Dans l'article précédent de notre série « Reprendre le contrôle dans un monde e-commerce complexe », nous avons vu comment l'IA redessine le lieu et la manière dont se prennent les décisions d'achat, et pourquoi les propriétaires de boutique et les opérateurs e-commerce devraient se concentrer non seulement sur la croissance du trafic, mais aussi sur l'optimisation des moments où la décision se joue.
Mais voici le problème suivant : chaque optimisation que vous faites repose sur des données. Et si ces données étaient faussées ?
Si vous travaillez dans l'e-commerce depuis assez longtemps, vous avez sans doute déjà vécu l'une de ces situations :
- Vous avez refondu une fiche produit en vous appuyant sur les données d'engagement, puis vous vous êtes demandé si la moitié de ces sessions venaient vraiment de clients.
- Vous avez augmenté le budget d'une campagne parce que le ROAS semblait excellent, avant de remarquer que la source de trafic était inondée de sessions de bots.
- Vous avez envoyé des e-mails de relance à des centaines de paiements abandonnés. La moitié ont rebondi. Les adresses étaient fausses.
- Vous avez lancé un test A/B et désigné un gagnant. Mais vous n'avez aucune idée du nombre de bots qui ont vu les deux variantes.
Les rapports vous semblent « bizarres », mais vous ne pouvez pas prouver pourquoi. Quelqu'un lance : « C'est un problème de bots. » À moins de travailler dans une grande entreprise dotée d'une solide équipe technique, ce problème ne sera probablement jamais entièrement réglé.
Personne n'est responsable du problème. La responsabilité vous revient quand même. Et vous devez toujours prendre des décisions.
Alors, comment avancer avec des données auxquelles vous ne pouvez pas totalement vous fier ?
Cet article s'adresse aux opérateurs non techniques, aux marketeurs, aux équipes commerciales et aux responsables e-commerce. Nous n'allons pas vous fournir de configuration Cloudflare anti-bots ni de guide pas à pas pour créer des filtres.
Vous savez déjà que les bots existent. Vous savez déjà que vos données sont rarement propres à 100 %. Nous n'allons pas non plus vous le réexpliquer.
Nous allons plutôt résoudre un autre problème : comment prendre des décisions quand les frontières sont floues. Quelles données sont assez fiables pour agir ? Lesquelles appellent la méfiance ? Et comment bâtir un cadre pratique pour que des chiffres imparfaits ne vous paralysent pas ?
À la fin de cet article, vous verrez plus clairement comment le trafic de bots fausse les décisions e-commerce, et vous disposerez d'une méthode concrète pour continuer à avancer avec assurance malgré tout.
Pour cet article, nous avons aussi recueilli l'éclairage de l'expert e-commerce Nahar Geva. Entrepreneur e-commerce depuis 2015, Nahar est le fondateur et CEO de ZIK Analytics.
Son expérience de terrain l'a conduit à créer l'une des plateformes de recherche de produits les plus reconnues de l'e-commerce.
Aujourd'hui, ZIK Analytics accompagne plus de 300 000 vendeurs dans le monde. Au-delà de la plateforme, Nahar est aussi un conférencier et mentor respecté, profondément attaché à aider chacun à atteindre l'indépendance financière grâce à l'e-commerce, quels que soient son parcours ou son niveau d'expérience.
1. Petite initiation aux bots et évolutions du marché
Avant d'en venir au cadre pratique, il vous faut une base rapide : quels types de bots existent, et lesquels perturbent vos données.
Il existe trois catégories de bots, classées selon leur intention :
| Catégorie | Exemples | Ce qu'ils font |
|---|---|---|
| Utiles | Robots d'indexation des moteurs de recherche, vérificateurs d'accessibilité et intégrations autorisées | Aident votre boutique à être trouvée et à bien fonctionner. Ceux-là, vous les voulez. |
| Indésirables | Scrapers de prix, outils de surveillance des réassorts, robots d'exploration inconnus, tests de charge non autorisés | Pas directement nuisibles, mais ils polluent vos données et gaspillent vos ressources. Zone grise. |
| Malveillants | Attaques DDoS, bots de fraude au paiement, bots de piratage de comptes, scrapers de contrefaçon, bots de fausses inscriptions | Nuisent activement à votre activité, volent des données ou commettent des fraudes. |
En termes moins techniques :
- Les invités bienvenus : les moteurs de recherche (comme Google) qui aident les gens à vous trouver. Ceux-là, vous les voulez.
