Les robots d'Oraclia SAS
Page d'information référencée dans les deux User-Agents de RAG-PF, l'assistant juridique de la Polynésie française. Dernière mise à jour : 30 septembre 2026.
Identification : deux User-Agents, un par mode
- Consultation, un accès initié par un usager, au service d'une question :
oraclia-rag-consultation/<version> (acces initie par un usager; contact: tma@oraclia.ai). - Indexation, un robot planifié, jamais déclenché par une question :
oraclia-rag-robot/<version> (+https://oraclia-rag.iaora.tech/robots-info; contact: tma@oraclia.ai).
Toute requête porte aussi l'en-tête From: tma@oraclia.ai. Les deux noms sont distincts dans un fichier robots.txt : User-agent: oraclia-rag-robot ferme l'indexation sans fermer la consultation d'un usager, et User-agent: oraclia-rag-consultation l'inverse. La phrase « accès initié par un usager » est écrite sans accents dans l'en-tête, parce qu'un en-tête HTTP n'admet que l'ASCII. Jusqu'au 30 septembre 2026, les deux modes partageaient une seule chaîne, oraclia-rag/<version>, qui n'est plus émise.
Adresse IP source : 5.135.141.120 (serveur unique, OVH France).
Contact : tma@oraclia.ai — toute demande de limitation ou de blocage est appliquée sous 48 h.
Deux modes strictement séparés
- La consultation, à la question. Elle ne lit que les documents qu'une question précise, posée par un utilisateur identifié, rend nécessaires : au plus 8 documents par question (une fiche de texte, un article ou un fichier), et au plus 2 recherches internes du site (moteur, liste d'un sujet, carte des sujets), comptés avant toute requête ; le 9e document n'est jamais demandé. Elle suit au plus un lien depuis un document désigné, sauf pour remonter la vie d'un texte (modifié par, abrogé par) ; elle s'arrête au bout de trois minutes ; elle n'explore pas les sites, ne suit pas les paginations, n'itère pas sur des identifiants. Pour Lexpol, une question lit en outre au plus 20 pages, et l'ensemble des questions au plus 400 pages par jour (150 par jour pour les autres sites du Pays). Quand une page est refusée, par ce budget ou par le
robots.txt, rien n'est contourné : le service donne à l'usager la source et le lien, pour qu'il la consulte lui-même. Les textes qui ont servi une réponse sont conservés, rattachés à cette réponse, comme un praticien garde au dossier l'article qu'il a imprimé, et ne sont réemployés qu'après vérification auprès du site qu'ils n'ont pas changé. Rien de ce qu'une question lit n'entre dans l'index : un texte utile est seulement proposé à l'indexation, et le robot ne traitera cette proposition que plus tard, si la politique de la source l'autorise. - L'indexation, par le robot. Elle est lancée par planification, jamais par une question. Elle respecte le
robots.txtet les conditions d'utilisation de chaque site. Elle n'émet aucune requête vers une source dont nous avons relevé que la politique interdit l'indexation (aujourd'hui : la CPS, la Direction du travail, les douanes, l'ISPF). Elle ne relit jamais une page lue pour une question : les deux modes ont des caches séparés, et le robot n'ouvre jamais les textes conservés pour une réponse. Pour Lexpol, la campagne de lecture de fond (finalité documentaire et non commerciale), commencée le 26 septembre 2026, est suspendue depuis le 28 septembre 2026 : un fichier d'autorisation manque, un coupe-circuit reste ouvert, et elle ne reprendra qu'après la réponse du secrétariat général du gouvernement. Quand elle reprendra, elle ne parcourra plus le site. Elle ne lira que des textes déjà identifiés, inscrits dans sa file, et ceux que les questions auront proposés. Pour chaque texte, elle lit la fiche puis le document. Elle lit une page à la fois, au plus une toutes les 12 secondes comptées depuis la fin de la précédente, la nuit seulement (de 20 h à 5 h, heure de Papeete), et jamais deux requêtes en même temps. Elle a sa propre identité (ingest-…) et son propre plafond journalier (3 000 pages, 500 le premier jour de toute reprise), qui ne touche pas à celui des questions. Après cinq échecs de connexion consécutifs, plus aucune requête ne part pendant une heure au moins, puis deux, quatre… et la lecture ne reprend qu'après une sonderobots.txtréussie. Les mesures à caractère nominatif et les actes individuels nominatifs ne sont ni lus ni conservés. Les textes lus sont indexés pour répondre aux questions, avec la mention d'origine du site et le lien vers la page. Ils ne sont ni rediffusés ni proposés au téléchargement. Une convention de réutilisation est demandée au secrétariat général du gouvernement.
Rythme et respect du site
- Au plus une requête toutes les 3 secondes par site, comptées depuis la fin de la précédente ; une seule connexion à la fois. Les questions des usagers passent avant la campagne.
- Respect de
robots.txt(relu chaque jour), des codes 429/503 et de l'en-têteRetry-After; aucun contournement (captcha, changement d'adresse, sessions multiples). Une exception, déclarée : sur Lexpol, le script de localisation des textes (/statique/liste_textes_v35.js) est lu et conservé en cache 24 heures, pour localiser les textes d'un sujet comme le ferait un navigateur ouvrant une page de thématique ; chaque lecture figure au journal d'accès sous son URL exacte. - Cache court (24 heures pour une page, 7 jours pour un PDF de journal officiel) : pendant ce temps une page déjà lue n'est pas redemandée, et deux recherches simultanées sur la même page n'en demandent qu'une. Ce cache est séparé par mode : une page lue pour une question n'est jamais reprise par le robot. Une page que le site a servie dégradée n'est pas redemandée pendant dix minutes. Aucune indexation des contenus consultés à la demande.
- Chaque extrait cité porte l'adresse de la page et la mention d'origine exigée par l'éditeur.
Journal des consultations
Chaque requête (adresse, horodatage, statut, volume, identité, mode : robot ou consultation) est journalisée pendant 12 mois et peut être communiquée à l'éditeur du site sur simple demande ; aucune requête ne part si la ligne de journal ne peut pas être écrite. Pour une consultation, le journal dit aussi ce que la lecture a coûté au budget de la question (document ou recherche) et ce qu'il en restait. Le journal distingue les lectures liées à une question, les vérifications qu'un texte conservé n'a pas changé, les consultations de recette de nos propres tests (identifiées comme telles, et bornées à 120 des 400 pages quotidiennes : une recette ne ferme jamais le site aux utilisateurs) et, pour Lexpol, les pages de la campagne de lecture de fond (mode robot, finalité ingest, identité ingest-…).