Photos de famille, documents administratifs, articles de presse ou les giga, téra, voire pétaoctets de données issus des « Big Data »… Que laisserons-nous aux générations futures ? Alors que notre mémoire a inexorablement migré vers le numérique, nous prenons tout juste conscience de la fragilité de ce patrimoine immatériel. 

Si l’information numérique se recopie sans erreur pratiquement à l’infini, aucun support ne peut actuellement garantir la conservation de l’information au-delà de quelques années. Mauvaise manip ou bug du disque dur, obsolescence des matériels et logiciels, vieillissement spontané des supports… notre mémoire n’est plus gravée dans le marbre. Tout objet numérique abandonné à lui-même risque d’être définitivement perdu. Contraint par sa faible espérance de vie, il semble donc condamné à migrer sans cesse vers de nouveaux supports.

Caractérisé par la volatilité de ses données nativement numériques, l’archivage du web constitue un nouvel enjeu pour préserver la mémoire du XXe et XXIe siècles. À l’ère de « l’infobésité », l’impossible exhaustivité nous oblige à anticiper les besoins des historiens de demain… Comment garantir la pérennité des informations numériques ? Quelles sont les technologies les plus prometteuses pour garantir cet archivage à long terme ? Entre amnésie et hypermnésie, comment éviter que notre mémoire vive se transforme en mémoire vide ?

Avec la participation de :

- Jean Carrive, responsable du groupe de recherches audiovisuelles, département recherche d’Ina EXPERT
- Marie-Anne Chabin, professeur associé au Cnam, secrétaire général du Club des responsables de politiques et projets d’archivage
- Franck Laloë, directeur de recherche émérite au CNRS, président du GIS-SPADON (Groupement d’Intérêt Scientifique sur les Supports Pérennes d’Archivage des Données Numériques)
- Clément Oury, chef du service du dépôt légal numérique à la BNF

Compte-rendu

Clément Oury rappelle que l’idée d’archive est à la fois la force et la faiblesse de la mémoire du web. Ce « fatras » deviendra source pour étudier société plus tard. Il existe toujours un temps de latence entre l’invention d’un nouveau support et la conscience patrimoniale qui va venir le recueillir. Il rappelle que les pionniers de l’archivage Web (la fondation Internet Archive au premier chef) ont été assez rapides, mais ont commencé leur action patrimoniale près de 5 ans avant la naissance du Web.

La BNF, elle, commence ses premières collectes du Web français en 2002 à l’occasion des élections législatives et présidentielles ; la loi rattrape ensuite le besoin patrimonial en 2006 (Dépôt Légal du Web, dont le décret n’est formalisé qu’en 2011). Sur le plan technique, il s’agit d’une meute de robots (des « internautes automatiques ») qui récupèrent les sites .fr (la mission est de collecter l’intégralité du Web français) grâce à un accord avec l’AFNIC (registre qui attribue les noms de domaines en .fr). Ceci se fait à la manière des technologies des moteurs de recherche sauf qu’ici il ne s’agit pas de ne garder que l’information la plus récente mais de récupérer le site par strates temporelles. Certains médias journalistiques sont ainsi collectés tous les jours (Le Monde, Médiapart…). Pour les sites français et contenus Web français qui ne sont pas sous .fr, il est plus difficile d’archiver, sauf par une sélection « à la main ».

Les stocks d’archive à la BNF et à l’INA ne sont pas destinés à la consultation en ligne grand public ; ils sont d’abord destinés à un public de personnels et de chercheurs (et autres personnes accréditées). Par contre, ce sont des établissements de dernier recours : chaque individu a un droit de consultation s’il peut prouver qu’il ne peut le faire ailleurs ; idem pour la conservation.

Franck Laloë explique que le rapport du GIS recommande de faire une sélection ; il considère que toutes les informations n’ont pas la même valeur. Il met en avant l’archivage de données numériques dans des grands centres de recherche scientifique comme le CNES ou le CERN, dont les données, très difficiles à recueillir ou à générer dans le processus expérimental sont cruciales à conserver dans le temps (pour analyse des résultats, vérification des preuves…). Il rappelle à cette occasion que les données numériques dépassent de beaucoup les données des archives Web.