- Les voisins sans gêne : des concurrents qui aspirent vos prix ou votre stock. Ils ne vous volent pas d'argent, mais ils encombrent vos données et gaspillent vos ressources.
- Les intrus : des fraudeurs qui tentent de pirater des comptes ou de tester des cartes bancaires volées. Ce sont eux qui causent de vrais dégâts financiers.
💡Le saviez-vous ? Savez-vous comment un CAPTCHA distingue les humains des bots ?
Les humains sont brouillons. Les bots sont précis. C'est exactement sur ce principe que repose le CAPTCHA.
Nous hésitons, nous remontons la page, nous cliquons « de travers ». Les bots, eux, sont parfaits : ils passent exactement 11.5 secondes sur une page, à chaque fois. Si vous repérez un groupe de visiteurs au comportement « parfaitement identique », vous n'avez pas affaire à des clients semblables : vous avez affaire à un script.
Mais c'est aussi pour cela que les bots sophistiqués sont plus difficiles à repérer : ils apprennent à ajouter de l'aléatoire.
Et les robots d'exploration IA ? Se comportent-ils comme des clients ?
Réponse courte : non.
Les robots d'exploration IA légitimes s'identifient via leur user agent, récupèrent le contenu et respectent les règles du fichier robots.txt. Ils ne simulent pas de comportement d'achat. Ils se comportent comme des robots de moteur de recherche classiques, pas comme des clients.
Inutile donc de craindre que des robots d'exploration IA légitimes ajoutent de fausses actions d'achat dans votre boutique.
La menace liée à l'IA qui mérite votre attention est ailleurs : des bots assistés par IA, conçus par des acteurs malveillants qui utilisent l'IA pour imiter le comportement humain. Nous y reviendrons dans la section 3.
En résumé :
- Bons bots : moteurs de recherche, robots d'exploration IA légitimes, outils de monitoring. Vous les voulez.
- Mauvais bots : scrapers de données, revendeurs à la sauvette automatisés, bots de fraude au paiement, bots de piratage de comptes, fausses inscriptions, et bots qui abusent de votre page de paiement, de votre authentification et de vos points d'accès aux données.
Vous n'avez pas besoin d'identifier chaque bot. Vous n'avez pas besoin de tous les bloquer. C'est le travail de l'équipe informatique.
En tant qu'opérateur, votre point de départ est plus simple : comprendre où le comportement des bots fausse vos décisions, et quoi faire face à cela.
Nahar Geva :
Le trafic de bots a toujours existé, mais quand il s'agit de vraies conversions, honnêtement, il ne pèse pas grand-chose. Si vous vous concentrez sur les bonnes données, le trafic de bots devient sans importance. Les bots ne peuvent rien vous acheter. Bien sûr, ils peuvent gonfler vos nombres de visiteurs et de vues, mais au bout du compte, les événements « Add to Cart », « Initiate Checkout » et « Purchase » ne sont déclenchés que par de vraies personnes. Donc si vous optimisez en fonction des achats et du ROAS, vous faites déjà le tri dans le bruit, et le trafic de bots n'est plus un problème.
2. Diagnostiquer l'impact : quand, où, quelles métriques
Certains d'entre vous voudront peut-être isoler complètement l'impact du trafic de bots. Pour la plupart des entreprises e-commerce, la réponse honnête est : c'est impossible.
Mais cela ne veut pas dire rester passif. Cela veut dire apprendre à prendre des décisions, que vos données soient propres ou non.
Selon le rapport 2024 de DataDome (Global Bot Security Report), seuls 10 % environ des sites e-commerce sont entièrement protégés contre les mauvais bots. Plus de 65 % n'ont aucune protection, même contre de simples attaques de bots. Si vous gérez une boutique en ligne, le trafic de bots est presque certainement déjà dans vos données.
Le plus malin n'est donc pas de courir après des données parfaitement propres. C'est de diagnostiquer l'impact : quand le trafic de bots s'emballe-t-il, où apparaît-il, et quelles métriques fausse-t-il ?
2.1 Quand s'emballe-t-il ?
Il n'existe pas de « saison d'attaque » fixe. Mais le trafic de bots a tendance à grimper autour des grands temps forts commerciaux comme le Black Friday, les soldes des fêtes et les autres périodes à fort trafic.
