Adresse web

Barre d'adresse web

Les adresses web, également appelées URL (Uniform Resource Locator), sont des adresses utilisées pour identifier et localiser des ressources sur Internet, telles que des pages Web, des images, des vidéos et des fichiers. Elles sont généralement formées par la combinaison de protocoles de communication (tels que HTTP ou HTTPS), le nom de domaine (ou l'adresse IP) du serveur où se trouve la ressource, et un chemin vers la ressource spécifique. Les adresses web sont utilisées pour accéder à des contenus sur Internet à travers un navigateur web ou un autre client de réseau.

Une invention fondamentale

Les trois inventions à la base du World Wide Web sont :

• les adresses Web
• le protocole de communication Hypertext Transfer Protocol (HTTP)
• le langage de balisage HyperText Markup Language (HTML)

Bien qu'un protocole (HTTP) et un format de données (HTML) aient été développés spécifiquement pour le Web, le web est conçu pour imposer un minimum de contraintes techniques. En particulier, d'autres formats et protocoles que HTTP et HTML peuvent être utilisés. Cependant, pour qu'une ressource puisse faire partie du Web, elle doit être exprimable sous la forme d'une adresse web. C'est en ce sens que les adresses sont l'invention la plus fondamentale.

Soit par exemple un document HTML enregistré dans un fichier informatique nommé page.html qui se trouve dans le répertoire /home/tim/ d'un ordinateur appelé www.example.com. Selon le moyen utilisé pour y accéder, cette ressource peut être connue sous diverses adresses :

file:///home/tim/page.html

La ressource est accessible en tant que fichier local page.html dans le répertoire /home/tim/. Cette adresse ne fonctionne que sur l'ordinateur où la ressource est enregistrée.

http://www.example.com/tim/page.html

La ressource est accessible sur le serveur HTTP www.example.com, sous le chemin d'accès /tim/page.html. Le serveur HTTP est configuré pour faire correspondre le chemin d'accès /tim/ au répertoire /home/tim/.

ftp://tim:sEcReT@www.example.com/tim/page.html

La ressource est accessible en utilisant le protocole FTP (File Transfer Protocol), avec le compte tim et le mot de passe sEcReT, sur le serveur www.example.com. Le serveur FTP est configuré pour donner au compte tim le répertoire /home/tim/.

Plusieurs autres protocoles pourraient être utilisés pour accéder à cette ressource, pourvu que le serveur idoine ait été installé : Gopher, HTTPS, etc. D'autres ressources peuvent être conceptuellement très différentes d'un fichier, par exemple :

mailto:tim@example.com

La ressource est la destination de courrier électronique d'adresse email tim@example.com.

news:alt.hypertext

La ressource est le forum de discussion Usenet alt.hypertext.

Usages

Support des navigateurs web

Barre d'adresse

Lorsqu'on navigue sur le Web, le navigateur web affiche dans la barre d'adresse, l'adresse de la ressource consultée. Si l'on veut consulter un document dont on connaît l'adresse web, on peut directement la taper dans cette barre.

Dans les premières années du Web, les navigateurs web n'acceptaient que des adresses techniquement valides pour identifier les ressources. Mais à la suite du développement du Web, le protocole de communication HTTP s'est imposé pour transmettre l'immense majorité des ressources consultées. Ainsi une URL de page web commence presque toujours par http://. Les navigateurs web ont donc évolué pour permettre l'omission de ces caractères lors d'une saisie dans leur barre d'adresse ; http:// est automatiquement ajouté le cas échéant. Certains navigateurs vont jusqu'à compléter une adresse comme exemple en une adresse exploitable en rajoutant automatiquement les caractères manquants « http » puis « : » et « // » sans omettre « www » et en rajoutant à la fin l'extension nationale ou commerciale appropriée http://www.example.com/, mais le risque de complétion erronée n'est alors pas négligeable. D'autant qu'un même nom peut donner accès à deux sites totalement distincts suivant qu'ils sont en « .com » (extension -commerciale- valide dans le monde entier ou en « .fr » ; .es ; .it ; etc. etc. et donc l'extension nationale ne garantit l'unicité que dans le pays concerné.

