Web scraping
Cet article ne cite pas suffisamment ses sources ().
Si vous disposez d'ouvrages ou d'articles de référence ou si vous connaissez des sites web de qualité traitant du thème abordé ici, merci de compléter l'article en donnant les références utiles à sa vérifiabilité et en les liant à la section « Notes et références ».
En pratique : Quelles sources sont attendues ? Comment ajouter mes sources ?
Le web scraping (parfois appelé harvesting) est une technique d'extraction du contenu de sites Web, via un script ou un programme, dans le but de le transformer pour permettre son utilisation dans un autre contexte, par exemple le référencement[1].
Légalité
Aux États-Unis
Aux États-Unis, la société hiQ Labs utilise le web scraping sur les données de LinkedIn à des fins de recrutement. À la suite d'un procès, la Cour d'appel des États-Unis pour le neuvième circuit donne raison à hiQ en : la cour considère notamment que les utilisateurs conservent la propriété de leurs profils, et que les données étant librement diffusées sur Internet, elles peuvent être collectées[2]. L'affaire est ensuite portée devant la Cour suprême[3].
En Europe
Dans un jugement de 2013, la cour de justice de l'Union européenne a condamné le métamoteur de recherche Innoweb, qui réutilisait les données de l'entreprise de vente d'automobiles Wegener sans aucune modification de celles-ci[4].
En France
Le , la CNIL a publié de nouvelles directives sur le web scraping[5]. Les lignes directrices de la CNIL précisent que les données accessibles au public sont toujours des données personnelles et qu'elles ne peuvent pas être réutilisées à l'insu de la personne à laquelle ces données appartiennent[6].
En décembre 2021, une start-up de la Station F est condamnée pour piratage informatique. À l'aide d'une technique de web scraping, elle a récolté des données de l'annuaire d'une école de commerce parisienne, afin de solliciter les anciens élèves de l'établissement en vue d'alimenter un financement participatif[7] La condamnation porte sur la méthode d'accès à la donnée, c'est-à-dire une usurpation d'identité permettant un « accès frauduleux à un système de traitement automatisé de données », et non le web scraping lui-même.
Applications utilisant le Web scraping
- Mozilla Firefox en mode headless avec Selenium
- Google Chrome avec puppeteer (Node.js)
- OutWit Hub
- PhantomJS (développement à l'arrêt) et CasperJS, un framework permettant le scraping
- weboob
- QuickCode (en) (ScraperWiki)
- Beautiful Soup avec Python
Notes et références
- Régis Micheli et Jean-Noël Anderruthy, Le Référencement Publicitaire avec Google AdWords : Astuces, conseils : toutes les techniques d'experts certifiés., (lire en ligne)
- Clément Bohic, « LinkedIn échoue à faire restreindre la collecte de données en ligne », sur silicon.fr, (consulté le ).
- (en) Wendy Davis, « Supreme Court Asks hiQ To Respond In Battle Over Data Scraping », (consulté le ).
- Arnaud Touati et Christina Salassidis, « Le web scraping, une technique d’extraction légale ? », sur actualité du droit, (consulté le ).
- « La réutilisation des données publiquement accessibles en ligne à des fins de démarchage commercial », sur Commission nationale de l'informatique et des libertés, .
- (en) « Legal Web Scraping for Legal Purposes », sur finddatalab.com, .
- Gabriel Thierry, « Une start-up de la Station F condamnée après un scraping sauvage », sur ZDNet, .
Voir aussi
Articles connexes