La raison est simple. Pendant ces périodes, tout le monde est actif : les entrepreneurs utilisent des outils pour étudier les marchés, surveiller leurs concurrents et suivre les tendances. Les clients affluent. Et les attaquants profitent de ce volume pour passer inaperçus.
Cela dit, les attaques ont désormais lieu toute l'année, pas seulement en saison. Les grands temps forts commerciaux sont simplement les moments les plus sensibles, quand un trafic plus élevé offre une meilleure couverture aux bots.
Redoublez de prudence avec vos métriques pendant ces périodes. Un chiffre qui ressemble à de la croissance n'est peut-être que du bruit.
2.2 Où, et quelles données sont touchées ?
Toutes vos métriques ne sont pas aussi vulnérables. Voici celles qui ont tendance à être faussées, le long du parcours client :
- Sessions par source de trafic. Le trafic de bots se concentre souvent sous « Direct » ou « None », gonflant ce canal de façon disproportionnée.
- Vues et engagement sur les fiches produits. Les fausses visites rendent plus difficile de savoir quels produits intéressent réellement vos clients.
- Taux d'ajout au panier. Les bots qui simulent un comportement d'achat gonflent cette métrique, et votre tunnel paraît en meilleure santé qu'il ne l'est.
- Taux de paiements abandonnés. Les paiements lancés par des bots, qui n'aboutissent jamais, rendent ce chiffre peu fiable.
- Collecte d'e-mails et formulaires d'inscription. Les fausses inscriptions polluent votre liste et déclenchent des workflows d'automatisation qui vous coûtent de l'argent.
- Attribution des campagnes. Si des bots arrivent par vos liens publicitaires, vos calculs de ROAS seront faux.
Le point clé : certaines de ces métriques seront propres, d'autres bruitées. Elles ne sont pas toutes faussées de la même manière.
Exemple de la vue Parcours d'achat dans Google Analytics
Nahar Geva :
Des vues, des nombres de visiteurs et des clics gonflés, associés à de faibles taux de conversion, sont le signe d'un trafic de bots. Bien sûr, dans certains cas, le trafic de bots n'est pas significatif et il est beaucoup plus difficile de savoir s'il s'agit de bots ou d'humains, mais ce qui compte au bout du compte, c'est l'activité d'achat. Donc si une campagne performe bien et génère un ROAS positif, on peut complètement ignorer les autres données de « trafic ».
Alors, comment savoir si des bots faussent réellement une métrique donnée ? Voici comment j'aborderais la question :
Si vous disposez d'une solide équipe informatique, elle peut filtrer les données et vous fournir des chiffres propres. C'est le scénario idéal.
Sinon, comparez avec vos propres repères. Voici ce qu'il faut surveiller :
- Un pic de sessions ? Décomposez-le. Vérifiez si le taux de rebond reste dans sa fourchette habituelle, ou s'il est devenu ridiculement bas ou élevé.
- Un pic de vues sur une fiche produit ? Regardez la durée d'engagement. Rappelez-vous : les humains sont brouillons, les bots sont précis. Si la durée d'engagement est presque identique d'une session à l'autre, même durée, mêmes schémas, il y a de fortes chances que ce soient des bots.
- Un pic de paiements abandonnés ? Regardez les replays de sessions. Les vrais clients abandonnent à des étapes différentes, à des moments différents. Les bots abandonnent à la même étape, au même moment.
La logique est toujours la même : comparez l'anomalie à ce que vous savez être normal pour votre boutique. Votre expérience et votre connaissance de votre activité sont des outils de diagnostic légitimes.
Et une dernière chose à garder en tête : si les décisions que vous devez prendre maintenant ne reposent pas sur les métriques faussées, vous pouvez souffler. Tout chiffre bruité n'exige pas une action immédiate.
Vous ne dites pas « ignorons tout ». Vous dites simplement « interprétons avec prudence ».
⚠️ Bon à savoir : l'angle mort des outils d'analyse
Votre tableau de bord d'analyse ne voit que les visiteurs qui chargent le JavaScript et acceptent les cookies. Imaginez des invités qui passent par la porte d'entrée et signent le livre d'or.
Votre serveur, lui, voit tout. Chaque requête, chaque coup frappé à la porte, y compris les bots qui contournent complètement vos pixels de suivi.
