En 2010, la Bibliothèque du Congrès a annoncé qu’elle archiverait le réseau social Twitter – l’ensemble des tweets émis depuis sa fondation en 2006. L’importance prise par les médias sociaux dans de nombreux aspects de la vie publique états-uniennes (et au-delà) le justifie amplement. Deux ans plus tard, la même bibliothèque faisait part des difficultés techniques pour entretenir cette archive, mais surtout pour la mettre à disposition des chercheurs avec les outils nécessaires pour qu’ils puissent l’exploiter1. Ainsi, estime la bibliothèque du Congrès:

Currently, executing a single search of just the fixed 2006-2010 archive on the Library’s systems could take 24hours. This is an inadequate situation in which to begin offering access to researchers, as it so severely limits the number of possible searches.2

Cette épisode illustre très bien les difficultés rencontrées aujourd’hui pour l’archivage à des fins historiennes des sources primaires (nées) numériques. Cette problématique n’est absolument pas nouvelle. Roy Rosenzweig parlait – dans un article que nous avons participé à faire traduire récemment en Français3 – d’un choix entre abondance et rareté.

Ce qui m’intéresse ici sont les conséquences de la numérisation de nos vies, de l’extension du domaine du numérique pour les historiens des périodes les plus récentes, ceux qui ouvrent les chantiers de recherche au fur et à mesure de la loi des trente ans – et parfois sur des périodes encore plus récentes, car il y a de nombreuses exceptions à cette loi.

Aux alentours de 2020, les travaux de ces historiens-là pourront ne reposer strictement que sur des sources numériques. Il s’agit donc d’être prêts à exploiter des masses importantes d’archives numériques. Le sommes-nous?

Du côté des centres publics d’archives

Cette question de la gestion des sources primaires numériques (record management dit-on, semble-t-il) est loin de ne concerner strictement que les historiens. Ceux qui, dès aujourd’hui, collectent déjà ces sources et les gèrent pour les administrations sont les centres publics d’archives et certaines bibliothèques.

Si nous prenons l’exemple des archives nationales, les propos de leur directrice, Agnès Magnien, lors de l’émission La Fabrique de l’Histoire4, étaient plutôt rassurants, finalement. Selon Agnès Magnien,

Les questions [relatives à la conservation des documents numériques] sont les mêmes [que pour les archives papiers], mais les réponses doivent être adaptées.5.

Les réponses doivent être adaptées – les silos de stockages d’archives papiers étant remplacés par des serveurs. Elle a évoqué le fait de “passer à une vitesse supérieure”, c’est-à-dire à un niveau quasi-industriel, expression que j’interprète comme la nécessité, pour les centres d’archives, de disposer de réels data center et des outils qui vont avec. Agnès Magnien a insisté sur le fait qu’il devait y avoir un travail de tri – c’est le cas déjà pour le papier où 75% des archives ne sont pas conservées pour diverses raisons, dont leur redondance6. L’évolution des Archives nationales pour la conservation des archives numériques devrait désormais s’accélérer, mais rencontre les problèmes qui sont, aujourd’hui, ceux de tous, notamment pour le financement de cette évolution. Notons, enfin, que cette évolution numérique des archives nationales a des points communs avec celle des sciences humaines et sociales, notamment pour la place qui doit être faite aux informaticiens.

Toutefois, certaines de ces affirmations me semblent étranges. Qu’est-ce que la redondance à l’ère numérique? A priori, c’est une notion positive: la redondance (bien gérée) est nécessaire pour ne pas perdre d’information7. Mal gérée, la redondance peut causer de nombreux problèmes (entre Report Last version v3.doc et Report v4 final draft.doc quelle est réellement la dernière version?). Ainsi, il ne me semble pas si facile d’opérer un tri dans  cette redondance, ni nécessaire de systématiquement se débarrasser des fichiers qui se répètent – la manière dont la redondance est régie pourra, dans le futur, nous donner une idée de la manière dont les administrations s’organisent8.

