Collecter des livres numériques sur internet à la BnF

Dans le cadre du dépôt légal des sites web, la BnF collecte de nombreuses publications en ligne, parmi lesquels des livres numériques. Ce billet, qui reprend une intervention de la table-ronde intitulée « collecter de nouveaux objets sur internet » (colloque du 23 novembre 2016) vise à donner un aperçu de la place des livres numériques, et plus largement de l’édition en ligne, dans les archives de l’internet français.

---

Le livre numérique sur internet, un objet parmi d’autres

Le dépôt légal du web est encadrée en France par la loi DADVSI et son décret d’application de 2011. Or, dans ces textes législatifs, le livre numérique n’est pas spécifiquement mentionné. Le code du patrimoine stipule en effet que « les signes, signaux, écrits, images, sons ou messages de toute nature faisant l’objet d’une communication au public par voie électronique » entrent dans le champ du dépôt légal. Les livres numériques sont donc des objets parmi d’autres collectés sur internet, au même titre que les revues, articles, vidéos ou les morceaux de musique.

Jusqu’à présent, la BnF n’a pas mené de collecte dédiée aux livres numériques. Ils sont archivés au gré des diverses collectes programmées dans l’année et dont le processus est en grande partie automatisé : à partir de listes d’URL fournies par les bureaux d’enregistrement, des sélections des bibliothécaires et des demandes directes de producteurs de sites, le robot est programmé pour cliquer de lien en lien, en enregistrant le code et les fichiers au cours de sa navigation. Ces derniers sont ensuite restitués dans les Archives de l’internet, l’application donnant accès aux collections du dépôt légal du web.  Par conséquent, les livres numériques collectés ne sont pas aussi bien identifiés que les livres imprimés qui entrent par dépôt.

Afin de mieux connaître la place et la nature des livres numériques dans les archives de l’internet, une étude a été menée en interne en 2016, en tenant compte de plusieurs conditions :

• La masse des collections

Au 31 décembre 2016, la BnF conservait 29 milliards de pages web, dont les plus anciennes remontaient à 1996. Pour restreindre le champ de recherche, il a été décidé de se limiter à la période située entre 2010 et 2015, ce qui coïncide avec le développement du livre numérique et du point de vue technique, à une stabilisation des outils de collecte de la bibliothèque.

• Le caractère partiel des collections

Le dépôt légal des sites web est basé sur une logique de représentativité, la collecte n’a pas l’ambition de l’exhaustivité comme c’est le cas dans le cadre du dépôt légal des livres imprimés. En outre, le robot de collecte ne peut en principe pas passer les barrières de l’authentification ou du paiement. Pour contourner ces obstacles, il existe des aménagements en accord avec les producteurs, permettant au robot de la BnF d’être identifié et d’accéder à des contenus protégés.  Il a été utilisé à de très rares occasions pour collecter des livres numériques¹. Ces aménagements demandent toutefois des instructions techniques relativement poussées et un suivi particulièrement vigilant, c’est pourquoi leur nombre est limité. Par conséquent, à de rares exceptions près, les livres numériques présents dans les Archives de l’internet sont ou ont été mis à disposition en ligne gratuitement et sans demande d’authentification.

• L’identification du livre numérique

Le livre peut être homothétique, mais il peut aussi prendre, et particulièrement sur internet, des formes et des formats extrêmement variables. Afin d’obtenir un échantillon d’analyse exploitable, on a finalement choisi d’extraire des archives de l’internet les fichiers EPUB. Ce format est ouvert et largement utilisé pour les publications en ligne, mais plus caractéristique d’une production monographique que ne l’est le PDF, par exemple. Entre 2010 et 2015, environ 44 000 fichiers EPUB ont été collectés grâce au dépôt légal du web. Parmi eux, mêlé à des revues, des rapports, brochures…etc, on a identifié une majorité de livres numériques (au sens de monographie).

