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​ware​heritage​.org/