Le dépôt légal du Web : Des tweets aux e-books, la conservation 2.0

Fin novembre a eu lieu une conférence à la BnF sur les dix ans de la loi sur le dépôt légal du Web et les vingt ans des archives de l’internet. L’occasion de revenir sur ce phénomène capital et pourtant méconnu du grand public.

Le dépôt légal du Web en quelques mots

Le dépôt légal du Web s’inscrit dans la continuité du dépôt légal papier, mis en place par François Ier en 1537. Il a pour but de conserver les publications en ligne à caractère public comme les sites d’informations, les e-books, les sites de partage de vidéos, les réseaux sociaux… Son champ d’intervention est très large, mais il se limite aux documents dont la diffusion est privée (les mails, les blogs à usage privé, etc.). Comme le dépôt légal papier, il est gratuit et obligatoire. Cependant, le dépôt légal électronique ne requiert aucune démarche préalable de la part de l’éditeur. Ce sont la Bibliothèque nationale de France (BnF) ou l’Institut national de l’audiovisuel (Ina), suivant le type d’information à collecter, qui se chargent de conserver ces documents électroniques.

Vingt ans d’archives de l’internet

Ce dépôt légal  n’a été mis en place en France qu’en 2006, alors que l’archivage du Web a débuté en 1996. En effet, dans les années 1990, tandis que la France vivait encore au rythme du Minitel, outre-Atlantique, l’américain Brewster Kahle mettait en place un projet d’une envergure considérable : le premier archivage du Web. Pour ce faire, il utilisa sa société Internet Archive – qui fête ses vingt ans en 2016 – pour collecter et stocker des milliers de pages. Aujourd’hui, cette bibliothèque numérique compte plus de 400 milliards de pages archivées. Ce bouleversement prit rapidement une importance mondiale et de nombreux mouvements virent le jour, comme le Consortium international pour la préservation de l’Internet (IIPC1) qui regroupe divers organismes de 45 pays ; ou encore la charte de l’ UNESCO de 2003 sur la conservation du patrimoine numérique2 qui enjoint aux États membres de prendre des mesures pour conserver ce patrimoine immatériel.

Ainsi, la BnF, dès le début des années 2000, commença à archiver le Web avec la collaboration directe d’Internet Archive. Cependant il faudra attendre 2006 pour que la France se dote d’une base juridique sur le dépôt légal du Web. C’est la loi DADVSI (loi relative au droit d’auteur et aux droits voisins dans la société de l’information3), qui est en réalité la transcription d’une directive européenne de 20014 sur l’harmonisation des droits d’auteur. Les législateurs ont ainsi divisé la collecte de données entre l’Ina, qui est chargée de sauvegarder des sites et contenus en rapport avec les médias, et la BnF, qui a pour mission de réunir de manière exhaustive les sites français enregistrés ou produits en France.

Quel type de collecte ?

Comme l’activité de la toile est incessante, il est impossible de rassembler toutes les publications du Web de manière exhaustive. Le but des collectes n’est donc pas d’obtenir la totalité des parutions en ligne, mais d’en enregistrer suffisamment pour capter les tendances et offrir une vision représentative d’Internet à un moment donné. Ainsi, une fois par an, la BnF se charge d’archiver plus de quatre millions et demi de sites. C’est ce que l’on appelle « la collecte large », qui dure entre deux et trois semaines. Des collectes plus spécifiques sont également effectuées en fonction de thèmes précis. En 2016, les équipes rassemblaient, entre autre, des informations sur les élections présidentielles mais également sur les attentats ou encore sur le mouvement populaire Nuit debout.

Suivant leur importance, certains sites – dont les quotidiens en ligne – sont visités au moins une fois par jour5. Plus un site est fréquenté, plus les robots se chargeront d’effectuer des captures d’écran. Les niveaux de collecte varient : ils peuvent s’arrêter à un clic ou deux, mais ils peuvent aller jusqu’à six clics à partir de la page d’accueil, si le site propose un contenu pertinent. Ce catalogage est possible grâce à des crowler, des programmes pouvant automatiquement stocker des pages Web. Pour la BnF, c’est le logiciel Hiritrix qui se charge de moissonner le Web.

En 2016, on dénombrait 668 Téraoctets soit 26 milliards de fichiers archivés. L’Ina quant à lui n’est pas en reste et conserve 3,95 Pétaoctets, soit plus de 52,3 milliards d’éléments.

Des réseaux sociaux toujours plus importants

Bien que mouvant, l’un des enjeux de la collecte du Web est de récolter les données des réseaux sociaux. C’est l’Ina qui se charge quotidiennement de répertorier ces informations éphémères. En 2016, l’institut regroupait déjà plus de 389 millions de tweets6. Cependant les comptes de célébrités ou de personnes influentes ne sont pas les seuls à être répertoriés : 20 000 comptes ou vidéos provenant de diverses plateformes sont régulièrement sauvegardés. Le but, à terme,  est d’archiver aussi des commentaires postés sur Youtube, des pages Facebook, des captures de Snapchat, afin de varier au maximum les supports. Des projets sont en cours de développement pour pouvoir permettre d’archiver des films et des séries diffusés en streaming sur des sites tels que Netflix.

