Le Web comme source ou terrain en SHS : apprendre à utiliser le web présent ou archivé dans le cadre de son doctorat – Formation doctorale du 27 novembre 2025 au 12 février 2026.
Catégorie : Compétences propres au métier de chercheur – Formations professionnalisantes
Thématiques : Formation à la recherche, Formation sensibilisation à l’intégrité scientifique, Formation à la communication scientifique écrite et orale
Langue de l’intervention : français
Nombre d’heures : 20
Max participants : 15
Public prioritaire : Aucun
Public concerné : Doctorant(e)s
Proposé par : Ecole Doctorale Espaces, Cultures, Sociétés
Début de la formation :information à venir Fin de la formation : information à venir Date ouverture des inscriptions : information à venir Date fermeture des inscriptions : information à venir Modalités d’inscription : via adum
Objectifs : Cette formation vise à fournir un cadre théorique et méthodologique pour les doctorantes et doctorants en SHS qui envisagent d’explorer le web présent ou passé dans le cadre de leur thèse. Elle apportera des connaissances concernant le web, les réseaux sociaux, mais aussi l’archivage du web, domaine indispensable pour les études en ligne. Cet apport théorique sera associé à des mises en pratique fondées sur les outils et méthodes correspondant aux besoins de chaque doctorante ou doctorant. Enfin, cette formation permettra de connaître les services disponibles sur notre territoire en la matière, depuis la médiathèque de la MMSH (WebLab, poste de consultation INA) jusqu’à l’Alcazar (accès aux archives web de la BNF) et à la délégation régionale de l’INA. Des intervenantes et intervenants des institutions nationales et internationales seront aussi invités à partager leur expertise en visio.
Programme : Qu’il s’agisse de chercher ponctuellement une information complémentaire, de constituer un corpus, de pallier des difficultés d’accès au terrain, ou bien d’étudier les pratiques numériques des sociétés, le recours à des documents issus du web ou des réseaux socionumériques dans le cadre de la thèse est désormais courant. Pour autant, l’appréhension du web présent, ou du web passé grâce aux archives du web, impose une vigilance accrue dans la constitution du corpus, les méthodes d’analyse et la démarche interprétative. De plus, face au risque de disparition des pages web du fait de l’instabilité de ces environnements complexes, il est indispensable d’avoir la capacité de conserver ces corpus en ligne dans le cadre de sa thèse.
5 jours de formation de 4 h : Séance 1
* Intérêt, limites et défis du web comme source ou terrain pour les SHS.
* Séminaire du WebLab (2h)
Séance 2
* Palette méthodologique pour l’appréhension du web vivant ou archivé.
* Mise en pratique 1 : définition des besoins, élaboration d’une première feuille de route.
Séance 3
* Constituer un corpus issu du web vivant et ou archivé.
* Mise en pratique 2 : savoir constituer et analyser un corpus issu du web vivant ou archivé pour ma thèse.
Séance 4
* Collecter et conserver un corpus de pages web avec Webrecorder.
* Mise en pratique 3 : savoir pérenniser un corpus issu du web vivant pour ma thèse (constitution d’une collection et restitution collective).
Séance 5
* Mise en pratique 4 : savoir constituer, pérenniser et analyser un corpus issu du web vivant ou archivé pour ma thèse.
Pré-requis : 4h x 5 séances Matériel nécessaire : venir avec son ordinateur portable
Equipe pédagogique : Sophie Gebeil.
Intervenantes et intervenants pressenties selon leurs disponibilités : Médiathèque MMSH, INA, BnF, Alcazar, etc.
Méthode pédagogique : La formation articule des apports théoriques, en lien avec le séminaire du WebLab, et des ateliers pratiques, accompagnés et personnalisés. Chaque doctorante et chaque doctorant pourra constituer un corpus stabilisé et bénéficier d’une première prise en main d’outils d’analyse adaptés à ses besoins.
