Le protocole HTTP (HyperText Transfer Protocol)

Une enveloppe rose et un cachet de cire, image du protocole HTTP qui fixe les règles de la correspondance entre le navigateur et le serveur

Prérequis

Avant de lire cet article, il est recommandé de savoir ce qu’est le web (WWW) et de connaître les bases du HTML. Le HTTP est le protocole qui transporte ces pages d’un ordinateur à l’autre.

Le HTTP (HyperText Transfer Protocol, ou protocole de transfert hypertexte en français) est le protocole de communication qui permet à un navigateur web et à un serveur d’échanger des informations. Chaque fois que vous ouvrez une page web, votre navigateur envoie une demande en HTTP, et le serveur lui répond, toujours en HTTP.

Pour comprendre ce qu’est un protocole, pensez à une lettre. On n’écrit pas de la même manière à une entreprise et à un ami : une lettre officielle impose un objet, des références, l’adresse complète du destinataire et une formule de politesse, alors qu’une carte à un proche suit des usages plus libres. Dans tous les cas, l’expéditeur et le destinataire connaissent les règles, et c’est ce qui leur permet de se comprendre. Le HTTP est le protocole de correspondance du web : un ensemble de règles que le navigateur et le serveur respectent tous les deux pour rédiger une demande et y répondre.

Qui a inventé le HTTP et pourquoi ?

En mars 1989, Tim Berners-Lee, informaticien au CERN (l’Organisation européenne pour la recherche nucléaire), rédige une note intitulée Information Management: A Proposal. Il y décrit un problème très concret : au CERN, des milliers de chercheurs se succèdent, travaillent sur des machines différentes, et l’information se perd à chaque départ.

Sa solution : un système de documents reliés entre eux par des liens hypertextes. Pour que ce système fonctionne, il faut trois briques : un langage pour écrire les documents (le HTML), une manière de les nommer (les adresses, futures URL) et un protocole pour les transporter d’un ordinateur à l’autre : le HTTP. Le tout premier site web, consacré au projet World Wide Web lui-même, est toujours consultable sur le site du CERN, à l’adresse info.cern.ch.

En 1991, Tim Berners-Lee documente la première version du protocole, connue aujourd’hui sous le nom de HTTP/0.9. Elle était d’une simplicité extrême : une seule méthode (GET), une requête d’une seule ligne, et une réponse qui ne pouvait contenir que du HTML. Il n’existait même pas de code d’erreur : une erreur était simplement une page HTML qui expliquait le problème, et la connexion était fermée dès que le document avait été envoyé.

Comment fonctionne le HTTP ?

Le HTTP repose sur un modèle simple, dit client-serveur ou requête-réponse :

  • Le client, le plus souvent votre navigateur, envoie une requête au serveur ;
  • Le serveur traite la demande ;
  • il renvoie une réponse : la page demandée, une image, un fichier… ou un message d’erreur.

C’est toujours le client qui parle en premier : un serveur HTTP n’attend que d’être interrogé. Une requête indique ce que l’on veut faire (la méthode), sur quelle ressource (l’adresse) et ajoute des informations complémentaires appelées en-têtes. La réponse commence par un code d’état, suivi de ses propres en-têtes, puis du contenu.

Pour reprendre l’image de la lettre :

  • l’adresse du destinataire correspond à l’adresse de la page, l’URL ;
  • l’objet et les mentions (« urgent », « recommandé », l’expéditeur) correspondent aux en-têtes ;
  • la lettre elle-même correspond au contenu : le code HTML de la page, une image, un fichier…

Une différence de taille, toutefois : une lettre peut rester sans réponse, alors qu’une requête HTTP en reçoit toujours une, ne serait-ce qu’un code d’erreur.

Par défaut, les échanges HTTP passent par le port 80 du serveur, réservé dès l’origine aux services du web

En pratique

Voici ce que votre navigateur envoie réellement lorsque vous ouvrez notre article sur la balise html :

GET /la-balise-html/ HTTP/1.1  
Host: www.cotcody.com
User-Agent: Mozilla/5.0
Accept: text/html

Si on traduit en langage humain : Envoie moi le contenu de la page qui se trouve à l’adresse /la-balise-html/ et j’utilise le protocole HTTP version 1.1 pour communiquer avec toi, cette page se trouve sur le site www.cotcody.com.  J’utilise le navigateur Mozilla version 5.0; et je préfère recevoir la réponse en HTML pour l’afficher.


