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.


Le web, un objet de mémoire

Le web fait désormais partie de notre environnement. Il intervient à plusieurs titres et de plusieurs manières. On peut le qualifier comme « milieu », « medium » et « média ». Le web est devenu un milieu dans lequel nous baignons : il est ce qui nous environne, l’environnement à travers lequel nous abordons les objets qui nous entourent et les êtres humains qui nous accompagnent. Des réseaux sociaux aux outils en ligne en passant par les contenus qui sont accessibles toujours et partout par sa médiation, le web n’est plus un objet ou un outil que nous considérons et thématisons, mais la médiation que nous mobilisons, de plus en plus sans nous en apercevoir, pour saisir et mobiliser des objets, entreprendre des interactions, communiquer avec autrui. Le web est un milieu au sens où il est autour de nous, et entre nous. Il est devenu un principe de constitution du Je que nous sommes chacun, du Nous que nous constituons ensemble, et du Quoi qui nous environne. Mais c’est aussi un medium. Par medium, nous comprenons un support d’inscription pour des contenus, c’est-à-dire des objets matériels pourvus d’une forme sémiotique signifiante, donc faisant sens et adressant un message, une invitation à engager un processus interprétatif pour comprendre ce message, appréhender ce sens. Le medium possède des propriétés intrinsèques qui conditionnent la nature des contenus qu’on peut lui confier : la nature matérielle des inscriptions est une condition de l’interprétation qu’on peut en faire et de la compréhension que l’on peut en tirer. Cela renvoie à ce que nous appelons la théorie du support (Bachimont 20101 ). Enfin, le web est un media, dans la mesure où il est devenu un système de communication et de partage de contenus, à l’instar de la radio, la télévision, la presse, où se dégagent un système éditorial, une logique d’écriture, de communication et de lecture.

Dès lors que le web est compris comme un média, se pose la question de savoir si ce qu’il permet de constituer dans l’espace public, si l’espace public qu’il crée, relèvent d’une logique de production d’œuvres qui méritent une mémoire et un archivage. En effet, si le web n’est pas seulement un outil commode de transmission et de diffusion, mais un milieu dans lequel s’originent des œuvres nouvelles qui n’auraient pu être conçues et réalisées ailleurs, s’il est aussi un média dans lequel une logique d’auteurs et de lecteurs se crée en rupture vis-à-vis des médias déjà existants, et enfin s’il est un medium où les œuvres réalisées ne peuvent se consulter que par sa médiation au risque de perte leur signifiance propre, alors il faut envisager que le web est une mémoire, qu’il exige une mémoire et mérite un archivage.

Concevoir un archivage du web

Si l’on s’accorde à reconnaître la nécessité d’un archivage du web, la manière de le faire et de l’organiser renvoie à une complexité technique et documentaire. En effet, la force du web est de reposer sur une logique décentralisée où tout acteur peut devenir producteur de contenus, d’interactions à travers le site qu’il crée ou auquel il contribue, et ce de manière désynchronisée et délocalisée. L’archivage des sites, puisque c’est ce dont il s’agit in fine, doit surmonter la difficulté que les sites ont tous leur propre rythme d’évolution d’une part, et que d’autre part la consultation de ces sites est de plus en plus contextuelle (ce que l’on voit dépend que de qu’on a vu avant, le navigateur et/ou le serveur gardant la trace des consultations passées). Le web matérialise l’adage héraclitéen qu’on ne se baigne jamais deux fois dans le même fleuve : on ne consulte jamais deux fois exactement la même page.

Par conséquent, outre la masse des contenus, c’est surtout la structuration des contenus (l’agencement des éléments au sein d’un page par exemple) et leur dynamicité qui constituent le défi technique pour un archivage. Pour cela plusieurs stratégies sont possibles, qu’il faut composer, selon le périmètre considéré, le mode de collecte retenu, et la procédure de captation adoptée :

