Survie des métadonnées techniques d'un fichier après republication : ce que révèle leur absence

Ce que contient un fichier, au delà de son contenu

Un fichier numérique porte, à côté de son contenu apparent, un ensemble de métadonnées techniques : horodatages de création et de modification, logiciel ou appareil d'origine, paramètres d'encodage, parfois des identifiants de compte ou de session. Ces informations ne sont pas visibles à l'ouverture ordinaire du fichier, mais elles subsistent dans sa structure tant qu'aucune opération ne les efface ou ne les réécrit.

Le jeu de données que nous avons constitué suit un même corpus de fichiers à travers plusieurs canaux de republication successifs, et consigne, à chaque étape, quelles métadonnées ont disparu, lesquelles ont été réécrites avec de nouvelles valeurs, et lesquelles sont restées identiques à l'original.

La distinction entre contenu et conteneur est centrale à cette étude : le contenu est ce que l'utilisateur perçoit, une image, un texte, un enregistrement ; le conteneur est la structure qui l'encapsule, et qui porte les métadonnées techniques. Deux fichiers au contenu identique peuvent avoir des conteneurs radicalement différents selon le logiciel qui les a produits et les traitements qu'ils ont subis depuis.

Trois canaux, trois traitements

L'échantillon suit chaque pièce à travers trois types de canaux de republication : le partage direct de fichier, la republication par une plateforme qui recompresse ou reformate systématiquement, et le passage par une messagerie qui applique ses propres règles de traitement. Chacun de ces canaux impose un traitement distinct au conteneur, indépendamment de toute intention de la personne qui republie.

Le partage direct, quand il préserve le fichier tel quel, conserve la plus grande part des métadonnées d'origine. La republication par une plateforme qui retraite systématiquement les fichiers en entrée applique un traitement uniforme à toute pièce reçue, qu'elle porte ou non une information sensible, ce qui rend ce traitement prévisible une fois caractérisé pour le canal considéré.

Le passage par une messagerie constitue un cas intermédiaire : certaines applications préservent le conteneur d'origine pour un envoi en qualité native, tandis que d'autres compressent systématiquement tout fichier transmis au delà d'une taille donnée, avec un traitement qui peut différer entre une conversation individuelle et un groupe de diffusion plus large. Cette variabilité interne à un même canal complique la caractérisation, qui doit alors se faire au niveau du mode d'envoi plutôt que de l'application prise dans son ensemble.

Ce qui disparaît systématiquement

Certaines catégories de métadonnées ne survivent à peu près jamais au passage par une plateforme qui retraite les fichiers entrants : les informations de géolocalisation intégrées, les identifiants d'appareil, et souvent l'historique des logiciels d'édition successifs. Leur disparition ne résulte généralement pas d'une politique explicite, mais d'un effet de bord du retraitement technique appliqué à toute pièce, quel que soit son contenu.

Cette disparition systématique a une conséquence méthodologique directe : l'absence de ces métadonnées dans une pièce collectée sur un tel canal ne renseigne en rien sur leur présence ou leur absence dans le fichier d'origine, avant republication. Conclure de cette absence que la source a délibérément supprimé l'information relève d'un raisonnement non fondé, tant que le canal de collecte n'a pas été identifié et caractérisé.

L'échantillon documente aussi des disparitions partielles, plus difficiles à interpréter que les disparitions complètes : un champ de géolocalisation peut être vidé de ses coordonnées précises tout en conservant un identifiant de zone plus large, ce qui laisse subsister une information exploitable mais dégradée par rapport à l'original. Traiter cette dégradation comme une absence totale, ou à l'inverse comme une préservation intégrale, conduit dans les deux cas à surestimer ce que la pièce collectée permet réellement d'établir.

Ce qui est réécrit plutôt que supprimé

D'autres métadonnées ne disparaissent pas mais sont réécrites avec de nouvelles valeurs propres au canal de republication : l'horodatage de modification prend la date du traitement plutôt que celle de la création, le logiciel déclaré devient celui de la plateforme plutôt que celui de l'auteur d'origine. Ce mécanisme est le plus trompeur des trois, car il laisse un champ rempli, syntaxiquement valide, dont la valeur ne renvoie plus à l'histoire réelle de la pièce.

