Pérenniser l’éphémère

Capture d’écran 2016-05-03 à 11.56.12

ARCHIVAGE ET MÉDIAS SOCIAUX, Louvain-la-Neuve, 9 et 10 mai 2016, 16e Journées des archives.

Commentaires, textes, photos et vidéos postés et relayés sur les médias sociaux : l’archiviste se retrouve aujourd’hui confronté à une forme volatile du document. Sous le titre Pérenniser l’éphémère : archivage et médias sociaux, cette 16e édition des Journées des archives se concentrera sur la question de la collecte et de l’archivage de ces nouvelles formes d’expression. Résolument tourné vers un public de chercheurs et de praticiens du secteur des archives et de la gestion documentaire, le colloque a pour ambition de démythifier ce nouvel avatar, en comprendre les mécanismes de diffusion, mais aussi d’envisager les stratégies de collecte et de pérennisation de cet éphémère.

Brochure_Programme_JDA2016-2

Collectes d’urgence au moments des attentats de janvier et novembre 2015 (3/3) : entretien avec Thomas Drugeon, responsable du DL Web à l’INA (entretien du 21 mars 2016)

En complément de sa mission de dépôt légal du Web media consistant en la collecte continue des sites Web liés à l’audiovisuel, des vidéos, et des flux de réseaux sociaux liés au paysage audiovisuel français, l’Ina a étendu ses collectes aux flux Twitter en lien avec l’attentat perpétré dans les locaux de Charlie Hebdo (dès le 9 janvier 2015) et ceux survenus le 13 novembre 2015 à Paris (pour ces derniers, la collecte a commencé au soir même des attentats), récoltant ainsi plusieurs dizaines de millions de tweets au cours d’une collecte qui continue à ce jour. Nous revenons avec Thomas Drugeon, responsable du DL Web INA sur les objectifs, réalisations et limites, modalités de ces collectes.

Marguerite Borelli : Pourquoi votre institution a-t-elle décidé ces collectes et qu’est-ce qui a fait le caractère impératif de celles-ci?

Thomas Drugeon : La mission de l’Ina en ce qui concerne la collecte Web est de collecter les sites, réseaux socio-numériques et médias sociaux en lien avec l’audiovisuel. Or ces événements ont eu un impact énorme au plan national bien sûr, mais aussi dans l’audiovisuel français. Cela nous paraissait important de consacrer une collecte d’urgence aux événements. Et Twitter nous a semblé particulièrement important à collecter, car il y avait le risque que personne ne le fasse. Par contre nous n’avons pas fait de corpus spécial sur les sites Web audiovisuels, car ils peuvent au besoin plus facilement être récupérés après coup, alors que concernant Twitter on peut difficilement récupérer le flux après.

Valérie Schafer : Vous archivez Twitter le reste de l’année ?

Thomas Drugeon  : Oui, absolument, nous suivons 400 hashtags liés à l’audiovisuel et 11 000 comptes environ, dont nous collectons de manière exhaustive les tweets en permanence. Ce sont des comptes de journalistes, de chaînes, etc. Mais là les événements dépassaient largement ces comptes habituels.

MB : Comment avez-vous procédé ?

TD : Pour les événements de novembre 2015, les choses se sont produites de manière un peu fortuite. Le vendredi 13 novembre, nous avions une intervention de maintenance prévue sur le réseau électrique de la salle serveur de l’Ina, et certains de nos processus de captation étaient donc délocalisés pour garantir la continuité de la captation des flux radio/tv et twitter. Si les circonstances n’avaient pas fait que nous soyons en situation d’astreinte pour contrôler cette délocalisation, nous n’aurions pas pu lancer de collecte spéciale avant le lundi matin. Mais nous avions un accès direct aux machines de captation, et ayant été informés des événements vers 23.30 nous avons pu commencer à collecter une série de hashtags (#bataclan, #prayforparis, #portesouvertes, #parisattacks par exemple) liés aux attentats en passant par l’API de streaming publique de Twitter. Par contre cette formule non payante limite la collecte de tweets à 1% du total des tweets émis au plan mondial à un instant T. Si l’on considère qu’il y en a environ 5000 émis par seconde en moyenne, on ne peut en capturer dès lors plus de 50 par seconde et là on dépassait ce total qui, en temps normal, nous suffit. Ainsi au moment du pic de tweets, nous n’avons pu en collecter qu’environ un quart. Les collections ne sont donc pas exhaustives au moment de l’afflux maximal des tweets, par contre, ensuite, lorsque le flux a diminué, on a pu tout collecter.

