Archiver un site web : méthodes et outils fiables
Apprenez à sauvegarder un site web avant sa disparition : outils simples, méthodes d’archivage, limites à connaître et conseils pour conserver vos copies.
Un site que vous aimez peut disparaître : comment l'archiver vous-même
Un site ancien donne parfois l'impression d'être immuable. Il est là depuis des années, ses pages n'ont pas bougé et vous y retournez de temps en temps, comme on retrouve un lieu familier. Sauf qu'entre-temps, le propriétaire peut arrêter de payer l'hébergement, perdre l'accès au domaine ou simplement fermer le site. Ensuite, le nom de domaine peut être racheté et servir à tout autre chose. Et quand vous réalisez la disparition, il est souvent trop tard pour récupérer les pages telles qu'elles étaient.
L'archivage du Web ne s'adresse pas uniquement aux grandes institutions. Avec les bons outils, vous pouvez enregistrer une page, un petit site, ou une partie d'un profil en ligne, puis consulter la copie hors ligne. Le point clé, c'est de choisir un périmètre raisonnable et de vérifier ce que vous obtenez vraiment. Dans ce guide, on compare trois approches - extension de navigateur, application autonome et robot d'exploration - puis on voit comment tester, partager et conserver une archive. On précise aussi ce qui ne sera pas forcément capturé et ce qu'il faut vérifier avant de diffuser une copie.
Pourquoi archiver un site web avant qu'il ne disparaisse
Le Web donne parfois l'impression de durer. Une adresse reste accessible pendant des années, donc on finit par se dire que « ça ne bougera pas ». Mais une adresse n'est pas une garantie de conservation. L'hébergement expire, une association arrête ses activités, une plateforme ferme, ou tout simplement un administrateur oublie de renouveler le domaine. Résultat : le contenu disparaît, est remplacé ou devient inaccessible sans préavis.
Les grandes bibliothèques archivent une partie du Web, mais elles ne peuvent pas tout capturer. Leurs choix, leurs moyens et leurs priorités ne couvrent pas forcément un petit site amateur, une documentation très ciblée ou une page importante surtout pour une communauté locale. Attendre qu'un tiers s'en occupe, c'est accepter la possibilité que ça ne soit jamais sauvegardé.
Ce que l'archivage préserve réellement
Une archive web n'est pas une simple capture d'écran. Des formats comme WARC enregistrent les échanges entre le navigateur et le site : requêtes, réponses et ressources récupérées. Il existe aussi le format WACZ, qui regroupe les données d'archive et des métadonnées dans un fichier plus pratique à déplacer et à ouvrir.
Le but est de pouvoir « rejouer » les pages dans un navigateur : retrouver le texte, les images et, dans certains cas, des liens utilisables. Selon votre besoin, c'est souvent plus utile qu'une suite d'images. Ça sert pour retrouver une documentation, relire un ancien blog ou donner le contexte d'une page à quelqu'un d'autre.
Mais tout ne sera pas parfait. Les contenus chargés après une action, les vidéos hébergées ailleurs, les zones protégées par connexion ou les services qui dépendent d'un serveur peuvent manquer. Une archive, c'est une représentation des pages et des échanges capturés à un moment donné - pas une copie complète de l'infrastructure d'origine.
Pourquoi agir soi-même
L'archivage personnel, c'est aussi un choix : décider ce que vous voulez conserver, et à quel moment. Ça peut concerner un site familial, une ressource utile pour une association, un billet de blog difficile à retrouver, ou un petit site lié à une passion. Et la « taille » de l'audience n'est pas le critère : c'est la valeur du contenu pour vous (ou pour votre communauté).
La règle pratique est simple : si la disparition de la page vous ferait regretter de ne pas l'avoir sauvegardée, faites une première archive maintenant. Ensuite, vous pourrez décider si vous poussez plus loin : crawl plus large, vérification plus minutieuse, ou plusieurs copies.
Quel outil choisir pour sauvegarder une page ou un site
Le bon outil dépend surtout de la quantité à capturer. Pour une page ou un site que vous pouvez parcourir vous-même, une extension de navigateur est souvent le choix le plus direct. Pour automatiser la visite d'un grand nombre de pages, un robot d'exploration est plus adapté. Et inutile de commencer par le plus complexe : une solution simple que vous utilisez réellement bat un système sophistiqué jamais configuré.