Compétences acquises à l’issue de la formation : ● connaître les spécificités du web comme source ou terrain pour la thèse (enrichir son état de l’art) ● découvrir le web archivé et prendre en main des ressources et des outils d’archivage du web ● découvrir les méthodes et outils d’analyse du web vivant ou archivé (qualitatives et quantitatives) ● constituer un corpus pour sa thèse et savoir le pérenniser ● expérimenter des outils d’analyse de corpus issu du web vivant ou archivé pour sa thèse
La formation participe à l’objectif suivant :être directement utile pour la réalisation des travaux personnels de recherche
Calendrier
Séance n° 1 Jeudi 27 novembre 13h30-17h30
Séance n° 2 Jeudi 18 décembre 13h30 – 17h30
Séance n° 3 Jeudi 15 janvier 13h30-17h30
Séance n° 4 Jeudi 22 janvier 13h30-17h30
Séance n° 5 Jeudi 12 février 13h30-17h30
Les séances se déroulent principalement en présentiel. Toutefois, une participation à distance peut être envisagée ponctuellement par visioconférence, en fonction des besoins des doctorantes et doctorants, et selon les places disponibles. Les personnes inscrites en présentiel seront prioritaires pour l’accès à la salle et bénéficieront d’un accompagnement personnalisé.
L’Assemblée Générale de l’IIPC (International Internet Preservation Consortium) est organisée chaque année et permet de faire le point sur les enjeux liés à l’archivage de l’internet.
En 2013, l’ A.G. s’est déroulée à Ljubljana en Slovénie (photographie ci-dessus) et cette année elle aura lieu à Paris à la BNF du 19 au 23 mai (le programme est en ligne sur le site de l’IIPC).
Si la majorité des sessions sont réservées aux membres de l’institution, la première journée est ouverte au public sur inscription.
Cette journée prend particulièrement en compte la dimension historique du web, en rassemblant Valérie Schafer et Niels Brügger, historiens de l’internet mais aussi Louise Merzeau spécialiste de la question mémorielle en ligne. Le programme témoigne également de l’intérêt accordé par les institutions en charge de l’archivage du web à la construction des mémoires collectives sur le réseau (intervention d’Helen Hockx-Yu de la British Library sur les sites historiques du Royaume-Uni.
Page d’accueil du site de l’IIPC www.netpreserve.org
En France, l’Institut National de l’Audiovisuel (INA) et la Bibliothèque Nationale de France (BNF) sont en charge de l’archivage du “web français”, au titre du dépôt légal élargi aux documents numériques depuis la loi 1er août 2006 relative au droit d’auteur et aux droits voisins dans la société de l’information (DADVSI). Le dépôt légal du Web se fonde sur la logique de la collecte automatique qui s’est imposée comme la solution la plus efficace compte-tenu de l’immensité des données concernées. Si la loi française n’intervient qu’en 2006, l’INA comme la BNF n’avaient pas attendu cette date pour mener des collectes expérimentales, notamment en collaboration avec l‘International Internet Preservation Consortium (IIPC) fondé en 2003.
Qu’est-ce que l’IIPC (International Internet Preservation Consortium) ?
En juillet 2003, dix bibliothèques nationales d’Europe (dont la BNF), d’Amérique du Nord, d’Australie ainsi que l’association InternetArchive se sont rassemblées pour développer « une collaboration internationale et assurer la préservation des contenus de l’internet pour les générations futures[1] ».
Chaque institution est alors confrontée aux nouvelles problématiques imposées par l’archivage du Web : document mondial, déterritorialisé et dématérialisé, le document issu du réseau bouleverse la tradition patrimoniale fondée sur le support et le territoire. L’archivage du web dans sa globalité par une seule institution apparaît alors impossible compte-tenu de la masse des données à stocker et de la grande diversité des législations nationales en terme de droits de la propriété intellectuelle. L’IIPC a donc dans un premier temps favorisé les transferts de compétences informatiques tout en permettant à chaque institution de mieux définir les domaines d’archivages nationaux. Gildas Illien a montré comment cette organisation en marge, initialement animée par des ingénieurs en informatique s’attelant à développer des logiciels, s’est peu à peu développé politiquement.
