Internet Archive est une bibliothèque numérique à but non lucratif fondée en 1996 à San Francisco. Elle conserve des pages web grâce à la Wayback Machine, mais aussi des livres, de la musique, des films et des logiciels, dont une partie se récupère par torrent quand l’œuvre est libre.
Qu’est-ce que l’Internet Archive ?
L’Internet Archive est une organisation à but non lucratif créée en 1996 par l’ingénieur américain Brewster Kahle, installée à San Francisco. Son projet tient en une formule souvent reprise par ses fondateurs : offrir un accès universel à la connaissance et rendre accessible au monde entier la mémoire d’internet, une initiative née quand le web grand public n’avait que quelques années. Le site archive.org fonctionne comme une bibliothèque numérique ouverte au grand public, sans abonnement pour consulter les collections, et finance son fonctionnement par des dons, des partenariats avec des bibliothèques et des services d’archivage vendus aux institutions.
Le premier chantier a été l’archivage du web : des robots parcourent les sites et enregistrent des copies des pages à intervalles réguliers. Les collections se sont ensuite étendues aux textes numérisés, aux enregistrements sonores, aux vidéos, aux images et aux logiciels anciens. Pour un lecteur de ce site, l’intérêt est concret : archive.org est l’un des plus grands réservoirs de fichiers légaux distribués en BitTorrent, le protocole qu’utilise aussi une seedbox, serveur distant dédié au téléchargement. La préservation reste toutefois la mission première : une page supprimée, un livre épuisé ou un jeu dont l’éditeur a disparu y restent consultables.
La Wayback Machine, mémoire des pages web
La Wayback Machine est le service qui rend consultables les archives du web, ouvert au public en 2001. On saisit l’adresse d’un site dans le champ de recherche, puis un calendrier affiche les dates auxquelles une copie a été enregistrée ; un clic sur une date ouvre la page telle qu’elle existait ce jour-là, avec ses images et ses liens internes quand ils ont été capturés. L’outil sert aux chercheurs en sciences humaines, aux historiens d’internet, aux journalistes, aux juristes qui doivent prouver un contenu passé, ou simplement à qui veut retrouver un article supprimé.
En octobre 2025, l’organisation a célébré un cap symbolique : un trillion de pages web archivées, soit mille milliards, avec un événement organisé le 22 octobre à San Francisco. Chaque jour, plusieurs centaines de millions de pages s’ajoutent à l’ensemble. Une fonction permet aussi de demander l’enregistrement immédiat d’une page dont on veut garder la trace, et les développeurs disposent d’une interface de programmation pour interroger l’historique d’une adresse depuis leurs propres outils.
Comment fonctionne l’archivage du web ?
L’archivage repose sur des robots d’indexation, proches de ceux des moteurs de recherche, qui suivent les liens de page en page et stockent une copie du code HTML et des ressources associées (images, feuilles de style, scripts). Un nouveau site créé hier n’apparaît qu’après le passage d’un robot, et la couverture n’est jamais complète : une page générée par une application qui charge son contenu au fil de la navigation, un espace réservé aux membres ou une vidéo diffusée en flux sont mal capturés. Les archives sont donc un instantané partiel, daté, et non une copie fidèle du web entier.
Le propriétaire d’un site garde une prise sur l’archivage de son site. Le fichier robots.txt sert à indiquer aux robots ce qu’ils peuvent visiter, et l’Internet Archive accepte des demandes de suppression ou d’exclusion de pages archivées. Les règles appliquées ont varié avec le temps, ce qui explique qu’un site puisse disparaître de la Wayback Machine après en avoir fait la demande.
En France, l’archivage du web relève aussi du dépôt légal : la BnF (Bibliothèque nationale de France) collecte les sites en .fr et d’autres sites français depuis la loi du 1er août 2006, et l’INA conserve les sites liés à l’audiovisuel. Ces archives ne sont pas ouvertes en ligne comme celles d’archive.org : elles se consultent dans les salles de recherche de la BnF et de bibliothèques partenaires en région.
Quels types de contenus sont disponibles ?
