Détection de bots : la défense moderne expliquée

Synthèse : l’Internet post-humain

L’écosystème numérique se trouve au bord du précipice. Le postulat fondateur qui régit Internet depuis trois décennies (une requête d’utilisateur correspond à une intention humaine) a volé en éclats de manière irréversible. Nous sommes entrés dans l’ère de l’« Internet post-humain », un paradigme où les agents automatisés non seulement sont plus nombreux que les utilisateurs humains, mais façonnent activement la réalité économique et informationnelle du web. Un tournant a eu lieu en 2025 : le trafic automatisé a dépassé l’activité humaine et représente plus de 53 % de l’ensemble du trafic web (Imperva, 2026), et l’automatisation croît désormais bien plus vite que le trafic humain, portée par une hausse explosive de l’activité de l’IA agentique (HUMAN Security, 2026).

Il ne s’agit pas d’un simple changement quantitatif, mais d’une transformation qualitative. Les robots d’exploration scriptés d’autrefois ont évolué vers l’« IA agentique » : des entités autonomes, orientées vers un objectif, capables de raisonner, de naviguer dans une logique métier complexe et d’imiter la biométrie comportementale humaine avec une fidélité effrayante.

Ce guide propose une analyse stratégique et technique du paysage de la détection de bots en 2025. Il s’adresse aux annonceurs, aux équipes de sécurité et aux responsables marketing, et rassemble recherche académique et renseignement réel sur les menaces automatisées. Nous décortiquerons l’échec des défenses classiques comme la réputation des IP et les WAF, explorerons l’essor des architectures de détection Mixture-of-Experts (MoE) et analyserons des incidents très médiatisés de 2025 impliquant le botnet Aisuru et la fuite de données Ticketmaster/Snowflake.

La taxonomie des menaces automatisées

Pour se défendre contre le bot, il faut comprendre le bot. Le terme est un fourre-tout chaotique qui couvre aussi bien les indexeurs bienveillants que les cyberarmes soutenues par des États. En 2025, la taxonomie des menaces s’est cristallisée en catégories distinctes selon l’intention et la sophistication.

Le spectre des intentions : du bénéfique au malveillant

L’automatisation est le moteur de l’économie numérique. Distinguer le « bon » du « mauvais » n’est plus un choix binaire, mais une décision de politique fondée sur la logique métier.

L’infrastructure nécessaire (bons bots)

• Robots d’exploration des moteurs de recherche : Googlebot, Bingbot et les variantes locales (par ex. Baidu Spider) sont indispensables au SEO. Ce sont pourtant aussi les agents les plus usurpés. Les attaquants usurpent fréquemment la chaîne User-Agent de Googlebot pour contourner les pare-feu. L’authentification par recherche DNS inversée (vérifier que l’IP appartient bien à l’ASN annoncé) est la seule défense
• Écosystèmes partenaires : cela comprend les agrégateurs financiers (par ex. Plaid, Yodlee) que les utilisateurs autorisent explicitement à accéder à leurs données bancaires, et les agrégateurs de voyages (par ex. Skyscanner). Les bloquer peut perturber l’expérience utilisateur, mais les autoriser ouvre des vecteurs d’utilisation abusive des identifiants

Les acteurs malveillants (mauvais bots)

L’Open Web Application Security Project (OWASP) définit le paysage des menaces automatisées à travers plusieurs comportements clés qui dominent en 2025 :

L’évolution de la sophistication : les générations de bots

La course aux armements entre attaquants et défenseurs a fait évoluer les bots en quatre générations distinctes. Comprendre cette progression est essentiel pour comprendre pourquoi les outils classiques échouent.

Génération 1 : l’ère des script kiddies
Il s’agit de scripts basiques écrits en Python (avec requests ou urllib), en PHP ou en bash (cURL). Ils n’exécutent pas le JavaScript, gèrent mal les cookies et signalent leur présence par des chaînes User-Agent par défaut (par ex. python-requests/2.25.1).

Détection : triviale. Blocage fondé sur le User-Agent ou l’absence de prise en charge des cookies.

Génération 2 : le navigateur headless
Les attaquants sont passés à des outils comme PhantomJS, Selenium et les premières versions de Puppeteer. Ce sont de vrais navigateurs, mais sans interface graphique (GUI). Ils peuvent exécuter le JavaScript, afficher le DOM et gérer les cookies.

Détection : des tests JavaScript peuvent détecter des fonctionnalités de navigateur manquantes (par ex. en vérifiant navigator.webdriver = true) ou des incohérences dans l’environnement du navigateur (par ex. aucun plug-in installé, taille de fenêtre par défaut).

