Référence
Pour les avocats, les délégués à la protection des données, les juridictions et les journalistes. Chaque entrée : une explication simple, une image tirée du prétoire, et ce que cela change en matière de preuve.
Chaque jour, MachineWitness visite une longue liste fixe de sites européens et relève ce qu'ils déclarent aux machines : si un site réserve ses contenus contre l'entraînement des modèles d'IA (robots.txt, ai.txt, tdmrep.json, llms.txt, ainsi que les réserves figurant dans les en-têtes et balises meta de la page d'accueil). Chaque relevé est scellé cryptographiquement le jour même, ancré hors de notre portée et, depuis le 4 août 2026, enregistré en parallèle par un second témoin indépendant. Des années plus tard, l'archive répond à une seule question : « qu'a servi X aux machines à la date Y ? » Nous relevons. Nous n'interprétons pas, n'accusons pas et ne jugeons pas.
Voilà ce que l'archive relève aujourd'hui, et rien d'autre. Les instantanés des identités publiées de robots d'IA et des conditions générales des fournisseurs d'IA sont prévus dans la conception et ne sont pas encore collectés ; lorsqu'un relevé en commencera, la date de ce commencement sera indiquée ici. Nous préférons décrire moins que ce que nous détenons, plutôt que davantage.
Pour le contenu complet d'un enregistrement, champ par champ sur un exemple traité, voir Ce que nous conservons sur un domaine.
L'enregistrement unique d'une ressource web à un instant unique : les octets exacts délivrés par le serveur, plus le quand, le à qui et le comment.
Image : une page du répertoire d'un notaire.
Un litige porte toujours sur une date déterminée : non pas « que dit le fichier », mais « que disait-il le 14 août 2027 ».
L'empreinte d'un contenu numérique : un code court, de longueur fixe, calculé à partir des octets exacts. Changez un caractère et l'empreinte change entièrement ; il est pratiquement impossible de fabriquer un document différent portant la même.
Image : une empreinte digitale qui identifie une version précise d'un document, et non simplement le document.
C'est l'empreinte de chaque instantané qui est scellée et ancrée ; comparer les empreintes plus tard prouve que le contenu n'a pas été modifié.
Chaque contenu est classé sous sa propre empreinte : l'empreinte est le numéro de classement. Un contenu identique, fût-ce d'un jour ou d'un site à l'autre, est stocké une fois et référencé plusieurs fois.
Image : un local à scellés où l'étiquette de la boîte est l'empreinte de ce qu'elle contient : rien ne peut y être substitué sans que l'étiquette cesse de correspondre.
Retrouver un contenu par son empreinte rend toute altération évidente d'elle-même.
Avec chaque instantané, nous scellons les circonstances de la délivrance : l'intégralité des en-têtes de réponse HTTP, l'empreinte du certificat TLS du serveur ainsi que cinq champs analysés qui en sont tirés, l'adresse IP du serveur observateur et l'horodate, le tout haché dans le même enregistrement scellé que le contenu. Depuis le 15 septembre 2026, la chaîne de certificats est consignée en entier, telle que le serveur l'a délivrée : le certificat du serveur et les intermédiaires transmis avec lui, chacun conservé intégralement. Ce changement ne rétroagit pas : pour les observations antérieures à cette date, seule l'empreinte existe et, lorsque le certificat lui-même est nécessaire, il peut en général être obtenu auprès des registres publics de transparence des certificats (RFC 6962). Voir ce que contient un enregistrement.
Image : la fiche de chaîne de conservation agrafée au sachet de scellés : qui l'a recueilli, où, quand, de qui.
Elle rattache le contenu à sa source : non pas simplement « ce fichier existait », mais « ce serveur a délivré ce fichier ».
Une méthode permettant de sceller des milliers d'enregistrements avec une seule empreinte maîtresse. L'empreinte de chaque instantané est combinée deux à deux, niveau après niveau, jusqu'à ce qu'il ne reste qu'une racine, dépendant de chaque enregistrement situé en dessous. C'est cette racine quotidienne que nous ancrons et publions.
Image : un volume de scellés relié et numéroté, portant un unique cachet de cire sur la couverture : le cachet répond de toutes les pages à la fois.
Nous suivons le mode de construction de la RFC 6962, la norme qui sous-tend les registres publics servant aux navigateurs à auditer les certificats TLS. Un code court par jour nous engage, irrévocablement, sur tout ce que nous avons relevé ce jour-là.
Un court reçu mathématique établissant qu'un instantané déterminé est contenu dans une racine quotidienne donnée. Chacun peut le vérifier, sans nous faire confiance et sans accès au reste de l'archive.
Image : prouver qu'une page appartient au volume scellé en confrontant sa position au cachet de couverture, sans rouvrir toutes les autres pages.
