18 ans d’évolution des tendances technologiques à travers les données de Hacker News

baeba · 2026-06-26T09:06:20+09:00

Hacker Trends est un service qui analyse environ 45 millions de publications et commentaires accumulés sur Hacker News afin de montrer, sous forme de séries temporelles, l’évolution du volume de mentions de technologies, produits, entreprises et personnalités. Il permet d’afficher plusieurs termes de recherche sur un même graphique afin de comparer la concurrence entre technologies, les changements de génération sur le marché ou les hausses soudaines d’intérêt liées à des événements. Les tendances technologiques ont généralement tendance à grimper brutalement autour d’événements précis comme des lancements de produits, des acquisitions d’entreprise, des changements de licence, des incidents de sécurité ou des évolutions du contexte industriel. Sur le long terme, les données montrent que les outils et plateformes de développement ne sont pas remplacés d’un seul coup : l’intérêt pour les technologies existantes diminue, puis de nouvelles technologies prennent le relais. Cependant, le volume de mentions sur Hacker News reflète seulement l’intérêt de la communauté des développeurs et ne prouve pas directement la part de marché réelle ni la supériorité technique. Introduction Suivre par les données l’évolution du discours des développeurs Hacker Trends fournit un histogramme mensuel indiquant la fréquence de mention d’un mot donné sur Hacker News pendant 18 ans. Les utilisateurs peuvent saisir plusieurs termes simultanément pour comparer l’évolution de l’intérêt porté aux technologies et aux entreprises. En sélectionnant un mois ou une période précise, on peut consulter les publications et commentaires réels correspondants. La recherche et l’agrégation des données s’appuient sur Upstash Redis Search et portent sur environ 45 millions d’éléments. L’outil ne se limite pas à un simple graphique de volume de recherche : il est conçu pour permettre de voir aussi les publications et événements qui ont provoqué la hausse de l’attention. Développement Les technologies évoluent par renouvellement générationnel Les changements dans les outils et plateformes de développement prennent moins la forme d’une disparition immédiate des technologies existantes que d’un glissement progressif de l’attention vers de nouvelles solutions. Exemples représentatifs : Après le recul de CoffeeScript, TypeScript s’est imposé comme langage d’extension dominant de JavaScript. L’environnement CI centré sur Jenkins s’est déplacé vers GitHub Actions à partir de 2021. L’environnement de build dominé par Webpack a vu l’attention se déplacer vers Vite après 2022. Dans l’écosystème des éditeurs centré sur Vim, Neovim a connu une forte croissance à partir de 2021. Les discussions sur les bases de données, longtemps centrées sur MySQL, se sont réorientées vers PostgreSQL autour de la période 2017–2020. Ces évolutions semblent moins relever d’un simple effet de mode que d’une accumulation de facteurs comme la facilité de développement, les performances, le soutien de l’écosystème et l’évolution des modes de déploiement. Les technologies IA ont progressé par chocs successifs de lancement Le domaine de l’IA générative se caractérise par une hausse par paliers du volume de mentions à chaque annonce de nouveaux modèles ou services. Parmi les principaux objets d’attention figurent ChatGPT, GPT-4, Claude, Gemini, Llama, Mistral et DeepSeek. Pour les outils de code assisté par IA, l’attention semble se déplacer successivement vers Cursor, Claude Code puis Codex. Cursor a bénéficié d’un fort intérêt à la fin de 2024. Claude Code a rapidement émergé à la mi-2025. Codex a vu son intérêt progresser à partir du début de 2026. Dans le domaine des modèles ouverts, Llama a élargi le marché en 2023, puis Mistral et Qwen ont installé une dynamique concurrentielle. L’attention portée à l’IA dépend fortement non seulement des progrès de performance, mais aussi d’événements comme la publication de modèles, les politiques open source, la concurrence entre entreprises et les fusions-acquisitions. Dans l’infrastructure, le leadership s’est déplacé selon les rôles Dans le cloud et l’infrastructure de développement, le leadership a continuellement changé entre des technologies offrant des fonctions similaires. Principaux exemples : Après avoir popularisé les conteneurs en 2014–2015, Docker a laissé Kubernetes s’imposer comme centre de l’orchestration. Heroku a dominé le marché initial du déploiement simplifié, avant que Netlify et Vercel ne croissent respectivement grâce aux écosystèmes JAMstack et Next.js. L’environnement de serveurs web centré sur Apache s’est déplacé vers nginx, puis Caddy s’est fait remarquer grâce au HTTPS automatique. Le marché de la gestion de configuration serveur dominé par Chef et Puppet s’est orienté vers Ansible, qui ne nécessite pas d’agent. Dans l’observabilité, Prometheus, Grafana et Datadog ont chacun élargi leur audience autour de rôles distincts : collecte de données, visualisation et SaaS intégré. Cela montre que les critères de choix technologique se sont élargis : on ne regarde plus seulement les fonctionnalités d’un produit, mais aussi l’automatisation du déploiement, la facilité d’administration, l’intégration et l’adaptation au cloud. Des événements précis amplifient l’attention à court terme Le volume