Guardar os dados é fácil, difícil é continuar a poder lê-los: o problema da preservação digital numa época que regista mais de si do que nunca.
Ouve o artigo:
No arquipélago norueguês de Svalbard, uma antiga mina de carvão passou de extrair carvão a guardar dados. Lá dentro, sob a montanha e em frio permanente, estão rolos de película fotossensível. Parte do que ficou gravado são dados codificados, que só uma máquina lê. A outra parte são instruções, legíveis por pessoas e gravadas na própria película, que explicam como recuperar o resto.
Quem montou o cofre de preservação digital contou com a hipótese de que, dentro de alguns séculos, já ninguém tenha a tecnologia para abrir aqueles ficheiros, e deixou lá, por escrito, o modo de a reconstruir.
Índice
Nunca uma civilização deixou tanto registo de si, e grande parte desse registo é mais frágil do que parece. O risco maior está em perder a capacidade de ler o que se guardou, mesmo com os dados intactos.
Guardar os bits, as sequências de zeros e uns em que tudo se traduz, é apenas uma parte do trabalho. A outra é conservar a capacidade de os interpretar. Vint Cerf, um dos engenheiros que desenharam os protocolos em que a internet assenta, resumiu-o numa entrevista em 2015, numa pergunta de cinco palavras: “What do the bits mean?”, o que significam os bits. Sem resposta, dizia, o século XXI corria o risco de se tornar um vazio de informação utilizável.
O papel atravessa um quarto de milénio numa gaveta; um ficheiro guardado há vinte anos pode já não abrir.
Um ficheiro não se abre sozinho. Precisa de um programa que o leia, de um sistema operativo que corra esse programa, e de uma máquina que execute o sistema. Partido um elo dessa corrente, o ficheiro deixa de abrir. Fica intacto e inacessível ao mesmo tempo.
Os formatos que emudeceram
A disquete, durante décadas o gesto físico de guardar um ficheiro, quase desapareceu das máquinas atuais, e sobrevive sobretudo como ícone: em muitos programas, o desenho que significa gravar é ainda a imagem de um objeto que boa parte dos utilizadores mais novos nunca teve na mão. O CD-ROM saiu dos computadores recentes, e com ele as enciclopédias e os jogos que vinham prensados em disco. Antes deles tinham saído de uso a cassete e a microficha.
A obsolescência apanha também os formatos de ficheiro, que deixam de funcionar quando o programa que os abria desaparece: documentos escritos em formatos como o ClarisWorks ou o WordStar ficaram difíceis de abrir depois de esses programas terem sido descontinuados.
O mesmo acontece fora dos grandes arquivos, dentro de casa. Fotografias presas num telemóvel que avariou e nunca foi copiado. E-mails numa conta de um serviço que encerrou. Trabalhos de escola num formato que o computador seguinte já não reconhece. Conversas numa aplicação de mensagens entretanto extinta. São perdas pequenas e privadas, de alcance sobretudo pessoal, e quase todas passam despercebidas até ao dia em que se tenta abrir o ficheiro e não se consegue.
O caso mais conhecido é britânico. Em 1986, para assinalar os 900 anos do Domesday Book original, o cadastro que o poder normando mandou levantar de Inglaterra no século XI, a BBC juntou a Acorn Computers, a Philips e a Logica, com financiamento do programa ESPRIT da Comissão Europeia, e lançou o Domesday Project. Foi um retrato do país feito por mais de um milhão de pessoas, muitas delas crianças de milhares de escolas, que descreveram a geografia, a história e o quotidiano das suas localidades, acompanhados de fotografias, mapas e vídeo.
Tudo foi gravado em LaserDisc, num formato chamado LV-ROM, que só um computador Acorn BBC Master, ligado a um leitor específico da Philips, conseguia ler.
Por volta de 2002, esses leitores tinham-se tornado raros, as máquinas capazes de os comandar mais raras ainda, e o arquivo digital de 1986 estava à beira de ficar ilegível. O Domesday Book original, escrito em pergaminho, continua a ler-se, guardado no arquivo nacional britânico em Kew.

O suporte concebido em 1986 para durar gerações tornou-se quase inacessível em cerca de 15 anos; o documento de 1086 que ele celebrava atravessou nove séculos sem perder a leitura.