Vie courante

Des adresses web sont souvent données dans la publicité, ou indiquées sur les produits. Les adresses faciles à retenir sont alors recherchées. Ces adresses sont destinées à être saisies dans la barre d'adresse d'un navigateur, donc le http:// du protocole peut être omis. L'adresse web se résume alors à un simple nom de domaine, comme www.example.com. Ce nom est apparu tellement important dans la communication de certaines entreprises, que durant la bulle Internet, elles ont utilisé l'adresse de leur site web en tant que nom commercial (Amazon.com, etc.).

D'autre part, une activité économique spécialisée s'est constituée pour acheter les noms de domaine reposant sur des mots courants, susceptibles d'être fréquemment recherchés par des Internautes. En règle générale, les domaines terminant par .com ont une valeur plus élevée que ceux terminant par des extensions nationales, en .fr par exemple. Dans d'autres cas, les noms de domaine composés de mots appartenant à certains champs lexicaux spécifiques voient leur valeur décuplée par une association avec des extensions particulières. En effet, à titre d'exemple,.io est largement associée à l'univers des nouvelles technologies. Afin de donner un ordre de grandeur, en octobre 2022, le prix du nom de domaine sex.online dépassait le million d'euros.

Légalement plus trouble, le typosquatting consiste à acheter sans autorisation des domaines dont le nom s'apparente à des marques connues appartenant à des tiers, parfois en remplaçant un caractère par un caractère visuellement très similaire d'un autre alphabet.

Le cybersquattage consiste à acheter un nom de domaine portant un nom appartenant à une tierce partie, pour le lui revendre chèrement. C'est illégal dans de nombreux pays.

Escroquerie de type hameçonnage

L'escroquerie appelée hameçonnage consiste à envoyer à une victime une adresse web qui ressemble à celle d'un site web légitime, comme celui de sa banque, alors qu'en fait il s'agit de l'adresse d'un site conçu pour extorquer des informations confidentielles, comme les codes d'accès au compte bancaire.

Syntaxe

La syntaxe de base des adresses web est la suivante :

• protocole:partie_spécifique

La syntaxe originale des adresses web reste la plus utilisée. De temps en temps, un nouveau protocole est défini.

Jeu de caractères

Originellement, les adresses ne contenaient que des caractères ASCII. Pour pouvoir représenter des caractères non ASCII, il existe un système d'échappement codant en ASCII la valeur hexadécimale de chaque octet d'un caractère : %HH où HH est un nombre hexadécimal. Toutefois, ce système d'échappement n'indique pas quel est le codage de caractères sous-jacent (ISO/CEI 8859-1, UTF-8, etc.).

Une extension des URI a été créée pour étendre les adresses web au-delà de l'ASCII : les Internationalized Resource Identifiers (IRI).

Syntaxe hiérarchique

De nombreux protocoles (HTTP, FTP) ont une forme d'adresse dite hiérarchique.

http://tim:sEcReT@www.example.com:8888/chemin/acces?req=data#ici
http	://	tim	:	sEcReT	@	www.example.com	:	8888	/chemin/acces	?	req=data	#	ici
protocole	://	nom	:	mot de passe	@	hôte	:	port	chemin d'accès	?	requête	#	fragment

Le nom, le mot de passe et le numéro de port sont rarement utilisés. Toutefois, les attaques d'hameçonnage peuvent tirer parti de cette syntaxe pour masquer un nom de domaine illégitime sous l'apparence d'un nom légitime :

http://ma.banque.fr:8888@illegitime.net/chemin/acces
http	://	ma.banque.fr	:	8888	@	illegitime.net	/chemin/acces
protocole	://	nom	:	mot de passe	@	hôte	chemin d'accès

