Télécharger les sites web qui utilisent RSS

À propos de RSS

RSS a été enterré bien des fois et continue pourtant de ressortir dans les analyses. Le format date de 1999, il publie les éléments récents d’un site sous forme de liste lisible par une machine, et la raison de sa survie tient peu à l’usage des lecteurs de flux. Les plateformes de publication émettent un flux automatiquement, et l’élément de lien qui pointe vers lui reste dans la page, qu’une seule personne s’y abonne ou non. Le marqueur mesure donc tout autre chose que ce qu’il semble mesurer.

En octobre 2026 nous détectons une déclaration de flux sur 6 994 942 sites, un format ouvert dont les conditions de licence sont Open Source, sans fournisseur et sans histoire de droits pour compliquer l’analyse. Le nombre ne doit pas se lire comme une audience. Il compte les sites bâtis sur un logiciel qui prévoit de publier un flux d’éléments, ce qui décrit ce à quoi un site sert plutôt que sa stack technologique.

Cette distinction transforme la colonne en un filtre qui intéresse plusieurs acheteurs bien différents. Les sociétés de veille médiatique et les agrégateurs ont besoin des adresses de tous les sites qui publient des éléments structurés, parce qu’un flux est un moyen peu coûteux et autorisé de suivre une source à grande échelle. Les plateformes de podcast ont besoin du sous-ensemble dont les flux portent des pièces jointes audio. Les équipes qui constituent des corpus de textes ont besoin de presque la même liste pour des raisons entièrement différentes. Et quiconque vend à des éditeurs peut utiliser le marqueur pour séparer les sites qui produisent du contenu selon un calendrier de ceux qui ont mis une page en ligne une fois puis s’en sont allés.

Pour la prospection commerciale, le geste intéressant est là encore le croisement plutôt que la colonne. Un flux à côté d’un marqueur de plateforme de boutique suggère un commerce doté d’une activité de contenu, ce qui est un acheteur différent, avec un budget différent, d’un commerce qui n’en a pas. Un flux à côté d’un site d’entreprise sans autre marqueur de publication signifie le plus souvent une rubrique actualités négligée, héritée par l’équipe marketing et qu’elle a cessé d’alimenter. On voit les deux motifs dans un fichier et aucun des deux dans une requête, parce que les deux sont des comparaisons et non des faits sur un seul domaine.

2 884 534 des sites qui déclarent un flux se trouvent aux États-Unis, et .com porte le poids des suffixes, une répartition qui suit les plateformes de publication et l’hébergement plutôt que les habitudes de lecture. Notre attribution de pays vient de l’infrastructure qui sert les pages, si bien qu’une étude des médias nationaux devrait se construire à partir du suffixe, de la langue de la page et des coordonnées du site lui-même, la colonne pays ne servant que de premier tri et rien de plus.

La réserve honnête est qu’un flux déclaré n’est pas un flux vivant. Nous consignons la déclaration présente dans la page. Nous n’allons pas chercher le flux, nous ne comptons pas ses éléments et nous ne vérifions pas la date de sa dernière écriture, si bien qu’un blog abandonné et une rédaction qui publie plusieurs fois par heure apparaissent de la même façon dans le fichier. Les flux qui existent à une adresse conventionnelle sans être déclarés dans le balisage nous échappent entièrement, ce qui pousse le décompte dans l’autre sens. Traitez la colonne comme un indicateur fort qu’un site a été construit pour publier et comme un indicateur faible qu’il le fait encore. Vérifier ce second point est un travail domaine par domaine, et le fichier est ce qui vous dit quels domaines valent ce travail.