Le document traite de l'archivage du web à la Bibliothèque nationale de France, soulignant les défis juridiques et techniques liés à la collecte de contenus numériques. Il décrit les évolutions du dépôt légal et les méthodes de collecte utilisées, tout en abordant des questions de représentativité et d'accès aux archives. La Bnf s'efforce de répondre aux enjeux contemporains de l'archivage en adaptant ses processus et en collaborant avec d'autres institutions.

1. L’archivage du Web à la Bibliothèque nationale de France Département de Médiation Culturelle de Paris III 5 janvier 2012 Clément Oury Chef du service du dépôt légal numérique Bibliothèque nationale de France clement"point"oury"a"bnf"point"fr

2. Éviter le « trou de mémoire » numérique Les contenus en ligne se multiplient Documents « nés numériques » ou dématérialisation Tous les types de publications sont désormais concernés Les institutions patrimoniales doivent trouver des solutions Juridiques et techniques Dans la continuité de leurs missions scientifiques

3. Une mission impossible ? Solutions juridiques et techniques

4. Difficultés juridiques La copie de sites Web suppose d’avoir l’autorisation de l’auteur… Dans un univers où la notion d’auteur tend à s’effacer Œuvres collaboratives Récupérations et mash-ups

5. Solutions juridiques Auto-archivage Suppose qu’on dispose déjà de tous les droits Demande d’autorisation Procédures longues et peu fructueuses Possibilité d’adapter les droits d’usage « Opt-out » Procédure conforme à l’« esprit » du Web mais juridiquement fragile C’est la solution des moteurs de recherche Dépôt légal

6. 1537 : les livres 1648 : les estampes, cartes et plans 1793 : les partitions musicales 1925 : les photographies, arts graphiques de toute nature 1938 : les phonogrammes 1975 : les vidéogrammes et les documents multimédias 1992 : radio, télévision, logiciels 2006 : L’Internet Le dépôt légal

7. Ce que dit le Code du Patrimoine Définition très large : s’applique aux « signes, signaux, écrits, sons ou messages de toute nature qui font l’objet d’une communication au public par voie électronique » Deux institutions dépositaires : L’Institut national de l’Audiovisuel collectera les sites du domaine de la communication audiovisuelle (en particulier ceux de la radio et de la télévision) et la Bibliothèque nationale de France tous les autres. Inversion du rapport éditeur/dépositaire : L’obligation de dépôt légal n’implique pas de démarche particulière de la part des producteurs (sauf à fournir les codes et les informations techniques susceptibles de faciliter l’archivage de leurs sites en cas de difficulté) L’objectif du DL est modifié : L’idéal d’exhaustivité est remplacé par un souci de représentativité Une importante contrepartie : Le décret autorise la consultation des archives de la Toile par des chercheurs dûment accrédité, dans les seules emprises de la BnF (salles de recherche), comme pour les autres collections issues du dépôt légal.

8. Logiciel appelé robot de collecte, « aspirateur », « araignée » ou « moissonneur » de sites Part d'une liste d'adresses URL « graines » Extrait les liens dans le code des pages, les suit comme un internaute automatique Copie les éléments qu’il trouve et qui font partie du périmètre de la collecte Une affaire de moissonnage

9. Le vrai visage du robot

10. Les difficultés techniques 1/2 La masse : près de 2 millions de sites Web en .fr début 2012 Des contenus inaccessibles Le Web profond Le problème des liens introuvables : flash, javascript La diffusion en flux ( streaming ) Les contenus payants

11. Les difficultés techniques 2/2 Le trop-plein Des sites fictifs… Des pages fictives Faut-il respecter le protocole robots.txt?

12. L’archivage du Web : les différentes initiatives Les institutions nationales Le rôle d’Internet Archive Les initiatives privées Les prestataires de service Les moteurs de recherche

13. Une mission impossible ? La réponse de la BnF

14. Le circuit du document Accès Préservation Sélection Collecte Chargés de collections numériques Experts de préservation Ingénieurs Ingénieurs Chargés de collections thématiques

15. État des fonds en 2012 Sept collectes larges du domaine national depuis 2004 Des acquisitions rétrospectives 1996-2005, auprès d’Internet Archive Une vingtaine de milliers de sites en collecte ciblée, certains remontant à 2002 Soit actuellement 16,5 milliards de fichiers 240 Téraoctets de données

16. La coopération nationale L’exemple des élections de 2010

17. La coopération internationale : le consortium IIPC

18. Les collections et leurs usages Que doit-on archiver ?

19. Une collection légitime ? Des contenus sans valeur ? La fin du modèle de l’éditeur Régime de la publication contre régime de la communication L’exemple des blogs d’adolescents Droit à l’oubli ? Droit au retrait ? Là encore, le cadre du dépôt légal fournit une réponse

20. Archiver un « espace » documentaire ? Année calendaire Nom-bre de sites Collectes larges : - annuelles - internalisées en 2010 Collectes courantes : - sur toute l’année - sites d’actualité ou de référence Collectes projet : - ponctuelles - liées à un événement ou un thème particulier

21. Les différentes approches L’approche par contenu L’approche événementielle … dont l’événementiel non programmé L’approche par type d’émetteur L’approche par type de document

22. Les collections et leurs usages Une remise en contexte

27. Merci de votre attention !