Références relatives à une adresse

Avec les adresses web hiérarchiques, il est possible de spécifier une adresse relativement à une autre adresse. La relation s'établit au niveau du chemin d'accès. Ainsi, si l'on a :

URI	http://tim@sEcReT:www.example.com:8888/chemin/acces?req=data#ici
référence relative	toto
URI référencée relativement	http://tim@sEcReT:www.example.com:8888/chemin/toto

Évolution de la terminologie

Dans les cercles techniques, les adresses web ont été connues sous divers noms : adresse WWW, Universal Document Identifier, Universal Resource Identifiers (RFC 1630), et finalement divisées en Uniform Resource Locators (URL, RFC 1738, RFC 1808) et Uniform Resource Names (URN, RFC 1737), le tout étant des Uniform Resource Identifiers (URI, RFC 2396, RFC 3986). L'abréviation URL est utilisée dans le standard HTML 3.2 est elle est devenue la plus connue et utilisée par les techniciens. La situation est devenue suffisamment confuse pour que le RFC 3305 soit écrit pour clarifier la terminologie.

Diverses francisations ont été proposées par des organismes nationaux. Le Vocabulaire de l'informatique et de l'internet publié au Journal officiel du 16 mars 1999 par la Commission générale de terminologie et de néologie de France a proposé « adresse réticulaire » et « adresse universelle ». Ces deux dénominations ont été rejetées par l'Office québécois de la langue française à cause de leur manque de précision, et elles ne sont pas entrées dans l'usage courant. L'Office québécois de la langue française propose, « adresse URL », « URL », « adresse web » et « adresse W3 ». Il fait remarquer que « adresse web » ne s'utilise généralement que pour les ressources des sites web, alors que l'abréviation URL met l'accent sur l'universalité de ces adresses, qui peuvent identifier des forums Usenet, des sites FTP, etc. Le grand public confond aussi souvent adresse web, adresse électronique et adresse IP. Pour éviter toutes ces ambiguïtés, les professionnels du web utilisent souvent l'abréviation « URL », bien qu'ils fassent en fait référence aux URI.

Le nom original que l'inventeur du web donne aux adresses web est Universal Document Identifier (UDI) . L'été 1992, il propose à l'Internet Engineering Task Force (IETF) de standardiser ces UDI, mais la dénomination « universel » a été écartée car jugée trop « arrogante » pour un projet alors jeune comme le Web. La dénomination Uniform Resource Identifier (URI) est le compromis résultant.

Lors de la standardisation des URI, il était clair qu'en pratique, les adresses web n'identifiaient pas des documents, mais des emplacements de documents. Autrement dit, si un document est déplacé, alors son adresse change. En pratique, lorsqu'une ressource est déplacée, tous les hyperliens qui y mènent sont brisés, ce qui donne l'erreur HTTP 404 sur un serveur HTTP.

Devant cet état de fait, il a été décidé que les adresses web seraient appelées Uniform Resource Locator (URL). L'idée était de standardiser deux sortes d'URI : Les URL seraient les URI qui indiquent « comment » (par quel chemin sur le réseau) accéder à une ressource ; les Uniform Resource Names (URN) seraient les URI qui identifient éternellement les mêmes documents, où qu'ils se trouvent.

Tim Berners-Lee ne cessait cependant pas d'insister pour que, au moins en théorie, les adresses web soient conçues pour être universelles. Il trouvait aussi que l'IETF perdait son temps en discussions, aussi en juin 1994 il publie le RFC 1630, Universal Resource Identifiers in WWW. Ce premier request for comments sur les adresses web est de la catégorie informative. Il décrit simplement la pratique de l'époque, et contient quelques erreurs.

Voir aussi

Articles connexes

• Uniform Resource Identifier (URI)
  • Uniform Resource Locator (URL)
  • Uniform Resource Name (URN)
• Internationalized Resource Identifiers (IRI)
• World Wide Web
• Hyperlien

Liens externes

• Vocabulaire d'Internet - Banque de terminologie du Québec.