C'est pourquoi vos logs d'hébergement peuvent montrer une tempête de trafic alors que votre tableau de bord paraît parfaitement calme. Si vous constatez un écart entre les deux, c'est un problème de visibilité, et très probablement le signe que quelque chose d'automatisé frappe votre boutique sans se faire repérer.
Voilà pour les bases. Passons maintenant au cadre pratique.
3. Une hiérarchie de confiance pour vos métriques
Vous avez fait le diagnostic. Vous savez quand le trafic de bots s'emballe. Vous savez quelles métriques sont les plus susceptibles d'être faussées. Vous avez une idée des angles morts de vos outils d'analyse.
Vous voilà maintenant devant votre tableau de bord. La question n'a pas changé : lesquels de ces chiffres puis-je vraiment utiliser ?
C'est là que la plupart des opérateurs bloquent. Non pas parce qu'ils manquent de données, mais parce qu'ils n'ont aucun moyen de trier les signaux fiables des signaux douteux.
La plupart des ressources n'aident pas non plus. Elles mettent tout le trafic de bots dans le même panier et traitent chaque visite non humaine comme la même menace. C'est trompeur.
Des bots différents créent des distorsions différentes. Des distorsions différentes touchent des parties différentes de vos données. Une fois que vous l'avez compris, la question change :
Vous cessez de vous demander « Mes données sont-elles fausses ? » et commencez à vous poser une question plus utile : « Ces données sont-elles assez bonnes pour cette décision précise ? »
C'est ce que nous allons construire dans cette section.
3.1 Des bots différents, des distorsions différentes
Plus haut, nous avons présenté trois catégories de bots selon leur intention : utiles, indésirables et malveillants.
Voici comment chacune fausse vos données différemment.
| Catégorie | Qui les exploite | Objectif | Volume de trafic |
|---|---|---|---|
| Robots d'exploration des plateformes d'IA | OpenAI, Google, Anthropic | Indexation, entraînement des modèles | Modéré |
| Bots SEO / de données | Agences, fournisseurs, concurrents | Scraping, surveillance des prix, suivi de positionnement | Élevé |
| Bots d'attaque | Pirates informatiques | Fraude, abus, piratage de comptes | Très élevé |
| Bots assistés par IA | N'importe qui | Tout, du scraping à la fraude | Croissance explosive |
Plus précisément :
Les robots d'exploration des plateformes d'IA indexent du contenu et entraînent leurs modèles. Ils s'identifient généralement via leur user agent, respectent les règles du fichier robots.txt et ne simulent pas de comportement d'achat. Ils récupèrent le contenu de vos pages et passent leur chemin. La distorsion qu'ils créent se limite surtout à des vues gonflées sur vos contenus et vos fiches produits. Si vous constatez un pic de vues sans changement correspondant de l'engagement ou des ajouts au panier, c'est probablement ce que vous observez.
Les bots SEO et de données aspirent votre site pour récupérer prix, niveaux de stock, positions sur les mots-clés et informations produits. Ce sont eux qui parcourent vos fiches produits encore et encore, et ils sont une source majeure de métriques d'engagement gonflées. Ils rendent plus difficile de distinguer les produits qui suscitent un réel intérêt chez vos clients de ceux qui sont simplement surveillés par vos concurrents.
Les bots d'attaque sont là pour abuser de vos systèmes. Fraude au paiement, piratage de comptes, fausses inscriptions et exploitation de la page de paiement. Ce sont eux qui faussent le plus lourdement vos données de paiement et de transaction. Ils gonflent les taux d'abandon de panier, créent du bruit avec des transactions échouées et polluent vos listes d'e-mails avec de fausses adresses.
Les bots assistés par IA forment la catégorie la plus récente et celle qui croît le plus vite. Ils peuvent être exploités par n'importe qui, dans n'importe quel but, et reposent sur les mêmes grands modèles de langage qui rendent les outils d'IA si performants. Ce qui les distingue, c'est qu'ils apprennent à se comporter de plus en plus comme des humains : ils ajoutent de l'aléatoire dans leur timing, changent d'adresse IP et imitent de vrais schémas de navigation. Leur croissance est explosive, et ce sont les plus difficiles à détecter, car ils ne suivent pas les schémas prévisibles sur lesquels repose la détection classique des bots.
À retenir : la distorsion vous indique la source
- Des pics de vues sans changement des conversions ? Probablement des robots d'exploration utiles ou des bots SEO indésirables. La distorsion porte sur votre volume de trafic et vos métriques de vues.
