Un modèle de recherche d’information qui caractérise la recherche comme un processus itératif, opportuniste et non linéaire où l’utilisateur recueille des éléments d’information discrets provenant de sources multiples au fil du temps, reformule continuellement ses requêtes, suit des pistes (citations, hyperliens, références) et combine des réponses partielles plutôt que d’exécuter une requête unique optimale produisant un résultat complet.

Principe

Les besoins informationnels sont souvent satisfaits progressivement : les utilisateurs adaptent leurs stratégies à partir de résultats intermédiaires ; les systèmes de recherche doivent donc prendre en charge l’exploration itérative, la facilité de pivotement, le traçage de la provenance et l’intégration incrémentale des résultats au lieu d’optimiser uniquement la précision en une seule requête.

Démonstration

Scénario illustratif — Situation : Un·e étudiant·e cherchant sur les îlots de chaleur urbains commence par un article de presse, suit les études citées vers des bases académiques, télécharge un jeu de données municipal utile, affine les termes de recherche après chaque découverte et élabore une carte bibliographique. Reconnaissance : L’étudiant·e reconnaît que des preuves utiles arrivent morcelées et sous des formats variés. Action : Il/elle adapte requêtes et outils, enregistre les sources et intègre les extraits dans une bibliographie annotée. Conséquence : La synthèse finale résulte de multiples interactions courtes plutôt que d’une recherche exhaustive unique.

Mauvaise application

Erreur : modéliser la recherche d’information comme un pipeline linéaire unique (requête → résultats classés → sélection) et concevoir des interfaces exclusivement pour ce flux. Pourquoi plausible : l’évaluation classique IR conçoit la recherche comme un acte one‑shot. Erreur sémantique : ignore l’adaptation de l’utilisateur, la sérendipité et l’intégration inter‑sources. Interprétation correcte : l’interaction de recherche est dynamique et nécessite souvent un soutien à la collecte incrémentale et hétérogène.

Conséquence

Reconnaître le berrypicking oriente le design et l’évaluation des systèmes vers des fonctionnalités qui soutiennent la continuité de session, le marquage, le lien entre sources, l’historique de requêtes et la récupération de formats mixtes ; cela informe aussi la formation des utilisateurs aux stratégies de recherche et aux limites des métriques de précision.

Inversion

Pour des tâches contraintes avec un besoin d’information strictement défini (p. ex. récupération d’un item connu, requêtes transactionnelles ou recherches de métadonnées spécifiées), les modèles one‑shot conviennent et le pattern complet de berrypicking peut être superflu.

Limite

Clairement inclus : recherche exploratoire, revues de littérature, journalisme d’investigation et tâches d’apprentissage où le besoin informationnel évolue. Cas limite : protocoles de revue systématique qui organisent la recherche itérative mais exigent une exhaustivité reproductible. Clairement exclu : recherches transactionnelles (p. ex. numéro de téléphone) où une requête précise suffit.

Tension sémantique

Tension entre le soutien d’un comportement utilisateur opportuniste et exploratoire (interfaces souples, sérendipité) et l’optimisation d’indicateurs algorithmiques de précision/recouvrement sur requête unique ; tension entre le soutien aux longues sessions et les contraintes de ressources systèmes.

Synthèse

Le berrypicking reconfigure la recherche comme un processus d’assemblage guidé par l’utilisateur : les systèmes de recherche et les cadres d’évaluation efficaces doivent privilégier la continuité d’interaction, la traçabilité de la provenance et des outils pour la synthèse morcelée plutôt que de traiter chaque requête comme un événement isolé.