En termes de techniques de préservation on peut parler d’archivage actif ou passif. L’archivage actif consiste à mettre des données sur de grands serveurs (disque durs ou bandes magnétiques) ; comme les données vieillissent et périclitent, il faut constamment les mesurer et les recopier sur des supports neufs. « Les gens sérieux préservent leurs données en 3 endroits dans le monde ». Il est intéressant de constater que la recopie est parfois meilleure que l’original : des codes de correction d’erreur vérifient constamment que les données sont identiques (taux de 10 moins 13, tellement faible que difficile à imaginer). L’archivage passif, lui, consiste à écrire sur un support qui conserve l’information. Laloë signale que l’avant-garde dans ce domaine consiste à graver les données dans des disques en verre qui ressemblent à des Cds ou DVDs mais coûtent 150 euros pièce.

Marie-Anne Chabin fait part de son expérience d’expertise auprès des entreprises. Son travail consiste à aider à prendre du recul face au « tsunami numérique » et à l’infobésité. Dans un contexte d’inflation des donnés, le problème de sélection se pose à tous les niveaux si l’on cherche la pérennisation des données ; c’est un des nouveaux problèmes cruciaux pour l’industrie. Les volumes sont énormes, mais aussi proportionnels aux besoins en mémoire de notre époque. Une des premières sélections possibles est de cibler la redondance (les nombreuses versions d’un même document par exemple), les informations inutiles, ou celles dont l’utilité se périme au bout d’un certain temps. Elle se prononce en faveur d’une « destruction raisonnée ». Un des grands problèmes est l’explosion de la messagerie électronique, qui supporte des communications qui peuvent n’avoir aucune valeur, qui n’ont n’ont aucun intérêt dans le temps, et peuvent même être parfois toxiques. Il existerait une inféodation à la technologie : on écrit n’importe quoi, et donc on se retrouve avec des messages qui n’auraient pas dû être produits. Un autre grand problème est l’émiettement des informations, et les données non structurées, qui peut entraîner une mauvaise interprétation a posteriori. Pour l’historien, il peut être bon de conserver des informations conservées, mais sans contexte, qu’en faire ?

3 type de données à conserver selon M-A. Chabin :

• patrimoniales par défaut : procès verbal, publications majeures. Ce qui représente l’engagement de la responsabilité et des sources pour la mémoire collective ;

• documents de gestion et confidentiels, mais qui doivent être triés par des professionnels (échantillons représentatifs, corpus pour l’histoire) ;
• données de particuliers, support d’un sens de la mémoire chez les individus.

Dans le public : Qu’en est-il de la conservation des œuvres artistiques ou littéraires produites sur Internet ?

C. Oury : la BNF a un programme d’identification et d’archivage systématique des blogs littéraires par des équipes spécialisées dans la littérature contemporaine. Idem pour le net art, mais plus difficile à cause de l’interactivité.

J. Carrive : il existe un Dépôt Légal pour les jeux vidéos à la BNF. Il y a aussi un programme de recherche sur la musique contemporaine (restituer l’œuvre, pas son interprétation mais son processus de création avec les matériaux d’origine).

Dans le public : L’IRCAM s’est rendu compte récemment qu’ils ne peuvent plus lire leur programme de musique sérielle, à cause d’un problème d’obsolescence logicielle ; ne pense-t-on pas trop à court terme ?

M-A. Chabin : C’est précisément le but d’une solution par processus de migrations successives comme on le fait pour les données numériques scientifiques : on veille sur les supports sans arrêt, et on migre sur un nouveau support quand nécessaire. Le projet InterPARES travaille sur l’idée que l’on ne pourra pas conserver un document numérique mais seulement la manière de le restituer ; donc on n’aura jamais le même support, mais des supports successifs, selon un processus itératif et permanent de conservation des données.

C. Oury : à la BNF, on tente l’émulation, par exemple sur les premiers logiciels pédagogiques (T05). Mais il est vrai qu’à terme, il faudra se demander si on ne doit pas émuler les émulateurs (créer une couche supplémentaire pour les faire tourner).

Dans le public : A propos de l’authenticité des documents : quel est le document authentique dans un processus d’ubiquité et de copie ? Comment conserver l’authenticité du document et être certain qu’il n’est pas modifié dans le temps ?

J. Carrive : la notion d’original perd de son sens.

F. Laloé : la copie peut être meilleure que l’original en terme de support , mais on ne parle pas ici de contenu. Le problème de l’authenticité, distinct de celui de l’original, est essentiel ; il est indépendant du support, sauf dans le cas des techniques de gravure dans le verre, où l’on obtient une copie parfaite.

