Score composite (0-10) mesurant la sante operationnelle d'un site web.

OSIRIS agregre les resultats d'outils tiers sur 4 axes : Performance (O) + Securite (S) + Intrusion (I) + Ressources (R).

Avertissement : OSIRIS est un outil d'observation automatisee, pas un pentest ni une certification de conformite. Les scores sont indicatifs et sujets a variance (cf. Limitations).

• Python 3.11+
• Node.js 18+ (pour Lighthouse CLI)
• Google Chrome / Chromium

# Cloner et installer
cd osiris-scanner
python -m venv .venv && source .venv/bin/activate
pip install -e ".[dev]"

# Installer Lighthouse CLI
npm install -g lighthouse

# (Optionnel) Mode deep — installer les navigateurs Playwright
playwright install chromium

python scanner.py --url https://example.com

python scanner.py --url https://example.com --output report

Genere :

• reports/<domain>_<date>.json — Rapport JSON structure
• reports/<domain>_<date>.md — Rapport Markdown lisible

python scanner.py --url https://example.com --runs 3

Execute Lighthouse N fois et retourne la mediane. Tolere les timeouts partiels : si 1 run sur 3 echoue, la mediane est calculee sur les 2 restants.

python scanner.py --url https://example.com --mode deep

En mode deep, les axes Intrusion et Resource utilisent Playwright au lieu du HTML statique :

# Deep mode + 3 runs Lighthouse + rapport + historique
python scanner.py --url https://example.com --mode deep --runs 3 --output report --history

python scanner.py --url https://example.com --history

Affiche les scans precedents du meme domaine (necessite le module soic_v3).

python calibrate.py

Scanne les sites listes dans calibration/sites.txt et produit calibration/results.json.

osiris-scanner/
├── scanner.py          # Orchestrateur principal (CLI)
├── scoring.py          # Agregation ponderee (formule publique)
├── report.py           # Generation rapports JSON + Markdown
├── calibrate.py        # Script de calibration multi-sites
├── axes/
│   ├── performance.py  # Axe O — Wrapper Lighthouse CLI
│   ├── security.py     # Axe S — Mozilla Observatory + Headers HTTP
│   ├── intrusion.py    # Axe I — Detection trackers (fast: HTML, deep: Playwright)
│   └── resource.py     # Axe R — Poids page + Website Carbon API
├── blocklists/
│   └── trackers.json   # 110+ domaines de tracking connus
├── soic_v3/            # Quality gates, persistance, convergence (optionnel)
├── calibration/        # Donnees de calibration
├── reports/            # Rapports generes
├── tests/              # ~156 tests unitaires
└── pyproject.toml

mu_osiris = Performance x 0.20 + Security x 0.30 + Intrusion x 0.30 + Resource x 0.20

• Securite et Intrusion (30% chacun) : priorite a la protection des utilisateurs
• Performance et Resource (20% chacun) : qualite de l'experience et eco-responsabilite

• Lighthouse en mode headless peut donner des scores differents d'un navigateur reel
• Certains sites bloquent Chrome headless (NO_FCP), rendant le scan impossible
• Variance ~10% entre executions — utiliser --runs 3 pour obtenir une mediane stable
• Timeout par defaut : 120 secondes par run

• Mozilla Observatory cache les resultats 24h ; un re-scan immediat retourne le cache
• L'analyse des headers est limitee a la presence/absence, pas a la qualite de la configuration
• Certains serveurs bloquent les requetes HEAD, necessitant un fallback GET

• Mode fast : analyse basee sur le HTML statique uniquement ; les trackers charges dynamiquement par JavaScript ne sont pas detectes (cela explique les scores eleves meme pour des sites connus pour leur tracking, ex: Google)
• Mode deep : capture les network requests via Playwright ; detecte les trackers JS dynamiques, mais necessite Chromium installe (playwright install chromium)
• La blocklist couvre ~110 domaines ; les trackers non listes ne sont pas detectes

• Mode fast : mesure le poids du HTML principal uniquement (pas les assets)
• Mode deep : mesure le poids total transfere (tous assets via Playwright)
• L'API Website Carbon /data peut etre indisponible ; fallback sur le modele SWD v4 local
• L'estimation gCO2 est approximative

• OSIRIS mesure la sante operationnelle d'un site, pas sa qualite de contenu
• Ce n'est pas un pentest et ne remplace pas un audit de securite professionnel
• Ce n'est pas une certification de conformite (RGPD, WCAG, etc.)
• Le scanner necessite un acces reseau aux APIs externes (Observatory, Website Carbon, Green Web Foundation)
• Rate limiting : 1 scan Observatory par domaine toutes les 60 secondes
• Un scan echoue partiellement est affiche avec un score partiel (moyenne des axes reussis)

Si un axe echoue (timeout, API indisponible, Lighthouse absent), OSIRIS :

1. Affiche l'erreur pour l'axe concerne
2. Continue les axes restants
3. Calcule un score partiel base sur les axes reussis (au lieu de crash)

# Tous les tests
python -m pytest tests/ -v

# Tests specifiques
python -m pytest tests/test_performance.py -v
python -m pytest tests/test_intrusion.py -v

# Lint
ruff check .

# Type checking
mypy axes/ scanner.py scoring.py report.py --ignore-missing-imports

MIT License — Copyright (c) 2026 Mark Systems

See LICENSE for details.

Composite score (0-10) measuring the operational health of a website.

OSIRIS aggregates results from third-party tools across 4 axes: Performance (O) + Security (S) + Intrusion (I) + Resources (R).

Disclaimer: OSIRIS is an automated observation tool, not a pentest or compliance certification. Scores are indicative and subject to variance.

mu_osiris = Performance × 0.20 + Security × 0.30 + Intrusion × 0.30 + Resource × 0.20

• Two scan modes: fast (HTML parsing) and deep (Playwright headless browser)
• Multi-run Lighthouse with median stabilization (--runs 3)
• JSON + Markdown report generation
• Scan history with trend tracking
• Multi-site calibration tool
• Graceful degradation (partial scores on axis failure)
• 110+ known tracker domains in blocklist
• ~156 unit tests

# Install
python -m venv .venv && source .venv/bin/activate
pip install -e ".[dev]"
npm install -g lighthouse

# Basic scan
python scanner.py --url https://example.com

# Deep scan with reports
python scanner.py --url https://example.com --mode deep --runs 3 --output report

MIT License — Copyright (c) 2026 Mark Systems