  • Le périmètre est souvent défini de manière restreinte, soit sur un événement (on veut archiver le web des élections présidentielles de tel ou tel pays), un thème (le web médical), une langue, un territoire (le web national dans le cadre d’un dépôt légal par exemple). Rares sont les initiatives considérant le web dans sa globalité, la plus notable, voire la seule, étant bien sûr Internet Archive.
  • Le mode de collecte est un compromis le plus souvent avec la difficulté d’être exhaustif ou complet dans le temps et l’espace. On a pu noter plusieurs approches :
    • une logique visant à la complétude : archiver tous les sites du périmètre retenu, mais à intervalles réguliers, selon une logique d’instantanés ou selon une logique d’évolution différentielle (chaque site est archivé selon une fréquence dépendant de son rythme propre de mise à jour) ;
    • une logique d’échantillonnage : les sites les plus représentatifs sont archivés ;
    • une logique de sélection selon un algorithme de tri : par exemple, ne prendre que les sites les plus cités, en analogie avec le PageRank de Google.
  • Enfin, la procédure de captation : elle est le plus souvent automatique, fondée sur des robots simulant la navigation des internautes et captant alors les contenus visités.
    • Cette approche est pertinente dans une optique de dépôt légal dans la mesure où l’enjeu est de conserver ce qui est visible dans l’espace public, donc ce que peuvent voir les internautes.
    • Cependant, on n’accède pas au web profond ou caché, ce qui demande des modalités d’investigation spécifiques, voire d’accéder aux bases de données et serveurs autrement que par la navigation effectuée par des robots.

Choisir et composer ces options dépendra des volumes appréhendés et des usages envisagés. Par exemple, pour le cas français, l’Ina effectue un archive exhaustif par évolutions différentielles, la BnF plutôt par instantanés.

La situation en France

Profitons de ce dernier exemple pour nous intéresser au cas français. L’Ina et la BnF sont les institutions en charge du dépôt légal du web en France, selon une répartition des contenus, l’Ina se consacrant aux sites de flux et des industries culturelles, la BnF, le reste. On peut s’interroger sur la pertinence d’une telle répartition : le web est une entité unique et globale, la séparation en domaine est davantage le reflet de luttes institutionnelles que d’arguments scientifiques et techniques. Aux premières discussions, dans les années 2000, sur le projet d’un archivage du web, où l’on s’intéressait au web comme fait et objet cohérent dont il fallait garder la cohésion pour comprendre sa spécificité, ont succédé des considérations portant davantage sur la complétude des collections, le web redevenant davantage un instrument de diffusion pour accéder à des contenus s’ajoutant aux collections existantes, et non un lieu original d’édition, production et consultation.

Mais le web fut généreux avec ces turpitudes institutionnelles : les premières études et simulations ont montré que le web réservé à l’Ina possédait une certaine autonomie, au sens où les sites de ce domaine se citaient davantage entre eux qu’ils ne citaient les autres. Mais surtout, outre cette cohérence des domaines, les collaborations nombreuses qui depuis ont réuni les deux institutions permettent aux usagers du dépôt légal du web d’être en face d’une cohérence globale et reconquise.

Une archive, une nouvelle herméneutique

Mais, au-delà des difficultés techniques, des choix organisationnels et institutionnels à effectuer, l’archive constituée par la captation opérée ne laisse pas d’être problématique dans le statut qu’on peut lui conférer et l’exploitation qu’on peut en tirer.

En effet, ce qui justifie le principe d’un archivage du web est pluriel : d’une part avoir des contenus propres au web, mais d’autre part récupérer par ces contenus des traces ou reflets du monde réel, de la société et de son histoire. Autrement dit, le web dans sa constitution est le reflet du monde, une manière de comprendre comment il fonctionne, la webosphère étant désormais une composante du monde qu’elle permet d’observer et de comprendre (les réseaux sociaux permettent d’observer par exemple les tendances électorales, en complément des traditionnels sondages). Le web est donc une trace du monde, son archive est alors une trace de la trace, dans un redoublement documentaire.

Mais ceci n’est pas en soi propre au web : une archive conserve des documents, qui sont le reflet d’activités passées. L’archive est la trace du monde révolu, et conservant ces traces, elle est elle-même la trace de ces traces. Mais il faut comprendre que l’archivage du web introduit un décalage supplémentaire, qui reconfigure la problématique traditionnelle de l’archive (Bachimont 20172 ).

