Le trafic IA se mesure en séparant referrals, crawlers, RAG et agents autonomes. Le vrai sujet, c’est de savoir ce qui crée de la valeur, ce qui scrape trop fort, et ce que vos outils analytics ne voient pas encore proprement.
Qu’est-ce que le trafic IA ?
Le trafic IA, c’est l’ensemble des visites et interactions déclenchées par des outils comme ChatGPT, Google Gemini, Perplexity ou d’autres assistants intelligents. Ça peut être un utilisateur qui clique sur un lien cité dans une réponse IA et arrive sur votre site. Ça peut aussi être un système IA qui consulte directement une page pour lire, comparer, résumer ou récupérer une information.
Le piège, c’est que ce trafic ne ressemble pas toujours à une visite humaine classique. Parfois, une personne pose une question à ChatGPT, voit votre site cité comme source, clique, et vous récupérez une vraie session dans votre outil analytics. Là, c’est assez simple à comprendre. Parfois, elle obtient toute sa réponse dans l’interface du chatbot et ne vient jamais chez vous. C’est le zero-click, un phénomène déjà connu avec Google, mais amplifié par l’IA. Votre contenu a servi, votre marque a peut-être été vue, mais votre analytics ne voit rien.
Et parfois, ce n’est même pas l’utilisateur qui vient. C’est l’agent IA lui-même. Un agent, c’est un système capable d’exécuter une tâche avec un peu d’autonomie, par exemple chercher plusieurs sources, lire des pages, comparer des prix ou préparer une synthèse. Dans certains cas, il peut aussi utiliser une approche RAG. RAG veut dire Retrieval-Augmented Generation, en gros l’IA va chercher des documents ou des pages pour enrichir sa réponse au lieu de répondre uniquement avec sa mémoire interne.
C’est là que le web analytics devient moins confortable. Les outils grand public savent plutôt bien lire un référent, une source ou une campagne. Mais ils ont plus de mal à distinguer proprement un humain, un bot IA, un crawler classique, un agent autonome ou une requête RAG. Les identifiants sont encore incohérents. Les user-agents, c’est-à-dire les signatures envoyées par les navigateurs ou robots, ne sont pas standardisés. Les référents peuvent manquer, changer, ou être masqués.
🚀 Maîtrisez les outils Web Analytics et optimisez votre croissance dès aujourd’hui
Transformez vos données en leviers de performance ! Nos formations en Web Analytics vous permettent de mesurer, analyser et perfectionner l’expérience utilisateur de votre site avec précision. De Google Tag Manager à Piwik Pro, en passant par Matomo Analytics et Google Analytics 4, nous vous guidons à chaque niveau pour une maîtrise complète des outils essentiels. Apprenez à structurer vos données, affinez votre stratégie digitale et prenez des décisions basées sur des insights fiables. Ne laissez plus vos performances au hasard : formez-vous et passez à l’action dès maintenant !
J’ai déjà vu des équipes marketing regarder uniquement les referrals ChatGPT dans GA4, comme si c’était tout le sujet. Sauf que la partie la plus intéressante était ailleurs, dans les logs serveur, avec des passages d’agents IA qui lisaient beaucoup de pages sans jamais créer une session “propre” côté analytics.
Le plus important, c’est donc de ne pas mettre tout le trafic IA dans le même sac. Sinon, on mesure mal, on interprète mal, et on passe à côté des vrais signaux.
Quels types de trafic IA faut-il séparer ?
Je sépare au minimum quatre familles quand je mesure le trafic IA. Les referrals IA, les scrapers ou crawlers IA, le trafic RAG, et le trafic d’agents IA. Si on mélange tout dans le même seau, on finit avec des chiffres propres en apparence, mais inutilisables pour décider.
Les referrals IA, ce sont les visites humaines qui arrivent depuis une interface d’IA. Quelqu’un pose une question à ChatGPT, Perplexity, Gemini ou autre, puis clique sur une source ou un lien proposé dans la réponse. Dans l’esprit, c’est proche d’un referral classique, comme un clic depuis un autre site. Le souci, c’est que le référent peut être absent, modifié, masqué, ou mal interprété par l’outil analytics. J’ai déjà vu des visites IA classées en direct, juste parce que l’outil ne savait pas quoi en faire.
