Aller au contenu

TP – Lire une semaine de journal d'accès

BTS SIO SISR 2e année – Bloc 1 – S13 – binôme

Note

But. Tu analyses une semaine de journal du portail (fictive), tu sépares visiteurs, robots et scanners, tu en tires des indicateurs, tu choisis une méthode de mesure et tu audites le référencement.

Durée : 2 h 50 (parties A à E), plus le bilan. Prérequis : cours S13 lu. Fichiers : access.log, robots.txt, sitemap.xml. Outils : awk, sort, uniq, grep, xmllint.

Note

Comment ce TP fonctionne. Avant chaque manipulation, tu écris ce que tu anticipes (« J'anticipe »). Puis tu confrontes avec les éléments de réponse.

Binôme : ____________ / ____________

Contraintes

  • Pour chaque réponse chiffrée, note la commande utilisée.
  • Le journal est synthétique. Dans un cas réel, il contient des données personnelles (adresses IP) : accès restreint, durée de conservation fixée (S12).

Partie A – Vue d'ensemble (≈ 30 min)

  1. Combien de requêtes contient le journal ? (wc -l) ______
  2. Combien d'adresses IP distinctes ? (awk '{print $1}' access.log | sort -u | wc -l) ______
  3. Répartition par classe de code (2xx, 3xx, 4xx, 5xx) : awk '{print substr($9,1,1)}' access.log | sort | uniq -c. ______
  4. Volume total envoyé (champ 10) et volume moyen par requête. ______

J'anticipe. Quelle classe de code sera la plus fréquente ? Et la 3xx : que représentent ces réponses ? ______________________

Éléments de réponse

À repérer : une majorité de 2xx, beaucoup de 3xx qui correspondent à des réponses « non modifié » (le cache du navigateur fonctionne), et quelques 5xx à examiner.

Partie B – Séparer visiteurs, robots et scanners (≈ 35 min)

  1. Repère le robot : quelle adresse, quel user-agent, combien de lignes ? (grep -c Robot-Exemple access.log)
  2. Repère les scanners : quelles adresses n'obtiennent que des 404 sur des pages d'administration classiques ? Combien de requêtes chacune ?
  3. Combien de visiteurs (adresses distinctes) reste-t-il une fois robot et scanners retirés ?
  4. Visiteurs par jour (adresses distinctes par date, robot et scanners exclus). Commande à construire : extraire la date (champ 4 découpé sur :), la combiner à l'adresse, éliminer les doublons, compter par date.
  5. Additionne les visiteurs quotidiens. Obtiens-tu le même nombre qu'à la question 3 ? Explique la différence.

J'anticipe. La somme des visiteurs quotidiens sera-t-elle supérieure, égale ou inférieure au nombre de visiteurs distincts de la semaine ? ______

Éléments de réponse

La somme des visiteurs quotidiens est supérieure au nombre de visiteurs distincts, car des visiteurs reviennent plusieurs jours.

Partie C – Que font les visiteurs ? (≈ 30 min)

Exclus robot et scanners.

  1. Quelles sont les cinq pages les plus consultées (réponses 200, méthode GET, sans les fichiers .css et .js, sans les paramètres après ?) ?
  2. À quelle heure le trafic est-il le plus élevé ? Quelles hypothèses avance-t-on sur les usages ?
  3. Les réservations : sur les requêtes POST /reserver.php, combien de 200, 400, 409 et 500 ? Quel est le taux de réussite ? Que signifient les 409, et que proposerais-tu à la secrétaire générale ?
  4. Les deux 500 : que fais-tu en premier ?

J'anticipe. Quel taux de réussite attends-tu pour les réservations ? ______

Éléments de réponse

À contrôler : filtres corrects, taux calculé sur le total des POST, 409 interprétés comme des conflits de créneau (donc un besoin d'afficher les créneaux libres avant de saisir), 500 traités en consultant le journal d'erreurs.

Partie D – Mesurer l'audience : quelle méthode ? (≈ 25 min)

La direction demande un « tableau de bord de fréquentation » pour le conseil municipal. Trois propositions :

  1. Analyse mensuelle des journaux du serveur.
  2. Script d'un service de mesure américain à intégrer sur toutes les pages (suivi entre sites, recoupement avec d'autres données du fournisseur).
  3. Outil libre installé sur le serveur de la commune, configuré sans recoupement ni transmission.

Pour chaque proposition : un traceur est-il déposé ? Le consentement est-il requis ? Quels risques ? Laquelle recommandes-tu et pourquoi ? Appuie-toi sur le cours et indique ce que tu vérifierais sur cnil.fr.

Partie E – Référencement (≈ 30 min)

La page contact.html a l'en-tête suivant :

<head>
  <meta charset="utf-8">
  <title>Page</title>
</head>

Son contenu comporte deux h1, aucune description, et un lien « cliquez ici » vers les horaires.

  1. Écris un titre et une description adaptés (respecte les ordres de grandeur du cours).
  2. Corrige la structure des titres et l'intitulé du lien.
  3. Examine robots.txt et sitemap.xml : à quoi servent les lignes ? Valide le plan de site avec xmllint --noout sitemap.xml. Couvre-t-il toutes les pages publiques du portail ? Pourquoi les pages de réservation sont-elles exclues de l'exploration ?
  4. Le journal montre 159 requêtes en 404 pour /favicon.ico. Que fais-tu ?

Rendu

Compte rendu PDF, nommé RENDU-B1A2-S13-NOM.pdf : commandes et résultats A à C, décision D, propositions E. Aucune donnée réelle.

Retour en entreprise (si ta situation le permet)

Demande à ton tuteur comment l'entreprise mesure la fréquentation de son site, si un outil tiers est employé et si un bandeau de consentement est affiché. Compare avec le cours. Anonymise tout document.

Bilan de la séance

Remplis ce bilan seul, honnêtement : il sert à décider ce qu'il faut reprendre. Niveau : Non maîtrisé, Maîtrise partielle, Bonne maîtrise ou Excellente maîtrise (le vocabulaire des grilles nationales d'évaluation), ou Non évalué.

Compétence du référentiel Ce que j'ai fait dans cette séance Niveau
B1.3 – Développer la présence en ligne de l'organisation

Note

Les codes sont ceux du référentiel.

Je sais faire, sans aide :

  • Extraire des indicateurs d'un journal avec awk
  • Séparer visiteurs, robots et scanners
  • Interpréter les codes de réponse
  • Choisir une mesure d'audience compatible avec les règles
  • Auditer titre, description et titres d'une page
  • Contrôler robots.txt et sitemap.xml

Ce que je dois reprendre : ______________________

Ma question à poser à l'enseignant : ______________________