de mentions technologiques sur Hacker News ne reflète pas seulement une croissance de long terme : il montre aussi des pics temporaires provoqués par des événements spécifiques. Exemples marquants : Lors de l’annonce par Unity de sa politique de frais d’exécution en 2023, les mentions de Unity ont augmenté, mais aussi celles d’Unreal et de Godot. Quand Heroku a mis fin à son offre gratuite en 2022, les discussions associées ont fortement repris. Mastodon a gagné en attention en 2022 lors du départ d’utilisateurs de Twitter après son acquisition. Bluesky a émergé en 2024–2025 comme nouvelle alternative de plateforme sociale. Zoom et Microsoft Teams ont connu une forte hausse des mentions en 2020 avec la pandémie de Covid-19 et le basculement vers le travail à distance. L’augmentation de l’intérêt pour des technologies concurrentes peut donc venir non seulement de leurs propres innovations, mais aussi des erreurs de politique d’un acteur en place ou d’un choc de marché. Les incidents de sécurité apparaissent comme des pics nets et datés Dans la sécurité, les mentions se concentrent moins sur une évolution lente de l’intérêt que sur les moments où surviennent de grandes vulnérabilités ou des incidents majeurs. Les principaux sujets analysés incluent Heartbleed, Log4j, XZ Utils, Spectre, SolarWinds, WannaCry et CrowdStrike. Comme ces événements ont un moment d’impact bien défini — divulgation d’une faille, attaque sur la supply chain, interruption de service — ils apparaissent sur les graphiques sous forme de hausses très nettes. Ces données permettent de comparer l’impact de certains incidents sur les choix technologiques des développeurs et des entreprises. Les politiques de licence reconfigurent l’écosystème open source Les changements de licence dans les projets open source entraînent souvent de fortes réactions de la communauté des développeurs ainsi que l’apparition de nouveaux forks. Cas emblématiques : Le passage de MongoDB à la SSPL Le changement de licence d’Elastic Le changement de licence de Terraform par HashiCorp et la montée d’OpenTofu Le changement de licence de Redis et l’apparition de Valkey Un changement de licence ne se limite pas à une modification de conditions juridiques : il affecte aussi la confiance de la communauté et des fournisseurs cloud, ainsi que la pérennité du projet. L’intérêt pour une technologie est donc déterminé non seulement par ses fonctionnalités et ses performances, mais aussi par la politique de son acteur principal et par sa gouvernance. Le contexte industriel et les débats de société transforment aussi le discours technologique Hacker Trends ne traite pas seulement des langages de programmation et des produits, mais aussi des évolutions du contexte industriel et de la culture de développement. Parmi les thèmes liés à l’industrie figurent les licenciements, la récession, la bulle IA, le retour au bureau, le burn-out, les syndicats et la semaine de quatre jours. Côté culture de développement, on trouve notamment la dette technique, la revue de code, l’agile, Scrum, les microservices, le serverless et le monorepo. Ces sujets montrent que les tendances technologiques sont liées non seulement à l’évolution technique elle-même, mais aussi au contexte de l’emploi, aux modes d’organisation, à la régulation et aux débats sociaux. L’interprétation des résultats de recherche a ses limites Les utilisateurs de Hacker News étant surreprésentés parmi les développeurs, fondateurs et professionnels de la tech, les résultats ne reflètent pas nécessairement l’intérêt de l’ensemble de la société. Une hausse des mentions d’un terme peut provenir non seulement d’une évaluation positive, mais aussi de critiques, de pannes, d’incidents de sécurité ou de controverses politiques. Il est aussi possible que les résultats incluent des technologies portant le même nom qu’un mot courant ou qu’un autre sujet. Le volume de recherche seul ne permet pas de juger du nombre réel d’utilisateurs, du chiffre d’affaires, de la part de marché ou des performances techniques. Hacker Trends doit donc être utilisé non comme preuve définitive d’une analyse de marché, mais comme ressource complémentaire pour explorer l’évolution de l’attention dans la communauté tech et les principaux événements associés. Conclusion Explorer à la fois le sens et les causes des changements technologiques Hacker Trends est un service qui permet de comparer visuellement les hausses et baisses d’intérêt pour des technologies et des entreprises à partir des données de long terme de Hacker News. L’analyse fait apparaître des renouvellements générationnels répétés dans de nombreux domaines, notamment les éditeurs, les langages de programmation, les plateformes cloud, les bases de données et les modèles IA. Les pics d’attention sont principalement liés à des lancements de produits, des acquisitions, des changements de licence, des incidents de sécurité, des échecs de politique ou des évolutions du contexte social. Comme le service donne aussi accès aux publications et commentaires réels, il permet de suivre non seulement le volume de mentions, mais aussi la manière dont les développeurs évaluaient ces technologies à l’époque. Cela reste toutefois une mesure de l’intérêt interne à Hacker News : elle doit donc être interprétée en la croisant avec des parts de marché, des statistiques d’usage et des données de revenus.