Les crawlers et scrapers IA servent à collecter du texte, des images ou des données structurées pour alimenter des systèmes IA. Ce trafic peut être volumineux, profond, répétitif, parfois en rafales. Là, l’enjeu n’est pas seulement marketing. Il est aussi technique et stratégique. Votre serveur encaisse la charge, votre contenu est aspiré, et vous devez décider ce que vous acceptez. Est-ce que vous laissez tout passer, est-ce que vous bloquez certains bots, est-ce que vous ouvrez seulement certaines zones propres du site ?
Le trafic RAG, pour Retrieval Augmented Generation, ou génération augmentée par récupération, est différent. Un système IA vient chercher en temps réel des passages précis sur votre site pour produire une réponse plus fraîche ou plus fiable. Ce n’est pas un simple clic depuis un chatbot. Votre site devient une sorte de magasin de données vivant, consulté à la demande.
Le trafic d’agents IA correspond à des outils qui réalisent une action ciblée. Comparer des prix, résumer une page, vérifier une disponibilité, préparer une réservation. Contrairement aux scrapers, ils ne parcourent pas forcément tout le site. Ils viennent avec une intention précise, souvent très proche d’un besoin utilisateur.
| Type de trafic | Comportement visible | Intérêt business | Risque principal |
| Referrals IA | Visites humaines après un clic depuis une réponse IA | Mesurer l’apport réel des moteurs de réponse | Attribution fausse ou trafic classé en direct |
| Crawlers ou scrapers IA | Exploration massive, répétitive, parfois en rafales | Comprendre qui collecte votre contenu | Charge serveur et perte de contrôle sur les données |
| Trafic RAG | Requêtes ciblées pour récupérer des passages précis | Devenir une source fiable pour les réponses IA | Être utilisé sans visibilité claire dans les analytics |
| Agents IA | Actions précises comme comparer, vérifier ou résumer | Identifier des intentions fortes avant conversion | Confondre automatisation utile et trafic parasite |
Pourquoi le mesurer maintenant ?
Je le mesure maintenant parce que même si ce trafic reste encore une fraction du total, sa croissance change déjà la lecture de l’acquisition, du SEO et de la performance contenu. Si on attend qu’il soit massif pour le regarder, on risque surtout de découvrir trop tard qu’une partie du parcours client nous échappe.
Le premier intérêt, c’est d’identifier les utilisateurs-proxy qui convertissent. J’appelle utilisateur-proxy un visiteur qui arrive après qu’un assistant IA a déjà fait une partie du travail pour lui. L’IA a préparé le choix, filtré l’information, comparé les offres, résumé les différences, puis elle envoie quelqu’un vers le site avec une intention beaucoup plus nette. Le volume peut être faible, oui. Mais le signal est parfois très intéressant. J’ai déjà vu des sources minuscules peser plus lourd qu’un canal beaucoup plus gros, juste parce que les visiteurs arrivaient au bon moment.
Le deuxième intérêt, c’est de comprendre l’impact du zero-click. Le zero-click, c’est quand l’utilisateur obtient sa réponse sans cliquer vers votre site. Avant, une recherche pouvait générer une session web. Maintenant, une partie de cette visibilité reste dans l’interface IA. Si on ne regarde que les sessions, on peut croire que la demande baisse. Alors qu’en réalité, elle se déplace. C’est gênant pour piloter le SEO, parce qu’on mélange baisse de visibilité, baisse de clics et changement de comportement.
Le troisième intérêt, c’est de détecter le scraping agressif. Certains crawlers IA viennent lire beaucoup de pages, très vite, parfois sans respecter vos priorités. Ils peuvent consommer des ressources serveur, aspirer des contenus, créer des pics de charge et fausser certaines mesures analytics. Là, on n’est plus seulement dans le suivi marketing. On touche aussi à l’infrastructure, à la sécurité et à la gouvernance des données.
Le quatrième intérêt, c’est d’adapter sa stratégie de contenu. Si des systèmes RAG, c’est-à-dire des IA qui vont chercher des sources avant de répondre, et des agents automatisés viennent récupérer des extraits précis, les contenus clairs, structurés et fiables prennent plus d’importance. Les pages floues, trop marketing ou mal organisées seront moins faciles à comprendre et à réutiliser.
Je ne traiterais pas le trafic IA comme un nouveau canal miracle. Je le traiterais comme un signal à isoler proprement avant de prendre des décisions.
Pourquoi les outils analytics bloquent ?
Les outils analytics bloquent parce que le trafic IA n’a pas encore de conventions propres, stables et universelles pour être reconnu automatiquement. C’est bête, mais c’est souvent ça le vrai problème. On essaie de mesurer un comportement nouveau avec des outils pensés pour du trafic humain assez classique.