Quels livres dans les archives de l’internet ?

L’édition numérique en ligne est très riche et l’échantillon issu des collectes du web reflète en partie cette richesse. Par la quantité de livres disponibles d’abord : les bibliothèques gratuites ainsi que les plates-formes d’écriture et d’autoédition sont de ce point de vue des sites importants, car ils offrent généralement de nombreux ouvrages librement accessibles², dont une partie ne circule que par cette voie. Par la diversité des acteurs de cette édition ensuite, puisque tous types de personnes morales ou physiques mettent des contenus en ligne : écrivains chevronnés ou amateurs, association, administration, entreprise….Par la diversité des contenus enfin : outre les milliers de livres issus de numérisation d’ouvrages tombés dans le domaine public, ainsi que les rééditions de textes qui appartiennent aujourd’hui au patrimoine commun, on trouve de nombreux contenus originaux.

L’échantillon analysé montrait que l’internet n’est pas uniquement le moyen de diffusion du livre numérique, il est aussi source de créativité et de renouvellement. Les possibilités offertes par le web peuvent donner naissance à de surprenants livres interactifs³. On retrouve également des types d’ouvrages imprimés transposés en numérique, tels que le livre d’artiste⁴, ou le fanzine.

L’analyse de l’échantillon révélait aussi le lien très fort existant entre le site web et le livre numérique, ce dernier étant parfois une émanation directe du premier. La frontière entre site web et livre peut être très poreuse et il n’est pas rare qu’un auteur passe de l’un à l’autre : les billets d’un blog peuvent par exemple être compilés en une monographie, pour le plaisir des lecteurs ou, dans certains cas, par nécessité d’archivage⁵. Dans certains cas, site et fichier EPUB proposent le même contenu sous deux formes différentes, afin de combiner les avantages de l’une et de l’autre. Livre et site se confondent pour devenir un livre-site (web book)⁶.

Dans ces cas, la collecte du web documente sans doute mieux que  le dépôt l’édition en ligne. Elle permet de suivre les progrès d’un livre en cours d’écriture, de garder la trace du contexte de publication et donc de l’histoire d’un ouvrage. Cet aspect est particulièrement important compte tenu du caractère mouvant et éphémère de nombreux contenus sur internet⁷. Plus l’interaction entre le livre et le site est forte, plus la collecte du web est nécessaire. Dans certains cas, elle constitue à ce jour la seule manière possible de conserver une œuvre.

Pour toutes ces raisons, plusieurs sélections se sont crées autour du thème de l’écriture numérique : la première mise en place a pour objet journaux personnels et a donné lieu en 2009 à un parcours guidé, (S)’écrire en ligne : journaux personnels et littéraires, la deuxième explore la science-fiction et la plus récente est consacrée à la chaîne de l’édition du livre numérique.

Les enjeux autour de la collecte des livres numériques

Si l’on connaît aujourd’hui mieux les livres numériques collectés par le biais du dépôt légal des sites web, ils sont encore peu visibles pour les lecteurs. Aujourd’hui, l’usager qui souhaite consulter un livre numérique dans les Archives de l’internet a deux options :

• connaître l’URL du site sur lequel se trouve le livre numérique qu’il recherche, puis naviguer dans les archives pour voir si la BnF a collecté le fichier ;
• connaître l’adresse exacte du livre numérique qu’il veut consulter.

Il existe plusieurs pistes pour valoriser ce fonds en s’appuyant sur l’existant. Un parcours guidé sur l’édition en ligne, sur le modèle du parcours journaux personnels, serait par exemple une première porte d’entrée pour les lecteurs désirant explorer ces collections. L’ouverture récente du portail API, avec la mise en ligne de jeux de données, dont des listes de sites web collectés ouvre également des perspectives. Le signalement dans le catalogue général de sites sur lesquels les ouvrages ont été collectés par la bibliothèque⁸, constitue aussi une piste exploratoire.