Et voici le début de la réponse du serveur :

HTTP/1.1 200 OK
Content-Type: text/html; charset=UTF-8
Content-Length: 18452

<!DOCTYPE html>
<html lang= »fr-FR »>
…

La première ligne de la réponse contient le code 200 OK : tout s’est bien passé et qu’il a bien trouvé la page recherchée. Les lignes suivantes, les en-têtes, décrivent le contenu envoyé (son type dans ce cas c’est de l’HTML et utilise un encodage en UTF-8, sa taille en octets). Vient ensuite le contenu lui-même : le code HTML de la page, que le navigateur transforme en arbre DOM pour l’afficher.

Quelles sont les méthodes HTTP ?

La méthode, parfois appelée « verbe », indique au serveur l’action souhaitée. Comme pour toute action suivant une demande, il y a l’intention de la demande. Est ce que c’est informatif, Une question qui attend une réponse, Une commande, Une demande de suppression….. La spécification actuelle du HTTP en définit huit :

  • GET : obtenir une ressource (une page, une image…). C’est de loin la plus utilisée ;
  • HEAD : comme GET, mais le serveur ne renvoie que les en-têtes, sans le contenu ;
  • POST : envoyer des données au serveur pour qu’il les traite, par exemple un formulaire de contact ;
  • PUT : créer ou remplacer une ressource à une adresse donnée ;
  • DELETE : supprimer une ressource ;
  • OPTIONS : demander quelles options de communication sont possibles ;
  • CONNECT : établir un tunnel vers un serveur, utilisé notamment par les proxys ;
  • TRACE : renvoyer la requête reçue, pour tester le chemin qu’elle a parcouru.

La méthode joue le rôle de l’objet d’une lettre officielle : « Objet : demande de documentation » correspond à un GET, « Objet : envoi de ma candidature, pièces jointes » à un POST, et « Objet : demande de résiliation » à un DELETE. Le destinataire sait immédiatement ce qu’on attend de lui.

Que signifient les codes 200, 404 ou 500 qu’on retrouve dans les réponses du serveur ?

Chaque réponse commence par un code à trois chiffres. Le premier chiffre indique la grande famille de la réponse :

  • 1xx, information : la requête a été reçue, le traitement continue ;
  • 2xx, succès : par exemple 200 OK, la demande a abouti ;
  • 3xx, redirection : par exemple 301, la ressource a définitivement changé d’adresse ;
  • 4xx, erreur du client : par exemple 404 Not Found, la ressource demandée n’existe pas à cette adresse ;
  • 5xx, erreur du serveur : par exemple 500, le serveur a rencontré un problème en traitant une demande pourtant valide.

C’est l’équivalent des tampons que La Poste appose sur une lettre qui revient : « N’habite pas à l’adresse indiquée » pour un 404, « A déménagé, faire suivre » pour un 301.

Ces codes ne servent pas qu’aux navigateurs : les moteurs de recherche les lisent aussi. Une page qui renvoie trop souvent des 404 ou des 500 est pénalisée pour le référencement (SEO).

Comment un site se souvient-il de moi (panier, connexion) ?

Vous ajoutez un article à votre panier, vous changez de page… et il est toujours là. Pourtant, le HTTP n’a aucune mémoire : chaque requête est traitée seule, comme si le serveur vous voyait pour la première fois. Une fois la réponse envoyée, il vous oublie. C’est pour cela qu’on dit que le HTTP est un protocole sans état (en anglais stateless).

Imaginez une administration qui reçoit des milliers de lettres par jour sans garder de trace des précédentes : à votre deuxième lettre, personne ne sait qui vous êtes ni ce que vous aviez demandé.

La solution, ce sont les cookies. Lors de votre première visite, le serveur remet à votre navigateur une petite étiquette, souvent un simple numéro, comme un numéro de dossier. Ensuite, le navigateur rappelle ce numéro dans chacune de ses requêtes, exactement comme la mention « Référence à rappeler dans toute correspondance » sur un courrier de votre banque. Le serveur retrouve ainsi votre panier ou votre compte à chaque fois.

