Une page web a une espérance de vie que personne ne garantit. Les hébergeurs ferment, les noms de domaine changent de mains, les plateformes suppriment leurs archives au cours d’une opération de maintenance. Nous avons voulu comprendre comment travaillent ceux qui tentent d’en conserver quelque chose.
Précision de méthode. Comme pour nos autres entretiens, l’interlocuteur est un profil-type, construit à partir de pratiques documentées de la conservation numérique. Ce n’est pas une personne réelle et aucun propos n’est attribué ici à quelqu’un d’identifiable. Les constats sont ceux que la profession formule couramment ; les formulations sont les nôtres.
Un métier qui court après
Le sujet rejoint directement ce que nous disons de la mémoire des communautés dans la rubrique Culture.
Comment décririez-vous votre travail à quelqu’un qui n’en a jamais entendu parler ?
Je dirais qu’on photographie une ville qui se démolit pendant qu’on la photographie. Il y a toujours plus de pages créées que de pages qu’on peut capturer, et il y a toujours des pages qui disparaissent pendant qu’on s’occupe d’autres. On ne rattrape jamais le retard. On choisit où le prendre.
C’est une question de moyens ?
En partie, mais pas seulement. Même avec des moyens illimités, il faudrait décider quoi capturer et à quelle fréquence. Un site d’actualité change plusieurs fois par jour ; un blog personnel une fois par mois ; une page institutionnelle presque jamais, puis un jour entièrement. Le même rythme de passage donne un résultat excellent pour l’un et inutile pour l’autre.
Vous disposez de critères ?
Des heuristiques plutôt que des critères. La popularité en est une, commode et trompeuse, parce que ce qui est beaucoup consulté est aussi ce qui a le plus de chances d’être conservé ailleurs. Les choses rares et peu consultées sont celles dont la perte est définitive, et ce sont précisément celles qu’un critère de popularité écarte.
Ce qu’une archive capture, et ce qu’elle manque
Quand on consulte une page archivée, on voit quoi exactement ?
On voit un assemblage de fichiers capturés à des moments proches mais pas identiques. Le document principal à une date, la feuille de style peut-être le lendemain, une image peut-être jamais. Ce qui s’affiche est une reconstitution, pas une photographie.
D’où les pages mal affichées.
Exactement. Le texte survit bien parce qu’il est dans le document principal. L’apparence survit mal parce qu’elle dépend de fichiers annexes. Et tout ce qui se construit au moment de la consultation ne survit presque pas : une page dont le contenu arrive par un appel ultérieur laisse souvent une coquille vide.
C’est un problème croissant ?
C’est le problème. Le web des documents s’archivait assez bien ; le web des applications s’archive mal. Quand une page n’est plus un fichier mais un programme qui va chercher ses données ailleurs, il n’y a plus grand-chose à capturer. On conserve le décor sans les acteurs.
Et ce qui est derrière un compte ?
Hors d’atteinte, par construction. Une proportion considérable de ce qui s’écrit aujourd’hui en ligne se trouve dans des espaces fermés, et n’est archivée par personne. Dans trente ans, cette période apparaîtra comme un creux documentaire, alors qu’elle est la plus prolixe de l’histoire.
Ce qui fait disparaître une page
Quelles sont les causes de disparition les plus fréquentes ?
L’expiration d’un nom de domaine, de loin. Quelqu’un cesse de payer, le domaine retourne sur le marché, et tout ce qui était publié dessus devient inaccessible du jour au lendemain. Souvent sans que l’auteur l’ait voulu : il a changé d’adresse, oublié le renouvellement, ou il est décédé.
Ensuite la fermeture d’un service d’hébergement, qui emporte d’un coup des milliers de publications. Et enfin la décision délibérée, quand une organisation retire un contenu devenu gênant.
Ce sont précisément les formes de sociabilité en ligne dont nous retraçons l’histoire dans forums, listes et salons qui ont le plus souffert de ces disparitions.
Que devient un domaine expiré, en général ?
Trois choses. Le plus souvent rien : il reste inactif. Parfois il est repris par quelqu’un qui en fait autre chose, sans rapport avec le contenu d’origine. Et parfois il est racheté pour exploiter la réputation accumulée par l’ancien site, et on y publie du contenu dont la seule fonction est de porter des liens. Ce dernier cas est très reconnaissable à la lecture : les textes sont génériques, sans auteur identifiable, et ne s’adressent à personne.
Cela pose un problème de confiance pour le lecteur.
Et un problème de conservation. Une adresse qui a longtemps pointé vers un contenu donné peut pointer vers tout autre chose sans que rien ne le signale. Les références anciennes qui mènent à cette adresse deviennent trompeuses : le lien fonctionne, il renvoie du contenu, mais ce n’est plus le même. C’est pire qu’un lien mort, qui au moins annonce la couleur.
Que recommandez-vous quand on reprend un domaine qui a eu une vie antérieure ?
De le dire. Une mention claire expliquant que l’adresse a hébergé autre chose et que le contenu actuel n’a pas de continuité avec le précédent coûte un paragraphe et évite toute ambiguïté. C’est une question d’honnêteté documentaire élémentaire, et peu de gens le font.
Ce que chacun peut faire
Pour une page à laquelle on tient ?
Le réflexe le plus simple est de demander son enregistrement aux archives publiques du web, ce qui prend quelques secondes. Cela ne garantit rien sur le très long terme, mais c’est infiniment mieux que de ne rien faire.
Pour un document qui compte vraiment, je recommande une copie locale, dans un format ouvert, stockée là où vous contrôlez le support. Un fichier texte simple se relira dans vingt ans. Un document lié à un abonnement ne survit pas à la fin de l’abonnement.
Et pour ses propres publications ?
Exporter régulièrement, et vérifier que l’export est lisible sans l’outil qui l’a produit. Beaucoup de gens font des exports qu’ils n’ouvrent jamais, et découvrent le jour venu qu’ils contiennent un format propriétaire inutilisable. Un export qu’on n’a pas testé n’est pas une sauvegarde, c’est une intention.
Y a-t-il une règle simple à retenir ?
Celle que tout le monde connaît et que presque personne n’applique : plusieurs copies, sur des supports différents, dont une ailleurs que chez soi. Elle date d’avant le stockage en ligne et reste valable, à une condition que les gens comprennent mal : une synchronisation automatique n’est pas une sauvegarde. Elle reproduit fidèlement une suppression accidentelle sur tous les appareils, en quelques secondes.
Ce qu’on perd quand on perd une page
Est-ce que tout mérite d’être conservé ?
Non, et c’est une question qui agite la profession. Mais l’expérience montre qu’on juge très mal, sur le moment, ce qui aura de l’intérêt plus tard. Les documents qu’on consulte le plus en archive ne sont presque jamais ceux qui ont été écrits pour durer. Ce sont des choses banales : des pages de services pratiques, des annonces, des conversations de forum. Elles disent comment les gens vivaient, ce que les textes réfléchis ne disent pas.
Un exemple ?
Les pages d’organisation d’un événement valent souvent mieux qu’un article de fond sur le même sujet. L’article vous apprend ce que son auteur voulait qu’on retienne. La page pratique vous apprend l’heure, le lieu, le prix, les conditions, et donc comment les choses se passaient réellement. Les archives les plus instructives sont rarement celles qui visaient la postérité.
Pour aller plus loin
Nous avons consacré un article aux rassemblements de blogueurs de 2007, dont il ne reste précisément que quelques pages d’archives : 2007, quand la blogosphère française avait une adresse.
