En 1996, la Bibliothèque nationale de France procédait à sa première collecte de l'internet français au titre du dépôt légal du web. Trente ans plus tard, l'institution est parvenue à collecter 64 milliards de pages web, soit environ 2 800 téraoctets de données. Un volume qui s'accroît chaque année de 4 milliards de pages produites par 6 millions de sites dont 170 titres de presse collectés quotidiennement.
On y trouve notamment des archives web liées aux campagnes électorales ou à l'épidémie de Covid-19. "Ces collectes permettent aujourd’hui de retrouver les informations, débats, témoignages et initiatives qui ont accompagné la crise sanitaire et le confinement" précise la BnF.
Collectes larges et collectes ciblées
Réalisée à l’aide de 70 robots Heritrix, cette collecte a une ambition : constituer une représentation aussi large que possible du web français, en combinant collectes larges et collectes ciblées. Au regard du nombre de pages produites chaque jour, impossible en effet de viser à l'exhaustivité.
L'accès au dépôt légal du web est possible sur les différents sites de la Bibliothèque nationale de France ainsi que dans une vingtaine de bibliothèques régionales partenaires.
En écho à ce trentième anniversaire, la BnF organisera le 20 novembre prochain un colloque consacré aux collections du dépôt légal du web sur son site Richelieu.
Sur le même thème
Internet Archive franchit le cap des 1 000 milliards de pages web archivées (article de 2025)
Archivage du web : près de 800 To déjà collectés par la BnF (article de 2017)
Archivage du web : 510 milliards de pages sur Internet Archive ! (article de 2016)
