L’article explique comment détecter des pages web similaires, même si leur contenu n’est pas strictement identique, en utilisant l’algorithme SimHash. Contrairement aux fonctions de hachage classiques comme MD5, qui produisent des empreintes radicalement différentes dès qu’un caractère change, SimHash génère des signatures numériques proches pour des contenus proches. Cela permet de repérer des doublons partiels, comme des fiches produits identiques avec une seule ville modifiée.
L’auteur détaille le fonctionnement de SimHash, inspiré d’une méthode publiée en 2002 et popularisée par Google en 2007 pour dédupliquer des milliards de pages. L’algorithme repose sur une "élection" de 64 questions binaires, où chaque mot du texte "vote" en fonction de son propre hachage. Le résultat final est une empreinte de 64 bits reflétant la similarité globale du contenu.
Enfin, l’article propose une implémentation en PHP sans dépendances, adaptée à des comparaisons en base de données pour des millions de pages. Cette approche évite le recours coûteux à des modèles de langage (LLM) tout en restant efficace pour des cas comme le crawler de redirection.io.
Jim Nielsen réfléchit sur la simplicité et l'évidence en bloguant, soulignant que partager des idées perçues comme évidentes peut être utile. Il cite John Gruber, qui critique les pratiques intrusives des sites web (popups, cookies) en rappelant que leur rôle est avant tout d'afficher leur contenu. Nielsen admet que ses propres billets lui semblent parfois trop basiques, mais constate que pointer des problèmes évidents mais ignorés par d'autres peut être pertinent.
L'auteur compare cette démarche à l'histoire du Vêtement neuf de l'empereur, où le simple bon sens est souvent négligé. Il note que les meilleurs articles sont souvent ceux qui osent énoncer des vérités simples que personne n'exprime, ou qui amplifient des idées déjà partagées par d'autres. Pour lui, la clé du blogging réside dans cette franchise face à l'évidence.
Le billet met en lumière une tendance où les blogueurs hésitent à publier des contenus jugés trop simples, alors que ces prises de position peuvent résonner avec un public lassé des pratiques abusives en ligne. Nielsen encourage ainsi à assumer ces évidences, quitte à les répéter ou à les relayer.
L'auteur explore dans cet article les défis liés à la modération des plateformes de contenu, en particulier les blogs, face à la concurrence des réseaux sociaux visuels comme YouTube, TikTok et Instagram. Il souligne que malgré la popularité croissante des vidéos, les blogs restent pertinents et largement lus, avec des avantages comme la facilité de mise à jour et la rapidité de création. Cependant, il met en lumière le problème de la découvrabilité, où les algorithmes de suggestion de contenu jouent un rôle crucial mais posent des questions complexes de modération et de responsabilité des plateformes. L'article aborde également les alternatives et les solutions potentielles pour améliorer la découvrabilité des blogs tout en gérant efficacement la modération.
JoliMediaBundle est un nouveau bundle Symfony développé par JoliCode pour la gestion des médias dans vos projets. Inspiré par une expérience personnelle avec une image de mauvaise qualité, ce bundle répond à des besoins récurrents comme l'upload, le stockage, l'organisation, la transformation, l'optimisation, la diffusion, la sélection et l'affichage des médias. Il offre des fonctionnalités telles que le glisser-déposer, la sélection multiple, le suivi de l'upload, et une gestion flexible du stockage (local ou cloud). Idéal pour les sites vitrines, les plateformes eCommerce ou les applications métier, JoliMediaBundle simplifie la gestion des contenus multimédias.
Une liste d'astuces psychologiques pour l'écriture de contenu (via https://stephaniewalter.design/fr/blog/semaine-pixels-29-juillet-2016/ )