A recuperação do projeto veio da emulação. O CAMiLEON, parceria das universidades de Leeds e do Michigan, reconstruiu por software o sistema original, tornando o conteúdo acessível em equipamento moderno. Em 2011, ao fim de 25 anos, a BBC voltou a pôr parte do material online, numa versão a que chamou Domesday Reloaded. A recuperação foi possível, mas tardia e incompleta, e exigiu reunir leitores antigos, técnicos capazes de os estudar e instituições dispostas a financiar o trabalho.
Emular significa reconstruir por software a máquina antiga, para que o programa original volte a correr dentro de uma simulação dela. Em vez de guardar para sempre cada peça de equipamento, que envelhece e avaria, guarda-se a descrição do equipamento e recria-se quando é preciso.
O método lida bem com ficheiros estáticos, um texto, uma imagem. Complica-se com o material que executa ações, o software propriamente dito. Para um programa voltar a correr, pode ser preciso guardar também as suas dependências, os seus dados e o ambiente em que funcionava. O código-fonte, as instruções em que é escrito antes de se tornar máquina, é parte essencial dessa memória, mas não basta por si só.
A perda de memória não começou com o digital. Da literatura grega e latina da Antiguidade sobreviveu apenas uma parte pequena, muitas vezes por acaso: um texto que um copista medieval resolveu recopiar, outro que só chegou por ter sido citado numa obra que durou.
O que o digital mudou foi o modo como a perda acontece. Uma biblioteca a arder deixa ruínas e uma data. Um ficheiro que deixa de abrir não deixa ruínas nem data, e a perda passa despercebida.
Quem está a guardar o código: os arquivos da era digital
No Inria, instituto público francês de investigação em informática, em Paris, uma equipa dedica-se à preservação digital do código-fonte, a matéria-prima de que o software é feito. O Software Heritage propõe-se reunir todo o código-fonte público alguma vez disponibilizado. Dirigido por Roberto Di Cosmo, o arquivo guardava em janeiro de 2026, ao completar 10 anos, mais de 27 mil milhões de ficheiros de código provenientes de 421 milhões de projetos, e crescia ao ritmo de mais de um projeto absorvido por segundo.
Tudo organizado num único grafo, uma estrutura com 50 mil milhões de nós e um bilião de ligações entre pedaços de código, que reúne versões e históricos de desenvolvimento de centenas de milhões de projetos. Quando esse grafo passou os dois petabytes, em 2025, analisá-lo deixou de estar ao alcance de um laboratório comum, e foi preciso desenvolver, com instituições universitárias, formas de o comprimir para um tamanho manejável.
Cada objeto recebe um identificador criptográfico próprio, o SWHID, sigla de SoftWare Hash IDentifier, que se tornou norma internacional em 2025. Numa declaração publicada pelo Software Heritage em janeiro de 2026, Di Cosmo afirmou que o código-fonte “é o alicerce da inovação moderna e, ainda assim, continua a ser conhecimento ameaçado”, herança partilhada que importa preservar com o mesmo rigor das bibliotecas físicas.
A urgência vem de uma concentração extrema. Segundo Roberto Di Cosmo, cerca de três quartos do software público do mundo está alojado numa única plataforma, o GitHub, detida pela Microsoft. Uma concentração dessa ordem cria um ponto de falha: se o dono da plataforma cortasse o acesso ou apagasse repositórios por força de uma alteração geopolítica, parte da cadeia de software que sustenta empresas, administrações e investigação ficaria comprometida.
A defesa do Software Heritage contra esse risco é deliberadamente dispersa. Di Cosmo chama-lhe biodiversidade computacional: em vez de cópias idênticas no mesmo sítio, espelhos do arquivo em países diferentes, com um anunciado em Espanha, no instituto madrileno IMDEA Software, e a usar tecnologias distintas, de modo que uma falha que afete um deles deixe os outros intactos.
A mesma estratégia tem uma versão física, no cofre de Svalbard. Começou em 2017, por iniciativa da empresa norueguesa Piql, dentro daquela mina de carvão desativada. A informação é escrita em piqlFilm, uma película desenhada para durar séculos sem necessitar de eletricidade, num lugar escolhido pela estabilidade: zona desmilitarizada por tratado, atividade sísmica baixa, frio constante.
