Archéologie du Web: the Wayback machine

Comment retrouver des informations en ligne lorsque celles-ci ont disparues?

Cette question revient régulièrement lorsque je discute avec des chercheurs rwandais, confrontés à la difficulté de retrouver des informations parues sur Internet mais déjà introuvables. Du fait de l’évolution des pratiques administratives et de l’informatisation progressive des services de l’Etat rwandais, on voit que de nombreuses données sont directement produites et conservées dans des formats numériques. Hélas, la gestion de ces informations n’est pas encore suffisante, surtout au niveau des méthodes de sauvegarde, et les risques sont de plus en plus grands de perdre des informations.

Je me demande souvent sur quel matériel travaillera un historien dans 50 ans. Si l’on prend l’exemple de la correspondance administrative, on voit que celle-ci est abondante dans les archives de l’administration locale ou nationale de la Deuxième République. Actuellement, une part importante de la correspondance administrative se fait par email et la majorité des agents utilise des adresses non professionnelles1. Au vu de cette situation, il sera impossible dans le futur d’avoir accès à toutes ces correspondances. Avant d’être un problème pour les futurs historiens, il s’agit évidemment d’un problème important dans la communication des informations au sein des institutions concernées.

L’autre conséquence des pratiques actuelles réside dans la perte régulière d’informations, en raison de la disparution ou de l’évolution de sites webs. Ainsi, de nombreux sites créés par les institutions rwandaises sont éphémères, ne durant que le temps d’un colloque, d’un programme, ou en ce qui concerne mes recherches d’une commémoration. On peut prendre l’exemple des sites de la dixième2 et quinzième commémoration du génocide3 qui sont maintenant inaccessibles. En essayant de les consulter, on se retrouve nez-à-nez avec des pages d’erreur.

Un cas différent est celui de l’évolution des sites internet et l’on peut citer le cas des sites de la CNLG, du musée national du Rwanda, du CCM4 ou du Ministère de la Culture. Majoritairement, ces changements d’interface sont accompagnés d’un remaniement (et donc d’une perte) du contenu précédent.

The Wayback machine

Image de Wayback machine

Comment alors retrouver ce type de données en ligne lorsqu’elles ne sont plus visibles?

D’abord, rappelons que la prophylaxie reste la meilleure des solutions. Il est important de régulièrement sauvegarder les sites internet les plus importants pour sa recherche. Il est possible d’enregistrer des pages uniques grâce à Zotero5. Lorsqu’il s’agit par contre de sauvegarder un site internet dans son intégralité, j’utilise Httrack6. Il est possible de mettre à jour régulièrement les sites internet ainsi enregistrés.

En l’absence d’une telle copie, il reste un dernier espoir: the Wayback machine7. Issue du travail de l’Internet archive (IA)8, une organisation à but non lucratif consacrée à l’archivage du Web, cet outil permet de retrouver des pages archivées dans le passé par les robots d’indexation de l’organisation9.

Pour saisir l’intérêt de cette méthode de recherche, je vais prendre quelques exemples de sites rwandais disparus ou bien modifiés récemment.

Les sites internet de commémoration

Supports éphémères, les sites de commémorations ont une durée de vie d’environ un an, le temps qu’expire le nom de domaine puis l’abonnement d’hébergement. Au moment de la commémoration, ces sites sont pourtant pensés comme support de communication principal et investis d’une véritable mission. On y présente les programmes des conférences, des photos des sites du génocide, le thème de la commémoration etc.

Si l’on essaye de faire des recherches sur le site de la 10ème commémoration, on se rend compte que celui-ci a disparu et que le nom de domaine est en vente. Pour retrouver des informations passés, il faut rentrer l’url (l’adresse) du site dans le moteur de recherche des pages indexées par la Wayback machine. On indique ainsi l’adresse « www.rwanda10.org » au niveau du lien suivant: http://web.archive.org.

Chronologie

On obtient alors une chronologie ainsi qu’un agenda, nous indiquant que le site a été indexé 29 fois entre 2004 et 2007. En cliquant sur l’année 2006 et sur l’une des captures alors effectuées, on voit que le site était déjà inaccessible moins d’un an et demi après sa mise en ligne. Ce qui nous intéresse est donc l’année 2004, au cours de laquelle le site a été indexé 9 fois.

Il est nécessaire d’essayer chacune des indexations, celles-ci n’étant que parcellaires. Il y a en effet de nombreux liens brisés et la majorité des informations reste inaccessible, mais on peut essayer de trouver des informations différentes selon la date d’archivage. En suivant la capture du 29 Août 2004, on peut ainsi accéder à une page sur les sites mémoriaux.

Les exemples d’utilisation de cet outil sont infinis. J’ai récemment découvert que le musée national du Rwanda avait fait évoluer son site, faisant par là disparaître les anciennes informations10. Ainsi, le nouveau site ne parle plus des mémoriaux du génocide. Ceux-ci étaient pourtant sous la responsabilité de l’Institut des musées nationaux du Rwanda jusqu’à la création de la CNLG. L’ancien site internet mentionnait l’histoire de chaque mémorial national et proposait une « visite virtuelle ». De fait, cela n’est plus accessible sur la nouvelle version du site.

Musée national du Rwanda ancien site

Méthodologie de recherche

Une fois que l’on connaît cet outil, la plus grande problématique reste de trouver les adresses des sites que l’on veut chercher. En effet, le grand problème actuel avec The Wayback machine réside dans l’absence de moteur de recherche permettant de fouiller les pages indexées. Il faut faire des recherches par site, et l’on découvre alors la présence (ou non) de pages enregistrées.