M-A. Chabin : Pour les documents numériques, le code civil reconnaît officiellement l’écrit émis sous forme électronique depuis la loi du 13 mars 2000 au même titre que sur papier. Le moyen de l’authentifier reste les algorithmes de signature, qui sont aussi un moyen de contrôle… Pour l’archivage, les normes internationales recommandent la préservation des traces qui signifient que rien n’a changé sur le fichier. Le décret du 10 août 2005 permet d’acheter un immeuble avec acte notarial numérique.

J. Carrive : L’empreinte digitale permet la représentation unique d’un document vidéo (par extraction de pixels sur l’original), et donc de prouver qu’une copie est bien le même document (authenticité), mais ne permet pas de trouver l’original.

Dans le public : quel est le coût ? M. Laloë a dit que c’était cher ; le contribuable doit-il payer pour conserver des documents inutiles ? N’est-ce pas une perte sèche ? On devrait peut-être cerner des indicateurs comme la fréquence de consultation ou l’utilité d’un document.

M-A. Chabin : s’il faut bien sélectionner pour une destruction raisonnée, il faut faire attention à ne pas le faire au motif de la fréquence de consultation de certains documents ; on peut se rendre compte 50 ans plus tard qu’il manque un document crucial pour réparer un pont.

J. Carrive : Il y a certes un aspect industriel (qu’est-ce qui va être utile / rentable) mais il y a aussi un aspect patrimonial. L’INA a la double casquette : c’est un centre de fonds radio et télé (commercialisation de films) mais aussi une mission de service public (Dépôt Légal). Qui décide de ce qui est intéressant ? Ce qui est cher, c’est moins le document que l’annotation (fabrication des métadonnées, données de description). A l’INA, il y a 10 documentalistes pour 1 technicien. On stocke tout mais on documente seulement une sélection.

C. Oury : pour le patrimoine Web le plus précieux en termes patrimoniaux (ancien et rare), ce qu’on appelle « les incunables du Web » (1996-2002), cela ne représente rien en termes d’espace et donc de coût de stockage (fichiers très légers). Il faut en effet faire attention à ne pas utiliser le critère d’utilité ou de fréquence de consultation des documents, car ce serait biaiser la documentation du temps présent pour le futur historien.

Par exemple, la littérature considérée au début du 20ème siècle comme une littérature de qualité (publiée par les « grands éditeurs ») était très positive et optimiste dans son regard sur la société ; or, c’est la littérature dite « de gare », une vision pessimiste, qui permettent les meilleures analyses sur l’époque de l’avant Première Guerre Mondiale.

Autre exemple : quand les nouvelles équipes du Web de l’Elysée sont arrivées avec la dernière élection, ils se sont débarrassés de toutes les photos de N. Sarkozy, au motif qu’elles étaient des supports de communication pas intéressants pour l’histoire, ce qui est une erreur. Heureusement, avant de le faire ils se sont assurés que la BNF avait des archives du site. Même la mémoire de l’Etat est fragile. On n’a pas réagi assez vite au moment de l’élection présidentielle de 2005 alors qu’elle a été la première à avoir un écho important sur le Web, donc on a raté son archivage.

Encore un exemple : pourquoi archiver les pages Facebook au moment des dites « révolutions arabes » ? Cela permet à l’historien de demain d’avoir les sources des activités de mobilisation ou de communication et non pas seulement l’opinion de la presse sur le sujet d’actualité.

Dans le public : Quels sont les rapports avec les entreprises informatiques de type Google : aide à l’archivage ou influence négative ?

C. Oury : La BNF est membre de l’IIPC (International Internet Preservation Consortium) qui associe des bibliothèques et institutions d’archives nationales et universités pour des recherches communes sur les techniques d’archivage numérique. Elle collabore aussi avec l’Open Planets Foundation, qui travaille avec des sociétés privées comme Microsoft, pour l’émulation des logiciels de bureautique. Pour les matériaux patrimoniaux du DLWeb, elle travaille seulement avec des institutions nationales.

J. Carrive : L’INA a des partenariats avec des entreprises de moteurs de recherche pour améliorer recherche audiovisuelle.

Dans le public : A l’échelle globale, doit-on vraiment faire une sélection ? Avec l’agglomération de masses de données (big data), on peut établir des corrélations entre des données qui n’ont pas l’air de faire sens.