- Du bruit sur les ajouts au panier, des pics d'abandon au paiement, des paiements échoués ? Pas les plateformes d'IA. Ces signes désignent des bots malveillants qui ciblent votre tunnel de transaction.
- Des comportements humains avec un timing étrangement régulier ? Des attaquants assistés par IA. La distorsion se fond dans vos vraies données clients, ce qui la rend la plus difficile à isoler.
Des bots différents. Des distorsions différentes. Et, comme nous allons le voir, des niveaux de confiance différents dans les données qu'ils touchent.
⏰Petite pause avec quelques actualités intéressantes sur les bots IA :
- Les bots IA deviennent une source majeure de trafic web (rapport State of Bots du T3 et T4 2025 de Toiibit)
- Le trafic automatisé dépasse désormais le trafic humain, en grande partie sous l'effet des bots propulsés par l'IA et les LLM, les bots malveillants représentant 37 % du trafic total (rapport Imperva)
- Le rapport de DataDome (T4 2025) met en avant les secteurs les moins protégés contre les mauvais bots et le trafic IA indésirable : télécoms, technologie/logiciels et jeux vidéo.
3.2 Le modèle de confiance des données
Ce modèle classe vos métriques e-commerce en trois niveaux, à partir d'une seule question : à quel point est-il difficile pour des bots de falsifier ces données ?
Chaque niveau correspond aux types de décisions qu'il peut soutenir de manière fiable.
Signaux de confiance élevée
Commandes finalisées. Chiffre d'affaires. Taux de remboursement. Données de paiement.
Ce sont les métriques les plus difficiles à manipuler pour les bots. Parce qu'elles exigent qu'un vrai paiement ait lieu. Un bot peut gonfler vos vues ou spammer votre formulaire d'inscription. Il ne peut pas générer un achat légitime et finalisé avec un moyen de paiement valide.
Ce sont vos fondations. Quand vous prenez des décisions sur la performance du chiffre d'affaires, le ROI par canal, le réassort ou l'allocation budgétaire, appuyez-vous sur ces chiffres.
Exemple : un produit semble avoir le vent en poupe. Ne fondez pas ce jugement sur les seules vues. Regardez les commandes finalisées. Si elles sont solides, la tendance est réelle, peu importe à quel point les vues sont gonflées.
Signaux de confiance moyenne
Les actions intermédiaires du paiement, comme l'arrivée sur la page de livraison, la saisie d'un e-mail ou le choix d'un moyen de paiement. Les actions de clients connectés. Le comportement après achat, comme les achats répétés, le dépôt d'avis et les échanges avec le service client.
Ces actions impliquent un certain niveau d'authentification ou d'engagement, ce qui les rend plus difficiles à générer pour des bots basiques. Mais selon nous, aujourd'hui, des bots sophistiqués peuvent encore les fausser, en particulier les étapes du paiement et l'activité de connexion.
Utilisez les signaux de confiance moyenne pour optimiser votre tunnel et segmenter vos clients. Mais traitez-les avec méfiance quand les enjeux sont élevés.
Exemple : vous testez un nouveau parcours de paiement. Les données de confiance moyenne peuvent vous guider, mais recoupez-les avec les commandes finalisées et le chiffre d'affaires avant d'adopter un changement définitif.
💡 Conseil d'expert : utilisez la validation au paiement pour réduire le bruit dans le tunnel
Si votre boutique utilise un paiement en plusieurs pages, ajouter des règles de validation est un moyen concret d'empêcher les actions de paiement fausses ou incomplètes d'atteindre les étapes plus profondes du tunnel.
Grâce aux applications Shopify de personnalisation de la page de paiement, vous pouvez définir des exigences sur le contenu du panier, la valeur de la commande et les informations de contact ou de livraison avant qu'une session ne passe à l'étape suivante. Cela n'élimine pas totalement l'activité des bots, mais cela place la barre assez haut pour rendre vos signaux de confiance moyenne nettement plus propres.
De plus, les validations au paiement aident aussi à filtrer les commandes non qualifiées et réduisent le besoin de relancer les clients pour des informations manquantes ou erronées.
Exemple de validations au paiement avec l'application Qikify Checkout Customizer
Signaux de faible confiance
Sessions. Vues de pages anonymes. Ajouts au panier. Inscriptions par e-mail. Métriques d'engagement comme le temps passé sur la page et la profondeur de défilement.
