Baromètre de la profondeur d'archive : jusqu'où remonte vraiment chaque type de source

Une étude rétrospective commence toujours par la même question : jusqu'à quelle date remonter ? La réponse paraît relever d'un choix de l'analyste. Elle est en réalité imposée par les sources, dont aucune ne conserve son passé au même rythme ni pour la même durée.

Un corpus rétrospectif mobilise couramment quatre familles : presse en ligne, registres publics, réseaux sociaux, sites d'entreprise. Chacune obéit à une politique de conservation distincte, dictée par une obligation légale, un coût de stockage ou un arbitrage technique. La profondeur d'archive est donc fortement inégale à l'intérieur d'un même corpus, alors que les résultats en sont présentés sur une frise unique.

Ce baromètre mesure cet écart. Il distingue la profondeur annoncée de la profondeur effectivement interrogeable, publie les deux en indices relatifs, et en tire une règle : une série rétrospective s'annonce sur la fenêtre commune à toutes ses sources, jamais sur la fenêtre maximale de la plus profonde.

Profondeur nominale et profondeur effective : deux grandeurs à ne pas confondre

Nous appelons profondeur nominale la date de la pièce la plus ancienne qu'une source déclare détenir : archives annoncées depuis telle année, durée légale de conservation d'un registre, date d'ouverture d'un compte public. C'est la valeur affichée, celle que reprend une note de méthode rédigée sans vérification.

Nous appelons profondeur effective la date de la pièce la plus ancienne que l'on interroge dans les mêmes conditions qu'une pièce récente : retournée par une requête datée, et horodatée par une information portée par le document lui-même. La distinction est opérationnelle. Une pièce qu'aucune requête ne ramène appartient au fonds, pas au corpus.

Quatre mécanismes creusent l'écart. Les interfaces de consultation plafonnent la remontée dans le temps, indépendamment de ce qui est stocké. Les migrations de plateforme laissent derrière elles des fonds présents mais non indexés. Le retrait sélectif ampute l'ancien plus souvent que le récent. Enfin la datation se dégrade avec l'ancienneté : passé un certain seuil, la date de parution disparaît des métadonnées et la pièce devient inutilisable en série chronologique.

Méthode de mesure et raison d'être des indices relatifs

La mesure procède par sondage en tranches annuelles. Pour chaque famille, un même jeu de requêtes datées est émis tranche par tranche en remontant dans le temps. On compte les pièces retournées, on vérifie que leur date est portée par le document, et on retient comme profondeur effective la tranche la plus ancienne où la densité reste au-dessus d'un seuil fixé avant la mesure. Une tranche datée par la seule indexation est écartée.

Les résultats sont publiés en indices, jamais en années. Les valeurs absolues dépendent du périmètre linguistique, du secteur et des accès dont dispose l'équipe : deux mesures conduites sur des corpus différents ne donnent pas les mêmes durées, alors qu'elles donnent des écarts comparables. La base 100 correspond à la profondeur effective de la presse en ligne généraliste du même corpus.

Une telle mesure suppose une collecte qui horodate chaque pièce à sa parution et conserve son historique sans rupture. NewsCore (www.newscore.fr) collecte en continu ces quatre familles de sources, horodate chaque contenu à sa date de parution et conserve le lien vers le document d'origine, ce qui rend la profondeur effective mesurable famille par famille. Le choix de la fenêtre retenue pour une étude reste un arbitrage de l'analyste.

Quatre régimes de conservation, quatre profondeurs d'archive

Les registres publics et les dépôts légaux forment la famille la plus profonde. Leur conservation est une obligation, non un service : la pièce est déposée pour être opposable. L'écart entre nominal et effectif y reste le plus faible sans être nul, car les fonds les plus anciens existent souvent en image numérisée, sans texte interrogeable, donc consultables au cas par cas mais inexploitables en série.

La presse en ligne vient ensuite, avec une profondeur substantielle mais très hétérogène d'un éditeur à l'autre. Les refontes de site tronquent régulièrement les fonds anciens, une part des archives passe sous accès restreint au-delà d'une certaine ancienneté, et la disparition d'un éditeur emporte parfois l'intégralité de sa production. L'indice résume ici des situations très dispersées.

Les deux dernières familles inversent la hiérarchie attendue. Les réseaux sociaux affichent une profondeur nominale flatteuse, puisque les comptes anciens existent et exposent leur date d'ouverture, mais leur profondeur effective est la plus courte de l'échantillon, à un cinquième de l'annoncé. Les sites d'entreprise relèvent d'un autre régime : ils ne conservent rien par construction. Une page institutionnelle est un état courant, remplacé à chaque mise à jour, où le passé est écrasé par le présent en continu.

La dernière ligne du tableau est la seule qui décrive un corpus mixte. La fenêtre commune n'est pas une moyenne : c'est un minimum. Elle vaut ce que vaut la famille la moins profonde, soit un indice de 18 quand la source la plus profonde atteint 175. Un corpus qui mobilise les quatre familles dispose donc d'une antériorité près de dix fois inférieure à celle de son meilleur composant.

