Archiver le web, c’est être condamné aux vides

« Craignant Donald Trump, le patron d’Internet Archive, Brewster Kahle veut faire une copie canadienne de ses archives ».

Voir la Vie numérique, Xavier de la Porte

Lire également le billet de Brewster Kahle, suite à l’élection de Donald Trump et le souhait d’Internet Archive de un Internet Archive of Canada.

 

The Internet Archive Turns 20: A Behind The Scenes Look At Archiving The Web

IA PetaBox Tuankiet65 CC BY-SA 2.0

IA PetaBox
Tuankiet65
CC BY-SA 2.0

Cet article de Kalev Leetaru dans Forbes permet de pénétrer notamment la fabrique des archives du Web d’Internet Archive mais aborde également les questions relatives aux robots.txt ou le projet No More 404 soutenu par GDELT Project, Wikipedia and WordPress.

Opening the Black Box of Web Archiving: STS Approaches and the Governance of Born-Digital Heritage

Illustration à partir de Nils Jepsen - Aarhus Universitet  CC BY 2.5

Illustration à partir de Nils Jepsen – Aarhus Universitet
CC BY 2.5

Résumé de l’intervention de Francesca Musiani et Valérie Schafer au colloque Web Archives as scholarly Sources: Issues, Practices and Perspectives, international conference, Aarhus (DK), 8-10 Juin 2015

At the crossroads of two topics of the conference, “Approaches to web archiving” and “Research methods for studying the archived web”, our starting point is that the material, practical, theoretical elements of Web archiving as an ensemble of practices and a terrain of inquiry are inextricably entwined. Several examples illustrate this, from the archiving practices of Internet Archive to those of national preservation institutions: they reveal different modalities of accessibility to archives, consultation interfaces, constitution of corpuses – that, in turn, are not without methodological consequences for researchers. Thus, the exploration of Web archiving processes and infrastructures – often discreet, invisible, ‘black-boxed’ (Latour, 1987) appears increasingly relevant.

Approaches inspired by Science and Technology Studies (STS) can contribute to shed light on the shaping of Web archives; and, in return, some of its notions – e.g. technical democracy, co-production, boundary object (Callon et al., 2001; Star & Griesemer, 1989) – may be approached in novel ways building upon Web archives as a research terrain. In particular, STS approaches are interesting in order to explore the notion of governance as it relates to born-digital heritage.

In 2005, the Working Group on Internet Governance defined Internet governance as “the development and application by Governments, the private sector and civil society, in their respective roles, of shared principles, norms, rules, decision-making procedures, and programmes that shape the evolution and use of the Internet”, adding that “it also includes other significant public policy issues, such as critical Internet resources, the security and safety of the Internet, and developmental aspects and issues pertaining to the use of the Internet”. A definition that fits Web archives very well, if they replace systematically the word “Internet”: indeed, Web archiving practices involve a variety of actors, moved by different motivations; they encompass different and evolving definitions, values, imaginaries of the very notion of Web archiving (e.g. Kaehle, 2014 on the “participatory turn” in archiving the Internet); they suggest different ways in which control and responsibility can be exerted, be it social norms, technical standards or policies.

As such, our contribution aims to show that Web archives and archiving, understood as a socio-technical system, display a number of features and raise questions that are of interest for Internet governance scholars: multi-stakeholderism, the dialectic between national, international, transnational governance(s), and the juxtaposition of market, technology and norms as instruments of power. Web archiving: a microcosm of Internet governance?

References

Callon, M., Lascoumes, P. & Barthe, Y. (2001). Agir dans un monde incertain. Essai sur la démocratie technique, Paris: Seuil.

Kaehle, B. (2014, October 28). “Building Libraries Together

Latour, B. (1987). Science in Action: How to Follow Scientists and Engineers Through Society. Cambridge, MA: Harvard University Press.

Star, S. L. & Griesemer, J. (1989). Institutional Ecology, ‘Translations’ and Boundary Objects: Amateurs and Professionals in Berkeley’s Museum of Vertebrate Zoology, 1907-39. Social Studies of Science, 19 (3) : 387- 420.

The evolving Internet Archive

http://blog.archive.org/2015/04/27/evolving-internet-archive/

http://blog.archive.org/2015/04/27/evolving-internet-archive/

Pour découvrir les motivations et coulisses de la dernière version d’Internet Archive.

 

 

 

 

 

Quelques repères chronologiques sélectionnés par Marguerite Borelli (étudiante à University College of London et actuellement stagiaire Web90) :

1996 : création de l’Internet Archive et débuts de l’archivage du Web

1999 : début de l’archivage de matériaux audiovisuels via un partenariat avec les Prelinger Archives, constituée de films ‘éphémères’ (publicités, films éducatifs ou publiés par des entreprises, ONGs, ou des particuliers (les ‘home movies’).

