Méthodologie : comment nous trouvons les opportunités

Comment Opportunity Universe met-il à disposition la plus grande base de données de programmes au monde ?

Cette page documente la manière dont Opportunity Universe découvre, extrait et vérifie les opportunités qu'il publie. La plateforme repose sur une chaîne automatisée d'exploration et d'extraction qui associe des grands modèles de langage à des règles de validation déterministes. Les sections ci-dessous décrivent chaque étape de cette chaîne, de l'acquisition des sources à l'archivage quotidien, et présentent les chiffres que le système produit actuellement.

1. Acquisition des sources

Le robot d'exploration surveille trois catégories de sources.

1. Plateformes d'opportunités établies. Les sites de référencement publics présentés dans le tableau plus bas, lus selon un calendrier fixe.
2. Éditeurs primaires. Les sites d'universités, de fondations, de ministères et d'organisations non gouvernementales, lus directement à la source.
3. Recherche à l'échelle de l'internet. Une couche de requêtes qui lance des recherches structurées dans 25 langues et fait apparaître des programmes qui ne figurent sur aucun site de référencement.

Comme les éditeurs primaires sont indexés directement, la base de données ne dépend pas du fait qu'une autre plateforme reste en ligne, complète ou exacte.

2. Extraction et classification

Chaque page candidate est transmise à un modèle de langage qui accomplit deux tâches. Il classe la page, en distinguant les véritables appels à candidatures des articles de presse, des listes d'articles et des annonces clôturées. Il extrait ensuite une fiche structurée contenant le titre, l'organisateur, la date limite, les critères d'éligibilité, le type de financement, le lieu et les liens de candidature. Le résultat est validé au regard d'un vocabulaire contrôlé de types, de disciplines et de régions, de sorte que chaque fiche soit comparable par la machine plutôt que rédigée en texte libre.

3. Déduplication

Un même programme est fréquemment republié sur de nombreux sites. Le système regroupe ces publications en une fiche canonique unique assortie de plusieurs sources attribuées, en s'appuyant sur la similarité des titres, l'identité de l'organisateur et la proximité des dates limites. Les programmes récurrents sont en outre reliés au sein de séries. Lorsqu'une édition se clôture, la chaîne réexamine périodiquement la série, ce qui permet de détecter l'édition suivante dès son annonce.

4. Liens vers les sources d'origine

Chaque fiche publiée renvoie au site de l'organisateur et à la page de candidature officielle. La plateforme ne renvoie pas vers d'autres agrégateurs et ne fait pas transiter les candidats par des redirections ou des intermédiaires de suivi. Les candidatures sont donc toujours déposées à la source.

5. Évaluation de la qualité

Chaque fiche porte trois scores indépendants : la confiance d'extraction, le prestige de l'organisateur et la légitimité. Les fiches situées sous le seuil de confiance ne sont pas publiées dans l'index public et sont placées en file d'attente pour vérification. Le prestige et la légitimité influent sur le classement, afin que les programmes bien établis et intégralement financés apparaissent avant les annonces non vérifiées.

6. Cycle de mise à jour et archivage

Les sources sont synchronisées selon des calendriers propres à chacune, qui reflètent leur fréquence de publication. Les plateformes à fort volume sont relues tous les quelques jours, les éditeurs primaires de manière hebdomadaire à mensuelle, et le balayage à l'échelle de l'internet est exécuté chaque mois. Les dates limites sont évaluées quotidiennement et les entrées expirées sont archivées automatiquement, de sorte que l'index consultable reflète des opportunités réellement ouvertes.

Chiffres actuels

Comparaison avec une curation manuelle

Les plateformes à curation éditoriale publient ce qu'une petite équipe peut lire et rédiger en une journée de travail, ce qui les limite en pratique à quelques entrées par jour, principalement en anglais et principalement à partir de sources qu'elles suivent déjà. Une chaîne automatisée lit ces mêmes sources, y ajoute les éditeurs primaires qui se trouvent derrière elles et fonctionne en continu dans chacune des langues qu'elle couvre. C'est cette différence de débit, et non une quelconque différence de jugement éditorial, qui explique l'écart illustré par le graphique ci-dessous.