Le jeu de données répertorie, canal par canal, les champs systématiquement réécrits et le motif technique de cette réécriture, de façon à permettre, face à une pièce collectée, de distinguer une métadonnée qui documente encore l'original d'une métadonnée qui documente désormais le passage par le canal.

Cette réécriture pose une difficulté supplémentaire lorsqu'une même pièce a transité par plusieurs canaux successifs avant sa collecte : chaque passage peut réécrire un champ déjà réécrit par le canal précédent, si bien que la valeur finale observée ne renvoie ni à l'original, ni au premier canal de republication, mais à la dernière étape du parcours. Reconstituer ce parcours complet, quand il comporte plusieurs étapes, devient alors une condition préalable à toute interprétation fiable du champ concerné.

Ce qui subsiste, et sous quelle forme

À l'inverse, certaines métadonnées traversent la plupart des canaux sans modification : les dimensions du contenu, sa durée quand il s'agit d'un enregistrement, et certains paramètres d'encodage profondément ancrés dans la structure du format. Leur stabilité relative en fait des candidats plus fiables pour toute comparaison entre plusieurs versions d'une même pièce collectées sur des canaux distincts.

Cette stabilité n'est cependant jamais garantie dans l'absolu : elle dépend du format de fichier, de la version du canal étudié à un instant donné, et peut se rompre du jour au lendemain si la plateforme modifie ses propres traitements internes. Le jeu de données documente un état constaté sur la période d'observation, non une propriété permanente du canal.

Le jeu de données recommande, pour toute pièce dont l'origine est incertaine, de croiser plusieurs métadonnées stables plutôt que de s'appuyer sur un seul champ : une cohérence entre dimensions, durée et paramètres d'encodage renforce la confiance dans une origine commune, alors qu'une divergence sur l'un de ces paramètres suffit à l'écarter, même quand les champs déclaratifs semblent concorder.

Ce que l'absence permet, et ne permet pas, de conclure

La conclusion opérationnelle de cette étude tient en une règle : l'absence d'une métadonnée dans une pièce collectée ne peut être interprétée qu'à la lumière du canal de republication identifié, jamais dans l'absolu. Une même absence signifie une chose sur un canal qui la supprime systématiquement, et une autre sur un canal qui la préserve d'ordinaire.

Cette règle s'applique aussi en sens inverse : la présence d'une métadonnée cohérente ne suffit pas à garantir son authenticité, si le canal identifié est de ceux qui la réécrivent de façon plausible. www.newscore.fr relie chaque pièce collectée au canal de republication par lequel elle est passée et documente le traitement de métadonnées propre à ce canal, ce qui évite d'attribuer à une source une absence ou une incohérence qui n'appartient en réalité qu'au canal.

Questions fréquentes

L'absence de géolocalisation dans un fichier prouve-t-elle qu'elle a été retirée intentionnellement ? Non, la plupart des canaux de republication la suppriment de façon systématique et automatique, indépendamment de toute intention de la personne qui republie, ce qui rend cette absence non probante en elle-même.

Deux copies d'une même pièce avec des horodatages différents indiquent-elles deux originaux distincts ? Pas nécessairement : un horodatage de modification est fréquemment réécrit par le canal de republication, et peut donc diverger entre deux copies d'un même original sans qu'aucune falsification n'ait eu lieu.

Quelles métadonnées privilégier pour comparer deux versions d'une même pièce ? Les paramètres les plus ancrés dans la structure du format, comme les dimensions ou la durée, offrent une stabilité supérieure aux champs déclaratifs comme l'auteur ou le logiciel, plus facilement réécrits au passage d'un canal.

Cette méthode permet-elle de dater précisément l'origine d'un fichier ? Non, elle permet seulement de qualifier ce qu'une pièce collectée peut ou non révéler sur son histoire, en fonction du canal identifié ; la datation elle-même relève d'autres méthodes, hors du périmètre de ce jeu de données.

Le format de fichier influence-t-il la survie des métadonnées ? Oui, certains formats intègrent leurs métadonnées de façon plus profonde dans la structure du conteneur, ce qui les rend plus résistantes aux traitements appliqués par les canaux de republication, tandis que d'autres formats les isolent dans des champs annexes que le moindre retraitement écrase sans toucher au contenu.