C. Oury : aucun corpus n’est exhaustif, même dans le big data. Il s’agit d’ailleurs de données d’usages : on rêve, à partir de l’extraction de l’activité sur le Web et de l’analyse des interactions, d’avoir une image parfaite de l’état de la société. Mais il y a toujours des biais, et donc il est important de savoir comment le corpus a été constitué, délimité, documenté, pour faire connaître ces biais, et c’est ce sur quoi porte l’effort des équipes du Dépôt Légal du Web. La recherche historique reste d’ailleurs toujours possible à partir de corpus très limités.

M-A. Chabin : D’accord avec l’idée qu’à partir des données élémentaires on peut trouver des informations là où d’autres ne l’ont pas vu. Mais trop de mémoire étouffe : élaguer permet une liberté. De toutes façons, les historiens reprocheront toujours de pas avoir assez gardé.

Dans le public : Quid des droits ? Est-ce que cela ne pose pas problème à propos des formats des logiciels pour les émulateurs ? Ou encore : que fait-on des sites considérés comme hors la loi (données illégales) ?

C. Oury : en termes de droits, la BNF a un mandat légal : le Dépôt Légal du Web est considéré comme une exception au droit d’auteur, et on ne peut empêcher la collecte des contenus. Mais il ya une contrepartie : les contenus ne sont pas remis en ligne, on ne peut les consulter que localement. Pour les sites interdits, c’est même chose. Pour la question des émulateurs, on travaille avec Microsoft Research ; sans ça on ne pourrait pas émuler des logiciels de Microsoft sans autorisation.

Dans le public : quel serait alors le support le plus pérenne ? Un papier qui puisse durer plus de 1000 ans ?

M-A. Chabin : Le parchemin est très résistant : cela pourrait d’ailleurs relancer l’agriculture ! Plus sérieusement, il y a le carré de quartz développé par Hitachi pour la conservation des données.

F. Laloé : Le GIS prospecte un laboratoire d’optique à Bordeaux qui développe un laser permettant d’écrire des points dans le cœur du verre. Mais il est difficile de convaincre les industriels de s’intéresser à quelque chose qui n’existe pas sur le marché. Les disques en verre évoqués plus tôt restent trop chers.

Edité par Framasoft sous la direction de Camille Paloque-Berges et Christophe Masutti, ce livre est disponible en téléchargement sur le site de Framabook. Vous pourrez vous offrir la version papier et brochée pour 25€.

“Fruit de la collaboration inédite d’auteurs provenant d’horizons disciplinaires différents, par des approches thématiques et des études de cas, cet ouvrage propose une histoire culturelle du Libre non seulement à travers l’histoire de l’informatique, mais aussi par les représentations sociales, philosophiques, juridiques et économiques qu’a cristallisées le mouvement du logiciel libre jusqu’à nos jours.

À l’aide de multiples clés d’analyse, et sans conception partisane, ce livre dresse un tableau des bouleversements des connaissances et des techniques que ce mouvement a engendrés. Le lecteur saura trouver dans cette approche ambitieuse et prospective autant d’outils pour mieux comprendre les enjeux de l’informatique, des réseaux, des libertés numériques, ainsi que l’impact de leurs trajectoires politiques dans la société d’aujourd’hui.”

Intervenants :
Camille Paloque-Berges (Labex Hastec, Dicen, Cnam), Christophe Masutti (Sage, Université de Strasbourg), Adrienne Alix, Jonathan Chibois, Séverine Giordan, Gérard Giraudon, Alexandre Hocquet, Benjamin Jean, Stéphane Ubeda.

Informations pratiques :
Vendredi 17 mai 2013, 17h à 19h
Institut des sciences de la communication du CNRS
20 rue Berbier-du-Mets, Paris 13e Métro 7 ou bus 27, 47, 83, 91, « Les Gobelins »

Diffusé par Arte le mardi 14 mai et disponible en replay pendant 7 jours, le documentaire de Jean-Marc Manach et Julien Goetz fait beaucoup parler de lui dans le milieu geek mais aussi dans la presse “grand public”.

L’objectif  de cette longue vidéo associée d’un site contributif : (re)expliquer ce que sont les racines d’Internet et aborder avec pédagogie les différents enjeux de ce formidable creuset de notre culture numérique contemporaine.

“Internet a été créé par des hippies tout en étant financé par des militaires ! Cet improbable choc des cultures a donné naissance à un espace de libertés impossible à censurer ou à contrôler. C’est pourtant ce que cherchent à faire, depuis des années, un certain nombre de responsables politiques, poussant hackers et défenseurs des libertés à entrer dans l’arène politique.”

Et forcément lorsqu’on aborde la présentation des pionners, les premières initiatives d’archivage du web sont incontournables, avec Internet Archive et la bien-nommée Wayback Machine.

