Le moniteur à trois couches qui surveille le CMS Webflow de mes clients
Webflow restaure des sites entiers, pas des champs. Après qu’une passe d’IA a tronqué en silence un tiers du blog d’un client, j’ai construit un moniteur à trois couches : des références par champ, des références par page et une archive mensuelle du contenu dans git.
Les sauvegardes de Webflow font bien ce qu’elles font, et ce qu’elles font, c’est restaurer un site entier. Un point de restauration est créé automatiquement à chaque 50e sauvegarde automatique, vous pouvez prévisualiser n’importe lequel d’entre eux, et les forfaits Site payants conservent un historique illimité. Mais l’unité de restauration, c’est le site. Revenir en arrière signifie ramener le site entier à un moment antérieur, et la documentation de Webflow elle-même en liste les effets secondaires : les dates « Published on » (date de publication) des éléments de Collection sont réinitialisées au moment de la restauration, les clés reCAPTCHA doivent être ajoutées à nouveau et la protection contre les bots est désactivée. Il n’existe ni historique par champ, ni retour en arrière par élément.
Cette lacune ne pose aucun problème jusqu’au jour où un seul champ est endommagé, et rien d’autre. Vous l’apprenez alors par un audit, si vous l’apprenez un jour, et vous restaurez à partir de la copie que le monde extérieur a gardée par hasard. Je l’ai appris sur le blog d’un client où un renommage en masse avait régénéré 21 articles au lieu de les modifier, la plupart perdant 30 à 50 % de leur contenu, et ils sont restés en ligne dans cet état pendant près de trois mois. Rien ne semblait cassé : un article tronqué ne génère pas d’erreur, il se termine simplement plus tôt. Voici le système qui en est sorti, avec assez de détails pour que vous construisiez le vôtre.
Couche un : une référence de chaque champ texte
La première couche surveille le CMS lui-même. Un script récupère chaque collection porteuse de contenu via l’API Webflow et enregistre, pour chaque champ texte de plus de 40 caractères, trois choses : son nombre de caractères, son nombre de mots et une empreinte (hash) de son contenu. Le résultat est un fichier JSON par site, indexé par collection et par slug d’élément, commité dans le dépôt git du projet. Ce fichier est la référence.
Un contrôle récupère à nouveau les mêmes collections et les compare à la référence. Il déclenche une alarme dans exactement trois cas : un champ qui a rétréci de plus de 15 % et de plus de 120 caractères, un champ vidé ou supprimé, et un élément qui a disparu. Les hausses, les petites modifications et les nouveaux éléments sont consignés à titre d’information, jamais comme des alarmes. Les deux moitiés de la règle de rétrécissement comptent. Quinze pour cent d’un extrait de 200 caractères, c’est une modification normale ; 15 % d’un article de 6 000 caractères, c’est une section manquante. Exiger à la fois une proportion et une taille absolue garde le contrôle silencieux sur le travail éditorial et bruyant sur la perte.
Avant de m’y fier, j’ai testé le détecteur sur une troncature simulée d’un export réel et confirmé qu’il se déclenchait. Un moniteur qu’on n’a jamais vu sonner est un espoir, pas un contrôle.
Couche deux : ce que reçoivent réellement les visiteurs et les robots d’exploration
Le CMS peut être intact alors que la page ne l’est pas. Une régression de template, un embed perdu, une redirection modifiée à la main, un réglage robots inversé pendant une mise en ligne : rien de tout cela ne touche un champ, et tout cela change ce que reçoit un visiteur ou un robot d’exploration. La deuxième couche n’a donc besoin d’aucune API. Elle récupère chaque URL du sitemap en simple HTTPS, plus une liste configurée de pages publiées mais volontairement en noindex, et établit une référence de ce qu’elle trouve.
Elle déclenche une alarme sur un changement de statut, de canonical ou de robots dans un sens comme dans l’autre, une balise title ou une meta description vidée, un nombre de mots du contenu principal qui s’effondre de plus de 20 % et de plus de 150 mots, un changement du nombre d’éléments h1, des formulaires qui tombent à zéro, un conteneur de gestionnaire de balises qui disparaît, des données structurées qui ne se parsent plus ou disparaissent, et des pages qui manquent à l’appel. Elle tient aussi une courte liste d’invariants : le domaine apex doit rediriger en 301 vers www, une ancienne URL témoin doit toujours atteindre sa redirection générique (wildcard), et sur les sites qui publient un llms.txt, le fichier en ligne doit être identique à l’octet près à la copie du dépôt.
Deux règles sont nées de la mise en place sur cinq sites en une journée. Chaque invariant est vérifié en ligne par une vraie requête (code de statut et en-tête Location) avant d’être écrit dans la configuration : une redirection dont on se souvient d’après un document n’est pas une preuve. Et une redirection générique reçoit une URL témoin comme invariant, car une seule modification dans le panneau des redirections peut faire perdre toute la règle sans que rien d’autre ne s’en aperçoive.
L’invariant llms.txt a un avantage que je n’avais pas prévu. Sur Webflow, ce fichier se modifie dans « Site Settings » (les paramètres du site) et ne se propage qu’à une publication complète, si bien qu’une mise à jour faite côté dépôt et jamais collée dérivait autrefois en silence. Désormais, cette dérive déclenche une alarme hebdomadaire.