(hackernewstrends.com)

6 points par baeba 5 시간 전 | 3 commentaires | Partager sur WhatsApp

Hacker Trends est un service qui analyse environ 45 millions de publications et commentaires accumulés sur Hacker News afin de montrer, sous forme de séries temporelles, l’évolution du volume de mentions de technologies, produits, entreprises et personnalités.
Il permet d’afficher plusieurs termes de recherche sur un même graphique afin de comparer la concurrence entre technologies, les changements de génération sur le marché ou les hausses soudaines d’intérêt liées à des événements.
Les tendances technologiques ont généralement tendance à grimper brutalement autour d’événements précis comme des lancements de produits, des acquisitions d’entreprise, des changements de licence, des incidents de sécurité ou des évolutions du contexte industriel.
Sur le long terme, les données montrent que les outils et plateformes de développement ne sont pas remplacés d’un seul coup : l’intérêt pour les technologies existantes diminue, puis de nouvelles technologies prennent le relais.
Cependant, le volume de mentions sur Hacker News reflète seulement l’intérêt de la communauté des développeurs et ne prouve pas directement la part de marché réelle ni la supériorité technique.

Introduction

Suivre par les données l’évolution du discours des développeurs

Hacker Trends fournit un histogramme mensuel indiquant la fréquence de mention d’un mot donné sur Hacker News pendant 18 ans.
Les utilisateurs peuvent saisir plusieurs termes simultanément pour comparer l’évolution de l’intérêt porté aux technologies et aux entreprises.
En sélectionnant un mois ou une période précise, on peut consulter les publications et commentaires réels correspondants.
La recherche et l’agrégation des données s’appuient sur Upstash Redis Search et portent sur environ 45 millions d’éléments.
L’outil ne se limite pas à un simple graphique de volume de recherche : il est conçu pour permettre de voir aussi les publications et événements qui ont provoqué la hausse de l’attention.