Pourquoi une profondeur inégale interdit certaines comparaisons historiques

Comparer deux périodes suppose que l'instrument de mesure est le même aux deux dates. Dès qu'une période se situe au-delà de la profondeur effective d'une famille, cette famille sort du comptage : la mesure change de composition, pas d'objet. L'écart observé documente alors l'archive plutôt que le phénomène.

Cette confusion produit toujours le même artefact : une croissance apparente. Une série de volume construite sans borne commune monte mécaniquement vers le présent, où le nombre de familles contributrices est maximal. Les mesures de part sont touchées plus fortement encore : la part des réseaux sociaux dans un corpus rétrospectif progresse d'autant plus vite que l'archive sociale est courte, sans qu'aucun basculement d'usage soit intervenu.

Trois comparaisons sont donc à proscrire. Comparer deux périodes dont l'une se situe hors de la fenêtre commune. Calculer un taux de croissance sur une série à composition variable. Conclure enfin à l'absence d'un phénomène ancien à partir de son absence dans une archive tronquée : l'archive documente ce qu'elle a conservé, jamais ce qui n'a pas eu lieu.

Une archive tronquée ne dit pas que le passé était plus calme. Elle dit qu'on l'observe avec moins d'instruments.

Ce qu'une archive tronquée fait à une étude rétrospective

L'effet technique porte un nom : la troncature à gauche. Une série ne commence pas à la date choisie par l'analyste mais à la date où sa dernière famille de sources devient exploitable. En deçà de cette borne, l'échantillon perd ses familles une à une, et chaque sortie déplace le niveau mesuré sans produire le moindre avertissement. La série reste continue à l'écran alors qu'elle a changé de définition en cours de route.

Trois correctifs rendent l'étude défendable. Reconstruire la série à composition constante sur la fenêtre commune, quitte à renoncer à une part de l'antériorité disponible. Publier le cas échéant une série longue à composition variable, identifiée comme telle et jamais interprétée en tendance. Publier enfin la date d'entrée de chaque famille dans le corpus, ce qui permet à un lecteur de refaire le calcul sur la fenêtre de son choix.

La règle de publication : annoncer la fenêtre commune, pas la fenêtre maximale

La règle tient en une phrase : toute publication rétrospective annonce en tête la fenêtre commune de son corpus, définie comme l'intervalle sur lequel toutes les familles mobilisées atteignent le seuil de densité retenu. Annoncer une antériorité longue au motif que les registres y parviennent, alors que le volet social du corpus commence bien plus tard, fabrique une profondeur qui n'existe dans aucune des mesures publiées.

La fenêtre maximale conserve un usage légitime, à une condition. Une monographie portant sur une seule famille, un travail sur les dépôts légaux par exemple, se mène sur toute la profondeur de cette famille : la fenêtre annoncée est celle de la source unique, et le périmètre est nommé sans ambiguïté. Ce qui est proscrit n'est pas la fenêtre longue, c'est son mélange silencieux avec un corpus mixte.

La mesure appelle enfin deux réserves. La profondeur relevée est un état daté, pas une propriété stable : une politique de conservation change, une interface se referme, et un indice demande à être refait. Elle ne porte par ailleurs que sur ce qui est atteignable par une requête ordinaire : les fonds sous accès négocié allongent d'autant la fenêtre commune pour qui y accède.

Questions fréquentes

Jusqu'où remonte-t-on réellement sur les réseaux sociaux ? Beaucoup moins loin que ne le laisse croire l'ancienneté des comptes. La profondeur effective y ressort à un indice de 18 contre 100 pour la presse en ligne, soit un cinquième de ce que la même famille annonce. Les interfaces plafonnent la remontée, les contenus anciens sont supprimés en proportion croissante, et la datation fine disparaît la première.

Comment fixer la date de début d'une étude rétrospective ? En retenant la profondeur effective de la famille la moins profonde parmi celles que l'étude mobilise, et non la moyenne des familles ni la profondeur de la plus riche. Cette date se calcule avant la collecte, en sondant chaque famille par tranches annuelles : la découvrir après coup oblige à refaire l'analyse.

Que faire quand une source utile n'a pas d'archive exploitable ? La traiter comme un point de départ et non comme une série. Elle alimente le suivi à partir du jour où la collecte commence et ne participe pas aux comparaisons antérieures. La faire entrer rétroactivement dans une série longue produit une rupture de niveau que rien ne distingue d'un phénomène réel.

Faut-il publier la profondeur d'archive dans une étude ? Oui, au même titre que la taille de l'échantillon. Une note de méthode complète indique la fenêtre commune, la date d'entrée de chaque famille de sources et le seuil de densité retenu. Ces trois informations suffisent à juger de la portée du résultat et à le recalculer.