Les cookies sont définis par l’IETF, l’organisme qui publie les standards d’Internet.

Quelle est la différence entre HTTP et HTTPS ?

Avec le HTTP seul, les échanges circulent en clair : toute personne capable d’intercepter la connexion, sur un Wi-Fi public par exemple, peut lire ou modifier ce qui passe. Le HTTPS (le « S » signifie Secure) n’est pas un autre protocole : c’est le même HTTP, transporté à l’intérieur d’une connexion chiffrée par TLS (Transport Layer Security), le successeur de SSL.

Envoyer une page en HTTP, c’est envoyer une carte postale : toutes les personnes qui la manipulent en chemin peuvent la lire. L’envoyer en HTTPS, c’est la glisser dans une enveloppe scellée, remise à un destinataire dont l’identité a été vérifiée.

Le HTTPS apporte deux garanties : la confidentialité des données échangées et l’authentification du serveur, grâce à un certificat qui prouve que le site est bien celui de l’adresse affichée. Son fonctionnement a été décrit par l’IETF en 2000, et il utilise par défaut le port 443.

Information importante

Le cadenas affiché par le navigateur ne signifie pas qu’un site est honnête : il garantit seulement que la connexion est chiffrée et que vous parlez bien au propriétaire du nom de domaine. Un site frauduleux peut parfaitement utiliser le HTTPS. Il est essentiel de vérifier toujours l’adresse exacte avant de saisir des informations personnelles.

Pourquoi existe-t-il plusieurs versions du HTTP ?

Le HTTP a évolué pour suivre la croissance du web, sous l’égide de l’IETF (Internet Engineering Task Force) :

  • HTTP/0.9 (1991) : la version d’origine, une seule méthode et uniquement du HTML ;
  • HTTP/1.0 (1996) : apparition des en-têtes, des codes d’état et des méthodes HEAD et POST. On peut désormais transférer autre chose que du HTML : images, fichiers… ;
  • HTTP/1.1 (1997) : une même connexion peut servir à plusieurs requêtes, et l’en-tête Host permet d’héberger plusieurs sites sur un même serveur ;
  • HTTP/2 (2015) : les messages passent au format binaire et plusieurs échanges peuvent circuler en même temps sur une seule connexion ;
  • HTTP/3 (2022) : le transport s’appuie sur le protocole QUIC au lieu de TCP, pour des connexions plus rapides, surtout sur mobile.

Contrairement à une idée répandue, ces versions n’ont pas changé le « langage » du HTTP. Depuis 2022, l’IETF sépare clairement la sémantique du protocole (méthodes, codes d’état, en-têtes), commune à toutes les versions, de la manière dont les messages sont transportés. Un GET reste un GET et un 404 reste un 404, que vous utilisiez HTTP/1.1, HTTP/2 ou HTTP/3.

Quelle différence entre le HTTP et une API ?

Les deux notions sont souvent confondues, car elles apparaissent ensemble. Une API (Application Programming Interface) est la liste des services qu’un logiciel met à la disposition d’autres programmes : « donne-moi la météo de Rabat », « enregistre cette commande »… Le HTTP, lui, est la manière de transmettre ces demandes et leurs réponses.

Pour reprendre l’image du courrier : le HTTP correspond aux règles de rédaction et d’envoi d’une lettre, et l’API correspond au service d’une entreprise qui traite votre courrier, avec la liste des demandes qu’il accepte. La plupart des API du web utilisent le HTTP pour communiquer, mais une API n’est pas un protocole, et le HTTP n’est pas une API : on peut utiliser le HTTP sans API, par exemple pour afficher une simple page web.

Le HTTP et le web scraping

Le web scraping repose entièrement sur le HTTP. Un programme de scraping se comporte comme un navigateur : il envoie une requête GET vers une page, reçoit la réponse HTML, puis en extrait les données utiles. Il lit aussi les codes d’état pour savoir si la page existe (200), a déménagé (301) ou a disparu (404).

C’est pour cette raison que l’en-tête User-Agent, qui indique au serveur quel logiciel l’interroge, est si important : de nombreux sites s’en servent pour distinguer les visiteurs humains des programmes automatiques, et parfois pour bloquer ces derniers.

Les dernières publications