L’importation de logs est l’opération technique qui consiste à collecter les journaux d’un serveur web, à les transférer puis à les charger dans un outil d’analyse, afin d’en exploiter les requêtes, notamment celles des robots.
Un serveur web consigne chaque requête reçue sur une ligne d’un fichier log. Au format dit combiné, courant sur les serveurs web, cette ligne contient l’adresse IP du client, la date et l’heure, la requête, le code de réponse, la taille de la réponse, la page d’origine et le user agent. L’importation transforme ces fichiers bruts en données structurées. Elle comprend la récupération des fichiers, leur décompression, la lecture de chaque ligne selon le format déclaré, l’harmonisation des dates et des fuseaux horaires, puis le chargement dans une base ou un outil.
Elle se pratique de deux façons. L’import ponctuel charge un historique de plusieurs semaines pour un audit. L’import continu transmet les journaux chaque jour, ou au fil de l’eau, pour un suivi permanent. Dans les deux cas, il faut réunir les journaux de tous les serveurs qui répondent pour le site, y compris ceux d’un réseau de diffusion de contenu placé devant eux, puis écarter les lignes sans intérêt.
L’importation se distingue de l’analyse de logs SEO, qui interprète les données une fois chargées. Elle se distingue aussi de la mesure d’audience par marqueur, qui repose sur un script exécuté par le navigateur et ne voit pas les robots qui ne l’exécutent pas. Elle mobilise le SEO technique, l’hébergeur et, parce que les journaux contiennent des adresses IP, la personne chargée de la protection des données personnelles.
Une analyse de logs ne vaut que par les fichiers importés. Les erreurs commises à cette étape ne se voient pas dans les graphiques : elles faussent les conclusions sans déclencher d’alerte. Notre conviction : mieux vaut valider l’import sur quelques jours de données que d’analyser des mois de journaux incomplets.
Deux pièges reviennent souvent. La documentation du serveur Apache rappelle que l’adresse enregistrée est celle du mandataire lorsqu’un intermédiaire s’intercale entre le client et le serveur. Derrière un réseau de diffusion de contenu ou un répartiteur de charge, les journaux du serveur d’origine peuvent donc afficher les adresses de ces intermédiaires. Les requêtes servies par le cache de l’intermédiaire n’y figurent pas du tout. Second piège : le format dit commun, décrit par la même documentation, ne comporte ni la page d’origine ni le user agent. On ne peut alors repérer les robots que par leur adresse IP, sans distinguer les différents robots d’un même moteur.
Dans son arrêt Breyer du 19 octobre 2016 (affaire C-582/14), la Cour de justice de l’Union européenne a jugé qu’une adresse IP dynamique enregistrée par un éditeur de services en ligne constitue une donnée personnelle pour lui, dès lors qu’il dispose de moyens légaux de faire identifier la personne grâce aux informations du fournisseur d’accès. L’arrêt a été rendu sous la directive de 1995. Nous recommandons de traiter l’import comme un traitement soumis au RGPD : finalité définie, conservation limitée, accès restreints, contrat avec le prestataire qui héberge l’outil. Ces règles se fixent avant le premier transfert avec le délégué à la protection des données, s’il a été désigné, ou à défaut avec la personne chargée de la conformité.
Ce sont des repères de contrôle que nous proposons, sans seuil universel.
Advalians coordonne vos ressources internes et externes sur vos projets, avec un pilotage des plans d’action, un suivi budgétaire et un reporting régulier.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
L’importation prépare les données, l’analyse les interprète. Importer consiste à récupérer les fichiers du serveur, à lire chaque ligne selon son format et à charger le résultat dans un outil. Analyser consiste ensuite à isoler les robots, à regrouper leurs passages par type de page et à en tirer des priorités.
Les deux étapes sont souvent confiées à des personnes différentes : l’hébergeur ou l’équipe technique pour la première, le responsable SEO pour la seconde. Prévoyez un point de validation commun sur un échantillon de quelques jours.
Adressez une demande écrite qui précise le périmètre et le format. Demandez les journaux d’accès, pas seulement les journaux d’erreurs, pour tous les serveurs du site et pour l’éventuel réseau de diffusion de contenu. Indiquez la période voulue, par exemple plusieurs semaines pour un audit. Vérifiez que chaque ligne comporte la date, l’URL, le code de réponse et le user agent.
Convenez d’un mode de transfert sécurisé et d’une date de suppression des copies. Sur un hébergement mutualisé, l’accès aux journaux peut être limité : vérifiez-le avant de lancer l’audit.
Comparez les volumes à la source et à l’arrivée. Comptez les lignes de chaque fichier avant transfert, puis les lignes chargées dans l’outil, jour par jour et serveur par serveur. Un écart signale des lignes rejetées ou un fichier manquant.
Contrôlez ensuite la cohérence : aucune journée vide, aucun décalage horaire entre serveurs, présence des codes de réponse attendus. Vérifiez enfin, par une recherche DNS inverse puis directe, qu’un échantillon de requêtes se déclarant comme robots d’indexation provient bien des moteurs concernés.
Le risque principal tient aux adresses IP des visiteurs, qui peuvent constituer des données personnelles. Transférer des journaux bruts vers un outil tiers revient alors à confier un traitement à un prestataire, qui agit comme sous-traitant.
Vérifiez le contrat de ce prestataire, le lieu d’hébergement des données et la durée de conservation. Réduisez l’exposition à la source : écartez les lignes inutiles, tronquez ou pseudonymisez les adresses des visiteurs humains et limitez les accès à l’outil. Documentez ces choix avec le délégué à la protection des données, s’il a été désigné.
Choisissez selon la fréquence des décisions que les logs doivent éclairer. Un import ponctuel de quelques semaines suffit pour un audit, un site de taille modeste ou l’examen d’un problème précis. Un import continu se justifie pour un site volumineux qui publie ou modifie beaucoup de pages, et pendant une migration, où il faut suivre les robots jour après jour.
Renoncez au continu si personne n’est chargé de lire les données chaque semaine : la chaîne coûterait sans éclairer aucune décision.
