Télécharger les sites web qui utilisent Amazon S3

À propos de Amazon S3

Amazon S3 n’est pas quelque chose qu’un site exécute. C’est là qu’un site range ses fichiers, ce qui en fait une entrée inhabituelle dans un dataset de technologies. Rien ne s’affiche à cause de ce service. Aucun visiteur n’interagit avec lui. Une détection signifie simplement que, quelque part dans la page livrée, une référence pointe vers un stockage d’objets exploité par Amazon et non vers le serveur du site lui-même, et ce seul fait porte une quantité surprenante d’informations sur l’organisation derrière le domaine.

L’information est d’ordre architectural. Servir des images, de la vidéo, des documents, des téléchargements ou un site statique entier depuis un compartiment de stockage traduit une décision de séparer le contenu du calcul, et cela s’accompagne le plus souvent du reste d’une posture cloud. Les équipes qui y déposent leurs ressources ont aussi tendance à disposer de chaînes de construction, d’une infrastructure décrite en code, d’une facture de fournisseur cloud et d’un ingénieur qui sait ce qu’est une région. Pour quiconque vend de l’outillage cloud, de la maîtrise des coûts, du traitement de médias, de l’audit de posture de sécurité ou des services de migration, cette déduction constitue l’étape de qualification, et elle est visible depuis l’extérieur de l’entreprise sans avoir à poser la moindre question.

C’est sur la détection que l’honnêteté s’impose, parce que c’est l’une des catégories où le décompte est le plus incomplet. L’attribution dépend normalement d’un nom d’hôte de stockage présent dans le code source de la page. Dès qu’une équipe place un réseau de diffusion de contenu devant le compartiment et sert tout depuis son propre domaine, ce qui est le schéma recommandé et le schéma courant à toute échelle sérieuse, la preuve disparaît entièrement de la page. Les compartiments privés, les sauvegardes, les chaînes de traitement de données et les rouages internes des applications n’apparaissent purement et simplement jamais dans une récupération de page. Un gros client peut donc être totalement invisible ici alors qu’un petit site qui a fait un lien direct vers un fichier téléversé est bel et bien compté.

La conséquence mérite d’être énoncée sans adoucissement. La population que nous pouvons montrer penche vers le lien direct, ce qui va de pair avec des montages plus simples, des pages plus anciennes, des équipes plus petites et des extensions de gestion de contenu qui téléversent les médias droit dans un compartiment. Les infrastructures sophistiquées sont systématiquement sous-représentées. En octobre 2026 nous le détectons sur 381 790 sites, et la bonne lecture de ce chiffre est celle d’un plancher sur l’usage visible plutôt que d’une estimation de la base de clients, qu’aucune collecte externe ne sait mesurer.

Même comme plancher, la géographie se comporte de façon sensée pour un service de la catégorie CDN proposé depuis 2006 sous licence Proprietary. C’est aux États-Unis que nous en relevons le plus, soit 271 385, avec .com comme suffixe le plus fréquent, ce qui suit l’endroit où l’adoption du cloud a commencé et où le marché des développeurs est le plus profond, et ne décrit en rien où tel ou tel octet est physiquement stocké.

Si l’on prend la liste au lieu de vérifier les domaines un par un, c’est parce que les questions d’architecture sont des questions de population. Quels sites d’un marché exposent leur stockage directement. Quels systèmes de gestion de contenu poussent les médias dans des compartiments par défaut et laissent donc fuiter le nom d’hôte. Quelles entreprises associent le stockage d’objets à un framework, à une plateforme de commerce ou à un réseau de diffusion particuliers. Chacune de ces questions se règle en filtrant un fichier et reste sans réponse dans une boîte de recherche, et les lignes contiennent des organisations que vous n’auriez jamais pensé à chercher, ce qu’un outil de requête ne peut structurellement pas fournir.