Développement

Les technologies évoluent par renouvellement générationnel

Les changements dans les outils et plateformes de développement prennent moins la forme d’une disparition immédiate des technologies existantes que d’un glissement progressif de l’attention vers de nouvelles solutions.
Exemples représentatifs :
- Après le recul de CoffeeScript, TypeScript s’est imposé comme langage d’extension dominant de JavaScript.
- L’environnement CI centré sur Jenkins s’est déplacé vers GitHub Actions à partir de 2021.
- L’environnement de build dominé par Webpack a vu l’attention se déplacer vers Vite après 2022.
- Dans l’écosystème des éditeurs centré sur Vim, Neovim a connu une forte croissance à partir de 2021.
- Les discussions sur les bases de données, longtemps centrées sur MySQL, se sont réorientées vers PostgreSQL autour de la période 2017–2020.
Ces évolutions semblent moins relever d’un simple effet de mode que d’une accumulation de facteurs comme la facilité de développement, les performances, le soutien de l’écosystème et l’évolution des modes de déploiement.

Les technologies IA ont progressé par chocs successifs de lancement

Le domaine de l’IA générative se caractérise par une hausse par paliers du volume de mentions à chaque annonce de nouveaux modèles ou services.
Parmi les principaux objets d’attention figurent ChatGPT, GPT-4, Claude, Gemini, Llama, Mistral et DeepSeek.
Pour les outils de code assisté par IA, l’attention semble se déplacer successivement vers Cursor, Claude Code puis Codex.
- Cursor a bénéficié d’un fort intérêt à la fin de 2024.
- Claude Code a rapidement émergé à la mi-2025.
- Codex a vu son intérêt progresser à partir du début de 2026.
Dans le domaine des modèles ouverts, Llama a élargi le marché en 2023, puis Mistral et Qwen ont installé une dynamique concurrentielle.
L’attention portée à l’IA dépend fortement non seulement des progrès de performance, mais aussi d’événements comme la publication de modèles, les politiques open source, la concurrence entre entreprises et les fusions-acquisitions.

Dans l’infrastructure, le leadership s’est déplacé selon les rôles

Dans le cloud et l’infrastructure de développement, le leadership a continuellement changé entre des technologies offrant des fonctions similaires.
Principaux exemples :
- Après avoir popularisé les conteneurs en 2014–2015, Docker a laissé Kubernetes s’imposer comme centre de l’orchestration.
- Heroku a dominé le marché initial du déploiement simplifié, avant que Netlify et Vercel ne croissent respectivement grâce aux écosystèmes JAMstack et Next.js.
- L’environnement de serveurs web centré sur Apache s’est déplacé vers nginx, puis Caddy s’est fait remarquer grâce au HTTPS automatique.
- Le marché de la gestion de configuration serveur dominé par Chef et Puppet s’est orienté vers Ansible, qui ne nécessite pas d’agent.
- Dans l’observabilité, Prometheus, Grafana et Datadog ont chacun élargi leur audience autour de rôles distincts : collecte de données, visualisation et SaaS intégré.
Cela montre que les critères de choix technologique se sont élargis : on ne regarde plus seulement les fonctionnalités d’un produit, mais aussi l’automatisation du déploiement, la facilité d’administration, l’intégration et l’adaptation au cloud.

Des événements précis amplifient l’attention à court terme

Le volume de mentions technologiques sur Hacker News ne reflète pas seulement une croissance de long terme : il montre aussi des pics temporaires provoqués par des événements spécifiques.
Exemples marquants :
- Lors de l’annonce par Unity de sa politique de frais d’exécution en 2023, les mentions de Unity ont augmenté, mais aussi celles d’Unreal et de Godot.
- Quand Heroku a mis fin à son offre gratuite en 2022, les discussions associées ont fortement repris.
- Mastodon a gagné en attention en 2022 lors du départ d’utilisateurs de Twitter après son acquisition.
- Bluesky a émergé en 2024–2025 comme nouvelle alternative de plateforme sociale.
- Zoom et Microsoft Teams ont connu une forte hausse des mentions en 2020 avec la pandémie de Covid-19 et le basculement vers le travail à distance.
L’augmentation de l’intérêt pour des technologies concurrentes peut donc venir non seulement de leurs propres innovations, mais aussi des erreurs de politique d’un acteur en place ou d’un choc de marché.