Pour une archive traditionnelle, l’enjeu est de conserver un document comme produit d’une activité donnée, dont il est alors une trace probatoire, permettant de renseigner sur la nature de l’activité, de prouver les événements associés. Il est donc essentiel, pour entamer son exploitation, de s’assurer que le document est bien le « bon », c’est-à-dire qu’il est bien ce qu’il prétend être : il doit être « authentique ». Si c’est le bon, on peut lui faire confiance, et donc l’utiliser et l’étudier comme reflet du monde qui l’a produit. Mais comment s’assure-t-on que le document est authentique ? La plupart du temps parce que c’est le même que celui qui a été produit à l’origine, dans l’activité dont le document est la trace. L’authenticité repose sur l’intégrité.

Pour une archive du web, ce raisonnement ne peut plus tenir. En effet, l’archive du web n’est pas le web, l’archive d’un site n’est pas le site archivé. La raison essentielle tient à la nature même des contenus et des procédures de collecte : en particulier, la durée de captation étant supérieur au rythme de mise à jour du site, l’archive résultant de la collecte rassemble en fait des parties de site renvoyant à des temps ou époques différents du site : une partie correspondant au site au temps t0, une autre au temps t1 après une mise à jour, etc. Bref, le site archivé n’a jamais existé comme tel dans le web. Problème auquel il faudrait, entre autres, ajouter celui de la préservation de l’archive constituée, préservation impliquant le plus souvent la transformation du contenu qui n’est plus identique à lui-même au cours du temps (Bachimont 20133 ).

Alors que l’archive traditionnelle est une trace de l’activité, car la trace qu’elle constitue elle-même coïncide avec les traces qu’elle contient (l’archive contient des documents authentiques, qui sont les mêmes que ceux produits par l’activité), l’archive du web est une trace technique collectée à partir de traces d’activités menées dans le monde réel.

Le chercheur qui analyse l’archive traditionnelle interroge l’authenticité de cette dernière et l’exploite ensuite selon l’herméneutique propre à sa discipline. Le chercheur travaillant sur une archive du web ne doit plus seulement questionner l’authenticité, mais il doit également développer une nouvelle herméneutique, celle permettant de passer de la trace collectée à la trace de l’activité, de l’archive du web au web archivé (le web réel donc), pour finalement exploiter le web comme trace du monde réel, son reflet et l’un de ses composants.

C’est un déplacement considérable auquel nous assistons. Il nous faut donc inventer une nouvelle herméneutique, celle de la trace collectée, herméneutique à laquelle nous sommes fort peu préparés. Éduqués en maîtres du soupçon pour établir l’authenticité, nous sommes peu versés dans l’art d’exploiter des archives qui sont par essence fautives et incomplètes mais néanmoins fiables et exploitables. Nous aurons beaucoup à apprendre des philologues, notamment ceux travaillant sur les textes anciens, où les erreurs de copies, les variations des leçons, exigent de reconstruire la trace du document perdu à partir des copies disponibles existantes, pour ensuite pouvoir l’interpréter. Le web, et de manière plus générale le numérique, dont le web est l’une des manifestations les plus caractéristiques, nous invite à inventer une philologie de la trace numérique, et donc à nous replonger dans les traditions philologiques antérieures puisque la modernité est souvent une tradition qui se redécouvre et se réinvente.

Bruno Bachimont

Citer cet article : Bruno Bachimont, « L’archive du web : une nouvelle herméneutique de la trace ? », dans Web Corpora, le 21/06/2017. Lien : https://webcorpora.hypotheses.org/288.

 

La vidéo de l’intervention :

Archivage du web, le temps des expérimentations en France – Bruno Bachimont, enseignant-chercheur à l’Université de technologie de Compiègne et Julien Masanès, président de l’Internet Memory Foundation.

23 novembre 2016. Durée : 32 min

  1. Bachimont, B. (2010). Le sens de la technique : le numérique et le calcul. Paris : Encres Marines / Les Belles Lettres. []
  2. Bachimont, B. (2017). Patrimoine et numérique : Technique et politique de la mémoire. Bry-sur-Marne : Ina-Editions. []
  3. Bachimont, B. (2013). Préservation culturelle numérique. In E. Gayou (Ed.), Musique et Technologie (p. 11-32). Paris : Institut national de l’Audiovisuel. []

Une réflexion au sujet de « L’archive du web : une nouvelle herméneutique de la trace ? »

  1. Point de vue partagé! La dématérialisation des contenus n’a que des avantages pour des professionnels souhaitant accéder facilement et à tout moment à leur travaux de rédactions web.

Laisser un commentaire

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