En outre, se pose un problème d’articulation entre la forme et le fond du document. Le document numérique est fluide, fond et forme peuvent être pleinement séparées. Deux versions d’un document au fond identique peuvent avoir une forme différente. Que faire si l’historien visualise un contenu au fond similaire mais à la forme différente du contenu écrit ou lu par un agent de la fonction publique trente ans auparavant?

Cette émission a abordé de nombreux sujets et la courte discussion entre Emmanuel Laurentin et Agnès Magnien sur le numérique aurait pu faire l’objet d’une émission entière et élargie à de nombreux intervenants. Car la question de la conservation des archives appelle celle de leur consultation. L’exemple cité en introduction de la bibliothèque du Congrès montre que la mise à disposition des archives nées numériques n’est pas aisée. Travailler, pour une thèse par exemple, avec quelques centaines de boîtes d’archives n’équivaut pas à devoir gérer des téra-(péta-/exa-)octets d’informations. Tout change: les outils pour les lire – il faut compter sur une médiation des outils bien plus importante9 -, les méthodes et les risques de cette lecture évoluent. L’écriture de l’histoire elle-même, dont on espère qu’elle devienne plus riche par l’utilisation de ces documents numériques, se modifiera.

Toutefois, je ne doute pas, même si ce chemin est pavé de difficultés, que les grands centres d’archives publics s’en sortiront. Ce qui devrait être plus problématique sont les échelons du domaine public disposant de financements moindres, et, surtout, l’accès aux archives numériques privées.

Les archives privées

Distinguons – un peu artificiellement – trois cas. Les entreprises “classiques” gèrent leurs archives par besoin et, à l’occasion, les mettent à disposition des historiens. Ces entreprises et leurs ancêtres ont toujours dû s’occuper de leur histoire – pour savoir s’il faut respecter un contrat et ses clauses, encore faut-il savoir ce qu’il contient et, donc, le conserver. Parfois, sous pression des historiens, les archives qui ne les intéressent plus sont tout de même conservées et ouvertes aux chercheurs10. Cette situation n’évoluera pas, ne changera pas avec le numérique et, toutes choses étant égales par ailleurs (c’est-à-dire hormis les difficultés techniques et financières qui seront vraisemblablement similaire à celles des archives publiques décrites ci-dessus), tout reposera sur le bon vouloir de ces entreprises.

Le second cas est celui des entreprises typiquement numériques (Google, Twitter, Facebook, etc) dont l’une des plus grandes richesses est l’accumulation de données – sources primaires pour les historiens – sur leurs utilisateurs, leurs pratiques, leurs activités, leurs relations, etc. Ici, la situation risque d’empirer chaque jour.

Comment, aujourd’hui, accéder à ces données? Techniquement, cela se fait, notamment, par l’accès à une API. Or, revenons à l’exemple de Twitter. Entre 2006 et aujourd’hui, le modèle économique de ce réseau social a fondamentalement changé, et son API avec. Beaucoup plus orienté sur la valorisation de ce que ses utilisateurs produisent, Twitter a désormais nettement plus intérêt à vendre cette production des utilisateurs, donc à en fermer l’accès gratuit et, ainsi, à restreindre son API. C’est une catastrophe pour les recherches des sociologues et des anthropologues. L’action de la bibliothèque du Congrès limitera la casse pour les historiens, du moins quand les outils seront disponibles pour exploiter cette immense archive. Toujours est-il que les 600 000 tweets produits par des téléspectateurs du débat entre François Hollande et Nicolas Sarkozy au printemps 2012 n’ont toujours pas – ou très peu – été analysés.

Qu’en est-il pour Google, Facebook et tous les autres? La situation est bien pire. Facebook garde ses données et les monétise. Son API – du point de vue des chercheurs – est très fermée11. Si Facebook fait faillite, que se passera-t-il? Ces données, qui sont des sources primaires pour les historiens, sont susceptibles de disparaître, comme ont disparu les données qui étaient stockées sur les serveurs du fameux service MegaUpload. Sans discuter ici des raisons, légales ou non, qui ont abouti à la fermeture de MegaUpload, il y aura des conséquences en sciences historiques: de nombreux cinéphiles, par exemple, y ont stockés des copies de films oubliés ou indisponibles. Ces copies ont disparu, diminuant les chances pour les chercheurs futurs de les exploiter pour leurs travaux.

