Avec la diversification du contenu disponible sur le Web, aussi bien en quantité qu'en qualité, retrouver l'information pertinente est problématique. Les moteurs de recherche d'informations sur le Web ont comme objectif de permettre de retrouver efficacement l'information pertinente. Ces moteurs implémentent différentes stratégies pour déterminer la pertinence des pages Web. Ces dernières sont classées en se basant principalement sur des critères d'évaluation automatisés, ce qui crée un vide entre la pertinence effective d'un contenu et la pertinence calculée. Afin de réduire cet écart, nous présentons un cadre d'application de moteur de recherche où la pertinence d'une page Web est calculée à partir des évaluations des internautes du contenu de la page (texte, image, audio, vidéo,...). Pour illustrer l'exploitation du cadre proposé, nous avons développé le moteur de recherche expérimental SocialSeeker(Adda, 2008). Finalement, une étude empirique préliminaire du potentiel du prototype est présentée et discutée