Le site du documentaire propose à tous les internautes de commenter, partager, faire découvrir leur souvenirs d’Internet, à travers divers thèmes alimentés de façon collaborative.  A ce propos,  nous remercions chaleureusement Jean-Marc Manach d’avoir partagé sur le site dédié notre Timeline des initiatives d’archivage et d’avoir initié le tag “archive”

Au moment où nous rédigons ce billet, nous comptons 3 contributions autour de l’archivage du web, n’hésitez pas à apporter votre pierre à l’édifice et à raconter vos souvenirs de sites ! Suivez la visite guidée sur le site “Les Internets” :  http://lesinternets.arte.tv/.

A lire ailleurs :

Le Monde : http://www.lemonde.fr/culture/article/2013/05/14/une-contre-histoire-de-l-internet_3175015_3246.html

Le Plus Nouvel Obs : http://leplus.nouvelobs.com/contribution/861359-une-contre-histoire-de-l-internet-sur-arte-le-docu-qui-rehabilite-enfin-les-hackers.html

Le Point : http://www.lepoint.fr/chroniqueurs-du-point/guerric-poncet/documentaire-l-immanquable-contre-histoire-du-net-14-05-2013-1666270_506.php

Ecrans : http://www.ecrans.fr/La-contre-histoire-de-tous-les,16362.html

Graphism.fr : http://graphism.fr/documentaire-une-contrehistoire-des-internets-4-heures-passionnantes

Nous sommes ravis de constater un si bon accueil à ce premier évènement quelque peu expérimental. Les retours via Twitter ou IRL ont été très positifs et la soirée s’est déroulée dans la bonne humeur et la profusion d’idées. Un grand merci à nos invités pour cette introduction didactique et pour leurs éclairage d’experts sur les tables d’ateliers ! Nous remercions également nos sponsors, sans qui la soirée n’aurait pas pu être aussi bien hébergée et préparée.

Si vous avez des notes, photos, enregistrements ou tout autre forme d’archive de la soirée, n’hésitez pas à nous les envoyer à contact [at] webarchivists.org ! Si vous souhaitez rajouter une mention de copyright, indiquez le nom ou pseudo que vous voulez voir apparaître sous vos documents partagés. Ces prochaines semaines, nous publierons petit à petit tous ces documents afin de partager les résultats des travaux menés durant le WACamp.

Premier retour, donc : (re)découvrir ce qu’est travailler avec les archives Web. Nous vous proposons donc l’enregistrement audio de l’introduction  au WACamp par notre WA-PDG Baptiste, suivi par nos invités professionnels ou experts de la question, chacun dans des activités et domaines et selon des motivations relativement différents.

Vous remarquerez comment les acteurs se sont spontanément assis dans un ordre qui va du plus institutionnel (les représentants des Archives Nationales, de la BNF puis de l’Ina) à l’intermédiaire (Internet Memory Foundation) jusqu’au plus “hors-structure” (Okhin de Telecomix puis Eric Van der Vlist pour terminer) ! Ce premier effet de système passé, ils se sont d’eux-mêmes dispatchés dans chaque atelier. La rencontre entre des pros et amateurs a été un des points d’orgue du Barcamp, d’après les premiers retours que nous avons reçu, ayant permis de montrer certains manques dans la communication (ex : “ah bon la BNF archive le Web français?!?” ) et d’imaginer quelles solutions mettre en place pour la faciliter (ex : “est-ce que les robots doivent se manifester plus explicitement quand ils récoltent les pages ?“). Vous en saurez plus avec la suite de nos compte-rendus à venir.

In related news, en ce moment même ailleurs dans le monde des archives Web… Expliquer sa profession, quand on est dans le domaine de l’archivage numérique, n’est pas chose aisée. C’est d’ailleurs ce qu’atteste l’équipe de la Library of Congress dans un billet récent, “Framing the digital preversation conversation” (27/11/12) qui propose une sélection de témoignages sur les métiers ou activités relatifs à l’archivage numérique (par exemple, l’archivage des pages Web en contexte d’élection US, ou encore un retour d’expérience sur la préservation des archives d’entreprises comme collection de documents historiques…). Ce billet enjoint d’ailleurs ses lecteurs à témoigner dans les commentaires de leur expérience professionnelle : des retours d’expérience très intéressants en termes de communication autour d’un nouveau métier.