Aujourd’hui, beaucoup d’outils classent surtout les chatbots comme des sources de referral, c’est-à-dire comme un site référent, quand quelqu’un clique sur un lien depuis ChatGPT, Perplexity, Claude ou une autre interface IA. C’est utile. Ça permet déjà de voir une partie du trafic. Mais c’est très insuffisant, parce que ça ne montre pas toute la part des visites faites directement par des agents, des crawlers ou des systèmes de récupération d’information. Un crawler, c’est un robot qui parcourt des pages. Un agent, c’est un système capable d’agir pour l’utilisateur, parfois sans affichage classique de la page.
Les limites concrètes arrivent très vite :
- Le référent peut être vide, donc l’outil ne sait pas d’où vient la visite.
- Le user-agent peut être absent, générique, modifié ou pas documenté. Le user-agent, c’est la petite signature envoyée par le navigateur ou le robot au serveur.
- Certains systèmes IA changent leur comportement selon le contexte, la requête ou l’infrastructure utilisée.
- Certains passages se voient mieux dans les logs serveur que dans les tags analytics classiques.
- Les sessions JavaScript peuvent ne jamais se déclencher si le système ne charge pas les scripts de tracking.
J’ai déjà vu ça chez un client : Dans GA4, presque rien. Dans les logs serveur, on voyait pourtant des passages réguliers d’agents liés à des moteurs IA. Ce n’était pas du trafic “invisible”, c’était juste du trafic mal capté par l’outil habituel.
Les UTM peuvent aider, oui. Un UTM, c’est un paramètre ajouté à une URL pour identifier une campagne, une source ou un support. Si vous contrôlez le lien, par exemple dans vos contenus, vos newsletters ou vos campagnes, vous pouvez marquer proprement les visites. Mais ça ne règle pas le trafic IA autonome. On ne peut pas mettre un UTM sur une visite déclenchée par un agent qu’on ne contrôle pas.
Certains outils commencent quand même à avancer. Matomo, par exemple, propose une catégorisation automatique des agents et des références IA avec des rapports dédiés. C’est un bon signal. Mais je ne chercherais pas encore la mesure parfaite. La bonne approche, maintenant, c’est de construire une lecture utile, robuste, et assez fiable pour prendre de meilleures décisions.
Comment construire un suivi utile ?
Je construis un suivi utile en combinant les données analytics, les référents, les user-agents, les logs serveur et une classification claire des comportements IA.
Je commence par isoler les referrals IA connus. C’est le trafic qui arrive depuis des outils comme ChatGPT, Perplexity, Claude, Gemini ou Copilot quand ils renvoient un utilisateur vers votre site. Je regarde les sources, les pages d’atterrissage, les conversions, les parcours, mais surtout la qualité des visites. Le volume seul ne dit pas grand-chose. Une session IA qui convertit, qui lit trois pages ou qui demande une démo vaut plus que cent visites qui rebondissent en cinq secondes.
Ensuite, je passe côté serveur. Les crawlers et scrapers IA ne se voient pas toujours proprement dans Google Analytics ou Matomo, parce qu’ils ne chargent pas forcément le JavaScript de tracking. Dans les logs serveur, je cherche les rafales de requêtes, les parcours très profonds, les accès répétés à des contenus sensibles ou coûteux à servir. L’idée n’est pas de tout bloquer par réflexe. C’est de décider ce qu’on accepte, ce qu’on limite et ce qu’on bloque.
Je surveille aussi le trafic RAG et agentique. RAG veut dire Retrieval Augmented Generation, en gros un système IA qui vient chercher des morceaux de contenu pour répondre à une question. Là, les signaux sont plus subtils. On voit des accès très ciblés, des consultations de fragments, des comportements qui ne ressemblent pas à une navigation humaine normale, mais qui ne sont pas non plus du crawling massif.
Quand des rapports dédiés existent, je les utilise, ça fait gagner du temps. Mais je garde toujours une couche de contrôle maison. Les identifiants IA bougent, les user-agents changent, et la mesure est encore jeune. J’ai déjà vu des tableaux de bord très propres rater la moitié du sujet parce qu’ils ne regardaient que les referrals visibles.
