Près de dix ans des débuts de l’Internet chinois perdus
(chinamediaproject.org)- Un article WeChat sur la disparition massive des archives du Web chinois d’avant l’Internet mobile a été supprimé peu après sa publication, remettant en lumière le problème de la préservation de la mémoire en ligne en Chine
- He Jiayan a constaté qu’en recherchant sur Baidu, Google et Bing des noms comme Jack Ma ou Lei Jun avec des restrictions de période, on ne trouvait presque plus d’anciennes actualités, discussions, conférences ou données d’entreprise
- Les archives de grands sites des débuts, comme NetEase, Sohu, Campus BBS, Tianya Forum, Sina blogs ou Baidu Post, semblent avoir disparu à partir d’une certaine période ou être devenues pour la plupart inaccessibles
- La perte de contenus s’explique par la disparition de sites personnels et de plateformes de blogs, la fermeture d’anciennes plateformes peu rentables, l’absence de ressources de préservation comme Internet Archive, et le contrôle de l’histoire et de l’opinion publique par le Parti communiste chinois est également cité comme un facteur déterminant
- Alors que les sources en ligne originales des deux premières décennies du XXIe siècle se vident, l’histoire de l’Internet chinois risque de rester marquée par un vide dans les archives historiques
L’article WeChat supprimé et sa diffusion rapide
- L’article de He Jiayan publié sur WeChat en Chine traitait de la disparition massive des contenus des débuts de l’Internet chinois
- L’article a été publié le mercredi 22 mai, puis supprimé de WeChat le lendemain
- Après sa suppression, un message 404 indiquait : « Ce contenu n’est pas consultable, car il enfreint les règles »
- L’article supprimé a rapidement été archivé et s’est aussi diffusé sur des plateformes hors du contrôle des autorités chinoises
- China Media Project relie ce cas à la manipulation de la mémoire collective par les dirigeants chinois
L’expérience de recherche de He Jiayan
- He Jiayan, influenceur Internet actif depuis 2018, a mené de nombreuses recherches sur des personnalités du divertissement et de la culture de la fin des années 1990 au milieu des années 2000
- En limitant sur Baidu une recherche sur « Jack Ma » à la période du 22 mai 1998 au 22 mai 2005, il n’a pratiquement obtenu aucun résultat valide
- Les résultats affichaient bien un élément daté du 22 mai 2024, mais il s’agissait en réalité d’un article publié en 2021, qui ne correspondait donc pas à la période indiquée
- Avec cette seule recherche, le nombre de documents permettant de comprendre la couverture médiatique, les discussions publiques, les discours ou le développement de l’entreprise de Jack Ma à l’époque tombait à zéro
- Sur Bing et Google, les résultats n’étaient pas très différents de ceux de Baidu, et les informations valides se limitaient à quelques unités
- Des résultats ne correspondant pas à la période étaient de nouveau remontés à tort
Les sites disparus et l’étendue des contenus perdus
- Le problème ne concerne pas seulement Jack Ma : des recherches sur des personnalités comme Pony Ma, Lei Jun, Ren Zhengfei, Luo Yonghao, Sister Fu Rong, Jay Chou ou Li Yuchun donnent des résultats similaires
- Après avoir testé plusieurs sites Web, noms de personnes et périodes, il semble que les sites chinois populaires de l’époque aient perdu leurs contenus antérieurs à certaines dates, ou aient entièrement disparu
- NetEase, Sohu, Campus BBS, Xici Hutong, Kaidi Maoyan, Tianya Forum, SchoolNet, Sina blogs, Baidu Post et de grands sites personnels sont cités en exemples
- Sina.com semblait être une exception, car certaines informations datant de plus de dix ans y restent trouvables, mais le volume conservé est très faible
- He Jiayan estime que plus de 99,9999 % des contenus de l’époque ont disparu
Pourquoi les archives ont disparu
- Avec les évolutions technologiques, les sites personnels et les plateformes de blogs ont progressivement quitté la scène
- Les plateformes commerciales ont fermé d’anciens services peu rentables, sans incitation commerciale à maintenir des archives
- La Chine manque de ressources sociales prises en charge par des acteurs de préservation comme Internet Archive aux États-Unis
- Dans les commentaires publiés hors du pare-feu chinois, le contrôle politique et idéologique exercé par le Parti communiste chinois est cité comme le facteur le plus déterminant dans la perte des contenus et l’absence d’archives
Le Web chinois devenu une mémoire de poisson rouge
- He Jiayan considère que l’Internet chinois s’effondre rapidement, et que presque tout le contenu de l’Internet chinois antérieur à l’Internet mobile a disparu
- Il écrit qu’on croyait autrefois qu’Internet avait une mémoire, mais qu’en réalité elle ressemblait à une mémoire de poisson rouge
- En étudiant de grandes figures sociales, il dit avoir constaté au cours des deux dernières années une chute abrupte des sources originales en ligne