Génération 3 : l’imitateur d’humain
Pour contourner l’empreinte, les bots ont commencé à modifier leur empreinte de navigateur pour paraître identiques à des utilisateurs standard de Chrome ou de Firefox. Ils utilisent des outils comme le « Stealth Plugin » de Puppeteer pour masquer la propriété webdriver. Ils simulent des mouvements de souris et des clics basiques.

Détection : nécessite une analyse comportementale (analyse de la courbure des mouvements de souris) et une empreinte d’appareil avancée (hachage Canvas, analyse du moteur de rendu WebGL).

Génération 4 : le cyborg et l’IA agentique (standard de 2025)
Le super-prédateur actuel. Ces bots utilisent des techniques « cyborg » (en augmentant des utilisateurs humains ou en exploitant des appareils humains infectés via des proxys résidentiels) et l’« IA agentique ».

Caractéristiques : ils changent d’IP à chaque requête grâce à des réseaux de proxys résidentiels (composés de millions de routeurs domestiques). Ils utilisent l’IA pour résoudre les CAPTCHA (modèles vision-langage) et générer des tremblements de souris « humains » et des temps de réaction variables. Ils s’adaptent automatiquement aux changements des sites.

Détection : nécessite une détection fondée sur l’intention, des modèles d’IA Mixture-of-Experts et des tests cryptographiques passifs. La réputation des IP est ici inutile.

L’échec des défenses classiques

La persistance des attaques de bots réussies en 2025 tient largement à la dépendance du secteur envers des paradigmes défensifs fondamentalement obsolètes. Les méthodes suivantes, bien qu’encore omniprésentes, n’offrent que peu ou pas de protection contre les menaces modernes.

La mort de la réputation des IP

Pendant des décennies, l’adresse IP a été le principal identifiant d’un utilisateur. Les équipes de sécurité s’appuyaient sur des « listes de blocage » d’IP de centres de données connues (AWS, Google Cloud, DigitalOcean) et sur des flux de mauvaise réputation.

La révolution des proxys résidentiels : la banalisation des proxys résidentiels a rendu le blocage d’IP vain. Les attaquants font désormais transiter leur trafic par des millions d’IP résidentielles légitimes : des objets connectés compromis (le phénomène « BadBox ») ou des utilisateurs d’applications VPN « gratuites » qui vendent leur bande passante sans le savoir. Une seule campagne de bourrage d’identifiants peut utiliser 500 000 adresses IP uniques, chacune n’envoyant qu’une ou deux requêtes. Il n’y a aucun « débit » à limiter, et les IP appartiennent à des fournisseurs d’accès innocents comme Comcast ou Verizon.

L’épuisement par IPv6 : l’immensité de l’espace d’adressage IPv6 permet aux attaquants de faire défiler des milliers de milliards d’adresses, ce qui rend les listes de blocage statiques mathématiquement impossibles.

L’illusion du WAF : « ce que le secteur comprend mal »

Un malentendu tenace veut qu’un pare-feu applicatif web (WAF) soit un outil de lutte contre les bots.

Le mythe : « Mon WAF arrête les injections SQL, donc il arrête les bots. »

La réalité : les WAF sont conçus pour inspecter la syntaxe d’une requête à la recherche de charges malveillantes (par ex. ' OR 1=1). Les bots de scraping ou de bourrage d’identifiants envoient des requêtes syntaxiquement parfaites. Ils utilisent des en-têtes valides, des charges valides et des URL valides. Un WAF qui cherche du code d’exploitation laissera passer ce trafic sans obstacle. La gestion des bots exige d’analyser l’intention et le comportement, pas seulement la syntaxe.

Le CAPTCHA : le test de Turing raté

Le CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart) a perdu son utilité en tant que défense principale.

• Solveurs IA : les modèles modernes de vision par ordinateur (comme YOLO ou des CNN personnalisés) et les LLM multimodaux (comme GPT-4V) savent résoudre les tâches de reconnaissance d’images (identifier des passages piétons ou des vélos) avec plus de précision et de rapidité que les humains. La recherche académique a montré que l’IA peut déjouer la plupart des CAPTCHA à images traditionnels
• Fermes à CAPTCHA : pour les énigmes difficiles, les attaquants utilisent des services d’API qui transmettent le CAPTCHA à des travailleurs humains faiblement rémunérés dans des fermes à clics, qui les résolvent pour une fraction de centime. La nature « cyborg » de cette attaque brouille la frontière entre l’humain et la machine
• Friction pour l’utilisateur : le coût économique des conversions perdues à cause de CAPTCHA frustrants dépasse souvent le coût du trafic de bots lui-même

Architectures de détection avancées (la science de la détection de bots)

Si le blocage d’IP et les CAPTCHA sont morts, qu’est-ce qui fonctionne ? La pile de défense de 2025 repose sur une triade de technologies avancées : l’empreinte TLS, la biométrie comportementale et l’IA Mixture-of-Experts.