Les incidents de sécurité apparaissent comme des pics nets et datés

Dans la sécurité, les mentions se concentrent moins sur une évolution lente de l’intérêt que sur les moments où surviennent de grandes vulnérabilités ou des incidents majeurs.
Les principaux sujets analysés incluent Heartbleed, Log4j, XZ Utils, Spectre, SolarWinds, WannaCry et CrowdStrike.
Comme ces événements ont un moment d’impact bien défini — divulgation d’une faille, attaque sur la supply chain, interruption de service — ils apparaissent sur les graphiques sous forme de hausses très nettes.
Ces données permettent de comparer l’impact de certains incidents sur les choix technologiques des développeurs et des entreprises.

Les politiques de licence reconfigurent l’écosystème open source

Les changements de licence dans les projets open source entraînent souvent de fortes réactions de la communauté des développeurs ainsi que l’apparition de nouveaux forks.
Cas emblématiques :
- Le passage de MongoDB à la SSPL
- Le changement de licence d’Elastic
- Le changement de licence de Terraform par HashiCorp et la montée d’OpenTofu
- Le changement de licence de Redis et l’apparition de Valkey
Un changement de licence ne se limite pas à une modification de conditions juridiques : il affecte aussi la confiance de la communauté et des fournisseurs cloud, ainsi que la pérennité du projet.
L’intérêt pour une technologie est donc déterminé non seulement par ses fonctionnalités et ses performances, mais aussi par la politique de son acteur principal et par sa gouvernance.

Le contexte industriel et les débats de société transforment aussi le discours technologique

Hacker Trends ne traite pas seulement des langages de programmation et des produits, mais aussi des évolutions du contexte industriel et de la culture de développement.
Parmi les thèmes liés à l’industrie figurent les licenciements, la récession, la bulle IA, le retour au bureau, le burn-out, les syndicats et la semaine de quatre jours.
Côté culture de développement, on trouve notamment la dette technique, la revue de code, l’agile, Scrum, les microservices, le serverless et le monorepo.
Ces sujets montrent que les tendances technologiques sont liées non seulement à l’évolution technique elle-même, mais aussi au contexte de l’emploi, aux modes d’organisation, à la régulation et aux débats sociaux.

L’interprétation des résultats de recherche a ses limites

Les utilisateurs de Hacker News étant surreprésentés parmi les développeurs, fondateurs et professionnels de la tech, les résultats ne reflètent pas nécessairement l’intérêt de l’ensemble de la société.
Une hausse des mentions d’un terme peut provenir non seulement d’une évaluation positive, mais aussi de critiques, de pannes, d’incidents de sécurité ou de controverses politiques.
Il est aussi possible que les résultats incluent des technologies portant le même nom qu’un mot courant ou qu’un autre sujet.
Le volume de recherche seul ne permet pas de juger du nombre réel d’utilisateurs, du chiffre d’affaires, de la part de marché ou des performances techniques.
Hacker Trends doit donc être utilisé non comme preuve définitive d’une analyse de marché, mais comme ressource complémentaire pour explorer l’évolution de l’attention dans la communauté tech et les principaux événements associés.

Conclusion

Explorer à la fois le sens et les causes des changements technologiques

Hacker Trends est un service qui permet de comparer visuellement les hausses et baisses d’intérêt pour des technologies et des entreprises à partir des données de long terme de Hacker News.
L’analyse fait apparaître des renouvellements générationnels répétés dans de nombreux domaines, notamment les éditeurs, les langages de programmation, les plateformes cloud, les bases de données et les modèles IA.
Les pics d’attention sont principalement liés à des lancements de produits, des acquisitions, des changements de licence, des incidents de sécurité, des échecs de politique ou des évolutions du contexte social.
Comme le service donne aussi accès aux publications et commentaires réels, il permet de suivre non seulement le volume de mentions, mais aussi la manière dont les développeurs évaluaient ces technologies à l’époque.
Cela reste toutefois une mesure de l’intérêt interne à Hacker News : elle doit donc être interprétée en la croisant avec des parts de marché, des statistiques d’usage et des données de revenus.