Il existe plusieurs solutions pour trouver les liens des anciens sites internet:

1) Tout d’abord, on peut suivre les liens obtenus sur  un premier site dont l’on connaît déjà l’adresse (ou technique du saute-mouton). Si l’on prend l’exemple du site de la dixième commémoration, on y trouve les liens originaux conduisant vers différents sites tel celui d’Ibuka.

2) Ensuite, de nombreux sites internet ont des URL identiques au travers des années. Les sites n’ont pas disparus, ils ont simplement évolué. La lecture d’archives papiers ou d’anciens rapports permet généralement de retrouver des adresses internet.

3) Il est possible de faire un peu de cyber-archéologie en s’intéressant aux modes de recherches de « l’époque », avant l’usage si courant des moteurs de recherche et j’oserai dire avant Google11. De nombreux répertoires (comme Yahoo directory) listaient les sites existant par thème ou par pays. La mode était aussi aux Webrings12, aux sites Geocities. En faisant quelques recherches avec ces mots-clés, associés au mot Rwanda, on peut trouver de nombreuses adresses de sites disparus, et essayer de voir ce qu’il en reste avec the Wayback machine. Ces sites internet ont principalement été créés entre 1996 et 2002-2003.

3) Enfin, une dernière solution pour retrouver d’anciennes adresses est d’utiliser Google (finalement). Il est possible d’effectuer une recherche de pages webs par date, en cliquant à gauche de l’écran sur « plus d’outils », puis période personnalisée13 Il est efficace de cibler une année précise ou un mois précis (de commémoration par exemple).

 

Recherche google

  1. Pour diverses raisons, l’opérateur utilisé au Rwanda est presque toujours Yahoo []
  2. http://www.rwanda10.org/ []
  3. http://www.rwanda15.org/ []
  4. Le centre de gestion des conflits []
  5. Pour une bonne utilisation de Zotero, je renvois à l’excellente « Boîte à outils des historiens »: http://www.boiteaoutils.info []
  6. Voir http://www.httrack.com/page/2/fr/index.html []
  7. Cette machine à remonter dans le temps est accessible ici: http://web.archive.org/ []
  8. Voir www.archive.org []
  9. Je tiens à remercier chaleureusement Serge Noiret dont les cours très utiles à l’Institut universitaire européen de Florence m’ont permis de découvrir cet outil. Je renvois à son blog qui est une véritable mine d’or pour tout historien: http://sergenoiret.blogspot.fr/ []
  10. L’évolution des sites internet et de leurs chartes graphiques nous apprend plus qu’il n’y paraît. Ainsi, on découvre dans les archives du site de la CNLG conservées dans « la machine à remonter le temps » qu’il était possible d’accéder au site en français et kinyarwanda il y a 2 ans, là où l’anglais est devenue la seule langue. L’évolution de la politique linguistique est ainsi lisible dans cette évolution. []
  11. Cette expression me faisant penser à celle courante dans le monde des anciens expatriés de Kigali: « j’étais là avant Nakumatt », le Nakumatt fut le premier supermarché construit à Kigali, en 2004 []
  12. Voir par exemple ce site, qui fleure bon l’époque de Frontpage express: http://rwanda.free.fr/webring.htm#Liste []
  13. Je renvois à la page 4 d’un corrigé d’excellents exercices de l’URFIST de Paris: http://bit.ly/PoevrM.  Les sites internet des unités régionales de formation à l’information scientifique et techniques sont de véritables mines d’or pour la recherche en ligne []

Vous aimerez aussi...

2 réponses

  1. Merci pour cette enquête très concrète sur la Wayback Machine et les sites disparus, elle pourra servir d’exemple dans le cadre de cours en recherche documentaire. Connaissez-vous les collections créées au sein d’Archives.org à partir de la Wayback ? Celle sur la révolution tunisienne est présentée ici : http://aldebaran.revues.org/7012 Il est peut-être possible de créer des collections sur d’autres thèmes en entrant en contact avec eux ?
    Bon bout d’an !
    Véronique Ginouvès

    • Rémi Korman dit :

      Merci beaucoup pour votre message (et même si la réponse vient en avril, quoique toujours avec un climat d’hiver), je vous souhaite en même temps une bonne nouvelle année!

      J’avais commencé une réponse, perdue dans des mauvaises manipulations et ensuite un déménagement a fini de me faire oublier de répondre.

      Les collections d’archive.org à partir de la Wayback machine sont très intéressantes mais à ma connaissance, il n’est pas possible de créer d’autres collections sur d’autres thèmes gratuitement. Le service qui est proposé par Archive-it,http://www.archive-it.org/, est payant.

      De plus, si copier à des fins de recherche me semble tout à fait légal, cela semble plus flou pour ce qui est de copier des sites internet et de les mettre à disposition en miroir sur d’autres sites (même si les différentes affaires jugées pour l’instant sont plutôt favorables).
      Le vrai enjeu pour la recherche étant surtout que les chercheurs soient formés à la sauvegarde d’informations en ligne, celles-ci étant particulièrement volatiles. Les liens morts sont un enjeu très important pour les citations en particulier et même s’il y a des projets comme http://www.webcite.org, je reste persuadé que c’est aux chercheurs de faire leurs sauvegardes par le biais de Zotero ou encore Httrack.

      L’International Internet Preservation Consortium (http://netpreserve.org/) propose des outils et conseils pratiques sur ces questions, même si cela s’applique rarement au Web profond pour lequel il n’y a pas encore de solution toute faite.

      Merci encore pour votre message et espérons qu’à l’avenir, les annexes et citations des articles publiés en ligne seront accompagnés des pages sauvegardés. Chaque article serait alors une archive en soi.

      A très bientôt,
      Rémi Korman

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *