Arrêt complet de Google Cache

• Google a pratiquement mis fin à l’ancienne fonctionnalité Google Cache en bloquant non seulement le lien de cache dans les résultats de recherche, mais aussi l’accès direct
• Les liens directs du type webcache.googleusercontent.com/search?q=cache:... ont cessé de fonctionner au cours des 12 dernières heures environ, et l’opérateur de recherche cache: n’est lui non plus plus utilisable
• Après la suppression du lien de cache en début d’année, puis l’ajout en septembre 2024 de liens vers la Wayback Machine, la manière de consulter les copies enregistrées dans Google Search a changé
• Plusieurs utilisateurs ont constaté que les requêtes cache: étaient redirigées vers des résultats de recherche au lieu d’une page en cache, ou qu’aucune copie en cache n’apparaissait pour divers sites
• Pour consulter d’anciennes versions de pages, il faut désormais davantage s’appuyer sur la Wayback Machine, tandis que les propriétaires de sites doivent utiliser des outils comme Search Console et Rich Results Test pour voir la page telle que Google l’a vue

---

Chronologie de la fin de Google Cache

• Google a complètement désactivé la fonctionnalité Google Cache
• En début d’année, l’entreprise avait supprimé le lien de cache des extraits dans les résultats de recherche
• Il y a quelques semaines, elle a ajouté des liens vers la Wayback Machine dans les résultats de recherche Google
• Ensuite, même les liens ouvrant directement Google Cache ont cessé de fonctionner
  • Un exemple de lien direct avait la forme webcache.googleusercontent.com/search?q=cache%3Aseroundtable.com
  • Ce lien direct a cessé de fonctionner au cours des 12 dernières heures environ

L’opérateur cache: ne fonctionne plus non plus

• Plusieurs utilisateurs ont partagé sur les réseaux sociaux qu’il n’était plus possible de vérifier manuellement le cache
• Certaines requêtes sont redirigées non pas vers une page en cache, mais vers des résultats de recherche avec cache:
• En Inde, un cas a été rapporté où aucune copie en cache de pages indexées n’apparaissait, même après avoir essayé plus de 10 à 20 sites web
• Après la publication de l’article, Google a officiellement confirmé que l’opérateur de recherche cache: ne fonctionnait plus
  • La documentation Google indique : “The cache: search operator no longer works in Google Search”
  • Le contenu correspondant a également été retiré de la documentation sur les opérateurs de recherche

Les raisons de l’abandon selon Google

• Danny Sullivan, Search Liaison chez Google, avait déjà annoncé la suppression de Google Cache
• Cette fonctionnalité était une ancienne fonction conçue pour aider les internautes à accéder à une page à une époque où le chargement des pages web n’était pas toujours fiable
• Aujourd’hui, la stabilité d’accès au web s’est nettement améliorée, ce qui a conduit à son abandon
• Sullivan avait indiqué vouloir ajouter des liens vers Internet Archive dans About This Result, sans que cela constitue alors un engagement définitif
• Il avait aussi dit que cache: disparaîtrait dans un avenir proche, et l’arrêt effectif a pris environ 9 mois

Méthodes de vérification encore disponibles

• Wayback Machine : une alternative pour consulter d’anciennes versions de pages web
• URL Inspection dans Google Search Console : permet aux utilisateurs disposant d’un compte Search Console de voir ce que le crawler de Google a vu sur leurs propres pages
• Le Rich Results Test de Google : peut aussi servir d’autre outil pour inspecter une page

noarchive et modifications de la documentation

• Danny Sullivan a indiqué que Google continuerait à respecter noarchive même après la disparition de cache:
• noarchive reste maintenu car il est aussi utilisé par d’autres services que Google
• Après avoir officiellement confirmé l’arrêt de l’opérateur cache:, Google a supprimé l’élément correspondant de la documentation sur les opérateurs de recherche

[GN⁺]

Avis sur Hacker News

• Si Google a ajouté un lien direct vers la Wayback Machine, j’espère qu’il fait aussi un don substantiel à l’Internet Archive.
  Comme il va l’utiliser comme une fonctionnalité de son produit phare et lui envoyer beaucoup de trafic, cela revient en pratique à exploiter son infrastructure.
  Modification : il n’y a pas beaucoup de détails, mais il semble qu’une collaboration soit en cours https://blog.archive.org/2024/09/11/new-feature-alert-access...