C'est ce qui rend un extrait probatoire vérifiable de manière indépendante.
Le dépôt de chaque racine quotidienne hors de notre propre portée, le jour même, auprès de trois tiers indépendants : une autorité d'horodatage RFC 3161, qui renvoie immédiatement un jeton signé ; un horodatage électronique qualifié au sens d'eIDAS, délivré depuis la racine du 31 juillet 2026 par un prestataire de services de confiance qualifié inscrit sur la liste de confiance de l'Union ; et OpenTimestamps, qui agrège la racine vers la chaîne de blocs Bitcoin. La confirmation Bitcoin suit quelques heures à quelques jours plus tard et est réintégrée dans le reçu par une tâche quotidienne ; voir l'état actuel de chaque ancrage.
Image : déposer une copie scellée chez un notaire le jour même de sa rédaction.
Une empreinte dans notre propre base de données ne prouve rien : nous pourrions la recalculer. Un ancrage dans des systèmes que nous ne pouvons pas réécrire prouve que le scellement existait au plus tard ce jour-là.
Un horodatage électronique qualifié prouve quand une donnée existait. Un cachet électronique qualifié prouverait de qui elle provient. MachineWitness détient le premier et, délibérément, non le second.
Image : le cachet de la poste sur une enveloppe prouve quand elle a été postée, non qui a écrit la lettre.
Nous le disons franchement, car la moitié faible de toute archive est celui qui la tient : nous sommes une partie intéressée, et aucun certificat acheté n'y change rien. La réponse à « qui a enregistré cela » n'est pas un cachet, mais le second témoin indépendant et une méthode que chacun peut répéter sans nous. Aux termes de l'article 41 d'eIDAS, un horodatage qualifié bénéficie d'une présomption d'exactitude quant à la date, et c'est exactement la partie sur laquelle nous nous appuyons.
Un second système d'enregistrement, sur une infrastructure différente et avec une clé d'exploitant différente, observe les mêmes cibles de manière indépendante et scelle sa propre racine quotidienne. En service depuis le 4 août 2026 ; les journées antérieures reposent sur le premier témoin seul. Les deux racines sont publiées côte à côte dans le registre public. Elles ne sont pas identiques et n'ont pas vocation à l'être : chaque témoin explore selon son propre calendrier, si bien qu'un rapprochement compare des observations individuelles, et non les racines elles-mêmes.
Image : deux témoins qui ont pris chacun leurs propres notes et sont entendus séparément. Leurs récits ne se liront pas mot pour mot de la même façon : chacun a vu la journée depuis sa place, et c'est précisément ce qui fait que deux récits valent mieux qu'un témoin qui se répète.
Cela répond à l'objection la plus forte contre tout exploitant d'archive unique : « vous auriez pu fabriquer vos propres enregistrements ».
Chaque jour, notre registre public des racines est en outre capté par des systèmes que nous ne contrôlons pas (la Wayback Machine d'Internet Archive ; un dépôt git public avec horodatage du prestataire).
Image : les archives du journal qui se trouvent avoir imprimé l'annonce ; personne ne soutient que le journal était de connivence.
Lorsqu'une demande d'effacement fondée sur le RGPD porte sur un contenu archivé, nous supprimons le contenu en clair et laissons à sa place un « marqueur de suppression » signalé. L'empreinte, les scellements et toutes les preuves restent intacts et vérifiables.
Image : une page caviardée dans le volume de scellés : la page est noircie, mais la reliure, la pagination et le cachet de couverture prouvent que le volume n'a jamais été relié à nouveau.
Cela concilie deux devoirs qui semblent s'opposer : le droit à l'effacement et l'intégrité de la preuve.
Les moyens techniques par lesquels un site déclare aux machines « n'utilisez pas mes contenus ». Aux termes de l'article 4 de la directive européenne sur le droit d'auteur dans le marché unique numérique, la réserve d'un titulaire de droits contre la fouille de textes et de données doit être lisible par machine pour produire effet ; l'Oberlandesgericht de Hambourg a confirmé en décembre 2025 que des conditions rédigées en langage naturel ne suffisent pas à elles seules. Ces fichiers changent en silence et ne laissent aucune trace : les relever chaque jour est le cœur de cette archive.
Le livrable : pour une ressource et une période données, un ensemble contenant le contenu brut (ou son marqueur de suppression), les circonstances de délivrance scellées, les empreintes, la preuve d'inclusion, la racine quotidienne et les reçus d'ancrage externes, avec des instructions de vérification pas à pas que tout expert technique peut suivre de manière indépendante.
Énoncer les limites avec précision fait partie du métier de témoin crédible :
Nous sommes la boîte noire, pas l'enquêteur.