L’évolution de l’empreinte : de JA3 à JA4+

Si les navigateurs peuvent usurper les User-Agents, il est bien plus difficile d’usurper la négociation cryptographique sous-jacente qui établit une connexion sécurisée (TLS/SSL).

La norme JA3 : introduite par Salesforce, JA3 crée une empreinte à partir de l’ordre et des valeurs des champs du paquet TLS Client Hello (suites de chiffrement, version TLS, extensions, courbes elliptiques).

Formule : MD5(TLSVersion,Ciphers,Extensions,EllipticCurves,EllipticCurvePointFormats)

La faille : les attaquants ont appris à rendre aléatoire l’ordre des suites de chiffrement (« Cipher Stunting ») dans leur code (surtout dans les bots écrits en Go), ce qui produit un hachage JA3 différent à chaque connexion.

La solution JA4+ : en 2024, le secteur est passé à JA4. Cette méthode trie les suites de chiffrement et les extensions avant le hachage, ce qui neutralise les tactiques de randomisation. Elle produit une chaîne lisible par un humain (par ex. t13d1516h2_8daaf6152771_e8f237912443) plutôt qu’un hachage opaque.

Impact : les équipes de sécurité peuvent désormais regrouper des millions de requêtes provenant d’IP différentes sous une même empreinte JA4. Si 50 000 IP résidentielles font toutes du scraping avec le même script Python, elles partageront une signature JA4, ce qui permet de bloquer l’ensemble du botnet avec une seule règle.

Biométrie comportementale : la physique de l’authenticité

Lorsqu’une machine se fait passer pour un humain, elle a du mal à reproduire les imperfections physiques du vivant. La biométrie comportementale analyse les micro-interactions de l’utilisateur.

• Dynamique de la souris : les humains déplacent la souris en arcs (courbes de Bézier) et accélèrent ou ralentissent selon la loi de Fitts. Les bots se déplacent souvent en ligne droite ou se « téléportent » instantanément. La détection avancée analyse l’entropie et les « tremblements » de la trajectoire du curseur
• Données tactiles et des capteurs : sur les appareils mobiles, les scripts de détection accèdent à l’accéléromètre et au gyroscope. Un appareil parfaitement immobile (variance de 0,00 sur les capteurs) pendant une saisie rapide est probablement un émulateur local ou un rack de ferme d’appareils. Un humain qui tient un téléphone produit en permanence de subtils micro-tremblements
• Dynamique de frappe : les humains ont un « rythme » distinct (temps de vol entre les touches, temps d’appui sur les touches). Les bots tapent généralement à une vitesse surhumaine ou avec une régularité suspecte (par ex. exactement 100 ms entre chaque frappe)

Mixture-of-Experts (MoE) : la défense par l’IA

La complexité des données sur les bots exige une architecture d’IA sophistiquée. Les approches à modèle unique (par ex. une seule forêt aléatoire pour tout) échouent, car les caractéristiques d’un bot DDoS diffèrent profondément de celles d’un scraper de contenus.

L’architecture : les modèles MoE appliquent une stratégie « diviser pour régner » :

• Le réseau de routage (gating network) : un réseau neuronal léger analyse la requête entrante et détermine quels « experts » sont les mieux placés pour l’évaluer
• Les experts : des sous-modèles spécialisés, entraînés sur des modalités précises :
  • Expert A : spécialisé dans l’analyse de séquences (flux de clics)
  • Expert B : spécialisé en NLP (analyse du texte des commentaires)
  • Expert C : spécialisé dans la topologie des graphes (regroupement d’IP)
• Agrégation : les résultats des experts sélectionnés sont pondérés et combinés pour former un « score de bot » final

Performances : les bancs d’essai académiques montrent que les architectures MoE surpassent nettement les modèles monolithiques de référence, en particulier face à des données incomplètes ou à de nouvelles mutations de bots.

Vérification invisible et preuve de travail (PoW)

Pour remplacer les CAPTCHA, les défenseurs utilisent la preuve de travail (Proof-of-Work, PoW).

Mécanisme : le serveur envoie un défi cryptographique (par ex. « Trouvez un nonce dont le hachage donne une valeur commençant par 0000 ») au navigateur du client.

