Aller au contenu

Bloc B — Du Net au Web⚓︎

Au programme

Internet ≠ Web · les trois piliers · décomposer une URL · le protocole HTTP · lire du HTML · les moteurs de recherche

Séance 2

Internet est le réseau. Le Web est une des choses qu'on fait circuler dessus.

Internet n'est pas le Web⚓︎

C'est la confusion la plus répandue, et elle empêche de comprendre le reste.

Internet Le Web
Ce que c'est un réseau de machines un service qui circule sur ce réseau
Apparu années 1970 1989-1991
Analogie le réseau routier le courrier livré par la route

Ce qui circule sur Internet en dehors du Web

Le courrier électronique, les messageries instantanées, les appels vidéo, les jeux en ligne, les mises à jour de logiciels, les objets connectés.

Le Web n'est qu'un usage parmi d'autres — le plus visible, pas le seul. Internet lui est antérieur d'une vingtaine d'années.

L'invention du Web

Le Web a été conçu à la fin des années 1980 dans un laboratoire de recherche européen, pour permettre à des scientifiques de partager des documents reliés entre eux.

Point décisif : ses spécifications ont été rendues publiques et libres de droits. N'importe qui pouvait créer un navigateur ou un serveur sans demander d'autorisation ni payer.

C'est cette ouverture, plus que la technique, qui explique son adoption mondiale. À rapprocher de ce qu'on disait du format CSV au module Les données : un format ouvert que personne ne contrôle survit à ses créateurs.

Les trois piliers⚓︎

Pilier Rôle Exemple
URL adresser un document https://exemple.fr/page.html
HTTP transporter la demande et la réponse GET /page.html
HTML décrire le contenu du document <h1>Titre</h1>

Une adresse pour dire quoi, un protocole pour dire comment on le demande, un langage pour dire ce que c'est.

Décomposer une URL⚓︎

📋 Texte
https://www.exemple.fr/cours/snt/internet.html?page=2
Partie Rôle
https le protocole — le s signifie sécurisé, la communication est chiffrée
www.exemple.fr le nom de domaine — l'adresse lisible du serveur
/cours/snt/internet.html le chemin — où se trouve le document sur ce serveur
page=2 les paramètres — des informations transmises au serveur

À toi de jouer B.1 ⭐⭐⭐

Écris decouper_url(u) qui renvoie les quatre parties.

Indice : split("://") puis split("/") puis split("?").

Corrigé
🐍 Script Python
def decouper_url(u):
    protocole = u.split("://")[0]
    reste = u.split("://")[1]

    domaine = reste.split("/")[0]
    chemin = "/" + "/".join(reste.split("/")[1:])

    parametres = ""
    if "?" in chemin:
        parametres = chemin.split("?")[1]
        chemin = chemin.split("?")[0]

    return protocole, domaine, chemin, parametres


for partie in decouper_url("https://www.exemple.fr/cours/snt/internet.html?page=2"):
    print("[", partie, "]")
📋 Texte
[ https ]
[ www.exemple.fr ]
[ /cours/snt/internet.html ]
[ page=2 ]

Le piège des paramètres — un rappel du module Les données

Tout ce qui suit le ? est visible : dans l'historique du navigateur, dans les journaux du serveur, et parfois transmis aux sites suivants.

C'est pourquoi une donnée sensible ne doit jamais figurer dans une URL. Un site qui affiche un mot de passe ou un numéro dans la barre d'adresse est mal conçu — et c'est un signal d'alerte immédiat.

Lire un nom de domaine correctement

Le domaine se lit de droite à gauche. Dans www.exemple.fr, c'est exemple.fr qui identifie le propriétaire.

Conséquence pratique, à connaître :

  • banque.fr.exemple.com appartient à exemple.com, pas à une banque.
  • exemple.com/banque.fr appartient aussi à exemple.com.

C'est le fondement de nombreuses tentatives d'escroquerie : une adresse qui contient un nom connu n'appartient pas pour autant à son propriétaire. Le nom qui compte est celui juste avant l'extension.

HTTP : demander et répondre⚓︎

Le client envoie une requête, le serveur renvoie une réponse accompagnée d'un code.

Code Signification
200 tout va bien, voici le document
301 / 302 le document a déménagé, voici sa nouvelle adresse
403 tu n'as pas le droit d'accéder à ce document
404 ce document n'existe pas
500 le serveur a rencontré une erreur de son côté

Retenir la logique des familles

Le premier chiffre donne le sens général : 2xx réussite, 3xx redirection, 4xx erreur du client (ta demande est fautive), 5xx erreur du serveur.

D'où une distinction utile : un 404 signifie que tu t'es trompé d'adresse ; un 500 signifie que le site est en panne. Dans le premier cas, inutile de réessayer.

HTTP et HTTPS

En HTTP simple, tout circule en clair : n'importe quel intermédiaire sur le trajet peut lire ce qui passe — y compris un mot de passe.

En HTTPS, la communication est chiffrée. Un intermédiaire voit qu'une communication a lieu et avec quel serveur, mais pas son contenu.

Ce que le cadenas ne dit pas

Le cadenas garantit que la communication est chiffrée. Il ne garantit absolument pas que le site est honnête.

Un site frauduleux peut parfaitement obtenir un certificat et afficher un cadenas. La vraie vérification porte sur le nom de domaine, pas sur le cadenas.

HTML : décrire un document⚓︎

Le HTML n'est pas un langage de programmation : il ne calcule rien. C'est un langage de description — il dit ce que sont les éléments d'un document.