Un autre enjeu est une meilleure couverture de la collecte des livres numériques. En parallèle de l’actuel dépôt légal automatique, la BnF développe un circuit de dépôt des livres numériques. Ce processus permettra de conserver l’édition commerciale que la collecte ne peut actuellement capter. La création de notices à partir de métadonnées éditeur, qui ne sont pas fournies dans le cadre de la collecte des sites web, sera en partie automatisée. Toutefois, le dépôt n’a pas vocation à se substituer à la collecte : leurs périmètres ne se recoupent pas. Les deux processus conçus dans une logique de complémentarité, cohabiteront pour s’adapter au mieux à la pluralité de l’édition numérique.

Ariane Bouchard

La vidéo de la table ronde : Collecter de nouveaux objets sur internet

Ariane BOUCHARD, adjointe à la responsable du dépôt légal des livres numériques (BnF), Louise FAUDUET, cheffe du service multimédias et coordInatrice DLWeb pour le département de l’audiovisuel (BnF), Thomas DRUGEON, responsable du dépôt légal du web (Ina), Philippe MEZZASALMA, chef du service presse (BnF)

1. Le site de l’éditeur Editopics, editopics.com, a été moissonné de cette façon entre 2014 et 2016, ce qui a permis de préserver 7 titres. Voir archive du 18 avril 2016 – http://archivesinternet.bnf.fr/20160418124350/http://editopics.com/votre-compte [↩]
2. Par exemple, le site www.edition999.info, voir : archive du 04 novembre 2014 à 09:44 – http://archivesinternet.bnf.fr/20141104094401/http://www.edition999.info/ [↩]
3. Par exemple le site www.al-ahache.fr (aujourd’hui disparu), qui proposait la lecture d’un “roman 2.0” intitulé Balafres, voir : archive du 22 octobre 2014 – http://archivesinternet.bnf.fr/20141022111146/http://www.al-ahache.fr/ [↩]
4. Par exemple les e-livres d’artistes de Nicolas Frespech sur www.frespech.com, voir : archive du 18 avril 2016 à 12h42– http://archivesinternet.bnf.fr/20160418124205/http://www.frespech.com/ebook/ [↩]
5. Voir l’exemple du blog.linuxine.net, voir : archive du 16 novembre 2014 – http://archivesinternet.bnf.fr/20141116033424/http://blog.linuxine.net/ et http://blog.linuxine.net/wp-content/uploads/2014/02/blog_linuxine.epub [↩]
6. Voir Le livre 010101 (1975-2015), par Marie Lebert, mis en forme par Antoine Fauchié sur www.010101book.net, voir : archive du 1er novembre 2015 à 10h11 – http://archivesinternet.bnf.fr/20151101101157/http://www.010101book.net/fr/ [↩]
7. On a par exemple retrouvé dans l’échantillon essai de Pierre Bellanger,  La Jeunesse, un mythe dépassé (2010). A l’origine, le livre était publié au format EPUB et sous licence creative commons sur le site français de readwriteweb.com (voir les archives du 16 octobre 2010 et 7 février 2011 : http://fr.readwriteweb.com/wp-content/uploads/Pierre_Bellanger-La_jeunesse-un_mythe_depasse.epub). ReadWriteWeb était un blog consacré aux nouvelles technologies, sur lesquels ont été occasionnellement publiés des essais sous licence creative commons. Peu avant sa fermeture en 2011, le site a fait l’objet d’une collecte en urgence, qui a permis de préserver au passage l’essai de Pierre Bellanger. Toutefois la circulation du livre lui-même ne dépend pas du site, puisqu’on le retrouve encore en ligne sous divers formats. [↩]
8. A noter qu’un peu moins d’une centaine de sites collectés dans le cadre du dépôt légal du web, dont une majorité de titres de presse, sont déjà signalés dans le catalogue (identifiables grâce à la cote NUMAI). [↩]

---

---