  • Le lien WebArchive est caché assez profondément dans la page « About the source », si bien que la plupart des utilisateurs de Google ne sauront probablement même pas qu’il existe.
    Il existe aussi une excellente extension de navigateur, Web Archives, qui regroupe au même endroit les principaux services d’archivage du Web comme Archive.is et la Wayback Machine https://github.com/dessant/web-archives
  • Si cet accord n’était pas conditionné à un financement, ce serait vraiment stupide.
    À mon avis, si ce n’est pas précisé, c’est à cause d’une forme d’accord de confidentialité. L’IA traverse déjà pas mal de turbulences, et Google ne veut sans doute pas être vu comme en faisant partie.
  • J’espère que Google ne deviendra pas une source majeure de financement pour l’Internet Archive.
    Parce que j’aimerais croire que la Wayback Machine et l’Internet Archive restent impartiales.
    Google aime influencer les résultats de recherche en masquant ceux qui ne lui plaisent pas et en faisant remonter ceux que l’entreprise soutient. Jusqu’ici, la Wayback Machine a été très fiable, et j’espère qu’elle le restera.
  • Ce dont l’IA a davantage besoin que d’argent, ce sont des archives de sauvegarde indépendantes.
    Tant que les fonds de l’IA ne surpasseront pas l’ensemble de l’industrie américaine du lobbying sur le droit d’auteur, il y aura toujours un risque qu’elle disparaisse sans préavis suffisant, sans laisser le temps de stocker les données ailleurs.
    Ce que l’IA a le droit d’archiver est aussi un problème. Avec la ruée vers l’or du machine learning, de plus en plus de propriétaires de sites sentent une opportunité de monétiser leurs contenus et limitent les entités autorisées à les crawler. Google occupe une position particulière, puisque presque personne ne peut se permettre de bloquer son crawler ; c’est aussi pour cela que, indépendamment de l’IA, le cache Google avait une valeur particulière.

• C’est vraiment dommage que cela disparaisse. Cela a toujours été une sorte de dernier recours.
  L’Internet Archive est formidable, mais elle dépend surtout des demandes explicites d’archivage faites par les utilisateurs.
  Du coup, pour des sites plus obscurs déjà touchés par la pourriture des bits et qui ne se chargent plus, il arrivait que le cache Google permette encore de récupérer quelque chose quand l’IA n’avait rien.

  • L’avenir de l’IA m’inquiète. Avec ses choix imprudents autour de la politique de prêt de livres, elle s’est exposée à des attaques susceptibles de l’assécher financièrement.
    À cela s’ajoutent les contenus en violation du droit d’auteur publiquement disponibles sur le site, qui constituent eux aussi une cible idéale.
    J’attends le moment où Nintendo découvrira les énormes dumps de ROM qui s’y trouvent. Ça ne finira pas bien. Aucun « avantage moral » n’arrêtera les avocats.

• Google Cache était utile parce que, même lorsqu’on ne trouvait plus un terme ou un mot-clé sur un site, il restait parfois dans le cache.
  Quand un site était hors ligne ou qu’un élément avait disparu, on pouvait encore dire : « c’est toujours dans Google Cache ! » Désormais, ce ne sera plus possible.
  J’utilise de moins en moins Google ces temps-ci. Pourquoi le faire, alors que je peux simplement demander à un LLM qui me donne une réponse en quelques secondes, sans pub ? Si je demande des références et des liens, il m’en fournit aussi. Je ne crois pas qu’un LLM m’ait déjà donné un lien vers une ferme de contenus SEO, alors que dans Google Search, on a parfois l’impression qu’une page entière n’est que ça. Google Search ressemble à Yahoo juste avant sa mort, peut-être même pire, comme s’il était sur le point d’être remplacé par Bing.

  • Ce genre de chose arrive encore.
    On cherche un mot-clé, on regarde les résultats Google, on voit ce mot-clé dans l’aperçu Google, puis on clique sur le lien et il n’apparaît pas sur la page réelle.
    Ce n’est même pas du spam SEO caché, c’est littéralement du contenu supprimé. Le cache ne correspond pas aux résultats en temps réel, et il n’y a aucun moyen d’y remédier.
  • Les LLM n’ont pas de publicité, pour l’instant.
  • L’index de Google contient parfois aussi du contenu situé derrière des paywalls ou des cookiewalls.
    Deux grands sites tchèques ont commencé à mettre en place des cookiewalls ; bien que ce soit contraire au RGPD, l’autorité locale de protection des données ne bouge pas, ce qui donne presque l’impression qu’elle a été payée par ces sites.