Extension ArchiveWeb.page : le choix pour commencer
ArchiveWeb.page est une extension de navigateur compatible avec Chrome. Vous ouvrez la page à enregistrer, vous lancez une session d'archivage, puis vous naviguez vers les pages que vous voulez inclure. L'outil capture ce qui se charge pendant votre parcours. Avec cette approche, vous couvrez une page isolée, quelques articles, ou une partie d'un site, sans devoir apprendre à configurer un robot.
Elle fonctionne aussi bien pour les pages interactives : si un menu, une galerie ou du contenu ne s'affiche qu'après une action, vous pouvez cliquer dessus pendant la session pour déclencher le chargement. La contrepartie est logique : votre périmètre dépend de votre navigation. Si vous oubliez une section, elle ne sera probablement pas dans l'archive.
Quand c'est fini, ouvrez le tableau de bord de l'extension et prévisualisez la session. Ne vous contentez pas de voir un fichier se créer : vérifiez les pages importantes, les images et les liens qui comptent.
Application autonome : archiver sans extension
Une application de bureau peut convenir si vous ne voulez pas installer d'extension, ou si vous préférez séparer l'archivage de votre navigation habituelle. ArchiveWeb.page en version application intègre son propre navigateur et permet aussi de consulter des archives enregistrées localement. Le principe reste le même : démarrer la capture, parcourir ce qui vous intéresse, puis arrêter et contrôler le résultat.
C'est pratique si vous voulez garder vos archives sur votre ordinateur et ne pas forcément les publier. En revanche, cette option ne transforme pas une capture manuelle en exploration complète. Pour couvrir un site de plusieurs centaines de pages, il faudra soit parcourir les sections ciblées, soit passer à un outil de crawl.
Browsertrix : automatiser l'exploration d'un site
Un robot d'exploration suit automatiquement des liens à partir d'une ou plusieurs adresses de départ. Browsertrix permet de définir un périmètre : par exemple, les pages du même domaine, un répertoire précis, ou une page avec ses liens directs. C'est utile pour une documentation structurée, un site d'association, ou un ensemble de pages où tout parcourir à la main prendrait trop de temps.
L'automatisation ne dispense pas de réfléchir au périmètre. Un crawl « trop large » peut ramasser des pages inutiles (calendriers sans fin, contenus générés, etc.). À l'inverse, un périmètre trop étroit risque de laisser de côté des pages importantes. Commencez par définir ce que vous voulez réellement conserver, puis ajustez en fonction du résultat.
Browsertrix existe comme service en ligne payant, avec une période d'essai annoncée par le fournisseur, et le projet est open source pour ceux qui peuvent l'installer eux-mêmes. Le choix dépend donc de votre temps, de votre budget et de vos compétences techniques. Pour une page ou un petit site, l'extension reste souvent plus simple.
Comment conserver et partager une archive
Une fois créée, l'archive doit rester accessible. Les outils produisent des fichiers d'archive, souvent au format WACZ, que vous pouvez déplacer et ouvrir avec un lecteur compatible. Vous pouvez les garder pour votre usage, les envoyer à des proches, ou - si le contexte le permet - les rendre consultables publiquement.
Garder plusieurs copies indépendantes
Une archive stockée à un seul endroit reste fragile : panne de disque, mauvaise manipulation, fermeture d'un compte cloud. Pour un contenu qui vous tient à cœur, gardez au moins deux copies sur des supports distincts. Par exemple : une copie sur votre ordinateur, et une autre sur un disque externe ou dans un espace de stockage différent. Si une communauté est concernée, vous pouvez aussi confier une copie à une personne de confiance.
L'idée importante, c'est l'indépendance. Deux dossiers synchronisés avec le même compte ne protègent pas forcément contre une perte liée à ce compte. Et laisser un disque externe branché en permanence n'est pas forcément une « sauvegarde séparée » si vous supprimez un dossier par erreur ou si un incident matériel survient.
Nommez les fichiers de façon claire, et notez au minimum la date de capture, le périmètre et l'adresse d'origine. Ces informations aident à distinguer les versions et à comprendre ce que contient chaque fichier. Si vous archivez régulièrement, adoptez une convention de nommage stable plutôt que de vous fier à votre mémoire.