Pour piloter sans se noyer, je garde souvent ce tableau simple :
| Indicateur | Ce que je regarde |
| Sessions referral IA | Trafic envoyé par les assistants IA connus |
| Conversions issues de referrals IA | Leads, ventes, inscriptions, demandes de contact |
| Volume de requêtes crawler IA | Charge générée par les bots et scrapers |
| Pages les plus consultées par systèmes IA | Contenus aspirés, cités ou utilisés comme source |
| Pics de charge | Moments où les accès IA coûtent cher techniquement |
| Agents détectés | User-agents, IP, signatures et comportements récurrents |
| Décisions prises | Autoriser, limiter ou bloquer selon le cas |
Le bon niveau de suivi dépend du risque et de l’opportunité. Un média, un e-commerce, un SaaS ou un site institutionnel n’ont pas exactement les mêmes enjeux. Je ne mesure donc pas pour faire joli. Je mesure pour savoir quoi laisser entrer, quoi valoriser, et quoi protéger.
Et si le trafic IA devenait enfin lisible ?
Le trafic IA ne se résume pas à quelques clics venus de ChatGPT ou Perplexity. Il y a les referrals, les crawlers, le RAG, les agents autonomes, et chacun raconte autre chose. Si je devais retenir une idée, ce serait celle-ci : il faut séparer les signaux avant de juger la performance. Sinon on mélange visibilité, scraping, automatisation et acquisition qualifiée. Les outils analytics avancent, certains commencent à catégoriser ces flux, mais la mesure reste jeune. En posant une méthode propre maintenant, vous comprenez mieux ce qui crée de la valeur, ce qui consomme vos ressources, et vous prenez de meilleures décisions.
FAQ
- Qu’est-ce que le trafic IA en web analytics ?
Le trafic IA regroupe les visites et interactions liées aux chatbots, crawlers, systèmes RAG et agents autonomes. Ça peut être un utilisateur qui clique depuis une réponse IA, ou un système IA qui vient consulter directement votre site. - Pourquoi le trafic IA est difficile à mesurer ?
Parce qu’il n’existe pas encore d’identifiants parfaitement standardisés. Les référents peuvent manquer, les user-agents peuvent varier, et certains agents ne déclenchent pas les scripts de tracking classiques. Une partie du signal se voit mieux dans les logs serveur. - Quelle différence entre un referral IA et un agent IA ?
Un referral IA correspond plutôt à un utilisateur qui arrive sur votre site après avoir cliqué sur un lien dans un outil comme ChatGPT, Gemini ou Perplexity. Un agent IA, lui, peut visiter le site directement pour comparer, résumer, vérifier une information ou préparer une action. - Faut-il bloquer les crawlers IA ?
Pas automatiquement. Je regarde d’abord ce qu’ils font. S’ils consomment trop de ressources, aspirent trop de pages ou accèdent à des contenus que vous ne voulez pas exposer, il faut limiter ou bloquer. Si leur présence sert votre visibilité, la décision peut être différente. - Quels indicateurs suivre pour le trafic IA ?
Je suivrais les sessions issues de referrals IA, les conversions associées, les pages les plus consultées par des systèmes IA, les volumes de requêtes crawlers, les pics de charge, les agents détectés et les décisions prises derrière : autoriser, limiter ou bloquer.
A propos de l’auteur
Je suis Franck Scandolera, responsable de l’agence webAnalyste et de l’organisme Formations Analytics. J’accompagne les entreprises sur le tracking avancé server-side, l’Analytics Engineering, l’automatisation No/Low Code avec n8n, l’intégration de l’IA et les sujets SEO/GEO. J’ai travaillé avec des clients comme Logis Hôtel, Yelloh Village, BazarChic, la Fédération Française de Football ou Texdecor. Si vous voulez structurer votre mesure du trafic IA, vos données analytics ou vos automatisations business, contactez-moi.
⭐ Analytics engineer, Data Analyst et Automatisation IA indépendant ⭐
Ref clients : Logis Hôtel, Yelloh Village, BazarChic, Fédération Football Français, Texdecor…
Mon terrain de jeu :
Data Analyst & Analytics engineering : tracking avancé (GA4, Matomo, Piano, GTM server, Tealium, Commander Act, e-commerce, CAPI, RGPD), entrepôt de données (BigQuery, Snowflake, PostgreSQL, ClickHouse), modèles (Airflow, dbt, Dataform), dashboards décisionnels (Looker, Power BI, Metabase, SQL, Python).
Automatisation IA des taches Data, Marketing, RH, compta etc : conception de workflows intelligents robustes (n8n, App Script, scraping) connectés aux API de vos outils et LLM (OpenAI, Mistral, Claude…).
Engineering IA pour créer des applications et agent IA sur mesure : intégration de LLM (OpenAI, Mistral…), RAG, assistants métier, génération de documents complexes, APIs, backends Node.js/Python.