La (littéralement « machine à revenir en arrière ») est un site web mis à disposition par l'organisme à but non lucratif américain afin d'offrir un accès à des clichés instantanés de pages web stockés par l'organisme. Les archives de la sont mises à la disposition de tous gratuitement. Elles permettent aux utilisateurs de la plateforme de retracer l'évolution de différents sites internet à travers le temps, ainsi que de retrouver des pages web qui n'existent plus..
La est considérée comme la plus grande collection d'archives web à travers le monde.. En , le nombre de pages web archivées a atteint et ce chiffre augmente d'environ de pages par jour.. C'est approximativement à travers le monde qui visitent la tous les jours.
Historique Dès sa création en , commence à capturer et enregistrer des pages web afin de les archiver. Puis, en , l'équipe menée par Brewster Kahle lance la , qui offre une interface publique à cette base de données qui comporte à l'époque de pages représentant de données..
L'appellation « » renvoie à des épisodes du , où , un chien à l'air professoral et son assistant Sherman (un animal de compagnie humain), utilisent une machine à remonter le temps appelée « WABAC Machine » pour décrire des évènements historiques célèbres.
En , une attaque par déni de service compromet de comptes Wayback Machine, le service est hors service pendant plusieurs jours.. Les motifs ainsi que les personnes derrière cette cyberattaque ne sont pas connus..
Contenu Les pages web archivées dans la peuvent être préservées selon deux méthodes. a majoritairement recours à des robots d'indexation pour faire sa collecte de données. Anciennement, c'était principalement le robot d'indexation de la compagnie Alexa Internet qui était utilisé, mais il y a une dizaine d'années, a développé son propre robot d'indexation nommé Heritrix.. La fréquence des instantanés est variable et dépend de plusieurs facteurs dont le nombre de liens entrants vers la page concernée..
Depuis , les utilisateurs peuvent directement faire la sauvegarde de pages web grâce à l'outil « ». Cette fonctionnalité a été ajoutée dans le but de démocratiser et diversifier le contenu se trouvant dans la . Il est estimé que plus de par seconde sont sauvegardées à partir de cet outil.
Utilisation Initialement, la était perçue comme un outil permettant d'avoir accès à du contenu provenant des liens morts que les utilisateurs pouvaient rencontrer en surfant sur le web.. Cependant, les utilités qu'on lui donne aujourd'hui sont beaucoup plus variées, entre autres, ce site d'archivage web peut servir à soutenir le développement de nouveaux algorithmes d'apprentissage automatique, à faire la vérification des faits, dans le but de tenir les gouvernements et les personnalités publiques responsables et à protéger la propriété intellectuelle en prouvant les cas de plagiats.. Des preuves récupérées dans la Wayback Machine ont même déjà été admises dans plusieurs tribunaux à travers le monde..
La est également un outil très prisé pour faire de la recherche scientifique. Entre et , ce sont , livres et autres documents qui ont été écrits au sujet de la .. Les principaux domaines d'études ayant contribué à cette littérature sont les technologies de l'information, les sciences de l'information et les sciences sociales.
Limites Bien qu'il existe plusieurs autres projets similaires à travers le monde, la se différencie par le fait que ses créateurs ont l'aspiration de sauvegarder toutes les pages web existantes, et cela sans discrimination. Malgré tout, il existe un certain nombre de facteurs qui complexifient le développement de cette collection d'archives :
La préserve principalement les pages HTML, puisque certaines méthodes de codage, telles que le JavaScript, sont plus difficiles à archiver.. Les pages web dynamiques présentent un grand défi pour les robots d'indexation tels que Heritrix. Ce dernier n'est pas en mesure d'exécuter les interactions nécessaires pour initier des scripts côté serveur, ce qui empêche Heritrix de récupérer du contenu provenant d'une base de données.. Peu de contenu est sauvegardé à l'extérieur du monde occidental.. Une raison pouvant expliquer cette situation est que l'algorithme d'exploration utilisé par utilise les hyperliens trouvés sur les pages web déjà indexées afin de trouver de nouveaux sites internet.. Les pays dont les pages web sont peu liées peuvent donc être sous-représentés.. Les pages web payantes et les sites dont les propriétaires ont demandé à être retirés de la ne sont pas sauvegardés.. Depuis , suit la , qui est une politique qui encadre les paramètres selon lesquels les auteurs ou les éditeurs peuvent faire la demande pour que leurs documents cessent d'être disponibles dans les archives web. Une fois mise en place, cette exclusion est rétroactive et permanente.. Certaines pages web sauvegardées dans la peuvent contenir des inconsistances temporelles. Dans le cas où certains éléments nécessaires à la reconstitution d'une page web selon une date spécifique ne soient pas disponibles, le logiciel de la remplace les éléments manquants par d'autres éléments qui sont disponibles à la date de sauvegarde la plus rapprochée.. Comme il peut se passer plusieurs semaines ou plusieurs mois entre les sauvegardes d’une page web, la page qui est présentée aux utilisateurs ne reflète pas un instant précis, mais est plutôt constituée de fragments provenant de moments différents.
Notes et références
Liens externes
Catégorie:Archivage du web Catégorie:Serveur de bibliothèques logicielles Catégorie:Organisation américaine 501(c)(3) Catégorie:Moteur de recherche (service) Catégorie:Site web lancé en 1996