L’Institut de recherche sur le numérique travaille depuis 18 mois sur le projet « Software Heritage »,visant à collecter, organiser et rendre accessibles les codes sources de tous les logiciels disponibles publiquement.

Pendant un an et demi, les équipes de l’Institut national de recherche en informatique et en automatique (Inria) ont travaillé pour créer les bases d’un projet ambitieux baptisé Software Heritage.

2,5 milliards de fichiers sources uniques ont déjà été archivés.

Pour aller plus loin, Inria entend créer un réseau de partenaires.

Pour le PDG de l’INRIA, « Le logiciel est partout, dans toutes les activités économiques, industrielles, individuelles et associatives. Les logiciels forment un patrimoine extraordinaire qu’il faut préserver »

Un catalogue unique recensant  l’ensemble du code source disponible

Le projet est actuellement mené par un petit groupe de chercheurs, piloté par Roberto Di Cosmo, professeur à l’université Paris Diderot.

Celui-ci explique que le cœur de cette initiative consiste à prendre soin du code source des logiciels libres, « qui contient la vraie connaissance».

« Désormais, toute l’industrie adopte l’approche open source afin d’accélérer les développements. La plupart des start-up qui se créent, se développent en rajoutant seulement une petite touche au patrimoine logiciel déjà existant ».

« Il n’existe pas de catalogue qui recense tous les logiciels. Il faudrait qu’il y ait un seul endroit pour trouver tout le code source disponible et être sûr qu’il sera là dans deux mois, dans 2 ans ou dans 20 ans pour faciliter la vie des développeurs » a déclare Roberto Di Cosmo.  

2,5 milliards de fichiers sources uniques déjà archivés

Software Heritage a pour but de collecter tous les codes sources publiquement disponibles, d’organiser et de structurer ces données, de les préserver  et de les partager.

« L’objectif est de préserver le code ancien, mais aussi de construire une architecture qui trace tous les développements fait par les développeurs de la planète pour améliorer les codes aujourd’hui et avoir une informatique meilleure demain »  précise encore Roberto Di Cosmo.

En 18 mois, l’équipe de chercheurs  est déjà parvenue à récupérer et intégrer dans ses archives 21 millions de projets logiciels, 500 millions de comits (les modifications effectuées par un développeur dans un logiciel) et 2,5 milliards de fichiers sources uniques.

Selon le chercheur, cela représente 20% de ce qui existe. Il resterait donc à collecter les 80% qui subsistent !

Créer un réseau de partenaires

L’institut vient de lancer un appel à contributions auprès des chercheurs, développeurs, archivistes et industriels pour retrouver le reste du code source disponible et développer l’infrastructure nécessaire à l’hébergement de ces données.

-         Microsoft est le premier partenaire industriel à rejoindre cette initiative.

« Nous allons héberger gratuitement le premier miroir sur notre plate-forme Azure » a indiqué Frédéric Aatz, responsable de la stratégie open source en France de Microsoft.

 «Nous serons également les premiers consommateurs de cette plate-forme » a ajouté Frédéric Aatz.

En créant les fondations de ce "Wikipédia" du logiciel, l’Inria espère qu’une galaxie de partenaires participera au développement de différentes applications dans l’industrie, la recherche (reproductibilité scientifique, études logicielles avancées sur des données massives) et l’éducation (compilation structurée d’exemples de codes sources).

« L’objectif est de faire de Software Heritage un instrument mondial en développant des partenariats avec des organisations à travers le monde afin que ce ne soit plus à l’Inria de le porter » indique le PDG de L’INRIA, Antoine Petit « en ne souhaitant  garder qu’ une toute petite place dans la cabine de pilotage » ajoute Roberto Di Cosmo.