Ce sont les plus faciles à générer pour des bots et les plus difficiles à vérifier.
Un seul bot de scraping peut créer des centaines de sessions. Un bot de spam de formulaires peut ajouter des milliers de faux e-mails à votre liste en une nuit. L'outil de surveillance des prix d'un concurrent peut faire paraître un produit incroyablement populaire sur la seule base des vues.
N'utilisez les signaux de faible confiance qu'à titre indicatif. Ils vous disent que quelque chose se passe, mais pas quoi ni pourquoi, avec assez de certitude pour justifier une décision importante.
Trois règles à retenir :
- N'augmentez jamais vos dépenses publicitaires à la suite d'un pic de trafic sans vérifier que les conversions suivent.
- Ne mettez jamais un produit en avant sur votre page d'accueil d'après ses vues sans confirmer un vrai comportement d'achat.
- Ne prenez jamais vos chiffres d'inscriptions par e-mail pour argent comptant sans surveiller les taux de rebond et l'engagement après le premier envoi.
Un récapitulatif rapide du modèle :
| Niveau de confiance | Signaux | À utiliser pour | Exemple de décision |
|---|---|---|---|
| Confiance élevée | Commandes finalisées, chiffre d'affaires, taux de remboursement, données de paiement | Décisions de chiffre d'affaires, ROI par canal, réassort et allocation budgétaire | « Faut-il recommander ce produit ? » Regardez les commandes finalisées, pas les vues. |
| Confiance moyenne | Actions intermédiaires du paiement, actions de clients connectés, comportement après achat | Optimisation du tunnel, segmentation client (avec réserves) | « Notre nouveau parcours de paiement est-il meilleur ? » Vérifiez les taux de finalisation, puis confirmez avec le chiffre d'affaires réel. |
| Faible confiance | Sessions, vues, ajouts au panier, inscriptions par e-mail, métriques d'engagement | Signaux indicatifs uniquement. Recoupez avant d'agir. | « Ce produit a-t-il le vent en poupe ? » Les vues disent oui, mais vérifiez les commandes avant de le mettre en avant. |
Le but n'est pas de vous rendre paranoïaque vis-à-vis de vos données. C'est de vous donner une méthode cohérente pour évaluer le poids que mérite un chiffre avant d'agir dessus.
Voyez cela comme du lead scoring. Avant d'approcher vos meilleurs prospects, vous évaluez et classez vos leads. C'est la même étape, appliquée à vos données avant de prendre des décisions.
Voici à quoi cela ressemble en pratique : quelqu'un dans votre équipe dit : « Notre trafic a augmenté de 30 % ce mois-ci. Nous devrions augmenter le budget et passer à la vitesse supérieure. »
Inutile de lancer une enquête sur les bots. Posez simplement une question : le trafic est-il une métrique sur laquelle on peut décider, ou une métrique à vérifier ?
C'est une métrique à vérifier. Donc, avant que quiconque ajuste un budget, associez-la au chiffre d'affaires ou aux commandes finalisées. Si la croissance s'y retrouve aussi, agissez. Sinon, creusez davantage avant de vous engager.
4. Ce que Shopify fait en coulisses (et ses limites)
Cet article vise à vous aider à prendre de meilleures décisions avec des données imparfaites, pas à vous livrer une solution technique.
Mais il est utile de savoir ce que votre plateforme fait déjà en arrière-plan. Ce contexte change la façon dont vous lisez vos chiffres.
Si vous êtes sur Shopify, trois changements récents méritent d'être connus :
- Dimension « Human or Bot Session » : un nouveau filtre de rapport qui vous permet de séparer les vraies sessions clients du trafic automatisé.
- Limites du fichier robots.txt : de nouvelles règles par défaut qui empêchent les agents IA autonomes de finaliser des paiements sans vérification humaine.
- Automatisation avec Shopify Flow : des règles personnalisées pour mettre en attente les commandes suspectes ou déclencher des alertes en cas d'activité inhabituelle.
Vous n'avez pas besoin de comprendre les détails techniques. Ce qui compte, c'est de savoir que ces outils existent et en quoi ils influencent la façon dont vous évaluez vos données.
La mise à jour du filtrage des bots
Le changement le plus utile pour les opérateurs est la dimension « Human or Bot Session », lancée le 7 octobre 2025. Elle vous permet de filtrer vos statistiques Shopify pour séparer les vraies sessions clients du trafic automatisé, directement dans votre tableau de bord.
