Deux pièges de mesure
Le premier : ne pas confondre une page morte et une page fermée. Le code 404 signifie que la page n’existe plus. Les codes 401, 402, 403 et 429 signifient qu’on ne nous laisse pas entrer — abonnement, blocage des robots, trop de requêtes. La page est toujours là, et la source reste valable.
Le second est plus sournois. Pour savoir si une page existe, on peut demander seulement son en-tête au lieu de la télécharger : c’est plus rapide et plus léger. Mais beaucoup de serveurs répondent mal à cette demande abrégée. Nous en avons vu deux répondre 404 et 403 à l’en-tête, puis 200 à une lecture normale. Croire la première réponse nous aurait fait déclarer mortes deux pages parfaitement vivantes — ce que nous avons d’ailleurs fait une fois, avant de corriger.
Une réponse négative à la demande abrégée ne prouve rien. Nous rechargeons la page entière avant de la déclarer morte.
Ce qu’un relevé ne dit pas
- Qu’une adresse réponde ne prouve pas que la page dit encore la même chose : un article réécrit sans changer d’adresse passe inaperçu.
- Le verdict « fermée » n’est pas stable : un même site nous a répondu 200 puis 403 à dix minutes d’intervalle, alors que nous nous annoncions de la même façon.
- Quand un site nous refuse l’entrée, nous n’insistons pas et nous l’écrivons. Le contourner serait techniquement plus simple.