- Les reportages originaux, discours, textes, entretiens vidéo et discussions qu’il avait vus par le passé deviennent de plus en plus difficiles à retrouver
- À l’avenir, lorsque les personnes de l’ère Internet regarderont les deux premières décennies du XXIe siècle, cette période pourrait devenir vingt années absentes des archives historiques
- Il souligne la rareté des archives restantes en comparant les anciennes informations encore visibles sur l’Internet chinois actuel à « la dernière lueur du soleil couchant »
1 commentaires
Commentaires sur Hacker News
Que ce soit intentionnel ou non, cela touche exactement au cœur de 1984. Il s’agit de réécrire ou d’effacer les traces du passé pour modifier la perception de l’histoire
Cela dit, une grande partie de ce que décrit l’article ressemble aussi au phénomène classique où des blogueurs migrent vers de nouvelles technologies, où les blogs ferment, et où des entreprises de réseaux sociaux disparaissent ou ne préservent pas les anciens contenus
Cela peut aussi beaucoup arriver en Occident. Il suffit de penser à des livres comme “The Feynman Letters”, qu’on pouvait lire autrefois et qu’il est aujourd’hui pratiquement impossible de trouver
C’est pareil pour les e-mails. Quand quelqu’un meurt et que son ordinateur portable tombe en panne ou est jeté, tout disparaît. Autrefois, il restait la forme physique de la lettre, mais aujourd’hui toute cette correspondance s’efface
C’est aussi le cas de Facebook : il faut qu’une personnalité ait exporté ses données, que le fichier soit encore sur un ordinateur portable qui fonctionne, et qu’on ait même le mot de passe de connexion. Le même problème se répète dans chacun des systèmes que nous utilisons pour communiquer
À part des exceptions comme les ordinateurs portables, toutes ces informations sont perdues. Nous vivons dans un trou noir de détails historiques, et un jour cela sera peut-être remplacé par une histoire falsifiée produite par des hallucinations de LLM
Quiconque tient à la compréhension historique devrait vraiment s’en inquiéter
On ne censure pas un commentaire qui parle de l’entropie naturelle d’Internet. On le censure quand il attire l’attention du censeur
J’en ai vraiment assez de cette fausse équivalence entre les comportements humains organiques en Occident et l’abus intentionnel du pouvoir central en Chine. Oui, l’Occident devrait mieux préserver son histoire, mais nous conservons déjà beaucoup plus de données par individu que nos ancêtres n’auraient pu l’imaginer. La disparition des e-mails d’une personne après sa mort n’a rien de comparable avec un organe central de censure qui efface activement les anciens contenus pour faciliter la réécriture du récit du parti
Ici, ce n’est pas un échec de l’archivage, c’est une purge. C’est comparable au fait d’avoir réellement brûlé les archives et les lettres des intellectuels pendant la Révolution culturelle
Les humains ont toujours jeté davantage qu’ils n’ont conservé. Faire autrement ne vaut pas le coût énergétique. Heureusement, l’histoire ne subsiste pas comme une suite de points de données isolés, mais comme plusieurs ensembles d’archives qui se recouvrent
Le passage “Le billet de He a été supprimé de WeChat le lendemain, avec un message 404 indiquant : « Ce contenu ne peut pas être affiché car il enfreint la réglementation »” est frappant
Cela explique assez bien pourquoi les LLM et l’IA chinois peinent autant à obtenir des données, alors qu’on imagine qu’ils disposent d’une base de données presque infinie. Négligence, censure, jardins clos, disparition des contenus enfermés dans des apps, effet dissuasif : bien plus de données qu’on ne l’imagine ont simplement disparu
Ce qui n’existe plus, ou n’a jamais été écrit, ne peut pas être scrapé
Le problème plus grave, ce sont les sites relativement indépendants comme Tianya https://en.wikipedia.org/wiki/Tianya_Club#cite_note-4
Il suffit de penser aux vieux BBS ou groupes de discussion. Si presque toutes ces archives ont disparu, c’est vraiment triste
Dans ce fil, certains commentaires établissent une fausse équivalence flagrante avec l’Internet occidental. Le propos de cet article, c’est que sur les principaux moteurs de recherche chinois, si l’on limite la période à 1998–2005 et qu’on cherche une personnalité célèbre non controversée, on obtient zéro contenu réellement publié à cette époque
Il est douloureux et tragique que le premier web ait disparu à cause de l’échec de conservation des hébergeurs et du basculement vers des jardins clos, mais cela n’a rien de semblable, ni de fonctionnellement équivalent, à une censure aussi flagrante
L’internet chinois est en train de se séparer du reste du monde
À cause du Great Firewall, certains sites externes ne sont pas accessibles depuis la Chine, et Wikipedia y est totalement bloqué depuis 2019
L’inverse existe aussi. Depuis l’extérieur de la Chine, certains sites chinois internes ne sont pas accessibles