Vous pouvez désormais :
- Voir votre véritable taux de conversion en retirant les sessions de bots qui ne convertissent pas.
- Comparer les sources de trafic pour identifier les canaux qui amènent de vrais clients et ceux qui sont gonflés par des bots.
- Appliquer le filtre à toutes les métriques standard liées aux sessions, comme les sessions, les taux de conversion et le nombre de visiteurs.
Comment Shopify distingue l'activité humaine de celle des bots
Shopify a aussi annoncé son intention de rendre ce filtre disponible pour les boutiques headless et Hydrogen. Pour savoir comment l'appliquer, consultez l'article du centre d'aide Shopify consacré au filtrage des bots.
Ce filtre a des limites à connaître. Il ne s'applique qu'aux métriques liées aux sessions et ne couvre que les données à partir du 7 octobre 2025. Il faut 24 à 48 heures pour vérifier une session. Vos données paraîtront « sales » en temps réel et « propres » deux jours plus tard. Important : ce filtre corrige vos rapports, mais il n'empêche pas, pour l'instant, les bots de déclencher vos pixels Meta ou Google. Vos algorithmes publicitaires « voient » toujours les bots avant que Shopify ait eu le temps de les signaler.
La plus grosse lacune pour les opérateurs qui mènent des campagnes payantes :
le filtre n'empêche pas les bots de déclencher vos pixels marketing en temps réel. Vos algorithmes publicitaires sur Meta et Google apprennent de chaque signal qu'ils reçoivent, y compris ceux générés par des bots. Et d'après les discussions sur Reddit et dans la communauté Shopify, la plupart des boutiques rencontrent des problèmes de trafic de bots, en particulier pendant les campagnes publicitaires payantes, quand des volumes de trafic plus élevés offrent aux bots une meilleure couverture pour passer inaperçus.
Si vous avez rencontré ces problèmes avec vos campagnes payantes, je vous conseille de prendre le temps de créer des règles de ciblage et d'exclusion avancées pour vos campagnes. Vous ne pouvez pas bloquer totalement les bots, mais vous pouvez tout à fait resserrer vos filtres et préserver votre budget.
Du point de vue du modèle de confiance des données, le filtre est surtout utile pour améliorer vos signaux de faible confiance. Les sessions, les vues et les données de source de trafic deviennent toutes plus fiables quand vous filtrez pour ne garder que les humains. Vos signaux de confiance élevée restent inchangés, car ils étaient déjà difficiles à falsifier pour les bots.
Des outils tiers pour une protection et une analyse plus poussées
Les outils natifs de Shopify représentent une vraie avancée. Mais ils ne régleront pas tout. Et les plaintes ne manquent pas sur les canaux communautaires quant à la capacité du filtre à repérer suffisamment de bots, même sur le forfait Shopify Plus.
Si cela devient un problème, des outils tiers peuvent vous aider. Ils se répartissent en deux catégories :
Applications de protection : conçues pour bloquer le trafic indésirable avant qu'il n'atteigne vos données. Options populaires : Disable Right Click & NoSpy (protection de la boutique contre l'espionnage, les bots, les VPN, etc.), Blockify (protection plus large de la boutique avec blocage par IP, par pays et des VPN).
Plateformes d'analyse avancée : comme PostHog et Mixpanel. Elles s'intègrent à Shopify et proposent des replays de sessions, du suivi d'événements personnalisés, de l'analyse de tunnel et de la segmentation des utilisateurs. Elles ne bloquent pas les bots, mais elles vous permettent de creuser vos données, de repérer les schémas suspects et de recouper les signaux entre niveaux de confiance. Toutes deux proposent des offres gratuites pour les petites boutiques.
Configuration de PostHog pour filtrer les événements de bots
Vous n'avez pas besoin d'adopter l'un de ces outils dès maintenant. Mais si vos données commencent à vous paraître peu fiables malgré le filtre intégré, ce sont vos prochaines étapes.
Les différences entre les forfaits Shopify
Les forfaits Basic et Standard vous donnent accès aux rapports prédéfinis et au filtre de sessions « Human or Bot ». Pour la plupart des opérateurs qui appliquent le modèle de confiance des données, cela couvre l'essentiel.
Shopify Plus ajoute les ShopifyQL Notebooks, qui permettent aux profils techniques ou aux agences de lancer des requêtes avancées pour identifier des schémas de bots complexes et créer des rapports personnalisés.