Couche trois : la copie à partir de laquelle on restaure
Les deux premières couches vous disent que quelque chose a été perdu. Elles ne peuvent pas vous le rendre : une empreinte prouve qu’un champ a changé, elle ne contient pas le champ. Alors le premier de chaque mois, une troisième tâche récupère le contenu complet des mêmes collections et l’écrit, parsé, dans un répertoire daté du dépôt. Sur les cinq sites, cela représente entre environ 120 kilooctets et 2,4 mégaoctets par mois. Seul le répertoire du nouveau mois est commité. Les mois passés ne sont jamais modifiés ni supprimés. Avant de commiter, la tâche compare le nombre d’éléments avec celui du mois précédent et signale une baisse inexpliquée au lieu de l’archiver.
Lors de l’incident à l’origine de tout cela, 18 des 21 articles endommagés ont pu être reconstruits parce que la Wayback Machine se trouvait les avoir explorés avant les dégâts. Les trois autres, non. Une archive dans git fait de ce qui relevait de la chance une propriété du projet.
Les règles d’exploitation sont la partie difficile
Les scripts ont pris un après-midi. Ce sont les règles qui les entourent qui rendent le système digne de confiance, et chacune a été écrite après que quelque chose a failli mal tourner.
- Le contrôle planifié est en lecture seule. Il tourne chaque semaine, le lundi matin, décalé de quelques minutes d’un client à l’autre. Il n’écrit jamais dans le CMS et ne rafraîchit jamais une référence de lui-même. Il renvoie une seule ligne si tout correspond, ou chaque alarme mot pour mot.
- Un contrôle manuel suit chaque passe de contenu en masse. La cadence hebdomadaire est un plancher, pas le déclencheur. Une passe qui touche 40 éléments est contrôlée le même après-midi, avant que quiconque publie.
- Une référence n’est rafraîchie qu’après vérification en ligne des changements voulus, et jamais par-dessus une alarme inexpliquée. Quand six nouvelles études de cas ont été mises en ligne sur un site, le nombre d’éléments est passé de 73 à 79, le contrôle a signalé la hausse et la référence a été rafraîchie le jour même. C’est le bon ordre : livrer, vérifier, puis déplacer le point de référence. Une alarme que vous ne pouvez pas expliquer fait d’abord l’objet d’une enquête, et l’historique git du fichier de référence sert de base à cette enquête.
- Une nouvelle mise en ligne déclenche des alarmes, volontairement. Quand un site reconstruit remplace le site en ligne, le moniteur de pages se déclenche sur presque chaque URL. Ce n’est pas du bruit à étouffer : c’est le moment de vérifier le plan de redirection, puis de refaire la référence en connaissance de cause. Il en va de même pour une page qui passe de 404 à 200 : une amélioration reste un changement, et la référence doit enregistrer que quelqu’un l’a voulu.
- En cas d’alarme, personne ne publie. Une publication du site livre tout ce qui est en attente, donc publier par-dessus un élément endommagé met les dégâts en ligne. Les sources de récupération sont essayées par ordre de fidélité : d’abord l’historique des références et des archives du dépôt lui-même, puis la Wayback Machine, puis l’aperçu de sauvegarde de Webflow, qui ouvre un Designer en lecture seule à l’état de l’instantané, avec le panneau CMS entièrement consultable. Ouvrir un aperçu est sans risque, et Webflow sauvegarde l’état actuel avant toute restauration, mais le bouton de restauration lui-même remplace tout le site et n’est pas l’outil adapté pour un seul champ.
Ce qu’il a détecté, et ce qu’il ne peut pas détecter
Faisons des comptes honnêtes. Le système tourne sur cinq sites clients depuis fin août, avec de 44 à 321 éléments CMS et de 61 à 269 pages rendues chacun, et les exécutions planifiées sont jusqu’ici revenues propres. Zéro alarme après deux semaines, c’est un petit résultat. C’est aussi le taux de faux positifs, et c’est ce chiffre qui décide si un moniteur survit au contact d’une semaine chargée.
L’angle mort connu est structurel. Une référence capture le site tel qu’il est, défauts compris. Sur un site, deux pages figuraient dans le sitemap de production tout en renvoyant une 404. Elles ont été enregistrées en 404 dans la référence, elles ne déclencheront donc jamais d’alarme ; elles ont été repérées à l’œil au moment de la référence et suivies comme un point ouvert. Un moniteur détecte le changement, pas l’erreur. Le premier instantané doit encore être lu par une personne.
La deuxième limite est le revers de la conception. Les empreintes et les compteurs ne savent pas si un champ plus court est un dégât ou une réécriture délibérée, donc une coupe légitime au-delà des seuils déclenche aussi une alarme. C’est le bon comportement. Le mode de défaillance pour lequel ce système existe, c’est le silence, et une fausse alarme coûte deux minutes d’explication et de rafraîchissement. Une troncature manquée a coûté trois mois.
Rien de tout cela n’exige un service, un budget de tokens ou un tableau de bord. Ce sont quelques centaines de lignes de Python, du simple HTTPS, l’API Webflow pour la couche des champs, et git comme base de données. Si vous gérez des sites Webflow pour des clients et que des outils d’IA interviennent où que ce soit dans votre workflow de contenu, la question n’est pas de savoir si un champ sera un jour régénéré au lieu d’être modifié. C’est de savoir si vous l’apprendrez dans la semaine.
Ce qui manque à votre site
Commencez par un audit gratuit de votre site, vérifié par moi. Ou réservez trente minutes, votre projet à l’écran : vous repartez avec un plan cadré et un chiffre, que nous travaillions ensemble ou non.