La plupart des apps et sites web chinois doivent légalement être liés à une identité personnelle. Il faut donc s’inscrire avec un numéro de téléphone, et en Chine une personne = un numéro de téléphone. Sans numéro chinois, la plupart des apps et sites web chinois refusent tout simplement de fonctionner
Il n’y a aucun moyen d’obtenir un numéro de téléphone sans se rendre en personne dans un point de vente de cartes SIM en Chine et présenter une pièce d’identité
En pratique, il devient aussi de plus en plus difficile pour les étrangers de visiter la Chine ces temps-ci. Sans numéro de téléphone, on ne peut rien faire avec les apps chinoises, mais pour obtenir un numéro il faut présenter un passeport et un visa valide
Les apps de cartographie étrangères ne fonctionnent généralement pas correctement en Chine
Du point de vue de la Chine, les étrangers qui ne sont pas physiquement à l’intérieur du pays sont simplement une nuisance. Non seulement ils ne veulent pas que les Chinois utilisent des apps étrangères, mais ils ne veulent pas non plus que les étrangers utilisent des apps chinoises
Il y a quelques mois, j’ai essayé de créer un compte QQ, mais la version « International » n’était plus maintenue. J’ai quand même tenté la dernière version qui fonctionnait encore, mais je n’ai obtenu que des erreurs, et la version « domestic » ne fonctionne pas si le téléphone n’est pas physiquement en Chine, tout en exigeant de toute façon un numéro chinois
Il y a environ deux semaines, j’ai aussi vu que Zhihu empêchait désormais d’ouvrir les longues réponses sans compte. Bien sûr, pour créer un compte il faut ce fichu numéro de téléphone. Au moins, les numéros américains sont acceptés
Philosophiquement, cela ressemble à un retour de la mentalité chinoise de sécurité. Les contacts entre l’intérieur et l’extérieur sont par défaut tous interdits, avec l’idée que tout ce qui est nécessaire existe déjà à l’intérieur du pays
« La majestueuse vertu de notre dynastie s’est étendue à tous les pays sous le ciel, et les rois de toutes les nations ont apporté leur précieux tribut par voie terrestre et maritime. Comme votre ambassadeur peut le constater de ses propres yeux, nous possédons toute chose. Je n’accorde aucune valeur aux objets étranges ou ingénieux, et les produits manufacturés de votre pays ne nous sont d’aucune utilité. » — lettre de l’empereur Qianlong à George III en 1793
Je ne vois pas pourquoi on devrait s’attendre à ce qu’un moteur de recherche renvoie fidèlement des données historiques. Les moteurs de recherche modernes ont beaucoup d’autres problèmes à gérer, comme contrer le SEO et renvoyer des données récentes, et ils n’ont aucun intérêt à préserver une histoire ancienne comme 2005. Les pages de cette époque ont très probablement été remplacées par des textes jugés plus pertinents
La préservation historique devrait être confiée à des sites comme archive.org, et un moteur de recherche n’est pas adapté à ce rôle
La Chine est un cas presque trop facile pour montrer une réécriture de l’histoire par volonté politique
En Corée du Nord, il est illégal de parler de famine ou de faim
En Floride, il est illégal de mentionner le changement climatique dans les documents de l’État
On y lit que des agents du DEP ont reçu pour instruction de ne pas utiliser les termes « climate change » ou « global warming » dans les communications officielles, les e-mails et les rapports
Je ne sais pas si on peut aller jusqu’à qualifier cela d’illégal, mais on en a au moins fait quelque chose de nuisible pour une carrière. Ce serait intéressant si quelqu’un lançait un procès pour licenciement abusif sur cette base
Si on cherche « Jack Ma » sur Baidu avec l’intervalle « 22 mai 1998 ~ 22 mai 2005 », il n’y a qu’un seul résultat positif, et la date affichée est le 22 mai 2024. Mais en cliquant dessus, on voit qu’il s’agit en fait d’un article publié en 2021
Sur Google aux États-Unis, on obtient environ 2 580 000 résultats
C’est une lessive historique assez stupéfiante
Mais si on enlève le filtre de dates, les résultats passent à plusieurs millions
Mon premier résultat est https://www.scb.co.th/en/personal-banking/stories/business-maker/jack-ma.html, que Google considère comme un document du 2003-03-15. Mais il mentionne le COVID-19, donc ce n’est manifestement pas un document de cette époque
Le deuxième résultat est https://www.instagram.com/jack_overpower/feed/, que Google considère comme daté du 2001-01-02. Mais Instagram n’existait pas à l’époque. Cela dit, il peut y avoir des photos de 2001
Le troisième résultat est http://pacificpower.foreignpolicy.com/15-jack-ma/, que Google considère comme daté du 1999-02-15. Mais il mentionne l’IPO d’Alibaba en 2014, donc ce n’est manifestement pas un document de cette période
Le quatrième résultat est https://www.facebook.com/story.php/?story_fbid=504135796663455&id=311356742608029&_rdr, et Google n’affiche pas de date, mais c’est une publication Facebook de 2018
Une partie des résultats peut bien correspondre à des contenus de 1998 à 2005, mais le chiffre de plusieurs millions de résultats, en lui-même, ne veut rien dire