VS : Vous capturez des pages ? Comment collectez-vous les tweets ?

TD : Si on archive les pages twitter, il faut réextraire les posts ensuite, etc. Pour nous cela n’a pas d’intérêt, ce qui nous intéresse ce sont les « données brutes », un tweet c’est plus que 140 caractères, c’est aussi des informations sur la date, l’émetteur, des images, etc. Par contre on n’a pas capté les images de fond. On stocke une structure de données arborescente.

Lire la suite

Archivage Twitter de Nick Ruest en janvier 2015

« I’ve spent the better part of a month collecting tweets from the #JeSuisCharlie, #JeSuisAhmed, #JeSuisJuif, and #CharlieHebdo tweets. Last week, I pulled together all of the collection files, did some clean up, and some more analysis on the data set (76G of json!). This time I was able to take advantage of Peter Binkley‘s twarc-report project. According to the report, the earliest tweet in the data set is from 2015-01-07 11:59:12 UTC, and the last tweet in the data set is from 2015-01-28 18:15:35 UTC. This data set includes 13,968,293 tweets (10,589,910 retweets – 75.81%) from 3,343,319 different users over 21 days. You can check out a word cloud of all the tweets here. »

Submitted by Nick Ruest on Tue, 02/03/2015 – 09:29

En savoir plus sur la collecte de Nick Ruest 

A look at 14,939,154 #PARIS #BATACLAN #PARISATTACKS #PORTEOUVERTE TWEETS

« On November 13, 2015 I was at the « Web Archives 2015: Capture, Curate, Analyze » listening to Ian Milligan give the closing keynote when Thomas Padilla tweeted the following to me:

I immediately started collecting ».

Submitted by Nick Ruest on Sat, 12/12/2015 – 14:49

Pour en savoir plus sur la collecte de Nick Ruest 

The September 11 Digital Archive

The September 11 Digital Archive uses electronic media to collect, preserve, and present the history of September 11, 2001 and its aftermath. The Archive contains more than 150,000 digital items, a tally that includes more than 40,000 emails and other electronic communications, more than 40,000 first-hand stories, and more than 15,000 digital images. In September 2003, the Library of Congress accepted the Archive into its collections, an event that both ensured the Archive’s long-term preservation and marked the library’s first major digital acquisition.

Une collection à explorer qui permet notamment de découvrir des documents nativement numériques, par exemple des documents d’animation, fichiers flash, jeux vidéo, etc., comme Bade Dudes vs Osama bin Laden.

Capture d’écran 2016-03-16 à 23.10.55

AAC : Freedom and Control of Expression in the Digital Aftermath of the Paris Attacks

Les communications se feront en anglais mais nous acceptons des propositions en français (articles de moins de 25 pages ou résumés de 2 pages)

La date limite d’envoi des propositions est le 1er avril prochain. L’inscription à la conférence est gratuite et il y a la possibilité de prise en charge du déplacement à Toulouse sous conditions. Ci-dessous l’appel intégral et les modalités de soumission. Pour plus d’information merci de visiter le site de la conférence.

Les organisateurs

Jen Schradie (IAST), Sandra Vera Zambrano (Sciences Po Toulouse – LASSP), Nikos Smyrnaios (Université Toulouse 3  – LERASS)
Capture d’écran 2016-03-18 à 11.29.40

1ère rencontre Lab Ina DL Web dédiée à l’archivage des RSN Attentats Paris

La première rencontre du Lab InaDLWeb  se déroulera le 1er Avril de 15h à 17h30 dans les emprises de l’Ina, sur le site de la BnF François-Mitterrand.

La séance portera sur les problématiques et enjeux liés à la collecte, à l’archivage et au traitement des  Tweets produits et diffusés en réaction aux attentats de 2015 à Paris ainsi que sur l’usage de la collection pour et par la recherche . 

Déroulé de séance :

15h00-15h45:  Présentation des modalités de collecte , indexation, archivage par l’Ina d’un corpus de plus de  20 M de  tweets en lien avec les événements

-15h45-16h30 :  Présentation des outils  existants de traitement et visualisation du corpus 

– 16h30 -17 h30 : « Hands on » /Travaux pratiques  : Accès à l’interface de consultation des Tweets archivés depuis ordinateurs portables individuels  pour prise en main et analyse

-17h30-18h00 : discussions, échanges, expression des besoins