Pourquoi Software Heritage crée un patrimoine mondial du logiciel

Soft­ware Heri­tage a été lan­cé en 2015 en tant qu’i­ni­tia­tive de pré­ser­va­tion numé­rique. Son ambi­tion : col­lec­ter, pré­ser­ver et par­ta­ger tous les logi­ciels dis­po­nibles publi­que­ment sous forme de code source. Une telle archive logi­cielle uni­ver­selle garan­ti­ra la fia­bi­li­té ou l’o­ri­gi­na­li­té du code source, de sorte que la ver­sion « offi­cielle » non modi­fiée du code est ain­si pré­ser­vée à jamais, quelles que soient les modi­fi­ca­tions ulté­rieures qui peuvent y être apportées.

Une telle pré­ser­va­tion est impor­tante parce que la créa­tion d’un logi­ciel demande beau­coup d’éner­gie intel­lec­tuelle et contient des connais­sances tech­niques avan­cées, sous forme d’al­go­rithmes, qui ne sont com­pré­hen­sibles qu’en lisant le code source du logi­ciel. « Ces connais­sances peuvent conte­nir des inno­va­tions, de sorte que le code source de cer­tains logi­ciels peut être aus­si inno­vant qu’un article scien­ti­fique ou qu’un bre­vet », explique Ste­fa­no Zac­chi­ro­li de Télé­com Paris, l’un des fon­da­teurs de Soft­ware Heri­tage. L’UNESCO a recon­nu la néces­si­té d’é­vi­ter la perte de ces connais­sances tech­niques impor­tantes dans « Le code source des logi­ciels : un patri­moine – L’Ap­pel de Paris »¹.

La pré­ser­va­tion du code source et des logi­ciels est éga­le­ment impor­tante pour la recherche et l’in­dus­trie, car ils sont de plus en plus uti­li­sés dans ces domaines. En effet, une grande par­tie des connais­sances tech­niques et scien­ti­fiques déve­lop­pées aujourd’hui réside dans les logi­ciels, qui doivent donc être conser­vés pour garan­tir la repro­duc­ti­bi­li­té des expé­riences et des résul­tats, base de la démarche scientifique.

Cette approche se retrouve déjà dans des mou­ve­ments comme l’Open Access, par exemple, qui garan­tit que les articles scien­ti­fiques sont dis­po­nibles sur le long terme et acces­sibles à tous. Elle s’in­carne éga­le­ment dans le mou­ve­ment de l’Open Data, qui vise à garan­tir que les don­nées scien­ti­fiques sont ouvertes et par­ta­gées uni­ver­sel­le­ment. Soft­ware Heri­tage contri­bue à ces efforts en assu­rant l’ar­chi­vage à long terme des logi­ciels sous forme de code source. Par­fois, le logi­ciel lui-même consti­tue une avan­cée scien­ti­fique majeure, et le code source ren­ferme une connais­sance pré­cieuse qui doit être pré­ser­vée pour des réuti­li­sa­tions ultérieures.

Les logi­ciels libres sont éga­le­ment omni­pré­sents dans les pro­duits infor­ma­tiques de nos jours – par exemple, dans les appa­reils IoT, les télé­phones, les voi­tures et les camé­ras. La dif­fi­cul­té ici est que tout le monde peut modi­fier ces logi­ciels, de sorte que des variantes d’un logi­ciel deviennent par­tie inté­grante des nou­veaux appa­reils. Soft­ware Heri­tage four­nit un endroit où la ver­sion ori­gi­nelle du logi­ciel peut être sto­ckée avec des « iden­ti­fiants » per­met­tant de recon­naître la ver­sion spé­ci­fique du logi­ciel ins­tal­lé dans un appa­reil don­né. Ces iden­ti­fiants per­mettent le sui­vi des vul­né­ra­bi­li­tés du logi­ciel dans des pro­duits fabri­qués ulté­rieu­re­ment et de recon­naître des pro­duits infor­ma­tiques qui doivent être « réparés ».

Soft­ware Heri­tage archive prin­ci­pa­le­ment le code source en par­cou­rant ou en « craw­lant » les pla­te­formes publiques uti­li­sées pour déve­lop­per des logi­ciels libres de manière col­la­bo­ra­tive. Les plus connues sont GitHub et Git­Lab. Une autre méthode consiste à faire appel à des cher­cheurs qui « poussent » acti­ve­ment des logi­ciels vers les archives. Par exemple, en France, HAL est une pla­te­forme popu­laire, finan­cée par des fonds publics et en libre accès, uti­li­sée par la com­mu­nau­té scien­ti­fique pour dépo­ser des articles sous forme de pre­prints. Le point clé à noter ici : les logi­ciels, et en par­ti­cu­lier les logi­ciels libres, sont mas­si­ve­ment dupli­qués de nos jours. Le même mor­ceau de code source peut ain­si se trou­ver simul­ta­né­ment dans des mil­liers, voire des mil­lions, d’en­droits dif­fé­rents sur Internet.

Pour faire face à ce pro­blème, Soft­ware Heri­tage struc­ture l’ar­chive comme un graphe géant (dans une struc­ture appe­lée DAG de Merkle), qui est entiè­re­ment dé-dupli­qué. Cela signi­fie que si le même fichier de code source est sto­cké dans des mil­liers ou des mil­lions d’emplacements dif­fé­rents, il ne sera archi­vé qu’une seule fois, tout en gar­dant la trace de tous les dif­fé­rents empla­ce­ments. C’est le cas non seule­ment pour des fichiers indi­vi­duels, mais aus­si pour des réper­toires entiers de code source et des com­mits, qui peuvent être très volu­mi­neux pour des logi­ciels importants.

Il est essen­tiel de pro­cé­der ain­si pour contrô­ler la taille de l’ar­chive et pour mini­mi­ser la dupli­ca­tion des infor­ma­tions qui doivent être sau­ve­gar­dées. C’est éga­le­ment utile pour les cas d’u­ti­li­sa­tion scien­ti­fique. En regar­dant ce gra­phique glo­bal du code public, vous pou­vez iden­ti­fier qui a réfé­ren­cé un de vos logi­ciels et qui l’a peut-être uti­li­sé pour en créer un autre. En un sens, ce gra­phique per­met de mesu­rer l’im­pact des logi­ciels déve­lop­pés par les cher­cheurs et les déve­lop­peurs de logi­ciels libres.

« Soft­ware Heri­tage est une ‘grande biblio­thèque de code source’, ana­logue aux grandes biblio­thèques du monde antique », explique Zac­chi­ro­li. « L’ob­jec­tif de ces biblio­thèques était d’ac­cu­mu­ler le maxi­mum de connais­sances en un seul endroit. Soft­ware Heri­tage est la Biblio­thèque d’Alexandrie pour ce bien moderne pré­cieux qu’est le code source des logi­ciels. » Nous pou­vons visi­ter cette biblio­thèque du patri­moine logi­ciel pour trou­ver le code qui nous inté­resse, peut-être parce qu’il a dis­pa­ru de son lieu d’hé­ber­ge­ment d’o­ri­gine, ou peut-être pour ana­ly­ser toute l’é­ten­due des connais­sances qui y sont stockées.

Propos recueillis par Isabelle Dumé

Pour plus d’informations : https://​www​.soft​wa​re​he​ri​tage​.org/