HTML
<html>
  <body>
    <h1>Cours de SNT</h1>
    <p>Voir <a href="donnees.html">les données</a> et
       <a href="images.html">les images</a>.</p>
  </body>
</html>
Balise Signifie
<html> le document entier
<body> la partie visible
<h1> un titre de premier niveau
<p> un paragraphe
<a href="..."> un lien vers un autre document

La structure en balises

Chaque élément est encadré par une balise ouvrante <p> et une balise fermante </p>. Les éléments s'imbriquent les uns dans les autres.

Cette structure imbriquée rappelle le JSON du module Les données : deux formats différents, une même idée d'emboîtement.

À toi de jouer B.2 ⭐⭐⭐ — Extraire les liens

Écris liens(html) qui renvoie la liste des adresses pointées par les balises <a href="...">.

Indice : découper sur href=", puis sur le guillemet suivant.

Corrigé
🐍 Script Python
page = '''<html><body>
<h1>Cours de SNT</h1>
<p>Voir <a href="donnees.html">les donnees</a> et
   <a href="images.html">les images</a>.</p>
</body></html>'''


def liens(html):
    resultat = []
    morceaux = html.split('href="')
    for morceau in morceaux[1:]:
        resultat.append(morceau.split('"')[0])
    return resultat


print(liens(page))
📋 Texte
['donnees.html', 'images.html']

Pourquoi morceaux[1:]

Le premier morceau est ce qui précède le premier href=" — il ne contient aucun lien. On le saute avec le slicing de M0.

Ce que tu viens d'écrire

Un extracteur de liens. C'est la brique de base d'un robot d'indexation : partir d'une page, en extraire les liens, visiter chaque lien, recommencer.

C'est ainsi qu'un moteur de recherche découvre le Web.

Comment un moteur de recherche fonctionne⚓︎

En trois étapes :

1. L'exploration

Des programmes automatiques — des robots — parcourent le Web de lien en lien, exactement comme ta fonction liens(). Ils découvrent ainsi de nouvelles pages en continu.

2. L'indexation

Le contenu de chaque page est analysé et rangé dans un index : pour chaque mot, la liste des pages où il apparaît. C'est ce qui rend la recherche instantanée — on ne fouille pas le Web au moment de la requête, on consulte un index préparé à l'avance.

3. Le classement

Des milliers de pages contiennent le mot cherché. Il faut les ordonner. Les critères historiques incluent le nombre de liens pointant vers une page, la qualité perçue du site, la localisation de l'utilisateur, son historique.

L'étape 3 est la même question qu'au module précédent

Ordonner des résultats, c'est optimiser un critère choisi. Exactement comme le fil d'actualité que tu as trié de deux façons opposées.

Trois conséquences directes :

  • Le premier résultat n'est pas « le meilleur » — c'est celui qui maximise le critère du moteur.
  • Des entreprises entières travaillent à remonter dans ce classement : c'est le référencement.
  • Deux personnes cherchant la même chose au même moment n'obtiennent pas les mêmes résultats.

Ce qu'il faut en tirer pour vérifier une information

« Je l'ai vu en premier sur un moteur de recherche » n'est pas un argument. La position d'un résultat dit quelque chose sur son adéquation au critère de classement, rien sur sa véracité.

C'est le même réflexe que pour le fil d'actualité : remonter à la source plutôt que se fier à l'ordre d'affichage.

Auto-évaluation⚓︎

Teste tes connaissances

  1. Quelle différence entre Internet et le Web ?
  2. Dans https://banque.fr.exemple.com, à qui appartient le site ?
  3. Que signifie un code 404 ? Et un code 500 ?
  4. Le cadenas HTTPS garantit-il qu'un site est honnête ?
  5. Pourquoi ne jamais mettre de donnée sensible dans une URL ?
  6. Pourquoi le premier résultat d'un moteur n'est-il pas forcément le meilleur ?
Réponses
  1. Internet est le réseau de machines ; le Web est un service qui circule dessus, apparu une vingtaine d'années plus tard. Courriel, messageries et jeux en ligne circulent aussi sur Internet sans être le Web.
  2. À exemple.com. Le nom qui compte est celui juste avant l'extension ; on lit de droite à gauche.
  3. 404 : le document n'existe pas — erreur du client, inutile de réessayer. 500 : le serveur est en panne — erreur du serveur, réessayer plus tard a du sens.
  4. Non. Il garantit seulement que la communication est chiffrée. Un site frauduleux peut afficher un cadenas. Ce qu'il faut vérifier, c'est le nom de domaine.
  5. Parce que les paramètres après le ? sont visibles : historique du navigateur, journaux du serveur, parfois transmis aux sites suivants.
  6. Parce que le classement optimise un critère choisi par le moteur — comme le fil d'actualité du module précédent. La position ne dit rien de la véracité.

Ce qu'il faut retenir⚓︎

L'essentiel du bloc B

  • Internet est le réseau, le Web un service qui circule dessus.
  • Le Web repose sur trois piliers : URL, HTTP, HTML.
  • Un nom de domaine se lit de droite à gauche : c'est le nom juste avant l'extension qui identifie le propriétaire.
  • Le cadenas HTTPS garantit le chiffrement, pas l'honnêteté du site.
  • Le HTML décrit, il ne calcule pas.
  • Un moteur de recherche explore, indexe, classe — et le classement optimise un critère, comme le fil d'actualité.