3 commentaires

laeyoung 3 시간 전

Vu comme ça, il y a effectivement eu énormément de posts Show HN en février cette année. Tout le monde les a peut-être créés en fin d’année puis publiés d’un coup en février.

xguru 3 시간 전

Je pense que c’était probablement au moment où Opus 4.6 est sorti et où les créations réalisées avec Claude Code ont commencé à se diffuser, entraînant l’arrivée d’une première vague de résultats.

Les Show GN sont eux aussi en hausse progressive. En Corée aussi, on dirait que les créations réalisées avec l’aide de l’IA se multiplient peu à peu.

GN⁺ 4 시간 전

Commentaires sur Hacker News

J’exploite une base de données ClickHouse publique contenant les données de Hacker News, donc on peut les interroger directement sur https://play.clickhouse.com/play?user=play#U0VMRUNUICogRlJPT...
On peut créer un service similaire avec une seule requête SQL et une page HTML, et j’ai aussi ouvert un data lake public interrogeable depuis n’importe où : https://github.com/ClickHouse/ClickHouse/issues/29693#issuec...
C’est aussi mis à jour en temps réel
- D’après les conditions d’utilisation de HN, mes données HN ne sont concédées sous licence qu’à HN, donc merci de supprimer mes données de ce jeu de données
Google Trends mesure le volume de recherche, alors qu’ici on observe du texte publié, donc ce n’est pas la même chose
Ce serait plus proche d’un Google Trends qui compterait les occurrences de mots dans des pages web, ou d’un Google Ngrams qui compterait des pages web au lieu des livres
Les gens recherchent “burger” chaque fois qu’ils veulent se faire livrer un burger, mais ils n’écrivent pas beaucoup sur des sujets peu dignes d’intérêt médiatique, donc il est difficile d’utiliser les deux jeux de données de la même manière
Ça ne veut pas dire que le produit n’est pas bien, simplement qu’il faut garder cette différence en tête quand on l’utilise
- Le titre et la visualisation sont familiers, donc on a facilement tendance à les prendre pour le même indicateur, alors qu’en réalité ce n’est pas le même type de données, et les lire à travers ce prisme conduit à de mauvaises conclusions
  En parcourant les exemples, j’ai fini par comprendre pourquoi ça me semblait étrange : ces données ne montrent pas ce que les gens cherchent réellement sur HN, mais ce sur quoi ils écrivent actuellement
- Je ne suis pas du tout d’accord avec l’idée qu’on ne peut pas utiliser les deux jeux de données de la même manière
  Cet outil agrège à la fois les posts et les commentaires, donc si l’on s’intéresse à “ce que les gens veulent davantage connaître et discuter”, les posts et commentaires HN ressemblent beaucoup aux recherches
  Les posts populaires génèrent beaucoup de commentaires, ce qui fait remonter davantage les termes associés, tandis que les sujets qui ne décollent pas ont peu de commentaires associés et restent plus bas
  En comparant blockchain et OpenAI, on obtient d’ailleurs un résultat prévisible : blockchain ressort jusqu’à la fin des années 2010, puis OpenAI passe devant après la sortie de ChatGPT, et le graphique Google Trends est assez similaire
- Le nom Hacker News Trends fonctionne, mais le titre du post semble un peu trompeur
- C’est peut-être même plus proche de Google Ngram Viewer : https://books.google.com/ngrams/about
- Si Algolia possède un jeu de données sur ce que les gens recherchent réellement sur HN, ce serait exactement ce qu’il faudrait
On dirait qu’il y a eu un hug of death
/api/hn -> 504 An error occurred with your deployment FUNCTION_INVOCATION_TIMEOUT cle1::c8vgv-1782399959042-aeba3cae05ff