Pour rappel, ces invités sont Clément Oury, Sophie Derrot et Peter Stirling (dépôt légal du Web – BnF), Louise Merzeau et Claude Mussou (Université Paris Ouest Nanterre et INA), Julien Masanès (Internet Memory Foundation), Telecomix, Eric van der Vlist (Owark), et Denise Ogilvie (Archives Nationales).

TEH CORPUS :

Exemples de projets et réalisations

Eric van der Vlist : owark.org

Telecomix :

Exemples d’articles ou communications à consulter en ligne

Julien Masanes :
Préserver les contenus du web
Web archiving
L’information technique nécessaire à la préservation à long terme des documents numériques

Louise Merzeau :
Présence numérique : du symbolique à la trace
De la surveillance à la veille
Copier-coller

Claude Mussou :
Institutional Perspectives on Storage
Un dépôt légal pour le Web

Denise Ogilvie :
Les fonds: Du respect au réseau. Expériences au Centre Historique des Archives Nationales

Clément Oury :
Legal deposit of the French Web: harvesting strategies for a national domain
Web 2.0 et mémoire: de la conversation à la conservation
Le département de la bibliothèque numérique à la Bibliothèque nationale de France
(avec Sophie Derrot) : Preservation Is Knowledge: A community-driven preservation approach

C’est sur cette liberté d’action qu’il base son nouveau projet « Just Solve the File Format Problem » avec son équipe The Archive Team (« We Are Going to Rescue Your Shit »), qui cherche à résoudre le problème de l’hétérogénéité des formats qui se pose à tout archéologue des objets numériques : en gros, il y en a des myriades, alors essayons de définir et catégoriser tout cela pour y voir plus clair. Selon Scott, la lourdeur administrative des projets institutionnels (bibliothèques, universités, etc.) fait qu’on ne peut pas baser ce genre d’initiatives sur une subvention ; il faut aller chercher des bonnes volontés sur Internet et il faut l’inscrire dans un effort de type « domaine public ».

Un mot de la philosophie derrière ce projet. Scott est un adepte de l’ « adhocracie », une politique d’organisation anti-bureaucratique qui a trouvé un large écho positif chez les populations d’Internet, en particulier dans les communautés d’informaticiens (le mot vient d’Alvin Toffler, qui par ailleurs a beaucoup théorisé sur les nouveaux rôles des amateurs dans les systèmes de production culturelle contemporains – cf. ProAm). L’autre socle idéologique important, et très diffusé dans la cyberculture d’Internet, est celui d’une croyance dans la sagesse des foules (the wisdom of crowds, notamment popularisé par Howard Rheingold dans son ouvrage Smart Mobs ). Scott, dans un post qui initie la pratique des « Just Solve the Problem » parle ainsi du fait que certains problèmes qui semblent impossibles au premier abord impliquent « beaucoup de ressources de pensée humaine » pour être résolus (d’où le recours aux “foules” d’Internet et à ce qui est pensé comme leur intelligence distribuée dans les réseaux).

Un de ces problèmes impossibles qui se pose à Scott et la communauté des archivistes numériques est celui des formats : novembre 2012 est donc déclaré le « Solve the File Format Month », première édition dans la série des « Let’s Solve The Problem ».

Le problème des formats se pose en synchronie (il y a en plein, actuellement) et surtout en diachronie (ça fait longtemps qu’il y en a plein !). Pour les historiens de l’âge numérique (qu’ils soient universitaires ou amateurs : Scott est un historien auto-proclamé, même si je préfère plutôt le voir comme un archéologue), c’est un vrai problème. Personnellement, à la recherche de vieilles listes de discussions électroniques, j’ai rencontré plusieurs personnes qui m’ont dit avoir des archives sur Cds mais avec des données très difficiles à décrypter, ou encore d’autres sur des bandes magnétiques (!). Comme on ne peut pas être expert en tout, c’est bien de pouvoir rassembler toutes les expertises diverses sur ce sujet commun : que les spécialistes des bandes magnétiques s’avancent et viennent écrire quelques mots sur leur format et support préférés ! Que les cryptographes viennent dévoiler quelques morceaux de code ! Que ceux qui connaissent 2-3 choses sur les formats les plus étranges viennent le dire sur un espace commun, que tout le monde puisse en profiter !

L’idée générale de « Solve the File Format Month » est de rassembler toutes les bonnes volontés autour d’une encyclopédie des formats numériques, afin de les documenter le mieux possible, ce qui permettra de savoir d’où partir quand on veut lire des données dans un format obscur ou obsolète.