2000 : début de la collaboration avec la Library of Congress à l’occasion de l’élection présidentielle.

2001 : lancement de la Wayback Machine, l’interface utilisateur qui permet aux internautes de naviguer dans l’archive Web.

2004 : Internet Archive lance le ‘Grateful Dead Internet Archive Project’ (GDIAP), et publie en ligne une archive gratuite des enregistrements du groupe The Grateful Dead par son public pendant ses nombreux concerts.

2004 : Internet Archive développe Petabox, un système sécurisé de sauvegarde de données à faible consommation énergétique avec une capacité d’un Petabyte de données (= 1 million de GB).

2004 : IA commence à numériser et archiver des livres papier (lancement de la page ‘eBooks and Texts’ sur Internet Archive) (maintenant en collaboration avec Open Library,).

2005 : lancement de la page ‘films and videos’ sur Internet Archive

2005 : lancement de la page ‘Audio Archive’ sur Internet Archive

2005 : IA lance en partenariat avec Yahoo ! la Open Content Alliance, une archive numérique internationale (multimédia et textes numérisés multilingues) en accès libre sur l’Internet Archive et à partir du moteur de recherche Yahoo!

2006 : Internet Archive lance Archive-It, un service de management des archives du Web qui aide ses institutions clientes à crawler, construire, cataloguer et préserver leurs collections, dont les contenus sont hébergés et stockés sur les serveurs d’Internet Archive.

Novembre/Décembre 2007 – Mai 2008 : Brewster Kahle reçoit une national-security letter (NSL) du FBI l’ordonnant de fournir le nom, l’adresse et les communications électroniques d’un de ses usagers. IA, l’American Civil Liberties Union et la Electronic Frontier Foundation intentent un procès au FBI pour contester la constitutionnalité de la procédure de confidentialité ainsi que la légalité de la lettre en question. Internet Archive obtient gain de cause en avril 2008.

2008 : lancement du projet de collaboration entre Internet Archive et la NASA, NASA Images, pour faciliter l’accès du public aux collections vidéo, images, et audio de l’agence spatiale. Le site est fermé depuis 2012, mais certaines parties demeurent accessibles via les archives Web d’Internet Archive.

2009 : Internet Archive lance 301works.org, un service d’archivage des URLs raccourcies qui permet de retrouver la page Web originale d’un URL raccourci dans le cas ou celui-ci ne fonctionnerait plus.

2010 : lancement de la page ‘Images’ sur Internet Archive, d’où sont accessibles des images et photos digitales ou digitalisées (collections NASA Images, Metropolitan Museum, Brooklyn Museum, USGS Maps, etc.).

2012 : lancement de la TV News Archive sur IA, qui permet de visualiser en streaming les journaux télévisés américains depuis 2009.

2014 : création de la Internet Archive Software Collection, bibliothèque en ligne de logiciels vintage ou historiques (CD-Roms, logiciels libres, jeux sur PC, etc.).

Cette chronologie s’appuie sur des information émanant du site d’Internet Archive, des blogs de Brewster Kahle et d’Internet Archive, et des sites respectifs des différents projets et organisations impliqués  (Alexa, OpenLibrary, Open Content Alliance ou Electronic Frontier Foundation). 

L’Ogre et la Toile

Dans LE DOSSIER : LE TOURNANT NUMÉRIQUE…, ET APRÈS ? de Socio 4 (2015)

Direction: Michel Wieviorka, et Dana Diminescu

27351100138920LValérie Schafer et Benjamin Thierry,  « L’ogre et la toile. Le rendez-vous de l’histoire et des archives du web »

En dialogue avec les principaux fondements de l’épistémologie historique, cet article examine les enjeux, les attentes et les pratiques que suscite l’irruption des archives du web dans le champ de l’histoire du temps présent. Entre nouveauté des matériaux, héritage disciplinaire et continuité des méthodes, il s’agit de comprendre les redéfinitions à venir du rôle de l’historien.

Le dossier est disponible à http://socio.revues.org

Quand la communication devient patrimoine…

Camille Paloque-Berges, Valérie Schafer, Quand la communication devient patrimoine, Hermès 71, 2015, pp. 255-262
Capture d’écran 2015-05-27 à 14.10.59Si la communication a connu une patrimonialisation en amont du numérique, le patrimoine nativement numérique (ce que les Anglo-Saxons qualifient de Born Digital Heritage) défini par l’Unesco en 2003, semble en élargir les contours, le périmètre, les acteurs, en prenant en compte des formes plus triviales et des composantes plus « ordinaires ». Nous entendons montrer en quoi le XXème siècle a préparé le terrain de cette évolution, symptôme de l’intérêt contemporain grandissant pour l’objet communicationnel.

