Comment fonctionne la recherche
Le calendrier se remplit en grande partie tout seul. Voici comment – et comment il reste honnête.
Chaque nuit
- Lire. Le robot TangoKalenderBot lit les pages publiques d'événements des écoles de tango, des lieux et des calendriers agrégateurs – poliment, au plus une page par seconde, selon les règles de
robots.txt. Les pages qui ne changent pas sont lues moins souvent. - Extraire. Un modèle d'IA extrait de chaque page la date, l'horaire, le lieu, le titre et la règle de récurrence – et uniquement ce que dit la page. Chaque trouvaille est accompagnée du passage de la page comme preuve ; sans preuve, rien n'est repris.
- Rapprocher. Chaque trouvaille est comparée aux lieux, organisateurs, séries et événements connus. Un événement que deux pages mentionnent indépendamment est le même événement avec deux sources – pas deux événements.
- Publier. Les sources déterminent un niveau : Piste (une source), Corroboré (deux sources indépendantes ou le site de l'organisateur lui-même), Corroboré en externe (un calendrier partenaire qui vérifie auprès des organisateurs), Confirmé (l'organisateur). Les pistes que personne ne confirme s'estompent d'elles-mêmes.
- Informer. Les organisateurs dont nous avons trouvé les événements reçoivent un seul e-mail avec un lien pour les reprendre – jamais un deuxième sans réponse.
Ce que valent les sources
Chaque source a un poids qui découle chaque semaine de son taux de réussite : quand les organisateurs confirment les trouvailles d'une source, son poids augmente ; quand ils les contredisent, il tombe à zéro. Les nouvelles sources que la recherche découvre elle-même sont à l'essai pendant un mois – leurs trouvailles ne comptent que comme pistes.
Un jeu de référence de pages connues vérifie chaque semaine que l'extraction reste précise. Si la précision baisse, aucun événement ne monte de niveau tant que tout n'est pas rentré dans l'ordre.
Ce que nous ne faisons pas
- Ni textes ni images d'autres sites – le calendrier affiche des données et un court résumé qui lui est propre, en nommant la source et avec un lien vers elle.
- Pas de connexion, pas de formulaires, aucune page de plus de deux mégaoctets.
- Le texte d'une page lue n'est conservé que jusqu'à son extraction, une semaine au plus.
- Si vous ne voulez pas être référencé, dites-le une fois – cela vaut définitivement.
La page de chaque événement trouvé affiche les sources et, champ par champ, d'où vient chaque information. Les détails techniques se trouvent sur la page TangoKalenderBot.