N’importe qui peut participer pendant le mois de novembre, et bien au-delà. Scott fait appel notamment aux:

• « explorateurs » qui vont chercher toujours plus loin les formats les plus obscurs et reviennent avec des sources,
• « remplisseurs », qui synthétisent les informations sur l’espace commun du Wiki et font le lien entre toutes les sources,
• « fous de Wiki », qui ont envie de gérer le média contributif qu’est le Wiki,
• « essayistes » qui vont utiliser ces informations pour en tirer le substrat historique ou critique, créer des documents de référence et nourrir une nouvelle littérature sur le sujet des archives numériques au-delà de la seule documentation technique.

Le Wiki est sur le site d’Archive Team (pour avoir un compte : écrire à justsolve@textfiles.com avec nom d’identifiant voulu et adresse email que l’on veut lier au compte).

Pour les Twitteros : @justsolve

Pour IRC : #justsolve channel sur EFnet

 3 posts du blog de J. Scott :

Let’s Solve The Problem (2/08/12)

Just Solve the Problem 2012 : High Level Stuff (20/10/12)

Just Solve the Problem Month : Nitty-Gritty (26/10/12)

Le mot épique de la fin par Scott : “Si ce problème est pris en charge d’une quelconque manière, si on arrive à mettre sur pied un dictionnaire des formats, alors ça va changer des vies – des projets que l’on pensait impossibles deviendront possibles, et les flots de l’information deviendront incommensurables”

Dans leur dernier billet de blog, le fondateur d’Internet Archive Brewster Kahle s’exprime ainsi :

Les accomplissements de la communauté de What.cd sont impressionnants et les superbes métadonnées du site peuvent aider de manière significative des projets open-source tels que Musicbrainz.org ou acoustid.org pour créer un catalogue des enregistrements existants.

En ce sens, le projet d’archive de what.cd se situe dans la continuité du rôle d’Internet Archive qui est de préserver le zeitgeist culturel de ce monde à travers le temps. À l’instar de nos projets de copie numérique de livres et d’archivage du web, cette collection très bien entretenue nous aide dans notre mission d’obtenir un archivage de qualité de chaque petite pièce d’information ayant une valeur culturelle. Nous nous efforçons de rendre tout ce contenu aussi accessible qu’il est possible et approprié.

Internet Archive encourage depuis un certain temps l’utilisation du protocole bittorrent ; ainsi les émissions de radio, enregistrements de concerts, films ou livres qu’ils hébergent sont systématiquement proposés aux téléchargement sous forme de torrents. En août dernier, ils dépassaient ainsi le cap du 1 000 000e torrent téléchargeable.

Plus récemment, Brewster Kahle s’interrogeait sur l’utilisation de bittorrent pour héberger des sites sans passer par un serveur web, le principal avantage résidant dans la nature décentralisée du protocole : le risque qu’un contenu disparaisse serait ainsi très grandement diminué du fait que plusieurs personnes en assureraient la diffusion.

Un barcamp? C’est un évènement participatif où tout le monde contribue, sous la forme d’ateliers dont les thématiques sont décidées sur le moment. C’est le principe pas de spectateur, tous participants.

Nous sommes tous des archivistes du web.

Internet est un média à la fois omniprésent et éphémère. Chaque jour, des centaines de milliers de pages, vidéos, images, sons disparaissent, faute d’avoir été conservés. Que restera-t-il de notre patrimoine numérique dans les décennies et les siècles à venir ?

Partant du principe que tout internaute est un potentiel “archiviste du web”, l’association WebArchivists veut encourager toutes les initiatives de collecte et de sauvegarde de ces contenus immatériels. Ce faisant, l’association espère aussi sensibiliser les participants à l’accès aux données personnelles et à leur sauvegarde. Qui se soucie de lire en entier les mentions légales des services tiers comme Facebook, Picasa, Flickr, Tumblr, Twitter…? Des millions de personnes utilisent ces services sans forcément savoir comment garder le contrôle sur les données qu’elles stockent. Y auront-elles toujours accès dans 10 ou 20 ans ? Leur est-il permis de rapatrier facilement et sans délai les données qui s’y trouvent déjà ?

Un évènement inédit qui rassemble les grands acteurs de l’archivage du Web… et aussi les petits.