Reste le troisième cas – soulevé notamment par Roy Rosenzweig. Celui des nombreux sites web entretenus par une ou quelques personnes, qui apparaissent, se développent et, parfois, disparaissent en fonction de la disponibilité de ses webmestres bénévoles. Il existe des services qui archivent le web, mais qui sont souvent décevants, notamment car les informations que l’on trouve sur le web, avant d’être présents dans des pages HTML (le langage standard du web) sont d’abord stockées dans des bases de données. Non seulement ceci peut avoir pour conséquence que l’archivage est techniquement impossible, mais encore est-il incertain que toutes les données stockées dans ces bases de données aient été archivées. Le service (privé mais gratuit) le plus connu est la Wayback Machine entretenue par Internet Archive. Or, lorsqu’on l’utilise, on tombe régulièrement sur des erreurs.

Certaines institutions publiques “enregistrent” également le web. La Bibliothèque nationale de France archive ainsi le “.fr” et, sur demande ou à l’occasion d’événements particuliers (le Printemps arabe, par exemple), des sites au-delà du domaine français. De très grands efforts sont fournis par la BNF pour offrir aux chercheurs de très bonnes conditions d’accès à cette archive12. Mais ceci à des limites: on parle ici d’un dépôt légal – pas de préservation d’archives numériques – d’une part; le domaine archivé étant limité, de nombreux liens vers d’autres site ont des chances d’être inutilisables, d’autre part13.

Les archives personnelles

Il reste un troisième cas, celui des archives numériques de chacun d’entre nous, stockées sur nos ordinateurs, nos serveurs, nos “box”. Là-aussi, de nombreux documents sont perdus alors que beaucoup pourraient avoir un intérêt, pour, plus tard, écrire l’histoire. Deux-tiers des documents électroniques qui sont perdus ne le sont pas pour des raisons techniques, mais parce qu’ils ont été mal rangés, tout simplement14. Il existe des logiciels pour faciliter la gestion documentaire personnelle – finalement c’est l’une des fonctions de zotero pour les chercheurs. Mais ceci prend du temps et beaucoup d’entre nous ne sont pas conscients de ce que peut impliquer une grave perte de données.

*

Revenons au titre de ce billet. Le passé laisse des traces. Les historiens les collectent, les interprètent et écrivent sur notre passé sur la bases de ces traces. Que se passent-ils si ces traces – les sources primaires – disparaissent? L’histoire – dans le sens de “sciences historiques” – ne peut plus être écrite. La difficulté que nous avons aujourd’hui à relever le défi de l’archivage des sources numériques est une épée de Damoclès menaçant historiens et sciences historiques.

La préservation des archives, numériques ou non, a toujours été quelque chose de délicat et d’aléatoire. Nous connaissons plutôt bien l’Égypte ptolémaïque par le biais des papyrus conservés dans le désert – sec – alors que ceux qui existaient probablement dans la vallée du Nil – humide – ont disparu. Il existe des trous dans notre connaissance de l’Europe pendant la Seconde Guerre mondiale car elle a engendré de nombreuses destructions d’archives.

Mais notre ère numérique me semble poser ces mêmes problèmes avec une plus grande acuité tout en engendrant de nouveaux enjeux – cette incroyable abondance, cette évolution technique (logicielle et matérielle) très rapide. S’il est déjà arrivée de voir une historiographie freinée par une arrivée importante d’archives – c’est le cas de l’historiographie du IIIe Reich lorsqu’il a fallu absorber les archives qui étaient conservées par les pays du bloc communiste lorsque ce dernier a disparu -, cela a n’a été que très temporaire.