Conditions d’utilisation des archives du Web (Internet Archive)

Fin 2014 Internet Archive a changé les conditions d’utilisation de ses archives. Elles avaient été écrites en mars 2001, quelques mois avant que la Wayback Machine ne soit lancée en octobre 2001.

Des changements pédagogiquement signalés en couleur par Internet Archive, à découvrir sur leur blog dans le billet Update to Terms of Use.

Retour sur le « Cobweb »

Le long article du NewYorker, « Cobweb. Can the Internet be archived ? » éclaire de manière riche et documentée les problématiques de l’archive du Web, et notamment la manière dont cela se passe en France, l’un des exemples les plus développés. Retour sur quelques points de l’article qui font son intérêt.

Image empruntée au New Yorker (Harry Campbell).

Jill Lepore, auteure de l’article, montre que l’un des problèmes majeurs du Web en tant que système d’information est la disparition potentielle des ressources qu’il héberge et médiatise. Lepore analyse ainsi le « pourrissement de la référence » (reference rot) à cause de la disparition des liens hypertexte et de la mobilité des contenus. Parmi les situations où cela peut devenir critique figurent le domaine juridique d’une part, le domaine académique d’autre part, qui ont besoin de références stables et pérennes pour faire preuve. En ceci, le texte numérique en réseau a besoin d’une technique de référence aussi pérenne que la note de bas de page, stable et digne de confiance depuis des siècles.

Au coeur de l’article, le cas d’Internet Archive, et des éclairages intéressants sur la trajectoire de Brewster Kahle, son inventeur et protagoniste. Lepore rappelle que les travaux de Kahle avant internetarchive.org s’inscrivent dans le développement informatique de systèmes de recherche, navigation et publication pour l’information médiée par les ordinateurs et les réseaux. Mais ils sont également imprégnés par l’imaginaire de la bibliothèque et de la bibliothéconomie, comme pour beaucoup des systèmes à succès d’Internet, le Web en tête. A ce titre, la possibilité d’archiver les documents était incluse dans le système de Kahle (le WAIS, pour Wide Area Information Servers), et elle a été même envisagée par Berners-Lee pour le système du Web – qui a finalement privilégié une approche en flux de l’information : si ce qui est important est la mise à jour, l’information la plus nouvelle possible, alors la question de l’archive est considérée comme une défense de l’obsolescence, explique Lepore. Elle constate cependant que ces inventeurs d’Internet et du Web, Tim Berners-Lee, mais aussi Vinton Cerf (programmeur du protocole TCP-IP, à la base de l’interconnexion d’Internet), reviennent avec le temps sur la question de l’archivage et de la préservation de l’information…

Lepore montre l’influence des méthodes et du programme d’Internet Archive au sein des institutions traditionnelles du patrimoine, qui utilisent beaucoup son code Heritrix (en open source), voire lui sous-traite des collectes (c’est le cas pour la Bibliothèque du Congrès américaine). L’équipe du dépôt légal du Web à la BnF est une de celles ayant eu recours aux collections de Kahle pour compléter ses fonds d’archives du Web avant 2008 (date de début de ses activités).

Par contre, la problématique majeure d’Internet Archive est sa relation floue au domaine juridique (droit d’auteur, dépôt légal…), question d’autant plus compliquée dans un contexte où la loi est différente dans chaque pays. Cette ambiguïté est une des raisons pour lesquelles la fondation a échoué à fédérer une initiative de coordination internationale en 2002, bien que l’International Internet Preservation Consortium soit né dans sa lignée en 2003. Il existe aussi une méfiance des pays européens, rappelle Leporte, pour des initiatives américaines de standardisation ou monopole numérique d’un domaine, pouvant être considérées comme une forme de volonté hégémonique (le cas de Google face aux bibliothèques numériques est exemplaire).

D’autres limites, soulignées par Lepore, résident dans le système même de stockage et d’affichage des archives Web : de nombreuses erreurs, un fonctionnement de type « annuaire » plutôt qu’archivistique… et comme nous l’évoquions plus haut, une difficulté à présenter les archives Web comme de véritables preuves, bien qu’elles le soient régulièrement aussi bien dans les tribunaux que dans les conférences académiques. Lepore note qu’il existe d’autres initiatives travaillant au problème des références instables posé par les archives Web, concevant des liens permanents, « incassables », ou remis dans le contexte de leur première apparition, comme Perma.cc ou Memento. Ces initiatives regroupent des programmeurs, mais aussi des juristes, des chercheurs, des documentalistes et les institutions qui les accueillent, laissant augurer de la mise en place de normes stables pour l’usage futur des archives Web.