WebArchivists souhaite créer une connexion entre les institutions qui travaillent sur ces enjeux depuis plusieurs années et le grand public, grâce à ce type d’évènement où professionnels et amateurs peuvent échanger. À la dynamique participative du Barcamp, où le public décide de quels sujets traiter, s’ajoutera une dimension pédagogique : en guise d’introduction, une table ronde d’acteurs de premier plan de l’archivage Web permettra à tous de se familiariser avec un domaine pouvant d’abord paraître large et complexe.

Le Barcamp permettra ensuite de faire émerger différents types d’initiatives : des stratégies institutionnelles de conservation des bibliothèques aux tactiques de préservation personnelles par les individus en éclairant le rôle joué par les critiques et les hacktivistes qui mettent la question des archives web sur la scène juridique et politique. Chacun pourra faire part de ses idées et de ses compétences sur le sujet, initier des collaborations et proposer des actions.

Hébergé par la Cantine, l’organisation du Barcamp est sponsorisée par M&C Saatchi GAD, Digimind et Typhon et avec le soutien de Silicon Xperience.

Pour en savoir plus, rendez-vous à la page dédiée sur Barcamp.org ou directement sur la page d’inscription. Ne tardez plus ! L’entrée est gratuite mais limitée à 60 places.

If you would like to join please send a one-page description of your institution’s experience and interests in web archiving. For more information about becoming a member see: http://netpreserve.org/join-iipc.

Applications for 2013 membership are due November 30, 2012.

Premier laboratoire expérimental public des usages des nouvelles technologies de lecture, d’écriture et de diffusion de la connaissance, il présente, en libre accès, différentes animations nées de la rencontre entre nouvelles technologies et collections de la Bibliothèque.

Étaient présents Guillaume Plouin que nous remercions pour son invitation, Clément Oury, chargé du dépôt légal numérique à la BnF et son homologue de l’INA, Claude Mussou. Ces derniers on commencé en introduisant le concept de dépôt légal numérique et ses enjeux. C’était aussi pour eux l’occasion d’expliquer la répartition des rôles et la complémentarité entre les activités d’archivage du web telles qu’elles sont pratiquées par l’INA et par la BnF.

De notre côté notre intervention s’est articulée autour d’une idée centrale : de l’observation des pratiques amateur peuvent naître des innovations. L’interaction entre amateurs et professionnels peut contribuer à dynamiser l’avancement de projets, mettre en lumière des manques ou des trous ergonomiques. Toute l’essence de WebArchivists en somme !

Nous avons ainsi abordé la façon dont certains utilisateurs archivent, à titre personnel, des sites à fort contenu graphique et forte interactivité, le système de classification qu’ils ont développé, évoqué l’idée de l’apparition de nouvelles méta-données liées à la façon dont notre mémoire fonctionne (et à ses défaillances). Comment retrouver un site dont on ne se souvient ni de l’URL, ni de l’auteur ? De quels autres caractéristiques l’utilisateur est-il susceptible de se souvenir ? Les mots clés et les tags sont-ils assurés de subvenir à ce besoin si on imagine un contenu dont le volume doit croître éternellement et exponentiellement ? Nous avons aussi évoqué la question de l’archivage des réseaux sociaux, que ce soit du contenu dont l’utilisateur est propriétaire (tweets, dont il devrait être possible de télécharger une archive d’ici la fin de l’année, cf intervention de Dick Costolo, ou timeline facebook), mais aussi du contenu posté par d’autres utilisateurs. En effet le propre de l’individu, qui plus est sur Internet, est parfois d’outrepasser la loi, par ignorance ou volontairement, là où les institutions sont évidemment contraintes de la respecter. Nous avons évoqué la capture de tweets à la volée, dans un contexte de campagne présidentielle… mais aussi l’archivage d’urgence, ou rapatriement de données tel qu’il est pratiqué par Telecomix, notamment suite aux évènements des «révolutions arabes» et à la censure croissante et de plus en plus réactive du net dans ces pays en cas de soulèvement (avec l’aide de certaines de nos entreprises Françaises…).

C’était une expérience intéressante et le public avait répondu présent. Nous ne saurions que vous conseiller de suivre les futurs ateliers proposés par le Labo, le prochain se tient le Mercredi 21 novembre 2012 et sera dédié au « Retro-gaming » et à la conservation des jeux vidéos (de 12h-13h30). Le soir même aura lieu une conférence intitulée “Le jeu vidéo peut-il changer le monde ?“.

_

Le site du labo : http://labo.bnf.fr/
Le labo sur twitter : @LaboBnF les conférences sont habituellement commentées sur le hashtag #labobnf