Effet : l’appareil d’un utilisateur légitime le résout en quelques millisecondes sans que l’utilisateur s’en aperçoive. Pour un opérateur de bots qui tente 10 millions de requêtes, le coût de calcul devient prohibitif, ce qui détruit le retour sur investissement de l’attaque. Cela impose une taxe financière à l’attaquant.

Private Access Tokens (PAT) : des systèmes comme les PAT d’Apple permettent à l’appareil (iPhone/Mac) d’attester la légitimité de l’utilisateur via la Secure Enclave, en fournissant un jeton de confiance sans révéler son identité.

Études de cas d’échecs et de réussites (2024-2025)

Les mécanismes théoriques de la détection de bots se comprennent mieux à travers des incidents récents très médiatisés. Les années 2024 et 2025 ont offert des leçons frappantes sur l’escalade de la guerre automatisée.

La fuite Ticketmaster et ShinyHunters (mai 2024)

L’incident : en mai 2024, le groupe de pirates ShinyHunters a compromis les données de 560 millions d’utilisateurs de Ticketmaster.

Le mécanisme : il ne s’agissait pas d’une attaque de bots classique côté front-end, où des bots auraient fait du scraping sur le site de Ticketmaster. C’était une attaque de la chaîne d’approvisionnement visant le fournisseur de stockage cloud de Ticketmaster, Snowflake.

Le vecteur bot : les attaquants ont utilisé des bots de logiciels malveillants « info-stealer » pour récolter les identifiants sur la machine d’un employé ou d’un prestataire de Snowflake. Ces bots automatisés fouillent les appareils infectés à la recherche de mots de passe enregistrés dans le navigateur et de cookies de session.

L’échec : le compte compromis n’avait pas d’authentification multifacteur (MFA). Une fois en possession des identifiants, les attaquants ont utilisé des scripts d’exfiltration automatisés pour télécharger 1,3 téraoctet de données.

L’enseignement : la détection de bots ne se limite plus à protéger le site web. Elle doit s’étendre au poste de travail des employés. L’utilisation de bots info-stealer pour contourner les couches d’authentification illustre la convergence entre logiciels malveillants et automatisation.

Le botnet Aisuru (fin 2025)

L’incident : un nouveau botnet, « Aisuru », est apparu et a pulvérisé les records de DDoS avec des attaques culminant à 22,2 térabits par seconde (Tbit/s).

Le mécanisme :

• Infection : Aisuru a infecté plus de 1,8 million d’appareils sous Android (boîtiers TV, routeurs) en exploitant des failles du Native Development Kit (NDK)
• Double monétisation : contrairement aux botnets traditionnels qui se contentent de faire du DDoS, Aisuru fonctionnait selon un modèle de « Proxy-as-a-Service ». Les opérateurs vendaient les IP « propres » des appareils infectés à d’autres cybercriminels, qui s’en servaient pour le scraping et le bourrage d’identifiants

L’impact : cela met en évidence la menace « hybride ». Un appareil qui lance une attaque DDoS aujourd’hui peut servir demain de proxy résidentiel à un bot d’achat de sneakers. Les systèmes de détection doivent corréler ces activités disparates pour identifier l’hôte compromis sous-jacent.

BadBox 2.0 (opération de fraude publicitaire)

L’incident : une opération de fraude impliquant des millions de boîtiers Android TV et de projecteurs « sans marque ».

Le mécanisme : les appareils étaient vendus avec des portes dérobées préinstallées dans leur firmware (compromission de la chaîne d’approvisionnement). Une fois connectés à Internet, ils formaient un botnet qui exécutait des sessions de navigateur invisibles en arrière-plan, chargeant des annonces vidéo pour générer des revenus frauduleux au profit des opérateurs.

Le défi de la détection : le trafic provenait de vraies IP résidentielles, d’appareils réellement utilisés par des humains (pour regarder la télévision). Sur le plan biométrique, l’activité de l’appareil était humaine (clics sur la télécommande), mais l’activité réseau était frauduleuse.

La résolution : il a fallu une collaboration étroite entre des sociétés de renseignement sur les menaces, Google et les forces de l’ordre pour démanteler l’infrastructure de commande et de contrôle (C2).

Bots, budget d’exploration et scrapers IA

Pour tout propriétaire de site, la montée des bots pose un double défi : protéger le site contre les scrapers malveillants tout en restant visible pour les robots d’exploration utiles et la nouvelle vague d’agents de recherche IA.

L’économie du « budget d’exploration »

Chaque requête d’un bot consomme des ressources serveur. Pour les grands sites, Google attribue un « budget d’exploration » : le nombre de pages qu’il explorera sur une période donnée.

