Quelle durée de vie ont les sites sélectionnés dans les collectes du web électoral ?

PAR MARAL AMIRI (BnF) & GÉRALDINE CAMILE (BnF)

Ce billet présente les résultats d’une analyse menée par le service du Dépôt légal numérique sur la pérennité des sites web collectés par les robots de la BnF et plus précisément sur les sites issus de collectes du web électoral.


Quelle est la durée de vie d’un site web ? Combien de temps est-il accessible en ligne en moyenne ? Y a-t-il des sites qui vivent plus longtemps que d’autres ?

Pour répondre à ces questions, nous avons étudié les collectes menées lors de périodes d’élections présidentielle et législatives françaises de 2007, 2012 et 2017. Nous avons vérifié pour chacune d’entre elles si les sites ou parties de sites sélectionnés, dont la liste est consultable sur data.gouv.fr et api.bnf.fr, étaient encore présents sur internet.

La présence d’un site sur internet est déterminée en fonction du code réponse renvoyé par son serveur. Il est possible de classer ces codes en trois catégories :

  • 2xx : le site est toujours disponible en ligne à la même adresse URL (mais le contenu a pu évoluer) ;
  • 3xx : l’adresse initiale du site renvoie vers une autre adresse ;
  • 4xx et autres (codes d’erreur) : le site n’existe plus ou est indisponible.

Les analyses ont été réalisées entre janvier et février 2018, soit respectivement dix ans, cinq ans et moins d’un an après la collecte de ces sites par les robots de la BnF.

L’analyse des codes réponses obtenus pour les trois années montre que la pérennité d’un site ou d’une page web est très relative.

Dix ans après avoir été collectés par les robots de la BnF, seuls 26% des sites des collectes électorales de 2007 sont encore en ligne, 19% des sites redirigent vers une autre adresse et 55% des sites ne répondent plus.

Cinq ans après collecte, 44% soit près de la moitié des sites collectés sont encore actifs, 22% des sites redirigent vers une autre adresse et 33% des sites ne répondent plus.

Un an après collecte, 81% des sites sont encore vivants. Seuls 10% renvoient vers une autre adresse et 6% un code d’erreur.

Figure 1 : Pourcentage des sites sélectionnés pour les collectes du web électoral.

Comme attendu, une grande partie des sites disparaissent rapidement après les élections (20% au cours de l’année suivante, 56% au cours des cinq années qui suivent). Néanmoins des sites sélectionnés restent encore disponibles dix ans après. Cela s’explique par la nature de certains sites dont l’existence n’est pas exclusivement liée à la période électorale (ex : sites d’actualités, sites institutionnels, blogs… ).

Un échantillonnage sur les sites qui font l’objet d’une redirection a permis de constater que leur contenu actuel est souvent très éloigné de leur contenu d’origine. Certains sont devenus des sites marchands, à l’image du site de François Hollande (http://www.fhollande.net/) ou du site de l’Alliance pour une France juste (http://www.alliance-pour-une-france-juste.fr/). De ce point de vue, les sites redirigés sont à rapprocher des sites disparus. Le cas peut également se présenter pour des sites actifs et ayant conservé leur adresse d’origine. Finalement, la proportion de sites actifs est certainement plus faible que les chiffres obtenus par le biais des codes réponses, qui ne permettent pas de détecter ces évolutions.

Une deuxième analyse a été réalisée spécifiquement sur les comptes Twitter collectés en 2012 et 2017. Les résultats montrent que les comptes sur les réseaux sociaux disparaissent beaucoup moins vite que les sites classiques : 84% des comptes collectés en 2012 et 94% de ceux collectés en 2017 sont toujours actifs. Les comptes désormais inaccessibles ont pour la plupart été créés spécifiquement pour les campagnes électorales, que ce soit des comptes de candidats aux élections ou de soutien.

Figure 2 : Comparaison du pourcentage de comptes Twitter et de sites web actifs, sélectionnés pour les collectes du web électoral.

Enfin pour ajouter un dernier élément de comparaison : lors de la collecte annuelle 2017 de l’ensemble des sites du domaine français identifiés par la BnF, 84,45% des sites web de la collecte 2016 étaient encore actifs. Les sites web électoraux disparaissent donc sensiblement plus rapidement que les sites web en général tandis que les comptes twitter sélectionnés pour les collectes électorales semblent avoir une durée de vie plus longue. Cependant certains sites web peuvent avoir une durée de vie supérieure à 10 ans, invitant à comparer leurs captures dans le temps dans les Archives de l’internet, au-delà même des périodes électorales.


2 réflexions sur « Quelle durée de vie ont les sites sélectionnés dans les collectes du web électoral ? »

  1. Et combien de temps en moyenne un site reste lisible intra-muros ?

    Quelle proportion de sites sont DOA (dead on arrival) ?

    Quelle proportion de sites est impossible à afficher après un changement dans les applications de visualisation ?

    1. Bonjour,

      Les sites collectés entrent dans les collections de la BnF au titre du dépôt légal et à ce titre ils sont destinés à être conservés définitivement.

      La question de la lisibilité d’un site dans l’application des Archives de l’internet dépend à la fois de la qualité de la capture du site et de la capacité du navigateur à lire l’ensemble des fichiers qui composent le site. Il arrive que certains types de fichiers ne soient pas reconnus, notamment des types MIME rares ou des contenus demandant un player très spécifique, qui ne sont pas pris en charge par les plug-ins du navigateur que nous utilisons. Lors des changements de version du navigateur, le service du Dépôt légal numérique s’efforce de s’assurer par des tests qu’il n’y ait pas de régression et que lisibilité des sites archivés demeure égale. Les pertes de lisibilités sont donc limitées, même si nous ne les chiffrons pas. Un exemple que nous avons identifié concerne les archives de sites qui nécessitent Adobe Shockwave Player. Quoiqu’il arrive nous conservons toujours les fichiers source, ce qui pourrait permettre de les mettre à disposition pour un projet de recherche défini dès lors que le cadre réglementaire prévu de la consultation des archives de l’internet est respecté (donc sur un poste dédié et configuré pour cela au sein de la BnF).

      Merci pour vos questions, qui nous donnent l’occasion de mieux préciser ce fonctionnement des Archives de l’internet.

      Alexandre pour Web Corpora.

Laisser un commentaire

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

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.