Télécharger les sites web qui utilisent Amaya

À propos de Amaya

Tout ce qu’un robot d’exploration trouve n’est pas en service. Une partie de ce qu’il trouve est une signature laissée par un outil qui s’est exécuté une fois, il y a des années, et n’est jamais revenu. Amaya relève de cette seconde catégorie et en constitue un exemple particulièrement net, car le produit n’a jamais été un serveur web ni un framework. Le programme était un éditeur doublé d’un navigateur, construit au W3C pour éprouver les normes que l’organisation était en train d’écrire.

Une page rédigée dans un tel programme en garde la trace dans son balisage, dans la métadonnée de générateur que les outils de rédaction inscrivent dans l’en-tête d’un document. Notre détection lit cette signature. Un domaine présent dans cette liste ne fait donc tourner aucun logiciel. Il sert un document qui a été écrit avec un éditeur précis et qui a survécu, inchangé sur ce point, depuis lors.

Les dates disent l’essentiel. Amaya remonte à 1996 et a été écrit en C, à l’époque où les institutions du web livraient encore elles-mêmes des logiciels clients, et l’outil ne fait plus partie de la chaîne de travail de personne. Tout ce que nous trouvons aujourd’hui est donc une page qui a survécu à son programme de rédaction, aux habitudes de ses auteurs et, dans bien des cas, à sa raison d’être initiale.

La signature a une faiblesse connue. La métadonnée de générateur est recopiée chaque fois qu’un document est recopié, si bien qu’un gabarit écrit une fois et réutilisé sur tout un site déclarera l’éditeur sur chaque page qui a hérité du balisage, et une page peut porter la balise alors que son contenu visible a été réécrit à la main des années plus tard. Notre décompte enregistre là où le marqueur est présent, pas quelle part de la page l’outil a réellement produite. La présence prouve une origine, pas la paternité de tout ce qui figure sur la page.

Nous disposons bel et bien du détail des versions, ce qui est inhabituel pour une signature aussi ancienne. Un éventail de versions aussi resserré correspond à ce que représente la signature, c’est-à-dire une population réduite et fermée de documents figés sur la version que leur auteur utilisait alors.

Le public d’une liste de ce genre n’est pas commercial au sens habituel. Personne ne vend une extension à une page écrite avec l’éditeur retiré d’un organisme de normalisation. La valeur tient à ce que de telles pages révèlent des domaines qui les hébergent, puisqu’un document que personne n’a touché depuis dix ans repose en général sur une infrastructure que personne n’a auditée depuis dix ans non plus. Les chercheurs qui étudient la dégradation du web, la pourriture des liens institutionnels et la survie des premiers sites universitaires se servent exactement de ce type de marqueur pour constituer un échantillon. Les équipes de sécurité lisent le même signal de façon plus rude, comme l’indice d’un hébergement laissé sans surveillance.

En octobre 2026 la signature apparaît sur 147 sites, une population assez réduite pour être parcourue en entier mais trop dispersée pour être trouvée au hasard. Aucun moteur de recherche ne remonte les pages par outil de rédaction, et aucune requête domaine par domaine n’aide, puisque le chercheur ignore quels domaines vérifier. Partir de l’ensemble complet des correspondances est la voie praticable, et un fichier téléchargeable est exactement cela : la population entière qui correspond, triable par code pays et par domaine de premier niveau, prête à être ramenée au coin du web sur lequel porte réellement la question.