Sur tous les forfaits Shopify, Shopify a mis à jour ses règles de boutique par défaut pour empêcher les agents IA autonomes de finaliser des achats sans vérification humaine. Cela protège vos données de transaction et de paiement, les métriques sur lesquelles on peut décider, au sommet du modèle de confiance. Aucune configuration nécessaire : tout est géré au niveau de la plateforme.
Pour la plupart des marchands sur les forfaits standard, le filtre intégré associé au modèle de confiance de la section 3 vous mènera déjà loin.
Le dernier conseil de Nahar Geva à tous les marchands e-commerce :
En tant que vendeurs e-commerce, nous prenons des décisions fondées sur les données dans de nombreux domaines de l'activité. Mais je dirais que la décision fondée sur les données la plus importante intervient dès la première étape, quand un vendeur choisit ce qu'il veut vendre. Beaucoup de nouveaux vendeurs se précipitent parce qu'ils veulent démarrer vite, et ils tombent dans la croyance erronée que le premier produit auquel ils ont pensé est leur ticket gagnant. Malheureusement, la réalité, c'est qu'un vendeur doit en moyenne tester une dizaine de produits avant d'en trouver un gagnant, et c'est précisément là que la plupart des gens échouent et abandonnent.
Comme pour toute occasion dans la vie, il faut apprendre à distinguer une excellente occasion d'une mauvaise. Qu'est-ce que cela veut dire ? Tout simplement, continuer à chercher avec constance un produit gagnant qui coche tous les critères, sans faire de compromis, même s'il faut passer une semaine à chercher avant même de commencer. En plus de cela, ne misez pas sur un seul produit. Rien ne garantit que notre premier produit performera, il faut donc être prêt à en tester plusieurs.
Pour bien faire, les vendeurs doivent utiliser un outil d'analyse qui fournit l'historique des ventes, les données de trafic et les données publicitaires, et combiner toutes ces données avec un peu de bon sens pour faire leurs choix.
Peu importe la marketplace sur laquelle vous vendez, que vous ayez votre propre boutique Shopify, que vous soyez vendeur sur eBay, dropshipper, propriétaire de marque ou vendeur avec stock, vous devez vous appuyer sur les données pour décider quoi vendre. C'est ainsi que vous augmentez vos chances de trouver des produits gagnants qui génèrent un vrai chiffre d'affaires et de devenir un vendeur e-commerce qui réussit. L'outil de recherche de produits de référence pour les vendeurs e-commerce et les dropshippers est aujourd'hui ZIK Analytics.
5. Terminer en confiance
Nous avons couvert beaucoup de terrain. Faisons un rapide récapitulatif pour que vous repartiez avec une vue d'ensemble :
Les bots sont déjà dans vos données, et ce n'est pas grave. Tous les bots ne perturbent pas les mêmes choses. Dès que vous savez quel type affecte quelle métrique, vous êtes déjà bien mieux placé pour réagir.
Diagnostiquez avant de réagir, et dotez-vous d'un modèle de confiance des données adapté à votre activité. En cas de doute, recoupez avant d'engager budget, stock ou stratégie.
Votre plateforme vous aide, mais elle a des lacunes. Des outils tiers peuvent les combler si vous en avez besoin.
Reste le changement d'état d'esprit qui relie tout cela :
Arrêtez de vous demander « Mes données sont-elles propres ? »
Commencez à vous demander « Ces données sont-elles assez fiables pour cette décision précise ? »
Vous n'avez pas besoin de bloquer chaque bot. Vous n'avez pas besoin de statistiques parfaites. Il vous suffit de savoir quels chiffres comptent pour la décision qui se présente à vous, et s'ils sont assez fiables pour agir.
Voilà à quoi ressemble le contrôle pour un opérateur.
Ceci est la première étape de notre série en 7 volets, « Reprendre le contrôle dans un monde e-commerce plus complexe ».
Prochain épisode de la série : nous allons là où tout converge : le paiement. C'est là que vos données deviennent du chiffre d'affaires, que votre expérience client est mise à l'épreuve, et que l'écart entre votre tableau de bord et la réalité devient concret. Rendez-vous là-bas.
-----
Envie d'avoir la vue d'ensemble ? Lisez les sept chapitres de Reprendre le contrôle dans un monde e-commerce plus complexe, désormais disponible en ebook gratuit. Télécharger l'ebook →