L’évolution de l’IIPC et de ses missions
De 2003 à 2006, la priorité du consortium réside dans la création de robots de capture permettant de parcourir et de traiter un nombre très importants de données. N’ayant trouvé aucune entreprise capable de répondre à l’appel d’offre lancé par l’IIPC, la décision a été prise de développer des logiciels libres (open source[2]). De ce travail collaboratif est né le robot Heritrix[3] utilisé par la BNF comme par Internet Archive pour la Wayback Machine. Une autre urgence technique s’imposait également : la compatibilité des formats. Face à un web « découpé » en différentes parties capturées par des institutions autonomes, il est alors nécessaire de choisir des formats, des normes identiques afin de pouvoir un jour relier l’ensemble des archives nationales. C’est durant la seconde phase de développement du consortium (2007-2009) que les formats ont été normalisés en particulier en ce qui concerne le stockage, un des axes prioritaires de la période. Ainsi le format de stockage ARC est remplacé par le format WARC[4] dont la norme est reconnue par l’ISO[5] en 2009. Les données recueillies par les robots sont ainsi stockées dans le même format quelle que soit l’institution membre de l’IIPC. De plus, le format WARC facilite le maniement de volumes de données importants tout en sauvegardant les métadonnées[6] accompagnant les pages web archivées. Les fichiers sont ensuite enregistrés sur des baies de stockage de gros volumes (les Petabox pouvant atteindre 120 téraoctets) qui seront utilisées pour la consultation des documents. En parallèle, les données sont entreposées dans le Système de préservation et d’archivage réparti (Spar) mis au point à la BNF en 2008. Depuis 2010, les membres du consortium ont adopté le modèle de stockage OAIS[7] dédié à l’archive. Durant cette même période, l’IIPC s’élargit et intègre de nouveaux membres comme l’INA. Grâce aux cotisations de ses 39 institutions, le consortium devient une organisation internationale reconnue et disposant d’un budget conséquent.
Depuis 2010, une réflexion est engagée sur le traitement des données sauvegardées et leur intégration dans les collections des bibliothèques. Il s’agit de vérifier dans quelle mesure les méthodes traditionnelles d’archivage, fondées sur le catalogage, l’indexation et la conservation peuvent-elles s’appliquer à Internet ; l’objectif étant de déterminer une politique documentaire commune adaptée à l’archivage du Web. Le travail mené porte également sur les attentes liées à la consultation des archives, notamment en ce qui concerne les besoins des chercheurs en terme d’informations collectées mais aussi au sujet de la création d’outils d’analyse adaptés.
Chaque année, l’IIPC organise son Assemblée Générale rassemblant les partenaires et dont une partie des interventions sont ouvertes au public. La prochaine aura lieu du 19 au 23 mai 2014 à Paris à la BNF.
Pourquoi archiver le web ?
Sur son site, l’IIPC revient sur la nécessité d’archiver le web.
Pourquoi archiver le web ? IIPC
[1] Illien Gildas, « Une histoire politique de l’archivage du web », BBF, 2011, n° 2, p. 60-68, [en ligne] <http://bbf.enssib.fr/>, consulté le 24.10.11.
[2] Logiciel libre ou open source : se dit des logiciels dont le code source qui est à l’origine de leur fonctionnement est disponible contrairement aux logiciels propriétaires. Par modification du code source, les usagers peuvent faire évoluer le logiciel alors qu’un logiciel propriétaire est figé. Le navigateur Mozilla Firefox, le système d’exploitation Linux et la suite bureautique Open Office sont les logiciels libres les plus connus actuellement.
[4]Information and documentation, « The WARC File Format (ISO 28500) – Information, Maintenance, Drafts », Espace professionnel de publication sur le document numérique à la BNF, consulté le 4.12.11, <http://bibnum.bnf.fr/warc/>.
[6] Les métadonnées sont les informations sur le contenu (titre, auteur, date…) ou la nature (texte, hyperlien, son…) d’une page web. Invisibles, elles sont insérées dans les pages web ce qui permet l’identification de la page par les moteurs de recherche.
[7] OAIS: Open Archive Information System. Modèle conceptuel dédié à la gestion, l’archivage et la préservation de données numériques.