• J’utilisais beaucoup le cache non seulement pour consulter des sites, mais aussi pour voir les versions texte de PDF et de documents Word. RIP

  • Pareil. C’est en lisant ce commentaire que je réalise que quelques anciens projets ne fonctionneront désormais plus.

• Google possède probablement encore toutes ces données.
  Il ne laisse simplement plus les autres les utiliser.
  Est-ce que cela pourrait devenir un avantage concurrentiel pour Google, qui les utiliserait pour entraîner ses propres modèles tout en empêchant les autres d’y accéder ?
  Google veut-il rendre plus difficile le fait de remarquer qu’une page a été réécrite ? Les journalistes trouvaient-ils trop souvent des informations précieuses grâce à cette fonction ?

  • J’ai l’impression que l’Internet Archive a repris à Google une bonne partie de ces usages.
    À part ça, Google devrait sérieusement envisager de faire un don assez important à l’Internet Archive.
  • C’est probablement possible. Le contenu « mis en cache » était sans doute servi depuis un enregistrement de base de données indiquant que l’URL X contenait le contenu Y, ce qui revenait en pratique à stocker une copie miroir des termes indexés.
    En ne stockant plus ce miroir et en ne conservant que l’index de recherche, on peut économiser pas mal d’espace de stockage, d’entrées-sorties et de CPU pour la décompression ; comme les utilisateurs ne le demandent plus, cela peut réduire fortement les coûts d’infrastructure dans l’ensemble.
    Cela pourrait aussi devenir un avantage réservé à Google pour l’entraînement de modèles, mais je ne sais pas si, auparavant, les utilisateurs ordinaires pouvaient télécharger en masse les données du cache Google. Était-ce seulement possible sans se faire bloquer par les pages Web ou l’API de Google ?
  • D’après ce que je comprends, Google rend les pages de manière assez poussée avant de les indexer.
    Cela lui permet d’indexer le contenu chargé par JavaScript et d’empêcher certaines méthodes par lesquelles les spammeurs montrent un contenu différent à Google et aux utilisateurs.
    Peut-être que la principale manière dont Google stocke désormais les pages n’est plus compatible avec une mise à disposition simple sous forme de page en cache. Supprimer les copies legacy de chaque page pourrait être une façon de réduire les coûts de stockage.
  • Comme avec YouTube, le périmètre des fonctionnalités visibles par les utilisateurs de ces services se réduit peu à peu, et ce qu’on peut en tirer aussi.
    Il y a trop d’optimisations qui se font au détriment des utilisateurs. Pendant ce temps, la recherche reste ancrée dans un concept des années 90 et ne sert plus qu’à faire rentrer de l’argent.

• Je suis plutôt surpris que cela existe encore.
  Ça fait des années que je n’ai pas vu de version en cache réellement ouvrable dans les résultats Google.

• Une raison de moins d’utiliser Google Search.
  C’est un effort assez solide pour saboter dans tous les sens une machine à imprimer de l’argent.

  • Une raison de plus de ne pas utiliser Google Search. Je ne me souviens même plus de la dernière fois où je l’ai utilisé ; ça doit remonter à environ 12 ans.

• C’était vraiment utile pour trouver des informations de support produit, parce que les entreprises retirent ou déplacent souvent des pages de leur site Web.
  J’ai toujours eu l’habitude de consulter la version de la page telle qu’elle existait au moment où Google pointait vers elle dans ses résultats.

• Quand on ne peut plus savoir ce qui existait auparavant, c’est malheureusement l’histoire qui est effacée.
  « Le passé pouvait être modifié. Le passé n’avait jamais été modifié. L’Océania était en guerre contre l’Estasia. L’Océania avait toujours été en guerre contre l’Estasia. »
  ― George Orwell, 1984

• Ça me rappelle des souvenirs. À mes débuts, alors que je migrais WordPress vers un nouveau serveur, ma sauvegarde de base de données était corrompue.
  Grâce au cache Google, j’ai pu récupérer les billets du blog. C’était vraiment une époque chaotique.