TollBit révèle l'ampleur du scraping IA en Europe

TollBit mesure un écart européen

Les éditeurs européens sont davantage exposés au scraping par des bots d’intelligence artificielle que les sites nord-américains, selon une analyse récente de TollBit portant sur 3 906 éditeurs et 40 fournisseurs de scraping. Le rapport relève quatre fois plus de scrapes IA médians par site en Europe. Les éditeurs européens reçoivent aussi moins de visites issues d’applications d’IA: une visite humaine pour 179 visites de bots, soit un ratio plus de trois fois défavorable à celui observé en Amérique du Nord.

Au premier semestre 2026, les applications d’IA ne représentaient que 0,05 % des référents externes vers les sites européens, contre 0,16 % en Amérique du Nord. Le phénomène s’est accéléré: les scrapes sur les sites européens étaient près de 20 % plus nombreux en juin qu’en janvier 2026. Les sites d’information locale et de sport ont enregistré la plus forte progression d’un trimestre à l’autre. Le ratio entre scrapes et référencements est passé de 150 pour 1 au premier trimestre à 227 pour 1 au deuxième.

Les robots.txt davantage ignorés

Les consignes inscrites dans les fichiers robots.txt, qui indiquent aux robots ce qu’ils peuvent ou non explorer, sont également moins respectées en Europe. Selon TollBit, elles ont été ignorées presque trois fois plus souvent sur les sites européens que sur les sites nord-américains.

Olivia Joslin, cofondatrice de TollBit, avance une explication possible: l’Europe compte davantage de langues que l’Amérique du Nord. Les grands modèles de langage pourraient donc chercher à apprendre plusieurs langues et à collecter des contenus provenant de sources diverses. Grzegorz Piechota, chercheur en résidence à l’INMA, propose une hypothèse similaire, fondée sur les usages. Selon des données d’Anthropic datant de septembre dernier, les utilisateurs de Claude aux États-Unis représentaient 21,6 % de l’usage total, tandis que les pays anglophones comptaient pour moins d’un tiers des utilisateurs mondiaux de Claude.

Les données ne convergent pas

Piechota estime que cette demande de contenus non anglophones peut influencer les stratégies des entreprises d’IA et de leurs fournisseurs de données. Il cite les initiatives annoncées par Google, OpenAI et Microsoft pour rendre l’IA plus pertinente auprès de publics multilingues. D’après son analyse, les domaines européens représentaient 4,75 % des pages capturées par Common Crawl en 2009, contre près de 29,98 % en 2026.

D’autres sources ne retrouvent toutefois pas le même écart. Les données de Cloudflare ne montrent pas que les éditeurs européens reçoivent davantage de requêtes de bots en valeur absolue: l’Amérique du Nord conserve un volume total plus élevé. Les sites européens présentent néanmoins une part supérieure de requêtes de bots dans l’ensemble de leur trafic. DataDome n’observe pas non plus de différence constante entre les deux régions. Jérôme Segura, vice-président de la recherche sur les menaces chez DataDome, souligne une forte variation selon les éditeurs, leur taille et la capacité des bots à s’identifier. Chez certains éditeurs, le trafic IA atteindrait environ une visite pour dix visites humaines. Les scrapes sont donc bien réels, mais leurs causes restent discutées selon les sources et les jeux de données.