Depuis sa création en 1996 par Brewster Kahle, l’Internet Archive et sa Wayback Machine incarnent l’ambition d’une mémoire collective du web accessible à tous. Cet outil a archivé plus d’un billion de pages web en 2025, permettant à des millions de citoyens, journalistes, chercheurs et historiens de consulter des versions antérieures de sites internet. Il a révélé des modifications discrètes d’articles de presse, des changements dans des biographies officielles ou des ajouts frauduleux dans des blogs influents. Pourtant, cette infrastructure publique est aujourd’hui menacée par une série de blocages décidés par de grands médias.
Depuis fin 2025, plus de 241 sites d’information dans neuf pays ont restreint ou bloqué l’accès aux robots de crawl de l’Internet Archive. Parmi eux figurent le New York Times (qui pratique un « hard block »), le Guardian, USA Today et l’immense majorité des titres appartenant au groupe USA Today Co. (ex-Gannett). Ces décisions, souvent justifiées par la protection contre l’entraînement des IA, posent une question fondamentale : qui contrôle la mémoire numérique et à quelles conditions ?
L’Internet Archive : un bien commun numérique sous pression
La Wayback Machine ne se contente pas d’archiver des pages. Elle offre un horodatage précis et permet de comparer les versions successives d’un même contenu. Des enquêtes journalistiques ont ainsi mis au jour des « stealth edits » : réécritures furtives d’articles sans mention des modifications. Des exemples récents incluent des ajustements dans des biographies gouvernementales françaises ou des articles du New York Times sur des figures politiques. Sans cet outil, ces changements passeraient inaperçus.
L’Internet Archive remplit également un rôle essentiel pour le journalisme lui-même. De nombreux médias l’utilisent encore pour vérifier des faits anciens ou retracer l’évolution d’une controverse. Cette hypocrisie — bloquer l’outil tout en l’utilisant — a été soulignée par plusieurs observateurs. L’organisation, à but non lucratif, a déjà survécu à des cyberattaques majeures en 2024 et à des poursuites judiciaires liées au droit d’auteur. Les blocages actuels constituent une nouvelle menace existentielle.
Les blocages de 2025-2026 : faits et motivations officielles
Selon une analyse de Nieman Lab, 241 sites bloquent au moins un des robots de l’Internet Archive. Près de 87 % de ces blocages concernent des titres du groupe USA Today Co. Le New York Times a durci sa position en ajoutant explicitement les crawlers de l’Archive dans son fichier robots.txt et en pratiquant des blocages techniques plus agressifs.
Les raisons invoquées sont claires : empêcher que les contenus journalistiques, une fois archivés, servent à entraîner les grands modèles de langage (LLM) comme ChatGPT, Gemini ou Claude. Le New York Times a d’ailleurs intenté des poursuites contre OpenAI et Microsoft, estimant que ses articles ont été utilisés sans autorisation pour développer des produits commerciaux. L’éditeur réclame une compensation financière afin de maintenir la qualité du journalisme. Des accords existent déjà avec certains groupes européens (comme Axel Springer en Allemagne), mais ils restent limités.
Ces préoccupations ne sont pas infondées. Les IA génératives consomment d’énormes quantités de données textuelles. Sans rémunération, le modèle économique du journalisme – déjà fragilisé – risque de s’effondrer davantage.
Au-delà du prétexte : économie, contrôle narratif et crise de légitimité
Les motivations économiques sont réelles, mais elles ne racontent pas toute l’histoire. Tim Berners-Lee, inventeur du World Wide Web, a alerté lors du sommet du Financial Times sur l’avenir de l’IA : les modèles de langage synthétisent les réponses sans renvoyer les utilisateurs vers les sites sources. Résultat : chute drastique du trafic, disparition des impressions publicitaires et appauvrissement du contenu original. Des études montrent déjà des baisses de 20 à 30 % de clics vers les articles originaux via les AI Overviews de Google.
Ce phénomène crée un cercle vicieux : moins de revenus publicitaires entrainant moins de moyens pour le journalisme d’investigation avec comme conséquences du contenu de moindre qualité et davantage de synthèse par IA. Dans ce contexte, bloquer l’archivage devient une stratégie de survie, mais aussi une façon de reprendre le contrôle sur ce qui reste visible et vérifiable.
