L’archive du web : une nouvelle herméneutique de la trace ?

Le web est un nouveau média : il possède une logique éditoriale propre et recèle des contenus qui n’auraient pu voir le jour ailleurs, et qu’il est impossible de consulter ailleurs. Cette originalité justifie donc d’une mémoire. Mais une telle mémoire se constitue d’une collecte technique qui par nature déforme les contenus archivés. Il nous faut apprendre une nouvelle herméneutique, celle de la trace collectée, pour retrouver le web archivé, celui qui nous permettra de comprendre le monde dont il est le reflet.


The Web is a new media: it has its own editorial logics and contains specific contents that could not have been produced elsewhere. As an original media, the Web deserves a specific memory and a dedicated archiving process. However, performing such an archiving entails a transformation of contents: content archives are not the archived contents. Consequently, we should learn new hermeneutic skills, in order to process from collected traces to archived Web, the later being the proper access to the world which it reflects.


Continuer la lecture de L’archive du web : une nouvelle herméneutique de la trace ?

Quand le web devient une archive : la construction du cadre légal

La loi DADVSI de 2006 instaure le dépôt légal des sites web français en reprenant l’essentiel des dispositions du projet de loi LSI de 2001. Il est basé sur : 

  • une définition large de l’objet patrimonial « les signes, signaux, écrits, images, sons ou messages de toute nature faisant l’objet d’une communication au public par voie électronique »,
  • un périmètre limité au web français avec des possibilités de sélection et d’échantillonnage du domaine,
  • un dépôt légal sans dépôt, par collecte automatique effectuée directement par les organismes dépositaires,
  • des conditions de consultation limitées aux personnes accréditées, sur des postes dédiés, au sein de l’organisme dépositaire,
  • l’Ina et la BnF désignés comme organismes dépositaires.

Continuer la lecture de Quand le web devient une archive : la construction du cadre légal

Il était une fois… la genèse et le développement du .FR

Les « 20 ans des archives de l’internet » ont été l’occasion pour l’AFNIC d’évoquer l’histoire du Système des Noms de Domaine et du .FR, nés dans les années 80. Car si le Web est un outil exceptionnel pour diffuser et consulter des contenus, c’est grâce aux noms de domaine que l’on peut facilement identifier ces contenus et y accéder.

L’histoire du .FR a été marquée par deux « époques », la première quand il était géré au sein de l’INRIA, la seconde lorsqu’il fut confié à l’AFNIC. Regards sur la genèse de l’extension nationale française, dont la gouvernance et le développement ont obéi à des choix guidés par le service de l’intérêt général.


The « 20th Anniversary of Web Archiving » gave AFNIC the opportunity to share the history of the Domain Name System and of .FR, both created in the 80’s. The Internet is an unparalleled tool to share and consult contents but it is thanks to domain names that one can easily find and access these contents.

The history of .FR is split into two periods: the beginnings when it was operated by the INRIA and a later period when its management was intrusted to AFNIC. Here is a retrospective on the genesis of the French national top level domain, whose governance and development were always guided by public interest.  

Continuer la lecture de Il était une fois… la genèse et le développement du .FR

Construire l’histoire d’internet

Comme une navigation sans cesse reprise. « Quand on commence à travailler sur les archives du web, ça ne s’arrête plus », suggère l’une des intervenantes de cette journée.

1996 : Brewster Kahle pose les premières pierres d’une bibliothèque d’Alexandrie numérique et se projette effectivement au-delà de lui-même, au-delà de la technologie de l’époque. Internet Archive est née avec une ambition folle : sauvegarder intégralement la Toile. Faire que l’enfant du troisième millénaire puisse voyager dans le temps de l’Internet sans jamais buter sur une erreur « 404 ».

« Il était une fois dans le web » , 23 novembre 2016 – Copyright Emmanuel Nguyen Ngoc/BnF

Continuer la lecture de Construire l’histoire d’internet

Le dépôt légal de l’internet dans le projet CORPUS

Depuis quelques années les équipes de la BnF travaillent avec des chercheurs pour explorer des formes innovatrices d’accès aux collections du dépôt légal de l’internet, en vue d’une future mise en place de services et d’outils d’analyse du web complémentaires l’accès proposé par l’application les Archives de l’internet en salle de recherche. Pour poursuivre les approches déjà engagées et permettre de faire évoluer les outils qui ont été développés, le service du Dépôt légal numérique a été choisi pour mener l’expérimentation de la première année de CORPUS.

Le projet doit permettre de définir le cadre technique, juridique et organisationnel et pour proposer ces services aux chercheurs qui souhaitent analyser les collections du dépôt légal de l’internet. Une application expérimentale Archives de l’internet Labs, a été développée pour valoriser et poursuivre deux approches qui aident l’exploitation des collections.

L’interface de recherche avancée dans AI Labs

Continuer la lecture de Le dépôt légal de l’internet dans le projet CORPUS

Présentation du projet CORPUS à la BnF

CORPUS est un programme de recherche visant à préfigurer « un service de fourniture de corpus numériques à destination de la recherche« . Concrètement, il s’agit de fournir à des chercheurs des données et des outils pour les analyser, dans le respect du droit d’auteur et de la vie privée.

La Bibliothèque nationale de France met aujourd’hui à disposition plusieurs milliards de documents numériques – livres, périodiques, sites web, etc. – ,  une masse de données qui dépasse bien souvent les capacités de traitement de l’humain. Dans ce contexte d’abondance, mettre simplement à disposition un texte ne suffit plus : il est nécessaire de fournir des instruments qui permettent au chercheur d’aller au-delà du seul contenu.

Le projet bénéficie du développement des méthodes de fouille de textes et de données (en anglais text and data mining), qui ouvrent de nouvelles perspectives :  il est possible de questionner la place d’un texte dans un corpus, d’interroger ses métadonnées et ses occurrences.

Continuer la lecture de Présentation du projet CORPUS à la BnF

Bienvenue sur le carnet de recherche Web Corpora !

Pourquoi ce nom, Web Corpora ?

D’abord en raison de l’objet du carnet : les archives de l’internet, collections de dépôt légal conservées à la BnF, qui forment un corpus de plusieurs milliards de documents – ou mieux encore une addition de corpus – d’une richesse insoupçonnée, et à disposition de la communauté scientifique.

Ensuite en raison des circonstances de sa naissance : l’idée est née à l’occasion du projet de recherche CORPUS, dont l’un des volets porte sur les archives de l’internet.  C’est d’ailleurs dans le cadre de ce projet que la BnF et l’Ina ont célébré, le 23 novembre 2016, les 20 ans des archives de l’internet.

Il est donc naturel que Web Corpora accueille, sous la forme de billets, les actes qui résultent de ce colloque-anniversaire, « Il était une fois dans le web ».

Animé par une équipe de la BnF, le carnet sera également, au fil des mois, enrichi  des contributions des acteurs qui étudient les archives de l’internet.

Une question, une remarque ? Vous pouvez réagir en commentaire ou nous écrire à l’adresse générique depot.legal.web[a]bnf.fr.

Explorer les archives de l'internet à la BnF