La difficile collecte des e-books

Le marché des e-books continue de progresser mais il n’existe toujours pas de législation spécifique pour ce format. Ces publications électroniques appartiennent au régime du dépôt légal du Web. En effet, même pour une publication électronique accompagnée d’une édition papier, deux dépôts légaux sont nécessaires : le dépôt légal d’un livre papier ne protège pas sa version électronique. Si une édition est seulement numérique, c’est la collecte automatique de données qui est censée archiver l’ouvrage. Cependant, dès lors que la publication est soumise à un système de protection anti-copie ou est hébergée sur un site payant, les robots ne peuvent pas récupérer l’information automatiquement. Depuis 2011, la BnF peut désormais prendre contact avec les sites en question pour avoir accès à leur contenus et en collecter les données7. Ces derniers sont dans l’obligation de fournir les accès nécessaires au logiciel, sous peine d’amende.Toutefois les robots ne sont pas infaillibles et un dépôt légal spécifique pour les e-books permettrait de garantir une plus grande exhaustivité dans la collecte des informations, et ne laisserait pas aux éditeurs le poids et la charge de la conservation. Des discussions sur le statut des livres électroniques sont fréquentes au parlement, mais à ce jour, aucun accord n’a été trouvé8.

Un accès limité aux ressources

Si ces pages et ces documents étaient accessibles à tous à un moment donné, ils ne le sont plus, afin d’en respecter les droits d’auteurs. Pour pouvoir accéder à ce catalogue, il faut justifier d’un projet de recherche précis. Ces archives gigantesques sont consultables directement à la BnF ou à l’Ina, grâce à la Wayback Machine, ou encore dans treize bibliothèques de région pour les archives de la Bibliothèque nationale et dans vingt-sept centres pour les archives de l’Ina.

La conservation de ces données est essentielle pour les sociologues, chercheurs et professeurs voulant étudier des phénomènes sociaux. Ainsi, depuis 2015, le CNRS pilote des recherches sur les réactions  aux attentats en France sur les réseaux sociaux avec le projet « ASAP». D’autres recherches sont actuellement en cours, comme sur « le Web des années 90 ».

Vers de nouvelles pratiques ?

La collecte du Web en est encore à ses débuts, et de nombreuses pistes sont soulevées pour pouvoir améliorer et étendre toujours plus le domaine d’action des robots, en collectant au delà du « .fr » mais également du « .org » ou « .com ». Pour se faire, l’une des pistes envisagée est de diversifier les organismes de collecte et de mettre en place un système collaboratif d’échange de données. Rendre la collecte plus rapide et favoriser l’indexation permettrait, à terme, de se diriger également vers des recherches thématiques.

De plus la restriction de l’utilisation des données, réservées à une minorité, pose problème. Des propositions émergent pour rendre plus accessible cette gigantesque bibliothèque en ligne, avec par exemple un système d’accréditation qui permettrait un accès sécurisé en ligne, comme le propose actuellement Internet Archive.

Exemple d'un dépôt légal sur un livre papier Ici: Le temps des filles, Isabelle SMADJA, PUF, 2004. Crédit photo: Maëva Bergues

Exemple d’un dépôt légal sur un livre papier
Ici: Le temps des filles, Isabelle SMADJA, PUF, 2004.
Crédit photo: Maëva Bergues

1L’IIPC a été créée en 2003 à l’initiative d’une dizaine de bibliothèques à travers le monde. Cet organisme permet la promotion de l’archivage du Web et favorise la collaboration entre ses différents acteurs.

2UNESCO, Charte sur la conservation du patrimoine numérique, 15 octobre 2003.

3Loi n°2006-961 du 1er août 2006 relative au droit d’auteur et aux droits voisins dans la société de l’information.

4Directive 2001/29/CE du 22 mai 2001 sur l’harmonisation de certains aspects du droit d’auteur et des droits voisins dans la société d’information, qui étend les dispositions du dépôt légal au Web.

5 En 2016, l’Ina collecte quotidiennement des données de 14 000 sites Web.

6« Il était une fois dans le Web : 20 ans d’archives de l’internet français les 22 et 23 novembre 2016 », Presse Ina, [en ligne], 15 / 11 / 2016. Disponible sur < https://presse.ina.fr/-il-etait-une-fois-dans-le-web-20-ans-darchives-de-linternet-francaisles-22-et-23-novembre-2016/ >.

7Cette nouvelle capacité a été accordée à la BnF par le décret du 19 décembre 2011.

8MAZIN, Cécile, « Dépôt légal pour les livres numériques : définitivement non », ActuaLitté [en ligne], mars 2016. Disponible sur : < https://www.actualitte.com/article/lecture-numerique/depot-legal-pour-les-livres-numeriques-definitivement-non/64121 >.


Sources légales

Code du patrimoine, article L131-1 à 133-1 et R131-1 à 133-1.

Décret d’application du 19 décembre 2011.


Bibliographie :

Pour aller plus loin :

Citer ce billet : Pauline Roux, "Le dépôt légal du Web : Des tweets aux e-books, la conservation 2.0," in Monde du Livre, 22 décembre 2016, http://mondedulivre.hypotheses.org/5697.

Enregistrer


Vous aimerez aussi...

1 réponse

  1. 23 décembre 2016

    […] Fin novembre a eu lieu une conférence à la BnF sur les dix ans de la loi sur le dépôt légal du Web et les vingt ans des archives de l’internet. L’occasion de revenir sur ce phénomène capital et pourtant méconnu du grand public.  […]

Laisser un commentaire

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