Télécharger les sites web qui utilisent OpenGSE

À propos de OpenGSE

OpenGSE est la mise en œuvre ouverte d’un conteneur de servlets signée Google, publiée sous licence Apache 2.0 et écrite en Java. Le projet est issu de l’infrastructure construite pour faire tourner les applications web de Google, et il a été publié comme un moyen léger de servir des servlets Java sans la lourdeur d’un serveur d’applications complet. En tant que logiciel, il n’a jamais attiré la communauté qui s’est formée autour de Tomcat ou de Jetty, et le code source est silencieux depuis longtemps.

En octobre 2026 nous identifions OpenGSE sur 141 246 sites, une empreinte bien plus large que l’obscurité du projet ne le laisserait croire. Le décompte vient de ce qu’un serveur déclare sur lui-même dans ses en-têtes de réponse, et non d’un choix d’installation fait par un propriétaire de site. Une page livrée par l’infrastructure de Google peut annoncer cette stack alors même que la personne qui l’a publiée n’a jamais choisi de moteur de servlets et ne reconnaîtrait pas le nom.

La répartition va dans ce sens. Sur les sites que nous voyons, 118 796 se trouvent aux États-Unis, et .com domine le mélange de domaines, une concentration qui en dit plus sur le lieu d’enregistrement de l’infrastructure de diffusion et de ses clients que sur une préférence des développeurs Java d’un pays donné. Les logiciels serveurs que les ingénieurs choisissent délibérément ont tendance à se répandre plus uniformément d’un marché à l’autre, parce que partout les ingénieurs lisent la même documentation.

Pour un chercheur, la valeur pratique est à l’inverse de ce que le nom suggère. Personne ne prend une licence sur un dataset technologique pour étudier ce moteur de servlets pour lui-même. L’entrée sert plutôt à isoler une population de diffusion, parce que les domaines qu’elle contient partagent un même circuit de livraison, et les regrouper révèle quels marchés, quelles terminaisons de domaine et quelles balises d’analytique ou de marketing installées à côté voyagent avec ce circuit. L’empreinte par en-tête de réponse reste inférentielle sur un point important, puisqu’un en-tête peut être réécrit par un proxy, retiré au niveau d’un CDN, ou laissé en place par une plateforme qui a changé en dessous, de sorte que le chiffre est un plancher pour les sites qui annoncent la stack et non une mesure de ce qui tourne réellement.

Une requête domaine par domaine indique si une adresse donnée renvoie l’en-tête, ce qui est rarement la question que l’on se pose. La liste téléchargeable répond plutôt à la question de la population : combien de domaines portent le signal, où ils sont enregistrés, avec quoi ils tournent, et comment l’ensemble bouge d’un export à l’autre, ce qui permet de distinguer une plateforme d’hébergement en cours de migration d’une plateforme figée.