La menace : si 40 % de la capacité de votre serveur est consommée par des scrapers malveillants ou par des outils SEO tiers agressifs (par ex. les bots d’Ahrefs ou de Semrush), Googlebot peut rencontrer des erreurs 5xx ou une latence accrue. Google utilise explicitement la « vitesse des pages » (Core Web Vitals) comme facteur de classement. Un trafic de bots non maîtrisé dégrade directement votre classement SEO en ralentissant le site pour les vrais utilisateurs et pour Googlebot.

Gérer les scrapers IA et le fichier robots.txt

L’essor de l’IA générative a fait apparaître une nouvelle catégorie de bots : les scrapers de LLM (par ex. GPTBot, ClaudeBot, CCBot).

Le dilemme : autoriser ces bots consomme des ressources et cède gratuitement votre contenu pour l’entraînement des modèles. Les bloquer (Disallow: / dans robots.txt) empêche l’ingestion de votre contenu, ce qui signifie que votre marque risque de ne pas apparaître dans les réponses générées par ChatGPT ou Claude, un enjeu connu sous le nom d’« Answer Engine Optimization » (AEO).

Stratégie : le secteur évolue vers une approche nuancée : bloquer les « bots d’entraînement » (comme CCBot) pour protéger la propriété intellectuelle, tout en autorisant éventuellement les « bots de récupération » (comme ChatGPT-User ou PerplexityBot) qui récupèrent des informations en temps réel pour répondre aux requêtes des utilisateurs avec des citations.

Horizons futurs et menaces émergentes

IA agentique et analyse de l’intention

L’avenir immédiat est défini par l’IA agentique. Il ne s’agit pas seulement de LLM qui rédigent du texte, mais d’agents capables d’agir.

Capacité : on peut confier un objectif à une IA agentique : « Achète le vol le moins cher pour Londres. » Elle naviguera sur le site, gérera les pop-ups, résoudra les CAPTCHA et saisira les informations de paiement.

Défense : la détection doit évoluer vers l’analyse de l’intention. Il ne s’agit plus de « humain ou bot », mais de « malveillant ou bénin ». Un bot qui achète un vol peut être un client utilisant un assistant personnel (bon). Un bot qui achète 50 vols pour les revendre est un revendeur spéculatif (mauvais). Cela exige d’analyser la logique métier de la transaction, pas seulement les frappes au clavier.

La réalité de l’« Internet mort »

La « théorie de l’Internet mort » (selon laquelle la majeure partie du trafic web est synthétique) devient une réalité opérationnelle. À mesure que l’IA génère des contenus et que des bots d’IA explorent ces contenus pour entraîner de nouvelles IA, le web risque de devenir une boucle fermée de bruit synthétique. Les systèmes de détection de bots évolueront vers des « services de vérification de l’humanité » : une infrastructure essentielle pour toute plateforme qui accorde de la valeur aux interactions humaines.

Vents contraires réglementaires

Les lois sur la vie privée (RGPD, CCPA) se heurtent aux besoins de la détection.

Le conflit : une détection robuste exige de collecter des données comportementales approfondies et des empreintes d’appareil. Les lois sur la vie privée imposent la minimisation des données.

La solution : l’edge computing et les preuves à divulgation nulle de connaissance. La logique de détection se déplacera vers l’appareil de l’utilisateur (la périphérie). L’appareil analysera son propre comportement et enverra au serveur un « jeton de risque » cryptographique, en conservant les données biométriques brutes localement et en toute confidentialité.

Conclusion

La guerre contre les menaces automatisées est passée du statut de désagrément informatique tactique à celui de crise existentielle stratégique. En 2025, la capacité à distinguer un client d’une contrefaçon est le principal déterminant de l’intégrité numérique. Face à l’assaut de l’IA agentique, de botnets hyper-volumétriques comme Aisuru et de compromissions de la chaîne d’approvisionnement comme BadBox, les stratégies de défense du passé (simples blocages d’IP et énigmes visuelles frustrantes) sont dangereusement obsolètes.

L’avenir appartient à la vérification invisible : une synthèse fluide, pilotée par l’IA, des signaux réseau, appareil et comportementaux, qui fonctionne en arrière-plan. Elle exige l’adoption d’architectures Mixture-of-Experts, la mise en œuvre de normes robustes comme JA4+ et un changement fondamental : passer du blocage des IP à l’analyse de l’intention. Pour l’entreprise numérique, le message est clair : à l’ère de l’IA agentique, la seule façon de combattre une machine est d’en avoir une meilleure.