Consulter ou transmettre une archive
Pour un usage privé, vous pouvez ouvrir l'archive dans l'application de capture ou dans un lecteur compatible, par exemple ReplayWeb.page. Le lecteur rejoue les pages dans le navigateur à partir des données enregistrées. Pour transmettre à quelqu'un, envoyez le fichier d'archive et précisez avec quel outil il doit le consulter. Si la personne est moins à l'aise avec ces manipulations, des consignes simples font gagner du temps : où ouvrir le fichier, quelle page vérifier en premier, et quelles limites attendre.
Il est aussi possible d'intégrer un lecteur d'archives à une page web. Mais publier une archive change la nature du projet. Une copie peut contenir des données personnelles, des commentaires, des noms ou d'autres informations qui n'étaient pas destinées à rester accessibles durablement. Avant de mettre en ligne, vérifiez les droits, le contexte et l'impact potentiel sur les personnes concernées. Le fait qu'un contenu ait été visible publiquement ne veut pas dire que tout peut être republicé sans réfléchir.
En France et dans l'Union européenne, la présence de données personnelles impose une vigilance particulière au regard du RGPD. Pour un usage associatif, éditorial ou public, définissez qui aura accès à l'archive et pourquoi. En cas de doute sur la légitimité de diffuser, gardez la copie en privé et demandez un avis avant publication.
Conclusion : commencer par ce qui compte
Un site que vous aimez peut disparaître sans annonce, et aucune institution ne peut promettre qu'elle conservera tout. Vous pouvez agir vous-même : une extension suffit pour des captures ponctuelles, une application autonome facilite la consultation locale, et un robot comme Browsertrix permet d'explorer un périmètre plus large.
Commencez par une page (ou une section) importante, faites la capture, puis testez vraiment l'archive. Si ça vous sert, gardez plusieurs copies et partagez avec discernement. La meilleure archive n'est pas celle qui promet de tout enregistrer : c'est celle qui conserve ce qui compte, dans un format que vous pourrez encore ouvrir plus tard.
Comment créer et vérifier une archive web
Avant de capturer, posez une question simple : qu'est-ce que vous voulez pouvoir retrouver plus tard ? L'idée « tout le site » est compréhensible, mais pas toujours réaliste. Un site peut contenir des milliers d'URL, générer des pages à la volée et s'appuyer sur des services externes. Une cible précise rend le crawl plus rapide et facilite le contrôle.
Définir le périmètre avant de lancer la capture
Choisissez un niveau, du plus simple au plus large :
Si vous archivez un site que vous pouvez parcourir manuellement, ouvrez pendant la session les pages qui vous semblent essentielles. Sur les contenus interactifs, déclenchez ce qui charge les données : menus, onglets, galeries, boutons de pagination. Si le site demande un compte, réfléchissez avant de capturer des informations personnelles ou des espaces privés.
Avec un robot, commencez par quelque chose de modéré. Lancez un crawl limité à une section, regardez combien de pages sont trouvées et si les liens se rejouent correctement. Puis élargissez si nécessaire. Cette progression évite de gaspiller du temps et des ressources dès le départ.
Contrôler le résultat, pas seulement le fichier
Créer une archive ne veut pas dire qu'elle sera forcément exploitable. Ouvrez-la dans l'outil de lecture associé, puis testez quelques parcours « représentatifs » : la page d'accueil, une page plus profonde, une image, un lien interne, et un élément qui dépend d'une interaction. Vérifiez aussi les caractères accentués et la mise en page.
Au passage, distinguez trois cas : une page absente, une ressource manquante, ou un élément dynamique impossible à rejouer. Une page absente signale souvent un périmètre trop court. Une image manquante peut venir d'un hébergement tiers non capturé. Un élément dynamique peut dépendre d'un serveur ou d'une API qui n'est plus disponible dans l'archive.
Si une page essentielle manque, ne partez pas du principe que « ça ira » : corrigez la capture. Pour une archive manuelle, retournez sur la page et refaites une session. Pour un crawl, ajustez les règles ou ajoutez une adresse de départ. Le contrôle n'est pas une formalité : c'est une étape de travail.