- Si ce projet est une pub pour Upstash qui met en avant “Highly Available, Infinitely Scalable”, alors le hug of death est probablement la situation à éviter par-dessus tout
- /api/hn -> 502 {"error":"Your database has been temporarily rate-limited, please contact support@upstash.com for further details."}
- Avant, on appelait simplement ça un slashdotting
- J’obtiens l’erreur suivante
  /api/hn -> 502 {"error":"Search entry should have an initialized schema, command was: [\"SEARCH.AGGREGATE\",\"hn\",\"{\\\"$or\\\":[{\\\"title\\\":{\\\"$eq\\\":\\\"anthropic\\\",\\\"$boost\\\":5}},{\\\"text\\\":{\\\"$eq\\\":\\\"anthropic\\\"}}]}\",\"{\\\"by_month\\\":{\\\"$dateHistogram\\\":{\\\"field\\\":\\\"time\\\",\\\"fixedInterval\\\":\\\"30d\\\"}},\\\"top_authors\\\":{\\\"$terms\\\":{\\\"field\\\":\\\"by\\\",\\\"size\\\":6}},\\\"by_type\\\":{\\\"$terms\\\":{\\\"field\\\":\\\"type\\\",\\\"size\\\":4}}}\"]"}
- Après quelques requêtes, j’obtiens /api/hn -> 504 An error occurred with your deployment FUNCTION_INVOCATION_TIMEOUT cle1::48fnt-1782412720840-4855b2b75b5a
J’obtiens /api/hn -> 502 {"error":"Your database has been temporarily rate-limited, please contact support@upstash.com for further details."}
Super. Il semble y avoir un bug ici : https://hackernewstrends.com/?q=vim&q=emacs&q=zed
Pour une raison quelconque, les résultats s’arrêtent à 2018-10, alors que l’aperçu “Popular Comparisons” affiche aussi la suite
- Corrigé
Ça me fait penser à un side project sur lequel je travaille
https://gitlab/here_forawhile/torum
Un clone de HN synchronisé avec HN, qui permet de discuter dans une petite communauté privée, à partir de contenus postés sur HN, sans être directement sur HN
Il indexe la base de données et prend aussi en charge la recherche, ce qui est assez utile pour trouver des posts qui attirent mon attention
- Lien corrigé : https://gitlab.com/here_forawhile/torum
- *pique est le bon mot
  ‘peak’ désigne en général le sommet de quelque chose, comme une montagne
Ce serait utile de normaliser par le volume total, afin de voir l’évolution d’un terme en lui-même plutôt que simplement la croissance du site
Pour l’instant, il faut tracer un mot générique sur le même graphique, et si on le choisit mal, l’interprétation peut devenir encore plus confuse
- D’accord. Ce serait bien plus instructif comme ça
  Sinon, la plupart des résultats de recherche pendant la période de croissance du site ressemblent en pratique à une variante de https://xkcd.com/1138/
- À l’inverse, j’aimerais aussi voir à quel point HN a grandi au fil du temps
C’est amusant de voir lk-99 bondir autant dans la catégorie science / technologies de pointe
Le concept est sympa, et ce serait bien de calculer le sentiment positif/négatif pour chaque commentaire mentionnant un mot donné
Par exemple, pouvoir séparer l’évolution de cloudflare (positive) et cloudflare (negative), en ne comptant pour le premier que les commentaires avec une confiance de sentiment supérieure à 0.6, et pour le second ceux dont le score de sentiment est inférieur à 0.4
Projet intéressant, et bien réalisé. Une option d’ajustement d’échelle relative serait utile
Par exemple, les résultats de recherche pour “iPhone” baissent vers 2025, mais il est difficile de savoir si l’intérêt réel diminue ou si c’est simplement le nombre de commentaires Hacker News qui a baissé cette année-là
Si on cherche des mots génériques comme “the” ou “is”, la seconde hypothèse semble plus probable
Il faut probablement faire attention aux caractères non alphanumériques
Par exemple, C# semble en réalité correspondre à C dans le graphique, alors que dans les titres d’articles d’exemple, seul C# est mis en évidence