir... Au fait, vous voulez un café ? un petit beurre ? un G-mail ? Just make yourself confortable...
Modifié par Laurent Denis (28 Jan 2006 - 12:22)

a écrit :
Ahh bon ?

Olivier, éternel insatisfait.
(Message perso : tu te connectes quand sur Jabber ? qu'on discute un peu)

a écrit :
Les résultats tels qu'ils sont publiés reflètent essentiellement l'approche googlienne du Web

a écrit :
vous êtes de parti-pris, mais nous allons vous expliquer notre "vision" du Web,

Intéressant. Mais quelqu'un peut-il m'éclairer sur ce qu'est "l'approche googlienne" du Web" en vérité ?

a écrit :
L'aspiration profonde des auteurs web est l'avènement du HTML5 ?

Toutes ses références au WHATWG sont étranges en effet. Ça existe encore ce projet de HTML5 ? Leur site Web jamais mis à jour ( http://www.whatwg.org/ ) donnait plus l'impression d'une mauvaise blague.

pierredureau a écrit :
quelqu'un peut-il m'éclairer sur ce qu'est "l'approche googlienne" du Web" en vérité ?

"Tout ce qui est bon pour Google est bon pour le Web" sera un racourci suffisant pour un début de week-end

a écrit :

Toutes ses références au WHATWG sont étranges en effet. Ça existe encore ce projet de HTML5 ? Leur site Web jamais mis à jour ( http://www.whatwg.org/ ) donnait plus l'impression d'une mauvaise blague.

Pas vraiment non. Les implémentations ont commencé. Voir par exemple Opera 9.0 et Web Forms, ou Firefox et le <a ping>.
Modifié par Laurent Denis (28 Jan 2006 - 13:53)

Ce qui est dommage c'est que nous n'ayons qu'une interprétation par google des données collectées.

Ce qui serait bien c'est d'avoir les données elles-mêmes et à l'avenir des tests qui ne ne passent pas à la moulinette de la "méthodogie" google qui ne vise pas à analyser les pages audités, mais les pages dans une optique bien précise:

a écrit :
The tokeniser was actually a prototype we made to test the HTML parsing rules described in the WHATWG's HTML5 spec.

Le truc serait de créer un robot qui vadrouille sur le web et faire l'analyse ciblée des codes sources.

C'est pas particulierement compliqué à priori.
Le plus difficile étant d'avoir la structure pour stocker les données collectées puis ensuite de les analyser.
Modifié par Olivier (28 Jan 2006 - 23:18)

Lanza a écrit :
Laurent, mais enfin, tu n'as pas pu ne pas remarquer comme cette étude claire, limpide et objective, met en évidence que l'aspiration profonde des auteurs web est l'avènement du HTML5 ?

C'est le fait qu'ils en parlent 15 fois en 12 pages qui te fait dire ça?

Igor a écrit :
Ce qui serait bien c'est d'avoir les données elles-mêmes et à l'avenir des tests qui ne ne passent pas à la moulinette de la "méthodogie" google qui ne vise pas à analyser les pages audités, mais les pages dans une optique bien précise:

The tokeniser was actually a prototype we made to test the HTML parsing rules described in the WHATWG's HTML5 spec.

Avoir un tel matériau d'étude pour n'en tirer "que" ça, c'est fort dommage en effet.Mais c'est justement parce que ce matériau vaut de l'or que Google est là ...

Bonjour,

Igor a écrit :

Pour ce qui est de la classe title c'est plutôt à ranger dans ta catégorie "mauvaise classe", et dénote surtout que les éléments de titre sont peu utilisés

Tu ne crois pas si bien dire!

Post-sriptum : je suis tombé dessus par le plus grand hasard en m'efforçant de valider un scipt sur le formulaire de recherche... à la recherche de sens, et les "alt" alors?
Modifié par ivision18000 (31 Jan 2006 - 02:25)

Salut,
@ivision18000

a écrit :
à la recherche de sens

Certains vont méditer sur une haute montagne, d'autres au bord de la mer, certains même en plein désert, mais il ne me serait jamais venu à l'esprit de chercher du sens à cet endroit.
Modifié par papyjo (31 Jan 2006 - 07:05)

Sens, Sens, c'est pas dans l'Yonne ça?
Modifié par zanzibar (31 Jan 2006 - 09:34)

Sérieusement, vous n'allez pas me dire qu'ils vont laisser tomber le xhtml comme matière d'avenir à cause de cette étude qui montre que les gens ne savent pas créer des sites internet correct (dû à 90% aux logiciels qui balisent comme des cochons) ?

Parce qu'a ce tarif et en comparaison avec la télévision et la rapidité d'internet, dans moins de 3 ans on aura des balises <google search , <msn shopping et <microsoftinformationretrievetonnsaserveurinthewebwetrustandwefuckyou implémenté dans les notices !

Sans compte les DTD qui ne seront pas valides parce que des liens concurents balcklistés auront été repérées dans la page (non là je vais trop loin ?)
Modifié par Samuel Berg (31 Jan 2006 - 14:38)

Bonjour,

papyjo a écrit :
... il ne me serait jamais venu à l'esprit de chercher du sens à cet endroit.

zanzibar a écrit :
c'est pas dans l'Yonne ça?

Je suis désolé, j'aurais pu être un peu plus explicite : en fait,
l'intégartion du code dont je parlais concerne ceci.

Amicalement.
Modifié par ivision18000 (01 Feb 2006 - 17:37)