Au-delà des pages web, archive.org rassemble plusieurs vastes collections, classées par type de média :
- des textes : livres numérisés, revues, documents administratifs, souvent en PDF ou en EPUB quand l’œuvre est dans le domaine public ;
- de l’audio : enregistrements anciens, émissions de radio, et la Live Music Archive, où des groupes autorisent la diffusion de leurs concerts ;
- des vidéos : films tombés dans le domaine public, films d’entreprise et d’actualités, comme ceux des Prelinger Archives, que lit ensuite un serveur multimédia libre comme Jellyfin ;
- des logiciels (la collection « software ») : anciens programmes et jeux vidéo lancés dans le navigateur grâce à un émulateur, sans installation, et sauvegardés avant que leur support d’origine ne devienne illisible ;
- des images et des collections déposées par des musées, des universités ou des particuliers.
Tout ce qui est déposé n’est pas libre de droits pour autant. Chaque élément porte ses conditions d’utilisation : domaine public, licence Creative Commons, ou simple consultation. Les dépôts sont en partie faits par les utilisateurs eux-mêmes, et une œuvre protégée mise en ligne sans l’accord de ses ayants droit est retirée sur signalement : sa présence sur la plateforme ne la rend pas légale.
Comment télécharger des livres et des fichiers sur Internet Archive ?
Pour un livre du domaine public, la fiche de l’ouvrage propose un encadré de téléchargement avec les formats disponibles : PDF, EPUB, texte brut, parfois un fichier audio lu à voix haute. La lecture en ligne se fait dans une visionneuse qui affiche les pages scannées. Les livres encore protégés suivent une autre logique : Open Library, un projet de l’Internet Archive qui vise une page web pour chaque livre publié, propose certains titres en prêt numérique contrôlé, un exemplaire numérisé pour un emprunteur à la fois, après création d’un compte et pour une durée limitée.
Le même encadré contient, pour la plupart des éléments, un lien vers un fichier .torrent. L’organisation a lancé ce mode de distribution en 2012 avec plus d’un million de fichiers libres ; sa page d’aide évoque aujourd’hui plus de 1,4 million d’éléments partagés par le protocole BitTorrent, près d’un pétaoctet de documents du domaine public. Ces torrents utilisent le webseeding : les serveurs d’archive.org servent eux-mêmes de source, de sorte que le transfert démarre même sans autre pair connecté. Un client comme qBittorrent, client libre et multiplateforme, permet de décocher les fichiers inutiles d’un lot. Le fonctionnement du réseau lui-même est détaillé dans la page sur le partage de fichiers en torrent depuis un serveur.
Procès et attaques : les limites d’une bibliothèque en ligne
Le modèle a été contesté devant la justice américaine. En juin 2020, quatre grands éditeurs, dont Hachette, ont attaqué l’Internet Archive pour son programme de prêt de livres numérisés, élargi pendant la pandémie. Un tribunal de New York leur a donné raison en mars 2023, et la cour d’appel du deuxième circuit a confirmé le 4 septembre 2024 que ce prêt ne relevait pas de l’usage équitable (fair use). L’organisation a renoncé à saisir la Cour suprême en décembre 2024 et a retiré de nombreux titres du prêt.
Une seconde procédure, engagée en 2023 par des maisons de disques, visait le Great 78 Project, la numérisation de disques 78 tours ; elle s’est close par un accord confidentiel en septembre 2025. En octobre 2024, enfin, une attaque informatique a mis le site hors ligne plusieurs jours et exposé les données d’environ 31 millions de comptes (adresses, identifiants, mots de passe chiffrés). Ces épisodes rappellent qu’en France aussi, la reproduction d’une œuvre protégée reste encadrée par le droit d’auteur : l’exception de copie privée à partir d’une source licite ne couvre pas un fichier obtenu sans l’accord de ses ayants droit.
Internet Archive en quelques questions
L’Internet Archive est-il légal ?
Oui. C’est une bibliothèque reconnue, dont les collections libres (domaine public, Creative Commons, archives du web) se consultent et se récupèrent légalement. Les contenus protégés déposés sans autorisation sont retirés sur demande, et les procès perdus ont limité le prêt de livres sous droits.
Faut-il un compte pour utiliser archive.org ?
Non pour consulter la Wayback Machine et récupérer les fichiers libres. Un compte est demandé pour emprunter un livre sur Open Library, déposer ses propres fichiers ou enregistrer des favoris.
Pourquoi un site a-t-il disparu de la Wayback Machine ?
Le plus souvent parce que son propriétaire a demandé l’exclusion de ses pages, ou parce que les robots n’ont jamais pu capturer un contenu chargé dynamiquement ou réservé aux membres.