Woogle — le moteur de recherche néerlandais en TAL pour 3 millions de dossiers d'accès à l'information, désormais testé sur les archives estoniennes

La loi néerlandaise sur le gouvernement ouvert (Woo), entrée en vigueur en 2022, a créé pour les organismes publics l'obligation légale de publier proactivement bien davantage de documents communiqués au titre des demandes d'accès à l'information, mais il n'existait aucun moyen centralisé de les retrouver ; l'Université d'Amsterdam a donc créé Woogle, un moteur de recherche gratuit centralisant les communications Woo/Wob.

Woogle visait à rendre consultables plus de trois millions de dossiers néerlandais d'accès à l'information numérisés, malgré les caviardages, l'étiquetage incohérent selon les organismes et les numérisations regroupées, tout en testant si la même conception pouvait fonctionner au-delà du contexte néerlandais.

Le pipeline applique la reconnaissance optique de caractères aux documents caviardés, une segmentation des flux de pages pour reconstituer les limites originales des documents à partir de numérisations regroupées, ainsi qu'une extraction et classification automatique des métadonnées pour compenser l'étiquetage incohérent ; en mai 2025, ces travaux ont été formalisés au sein de l'ICAI OpenGov Lab, un laboratoire de recherche conjoint entre l'Université d'Amsterdam et l'organisme néerlandais de gestion de l'information gouvernementale (RvIHH), dirigé par le Dr Maarten Marx et le Dr Jaap Kamps, avec le Dr David Graus comme responsable du laboratoire, étendant les outils à la recherche sur les grands modèles de langage et la génération augmentée par récupération.

La documentation évaluée par des pairs publiée dans la revue Data (MDPI) situe le fonds documentaire de Woogle à plus de trois millions de dossiers d'accès à l'information, présentés sous forme de plus de onze millions de pages normalisées, provenant de plus de 1000 organismes publics néerlandais distincts, et la même étude indique que près de 10 000 documents estoniens ont été téléversés avec succès sur la plateforme malgré les difficultés réelles posées par les formats de signature électronique estoniens ASiC-E et BDOC et par des titres de documents génériques et incohérents.

Le test de transfert publié vers l'Estonie constitue une preuve directe que l'approche de Woogle n'est pas un outil purement néerlandais dans sa langue et son schéma, même si l'extension estonienne reste un pilote au stade de la recherche portant sur moins de 10 000 documents, comparé au système néerlandais pleinement opérationnel, et aucune mesure des résultats d'usage par les citoyens ou les journalistes n'a encore été publiée.