Parallèlement, des voix critiques pointent un risque de contrôle narratif. La Wayback Machine permet de confronter un média à ses propres déclarations passées. Sans elle, les « stealth edits » deviennent invisibles. Des analyses récentes ont mis en lumière des framings sélectifs ou des omissions dans des articles du New York Times sur des figures controversées, illustrant une pratique journalistique parfois militante plutôt qu’objectivement investigative. Cette défiance envers les médias traditionnels est largement documentée : en France, des sondages récents indiquent que plus de 60 % des citoyens estiment la presse mainstream manque d’objectivité.
L’IA n’est pas neutre dans ce processus. En synthétisant et en réorganisant les contenus, elle peut amplifier les biais présents dans les données d’entraînement. Des exemples historiques (origine du Covid-19, débats vaccinaux, couverture de conflits) montrent comment des narratifs dominants se figent, marginalisant des perspectives alternatives, qui se révèlent correcte par la suite. Sans archive indépendante et horodatée, la possibilité même de vérifier ou de corriger ces synthèses s’amenuise.
Enjeux démocratiques et mémoriels
La disparition progressive de traces vérifiables menace directement la démocratie. La capacité à tenir les institutions et les médias responsables repose sur l’existence d’une mémoire partagée et inaltérable. Lorsque des articles peuvent être modifiés sans laisser de trace, ou lorsque l’IA propose des versions « lissées » de l’histoire, le citoyen perd un outil essentiel de discernement.
L’Internet Archive n’est pas parfait : il a connu des failles de sécurité et dépend de financements fragiles. Mais il reste l’une des rares institutions indépendantes à proposer un archivage systématique et public. Les alternatives (archivage par les médias eux-mêmes ou par des acteurs privés) posent le problème du conflit d’intérêts.
La crise de légitimité des médias traditionnels, largement antérieure à l’IA, complique encore le tableau. Beaucoup de citoyens se tournent vers des sources alternatives ou vers l’IA elle-même pour s’informer. Protéger le journalisme de qualité est légitime ; verrouiller l’accès à la mémoire collective pour y parvenir l’est moins.
Perspectives et pistes de solution
Plusieurs voies existent pour sortir de cette impasse.
Premièrement, des accords sectoriels entre l’Internet Archive et les grands groupes de presse pourraient permettre un archivage sélectif ou avec des conditions techniques (rate limiting, filtrage des API). L’Archive a déjà montré sa capacité à dialoguer et à mettre en place des protections contre les abus.
Deuxièmement, une régulation européenne pourrait clarifier les droits d’auteur tout en protégeant l’archivage d’intérêt public, à l’image du dépôt légal numérique. Le Digital Services Act et les réflexions sur l’IA offrent des fenêtres d’opportunité.
Troisièmement, le développement d’archives décentralisées ou citoyennes, combinées à des technologies de traçabilité (horodatage blockchain léger, par exemple), pourrait réduire la dépendance à un seul acteur.
Enfin, une transparence accrue des IA – citation systématique des sources, scoring de biais, alerte sur les synthèses – permettrait de limiter les distorsions mémorielles tout en préservant l’innovation.
Le modèle économique du web doit aussi évoluer : abonnements directs, micropaiements pour les données, ou nouveaux formats publicitaires respectueux de l’attention humaine, comme le suggère Berners-Lee.
La bataille autour de la Wayback Machine n’est pas seulement technique ou juridique. Elle révèle une tension fondamentale entre la logique privée de contrôle et de monétisation de l’information et la nécessité démocratique d’une mémoire collective vérifiable. Les médias ont des raisons légitimes de défendre leur propriété intellectuelle et leur viabilité économique face à l’IA. Mais en bloquant massivement l’archivage indépendant, ils prennent le risque d’affaiblir la confiance publique et de rendre l’histoire plus malléable.
À l’heure où l’intelligence artificielle peut synthétiser et transformer le passé en quelques secondes, la préservation d’outils comme la Wayback Machine devient un enjeu civilisationnel. Il ne s’agit pas de nier les défis économiques du journalisme, mais de reconnaître que la mémoire numérique est un bien commun trop précieux pour être laissé aux seules logiques marchandes ou au pouvoir discrétionnaire des éditeurs.
L’avenir du web et de la démocratie dépendra de notre capacité à trouver un nouvel équilibre : rémunérer justement les créateurs de contenu tout en garantissant que les traces du passé restent accessibles, vérifiables et protégées contre les réécritures discrètes ou les synthèses biaisées. C’est à cette condition que le journalisme – et la société tout entière – pourront traverser l’ère de l’IA sans perdre leur ancrage dans la réalité.