Fica nas proximidades do Svalbard Global Seed Vault, o cofre que guarda sementes das culturas do mundo. A vantagem está em manter cópias fora de linha, em suportes e locais diferentes dos servidores ligados à rede, o que as põe a salvo de ataques informáticos e dispensa energia para as conservar.
Lá estão depositados, entre arquivos de várias instituições, uma cópia do código aberto do GitHub captada em 2020, reproduções de manuscritos da Biblioteca do Vaticano e histórias de vida recolhidas pelo Museu da Pessoa, em São Paulo. O cofre nasceu de uma iniciativa de Rune Bjerkestrand e Katrine Loen, e desde 2025 passou a fundação independente. A película leva escritas, em letras humanas, as instruções para a reler.
O país que arde devagar
Portugal viveu uma versão súbita do mesmo problema. Na manhã de 1 de novembro de 1755, dia de Todos os Santos, o terramoto, o maremoto e os incêndios que se seguiram destruíram boa parte de Lisboa, e com ela uma fatia enorme da memória escrita do reino.

Ardeu a Casa da Índia, centro nevrálgico do comércio ultramarino, onde se guardavam os registos das mercadorias, das tripulações, das rotas, mapas raros e instrumentos náuticos. Ardeu a Biblioteca Real, com cerca de 70 mil volumes reunidos no reinado anterior. Arderam as secretarias de Estado e o tribunal do Desembargo do Paço.
Perdeu-se uma parte importante da documentação da administração central e do comércio ultramarino.
O arquivo dinástico, esse, salvou-se por pouco. O Real Arquivo da Torre do Tombo estava instalado desde 1378 numa torre do Castelo de São Jorge, e essa torre ruiu com o abalo, mas escapou aos incêndios que devoraram a baixa.
Coube ao guarda-mor Manuel da Maia, o mesmo engenheiro militar que viria a dirigir os estudos para a reconstrução de Lisboa, recolher a documentação dos escombros e mandá-la guardar numa barraca de madeira erguida na Praça de Armas do castelo. No relatório que dirigiu ao secretário de Estado Sebastião José de Carvalho e Melo, em janeiro de 1756, defendia que o Real Arquivo precisava de um lugar próprio, à altura da sua importância.
Os tombos passaram em 1757 para o Mosteiro de São Bento, e só em 1990 chegaram ao edifício atual, na Cidade Universitária de Lisboa. A sobrevivência do arquivo deveu-se à posição da colina e à ação do guarda-mor.
O terramoto deixou marcas que se visitam. A igreja do Carmo, no Chiado, conserva a memória de 1755 nas naves a céu aberto: a reconstrução começou em 1756 e ficou interrompida depois da extinção das ordens religiosas, em 1834. A obsolescência digital não deixa ruína para ver, e por isso quase sempre passa sem registo. Contra os dois tipos de desastre, a preservação aposta hoje na medida que faltou à Casa da Índia: não concentrar tudo num lugar só.
A preservação digital da web portuguesa está a cargo do Arquivo.pt, um serviço da Fundação para a Ciência e a Tecnologia, a FCT, desenvolvido pela sua unidade de serviços digitais, a FCCN. Nasceu de um projeto de investigação iniciado em 2001 na Faculdade de Ciências da Universidade de Lisboa, arrancou na FCCN em 2007 e fez a primeira recolha da web nacional em 2008. Dá acesso a páginas arquivadas desde 1996, incluindo conteúdos obtidos de outros arquivos.
Várias vezes por ano faz recolhas abrangentes do domínio .pt, e todos os dias recolhe trezentos sítios tidos por relevantes para o património informacional do país. Faz ainda recolhas dirigidas nos momentos que sabe virem a interessar à história, como eleições ou mudanças de governo, quando os sítios oficiais e os programas partidários se reescrevem de um dia para o outro.
Um levantamento europeu mostrou que, em 2015, apenas 7 por cento dos sítios dos projetos do quarto programa-quadro de investigação, lançados entre 1994 e 1998, continuavam acessíveis. E, segundo o Arquivo.pt, cerca de 80 por cento dos conteúdos da web mudam ou deixam de estar acessíveis no prazo de um ano.