Si notre réaction n’est pas adaptée, les sciences historiques elles-mêmes sont mises en danger. Bien que le titre de ce billet paraisse dramatique, je ne crois pas à une fin des sciences historiques. Par contre, une sérieuse réduction de son “domaine” à partir du moment où nous étudierons les années 1990 est malheureusement envisageable, soit en raison de pertes d’archives, soit à cause d’utilisation d’outils et méthodes inadaptées.

C’est toute l’utilité, aujourd’hui, des Humanités numériques, de l'”histoire numérique” que de préparer le futur de l’histoire. L’enjeu de la conservation des archives montre l’intérêt et la nécessité d’un travail très étroit entre historiens, archivistes, bibliothécaires et informaticiens.

1. On parle ici de 170 milliards de tweets, avec une croissance d’un demi-milliard de tweets par jour  selon Allen, Erin. « Update on the Twitter Archive at the Library of Congress ». Library of Congress Blog 4 janv. 2013. Web. 1 févr. 2013. [↩]
2. Idem. [↩]
3. Version française: Rosenzweig, Roy. « Pénurie ou abondance ? Préserver le passé à l’ère du numérique ». OpenEdition Press. OpenEdition Press, 2012. 113‑149. press.openedition.org. Web. 1 févr. 2013. Version originale: Rosenzweig, Roy. « Scarcity or Abundance? Preserving the Past in a Digital Era ». The American Historical Review 108.3 (2003): 735‑762. CrossRef. Web. 28 avr. 2010. [↩]
4. 23 janvier 2013, France Culture, émission d’Emmanuel Laurentin – l’auditeur qui voulait absolument que lui soit posée la question de la stratégie numérique des AN, c’était moi! [↩]
5. J’ai collecté ces propos à la volée – vous m’excuserez si quelques mots diffèrent, mais je ne pense pas avoir trahi les propos tenus. [↩]
6. À l’ère numérique, je m’interroge sur ce que veut dire le terme “redondance”. Le document numérique est fluide: son contenu peut avoir changé, sa forme peut être séparée de son fond. Qu’est-ce dans ce contexte que la redondance? Une répétition ou du versioning – pour parler du bon français? [↩]
7. Ainsi, on conseille toujours d’avoir au moins trois copies d’un fichier: une sur votre ordinateur, une sauvegarde sur un support externe, une dernière sur un support distant [↩]
8. Cela signifie également que les plateformes logicielles utilisées par les administrations, entreprises, etc. devraient en toute théorie être archivées également, non seulement pour lire les archives dans leur contexte d’origine, mais également parce que ce seront des sources primaires à proprement parler. [↩]
9. Je me permets de renvoyer à l’un de mes précédents billets. [↩]
10. Ainsi a-t-il fallu la mobilisation de nombreux historiens dans le monde autour d’une pétition lancée par Marc Flandreau (Institut des Hautes Études Internationales et du Développement, Genève) pour sauver certains fonds d’archives de BNP Paribas [↩]
11. Je n’aborde pas ici les questions de respect de la vie privée et du “droit à l’oubli”. Cela pourrait faire l’objet d’un billet, d’un article, voire d’un livre complet. [↩]
12. Voir l’atelier co-animé par Clément Oury (BNF) et moi-même à THATCamp Paris 2012: Collectif. « Sommes-nous en train de perdre la mémoire ? Mémoire et archivage du web ». Collections électroniques des Éditions de la Maison des sciences de l’homme. Éditions de la Maison des sciences de l’homme, 2012. editionsmsh.revues.org. Web. 1 févr. 2013. [↩]
13. Il y a d’autres limites, notamment liées au contexte technologique: un site de 1995 visionné avec les outils de 2013 n’est pas tout-à-fait le même que s’il était visionné avec les technologies de 1995. Mais la BNF y travaille. Notons que la question du matériel, notamment de stockage, et de son obsolescence est une question également importante, non évoquée ici, car bien connue. [↩]
14. Statistiques entendues à Digital Humanities 2009 [↩]